2000-2020年全球长期每日1公里分辨率基于物理知识驱动机器学习的地表土壤湿度数据集(GSSM1km)

虽然土壤湿度是水文和气候应用的关键因素，但全球连续的高分辨率土壤湿度数据集仍然有限。在此，我们使用物理信息驱动的机器学习，在影响土壤湿度动态的物理过程知识指导下，利用国际土壤湿度网络（ISMN）、遥感和气象数据，生成了一个全球长期、空间连续的高分辨率地表土壤湿度数据集。全球地表土壤湿度（GSSM1km）提供了 2000-2020 年期间 1 公里空间分辨率和每日时间分辨率的地表土壤湿度（0-5 厘米）。GSSM1km 数据集的性能通过测试和验证数据集以及与现有土壤湿度产品的相互比较进行了评估。测试集中 GSSM1km 的均方根误差为 0.05 立方厘米 / 立方厘米，相关系数为 0.9。在特征重要性方面，在前 18 个预测因子中，前期降水蒸发指数（APEI）是最重要的显著预测因子，其次是蒸发和经度。GSSM1km 产品可支持大规模气候极端事件调查和长期趋势分析。由于全球尺度的整个数据集太大（779GB），无法一次性存储，我们将数据上传到了荷兰的 figshare。对于其他地区，数据存储在 Google Earth Engine 中（https://code.earthengine.google.com/?asset=users/qianrswaterr/GlobalSSM1km0509），并提供了下载数据的代码（https://code.earthengine.google.com/4b577bb83981e1ac43fd77127cfbdb4a）。由于该数据集是从 Google Earth Engine 导出的，波段名称无法在 ArcGIS 中显示，波段显示为 band1、band2 等。以防其他软件也无法显示，我将波段名称放在了 csv 文件 “bandNames2000-2020” 中。