基于AMSR-E和AMSR2数据的全球长时序日尺度土壤水分数据集（2002-2022）

更多资讯，关注公众号：Ai科研学术社；

#1数据集摘要

---

稳定连续的长时序地表土壤水分数据集对于全球环境和气候变化监测等都非常重要。SMAP等卫星搭载的L波段辐射计能提供目前最优精度的全球地表土壤水分观测，但其数据记录的短时间限制了其在长期研究中的应用；而AMSR-E和AMSR2系列传感器能提供长时序多频段辐射计观测（C、X和K波段）。本数据集是一个20年（2002/07/27~2022/08/31）的全球连续一致的地表土壤水分数据集，分辨率为日尺度的36 km，采用EASE-Grid2投影坐标系，数据单位为m3/m3。数据集采用Yao et al.(2017)发展的土壤水分神经网络反演算法，将SMAP的优势传递到AMSR-E/2，以目前卫星最优精度的SMAP标准土壤水分产品为训练目标，以AMSR-E/2的亮温为输入，最终输出长时序土壤水分数据。该数据集能够重现SMAP土壤水分的时空分布，精度与SMAP土壤水分产品相当；同时该数据集精度优于AMSR-E和AMSR2的官方土壤水分产品，通过全球14个密集观测站网的地面观测验证表明，其土壤水分精度为5%左右。该全球长时序数据集目前时间覆盖20年，随着AMSR2的持续在轨观测以及即将发射的后继AMSR3任务，该数据集是可延长的，为气候极端事件、趋势分析和年代际变化的长时序研究提供支持。

#2数据文件命名方式和使用方法

---

文件命名： 土壤水分数据存储为netcdf格式，文件名称为“yyyyddd.nc”，其中yyyy代表年，ddd代表Julian日期，比如2003001.nc就代表这个文件描述2003年第一天全球土壤水分分布情况。

数据读取方式：数据是EASE-grid 等面积投影网格数据（数据经纬度的间隔不等），而不是通常使用的等经纬度数据。（EASE-grid投影网格的介绍如下 https://nsidc.org/data/ease）。数据的NC文件里，存储了三个变量，数据的纬度矩阵、经度矩阵和土壤水分矩阵，分别是latitude（406*1），longitude（964*1），soil_moisture（406*964），并没有存储投影信息。A. 可以用Matlab等软件直接读取NC格式的文件，有关netcdf的详细信息，请参阅http://www.unidata.ucar.edu/software/netcdf B. 如果你想将NC文件转为tif格式，需要一个EASE-Grid 36km的 .tif 模板数据，我们提供该数据，命名为EASEGrid2_36km.tif，请见数据文件夹。以下是我们组里一名学生写的EASE网格文件转TIF的教程，请参阅。https://blog.csdn.net/weixin_38953602/article/details/101158084

#3数据引用方式

---

姚盼盼, 卢麾. (2020). 基于AMSR-E和AMSR2数据的全球长时序日尺度土壤水分数据集（2002-2022）. 国家青藏高原科学数据中心, https://doi.org/10.11888/Soil.tpdc.270960. https://cstr.cn/18406.11.Soil.tpdc.270960.

Yao, P., Lu, H. (2020). A long term global daily soil moisture dataset derived from AMSR-E and AMSR2 (2002-2022). National Tibetan Plateau/Third Pole Environment Data Center, https://doi.org/10.11888/Soil.tpdc.270960. https://cstr.cn/18406.11.Soil.tpdc.270960.

(下载引用： RIS格式| RIS英文格式| Bibtex格式| Bibtex英文格式)

#4文章引用

---

1.Yao, P.P., Shi, J.C., Zhao, T.J., Lu, H. & Al-Yaari, A. (2017). Rebuilding Long Time Series Global Soil Moisture Products Using the Neural Network Adopting the Microwave Vegetation Index. Remote Sensing 9(1), 35. ( 查看| Bibtex格式 )

2.Yao, P.P., Lu, H., Shi, J.C., Zhao, T.J., Yang K., Cosh, M.H., Gianotti, D.J.S., & Entekhabi, D. (2021). A long term global daily soil moisture dataset derived from AMSR-E and AMSR2 (2002-2019). Scientific Data, 8, 143 (2021). https://doi.org/10.1038/s41597-021-00925-8 ( 查看| Bibtex格式 )

#5数据说明

---

1、数据来源于“国家青藏高原科学数据中心” (http://data.tpdc.ac.cn)

2、本资源仅用作为学习用途，不能用于商业通途

3、本公众号只负责数据的搜集和整理工作，不能保证资料的精度和准确度以及时效性。

4、如数据有侵权，请告知本号，本号尽早删除该数据。

#6数据获取方式

---