Djibouti-andrea-bruno

ClimSA吉布提气候灾害输出数据集（ClimSA Djibouti Climate Hazards）是基于ClimSA工作流生成的网格化气候灾害诊断数据集，覆盖吉布提全境。该数据集将ERA5-Land再分析参考数据（1950-2025年）与偏差校正后的CMIP6气候预测（2026-2100年）相结合，提供历史与未来情景下的多变量气候灾害指标。空间范围为10.8°N–12.9°N，41.5°E–43.6°E，采用0.1°矩形经纬度网格。未来情景包括SSP2-4.5和SSP5-8.5两个共享社会经济路径。CMIP6模型偏差校正采用分位数增量映射法（QDM），校正期与ERA5-Land重叠的1950-2025年。数据集包含9个CMIP6全球气候模型（ACCESS-CM2, ACCESS-ESM1-5, CanESM5, CNRM-CM6-1, CNRM-ESM2-1, EC-Earth3, GFDL-ESM4, MIROC6, MPI-ESM1-2-HR）的输出。数据存储为NetCDF格式，按类别分为热（年度热浪指数）、降水与干旱（SPI/SPEI、连续干旱日数、极端降水等）、Humidex（湿热指数）、风（风速及其指数）以及每日事件掩码（热浪、湿浪、湿热浪）。此外还提供合并的共同网格产品和未来预测统计文件。同时提供PNG格式的预生成可视化图像（空间均值图、趋势图、区域时间序列图、多源对比图等）。该数据集适用于时间序列预测、气候风险评估、极端事件分析、偏差校正研究等任务。The ClimSA Djibouti Climate Hazards Output Dataset is a gridded climate hazard diagnostic dataset generated based on the ClimSA workflow, covering the entire territory of Djibouti. It combines ERA5-Land reanalysis reference data (1950-2025) with bias-corrected CMIP6 climate projections (2026-2100), providing multi-variable climate hazard indicators under historical and future scenarios. The spatial range is 10.8°N–12.9°N, 41.5°E–43.6°E, with a 0.1° rectangular latitude-longitude grid. Future scenarios include SSP2-4.5 and SSP5-8.5 shared socioeconomic pathways. Bias correction of CMIP6 models uses the Quantile Delta Mapping (QDM) method, with the calibration period overlapping ERA5-Land from 1950 to 2025. The dataset contains outputs from 9 CMIP6 global climate models (ACCESS-CM2, ACCESS-ESM1-5, CanESM5, CNRM-CM6-1, CNRM-ESM2-1, EC-Earth3, GFDL-ESM4, MIROC6, MPI-ESM1-2-HR). Data is stored in NetCDF format and categorized into thermal (annual heatwave index), precipitation and drought (SPI/SPEI, consecutive dry days, extreme precipitation, etc.), Humidex (humidity-heat index), wind (wind speed and indices), and daily event masks (heatwave, wet spell, humid heatwave). Additionally, merged common grid products and future projection statistics files are provided. Pre-generated visualization images in PNG format (spatial mean maps, trend maps, regional time series, multi-source comparison maps, etc.) are also included. The dataset is suitable for tasks such as time series prediction, climate risk assessment, extreme event analysis, and bias correction research.

原始信息汇总

ClimSA Djibouti Climate Hazards

基本信息

• 数据集地址：https://huggingface.co/datasets/andreazonato/Djibouti-andrea-bruno
• 许可证：CC-BY-4.0
• 任务类别：时间序列预测（time-series-forecasting）、其他（other）
• 语言：英语（en）
• 标签：climate、djibouti、era5-land、cmip6、heatwave、humidex、drought、spei、bias-correction
• 别名：ClimSA Djibouti Climate Hazards

数据集概述

该数据集包含由 ClimSA 工作流生成的吉布提网格化气候灾害诊断数据。它结合了截至 2025 年的 ERA5-Land 参考数据与截至 2100 年的偏差校正 CMIP6 投影数据。

范围与时段

• 空间范围：北纬 10.8–12.9，东经 41.5–43.6
• ERA5-Land 网格：0.1 度矩形经纬度网格
• 历史/参考序列：1950–2025
• 未来情景：SSP2-4.5 和 SSP5-8.5，2026–2100
• 世纪中叶汇总：2041–2070
• 世纪末汇总：2071–2100
• CMIP6 校正：在共同 1950–2025 期间相对于 ERA5-Land 的分位数增量映射（QDM）

在 1950–2100 图表中，ERA5-Land 显示至 2025 年，校正后的 CMIP6 从 2026 年开始。2025 年处用垂直线标记历史/未来边界。

目录结构

text era5land/ drought/ events/ heat/ humidex/ wind/ cmip6_<model>_<scenario>/ drought/ events/ heat/ humidex/ wind/ comparison/ ssp245/ ssp585/

• era5land/ 包含参考分析。
• 每个 cmip6_<model>_<scenario>/ 目录包含一个偏差校正模型和情景的诊断数据。
• comparison/ssp245/ 和 comparison/ssp585/ 包含合并的公共网格产品、集合摘要和对比图表。

九个 CMIP6 模型为：ACCESS-CM2、ACCESS-ESM1-5、CanESM5、CNRM-CM6-1、CNRM-ESM2-1、EC-Earth3、GFDL-ESM4、MIROC6 和 MPI-ESM1-2-HR。

NetCDF 产品

高温（Heat）

heat/annual_heat_indices.nc 包含以下年度网格化值：

• hotspell_days：热浪日数
• hotspell_events：热浪事件数
• max_hotspell_duration：年度最大事件持续时间
• hwmid：热浪强度指数日聚合值

降水与干旱（Precipitation and drought）

drought/annual_precipitation_indices.nc 包含：

• cdd：最大连续干旱日数
• rx1day：年最大一日降水量
• rx5day：年最大五日降水量
• prcptot：年累积降水量

drought/spi_01.nc、spi_03.nc、spi_06.nc 和 spi_12.nc 包含 1、3、6、12 个月尺度的 SPI。对应的 spei_*.nc 文件包含 SPEI。

湿热指数（Humidex）

humidex/daily_humidex.nc 包含日 Humidex。humidex/annual_humidex_indices.nc 包含：

• humidex_spell_days 和 humidex_spell_events
• humidex_max_spell_duration
• humidex_mean 和 humidex_annual_max
• humidex_threshold_days

风（Wind）

wind/daily_wind.nc 包含日风速。wind/annual_wind_indices.nc 包含年均值、年最大值和阈值超越诊断。

日事件掩膜（Daily event masks）

events/daily_event_masks.nc 包含 (time, latitude, longitude) 上的日整数掩膜：

• heatwave
• humidwave
• humidexwave

事件日为 1，否则为 0。缺失源数据在适用处保持缺失。

合并对比文件（Merged comparison files）

以 _common_grid.nc 结尾的文件沿 product 维度组合三种产品：

1. era5land
2. cmip6_multimodel_mean
3. cmip6_2sigma

所有产品双线性插值至最细下载网格以进行对比。此插值不会提高原始 CMIP6 数据的物理分辨率。

以 _cmip6_future_projections.nc 结尾的文件包含 ERA5-Land 参考均值和 2041–2070 及 2071–2100 的校正 CMIP6 集合统计量。变量包括绝对集合均值、相对于 1950–2025 的变化、二西格玛集合离散度和模型计数。

图表（Figures）

常见文件名后缀含义如下：

• *_mean_map.png：指定时段的 spatial 均值
• *_trend_map.png：年度指数的空间趋势
• *_regional_timeseries.png：单一来源/模型的区域均值时间序列
• *_all_datasets_1950_2025.png：历史 ERA5-Land 与校正 CMIP6 对比
• *_era5land_reference_1950_2025.png：仅 ERA5-Land 参考图
• *_cmip6_corrected_timeseries_1950_2100.png：ERA5-Land 至 2025 年接续校正 CMIP6 从 2026 至 2100 年，包含集合均值、单个模型和二西格玛离散度
• *_cmip6_future_projections.png：世纪中叶和世纪末集合投影及变化的地图

读取文件

python import xarray as xr

ds = xr.open_dataset("era5land/events/daily_event_masks.nc") print(ds) heatwave_days = ds["heatwave"]

数值 NetCDF 产品应用于定量工作；PNG 文件为现成可视化摘要。此运行未生成 CSV 表格，因此该仓库目前仅包含 PNG 和 NetCDF 输出。

可复现性与引用

处理代码和配置模式可在 ClimSA GitHub 仓库（https://github.com/andreazonato/ClimSA）获取。用户在使用这些衍生品时还应引用原始 ERA5-Land 和 CMIP6 数据提供者。

搜集汇总

数据集介绍

构建方式

该数据集依托ClimSA工作流，融合ERA5-Land再分析资料与经Quantile Delta Mapping（QDM）偏差校正的CMIP6气候模式输出，生成吉布提地区格点化气候灾害诊断产品。参照时段覆盖1950—2025年，未来情景包括SSP2-4.5与SSP5-8.5，延伸至2100年，并汇总2041—2070年及2071—2100年两个窗口的集合统计量。校正过程以ERA5-Land为基准，在共同时段内对九种CMIP6模式进行分位数映射，确保历史与未来序列的统计一致性，最终形成多模式、多情景、多变量的综合数据集。

特点

数据集以0.1°经纬度网格覆盖吉布提全域，涵盖热浪、湿度指数、干旱、风场及复合事件等多维气候灾害指标。核心变量包括热浪日数、热浪事件频次、最大持续日数、HWmid指数、连续干旱日数、不同时间尺度的SPI与SPEI、Humidex及其衍生指数、风速统计量以及逐日事件掩膜。目录结构清晰，分别存放ERA5-Land参考分析、各CMIP6模式情景诊断及集合对比产品，并配套提供空间分布图、趋势图、区域时间序列及未来投影图，便于直观判读与深入分析。

使用方法

用户可通过xarray直接读取NetCDF格式的数值产品，例如加载逐日事件掩膜文件并提取热浪变量，以进行定量时空分析。针对不同研究目的，可选择era5land目录获取历史参考，或利用cmip6_<model>_<scenario>目录开展单模式情景分析，亦可借助comparison目录下的合并产品进行多模式集合比较与未来变化评估。PNG图像文件可作为快速视觉摘要，但定量工作应优先使用NetCDF数据。使用时应遵循CC-BY-4.0许可，并引用ClimSA工作流及原始ERA5-Land与CMIP6数据提供方。

背景与挑战

背景概述

在全球气候变暖日益严峻的背景下，吉布提作为东非干旱带上的脆弱国家，亟需高分辨率的气候灾害诊断数据以支撑适应决策。ClimSA Djibouti气候灾害数据集由相关研究人员基于ClimSA工作流构建，融合ERA5-Land再分析资料与偏差校正后的CMIP6未来情景，提供1950至2100年热浪、干旱、湿热及风等网格化诊断产品，填补了该区域精细化气候风险评估的数据空白，为区域气候研究及政策制定提供了关键科学依据。

当前挑战

本数据集所应对的领域挑战在于热带干旱区气候极端事件的高精度刻画与未来预估，传统观测稀疏导致再分析资料不确定性大，且湿热复合事件等诊断指标尚缺统一框架。构建过程中，需将CMIP6模式输出经分位数增量映射偏差校正至ERA5-Land基准，面对不同模式间分辨率差异需进行双线性插值，同时集成九种模式与两种情景，计算与存储成本高昂，且需确保时间序列衔接处的一致性与统计可靠性。

常用场景

经典使用场景

在气候极端事件归因与未来预估研究中，该数据集构成了一套面向吉布提区域的格点化气候灾害诊断基准。其经典使用场景在于将1950至2025年的ERA5-Land再分析资料与经分位数增量映射偏差校正后的九套CMIP6模式输出相衔接，从而在统一网格上系统评估热浪日数、热浪事件频次、最大持续时长及热浪强度指数等指标的历史演变与未来情景响应。研究者可依托逐日事件掩膜与年尺度指数产品，开展热浪、湿浪及湿热浪的时空识别与趋势检验，亦可借助SPI与SPEI多时间尺度序列剖析干旱的累积与滞后效应，进而形成对吉布提气候灾害的多维度诊断。

解决学术问题

该数据集有效回应了气候极端事件研究中长期存在的两类难题：其一为观测稀疏区域高分辨率历史基准缺乏，其二为多模式未来预估结果的可比性与偏差校正问题。通过将ERA5-Land作为参照并采用分位数增量映射方法校正CMIP6模式，数据集在1950至2100年连续时间轴上提供了偏差校正后的多模式集合统计量，包括集合均值、相对于历史期的变化量以及双倍标准差离散度。这为评估热浪与干旱的频率、强度和持续时间变化提供了统计上一致的比较框架，亦有助于量化模式间不确定性，从而深化对东非之角气候风险的认识，并支撑基于风险的适应政策制定。

衍生相关工作

依托该数据集及其配套的ClimSA处理流程，已衍生出一系列面向区域气候风险评估的经典工作方向。一方面，基于偏差校正CMIP6集合的热浪与湿热浪预估结果被用于构建复合极端事件情景，推动了复合型热湿灾害识别方法的发展；另一方面，多时间尺度SPI与SPEI产品支撑了干旱传播与累积效应的比较研究，并促进了气候模式集合不确定性分解技术的应用。此外，逐日事件掩膜产品为机器学习驱动的极端事件检测与降尺度研究提供了标注参考，而标准化的工作流设计亦为其他数据稀缺区域开展类似气候灾害诊断提供了可复用的方法学范式。