%0 Dataset
%T 基于3D CNN_ConvLSTM模型的青海省逐日1km降水融合数据集（1990-2023年）
%J 国家冰川冻土沙漠科学数据中心
%I 国家冰川冻土沙漠科学数据中心(www.ncdc.ac.cn)
%U http://www.ncdc.ac.cn/portal/metadata/d11e3dcc-99cc-4a30-9752-2f963229d7a8
%W NCDC
%A 张小丹
%A 游少杰
%A 黄远琛
%K 长时序;深度学习;降水
%X 降水是青海省水资源的主要来源之一，对区域生态环境和社会经济发展具有重要影响。利用深度学习技术，设计了基于3D卷积神经网络和卷积长短期记忆网络3D CNN_ConvLSTM的多源降水数据融合模型，构建了青海省范围内1990年-2020年降水融合数据集，时间分辨率为逐日、空间分辨率为0.01°×0.01°，旨在解决青海省不同时空尺度、不同来源降水数据不确定性、稀疏性、多样性以及数据质量等问题。通过数据融合模型衍生长时间序列高时空精度的青海省降水融合数据集，提升降水数据的精确性和可靠性，为青海省及三江源区生态环境效应变化分析和数字生态保护提供高质量数据支撑。