Datasets:

TaoDerong
/

GreatPlains-Multisource-2000-2024

pretty_name: Great Plains 8-day Multisource NDVI–Climate Time Series (2000–2024)
language:
  - en
  - zh
license: cc-by-4.0
task_categories:
  - time-series-forecasting
  - regression
size_categories:
  - 1K<n<10K
tags:
  - remote-sensing
  - NDVI
  - CHIRPS
  - ERA5-Land
  - drought
  - climate
  - time-series
  - united-states

Great Plains 8-day Multisource NDVI–Climate Time Series (2000–2024)

1. 数据集概述 (Dataset Summary)

本数据集以 美国南部大平原草原区 为研究区域，范围约为：

经度：105°W–95°W
纬度：32°N–40°N

该区域为典型干旱敏感区，植被以草原为主，对降水异常和干旱事件高度敏感。

本数据集整合了 2000–2024 年间的多源观测，包含：

MODIS Terra NDVI（8 日合成）
CHIRPS 日尺度降水
ERA5-Land 日尺度表层土壤含水量、2 m 气温、潜在蒸散
以 NDVI 时间步为主轴构建的 8 日对齐多变量时间序列（统一建模输入）

适合于：

干旱监测和评估
NDVI 与气候驱动因子的时滞/响应分析
时序预测任务：ARIMA、多变量 LSTM、Encoder–Decoder 等
多源气象–遥感数据融合研究

2. 数据来源 (Data Sources)

2.1 NDVI（MODIS Terra MOD09A1）

产品：MODIS/061/MOD09A1（8 日地表反射率，500 m）
时间范围：2000-02-18 – 2024-12-26（8 日时间步，共约 1143 条记录）
波段：
- RED: sur_refl_b01
- NIR: sur_refl_b02
计算公式：

[ \mathrm{NDVI} = \frac{NIR - RED}{NIR + RED} ]

在 Google Earth Engine (GEE) 平台上，对 MOD09A1 进行质量控制与云/雪掩膜后，计算研究区范围内的 区域平均 NDVI，得到 8 日 NDVI 时间序列。

相关文件：

GreatPlains_MOD09A1_NDVI_8day_2000_2024.csv
- 行数：1143
- 时间范围：2000-02-18 至 2024-12-26

字段：

列名	类型	含义
`system:index`	string	GEE 生成的影像索引（如 `2000_02_18`）
`date`	string	日期，格式 `YYYY-MM-DD`
`ndvi`	float	研究区内区域平均 NDVI
`.geo`	string	GEE 导出时附带的几何信息（MultiPoint，空）

2.2 日降水（CHIRPS）

数据集：UCSB-CHG/CHIRPS/DAILY
空间分辨率：0.05°
时间分辨率：日
时间范围：2000-01-01 – 2024-12-30（共 9131 天）
处理方式：在 GEE 中对研究区范围进行区域平均，得到日平均降水（单位：mm/day）

相关文件：

GreatPlains_CHIRPS_DailyPrecip_2000_2024.csv
- 行数：9131
- 时间范围：2000-01-01 至 2024-12-30

字段：

列名	类型	含义
`system:index`	int	GEE 生成的索引（如 `20000101`）
`date`	string	日期，`YYYY-MM-DD`
`precip_daily`	float	研究区日平均降水量（mm/day）
`.geo`	string	GEE 附带几何信息（MultiPoint，空）

2.3 土壤湿度、气温与潜在蒸散（ERA5-Land）

数据集：ECMWF/ERA5_LAND/DAILY_AGGR
时间分辨率：日
时间范围：2000-01-01 – 2024-12-30（共 9131 天）
空间处理：在 GEE 中对研究区进行区域平均

原始变量：

volumetric_soil_water_layer_1 → 本文件列名为 soil_moisture_daily
- 表层土壤体积含水量（0–7 cm），单位：m³/m³
temperature_2m → 本文件列名为 temp2m_daily_K
- 日平均 2 m 气温，单位：K
potential_evaporation_sum → 本文件列名为 pet_daily_m
- 日累计潜在蒸散量，单位：m/day，且为负值（表示向上的蒸发通量）

相关文件：

GreatPlains_ERA5L_SoilTempPET_Daily_2000_2024.csv

字段：

列名	类型	含义
`system:index`	int	GEE 生成索引
`date`	string	日期，`YYYY-MM-DD`
`pet_daily_m`	float	日累计潜在蒸散量（m/day，负值）
`soil_moisture_daily`	float	表层土壤体积含水量（m³/m³）
`temp2m_daily_K`	float	2 m 日平均气温（K）
`.geo`	string	几何信息

在后续构建 8 日对齐数据时，潜在蒸散将通过 取相反数并乘以 1000 转换为 mm/day；气温将通过减去 273.15 转换为 ℃。

3. 数据预处理与 8 日合成 (Preprocessing & 8-day Aggregation)

为实现多源数据的统一建模，本研究进行如下预处理步骤（主要在本地 Python 环境中完成）：

3.1 时间格式与排序

使用 pandas 读入所有 CSV
将 date 字段转换为 datetime 类型，并以上午 00:00 作为时间索引
按日期升序排序

3.2 单位转换（适用于 ERA5-Land 日数据）

气温：
- temp2m_daily_K → 摄氏度：
  [ T_{\mathrm{C}} = T_{\mathrm{K}} - 273.15 ]
潜在蒸散：
- pet_daily_m 为 m/day 且为负值
- 转换为 mm/day 且为正： [ \mathrm{PET_{mm/day}} = -\mathrm{pet_daily_m} \times 1000 ]

3.3 按 NDVI 时间步聚合日尺度数据

NDVI 8 日产品的时间步被视为 主时间轴
对于每一个 NDVI 时间点 (t)，在日尺度序列中取以 (t) 为中心的 8 日时间窗 ([t-4, t+3])：
- **降水 (CHIRPS)**：求 8 日累积降水量（mm/8 days）
- **潜在蒸散 (ERA5-Land)**：求 8 日累积潜在蒸散量（mm/8 days）
- 土壤湿度：求 8 日平均表层土壤含水量（m³/m³）
- 气温：求 8 日平均气温（℃）

3.4 缺失值处理

CHIRPS 与 ERA5-Land 在该区域覆盖较完整，缺失值极少
对个别 NDVI 或气象变量缺测时间点：
- 使用基于时间的 线性插值 修复，最多连续插补 2 个时间步
- 对仍无法插补的少数起始或末尾时间点，直接删除对应样本

3.5 最终 8 日多变量数据集

由上述步骤得到的 8 日对齐多变量时间序列存入：

GreatPlains_8day_merged.csv
- 行数：1143
- 时间范围：2000-02-18 至 2024-12-26

字段：

列名	类型	含义
`date`	string	NDVI 时间点日期（8 日间隔）
`ndvi`	float	区域平均 NDVI
`precip_8d_sum_mm`	float	以 NDVI 时间点为中心窗口计算的 8 日累计降水（mm/8 days）
`soil_moisture_8d_mean`	float	8 日平均表层土壤体积含水量（m³/m³）
`temp_8d_mean_C`	float	8 日平均 2 m 气温（℃）
`pet_8d_sum_mm`	float	8 日累计潜在蒸散量（mm/8 days）

该文件可直接作为 统一建模输入 用于 ARIMA、多变量 LSTM、Encoder–Decoder 等时序预测/回归任务。

4. 文件结构 (Files and Structure)

推荐仓库中文件结构如下：

GreatPlains-Multisource-2000-2024/
├── GreatPlains_8day_merged.csv
├── GreatPlains_MOD09A1_NDVI_8day_2000_2024.csv
├── GreatPlains_CHIRPS_DailyPrecip_2000_2024.csv
├── GreatPlains_ERA5L_SoilTempPET_Daily_2000_2024.csv
└── README.md  # 本文档