全球海表盐度卫星融合数据（2010-2020）

本研究提供了全球范围0.25°的基于机器学习方法的海表盐度融合数据集-GML SSS1.0（Global Machine Learning Sea Surface Salinity， version 1.0），GML SSS1.0是包含2010年6月至2020年12月、7天循环平均日间隔、0.25°的高时空分辨率海表盐度数据，数据中海表盐度的单位为psu。该数据集以CMEMS的模式数据为背景场，使用机器学习方法融合了SMOS、SMAP观测的海表盐度数据。数据集可用于海表盐度相关物理海洋学现象的研究，尤其可以应用于大中尺度海洋学现象的研究。与ESA CCI海表盐度数据相比，每日比较的总偏差在-0.052psu到0.049psu之间，均方根误差在0.36psu到0.48psu之间。

This study presents a global 0.25° sea surface salinity (SSS) fusion dataset based on machine learning methods, named GML SSS1.0 (Global Machine Learning Sea Surface Salinity, version 1.0). GML SSS1.0 is a high spatiotemporal resolution SSS dataset spanning from June 2010 to December 2020, with a daily temporal resolution and 7-day running average, at a spatial resolution of 0.25°, where the unit of SSS is psu. This dataset takes CMEMS model data as the background field, and fuses sea surface salinity observations from SMOS and SMAP using machine learning algorithms. This dataset can be used for studies on physical oceanographic phenomena related to sea surface salinity, and is particularly applicable to investigations of mesoscale and large-scale oceanographic phenomena. Compared with the ESA CCI sea surface salinity dataset, the daily inter-comparison shows a total bias ranging from -0.052 psu to 0.049 psu, and a root mean square error (RMSE) ranging from 0.36 psu to 0.48 psu.

搜集汇总

背景与挑战

背景概述

该数据集为全球海表盐度卫星融合数据（2010-2020），提供了2010年6月至2020年12月期间的高时空分辨率（7天循环平均日间隔，0.25°）海表盐度数据，空间分辨率为10km - 100km，数据大小为7.84 GB。数据集采用机器学习方法融合了SMOS、SMAP观测数据，适用于大中尺度海洋学现象研究，与ESA CCI数据相比具有较低的偏差和均方根误差。