中國西部逐日1 km全天候地表溫度數據集（TRIMS LST-TP；2000-2024）

時間分辨率：日
空間分辨率：100m - 1km
共享方式：開放獲取
數據大小：474.31 GB
數據時間范圍：2000-01-01 — 2024-12-31
元數據更新時間：2025-05-31

?數據集摘要

????????青藏高原是全球氣候變化的敏感區域。地表溫度（Land Surface Temperature, LST）作為地表能量平衡中的主要參數，表征了地氣間能量和水分交換的程度，廣泛應用于氣象氣候、水文、生態等領域的研究中。青藏高原的陸地-大氣相互作用等研究，迫切需要較長時間序列和較高時空分辨率的全天候地表溫度數據集。然而，該區域較為頻繁的云覆蓋特征，使現有衛星熱紅外遙感地表溫度數據集的使用受到較大的局限。相較于2019年發布的前一個版本——中國西部逐日1km空間分辨率全天候地表溫度數據集（2003-2018）V1，本數據集（V2）采用了一種新的制備方法，即基于新型地表溫度時間分解模型的衛星熱紅外遙感-再分析數據集成方法。方法的主要輸入數據為Aqua MODIS LST產品和GLDAS等數據，輔助數據包括衛星遙感提供的植被指數、地表反照率等。該方法充分利用了衛星熱紅外遙感和再分析數據提供的地表溫度高頻分量、低頻分量以及地表溫度的空間相關性。

????????評價結果表明，本數據集具有良好的圖像質量和精度，不僅在空間上無縫，還與當前學術界廣泛采用的逐日1 km Terra/Aqua MODIS LST產品在幅值和空間分布上具有較高的一致性。以MODIS LST為參考值時，該數據集在白天和夜間平均偏差（MBE）分別為-0.28 K和-0.29 K，偏差標準差（STD）分別為1.25 K和1.36 K。基于青藏高原和黑河流域的6個站點實測數據的檢驗結果表明，晴空條件下，本數據集在白天/夜間與實測LST均具有高度的一致性，其MBE為-0.42~0.25 K/-0.35~0.19 K；均方根誤差（RMSE）為1.03~2.28 K/1.05~2.05 K；非晴空條件下，本數據集在白天/夜間的MBE為-0.55~1.42 K/-0.46~1.27 K；RMSE為2.24~3.87 K/2.03~3.62 K。與V1版本的數據相比，兩種全天候地表溫度均在空間維度上表現除了空間無縫（即無缺失值）的特性，且在大部分區域內，兩種全天候地表溫度的空間分布和幅值均與MODIS地表溫度高度一致。

????????然而，在AMSR-E/AMSR2軌道間隙亮溫缺失的區域內，V1版本的地表溫度產生了低估。TRIMS地表溫度與V1版本地表溫度在AMSR-E/AMSR2軌道間隙外的質量接近，而在軌道間隙內前者的質量更加可靠。因此，建議用戶使用V2版本。本數據集的時間分辨率為逐日4次，空間分辨率為1km，時間跨度為2000年-2024年（注：通過外推方式將缺少Aqua MODIS LST產品時段內的全天候地表溫度補齊）。

????????本數據集的空間范圍包括青藏高原為核心的我國西部及周邊地區（72°E-104°E，20°N-45°N）。因此，本數據集的縮寫名為TRIMS LST-TP（Thermal and Reanalysis Integrating Moderate-resolution Spatial-seamless LST – Tibetan Plateau），以便用戶使用。

數據文件命名方式和使用方法

????????文件命名：地表溫度數據有GEOTIFF和NETCDF兩種格式，每個GEOTIFF文件約14MB。不同年份的數據分別存放于以“年”命名的文件夾下，該年數據按照白天DAY和晚上NIGHT兩個文件夾分別存儲。具體文件命名方式為“TRIMS_Aqua/TRIMS_Terra+year+DOY+D/N.tif/.nc”，其中DOY代表年積日，D/N代表白天/夜間，如TRIMS_Aqua2020001D.tif/.nc。數據格式為：整型使用方式：可直接使用GIS軟件或matlab等軟件進行讀取和后續處理，像元值/100=地表溫度值（保留小數點后兩位）；數據分辨率：逐日4次，1 km。數據時間：對應MODIS像元的瞬時過境時間，具體處理方式詳見數據說明文檔。數據集關鍵參數：（1）投影方式：Albers equal area （2）缺失值：統一以0標注

本數據要求的引用方式

數據的引用

周紀, 張曉東, 唐文彬, 丁利榮, 馬晉, 張旭. (2019). 中國西部逐日1 km全天候地表溫度數據集（TRIMS LST-TP；2000-2024）V2. 國家青藏高原科學數據中心. https://doi.org/10.11888/Meteoro.tpdc.270953. https://cstr.cn/18406.11.Meteoro.tpdc.270953.

Zhou, J., Zhang, X., Tang, W., Ding, L., Ma, J., Zhang, X. (2019). Daily 1-km all-weather land surface temperature dataset for Western China (TRIMS LST-TP; 2000-2024) V2. National Tibetan Plateau / Third Pole Environment Data Center. https://doi.org/10.11888/Meteoro.tpdc.270953. https://cstr.cn/18406.11.Meteoro.tpdc.270953.

(下載引用： RIS格式 RIS英文格式 Bibtex格式 Bibtex英文格式 )

文章的引用

1、Tang, W., Zhou, J., Ma, J., Wang, Z., Ding, L., Zhang, X., and Zhang, X. (2024). TRIMS LST: a daily 1?km all-weather land surface temperature dataset for China's landmass and surrounding areas (2000–2022). Earth Syst. Sci. Data, 16, 387–419, https://doi.org/10.5194/essd-16-387-2024. ( 查看 Bibtex格式 )

2、Zhang, X., Zhou, J., Liang, S., Wang, D. (2021). A practical reanalysis data and thermal infrared remote sensing data merging (RTM) method for reconstruction of a 1-km all-weather land surface temperature. Remote Sensing of Environment, 260, 112437. https://doi.org/10.1016/j.rse.2021.112437. ( 查看 Bibtex格式 )

3、Zhang, X., Zhou, J., G?ttsche, F., Zhan, W., Liu, S., & Cao, R. (2019). A Method Based on Temporal Component Decomposition for Estimating 1-km All-Weather Land Surface Temperature by Merging Satellite Thermal Infrared and Passive Microwave Observations. IEEE Transactions on Geoscience and Remote Sensing, 57, 4670–4691. https://doi.org/10.1109/TGRS.2019.2892417 ( 查看下載 Bibtex格式 )

4、Zhou, J., Zhang, X., Zhan, W., G?ttsche, F.-M., Liu, S., Olesen, F.-S., Hu, W., & Dai, F. (2017). A thermal sampling depth correction method for land surface temperature estimation from satellite passive microwave observation over barren land. IEEE Transactions on Geoscience and Remote Sensing, 55, 4743–4756. https://doi.org/10.1109/TGRS.2017.2698828 ( 查看下載 Bibtex格式 )