TY  - Data
T1  - 基于GCN_GRU模型的青海省逐日蒸散发融合数据集（1990-2023年）
A1  - 权晨
A1  - 张小丹
A1  - 刘畅
A1  - 王惠平
PY  - 2026
DA  - 2026-06-10
PB  - 国家冰川冻土沙漠科学数据中心
AB  - 蒸散发（ET）作为连接陆地与大气水循环的关键环节，在全球水循环中具有重要作用。本研究通过对比现场观测数据，评估了两种实际蒸散发数据集（GLEAM和ERA5_Land）的精度。为提高数据准确性，我们引入地表温度和净辐射作为协变量进行数据融合，并提出一种基于深度学习的多源ET融合模型，该模型通过挖掘时空依赖关系整合相应数据，其核心由图卷积神经网络（GCN）和门控循环单元（GRU）构成。实验结果表明：（1）本研究提出的GCN-GRU融合模型在精度上显著优于单一数据源；（2）模型测试显示其均方根误差（RMSE）低于1.25毫米/天，平均绝对误差（MAE）低于1.1毫米/天，相对偏差（RB）小于22%，相关系数（CC）达0.83；（3）该模型同时提升了青海省区域原始GLEAM数据和ERA5_Land再分析数据的ET空间精度，其中均方根误差分别降低65%和54%，平均绝对误差分别降低67%和53%；（4）最终利用GCN-GRU模型融合生成2012-2016年逐日ET数据集，该数据集在青海省区域具有更高空间分辨率（0.01°）和更优的数据精度。
DB  - NCDC
UR  - http://www.ncdc.ac.cn/portal/metadata/d624ed8f-6c77-4b4d-9eb5-37ffce8fcb6a
ER  -