基于机器学习的中国1km分辨率长时序逐月气温数据集（1951-2020年）在国家地球系统科学数据中心发布
日期：2022-09-01
| 来源：国家地球系统科学数据中心【字号：大 中 小】
近日，国家地球系统科学数据中心（以下简称“本中心”）发布了基于机器学习的中国1km分辨率长时序逐月气温数据集（1951-2020年）。该数据集由北京师范大学汪明教授研究团队研制生产，相关论文已在《Earth System Science Data》期刊发表。目前数据已在本中心网站在线共享发布，欢迎相关研究人员下载使用。
高分辨率长时间序列的气温数据集作为地理研究的基础数据，对于气象、水文、生态等多个领域研究都有重要的科学价值。北京师范大学汪明教授研究团队利用机器学习方法（GPR：高斯过程回归算法），基于气象站点观测的实际气温数据，考虑地形和地理位置，分别构建了中国1951-2020年每月最高气温、最低气温和平均气温的机器学习模型，生产了每月1 km分辨率的气温数据集，数据格式为GeoTIFF。数据集覆盖中国陆地区域，数据质量可靠。
研究结果表明，使用高斯过程回归模型生产的数据精度高于随机森林和支持向量机两种机器学习模型，并且优于传统的插值方法（反距离权重插值和普通克里金插值）和专用气候数据空间插值软件ANUSPLIN的结果。与现有的常用气温空间数据集TerraClimate，ERA5和FLDAS进行对比，该数据集具有更高的精度和更多空间细节，最高气温、最低气温和平均气温的平均R2分别为0.92，0.96和0.97。
