本文主要是介绍【数据分享】2002-2018年逐月中国土壤水分数据集（免费获取），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
土壤数据是在环境、农业、生态等相关研究中都非常常用的数据！我们之前发表过一遍介绍土壤数据来源的文章（可以查看之前发布的文章获悉详情）！
土壤水分是土壤的重要属性！本次我们给大家带来的是2002-2018年逐月全国土壤水分数据集，数据格式为栅格（.tif）格式，空间分辨率为 0.05°，坐标系为GCS_WGS_1984，数据来源于国家青藏高原科学数据中心。
大家可以在公众号回复关键词 112 免费获取该数据，无需转发文章，直接可以获取数据！以下为数据的详细信息：
01 数据预览
目前数据有三个版本，3.0版本中数据命名规则为SM_YYYY_MM.tif，其中SM代表土壤水分，YYYY代表年，MM代表月。例如SM_2015_01.tif即为2015年1月的土壤水分数据，我们具体以3.0版本中2018年6月和12月的全国土壤水分为例来预览一下：
02 数据详情
数据来源：
数据来源于毛克彪学者在国家青藏高原科学数据中心平台上分享的数据，网址为：https://data.tpdc.ac.cn/zh-hans/data/3c4feb37-7f5b-4aa6-b906-3b23dd4c520e
数据说明：
数据集包含2002年至2018年中国陆地土壤水分数据，单位为m³/m³，时间分辨率为月，空间分辨率为0.05°。它由3个被动微波遥感产品制成：日本宇宙航空研究开发机构（JAXA）的 AMSR-E 的 Level 3 土壤水分数据和 AMSR2 的 Level 3 土壤水分数据，以及由法国农业科学研究院（INRA）和法国空间生物圈研究中心（CESBIO）研发的 SMOS 产品的土壤水分数据。为了应对被动微波土壤水分产品空间分辨率低的不足，研究人员基于温度植被干旱指数（TVDI）建立了空间权重分解（SWD）模型，其中，TVDI由中分辨率成像光谱仪（MODIS）的地表温度（LST）MYD11C3数据和归一化植被指数（NDVI）MYD13C2数据计算而来。整体而言，降尺度的土壤水分产品与实地测量结果一致（R >0.78），且均方根误差较低（ubRMSE < 0.05 m³/m³），这表明数据在整个时间序列中具有良好的准确性。数据集可以广泛应用于水文及干旱监测，并且可以作为生态和其他地球物理模型的重要输入参数。
数据格式：
栅格格式（.tif）
数据单位：
m³/m³
时间范围：
2002年7月-2018年12月（逐月）
空间范围：
全国
空间分辨率：
0.05 º
空间坐标：
GCS_WGS_1984
数据的引用：
毛克彪. (2021). 中国土壤水分数据集（2002-2018）. 国家青藏高原科学数据中心. https://doi.org/10.5281/zenodo.4738556.Mao, K. (2021). SMC dataset: Soil Moisture in China dataset (2002-2018). National Tibetan Plateau / Third Pole Environment Data Center. https://doi.org/10.5281/zenodo.4738556.
发布数据的文章的引用：
Meng, X., Mao, K., Meng, F., Shi, J., Zeng, J., Shen, X., Cui, Y., Jiang, L., & Guo, Z. (2021). A fine-resolution soil moisture dataset for China in 2002–2018. Earth System Science Data, 13(7), 3239–3261. https://doi.org/10.5194/essd-13-3239-2021如有数据使用需求请按照官方平台的要求进行引用，更多数据详情可以查看官网获悉！
文末下方是我们的微信公众号”立方数据学社”的名片，我们将定期介绍各类城市数据以及数据的可视化和分析技术，有关2002-2018年逐月中国土壤水分数据集，欢迎大家多多关注我们进行了解！
这篇关于【数据分享】2002-2018年逐月中国土壤水分数据集（免费获取）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
