数据集(库)目录

出版期刊|区域分类

2021年第12期
2019年第02期
数据详情

基于2000-2020逐年模拟模型预测的2050年新疆伊犁地区暴雪灾害风险数据集


崔晶1戴晓爱*2,3刘艳*4,5
1 成都理工大学地球与行星科学学院,成都6100592 成都理工大学地理与规划学院,成都6100593 地质灾害防治与地质环境保护国家重点实验室(成都理工大学),成都6100594 中国气象局乌鲁木齐沙漠气象研究所,乌鲁木齐8300025 中国气象局阿克达拉大气本底野外科学试验基地,乌鲁木齐830002

DOI:10.3974/geodb.2025.11.07.V1

出版时间:2025年11月

网页浏览次数:245       数据下载次数:0      
数据下载量: 无      数据DOI引用次数:

关键词:

基于2000-2020逐年模拟模型预测的2050年新疆伊犁地区暴雪灾害风险数据集

摘要:

新疆伊犁地区(伊犁州直区域)地处中亚内陆,气候条件复杂多变,暴雪灾害是该地区常见的自然灾害之一,对区域生态、农牧业及居民生活构成严重威胁。作者基于随机森林模型,综合气象要素(气温、积雪、风速等)与地形地貌因子,模拟评估了伊犁地区2000–2020年历史时段(逐年),并预测了2050年SSP2–4.5情景下的暴雪灾害风险,构成基于2000-2020逐年模拟模型预测的2050年新疆伊犁地区暴雪灾害风险数据集。其中,暴雪灾害风险定义为特定地理环境下暴雪事件造成显著社会经济损失的概率。数值经标准化处理至[0, 1]区间。值越大,风险越高。模型通过五折交叉验证,平均AUC(Area Under the Curve)值0.7601±0.1088,具备良好的预测性能;经伊犁地区2000-2020年暴雪灾情数据验证,本数据集识别的高风险年与实际灾损较重年份匹配准确率、召回率均为71.4%。该数据集存储为.tif格式,数据缺失被设置为-9999,空间分辨率为500 m,由22个数据文件组成,数据量为78.5 MB(压缩为1个文件,16.8 MB)。

基金项目:

中华人民共和国科学技术部(2022xjkk0602)

数据引用方式:

崔晶, 戴晓爱*, 刘艳*. 基于2000-2020逐年模拟模型预测的2050年新疆伊犁地区暴雪灾害风险数据集[J/DB/OL]. 全球变化数据仓储电子杂志(中英文), 2025. https://doi.org/10.3974/geodb.2025.11.07.V1.

参考文献:

[1] 王秋香, 刘卫平, 李圆圆等. 新疆不同区域牧业雪灾损失时频变化特征[J]. 冰川冻土, 2015, 37(4): 905-915.
     [2] 魏娟娟, 李娜, 万瑜等.乌鲁木齐典型暴雪天气机理及成因分析[J]. 干旱区地理, 2022, 45(5): 1381-1391.
     [3] 何文鑫, 郝晓华, 刘峰贵等. 融合多源信息的伊犁地区道路雪灾风险评估研究[J]. 遥感技术与应用, 2025, 40(1): 177-191.
     [4] 火红, 刘艳, 买吾拉夏•木巴热克. 1990-2020年新疆伊犁地区雪灾时空分布特征及其影响评估[J]. 干旱区地理, 2024, 47(11): 1828-1840.
     [5] 王旭, 储长江, 牟欢. 新疆雪灾空间格局和年际变化特征分析[J]. 干旱区研究, 2020, 37(6): 1488-1495.
     [6] 王秀琴, 卢新玉, 马禹等. 基于灾情数据的新疆雪灾的评估与区划[J]. 冰川冻土, 2019, 41(4): 836-844.
     [7] 中华人民共和国国家质量监督检验检疫总局, 中国国家标准化管理委员会. 降水量等级: GB/T 28592—2012 [S]. 北京: 中国标准出版社, 2012.
     [8] 黄弋洋, 戴晓爱, 刘艳等. 新疆伊犁地区暴雪灾害风险区划研究[J]. 气象水文海洋仪器, 2025, 42(2): 104-107.
     [9] 马晓芳, 黄晓东, 邓婕等. 青海牧区雪灾综合风险评估[J]. 草业学报, 2017, 26(2): 10-20.
     [10] 丁延龙, 孙晓瑞, 高永等. 内蒙古森林雪灾风险评估与区划[J]. 干旱区研究, 2019, 36(2): 486-493.
     [11] 德勒格日玛, 李一平, 孟雪峰等. 内蒙古锡林郭勒盟牧区雪灾风险评估研究[J]. 冰川冻土, 2020, 42(4): 1353-1362.
     [12] 陈虹举, 杨建平, 丁永建等. 基于NEX-GDDP数据集的青藏高原牧区雪灾风险预估[J]. 灾害学, 2022, 37(2): 102-110.
     [13] 李凡, 侯光良, 鄂崇毅等. 基于乡镇单元的青海高原果洛地区雪灾致灾风险评估[J]. 自然灾害学报, 2014, 23(6): 141-148.
     [14] 苗爱梅, 王洪霞, 逯张禹. 基于GIS的山西省暴雪灾害风险区划研究[J]. 中国农学通报, 2016, 32(20): 133-140.
     [15] Yang, Z. Y., Gokon, H., Yu, Q. Machine learning-based identification and assessment of snow disaster risks using multi-source data: Insights from Fukui prefecture,Japan [J]. Progress in Disaster Science, 2025, 26: 100426.
     [16] Lee, H., Kim, D., Chung, G. Classification of risk levels for snow damage estimation considering socioeconomic factors in South Korea [J]. Applied Water Science, 2024, 14(11): 1-17.
     [17] Xu, Q. X., Huang, F. Y., Mou, S. H., et al. Snow disaster hazard assessment on the Tibetan Plateau based on Copula function [J]. Sustainability, 2023, 15(13): 10639.
     [18] Singh, D., Zhu, Y., Liu, S., et al. Exploring the links between variations in snow cover area and climatic variables in a Himalayan catchment using earth observations and CMIP6 climate change scenarios [J]. Journal of Hydrology, 2022, 608: 127648.
     [19] Sahu, R., Ramsankaran, R., Bhambri, R., et al. Evolution of supraglacial lakes from 1990 to 2020 in the Himalaya Karakoram Region using cloud-based Google Earth Engine platform [J]. Journal of the Indian Society of Remote Sensing, 2023, 51(12): 2379-2390.
     [20] 王倩丽, 马细霞, 刘欣欣等. 基于随机森林的山洪灾害风险评价方法及应用[J]. 人民黄河, 2022, 44(4): 63-66, 73.
     [21] 伊犁哈萨克自治州统计局. 伊犁哈萨克自治州2024年国民经济和社会发展统计公报[EB/OL]. (2025-04-09). https://www.xjyl.gov.cn/xjylz/c112816/202504/67c6814847cb40a0a33773fb1df5466b.shtml.
     [22] 余迪, 杜海荣, 郭娇等. 基于多源数据的三江源区雪灾风险评估[J]. 气象科技进展, 2023, 13(4): 34-40.
     [23] 庄晓翠, 周鸿奎, 王磊等. 新疆北部牧区雪灾评估指标及其成因分析[J]. 干旱区研究, 2015, 32(5): 1000-1006.
     [24] 钱永兰, 吕厚荃, 张艳红. 基于ANUSPLIN软件的逐日气象要素插值方法应用与评估[J]. 气象与环境学报, 2010, 26(2): 7-15.
     [25] Liu, D., Zhang, L. J., Jiang, S. Y., et al. Hazard prediction and risk regionalization of snowstorms in Northeast China [J]. Physics and Chemistry of the Earth, Parts A/B/C, 2020, 116: 102832.
     [26] 陈涛, 高歌, 杜晓辉等. CMIP6耦合模式对青藏高原积雪的未来预估[J]. 地理科学, 2024, 44(5): 901-910.
     [27] Wang, H. D., Zhang, X. L., Xiao, P. F., et al. Towards large-scale daily snow density mapping with spatiotemporally aware model and multi-source data [J]. The Cryosphere, 2023, 17(1): 33–50.
     [28] Zhou, J., Niu, J., Wu, N., et al. Annual high-resolution grazing-intensity maps on the Qinghai–Tibet Plateau from 1990 to 2020 [J]. Earth System Science Data Discussions, 2023, 16(11): 5171-5189.
     [29] Zhang, X. Z., Li, M., Wu, J. S., et al. Alpine grassland aboveground biomass and theoretical livestock carrying capacity on the Tibetan Plateau [J]. Journal of Resources and Ecology, 2022, 13(1): 129-141.
     [30] 杨硕, 李德营, 严亮轩等. 基于随机森林模型的乌江高陡岸坡滑坡地质灾害易发性评价[J]. 安全与环境工程, 2021, 28(4): 131-138.
     [31] Huang, C. Y., She, D. X., Liu, X. B., et al. Predicting future meteorological drought risk in mainland China using random forest model [J]. Journal of Hydrology: Regional Studies, 2025, 61: 102633.
     [32] Liang, Z., Wang, C. M., Duan, Z. J., et al. A hybrid model consisting of supervised and unsupervised learning for landslide susceptibility mapping [J]. Remote Sensing, 2021, 13(8): 1464.
     [33] Ruijsch, D., van Mourik, J., Biemans, H., et al. Thrive or wither: exploring the impacts of multiyear droughts on vegetation [J]. Journal of Geophysical Research: Biogeosciences, 2025, 130(7): e2025JG008992.
     [34] Wang, X. X., Wu, Y. H., Luo, M. L., et al. Exports of organic matter, phosphorus and nitrogen from Sichuan Basin: a critical region regulating water quality of the Upper Yangtze River, China [J]. Journal of Hydrology, 2025, 662: 133889.
     [35] 杨倩, 秦莉, 高培等. 基于RBF网络的新疆特重雪灾区最大积雪深度预测研究[J]. 沙漠与绿洲气象, 2024, 18(1): 89-95.

数据下载:

序号 数据名 数据大小 操作
1 Blizzard_Risk_Yili2000-2020&... 17257.88KB
主管单位