摘要：本数据集基于MODIS Terra卫星的MOD11A2产品，采用最大值合成法，生成了2000年至2024年间覆盖中国全境、空间分辨率为1公里的年度地表温度最大值序列；该数据经过严格的质量控制，其长时间序列和高空间连续性的特点，为研究中国区域地表热环境时空格局、变化趋势及相关的生态环境与气候变化问题提供了重要的数据基础。

关键词：GEE；白天地表温度；LST；1000米分辨率；最大值合成；MOD11A2

引  言

地表温度是地球系统能量平衡与地表物理化学过程的关键参数，在全球气候变化、水文循环、生态环境监测以及城市热环境研究等领域具有重要的科学意义。随着对地观测技术的发展，中分辨率成像光谱仪（MODIS）传感器因其能够提供长时间序列、全球覆盖的地表温度数据，已成为相关研究的主要数据源之一。基于MOD11A2等标准产品进行二次开发，生成更符合特定研究需求的数据集，是当前地理空间数据科学中的重要实践。

中国地域辽阔，地表类型复杂多样，面临着城市化加速和气候变化的显著影响。系统性地刻画其长时间尺度的地表温度空间格局与变化趋势，是理解和评估区域环境变化的基础。虽然已有研究利用MODIS数据对中国局部区域或特定时段的热环境进行了分析，但仍缺乏一个覆盖全国、时间跨度长、且针对极端高温现象（以年最大值表征）进行优化的标准化数据产品。

本工作旨在填补这一数据空白，基于2000-2024年的MODIS MOD11A2数据，通过最大值合成方法，构建了一套中国区域年度地表温度最大值数据集。该数据集不仅延续了MODIS数据本身的可靠性与一致性，其“年度最大值”的特征更便于直接用于热胁迫、干旱监测、城市热岛强度评估等对高温敏感的研究主题。我们期望本数据集能够为气候学、生态学、地理学及公共健康等多学科领域的科研人员提供一个高质量的基础数据，支持中国区域环境变化的量化研究与决策支持。代表性参考文献可参阅相关方法论研究与区域性应用，如Wan (2014)提出的MODIS地表温度反演算法综述，以及针对中国城市热岛效应（如，陈等人，2014）或地表温度变化（如，彭等人，2015）的典型研究，这些工作为本数据集的构建与应用提供了重要的背景与方法参考。

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MOD11A2数据集。MOD11A2 中的每个像素值都是在 8 天内收集的所有相应 MOD11A1 LST 像素的简单平均值。MOD11A2 会对所有每日 LST 值进行简单的平均处理，而不会对特定质量检查位进行任何过滤。每个 MOD11A2 质量检查值均根据任何给定像素的大多数输入每日质量检查值而设置。之所以选择 8 天的合成周期，是因为 Terra 和 Aqua 平台的确切地面轨道重复周期是该周期的两倍。此产品中包含日间和夜间地表温度波段及其质量指标 (QC) 图层，以及 MODIS波段 31 和 32 以及 8 个观测图层。

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。每年统一选取4月1日至10月31日作为最大值合成的起止时间。通过上传的矢量边界筛选影像范围。并逐月导出至谷歌云空间。投影统一采用WGS84投影。实际值需乘0.02。单位为K。

2  数据样本描述

本数据集包含2000-2024共25年的1000米分辨率的LST的TIFF影像全国影像命名格式例如MOD11A1 _LST_Day_mean2024.tif。代表由日数据平均值合成的2024年的LST数据。

图1  1000米分辨率LST示例图

3  数据质量控制和评估

本数据集的质量控制严格遵循原始MOD11A2产品的质量评估（QC）波段，在年度最大值合成过程中优先采用高质量像元，并对因云覆盖等导致的潜在误差像元进行了标识，确保了数据的可靠性。对于连续性问题，最大值合成法有效减少了数据缺失，但仍存在因整月无有效观测导致的个别像元数据空缺，已在最终产品中以“NoData”明确标识，供用户甄别。

4  数据价值

本数据集的价值在于其针对中国区域，通过专项的最大值合成方法，将标准的全球MODIS地表温度产品（MOD11A2）加工成一个可直接用于极端高温事件分析的、覆盖范围完整且时间跨度长达25年（2000-2024年）的专题年度序列；相较于原始数据或其他区域性子集，本数据集在加工方法上强调了极端热胁迫的指示意义，在覆盖范围上保证了国家尺度的长期一致性，从而在城市化热环境监测、干旱评估、生态系统脆弱性研究等领域具有更直接、更高效的重用价值。