水资源估算的主要思路是使用径流系数和径流影响因子（包括气候、地形、土地利用、土壤等）建立机器学习模型，然后再根据模型估算的径流深和降水数据计算出成径流系数。首先，基于全球公开资料，建立径流深和地形、气候、土壤、土地利用的多种机器学习模型，评估不同模型的模拟精度和有效性，选择最优模型用于径流深估算。最后，利用最优模型估算并生成“一带一路”地区径流深分布，根据2015年的降水分布数据，计算得到径流系数分布。

数据文件命名方式和使用方法

Geotiff格式，使用GIS软件打开

本数据要求的引用方式查看数据引用帮助  数据引用必读

数据的引用

贾绍凤. (2020). “一带一路”沿线国家径流系数和径流深数据（2015）. 时空三极环境大数据平台, DOI: 10.11888/Hydro.tpdc.271013. CSTR: 18406.11.Hydro.tpdc.271013.
[ (2020). Dataset of Runoff Coefficient and Runoff Depth in Belt and Road Region (2015). A Big Earth Data Platform for Three Poles, DOI: 10.11888/Hydro.tpdc.271013. CSTR: 18406.11.Hydro.tpdc.271013. ] (下载引用： RIS格式 | RIS英文格式 | Bibtex格式 | Bibtex英文格式 )

使用本数据时必须引用“文章的引用”中列出的文献，并进行数据的引用

参考文献

1.Yan, J.B., Jia, S.F., Lv, A.F., & Zhu, W.B. (2019). Water resources assessment of China's transboundary river basins using a machine learning approach. Water Resources Research, 55(1), 632-655. (查看 )

资助项目

泛第三极环境变化与绿色丝绸之路建设专项(XDA20000000) (项目编号:XDA20000000) Pan-Third Pole Environment Study for a Green Silk Road-A CAS Strategic Priority A Program

数据使用声明

为尊重知识产权、保障数据作者的权益、扩展数据中心的服务、评估数据的应用潜力，请数据使用者在使用数据所产生的研究成果中（包括公开发表的论文、论著、数据产品和未公开发表的研究报告、数据产品等成果），明确注明数据来源和数据作者。对于转载（二次或多次发布）的数据，作者还须注明原始数据来源。

License： This work is licensed under an Attribution 4.0 International (CC BY 4.0)

数据评论

当前页面默认显示中文评论显示所有语种的评论

下载关注

关键词

学科：陆地表层
主题：径流水文
地点：一带一路沿线国家
时间： 2015年

空间位置

East: 10.00	West: 180.00
South: -15.00	North: 85.00

数据细节

文件列表
时间分辨率：年
空间分辨率： 1km - 10km
大小： 3 MB
浏览： 4287 次
下载量： 573 次
共享方式：开放获取
数据时间范围： 2015-01-01 至 2015-12-31
元数据更新时间： 2021-04-19

联系信息

：贾绍凤

分发方：时空三极环境大数据平台

Email: poles@itpcas.ac.cn

时空三极环境大数据平台

“一带一路”沿线国家径流系数和径流深数据（2015）

数据文件命名方式和使用方法

本数据要求的引用方式查看数据引用帮助  数据引用必读

参考文献

资助项目

数据使用声明

相关资源

数据评论

关键词

空间位置

数据细节

联系信息

导出元数据

时空三极环境大数据平台

“一带一路”沿线国家径流系数和径流深数据（2015）

数据文件命名方式和使用方法

本数据要求的引用方式 查看数据引用帮助 数据引用必读

参考文献

资助项目

数据使用声明

相关资源

数据评论

关键词

空间位置

数据细节

联系信息

导出元数据

本数据要求的引用方式查看数据引用帮助数据引用必读