【数据分享】CMIP6未来气候变化情景数据之三: 历史时期风速数据集
2、Python语言在地球科学领域中的应用实践技术应用高级培训班3、第四期CMIP6数据处理方法与典型案例分析实践技术应用培训班4、基于Citespace和vosviewer文献计量学可视化SCI论文高效写作方法研修班5、【最新版本】InVEST实践与进阶及在生态系统服务供需、固碳、城市热岛、论文写作等实际项目中的具体应用6、基于现代R语言【Tidyverse、Tidymodel】的机器学习方法与案例分析实践技术培训班点击标题查看详情
风影响着水循环、风能以及与风相关的自然灾害，如龙卷风、台风和风暴潮。因此，了解风速的变化是非常重要的。在全球气候变化的背景下，全球各地和一些局部地区都观测到了地表风速的变化规律和强度，研究结果表明，在全球范围内和特定地区，地表风速呈下降趋势。但最近发现2010-2017年期间，表面风速的回升使全球潜在风能增加了17±2%。
全球气候模型（GCM）是研究气候变化的主要工具。特别是在耦合模型相互比较项目(CMIP)开始运作之后，它得到了广泛的应用，该项目旨在了解过去的气候变化，进行预测，并估计未来的不确定性。在中国地表风速已有大量关于GCM的评估工作。主要结果有：
l CMIP3和CMIP5 GCM可以捕捉到年、季平均风速的空间规律，但低估了其下降趋势。
l CMIP5相比CMIP3模拟近地面风速方面表现更好。
l CMIP5 GCM所有的模型都倾向于低估年际变化，无法重现观测到的下降趋势。
基于上述原因，有必要对风速进行评估。
历史时期风速数据集展示
图1和图2分别为historical月尺度uas变量的BCC-CSM2-MR模式、BCC-ESM1模式下的空间图。对比可看出，不同模式模拟出的结果存在差异。
图 1 historical月uas BCC-CSM2-MR模式空间图
图 2 图 1 historical月uas BCC-ESM1模式空间图
表格 1 historical月uas模型清单
ACCESS-CM2 | CAS-ESM2-0 | E3SM-1-1-ECA | GISS-E2-1-G | MIROC6 | NorESM2-MM |
ACCESS-ESM1-5 | CESM2 | EC-Earth3 | GISS-E2-1-H | MPI-ESM-1-2-HAM | SAM0-UNICON |
AWI-CM-1-1-MR | CESM2-FV2 | EC-Earth3-Veg | IITM-ESM | MPI-ESM1-2-HR | TaiESM1 |
AWI-ESM-1-1-LR | CESM2-WACCM | EC-Earth3-Veg-LR | INM-CM4-8 | MPI-ESM1-2-LR | |
BCC-CSM2-MR | CESM2-WACCM-FV2 | FGOALS-f3-L | INM-CM5-0 | MRI-ESM2-0 | |
BCC-ESM1 | CIESM | FGOALS-g3 | IPSL-CM6A-LR | NESM3 | |
CAMS-CSM1-0 | CMCC-CM2-HR4 | FIO-ESM-2-0 | KACE-1-0-G | NorCPM1 | |
CanESM5 | CMCC-CM2-SR5 | GFDL-ESM4 | KIOST-ESM | NorESM2-LM |
注：标注黄色为中国模式。
文件数量（netCDF文件）：
uas_historical/ 925
vas_historical/ 926
文件大小：
uas_historical/ 7.3GB
vas_historical/ 7.7GB
相关论文分享
《Evaluation and Projection of Surface Wind Speed Over China Based on CMIP6 GCMs》
研究目的：
论文基于CMIP6的24个全球气候模式，评估了中国上空的历史风速，并量化了CMIP6比CMIP5的进步。此外，还利用24个模型中的18个模型对1-2.6、2-4.5和5-8.5(SSP1-2.6、SSP2-4.5和SSP5-8.5)三种共享社会经济路径情景下的未来风速变化进行了评估。
数据与方法：
CN05.1网格化10米风速月观测数据集来评估GCMs模拟现今地表风的情况。
表格 2 本研究使用的37个CMIP 5和24个CMIP 6 GCMs清单
研究所/国家 | CMIP5模型 | CMIP5水平分辨率 | CMIP6模型 | CMIP6水平分辨率 |
Commonwealth Scientific and Industrial Research Organization (CSIRO) and Bureau of Meteorology (BOM)/Australia | ACCESS1‐0 | 192 × 144 | ACCESS‐CM2 | 192 × 145 |
ACCESS1‐3 | 192 × 144 | ACCESS‐ESM 1‐5 | 192 × 144 | |
CSIRO‐Mk3‐6‐0 | 192 × 96 | — | — | |
Beijing Climate Center (BCC)/China | BCC‐CSM1‐1 | 128 × 64 | BCC‐ESM 1 | 128 × 64 |
BCC‐CSM1‐1‐M | 320 × 160 | BCC‐CSM2‐MR | 320 × 160 | |
Beijing Normal University (BNU)/China | BNU‐ESM | 128 × 64 | — | — |
Chinese Academy of Meteorological Sciences (CAMS)/China | — | — | CAMS‐CSM1‐0 | 320 × 160 |
Canadian Centre for Climate Modelling and Analysis (CCCMA)/Canada | CanESM2 | 128 × 64 | CanESM5 | 128 × 64 |
Centro Euro‐Mediterraneo per I Cambiamenti Climatici (CMCC)/Italy | CMCC‐CESM | 96 × 48 | — | — |
CMCC‐CM | 480 × 240 | |||
CMCC‐CMS | 192 × 96 | |||
Centre National de Recherches Météorologiques (CNRM)/France | CNRM‐CM5 | 256 × 128 | — | — |
CNRM‐CM5‐2 | 256 × 128 | |||
EC‐Earth Consortium/Europe | — | — | EC‐Earth3 | 512 × 256 |
EC‐Earth3‐Veg | 512 × 256 | |||
Institute of Atmospheric Physics (IAP)/China | — | — | FGOALS‐f3‐L | 288 × 180 |
Geophysical Fluid Dynamics Laboratory (GFDL)/United States | GFDL‐CM2.1 | 144 × 90 | GFDL‐CM4 | 288 × 180 |
GFDL‐CM3 | 144 × 90 | |||
GFDL‐ESM 2G | 144 × 90 | GFDL‐ESM 4 | 288 × 180 | |
GFDL‐ESM 2M | 144 × 90 | |||
Goddard Institute for Space Studies (GISS)/United States | GISS‐E2‐H | 144 × 90 | GISS‐E2‐1‐H | 144 × 90 |
GISS‐E2‐H‐CC | 144 × 90 | |||
GISS‐E2‐R | 144 × 90 | GISS‐E2‐1‐G | 144 × 90 | |
GISS‐E2‐R‐CC | 144 × 90 | |||
Met Office (UKMO)/United Kingdom | HadCM3 | 96 × 72 | — | — |
Institute for Numerical Mathematics (INM)/Russia | INM‐CM4 | 180 × 120 | INM‐CM4‐8 | 180 × 120 |
INM‐CM5‐0 | 180 × 120 | |||
Institute Pierre‐Simon Laplace (IPSL)/France | IPSL‐CM5A‐LR | 96 × 96 | IPSL‐CM6A‐LR | 144 × 143 |
IPSL‐CM5A‐MR | 144 × 143 | — | — | |
IPSL‐CM5B‐LR | 96 × 96 | — | — | |
National Institute of Meteorological Sciences (NIMS)/South Korea | HadGEM2‐AO | 192 × 144 | KAGE‐1‐0‐G | 192 × 144 |
University of Arizona (UA)/United States | — | — | MCM‐UA‐1‐0 | 96 × 80 |
Model for Interdisciplinary Research on Climate (MIROC)/Japan | MIROC4h | 640 × 320 | MIROC6 | 256 × 128 |
MIROC5 | 256 × 128 | |||
MIROC‐ESM | 128 × 64 | — | — | |
MIROC‐ESM‐CHEM | 128 × 64 | |||
Max Planck Institute (MPI) for Meteorology/Germany | MPI‐ESM‐LR | 192 × 96 | MPI‐ESM1‐2‐LR | 192 × 96 |
MPI‐ESM‐MR | 192 × 96 | MPI‐ESM1‐2‐HR | 384 × 192 | |
MPI‐ESM‐P | 192 × 96 | MPI‐ESM1‐2‐HAM | 192 × 96 | |
Meteorological Research Institute (MRI)/Japan | MRI‐ESM1 | 320 × 160 | MRI‐ESM2‐0 | 320 × 160 |
MRI‐CGCM3 | 320 × 160 | — | — | |
Nanjing University of Information Science and Technology (NUIST)/China | — | — | NESM3 | 192 × 96 |
Norwegian Climate Centre/Norway | NorESM1‐M | 144 × 96 | — | — |
NorESM1‐ME | 144 × 96 |
由于CMIP 5和CMIP 6 GCMs和CN05.1具有不同的水平分辨率，从~0.7×0.7°到3.75×3.75°，为便于比较，采用双线性或面积加权插值算法，将它们插值为1×1°网格。
在评估中国的月、季和年平均风速时，在本研究中采用了一个标准化的RMSE，规范化的RMSE(RMSE‘)定义如下：
结果：
图3显示了1961-2005年中国的年、夏季(6-7~8月，JJA)和冬季(12月-1月-2月，DJF)的地面风速的空间分布情况以及CMIP 5和CMIP 6模式(以下简称Mme_5和Mme_6)的集合方法。论文中提到的中国主要地方的位置标注在（a）中：1.塔里木盆地；2.新疆省；3.青藏高原；4.云南省；5.四川盆地；6.黄土高原；7.秦岭；8.内蒙古；9.华北平原；10. 大兴安岭。
Mme_5和Mme_6较好地再现了青藏高原和内蒙古地区年和冬季地面风速的空间格局。年风速、夏季风速和冬季风速的空间相关系数分别为0.74、0.56和0.79，而Mme_6的空间相关系数分别为0.76、0.68和0.80。然而，这些组合低估了整个中国的年平均表面风速，最大小于4米/秒。（3d和3g)。MME_6的性能优于MME_5，特别是在DJF中。
图 3 (a，d，g)年，(b，e，h)夏季(6-7~8月[JJA])和(c，f，i)1961-2005年冬季(12月至1月至2月[DJF])地面平均风速(单位：M/s)的空间分布。每一行分别表示CMIP 5和CMIP 6模型的观测结果和集合均值。
图6展示了21世纪中后期SSP1-2.6、SSP2-4.5和SSP5-8.5情景下中国地面年平均风速的空间分布。可以发现，在高排放情景下，地表风速下降明显，且幅度较大，面积也较大。
图 4 (a-c)21世纪中叶和(d-f)年平均地面风速(单位：M/s)相对于当今的未来变化和(g-i)2015-2099(单位：(M/s)/十年)在SSP1-2.6、SSP2-4.5和SSP5-8.5情景下的趋势。(A)-(F)中的圆点表示超过三分之二的CMIP 6型号同意改变迹象的区域。(G)-(I)中的“+”表示p < 0.05.
原文链接：
Wu Jie and Shi Ying and Xu Ying. Evaluation and Projection of Surface Wind Speed Over China Based on CMIP6 GCMs[J]. Journal of Geophysical Research: Atmospheres, 2020, 125(22)
DOI: 10.1029/2020JD033611
《CMIP6年代际试验对中国气温预测能力的初步评估》
研究目的：
论文利用参与DCPP的加拿大CanESM5模式和日本MIROC6模式1961—2010年起报的中国近地面气温，评估了CMIP6 年代际试验在不同提前时间对中国气温的回报性能。
观测数据：
采用格点化数据集CN05.1中的月平均气温，分辨率为0.25°×0.25°。该数据集使用距平逼近法，基于中国境内2400个台站的观测资料，由气候场和距平场分别插值后通过叠加得到。
研究方法：
在评估前根据气候变率与可预测性研究计划（CLIVAR）的协议对模式年代际试验回报结果进行偏差订正。CanESM5模式采用全场初始化，MIROC6模式使用距平初始化方法。
论文使用距平相关系数（ACC）、空间相关系数（PCC）和均方根误差（RMSE）对模式的近地面气温回报能力进行评估。ACC和PCC正值越大表示模式模拟或回报能力越高[48]，而RMSE值越大表示模式误差越大，模拟或回报能力越低。
结果:
图2为1961—2010年平均的CanESM5模式历史试验模拟、MIROC6年代际试验提前1~5年回报的年及季节平均气温与观测的比较.两个模式年代际试验的回报气温与观测较接近，仅在个别格点回报与观测有偏差，而历史试验模拟的气温在青藏高原和西北地区与观测有较大的偏差。
图 5 观测（a, d, g, j, m）、CanESM5模式历史试验模拟（b, e, h, k, n）以及MIROC6模式年代际试验提前1~5年回报c, f, i, l, o）的1961—2010年平均的年平均（a-c）、春季（d-f）、夏季（g-i）、秋季（j-l）和冬季（m-o）气温（单位：℃）
由于年代际试验对年平均气温和季节平均气温的回报技巧大多随着提前时间降低，因此仅用年代际试验提前5~9年的气温回报结果与历史试验进行对比分析（图4和图5）。
可见CanESM5模式历史试验模拟的年平均气温ACC 远小于年代际试验提前5~9年的年平均气温回报ACC（图4），同时MIROC6模式历史试验模拟的年平均气温气温RMSE也远大于年代际试验提前5~9年的年平均气温回报RMSE（图5），即年代际试验对年平均气温的回报技巧远高于历史试验。对于季节平均气温，尽管回报技巧差异不如年平均气温明显，但总体上年代际试验对全国季节平均气温的回报技巧也高于历史试验。
图 6 CanESM5模式历史试验（a-e）与年代际试验提前5~9年（f-j）的年平均（a, e）及春（b, g）、夏（c, h）、秋（d, i）、冬（e, j）季回报气温与观测的ACC
图 7 MIROC6模式历史试验（a-e）与年代际回报试验提前5~9年（f-j）的年平均（a, e）及春（b, g）、夏（c, h）、秋（d, i）、冬（e, j）季回报气温与观测的RMSE
原文链接：
汤秭晨,李清泉,王黎娟,伍丽泉. CMIP6年代际试验对中国气温预测能力的初步评估[J]. 气候变化研究进展,,:1-16.
数据获取方式
方式一：转发本次数据文章到朋友圈，全部公开可见并集赞15个，保留2小时
方式二：转发50人以上微信技术交流群10分钟
两种方式任选其一
添加客服微信，发送转发截图，Ai尚研修会员无需转发
每天可以领取一份数据，同一个群转发领取不超过两份
END
10、11月份直播课程推荐
网络直播+助学群辅助+导师面对面实践工作交流
（点击课程标题了解课程详情）
系统性实践课程推荐
| 农林生态、遥感类视频课程推荐（点击文字查看课程内容） | |
|---|---|
| 1 | |
| 2 | |
| 3 | |
| 4 | |
| 5 | |
| 6 | |
| 7 | |
| 8 | 基于MAXENT模型的生物多样性生境模拟与保护优先区甄选、自然保护区布局优化及未来气候变化情景下自然保护区优化评估中的实践技术应用及论文写作技巧高级进阶视频 |
| 9 | |
| 10 | |
| 11 | |
| 12 | |
| 13 | |
| 14 | |
| 15 | |
| 16 | |
| 17 | |
| 18 | |
| 19 | |
| 20 | |
| 21 | |
| 22 | |
| 23 | 基于ArcGIS农业面源污染模拟案例分享视频课程 |
| 24 | |
| 25 | |
| 26 | |
| 27 | |
| 28 | |
| 29 | |
| 30 | |
| 31 | |
| 32 | CASA（Carnegie-Ames-Stanford Approach） 模型原理及实践技术视频课程 |
| 33 | Noah-MP陆面过程模型建模方法与站点、区域模拟实践技术应用精品课程 |
| 34 | CLM 陆面过程模式实践技术应用精品课程 |
| 35 | 土地利用/土地覆盖遥感解译与基于CLUE模型未来变化情景预测技术应用专题课程 |
| 36 | MATLAB在生态环境数据处理与分析中的应用专题视频课程 |
| 37 | 城市/农村用地适宜性评价视频课程 |
| 38 | 合成孔径雷达干涉测量InSAR数据处理、地形三维重建、形变信息提取、监测等实践技术应用视频课程 |
| 39 | |
| 40 | 近地面无人机植被定量遥感与生理参数反演实践技术应用进阶视频课程 |
| 41 | |
| 42 | |
| 43 | |
| 44 | DSSAT模型建模方法实践技术与基于Python语言快速批量运行DSSAT模型及交叉融合、扩展应用技术教程 |
| 45 | 遥感数据与DSSAT作物生长模型同化的作物产量估算方法 |
| 46 | 地表蒸散发遥感产品信息提取验证与融合实践应用 |
| 47 | 遥感、GIS及GPS在土壤普查、制图及土壤空间数据分析中的实践技术应用 |
| 48 | 长时间序列遥感数据处理及在植被变绿与固碳分析、物候提取、生物量估算与趋势分析等领域中的应用 |
| 49 | 基于ArcGIS土地利用空间分析 |
| 50 | CLUE模型构建方法、模型验证及土地利用变化情景预测实践技应用专题视频教程 |
| 51 | 基于遥感解译与GIS技术环境影响评价图件制作实践应用视频教程 |
| 52 | R语言在生态环境领域中的实践技术应用视频教程 |
| 53 | 基于Fragstats的土地利用景观格局分析实践技术应用视频教程 |
视频教程+课件资料及数据代码+导师随行辅导 联系课程专员，最高享受7.5折优惠 |
| 大气科学类视频课程推荐（点击文字查看课程内容） | |
|---|---|
| 1 | |
| 2 | |
| 3 | |
| 4 | 系统学习CMAQ空气质量模式实践技术应用视频教程 |
| 5 | |
| 6 | |
| 7 | |
| 8 | |
| 9 | |
| 10 | |
| 110 | |
| 12 | |
| 13 | |
| 14 | |
| 15 | |
| 16 | |
| 17 | |
| 18 | |
| 19 | |
| 20 | |
| 21 | 地球科学数据（ERA5、雪深、积雪覆盖、海温、植被指数、土地利用）处理实践课程 |
| 22 | Python在气象与海洋中的实践技术应用精品课程 |
| 23 | Python在WRF模型自动化运行及前后处理中的实践技术应用 |
| 24 | Python人工智能在气象中的实践技术应用视频教程 |
| 25 | |
| 26 | 分子动力学LAMMPS模拟实战技术应用精品课程 |
| 27 | MCM箱模型建模方法及大气O3来源解析实践技术应用视频课程 |
| 28 | Python语言在地球科学领域中的实践技术应用视频教程 |
| 29 | CMIP6数据处理方法与典型案例分析实践技术应用视频教程 |
视频教程+课件资料及数据代码+导师随行辅导 联系课程专员，最高享受7.5折优惠 |
| 语言类视频课程推荐（点击文字查看课程内容） | |
|---|---|
| 1 | |
| 2 | |
| 3 | |
| 4 | |
| 5 | |
| 6 | |
| 7 | |
| 8 | |
| 9 | |
| 10 | 基于R语言的Meta分析【全流程、不确定性分析】方法与Meta机器学习高级应用视频教程 |
| 11 | |
| 12 | |
| 13 | |
| 14 | |
| 15 | |
| 16 | |
| 17 | |
| 18 | |
| 19 | |
| 20 | |
| 21 | |
| 22 | |
| 23 | |
| 24 | |
| 25 | |
| 26 | |
| 27 | R 语言数据统计分析与 ggplot2 高级绘图实践应用精品视频课程 |
| 28 | 基于R语言的现代线性回归实践技术方法精品课程 |
| 29 | 基于R语言的分位数回归实践技术高级应用精品课程 |
| 30 | 基于R语言的现代贝叶斯统计学方法实践技术应用 |
| 31 | 基于MATLAB深度学习与实践技术应用 |
| 32 | R语言地理加权回归、主成份分析、判别分析等空间异质性数据分析 |
| 33 | MATLAB科研数据可视化实践技术应用 |
| 34 | 最新基于Python科研数据可视化实践技术应用 |
视频教程+课件资料及数据代码+导师随行辅导 联系课程专员，最高享受7.5折优惠 |
| 土壤、地下水、地质类视频课程推荐（点击文字查看课程内容） | |
|---|---|
| 1 | |
| 2 | |
| 3 | |
| 4 | |
| 5 | 地下水环评（一级）实践技术Modflow地下水数值模拟精品视频课程 |
| 6 | 水文地球化学模拟 PHREEQC 实践技术应用高级视频课程 |
| 7 | 三维地质建模数据处理高级实践技术应用视频课程 |
| 8 | 基于Surfer与Voxler数据处理及可视化实践技术应用精品视频课程 |
| 9 | 全套环境土壤物理Hydrus1D2D3D模型实践技术应用精品课程 |
| 10 | 环境土壤物理hydrus2d 3d模型实践应用视频课程 |
| 11 | 全流程地下水环境影响评价方法及关键技术与化工、工业园区、固废堆积、矿山等 实际项目应用精品视频课程 |
视频教程+课件资料及数据代码+导师随行辅导 联系课程专员，最高享受7.5折优惠 |
| 水文类视频课程推荐（点击文字查看课程内容） | |
|---|---|
| 1 | |
| 2 | |
| 3 | |
| 4 | 涉河建设项目防洪评价报告编制技术精品课程 |
| 5 | 新导则下的防洪评价报告编制方法及洪水建模技术应用 |
| 6 | |
| 7 | |
| 8 | “R 语言+遥感”的水环境综合评价方法实战应用视频课程 |
| 9 | |
| 10 | |
| 11 | 基于Delft3D模型的标量输运、波浪、拉格朗日粒子及 溢油模型实践技术应用视频教程 |
| 12 | |
| 13 | |
| 14 | |
| 15 | 基于DEM的水文分析专题视频课程 |
| 16 | |
| 17 | |
| 18 | |
| 19 | ArcGIS在水土流失模拟及分析中的实践技术应用精品视频课程 |
| 20 | 基于遥感与GIS在滑坡、泥石流风险普查中的实践技术应用精品课程 |
| 21 | 新《生产建设项目水土保持方案技术审查要点》要求下水土保持方案编高级实践技术应用视频课程 |
| 22 | 实战案例精讲课程！水土保持方案编制实操与典型案例解析视频课程 |
| 23 | 生态环境影响评价技术应用及典型实践案例分析 |
| 24 | 地理信息系统（ArcGIS）在水文水资源、水环境中的实践技术应用及案例分析视频教程 |
视频教程+课件资料及数据代码+导师随行辅导 联系课程专员，最高享受7.5折优惠 |
| 生物信息类视频课程推荐（点击文字查看课程内容） | |
|---|---|
| 1 | python 生物信息多组学大数据深度挖掘与论文整理技巧视频课程 |
| 2 | R 语言生物信息学大数据分析与绘图技术视频课程 |
| 3 | 基因家族分析及SCI写作技巧实践技术应用精品课程 |
| 4 | 如何利用 shell 进行上万个基因组的批量分析视频课 |
视频教程+课件资料及数据代码+导师随行辅导 联系课程专员，最高享受7.5折优惠 |
| 碳排放类视频课程推荐（点击文字查看课程内容） | |
|---|---|
| 1 | 建筑设计全过程碳排放计算与案例分析视频课程 |
| 2 | 双碳目标下基于全球模式比较计划CMIP6与区域气候-化学耦合模式WRF-Chem的未来大气污染变化模拟视频课程 |
| 3 | “双碳”目标下资源环境中的可计算一般均衡（CGE）模型 |
| 4 | 基于LEAP模型的能源环境发展、碳排放建模预测及不确定性分析实践应用 |
| 5 | 基于STELLA系统动态模拟技术及在农业、生态及环境等科学领域中的实践应用视频教程 |
| 6 | 基于R语言的DICE模型实践技术应用视频教程 |
| 7 | 生命周期模型构建方法与分析实践技术应用视频教程 |
| 8 | 基于通用优化软件GAMS的数学建模和优化分析实践技术应用视频教程 |
视频教程+课件资料及数据代码+导师随行辅导 联系课程专员，最高享受7.5折优惠 |
扫码咨询课程详情
添加小编微信，海量数据、视频教程免费获取
免费数据资源（部分数据展示）
Ai尚研修海量资源（数据、课件、书籍、视频教程）一键免费领取
（点击数据标题，直接进入）
10、【数据分享】中国2000-2010年NPP数据集11、【数据分享】2015年30m土地覆盖数据
12、【数据分享】中国100万植被类型空间分布数据13、【数据分享】更新！31个省级统计年鉴合集（12省更新至2020） 免费下载！14、【数据分享】1982年-2015年全球逐年长时序动态土地覆盖数据产品（GLASS-GLC）15、【数据分享】全网最全！34个省（市、自治区）2001-2020年统计年鉴（免费）16、好资料-百篇高光谱领域的论文，已经帮您整理收集完了，快放进自己文件夹中！！17、【数据分享】中国自然地理分区数据集（包含农业自然、农业熟制、九大农业区划，九大流域片、八大森林工程、生态功能保护区等数据）18、【数据分享】1979-2020年长时间序列遥感降水数据19、【数据分享】碳排放数据地方清单excel表格，分省、市、县（区）免费获取20、【数据资源】最新最全！市级国土空间总体规划制图规范GIS符号库（2021新版
气数据
土地利用数据1、【数据分享】2020年中国土地利用遥感监测数据丨免费下载！2、【数据分享】中国土地利用数据1980-2015 （免费获取）3、【数据分享】土地利用（覆盖）数据下载汇总4、【数据分享】世界土壤数据库（HWSD）全球土壤数据下载处理5、【数据分享】15省《中国土壤分布》土壤分布矢量数据，含使用说明6、【数据分享】中国农田熟制遥感监测数据集7、【数据分享】中国分省、市、县的地形起伏度数据
水文领域数据1、【数据分享】基于DEM提取的中国流域、河网数据免费下载2、【数据分享】中国水系数据，包含长江黄河、湖泊、以及一级三级四级五级河流矢量数据3、【最好用的水文实例计算含过程】水利工程实用水文水利计算
4、【数据分享】中国九大流域矢量数据及2019版最新流域水系（免费下载）
5、【数据分享】全国电子地图SHP数据快来领取啦！（包括道路、水系、银行、绿地、高速出入口、医疗机构、餐饮、超市等信息。）
6、【数据分享】分省份水系数据7、【数据分享】2000～2019 年中国各省、市、区县分年、分月、逐日平均降水量数据8、【数据分享】6G超大超级详细矢量数据，来源于国内某地图导航基底数据
年鉴类数据1、【数据分享】1984-2018中国教育统计年鉴（全部EXCEL格式）免费下载！2、【数据分享】国土资源统计年鉴2005-2017&中国林业统计年鉴1992-20193、【数据分享】一个横跨35年的数据，1985-2019中国城市统计年鉴4、【数据分享】28年《中国工业统计年鉴》免费下载5、【数据分享】最新中国县域统计年鉴（2000-2019年）来了！EXCEL+PDF版本全部免费下载6、【数据分享】中国农业统计资料1949-2019，免费下载 ！7、【数据分享】全Excel！中国科技统计年鉴1991-2019（免费）8、【数据分享】全网最全、最新的林业统计年鉴（1996-2019）免费下载9、【数据分享】中国环境统计年鉴：1998-2018（免费）10、【数据分享】《中国文化和旅游统计年鉴》又是一个24年的统计年鉴集合11、【数据分享】最新EXCEL中国统计年鉴2020+经管教材16本+python学习资源（免费）12、【数据分享】国际统计年鉴1995-2019（免费)13、【数据分享】中国海洋统计年鉴2000-2017（免费）14、【数据分享】2000-2020《中国港口年鉴》免费下载
经济类数据1、【数据分享】中国及省级市场化总指数及方面指数：08-192、【数据分享】400万！人口迁徙大数据2019-20203、【数据分享】110+指标！城市面板2003-2018&地形起伏数据集（免费获取）
4、【数据分享】289个城市教育与卫生常有指标面板数据（1996-2020）
部分数据展示，关注Ai尚研修公众号→数据资源→数据分享，海量数据资源轻松下载！
上下滑动查看更多
超级会员专享
END
Ai尚研修丨专注科研领域
技术推广，人才招聘推荐，科研活动服务
科研技术云导师，Easy Scientific Research