1980–2024 年全球干旱事件时空聚类数据集一、数据集介绍一、数据集是干什么的传统干旱指数SPI / SPEI / SRI大多是单格点、单变量、时间孤立的视角看得到某地某月干旱但看不到干旱的生消—移动—终止整个过程。这篇的做法是选了 4 个水文气候变量代表干旱在大气强迫 → 土壤 → 径流链条上的传播PRE降水ERA5→ 气象干旱PET潜在蒸散Hargreaves-Samani 由 ERA5 温度算得→ 大气蒸散需求SM根区土壤湿度mHM 水文模型模拟2 m 剖面平均→ 农业/生态干旱Q径流mHM 总径流→ 水文干旱对每个变量独立用第 10 百分位阈值定义干旱日用3D DBSCAN把经度、纬度、时间当三维把相邻时空里的干旱日聚成事件给每个事件附上空间范围、持续时间、强度、质心轨迹等元数据二、输入数据与分辨率三、干旱识别 3D DBSCAN 流程Step 1干旱日判定土壤湿度日值直接算 1980–2024 逐日气候态第 10 百分位 SMp10(d)低于阈值则算干旱用相对偏离 SMp10SM−SMp10×100量化强度PRE / PET / Q先标准化成 z-score减均值/除 SDPET 的 z-score 符号反转高蒸散干旱z-score 低于该格点第 10 百分位算干旱日PRE 额外做了30 天滑动平均平滑抑制单次降雨噪声Step 2连续事件拼接deficit volume 函数两个控制参数mitminimum inter-event time允许事件内部插几天的非干旱日不被打断比如一场小雨不终结干旱min.lenminimum length连续干旱段至少多少天才算事件Step 33D DBSCAN 聚类参数沿 Cammalleri Toreti 2023 框架先做逐日 2D DBSCAN再做全时段 3D DBSCANR 的dbscan包并行实现。Step 4后处理过滤保留持续 ≥30 天的簇PET 放宽到 ≥10 天否则几乎没事件导出每个事件的起止日期、持续天数、像素数、质心中位 lat/lon、总强度、最大/最小面积、质心每日位移/方位角四、产出文件与事件统计每变量两份产物NetCDF格点文件每个格点每天存一个 cluster ID0 非干旱PRE_ERA5_3Ddbscan_global_res0p5_1980_2024_1day.ncPET_ERA5_3Ddbscan_global_res0p5_1980_2024_1day.ncQ_mHM_3Ddbscan_global_res0p5_1980_2024_1day.ncSM_mHM_3Ddbscan_global_res0p5_1980_2024_1day.ncR .rds 目录表summary_var.rds每事件一行cluster_id, start/end, duration, pixel_count, 质心, severity_total, area_min/maxstats_var.rds每事件逐日一行每日质心、面积、强度、质心位移 dist_km、方位角、方向 N/NE/E…全局事件数1980–2024五、敏感性验证论文重点论文做了三层检验mit / min.len 敏感性权衡事件碎片化 vs 过度合并选定配置能保留持续干旱又不过碎百分位阈值1st / 10th / 20th20th → 太多多年连续大簇物理上独立的旱被合并1–2nd → 大旱结构破碎10th 是折中保住主核、又不把长旱无脑拼一起3D DBSCAN 参数 跨数据集比对SM 结果与 Reho et al. (2025) 用 OPTICS 做的全球土壤湿度旱灾目录空间热点、 timing 一致换 GLEAM v4.2、SoilClim 两个独立 SM 产品重跑中位持续期 55–59 天、中位面积都稳 → 大尺度模式鲁棒成功捕捉的历史大旱1988 北美、2003 欧洲、2010 俄罗斯、2011–17 加州、2012 美国中西部、2015–16 南非、2018–20 中欧、2010–11 中国、2023–24 亚马逊等六、适用场景 局限适合干旱归因、传播机制气象→农业→水文复合极端干旱热浪等事件库ML 训练/验证集旱检、早警、预报基准大尺度气候变率ENSO、EA 等与干旱联系局限作者自陈0.5° 只能抓大尺度干旱局地小旱/短时异常会被滤掉c_min50 像素 min 30 天已经做了筛选mHM 的 SM/Q 本身带强迫、参数化、结构不确定性PET 用 Hargreaves-Samani 只靠温度是蒸散需求异常的一致表征不是真实蒸发南极 72°N 以北没做二、数据信息数据容量282MB数据资源1980–2024 年全球干旱事件时空聚类数据集