ARTICLE · 1004628
资源分享|全球地表温度重建数据集免费下载
点击蓝字 关注我们
数据集简介
[数据集名称]：全球地表温度重建数据集
[数据集来源]：https://doi.org/10.6084/m9.figshare.33122444
[时间范围]：1850年-2024年
[空间范围]：中国
[数据集格式]：全球
[下载方式]：见文末
[温馨提示]：我们提供用户下载的所有内容均来自互联网，仅供技术交流，不得用作商业用途。
数据集概况
1
数据集预览
2
数据集详情
中国全球人工智能重建地表温度CMIP6数据集（C-AIRSTM）是一套空间完整的全球逐月地表温度距平数据集，时间跨度为1850-2024年，空间分辨率5°×2.5°，距平基准时段为1961-1990年。该数据集采用部分卷积神经网络（PConv）深度学习方法重建得到。数据集基于部分卷积（Partial Convolutional,PConv）神经网络构建历史气候场重建框架，采用第六次耦合模式比较计划（CMIP6）的气候模式模拟结果作为训练样本，整合中国全球陆地表面气温数据集（C-LSAT2.1）与英国气象局哈德利中心提供的HadSST4.2.0.0共200个集合成员海表温度数据，构建全球地表温度观测集合作为模型输入；并采用深度集合（Deep Ensemble）方法量化模型不确定性，生成多组重建集合样本。将全部重建集合成员取平均，得到逐月全球地表温度重建结果，同时基于集合样本估算对应的不确定性。站点观测验证结果表明：在观测资料极为稀缺的南极地区，1961年之后的重建结果表现良好。
3
数据集应用
（1）长时序全球与区域气候变化分析：利用1850年起空间完整的逐月地表温度距平数据，开展百年尺度全球变暖速率、区域温度时空演变特征研究，弥补传统温度产品大面积缺测的短板。
（2）极地等资料稀缺区气候评估：借助在南极地区表现较好的重建结果，支撑极地气候演变分析，评估极地增温效应，弥补南极站点观测稀少带来的数据空白。
（3）气候检测归因与模式评估：为气候归因研究提供连续的温度背景场，用于识别人为或自然强迫对气候变化的贡献；同时可作为基准数据，检验CMIP6等气候模式模拟能力。
数据引用
Ouyang, C., Li, Q., Li, Z., et al.: An AI-driven reconstruction of global surface temperature with emphasis on refining the Antarctic record, Earth Syst. Sci. Data, 18, 6503–6526, https://doi.org/10.5194/essd-18-6503-2026, 2026.
领取方式
进入下方公众号后台回复
260915
设置星标，不错过最新地学资讯
END
编辑 | 朱婷 朱瑶彤
审核 | 代文
声明：我们提供用户下载的所有内容均来自互联网，仅供技术交流，不得用作商业用途。所有内容仅代表文章作者观点，与本公众号无关。如有侵权，请联系我们。
往期热门资源：