ChinaClim_timeseries 是中国 1952-2019 年期间的月度降水数据集，空间分辨率为 1km，该数据是基于气候学辅助插值（CAI）将月度异常面和基线气候学面（ChinaClim_baseline）叠加生成的。数据的比例因子为 0.1。
30 年平均气候数据集（1981-2010 年）来自两个来源，即中国气象数据服务中心（CMD：http://data.cma.cn）的 2160 个气象站和中央气象局（www.cwb.gov.tw）的 25 个气象站。1952-2019 年期间 756 个气象站的月地面观测值数据集来自中国气象局 http://data.cma.cn。
研究使用了 TRMM3B43 月产品，其空间分辨率为 0.25°，纬度范围为南纬 50°至北纬 50°。从 https://mirador.gsfc.nasa.gov 下载了 NetCDF 格式的 TRMM3B43 第 7 版月度资料。
采用CAI方法生成1952—2019年中国月降水量（ChinaClim_time系列）数据，降水比由气象站原始时间序列与30年正常值的比值和差值计算得出。结合每个气象站的经度、纬度、海拔、到最近海岸的距离、卫星驱动的距平（比率）、CRU距平（比率）和30年正常值，基于其地理坐标，应用TPS模型生成了1952.01-2019.12的月降水比距平面，对于1952-2019年月距平/比值，采用不同的变量组合（经度、纬度、海拔、距最近海岸距离、CRU距平（比值）和30年正常值）构建了7个模型公式（表S2），并通过多年（1952-2019年）平均值的最小RMSE值来选择最优模型，以拟合1952-1997年降水比面。在剩余的时间内，我们根据步骤（3）中的最优模型构建了2个模型公式。这两个模型将卫星数据（TRMM比和LST异常）添加为独立样条变量或线性协变量。ChinaClim_time序列是通过叠加（乘法）1952.01-2019.12的月度异常（比率）面和ChinaClim_baseline生成的。
研究结果表明，在 ChinaClim_time-series 中，各月降水的平均均方根误差分别为 7.502- 52.307 毫米。与彭德怀气候面和 CHELSAcruts 相比，降水要素的 R2 增加了约 7%，RMSE 和 MAE 下降了约 17%。
| # | 编号 | 名称 | 类型 |
| 1 | 41971382 | 植被NPP趋势演替和多时间尺度变化对气候变化与人类活动的非线性响应及其预测 | 国家自然科学基金 |
| 2 | U19A2051 | 洞庭湖流域景观格局变化对水生态服务影响机理及调控 | 国家自然科学基金 |
| 3 | U20A2048 | 人类扰动下喀斯特森林长时间序列动态变化及驱动机制 | 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.ZENODO.DB6517.2024
10.5281/zenodo.5919442
