全球日平均无间隙地表温度数据集（2003-2018）的合成及其在气候与生态研究中的应用

这篇研究通过融合两种遥感数据集（Zhan的1公里日平均地表温度DMLST和Liu的DMLST）与两种再分析数据（GLDAS和ERA5-Land），生成了空间分辨率为1公里的全球无间隙日平均地表温度（LST）产品。验证结果表明，合成产品的均方根误差（RMSE）约为2 K，优于其他四种产品，且在干旱和寒冷区域表现显著提升。该数据集为能量平衡、水文、气象和生态研究提供了高精度输入指标，解决了传统遥感LST因云层覆盖导致数据缺失的问题。

　　

背景与摘要

地表温度（LST）是能量平衡、水文、气象和生态研究中的关键参数，广泛应用于各类模型。然而，受云层影响，遥感LST数据常存在缺失值，限制了其应用。本研究提出了一种空间分辨率为1公里、时间分辨率为1天的无间隙LST产品，通过整合两种遥感数据集和两种再分析数据，显著提升了数据精度和覆盖范围。

数据与方法

研究选用了两种遥感LST数据集：Zhan的基于MODIS数据的DMLST和Liu的基于MWA模型的DMLST，以及两种再分析数据GLDAS和ERA5-Land。通过多源数据融合技术，将不同数据集的优势结合，生成了高精度的全球LST产品。验证使用了来自SURFRAD、FLUXNET等网络的170个站点数据，通过计算偏差（Bias）、均方根误差（RMSE）等指标评估数据质量。

技术验证

合成产品的RMSE约为2 K，优于其他四种产品，尤其在干旱和寒冷区域表现突出。遥感数据在草地等区域表现优异，而再分析数据在森林和湿地等区域误差较大。时空差异分析显示，合成产品在高纬度区域的精度显著提升，且季节性差异较小。

数据记录

数据集覆盖2003至2018年，以GeoTIFF格式存储，空间分辨率为1公里，单位为开尔文（K）。数据文件命名遵循“YYYY-MM-DD_daily_avg.tif”格式，便于用户直接调用和分析。

讨论与展望

该合成产品为全球尺度的气候和生态研究提供了可靠数据支持，未来可进一步优化模型算法，提升在复杂地形和极端气候条件下的数据精度。此外，多源数据融合技术为其他环境参数的合成提供了参考。

（注：以上内容均基于原文缩写，未添加未提及的结论或细节。）