近日，南方科技大学曾振中全球环境变化和地球模拟团队借助人工智能算法和气候模式数据，实现了气象观测站点数据的栅格化重建，相关研究论文“An artificial intelligence reconstruction of global gridded surface winds”在《Science Bulletin》(IF: 20.57)上发表。国家青藏高原科学数据中心作为该论文的数据仓储 (http://data.tpdc.ac.cn)，目前已在线发布“全球10米风速栅格数据 (1973-2021)”(https://data.tpdc.ac.cn/zh-hans/data/c3a67628-bb4d-4fb3-9bb2-0a2b88bdb6fe/)，用户可开放获取。

该数据产品由部分卷积神经网络(the Partial Convolutional Neural Networks，PCNN)在融合了34个气候模式的风场信息后，重构全球气象站点观测数据集HadISD(由Met Office Hadley Center提供)得到。因此，该数据产品在包含观测到的风速趋势信息的同时，实现了时空上的连续性。目前上传的版本提供了1973-2021年逐月的全球10米近地风速情况，空间分辨率为1.25°×2.5°(纬度×经度)。

陆地风速的变化特征是近年来的研究热点之一，该现象的研究常依赖于气象站点数据、再分析产品和气候模式数据。但这些数据产品的风速变量存在很大的局限性：气象站点数据在空间和时间存在不连续性，这可能使得数据的区域代表性不佳；再分析产品和气候模型模拟虽然实现了连续性，但它们大多未能重现观测到的风速趋势，这可能导致研究得到的结果与现实偏差较大。而此次发布的数据产品则融合了上述两种数据的优势，实现了时空连续性和趋势信息的兼具，因此能广泛用于评估再生能源潜力、研究生物现象和探索气候变化等方面。

图1 数据重构流程示意图

图2 全球陆地网格内的风速变化趋势(1973-2021)

该工作得到了国家自然科学基金和南方科技大学启动基金等项目的资助。

论文信息：

Zhou, L.H., Liu., H.F., Jiang, X., Ziegler, A.D., Azorin-Molina, C., Liu, J., & Zeng, Z.Z. (2022). An artificial intelligence reconstruction of global gridded surface winds. Science Bulletin, 67, 20, https://doi.org/10.1016/j.scib.2022.09.022.

数据信息：

周俐宏, 曾振中, 江鑫. (2022). 全球10米风速栅格数据(1973-2021). 国家青藏高原科学数据中心, DOI: 10.11888/Atmos.tpdc.272893. CSTR: 18406.11.Atmos.tpdc.272893.

Zhou, L., Zeng, Z., Jiang, X. (2022). Global gridded near-surface wind speed dataset on a monthly scale (1973-2021). National Tibetan Plateau Data Center, DOI: 10.11888/Atmos.tpdc.272893. CSTR: 18406.11.Atmos.tpdc.272893.

数据链接：https://data.tpdc.ac.cn/zh-hans/data/c3a67628-bb4d-4fb3-9bb2-0a2b88bdb6fe/