土壤湿度是区域水循环的关键变量，在水资源和农业干旱管理中有着重要的应用。各种全球土壤湿度产品大多是从微波遥感数据中检索到的。然而，目前在国家尺度上，空间明确、时间连续、高分辨率的土壤湿度信息很少。本数据集通过随机森林(RF)算法，基于大量土壤湿度的日常原位观测，生成了1993-2018年中国旱地小麦和玉米的1公里土壤湿度数据集(ChinaCropSM1 km)。
本数据独立使用全国农业气象站(AMSs)的现场观测数据(181 327个样本)进行训练(164 202个样本)，使用其他数据(17 125个样本)进行测试。首先根据作物类型(即小麦、玉米)、土壤深度(0-10厘米、10-20厘米)和物候特征开发灌溉模块。根据作物类型和土壤深度分别制作了4个每日数据集，它们的精度都令人满意(小麦r 0.93, ubRMSE 0.033 m3 m−3;玉米r 0.93, ubRMSE 0.035 m3 m−3)。包括基于全球遥感的地表土壤湿度数据集(RSSSM)和欧洲空间局(ESA)气候变化倡议(CCI) SM在内的全球土壤湿度产品，ChinaCropSM1 km的时空分辨率和精度均显著优于前者(r提高116%，ubRMSE降低64%)。该方法可应用于全球其他地区和作物，改进后的数据集对农业干旱监测和作物产量预测等研究和田间管理具有重要价值。
全国农业气象站(AMSs)的现场观测数据。
通过随机森林(RF)算法，基于大量土壤湿度的日常原位观测，生成了1993-2018年中国旱地小麦和玉米的1公里土壤湿度数据集(ChinaCropSM1 km)。
RF模型预测的ChinaCropSM1 km与原位SM观测结果吻合良好（ubRMSE范围为0.028-0.037，偏差范围为 -0.0011-0.0009，r范围为0.925-0.944，R 2范围为0.860-0.895）。
本作品采用
知识共享署名
4.0 国际许可协议进行许可。
10.5281/zenodo.7582755
