1981-2018年全球0.05度大气层顶净辐射逐日数据

目前已有的大气层顶净辐射产品大多存在空间分辨率粗、空间覆盖范围有限或时间覆盖短的问题，这些问题都限制了全球尺度气候变化的研究。因此，发展长时间序列高空间分辨率的大气层顶净辐射的遥感反演算法十分必要。本项目以CERES数据为参考通过机器学习得到该数据集。

Most existing top-of-atmosphere net radiation products suffer from issues including coarse spatial resolution, limited spatial coverage and short temporal coverage. These limitations restrict global-scale climate change research. Therefore, it is imperative to develop remote sensing retrieval algorithms for top-of-atmosphere net radiation with long time series and high spatial resolution. This dataset is developed via machine learning using CERES data as the reference.

搜集汇总

背景与挑战

背景概述

该数据集提供了1981-2018年全球范围内0.05度高空间分辨率的大气层顶净辐射逐日数据，通过机器学习方法基于CERES数据生成，旨在弥补现有产品在时空覆盖和分辨率上的不足，平均偏差为7.9%。