• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

具有物理信息机器学习的全球长期每日 1 公里地面土壤湿度数据集。

Global long term daily 1 km surface soil moisture dataset with physics informed machine learning.

机构信息

Faculty of Geo-Information Science and Earth Observation (ITC), University of Twente, 7514 AE, Enschede, The Netherlands.

Research Center Jülich, Institute of Bio- and Geosciences: Agrosphere (IBG-3), 52428, Jülich, Germany.

出版信息

Sci Data. 2023 Feb 17;10(1):101. doi: 10.1038/s41597-023-02011-7.

DOI:10.1038/s41597-023-02011-7
PMID:36805459
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC9938112/
Abstract

Although soil moisture is a key factor of hydrologic and climate applications, global continuous high resolution soil moisture datasets are still limited. Here we use physics-informed machine learning to generate a global, long-term, spatially continuous high resolution dataset of surface soil moisture, using International Soil Moisture Network (ISMN), remote sensing and meteorological data, guided with the knowledge of physical processes impacting soil moisture dynamics. Global Surface Soil Moisture (GSSM1 km) provides surface soil moisture (0-5 cm) at 1 km spatial and daily temporal resolution over the period 2000-2020. The performance of the GSSM1 km dataset is evaluated with testing and validation datasets, and via inter-comparisons with existing soil moisture products. The root mean square error of GSSM1 km in testing set is 0.05 cm/cm, and correlation coefficient is 0.9. In terms of the feature importance, Antecedent Precipitation Evaporation Index (APEI) is the most important significant predictor among 18 predictors, followed by evaporation and longitude. GSSM1 km product can support the investigation of large-scale climate extremes and long-term trend analysis.

摘要

尽管土壤湿度是水文和气候应用的关键因素，但全球连续的高分辨率土壤湿度数据集仍然有限。在这里，我们使用物理信息机器学习，利用国际土壤湿度网络（ISMN）、遥感和气象数据，并结合影响土壤湿度动态的物理过程知识，生成一个全球、长期、空间连续的高分辨率地表土壤湿度数据集。全球地表土壤湿度（GSSM1km）提供了 2000-2020 年期间 1km 空间分辨率和每日时间分辨率的地表土壤湿度（0-5cm）。通过测试数据集和验证数据集以及与现有土壤湿度产品的对比，对 GSSM1km 数据集的性能进行了评估。在测试集中，GSSM1km 的均方根误差为 0.05cm/cm，相关系数为 0.9。就特征重要性而言，在 18 个预测因子中，前期降水蒸散指数（APEI）是最重要的显著预测因子，其次是蒸散和经度。GSSM1km 产品可以支持对大规模气候极端事件和长期趋势分析的研究。

https://cdn.ncbi.nlm.nih.gov/pmc/blobs/9803/9938112/4ac3a7d53f75/41597_2023_2011_Fig10_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/9803/9938112/28b9ed075498/41597_2023_2011_Fig1_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/9803/9938112/17ee527d81ad/41597_2023_2011_Fig2_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/9803/9938112/a59797899672/41597_2023_2011_Fig3_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/9803/9938112/920262df4f3c/41597_2023_2011_Fig4_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/9803/9938112/cab6ad168148/41597_2023_2011_Fig5_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/9803/9938112/5e7129ba0d05/41597_2023_2011_Fig6_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/9803/9938112/d6ab73102206/41597_2023_2011_Fig7_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/9803/9938112/859b5b6a6d00/41597_2023_2011_Fig8_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/9803/9938112/6e275a169f08/41597_2023_2011_Fig9_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/9803/9938112/4ac3a7d53f75/41597_2023_2011_Fig10_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/9803/9938112/28b9ed075498/41597_2023_2011_Fig1_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/9803/9938112/17ee527d81ad/41597_2023_2011_Fig2_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/9803/9938112/a59797899672/41597_2023_2011_Fig3_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/9803/9938112/920262df4f3c/41597_2023_2011_Fig4_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/9803/9938112/cab6ad168148/41597_2023_2011_Fig5_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/9803/9938112/5e7129ba0d05/41597_2023_2011_Fig6_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/9803/9938112/d6ab73102206/41597_2023_2011_Fig7_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/9803/9938112/859b5b6a6d00/41597_2023_2011_Fig8_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/9803/9938112/6e275a169f08/41597_2023_2011_Fig9_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/9803/9938112/4ac3a7d53f75/41597_2023_2011_Fig10_HTML.jpg

相似文献

1
Global long term daily 1 km surface soil moisture dataset with physics informed machine learning.具有物理信息机器学习的全球长期每日 1 公里地面土壤湿度数据集。
Sci Data. 2023 Feb 17;10(1):101. doi: 10.1038/s41597-023-02011-7.
2
Global soil moisture data derived through machine learning trained with in-situ measurements.基于原位测量数据通过机器学习训练得到的全球土壤湿度数据。
Sci Data. 2021 Jul 12;8(1):170. doi: 10.1038/s41597-021-00964-1.
3
A 21-year dataset (2000-2020) of gap-free global daily surface soil moisture at 1-km grid resolution.一份长达 21 年（2000-2020 年）的全球无间隙日表层土壤湿度数据集，分辨率为 1 公里网格。
Sci Data. 2023 Mar 15;10(1):139. doi: 10.1038/s41597-023-01991-w.
4
Machine learning based estimation of field-scale daily, high resolution, multi-depth soil moisture for the Western and Midwestern United States.基于机器学习的美国西部和中西部大尺度、高分辨率、多深度逐日土壤湿度估算。
PeerJ. 2022 Nov 4;10:e14275. doi: 10.7717/peerj.14275. eCollection 2022.
5
A global dataset of terrestrial evapotranspiration and soil moisture dynamics from 1982 to 2020.1982年至2020年陆地蒸发散和土壤水分动态的全球数据集。
Sci Data. 2024 May 3;11(1):445. doi: 10.1038/s41597-024-03271-7.
6
Root-zone soil moisture estimation based on remote sensing data and deep learning.基于遥感数据和深度学习的根区土壤水分估算。
Environ Res. 2022 Sep;212(Pt B):113278. doi: 10.1016/j.envres.2022.113278. Epub 2022 Apr 14.
7
High-resolution European daily soil moisture derived with machine learning (2003-2020).基于机器学习的高分辨率欧洲逐日土壤湿度数据（2003-2020 年）。
Sci Data. 2022 Nov 14;9(1):701. doi: 10.1038/s41597-022-01785-6.
8
A 3 km spatially and temporally consistent European daily soil moisture reanalysis from 2000 to 2015.2000 年至 2015 年期间，一项具有 3 公里空间和时间一致性的欧洲逐日土壤湿度再分析。
Sci Data. 2020 Apr 3;7(1):111. doi: 10.1038/s41597-020-0450-6.
9
Generating Daily Soil Moisture at 16 m Spatial Resolution Using a Spatiotemporal Fusion Model and Modified Perpendicular Drought Index.利用时空融合模型和改进的垂直干旱指数生成 16m 空间分辨率的日土壤湿度。
Sensors (Basel). 2022 Jul 19;22(14):5366. doi: 10.3390/s22145366.
10
Dataset on the global distribution of shallow groundwater.全球浅层地下水分布数据集。
Data Brief. 2023 Feb 13;47:108973. doi: 10.1016/j.dib.2023.108973. eCollection 2023 Apr.

引用本文的文献

1
A physically consistent dataset of water-energy-carbon fluxes across the Soil-Plant-Atmosphere Continuum.一个涵盖土壤-植物-大气连续体中水能碳通量的物理一致数据集。
Sci Data. 2025 Jul 4;12(1):1146. doi: 10.1038/s41597-025-05386-x.
2
A unified ensemble soil moisture dataset across the continental United States.整个美国大陆的统一综合土壤湿度数据集。
Sci Data. 2025 Apr 1;12(1):546. doi: 10.1038/s41597-025-04657-x.
3
Challenges in data-driven geospatial modeling for environmental research and practice.环境研究与实践中数据驱动的地理空间建模面临的挑战。

本文引用的文献

1
Global soil moisture data derived through machine learning trained with in-situ measurements.基于原位测量数据通过机器学习训练得到的全球土壤湿度数据。
Sci Data. 2021 Jul 12;8(1):170. doi: 10.1038/s41597-021-00964-1.
2
A long term global daily soil moisture dataset derived from AMSR-E and AMSR2 (2002-2019).基于 AMSR-E 和 AMSR2 的长期全球日土壤湿度数据集（2002-2019 年）。
Sci Data. 2021 May 27;8(1):143. doi: 10.1038/s41597-021-00925-8.
3
Depth-to-bedrock map of China at a spatial resolution of 100 meters.中国基岩深度图，空间分辨率为 100 米。
Nat Commun. 2024 Dec 19;15(1):10700. doi: 10.1038/s41467-024-55240-8.
4
Gridded, temporally referenced spatial information on soil organic carbon for Hungary.匈牙利土壤有机碳的网格化、时间参考空间信息。
Sci Data. 2024 Dec 2;11(1):1312. doi: 10.1038/s41597-024-04158-3.
5
Temporal variation characteristics in the association between climate and vegetation in Northwest China.中国西北地区气候与植被关联的时变特征。
Sci Rep. 2024 Aug 2;14(1):17905. doi: 10.1038/s41598-024-68066-7.
Sci Data. 2020 Jan 3;7(1):2. doi: 10.1038/s41597-019-0345-6.
4
Assessment of Evapotranspiration and Soil Moisture Content Across Different Scales of Observation.不同观测尺度下蒸散量与土壤含水量的评估
Sensors (Basel). 2008 Jan 9;8(1):70-117. doi: 10.3390/s8010070.
5
Environmental science. Water in the balance.环境科学。水平衡。
Science. 2013 Jun 14;340(6138):1300-1. doi: 10.1126/science.1236460.
6
Global patterns of groundwater table depth.全球地下水位深度模式。
Science. 2013 Feb 22;339(6122):940-3. doi: 10.1126/science.1229881.