2003至2022年中国高精度全天候逐日气温数据集重建

近日，大气环境遥感团队在《Nature》旗下的《Scientific Data》期刊上发表了一项合作研究，扩展了四维时空-深度森林模型，采用多源静态和动态参数，通过统一的方法，首次生成了自2003年以来覆盖中国的1公里无缝逐日最高温（Tmax）、最低温（Tmin）和平均温度（Tmean）数据集。该数据集填补了气象观测站稀疏地区温度数据的空白，对于理解气候变化，尤其是全球气候变暖及极端温度事件对环境与健康的影响，提供了至关重要的数据支持。

1.研究背景

在全球变暖背景下，高分辨率的地表空气温度（Ta）数据集变得越来越重要。高精度、高时空分辨率和长期连续的温度数据集，尤其是那些捕捉极端温度的数据，对理解小尺度气候变化至关重要，例如城市热岛效应和山地小气候；识别季节性温度特征和异常天气事件；提高建筑物能源效率；预测和控制疾病；以及改善人类健康研究等。尽管广泛分布的气象站能够准确观测、捕捉并记录站点周围Ta的时空变化，但它们无法全面详细地描绘整个区域内Ta的时空分布和变化模式。同时，现有的气温数据集主要服务于大规模气候评估，时空分辨率相对较低，且在估计极端温度时的精度仍有提升空间。

2.数据与方法

本研究应用了先前开发的一种四维-时空深度森林（4D-STDF）的模型，该模型选择覆盖中国2003年以来2461个站点的地面高密度观测网络提供的观测数据作为真值，整合了12个多源因素，包括静态和动态参数（如1公里逐日短波辐射和地表温度等卫星遥感产品），及六个精细化的时空因素，