近日，国家地球系统科学数据中心（以下简称“中心”）发布
全球0.5-1°复合极端气候事件数据集（1951-2100年），同时发布首个集成化、交互式和可扩展的全球复合极端气候事件检测分析工具
。该工具兼容性强、集成度高，可以检测多变量、续发和并发3类复合极端气候事件，并量化其空间范围、发生频次、持续时间、严重程度和起止时间，为复合极端气候事件研究提供了技术和数据支撑。欢迎相关研究人员下载使用。
研究成果以“CETD, a global compound events detection and visualisation toolbox and dataset”为题发表在《Scientific Data》期刊上。论文通讯作者为中心主任、正高级工程师杨雅萍。论文第一作者为中心2024届博士毕业生殷聪，现为加州大学Merced分校博士后。合作者来自哥伦比亚大学和国际应用系统分析研究所。
极端气候事件危害性大、难以预防，且持续增加，是全球气候变化最显著的信号，也是人类可持续发展面临的最严峻挑战之一。复合极端气候事件是多个单一极端气候事件在时间或空间上的组合。相对于单一极端气候事件，复合极端气候事件意味着气候要素同时或连续发生剧烈变化，并迅速超过人类和自然系统所能承受的限度，因此通常造成巨大的社会和生态影响。复合极端气候事件是全球变化研究的新兴领域，提高其检测能力、明确其变化特征，对于提高复合极端气候事件应对能力具有重要意义。
针对目前复合极端气候事件检测方法集成度低、扩展性差、重用困难的问题，提出了基于时空连续性的复合极端气候事件检测方法，基于该方法构建了全球复合极端气候事件检测分析工具，并使用该工具研制了全球多类型复合极端气候事件数据集。
复合极端气候事件的检测主要包括两个步骤。首先，使用经验阈值、百分位数阈值和组合阈值检测单一极端气候事件，如高温热浪和干旱等；其次，基于单一极端气候事件，使用简单叠加法、联合概率法、空间聚类法和事件编码法等检测复合极端气候事件，如复合极端干-热事件。在对简单叠加法和事件编码法进行整合和优化的基础上，提出了基于时空连续性的复合极端气候事件检测方法。下图展示了该方法的主要步骤，包括数据预处理、单一极端气候事件检测和复合极端气候事件检测。
图1 复合极端气候事件检测的主要步骤：（1）数据预处理；（2）单一极端气候事件检测；（3）复合极端气候事件检测
全球复合极端气候事件检测分析工具是一个基于Python的集成化、交互式和可扩展的平台，用于检测和分析不同类型的复合极端气候事件。下图展示了该工具的界面，主要包括数据预处理、阈值计算、事件计算和统计与制图4个功能模块，与基于时空连续性的复合极端气候事件检测方法的主要流程保持一致。
全球多类型复合极端气候事件数据集包括：（1）经过预处理的ERA5、CRU-JRA和GLDAS逐日最高气温、总降水量和平均风速等输入数据；（2）使用全球复合极端气候事件检测分析工具计算的复合极端干-热、湿-热、湿-大风和干-热-大风事件等复合极端气候事件数据，包括事件的发生频次、持续时间、严重程度和起止时间等属性。数据均为NetCDF格式。由于该工具可时空扩展，可以通过调整输入数据、时间范围、空间范围、事件类型和阈值参数等，以满足更广泛的数据使用需要。
该研究得到第二次青藏高原综合科学考察研究项目任务九“地质环境与灾害”的支持。
下图展示了1951-2022年全球各类复合极端气候事件持续时间的空间分布。结果显示，全球各陆地区域均面临多种复合极端气候事件的威胁。其中，复合极端干-热、热-停滞和干-热-停滞事件的持续时间几乎在所有区域的均为最高，是主要的复合极端气候事件。极端高温事件的干旱化和停滞化趋势可能进一步增加人类和自然系统所面临的气候风险。
全球0.5-1°复合极端气候事件数据集（1951-2100年）：
殷聪, Mingfang Ting, Kai Kornhuber, Radley M. Horton, 杨雅萍, Yelin Jiang. 全球0.5-1°复合极端气候事件数据集（1951-2100年）. 国家地球系统科学数据中心, 2025. https://doi.org/10.12041/geodata.237037078947212.ver1.db. https://cstr.escience.org.cn/CSTR:17099.11.G237037078947212.20250310.v1.
Cong Yin, Mingfang Ting, Kai Kornhuber, Radley M. Horton, Yaping Yang, Yelin Jiang. CETD, a global compound events detection and visualisation toolbox and dataset. National Earth System Science Data Center, 2025. https://doi.org/10.12041/geodata.237037078947212.ver1.db. https://cstr.escience.org.cn/CSTR:17099.11.G237037078947212.20250310.v1.
Yin, C., Ting, M., Kornhuber, K. et al. CETD, a global compound events detection and visualisation toolbox and dataset. Sci Data 12, 356 (2025). https://doi.org/10.1038/s41597-025-04530-x
点击“阅读原文”，访问数据集
