分享几个常用的地表温度数据集

爱探索的GEEer

已于 2022-12-11 19:17:58 修改

阅读量7.3k

点赞数 14

分类专栏：常用数据集文章标签： javascript

于 2022-12-11 09:43:16 首次发布

本文链接：https://blog.csdn.net/weixin_51691876/article/details/128271826

版权

常用数据集专栏收录该内容

1 篇文章 17 订阅

订阅专栏

欢迎关注gzh：GEEer成长日记

获取第一个数据集的GEE代码请关注后回复：010501；

获取第二个数据集请关注后回复：010502 ；

获取第三个数据集请关注后回复：010503。

一、ECMWF/ERA5_LAND/MONTHLY

二、中国地区遥感地表温度反演数据集

三、中国区域1km无缝地表温度数据集（2002-2020）

一、ECMWF/ERA5_LAND/MONTHLY

ECMWF是欧洲中期天气预报中心，他处理得到的ERA5再分析资料官方应用，我们今天介绍的ECMWF/ERA5_LAND/MONTHLY是其中的一种。

　　先看看官方介绍：ERA5-Land is a reanalysis dataset providing a consistent view of the evolution of land variables over several decades at an enhanced resolution compared to ERA5. ERA5-Land has been produced by replaying the land component of the ECMWF ERA5 climate reanalysis. Reanalysis combines model data with observations from across the world into a globally complete and consistent dataset using the laws of physics. Reanalysis produces data that goes several decades back in time, providing an accurate description of the climate of the past. This dataset includes all 50 variables as available on CDS.

　　The data presented here is a subset of the full ERA5-Land dataset post-processed by ECMWF. Monthly-mean averages have been pre-calculated to facilitate many applications requiring easy and fast access to the data, when sub-monthly fields are not required.

　　ERA5-Land data is available from 1981 to three months from real-time. More information can be found at the Copernicus Climate Data Store.

更多ERA5气象再分析资料可登录

https://cds.climate.copernicus.eu/#!/home

分辨率：11132ｍ

// GEE调用代码
//这次我们以全国陆地区域为研究对象
var geometry = ee.FeatureCollection('users/ZhengkunWang/china_guojie')
Map.centerObject(geometry,4)
var startDate = '2020-07-01'
var endDate = '2020-07-31'

var lst = ee.ImageCollection('ECMWF/ERA5_LAND/MONTHLY') 
                             .filterDate(startDate,endDate)
                             .filterBounds(geometry)
                             .select('skin_temperature')
                             .mean().subtract(273.15).clip(geometry)
//加载影像
Map.addLayer(lst, {min: -20, max:50, palette: [
    '040274', '040281', '0502a3', '0502b8', '0502ce', '0502e6',
    '0602ff', '235cb1', '307ef3', '269db1', '30c8e2', '32d3ef',
    '3be285', '3ff38f', '86e26f', '3ae237', 'b5e22e', 'd6e21f',
    'fff705', 'ffd611', 'ffb613', 'ff8b13', 'ff6e08', 'ff500d',
    'ff0000', 'de0101', 'c21301', 'a71001', '911003' ]},'lst');
// 看看整个区域内的最低地表温度
var lstmin = ee.Number(lst.reduceRegion({
reducer: ee.Reducer.min(),
geometry: geometry,
scale: 1000,
maxPixels: 1e9
}).values().get(0));
print(lstmin, 'lstmin');
// 看看整个区域内的最高地表温度
var lstmax = ee.Number(lst.reduceRegion({
reducer: ee.Reducer.max(),
geometry: geometry,
scale: 1000,
maxPixels: 1e9
}).values().get(0));
print(lstmax, 'lstmax');

二、中国地区遥感地表温度反演数据集

　　这个数据集来自于毛克彪老师团队的成果：

　　论文摘要（来自谷歌翻译）：地表温度（LST）是高温干旱监测和气候生态环境研究的关键变量。由于地面观测站分布稀少，热红外遥感技术已成为大面积快速获取地温的重要手段。然而，基于卫星的 LST 数据中存在许多缺失和低质量的值，因为云每天覆盖全球 60% 以上的表面。本文提出了一个独特的中国2003-2017年月度时间分辨率的LST数据集，充分利用MODIS数据和气象站数据的优势，通过重建模型克服了云影响的缺陷。我们专门描述了重建模型，它使用了 MODIS 每日数据的组合，月数据和气象站数据对云覆盖区域和LST误差较大的网格单元进行LST重建，然后通过建立回归分析模型进一步提高数据性能。验证表明新的 LST 数据集与原位观测高度一致。对于中国6个不同气候条件的自然子区域，经地面观测数据验证，均方根误差（RMSE）在1.24~1.58之间 ∘ C，平均绝对误差 (MAE) 在 1.23 到 1.37 之间变化 ∘ C 和皮尔逊系数 ( R 2 ) 从 0.93 到 0.99。新数据集充分捕捉了 LST 在年度、季节性和月度尺度上的时空变化。2003年至2017年，中国整体年平均LST呈现微弱增长。此外，积极的趋势在中国分布明显不均衡。西北地区内蒙古高原中西部增温最为显着，年平均气温变化大于0.1 K（ R > 0.71 , P < 0.05)，而在东北地区和华南地区的部分地区出现了强烈的负面趋势。季节性地，冬季中国西部地区出现明显变暖，其中以 12 月最为明显。重建的数据集表现出显着的改进，可用于高温和干旱监测研究中 LST 的时空评估。数据可通过 Zenodo 获取，网址为https://doi.org/10.5281/zenodo.3528024（Zhao等，2019）。

　　文章详细介绍了使用的数据、方法、模型、结果等，非常具有借鉴意义。

　　研究成果发表于国际地学顶级学术期刊《Earth System Science Data》（IF 9.612）上。该研究得到了国家重点研发计划重点项目（中国及典型区域/流域气象灾害风险图谱及综合集成系统，基于星-地多源资料的地表温度产品的融合算法开发）共同资助。赵冰为第一作者，毛克彪研究员为共同第一作者兼通讯作者。

引文方式及原文链接：

Bing Zhao,Kebiao Mao, Yulin Cai, Jiancheng Shi, Zhaoliang Li, Zhihao Qin, Xiangjin Meng,Xinyi Shen, and Zhonghua Guo，A combined Terra and Aqua MODIS land surface temperature andmeteorological station data product for China from 2003 to 2017，Earth Syst. Sci. Data, 12,2555–2577, 2020. https://doi.org/10.5194/essd-12-2555-2020.

论文下载链接：

https://doi.org/10.5194/essd-12-2555-2020

数据下载链接：

https://doi.org/10.5281/zenodo.3528024

三、中国区域1km无缝地表温度数据集（2002-2020）

　　北京师范大学程洁教授团队通过融合从热红外和微波观测反演的地表温度，发展了反演中国区域1km、无缝地表温度的方法框架，并生产了具有一定精度、空间完整地表温度产品：中国区域1km无缝地表温度数据集（2002-2020）。数据包含白天和夜晚两类，空间分辨率0.01度（赤道处约为1km），以HDF格式存储。该数据集由程洁教授团队开发与维护，并不断更新。

空间分辨率0.01度，约1km
2002-2020年，分白天和夜晚

数据生产方法

　　首先采用基于查找表的AMSR-E/AMSR2 地表温度反演算法反演得到AMSR-E/AMSR2 地表温度，之后采用地理加权回归对AMSR-E/AMSR2 地表温度进行降尺度，得到1km 地表温度，最后使用多尺度卡尔曼滤波融合AMSR-E/AMSR2 1km地表温度和MODIS地表温度，生成1km无缝地表温度数据集。

数据验证

　　地面验证评价结果表明，该LST的均方根误差（RMSE）约为3K，空间分布于MODIS LST、CLDAS LST的一致性较好。

数据下载方法

中国区域1km无缝地表温度数据集（2002-2020）依托于国家青藏高原科学数据中心向全球所有用户开放公布，数据免费开放，欢迎大家下载使用。

文献引用参考以下规范：

Xu, S., & Cheng, J. (2021). A new land surface temperature fusion strategy based on cumulative distribution function matching and multiresolution Kalman filtering. Remote Sensing of Environment, 254, 112256
Zhang, Q., Wang, N., Cheng, J., & Xu, S. (2020). A Stepwise Downscaling Method for Generating High-Resolution Land Surface Temperature From AMSR-E Data. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 13, 5669-5681
Zhang, Q., & Cheng, J. (2020). An Empirical Algorithm for Retrieving Land Surface Temperature From AMSR-E Data Considering the Comprehensive Effects of Environmental Variables. Earth and Space Science, 7, e2019EA001006. https://doi.org/10.1029/2019EA001006

数据引用参考以下规范：

中文：
- 程洁, 董胜越, 施建成. (2021). 中国区域1km无缝地表温度数据集（2002-2020）. 国家青藏高原科学数据中心, DOI: 10.11888/Meteoro.tpdc.271657. CSTR:18406.11.Meteoro.tpdc.271657.
英文：
- Cheng, J. (2021). 1km seamless land surface temperature dataset of China (2002-2020). National Tibetan Plateau Data Center, DOI:10.11888/Meteoro.tpdc.271657. CSTR: 18406.11.Meteoro.tpdc.271657.