​

全球无缝高分辨率温度数据集（GSHTD）

本研究中介绍的全球无缝高分辨率温度数据集（GSHTD）为各领域的研究人员提供了全面而宝贵的资源。该数据集涵盖 2001 年至 2020 年，主要关注陆地表面温度 (Ts) 和近地面气温 (Ta)。GSHTD 的独特之处在于它包含了七种类型的温度数据，包括晴空昼夜 Ts、全天空昼夜 Ts 以及平均、最高和最低 Ta。值得注意的是，该数据集以 30 弧秒或 1 千米的空间分辨率实现了全球覆盖。前言 – 人工智能教程

GSHTD 的开发采用了创新的温差估算（ETD）方法，能够重建晴天和阴天的 Ts。数据集是无缝的，消除了缺失值，并采用了 Cubist 机器学习算法，以提高创建平均、最大和最小 Ta 数据月平均值的准确性。GSHTD 具有很高的准确性，其平均绝对误差 (MAE) 明显低于现有方法。该数据集可在长江中游地球科学数据中心获取，为气候变化、环境科学、生态学、流行病学和人类健康相关研究提供了宝贵的工具。

陆地表面温度（Ts）和近地面气温（Ta）是多个研究领域的关键参数。本研究开发了 2001 至 2020 年全球无缝（无缺失值）、高分辨率（30 弧秒空间分辨率）温度（Ts 和 Ta）数据集（GSHTD）。首先，提出了一种称为温差估算（ETD）的方法来重建晴天和阴天的 Ts。然后，利用 MODIS 的 Ts 数据和 ETD 方法，创建了全球无缝 8 天和月平均全晴空和晴空 Ts 数据。利用无缝 Ts 数据、原位 Ta 数据和 Cubist 机器学习算法，进一步开发了无缝月平均平均值、最大值和最小值 Ta 数据。GSHTD 有四大优势。首先，GSHTD 包括七种类型的温度数据：晴空昼夜 Ts，全天空昼夜 Ts，平均、最大和最小 Ta。第二，它覆盖全球，空间分辨率高。第三，使用本研究提出的 ETD 方法，GSHTD 没有缺失值。第四，GSHTD 的精度高；在重建 25 × 25 和 150 × 150 像素晴空昼（夜）Ts 数据时，ETD 的平均绝对误差（MAE）分别为 0.724 (0.552) 和 1.024 (0.895) ℃。与遥感地表温度重建（RSDAST）和平均气温异常内插法（IMAs）相比，ETD 的 MAEs 平均低 23.2% 和 23.7%。平均值、最大值和最小值的估计月平均值的 MAE 分别为 0.797、0.994 和 1.056 ℃。开发的 GSHTD 可在长江中游地球科学数据中心 (https://cjgeodata.cug.edu.cn/#/pageDetail?id=97) 免费获取，它将在许多与气候变化、环境科学与生态学、流行病学与人类健康相关的研究中发挥作用。

数据和预处理

表 1 列出了本文使用的数据。Ta的日平均值、最大值和最小值数据来自美国国家气候数据中心（NCDC）提供的全球地表日摘要产品，该中心进行了严格而广泛的质量控制。有效站点数量的时间变化如图 1a-1c 所示。有效站点的数量从 6554 个到 11215 个不等，后期年份的有效站点数量较多。这些台站的分布不均。。。

方法

在这项工作中，我们首先使用 ETD 方法重建晴空 Ts（3.1 节），然后结合 ETD 方法和 ERA5 陆地再分析 Ts 重建云天 Ts（3.2 节）。重建的晴空 Ts 并不是真实的 Ts，但仍对其进行了重建，因为：（1）晴空 Ts 数据的重建是一些重建云天 Ts 方法的重要组成部分（Wang 等，2019；Zeng 等，2018）；（2）重建的晴空 Ts 数据已被广泛应用于云天 Ts 的重建中（Wang 等，2019；Zeng 等，2018）。

文章引用

Yao, Rui, Lunche Wang, Xin Huang, Qian Cao, Jing Wei, Panxing He, Shaoqiang Wang, and Lizhe Wang. "Global seamless and high-resolution temperature
dataset (GSHTD), 2001–2020." Remote Sensing of Environment 286 (2023): 113422.

代码

var all_sky_day = ee.ImageCollection("projects/sat-io/open-datasets/GSHTD/ALL_SKY_DAY");
var all_sky_night = ee.ImageCollection("projects/sat-io/open-datasets/GSHTD/ALL_SKY_NIGHT");
var clear_sky_day = ee.ImageCollection("projects/sat-io/open-datasets/GSHTD/CLEAR_SKY_DAY");
var clear_sky_night = ee.ImageCollection("projects/sat-io/open-datasets/GSHTD/CLEAR_SKY_NIGHT");
var tmax = ee.ImageCollection("projects/sat-io/open-datasets/GSHTD/TMAX");
var tmean = ee.ImageCollection("projects/sat-io/open-datasets/GSHTD/TMEAN");
var tmin = ee.ImageCollection("projects/sat-io/open-datasets/GSHTD/TMIN");

代码链接

https://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:weather-climate/GSHTD

License¶

The dataset is distributed under the Creative Commons Attribution 4.0 International as requested by the authors.

Provided by: Yao et al 2023

Curated in GEE by: Samapriya Roy

Keywords: MODIS, High Resolution Temperature, Seamless, Gap filled, Global dataset

Last updated in GEE: 2024-02-04