ChinaClim_timeseries 包含中国 1952-2019 年期间的逐月平均气温数据集，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。
陆地表面温度（LST）由中分辨率成像光谱仪（MODIS）编制。从 1 千米分辨率的 MOD11A2 图像中提取了 2001 年至 2019 年的昼夜 LST 平均值，并按月和年进行了平均。
采用CAI方法生成1952—2019年中国气温表面（ChinaClim_time系列）数据，温度距平时间序列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的温度距平面，其方法与ChinaClim_baseline类似。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，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11952-2000年温度距平面。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，各月气温要素的平均均方根误差为0.461-0.939 ℃。与彭德怀气候面和 CHELSAcruts 相比，温度要素的 R2 几乎没有增加，RMSE 和 MAE 下降了约 50%。研究结果表明，ChinaClim_baseline 对时间序列气候要素的估算精度有明显改善，卫星驱动数据可大幅提高时间序列降水的估算精度，但不能提高时间序列温度的估算精度。
| # | 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
CC BY 4.0 （知识共享 署名 4.0 国际许可协议）进行许可。
CSTR:11738.11.NCDC.ZENODO.DB6514.2024
10.5281/zenodo.5919450
