2000-2018年全国1km实际蒸散发数据集

基于全国14个通量塔观测ET数据，分别采用6种机器学习方法（随机森林、支持向量机、集成树、广义神经网络、高斯过程回归和贝叶斯模型平均）建立5个基于过程模型的模拟ET与观测ET的关系，通过交叉验证、贝叶斯调参和独立测试训练出6个机器学习方法，分别估算5个过程模型的全国ET；然后分别将5个过程模型的全国陆地实际蒸散发为回归模型的输入，分别模拟出6个机器算法融合5个过程模型的中国陆地实际蒸散发，依据独立的流域尺度的水量平衡，验证6个数据集的精度，从而选择出最佳的数据集，形成了2000-2018年中国陆地实际蒸散发（ET）数据集。每年共36期数据，每月3期，每月前两期数据单位：mm/10day；每月第三期数据单位：mm/(N-20)，N为当月天数。