本数据集采用基于三维离散余弦变换的惩罚最小二乘回归方法，首先生成无缝全球每日L-VOD产品，然后采用非局部滤波思想实现高分辨率与低分辨率数据的时空融合，最终生成2010年1月1日至2021年7月31日期间的全球每日无缝9公里L-VOD产品。为验证产品质量，对重建数据进行了时间序列验证和模拟缺失区域验证。融合产品在时空上均经过验证，并在重叠期间与原始9公里数据进行了数值比较。结果显示，无缝SMOS（SMAP）数据集在模拟真实缺失掩膜下的决定系数（R²）为0.855（0.947），均方根误差（RMSE）为0.094（0.073）。重建的每日L-VOD产品的时空一致性与原始有效值的时间序列分布相符。融合产品与原始9公里数据在重叠时段的空间信息基本一致（R²：0.926–0.958，RMSE：0.072–0.093，平均绝对误差MAE：0.047–0.064）。融合产品与原始产品的时间变化基本同步。本数据集可在自然灾害（如洪水、干旱和森林火灾）期间提供及时的植被信息，支持早期灾害预警和实时响应。
1、L-VOD 数据
（1）SMOS IC L-VOD 数据集由欧洲航天局 （ESA） 发布，卫星重访周期为 8 d，空间分辨率为 25 km，空间覆盖范围为全球，使用 2010 年 1 月 1 日至 2017 年 12 月 31 日期间的最新改进版 2 的 L-VOD 数据，来自 https://ib.remote-sensing.inrae.fr/index.php/smos-ic-v2-product-documentation/， 这些数据有助于构建基线数据并为目标时刻生成 9 公里的 L-VOD 数据。
（2）SMAP MT-DCA L-VOD 数据集覆盖全球表面，卫星重访周期为 3 d，空间分辨率为 9 km。该数据集使用了 Feldman 和 Entekhabi （2019） 发布的最新 SMAP MT-DCA 第 5 版 L-VOD 2015 年 4 月 1 日至 2021 年 7 月 31 日的数据，来自 https://doi.org/10.5281/zenodo.5619583 ，将其用作时空融合模型中的高分辨率基线数据，为 VOD 融合产品提供精细的空间细节信息。
2、辅助数据
（1）基于 MODIS MCD12C1 V061，时间跨度为 2001 年至 2022 年，空间分辨率为 0.05°，每年一次的全球土地覆盖类型数据。
（2）基于 MODIS MYD13C1 V061 ，其空间分辨率为 0.05°，16 d 合成，2010 年至 2021 年的 NDVI 数据。
1、对于所选的 VOD_smos 和 VOD_smap 数据集，需要执行预处理步骤，例如重新投影、异常处理和重新采样；
2、填补空缺值；
3、数据融合；
4、算法设置。
由于缺乏原位 L-VOD 数据，采用了三种验证策略来评估数据：（1） 时间序列验证，（2） 模拟缺失区域验证，以及 （3） 数据比较验证。通过定量和定性评估，我们发现融合产物VOD_st有效地保持了VOD_resmos稳定的长期特征，并实现了良好的空间一致性。它在数值上非常接近 VOD_resmap，从而缓解了与 SMOS 卫星衍生的 L-VOD 产品相关的低估问题。
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.DB6892.2025
10.5281/zenodo.13334757
