MSWEP V3：基于机器学习的全球 0.1° 小时降水估计数据集（1979 年至今）
大气与海洋物理
2026-02-03 v1
摘要
我们介绍 Version 3 (V3) 的网格化近实时 多源加权 Ensemble 降水 (MSWEP) 产品——首个完全全球、历史的机器学习驱动降水 (P) 数据集，旨在应对日益增长的气候挑战所需的及时准确 P 估计。MSWEP V3 提供 1979 年至今 0.1° 分辨率的小时数据，延迟约为两个小时。开发遵循两个阶段过程：第一阶段使用机器学习模型堆叠生成基准 P 场，集成卫星-和(重新)分析-based P 和气温产品，以及静态变量。模型使用来自全球 15,959 个 P 水压站的小时和日观测进行训练。第二阶段使用来自全球 57,666 和 86,000 个站点的日和月观测对这些基准 P 场进行校正。为评估 MSWEP V3 的基准性能，我们使用来自 15,958 个未纳入第一训练阶段的独立观测站点评估了 19 个（准）全球网格化 P 产品——包括无校正和基于水压的产品。MSWEP V3 基准实现了中位数 daily Kling-Gupta Efficiency (KGE) 为 0.69，超过所有被评估产品。其他无校正产品的中位数 daily KGE 分别为 ERA5 (0.61)、IMERG-L V7 (0.46)、GSMaP V8 (0.38) 和 CHIRP (0.31)。通过留一交叉验证，发现 daily 校正可将中位数 daily 相关性提高 0.09，受限于已强大的基准性能。我们预计 MSWEP V3——可在 www.gloh2o.org/mswep 获取——将促进该数据在可变和变化的气候中更可靠的监测、预测和管理水相关风险。
引用
@article{arxiv.2602.01436,
title = {MSWEP V3: Machine Learning-Powered Global Precipitation Estimates at 0.1$^\circ$ Hourly Resolution (1979-Present)},
author = {Xuetong Wang and Raied S. Alharbi and Oscar M. Baez-Villanueva and Diego G. Miralles and Jun Ma and Shiqin Xu and Matthew F. McCabe and Florian Pappenberger and Albert I. J. M. van Dijk and Tim R. McVicar and Lanka Karthikeyan and Hayley J. Fowler and Ming Pan and Solomon H. Gebrechorkos and Hylke E. Beck},
journal= {arXiv preprint arXiv:2602.01436},
year = {2026}
}