%0 Dataset
%T 基于机器学习重建全球陆地蓄水量数据集（1940 年-至今）
%J 国家冰川冻土沙漠科学数据中心
%I 国家冰川冻土沙漠科学数据中心(www.ncdc.ac.cn)
%U http://www.ncdc.ac.cn/portal/metadata/6b23bed9-627c-4653-8157-2ddd5b323888
%W NCDC
%R 10.5281/zenodo.10040927
%A 尹家波
%K 陆地储水;气候变化;全球
%X 本研究提出了全球陆地表面 TWS 异常值的长期（即 1940-2022 年）和高分辨率（即 0.25°）月度时间序列。重建是通过一套机器学习模型实现的，该模型包含大量预测因子，包括气候和水文变量、土地利用/土地覆被数据以及植被指标（如叶面积指数）。此外，我们的重建成功地再现了气候多变性的影响，如强烈的厄尔尼诺现象。GTWS-MLrec 数据集包括三个基于 JPL、CSR 和 GSFC mascons 的重建，三个去趋势和去季节化重建，以及六个陆地区域的全球平均 TWS 序列（包括格陵兰和南极洲）。GTWS_MLrec 具有广泛的属性，可以支持广泛的应用，如更好地了解全球水预算、约束和评估水文模型、气候-碳耦合和水资源管理。