地表太阳辐射（SSR）是地表能量流动的一个重要因素，可以准确捕捉长期气候变化，了解地球大气系统的能量平衡。然而，由于原位观测数据的时间不均匀性和空间分布不均衡性，太阳表面辐射量的长期趋势估计存在很大的不确定性。本文通过整合所有可用的 SSR 观测数据，包括现有的同质化 SSR 结果，建立了一个观测集成和同质化的全球陆地（南极洲除外）站点 SSR 数据集（SSRIHstation）。然后对该序列进行内插，以获得 5° × 5° 分辨率的网格数据集（SSRIHgrid）。在此基础上，我们以 20 世纪再分析第 3 版（20CRv3）为基础，通过训练改进的部分卷积神经网络深度学习方法，进一步重建了 5° × 2.5° 分辨率的全球陆地（除南极洲外）SSR 长期（1955-2018 年）异常数据集（SSRIH20CR）。
为得出全球 SSR 变量，收集了九个 SSR 数据集。其中，六个数据集包含来自观测站的数据：两个全球地面测量数据集（GEBA、WRDC）和四个区域和国家层面的同质化产品（欧洲、中国、日本和意大利）。采用的数据集中有三个是再分析数据：第五代欧洲中期天气预报中心（ECMWF）再分析（ERA5）、20 世纪再分析第 3 版（20CRv3）数据和耦合模式相互比较项目第 6 阶段（CMIP6）历史模拟输出（125）。具体来说，ERA5 数据用于填充海洋和南极洲上空的数据，20CRv3 数据和 CMIP6 模拟用于人工影响模式的训练和重建。
对现有最广泛的全球 SSR 站观测数据进行了同质化和网格化处理。然后，使用卷积神经网络（CNN）方法对缺失的网格框和年份进行空间插值，以获得覆盖全球的陆地表面 SSR 异常数据集。最后，对重建的数据集进行初步分析和评估。
数据质量良好。
| # | 编号 | 名称 | 类型 |
| 1 | 41975105 | 近百年全球表面温度变化及其不确定性 | 国家自然科学基金 |
本作品采用
知识共享署名
4.0 国际许可协议进行许可。
CSTR:11738.11.NCDC.FIGSHARE.DB6659.2024
https://doi.org/10.6084/m9.figshare.21625079.v1
