TY  - Data
T1  - 基于物理和深度学习检索气溶胶细模态比例数据集(Phy-DL FMF)（2001-2020年）
A1  - 晏星
DO  - 10.5281/zenodo.5105617
PY  - 2024
DA  - 2024-05-21
PB  - 国家冰川冻土沙漠科学数据中心
AB  - 细模态比例（FMF）对于区分天然气溶胶和人为气溶胶非常重要。然而，目前大多数基于卫星的陆地气溶胶细模分数产品都非常不可靠。在此，我们开发了一种新的基于卫星的全球陆地每日 FMF 数据集（Phy-DL FMF），该数据集在 1°空间分辨率下，通过协同物理方法和深度学习方法的优势，覆盖了 2001 至 2020 年期间。基于对来自全球 1170 个 AERONET 站点的 361089 个数据样本的分析，Phy-DL FMF 数据集与气溶胶机器人网络（AERONET）的测量结果具有可比性。总体而言，Phy-DL FMF 的均方根误差 (RMSE) 为 0.136，相关系数为 0.68，在 ±20 % 预期误差 (EE) 范围内的结果比例为 79.15 %。此外，地表辐射预算（SURFRAD）观测结果的场外验证显示，Phy-DL FMF 的均方根误差为 0.144（72.50% 的结果在 ±20 % 的预期误差（EE）范围内）。Phy-DL FMF 的性能优于其他深度学习或物理方法（如我们之前研究中提出的光谱解卷积算法），尤其是在森林、草地、耕地以及城市和贫瘠土地类型方面。作为一个长期数据集，Phy-DL FMF 能够显示出全球陆地区域总体上显著下降的趋势（显著性水平为95%）。根据对不同国家 Phy-DL FMF 的趋势分析，印度和美国西部的 FMF 上升趋势尤为明显。总之，这项研究为全球陆地地区提供了一个新的气溶胶全因子数据集，有助于提高我们对细模式和粗模式气溶胶时空变化的认识。
DB  - NCDC
UR  - http://www.ncdc.ac.cn/portal/metadata/cf259861-b46d-4fed-aad8-a0d293cd04dd
ER  -