本数据集针对吉林典型农田区，主要包括吉林省长春市、松原市、白城市、四平市，利用2017–2020年2月1日至3月20日的1小时步长、10km×10km分辨率的ERA5数据集(主要数据要素包括浅层土壤温度、雪深、浅层土壤湿度)以及数据集中每个格网对应的经度和纬度信息，利用多元线性回归分析制作了2017–2020年东北典型农田区积雪影响下的春季土壤墒情专题图。
首先利用MATLAB软件编程把一小时步长的浅层土壤温度数据、雪深数据、浅层土壤湿度数据处理成日平均数据集。接着根据数理统计中多元线性回归分析确定2017–2018年的气象站点实测土壤湿度数据与浅层土壤温度数据、雪深数据、浅层土壤湿度数据、经度信息、纬度信息的关系，从而得到东北典型农田区积雪影响下的春季逐日0-10cm土壤墒情拟合模型。
利用2019年站点实测土壤湿度数据对土壤墒情拟合模型进行验证，结果表明模型具有较高的模拟精度（RMSE=0.04 m3/m3）。最后根据构建土壤墒情拟合模型得到2017年–2020年10km×10km分辨率的东北典型农田区积雪影响下春季（2月1日–3月20日）土壤墒情专题图数据。数据采用完全开放共享。
原始数据的主要来源于ERA5产品数据。
原始数据的主要来源于ERA5产品数据，对ERA5产品进行加工处理。首先读取1小时步长的ERA5数据集（浅层土壤温度数据、雪深数据、浅层土壤湿度数据），通过日平均获得东北典型农田区春季逐日的10km×10km分辨率的浅层土壤温度数据、雪深数据、浅层土壤湿度数据；
对2017–2018年的气象站点实测土壤湿度数据与浅层土壤温度数据、雪深数据、浅层土壤湿度数据进行数据离群值的检验，剔除离群值。接着根据数理统计中多元线性回归分析确定2017–2018年的气象站点实测土壤湿度数据与浅层土壤温度数据、雪深数据、浅层土壤湿度数据、经度信息、纬度信息的关系，从而得到东北典型农田区春季逐日0–10cm土壤墒情拟合模型，模型如下：Y = –266.2921 + 0.2732 * (ERA5_Temp – 273.15) + 9.2996 * ERA5_SD + 0.0540 * ERA5_Mois * 100 + 2.0190 * Lon+0.5245 * Lat;
其中ERA5_Temp代表该像元点ERA5产品的0–7cm土壤温度值，ERA5_SD代表该像元点ERA5产品的雪深值，ERA5_Mois代表该像元点ERA5产品的0–7cm土壤湿度值，Lon代表该像元点经度，Lat代表该像元点纬度，Y为拟合的0–10cm土壤湿度；
最后根据构建的土壤墒情拟合模型得到2017年–2020年10km×10km分辨率的东北典型农田区积雪影响下春季（2月1日–3月20日）土壤墒情专题图数据。
数据质量控制阶段分为两步：首先数据提供者对验证数据集进行了数据准确性检查，对残差大于95% 的实测土壤温度的离群点进行了剔除，并利用实测土壤湿度值对土壤墒情拟合模型进行验证，表明结果具有较高的模拟精度（RMSE=0.04 m3/m3）；
另一方面对数据的存储方式、数据格式进行统一与规范。第二阶段邀请专家对数据进行审核，审核数据的完整性和准确性。
本作品采用
知识共享署名
4.0 国际许可协议进行许可。
CSTR:11738.11.ncdc.isnow.db2718.2023
10.12072/ncdc.isnow.db2718.2023
