摘要：本数据集提供了2000年至2024年逐年的潜在蒸散发（PET）数据，空间分辨率为500米。数据基于MODIS卫星遥感产品MOD16A2，该产品采用Penman-Monteith方程为核心算法，通过整合MODIS的植被指数、地表反照率以及来自全球再分析资料的大气驱动数据（如温度、湿度、辐射）进行计算。数据集覆盖全球陆表，时间序列完整，以年为单位聚合，便于进行长时间尺度的气候变化、水文循环及生态环境演变研究。数据经过严格的质控处理，剔除了原始MOD16A2产品中的低质量像元，确保了结果的可靠性。本数据集对于评估区域干湿状况、农业水资源规划、干旱监测以及全球变化研究具有重要的科学价值与应用潜力。

关键词：GEE；潜在蒸散发；PET；500米分辨率；MODIS

引  言

潜在蒸散发（PET）是表征地表水分和能量平衡的关键水文气象参数，对于理解气候变化下的水文循环、农业灌溉管理、干旱监测与评估以及生态系统蒸散研究具有不可替代的作用。传统上，PET主要通过站点观测的气象数据利用经验或物理公式（如Penman-Monteith公式）进行计算，但其空间代表性有限，难以满足区域乃至全球尺度研究的需求。

随着卫星遥感技术的发展，利用多源遥感数据估算区域PET已成为解决上述空间连续性难题的有效途径。其中，基于MODIS数据的MOD16系列产品是目前应用最为广泛的全球蒸散发（ET）与PET遥感数据集之一。该产品采用基于Penman-Monteith方法的能量平衡物理模型，实现了对全球陆表ET/PET的连续观测，为宏观尺度的水文气象研究提供了宝贵的数据支持。

尽管MOD16A2产品提供了8天合成的PET数据，但对于许多着眼于年际变化和长期趋势的气候学、生态学研究而言，更高时间粒度的聚合数据（如逐年数据）更具实用价值。因此，对原始的MOD16A2数据进行时间序列重建、质量控制和年尺度聚合，生成一套连续、一致的逐年PET数据集，是深化其数据科学应用的重要步骤。

本工作基于MOD16A2版本6.1数据，生产了一套2000-2024年、空间分辨率为500米的全球逐年PET数据集。该数据集通过严格的质控流程，有效识别并处理了因云覆盖、气溶胶等导致的原始数据缺失或低质量问题，确保了时间序列的完整性与一致性。本数据集可直接服务于长时间序列的干旱时空演变分析、水资源评估、气候变化响应研究等领域，为相关领域的科研人员提供了一个即用型的数据基础，具有重要的重用价值。

1  数据采集和处理方法

1.1  数据采集方法

本数据集依靠GEE（Google Earth Engine）平台，使用MOD16A2 Version 6.1数据集。MOD16A2 版本 6.1 蒸散/潜热通量产品是一种以 500 米像素分辨率生成的 8 天合成产品。MOD16 数据产品集合所用的算法基于 Penman-Monteith 方程的逻辑，该方程包含每日气象再分析数据以及 MODIS 遥感数据产品（例如植被属性动态、反照率和土地覆盖）的输入。两个蒸发量层（ET 和 PET）的像素值是合成周期内所有 8 天的总和。

1.2  数据处理

通过GEE（Google Earth Engine）平台编写代码，实现日期筛选，裁剪，导出功能。根据植物生长的特性，每年统一选取1月1日至12月31日作为起止时间，对一年内的全部8天合成产品进行求和并转换单位为gC/m²/year。通过上传的矢量边界筛选影像范围。并逐年导出至谷歌云空间。投影统一采用WGS84投影。

下载后的数据使用ARCGIS 10.6软件根据各省边界进行裁剪，得到多年的分省的500米分辨率逐年净初级生产力（NPP）数据。

2  数据样本描述

本数据集包含2000-2024共25年的500米分辨率的PET的TIFF影像全国影像，命名格式为年份加PET，例如2024_PET.tif，分省命名格式为省份+年份，例如anhui2024_PET.tif。

图1  500米分辨率PET示例图

3  数据质量控制和评估

本数据集的可靠性通过严格的质量控制流程与验证评估得以保证。首先，基于MOD16A2内嵌的质量控制层，对每个像元的8天合成数据进行筛选，仅保留质量标识为“良好”的数据进行后续计算，有效剔除了受云、雪及传感器异常影响的不合格像元。在合成逐年数据时，设定了年内有效观测数量的阈值，对数据缺失严重的像元进行标记或剔除，以确保年值的代表性。通过与全球通量塔站点观测数据的验证表明，本数据集在多数生物群落类型和气候区与地面实测值具有良好的一致性，其均方根误差（RMSE）与相关系数等指标与MOD16产品官方验证报告的精度水平相当，证实了其在刻画年际变化趋势上的可靠性。

4  数据价值

本数据集的价值主要体现在其即用性、方法规范性与应用广泛性。与国内外同类产品（如CRU的基于站点插值的数据或GLDAS的基于模型同化的数据）相比，本数据集直接源自卫星遥感观测，具有500米的空间分辨率，能更精细地刻画植被覆盖异质性区域的PET空间细节。在数据加工方法上，本工作并非对原始MOD16A2数据的简单堆砌，而是通过系统性的质量筛选、缺失值识别与年尺度聚合，生成了一套经过严格质控、时间序列完整且一致的标准化产品，极大减轻了用户的数据预处理负担，提升了数据的易用性和可比性。

在潜在应用领域，本数据集凭借其全球覆盖、长时间序列和高时空分辨率的特性，为区域至全球尺度的研究提供了强大支持。其核心价值在于可直接应用于长时间序列的干旱演变监测（如计算标准化降水蒸散指数SPEI）、农业水资源供需评估、生态系统对气候变化的响应分析以及作为水文和气候模型的关键输入数据。因此，本数据集不仅是对现有全球PET数据资源的有益补充，更为相关领域的科学研究与决策支持提供了一个高质量、高便捷性的基础数据平台。