陆地表面模式（LSM）应该有可靠的强迫、验证和表面属性数据，这是有效开发和改进模式的基础。涡协方差通量塔数据被认为是 LSM 的基准数据。然而，目前可用的通量塔数据集在应用于 LSM 之前往往需要进行多方面的处理，以确保数据质量。更重要的是，这些数据集缺乏现场观测属性数据，限制了它们作为基准数据的使用。在此，我们对现有的再处理通量塔数据集进行了全面的质量筛选，包括缺口填充数据比例、外部干扰和能量平衡闭合（EBC），最终得出了 90 个高质量站点。对于这些站点，我们从文献、区域网络和生物、辅助、干扰和元数据（BADM）文件中收集了植被、土壤、地形信息和风速测量高度。然后，我们通过全球数据产品补充和植物功能类型（PFTs）分类获得了最终的通量塔属性数据集。
本研究中使用的数据可分为四组。首先，PLUMBER2作为数据质量筛选的数据集。第二组是属性源，包括 113 篇与站点相关的文献、7 个通量区域网络以及 FLUXNET 和 AmeriFlux 提供的生物、辅助、干扰和元数据 （BADM） 文件。
网址为：a ：https://ameriflux.lbl.gov/
b： http://www.biomet.co.at/
c ：http://www.chinaflux.org/
d： http://www.europe-fluxdata.eu/
e ：https://www.gml.noaa.gov/
f： https://ozflux.org.au/
g： https://www.swissfluxnet.ethz.ch/.）
为建立最终数据集，我们主要采取了三个处理步骤：地点和时间段选择、属性收集和数据处理。首先，数据选择过程包括挑选通量（潜热和显热）和水汽压差（VPD）缺口填充率较低的年份，同时剔除受到干扰的年份。(潜热和显热）和蒸汽压力亏损（VPD）的年份，同时排除受外部干扰和无法通过EBC的站点。随后，我们收集了现场观测到的植被、土壤和地形数据。植被属性包括FVC、最大LAI和平均冠层高度。土壤属性包括土壤质地、容重和有机碳浓度。地形属性包括海拔、坡度和坡向。此外，参考测量高度（用于模拟大气模型的最低层，LSM 将与之耦合）在可能的情况下根据风速测量高度进行修订。然后，我们利用全球数据补充了植被属性和土壤质地。最后，将 FVC 进一步细分为不同的 PFT。
模型模拟显示，现场观测到的属性数据与模型默认值之间的输出差异很大，这突出了现场观测到的属性数据的关键作用，并提高了 LSM 界对通量塔属性数据的重视程度。该数据集在一定程度上解决了现场属性数据缺乏的问题，减少了 LSM 数据源的不确定性，并有助于诊断参数和过程缺陷。
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.ZENODO.DB6474.2024
10.5281/zenodo.10939725
