DOI：https://doi.org/10.1038/s41597-024-03980-z
主要内容：
高精度、高时空分辨率的连续气温（Ta）数据集对于人类健康、疾病预测和能源管理至关重要。现有数据集考虑了海拔、纬度和地表温度等因素，但对气象和时空因素的考虑不足，影响了准确性。此外，目前还没有包含使用统一方法生成的每日最高温度（T max）、最低温度（T min）和平均温度（T mean）的高分辨率数据集。在这里，我们引入了四维时空深度森林（4D-STDF）模型，该模型整合了 12 个多源因子（涵盖静态和动态参数）以及 6 个细化时空因子来生成 Ta 数据集。该方法生成了三个高精度的 1 公里空间分辨率的 Ta 数据集，覆盖中国大陆 2003 年至 2022 年。这些数据集采用 GGS84 投影的 GeoTIFF 格式，包括每日 T max、T min和 T mean。估计值的整体 RMSE 分别为 1.49 °C、1.53 °C 和 1.18 °C。4D-STDF 模型也可以应用于其他气象站点稀疏的地区。
主要图表：
图1.构建和验证每日 Ta（T max、T min和 T mean ）数据集的工作流程。
图3.散点图展示了2003 年至 2022 年期间中国大陆地面站基于样本的 10-CV 每日、每月和每年 T max、 T min和 T mean估计的综合结果。
图4.2003 年至 2022 年中国大陆各站点T max、T min和 T mean的 R²、MAE 和 RMSE 的空间分布图。
图5.2003 年至 2022 年中国大陆地区Tmax（红线）、Tmin（蓝线）和 Tmean（绿线）的每日RMSE 。
图6.2003—2022年中国大陆平均Ta估算空间格局。
