本数据使用自动机器学习算法，融合多源数据，基于国际土壤湿度网络和中国气象局土壤湿度观测数据，得到青藏高原2000-2021年5层0.1度日土壤湿度数据集。使用不同算法得到了三个版本的数据，分别为AMSMQTP_base、AMSMQTP_best和AMSMQTP_ensemble存放在三个文件夹内。每个文件夹共五层从layer1-layer5，分别代表0-10cm、10-30cm、30-50cm、50-80cm和80-110cm。每个文件的命名方式为"%Y_%m.nc"，"%Y"代表年（2000-2021），"%m"代表月（01-12）。
土壤湿度观测数据来自国际土壤湿度网络和中国气象局。用于模型输入的气象数据来自ERA5-Land，地表数据来自ERA5-Land、GLDAS-2.1和reprocessed MODIS V6.1，土壤质地数据来自GSDE，地形数据来自GTOPO30。
本数据基于FLAML自动机器学习框架，利用多源数据作为模型输入，根据站点观测土壤湿度进行训练，使用模型推理得到土壤湿度数据。
AMSMQTP_ensemble在三个版本中最优，在青藏高原五层土壤湿度评价指标如下：(R=0.73, RMSE=0.074, ubRMSE=0.047); (R=0.665, RMSE=0.069, ubRMSE=0.042); (R=0.433, RMSE=0.08, ubRMSE=0.045); (R=0.503, RMSE=0.077, ubRMSE=0.035); (R=0.351, RMSE=0.084, ubRMSE=0.038)。AMSMQTP_base, AMSMQTP_best和AMSMQTP_ensemble土壤湿度误差总体上低于GLDAS-2.1, ERA5-Land, SMCI1.0_9km和GSSM1km。
本作品采用
知识共享署名
4.0 国际许可协议进行许可。
10.12072/ncdc.nieer.db6463.2024
