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。
在本研究中，使用了 2001 至 2020 年 MODIS C6.1 L1B MOD02SSH 数据（即波段 1 至波段 7 的大气顶部（TOA）反射率）、MODIS C6.1 L3 MOD09CMG 数据（波段 1 至波段 7 的地表反射率）和 MODIS C6.1 L3 MOD08 每日数据，以检索 FMF。AERONET 提供了地面气溶胶特性的全球日空光度计网络。五个气象变量（即 2 米气温、PBLH、表面气压、10 米风分量和 2 米露点温度）均来自欧洲中程天气预报中心（ERA5）的第五代产品。
我们协同物理方法和深度学习的优势，利用 MODIS 数据在全球范围内检索陆地上空的气溶胶 FMF。我们利用二十年（2001-2020年）的数据对这一混合模型进行了测试和验证，并生成了一个新的长期调频数据集，称为物理-深度学习调频（Phy-DL FMF）。与之前的研究不同，所提出的混合模型同时考虑了物理特征和非线性关系，以限制FMF计算。
数据质量良好。
| # | 编号 | 名称 | 类型 |
| 1 | 42030606 | 长江三角洲地气环境变化对极端气象影响机理研究 | 国家自然科学基金 |
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.DB6467.2024
10.5281/zenodo.5105617
