我们提出利用U-net网络进行冰裂隙识别探测的算法，可以实现格陵兰冰盖典型冰川冰裂隙的自动化探测。基于Sentinel-1 IW每年7、8月的数据，为了抑制SAR图像的相干斑噪声，选择Probabilistic Patch-Based Weights (PPB)算法进行滤波，然后选择具有代表性的样本输入U-net网络进行模型训练，根据训练的模型进行冰裂隙的预测。以格陵兰2个典型冰川（Jakobshavn、Kangerdlussuaq）为例分类结果的平均准确率可达94.5%，其中裂隙区域的局部准确率可达78.6%，召回率为89.4%。
李新武, 梁爽, 杨博锦, 赵京京
我们提出利用U-net网络进行冰裂隙识别探测的算法，可以实现南极冰裂隙的自动化探测。基于Sentinel-1 EW 1月、2月的数据，为了抑制SAR图像的相干斑噪声，选择Probabilistic Patch-Based Weights（PPB）算法进行滤波，然后选择具有代表性的样本输入U-net网络进行模型训练，根据训练的模型进行冰裂隙的预测。以南极5个典型冰架（Amery、Fimbul、Nickerson、Shackleton、Thwaiters）为例分类结果的平均准确率可达94.5%，其中裂隙区域的局部准确率可达78.6%，召回率为89.4%。
李新武, 梁爽, 杨博锦, 赵京京
植被覆盖度（Fractional vegetation cover, FVC）表示植被地面垂直投影面积与研究区总面积的百分比，是衡量生态保护和生态恢复有效性的重要指标，被广泛应用于气候、生态和土壤侵蚀等领域。FVC不仅是反映植被生产能力的理想参数，而且在评估地形差异、气候变化和区域生态环境质量时也能发挥较好的作用。本研究工作主要是对两套GLASS FVC数据进行后处理，通过数据融合、剔除异常值和剪裁后给出较为可靠的2013年和2018年的环北极圈（范围为北纬66°以北）和青藏高原（范围为北纬26°到39.85°，东经73.45°到104.65°）的植被覆盖度情况。
叶爱中
青藏高原被誉为“亚洲水塔”，其提供的径流作为重要的、易获取的水资源，维系着周边数十亿人口的生产生活，支撑着生态系统的多样性。准确估算青藏高原的径流，揭示径流的变化规律，有利于高原及周边地区的水资源管理和灾害风险规避。青藏高原五大河源区冰川径流分割数据集覆盖时间从1971年到2015年，时间分辨率为逐年，覆盖范围为青藏高原五条大江大河源区（黄河源，长江源，澜沧江源，怒江源，雅鲁藏布江源），空间分辨率为流域，以多源遥感和实测数据为基础使用耦合了冰川模块的分布式水文模型VIC-CAS模拟获得，使用站点实测数据对模拟结果进行了验证，其所有数据进行了质量控制。
王世金
青藏高原被誉为“亚洲水塔”，是东南亚众多河流的源区，其提供的径流作为重要的、易获取的水资源，维系着周边数十亿人口的生产生活，支撑着生态系统的多样性。青藏高原五大河源区冰川径流数据集覆盖时间从2005年到2010年，时间分辨率为每5年一期，覆盖范围为青藏高原五条大江大河源区（黄河源，长江源，澜沧江源，怒江源，雅鲁藏布江源），空间分辨率为1km，以多源遥感、模拟、统计和实测数据为基础，使用GIS方法和生态经济学方法结合，量化了江河源区冰冻圈水资源服务的价值，其所有数据进行了质量控制。
王世金
本数据集包含：（1）基于测高卫星提取的北半球16个大型湖泊水库冰厚数据，时间跨度为1992-2019年，时间分辨率10天，文件名为Altimetric LIT for 16 large lakes.xlsx；（2）基于遥感湖冰模型的北半球1,313个面积50km^2以上湖泊的逐日湖冰厚度和湖泊表面积雪深度数据，时间跨度为2003-2018年，文件格式为nc格式；（3）未来湖冰厚度变化的预测情况，时间跨度2071-2099年，文件为table S1.xlsx；（4）一个用于查找湖泊的对照表，包含湖泊ID，名称，地理坐标和面积等信息。本数据集可以为全球湖冰和湖面积雪研究提供基础信息，便于深入理解在变化环境下湖冰的演变规律及其对湖泊生态环境和区域社会经济的影响。
李兴东, 龙笛, 黄琦, 赵凡玉
“亚洲水塔”青藏高原（TP）的降水在区域水和能源循环中发挥着关键作用，对下游国家的水资源供应有重要影响。气象站点所获取的降水信息通常被认为是最准确的，但在地形复杂、环境恶劣的青藏高原中，气象站数据却十分有限。卫星和再分析降水产品可以为地面测量提供补充信息，特别是在大面积测量不足的区域。在这里，我们通过使用人工神经网络 (ANN) 和环境变量（包括海拔、地表压力和风速）确定各种数据源的权重来最优地融合站点、卫星和再分析数据。在 1998-2017 年期间，以每日时间尺度和 0.1° 的空间分辨率生成了一个多源降水 (MSP) 数据集横跨青藏高原。与其他四颗卫星产品相比，MSP与标准观测的日降水相关系数（CC）最高（0.74），均方根误差第二低，表明MSP的质量和数据合并的有效性方法。我们使用分布式水文模型进一步评估了青藏高原长江和黄河源头测量不佳的不同降水产品的水文效用。在 2004-2014 年期间，MSP 实现了每日流量模拟的最佳 Nash-Sutcliffe 效率系数（超过 0.8）和 CC（超过 0.9）。此外，基于多重搭配评估，MSP 在未测量的西部 TP 上表现最好。该合并方法可应用于全球其他数据稀缺地区，为水文研究提供高质量的降水数据。整个 TP 的左下角的经纬度、行数和列数以及网格单元信息都包含在每个 ASCII 文件中。
洪仲坤, 龙笛
人类发展指数（HDI——Human Development Index）是由联合国开发计划署（UNDP）在《1990年人文发展报告》中提出的，用以衡量联合国各成员国经济社会发展水平的指标。该指标是基于“预期寿命、教育水准和生活质量”三项基础变量，按照一定的计算方法得出的综合指标。“一带一路”沿线国家人类发展恢复力数据集是全面反应各国人类发展恢复力的指标。“一带一路”沿线国家人类发展恢复力数据集是利用2000-2020年“一带一路”沿线各国人类发展指数这一指标的逐年数据，在进行敏感性和适应性分析基础上，通过综合诊断，制备生成的人类发展恢复力指标数据。数据集制备方法请参考说明文档。“一带一路”沿线国家人类发展恢复力数据集对分析和对比当前各国人类发展的恢复力状况具有重要参考意义。
徐新良
针对青藏高原泛三江并流区的17.9万km2的区域，通过Sentinel-1升降轨，以及Palsar-1升轨三种SAR数据进行InSAR变形观测，根据获取的InSAR变形图像，结合地貌和光学影像特征进行综合解译。共识别得到海拔4000m以下的活动性滑坡949处。需要注意的是，因不同SAR数据的观测角度、敏感度和观测时相的差异，同一滑坡用不同数据解译存在一定的差异，在滑坡的范围、边界方面需要借助地面和光学影像进行修正。滑坡InSAR识别比例尺的概念与传统空间分辨率不同，主要依靠变形强度，因此一些规模较小，但与背景相比变形特征突出，整体性强，与地物具有逻辑空间关系的滑坡也能得以解译（配合SAR的强度图、地形阴影图、光学遥感影像为地物参照）。本次最小解译区域可达几个像素，如参考怒江沿江公路解译了一处只有4个像素的公路边坡滑坡。
姚鑫
流域内的水量平衡可以通过单个湖泊的水位波动体现，而区域湖泊水位的一致性波动则可以反映区域有效水分的变化。以往的研究主要通过分析湖泊沉积物的多代用指标来重建过去的有效水分，缺少对区域有效水分变化的定量研究。青藏高原及东中亚地区典型湖泊区域全新世有效水分连续模拟结果数据集是基于湖泊能量平衡模型、湖泊水量平衡模型及瞬态气候演变模型，以构建的虚拟湖泊为载体，连续且定量地展示了青藏高原青海湖、沉错、班公错等以及东中亚地区青土湖、呼伦湖、岱海等湖泊区域全新世有效水分变化。模拟结果为探究千年尺度上湖泊演化过程提供了新的视角。
李育
中亚是一个高度农业化的地区，其农业资源有限且非常脆弱。为了评估未来气候变化对中亚农业的潜在影响，我们基于3个全球气候模式的9千米动力降尺度结果生产了一个中亚农业气候指数（agroclimatic indicators）高分辨率预估数据集。这些农业气候指数是生长季长度（growing season length, GSL, days），有效积温（biologically effective degree days, BEDD, ℃），霜冻天数（frost days, FD, days），夏日天数（summer days, SU, days），热浪天数（warm spell duration index, WSDI, days）和热夜天数（tropical nights, TR, days）。时段是1986-2005和2031-2050，空间分辨率为0.1°。由于这些指数（除了WSDI）都是基于温度的绝对阈值定义的，对区域模拟结果的系统偏差非常敏感，我们首先用分位数映射法（quantile mapping, QM）订正了模拟的气温，然后基于订正后的气温计算指数。评估结果显示：QM方法大幅减小了指数的偏差。预估结果显示：GSL，SU，WSDI和TR在整个中亚将显著增大，而FD将显著减小；BEDD的变化具有明显的空间差异性，在中亚北部和山区是增大的，在平原的中部和南部是减小的。这个高分辨率的数据集可被用于评估未来气候变化对中亚农业的风险影响。
邱源
本数据为东南亚地区2015年的地表类型数据，空间分辨率为30米，数据类型为NetCDF，变量名为“land cover type”。该数据基于FROM-GLC数据加工而成，通过对原始影像的拼接、裁剪得到覆盖东南亚的地表类型数据，剔除东南亚地区不存在的雪冰等下垫面类型并重新整合图例。修改下垫面类型编码生成包含东南亚的地表类型数据。该数据提供耕地、森林、草地、灌木、湿地、水体、不透水面、及裸地共8种下垫面的信息。数据总体精度为71% （Gong et al., 2019），可为水文模型、区域气候模式等提供东南亚地区的下垫面信息。
刘俊国
本数据集是一个包含接近35年（1984-2018）的全球高分辨率光合有效辐射数据集，其分辨率为3小时/逐日/逐月，10公里，数据单位为W/㎡，瞬时值。该数据集可用于生态过程模拟和全球碳循环的理解。该数据集是基于改进的物理参数化方案并以ISCCP-HXG云产品、ERA5再分析数据、MERRA-2气溶胶数据以及MODIS反照率产品为输入而生成的。验证并和其他全球卫星辐射产品比较表明，该数据集的精度通常比CERES全球卫星辐射产品的精度要高。该全球辐射数据集将有助于未来生态过程模拟的研究和全球二氧化碳通量的估算。
唐文君
1967-2020年湖水表面温度（LSWT, 下社站）； 1994-2020年湖冰冰厚和和结冰期（下社站）； 1956-2020年流域径流（布哈站）； 1956-2020年水位（下社站）； 1956-2020年湖泊面积 ( 根据2001-2020年Landsat数据提取的湖泊面积和实测的湖泊水位建立面积-水位关系，从而利用实测水位数据估算无Landsat影像年份的面积)； 1958-2019年气温（刚察站）； 1958-2019年降水量（刚察站）
张国庆
此数据包含1992年-2020年时间段的中亚，南亚和中南半岛地区的空间分辨率为300m土地覆盖数据，包含10个一级类别，由原数据的二级类别合并而来。数据基于欧空局的1992年-2020年时间段地表覆盖产品 CCI-LC，对耕地、建设用地和水体等地类进行修正。基于清华大学全球土地覆被数据（FROM-GLC，30m栅格）、美国NASA的MODIS全球土地覆被数据（MCD12Q1，500m栅格）、美国地质调查局USGS的全球耕地数据（GFSAD30，30m）、日本全球林地数据的（PALSAR/PALSAR-2，25m）的一致区获取训练样本，应用谷歌地球数字引擎及其随机森林算法，对研究区待修正区域进行机器判别，获得修正的土地覆被产品。应用2019年和2020年的谷歌地球高清影像，对耕地、建设用地和水体变化区域的精度进行分层随机抽样验证，三种地类分别抽取了1200个、共计3600个，相比 CCI-LC数据，本修正产品在该变化区域的精度提升了11%到26%。
许尔琪
降雨侵蚀力是量化青藏高原土壤侵蚀的重要基础数据之一。高精度的降雨侵蚀力数据是了解目前青藏高原水土流失现状，以及制定水土保持措施的关键，同时可以为青藏高原地质灾害防治提供有力参考。本研究基于青藏高原1-min稠密降水观测数据和高精度格点降水资料，经过订正、重构和检验等步骤，构建了一套新的青藏高原1950~2020年逐年降雨侵蚀力数据集。该数据集是目前青藏高原精度最高、时间序列最长的降雨侵蚀力数据集。
陈悦丽
地表温度（Land Surface Temperature，LST）是地表能量平衡研究的关键参数，被广泛用于气象、气候、水文、农业和生态等领域研究。卫星（热红外）遥感作为获取全球和区域尺度LST信息的重要手段，容易受到云层覆盖和其他大气条件的影响，导致LST遥感产品时空不连续，极大限制了LST遥感产品在相关研究领域的应用。 本数据集的制备首先基于经验正交函数插值方法，利用Terra/Aqua MODIS 地表温度产品重建理想晴空条件下的LST，然后使用累积分布函数匹配方法融合 ERA5-Land再分析数据获取全天候条件下的LST。该方法充分利用了原始MODIS遥感产品的时空信息以及再分析数据中的云影响信息，缓解了云层覆盖对LST估算的影响，最终重建得到较高质量的全球0.05°时空连续的理想晴空和全天候LST数据集。 本数据集不仅实现了时空无缝覆盖，并且具有良好的验证精度。重建的理想晴空LST数据在全球17种土地覆盖类型实验区内，平均相关系数（R）为0.971，偏差（Bias）为-0.001 K至0.049 K，均方根误差（RMSE）为1.436 K至2.688 K。重建的全天候 LST 数据与地面站点实测数据的验证结果：平均 R 为 0.895，Bias为0.025 K 至 2.599 K， RMSE为4.503 K至7.299 K。 本数据集的时间分辨率为逐日4次，空间分辨率为0.05°，时间跨度为2002年-2020年，空间范围覆盖全球。
赵天杰, 余沛
本数据通过GIPL1.0冻土空间分布模型，结合已有基础数据，包括气候变化，土壤类型，以及植被数据，对川藏线的多年冻土以及季节冻土特性进行了模拟，数据结果为500m空间分辨率栅格，包括了多年冻土区最大化深度以及季节冻土区最大冻结深度。该结果通过了钻孔数据验证。数据日期为2001-2019，2041-2060，2081-2100（20年平均值），其中水体以及冰川区域通过掩膜排除在计算范围以外（空值）。气候数据为月均值，其他数据在模拟的过程中保持不变，空间分辨率都为500m。数据来源与“WoeldClim:https://www.worldclim.org/，DEM以及植被土壤：https://data.tpdc.ac.cn/zh-hans/”根据不同数据源的特点对原始资料进行真实性、一致性的检查及规范化处理；利用冻土模型对多年冻土及季节冻土进行计算模拟，输出结果为地温和活动层（最大冻深），模拟结果与钻孔地温进行验证。最终空间数据集通过ArcGIS成图。制定数字加工操作规范。加工过程中，规定操作人员严格遵守操作规范，同时由专人负责质量审查。经多人复查审核，其数据完整性、逻辑一致性、位置精度、属性精度、接边精度、现势性均符合国家测绘局制定的有关技术规定和标准的要求，质量优良可靠。数据可为后期开展川藏工程走廊冻结（融化）深度相关研究工作提供必要的数据支撑。
尹国安
地表温度（Land surface temperature, LST）是地球表面与大气之间界面的重要参量之一。它既是地表与大气能量交互作用的直接体现，又对于地气过程具有复杂的反馈作用。因此，地表温度不仅是气候变化的敏感指示因子和掌握气候变化规律的重要前提，还是众多模型的直接输入参数，在许多领域有广泛的应用，如气象气候、环境生态、水文等。伴随地学及相关领域研究的深入和精细化，学术界对卫星遥感的全天候地表温度（All-weather LST）具有迫切的需求。 本数据集的制备方法是一种基于新型地表温度时间分解模型的卫星热红外遥感-再分析数据集成方法。方法的主要输入数据为Aqua MODIS LST产品和GLDAS等数据，辅助数据包括卫星遥感提供的植被指数、地表反照率等。方法充分利用了卫星热红外遥感和再分析数据提供的地表温度高频分量、低频分量以及地表温度的空间相关性，最终重建得到较高质量的全天候地表温度数据集。 评价结果表明，本数据集具有良好的图像质量和精度，不仅在空间上无缝，还与当前学术界广泛采用的逐日1 km Aqua MODIS LST产品在幅值和空间分布上具有较高的一致性。当以MODIS LST为参考时，该数据集在白天和夜间的平均偏差（MBE）为0.08K至0.16K，偏差标准差（STD）为1.12K至1.46K。基于分布于黑河流域、东北、华北和华南地区的15个站点实测数据的检验结果表明，其MBE为-0.06K至-1.17K，RMSE为1.52K至3.71K，且在晴空与非晴空条件下无显著区别。 本数据集的时间分辨率为逐日2次，空间分辨率为1km，时间跨度为2000年-2021年（注：通过外推方式将缺少Aqua MODIS LST产品时段内的全天候地表温度补齐）；空间范围包括我国陆域的主要区域（包含港澳台地区，暂不包含我国南海诸岛）及周边区域（72°E-135°E，19°N-55°N）。本数据集的缩写名为TRIMS LST（Thermal and Reanalysis Integrating Moderate-resolution Spatial-seamless LST），以便用户使用。需要说明的是，TRIMS LST的空间子集TRIMS LST-TP（中国西部逐日1 km全天候地表温度数据集（TRIMS LST-TP；2000-2021）V2）同步在国家青藏高原科学数据中心发布，以减少相关用户数据下载和处理的工作量。
周纪, 张晓东, 唐文彬, 丁利荣, 马晋, 张旭
1970年土地利用由MSS影像目视解译而成，整体解译精度达90%以上，土地分类按照中国科学院土地利用分类系统进行，具体分类细则请阅读数据说明文档。 2005年和2015年两期数据集从欧洲太空局 (ESA) 全球土地覆被类型数据获取，包括中亚五国（哈萨克斯坦、吉尔吉斯斯坦、塔吉克斯坦、土库曼斯坦和乌兹别克斯坦）和中国新疆，该数据集有22种土地利用类型，采用IPCC土地利用分类系统，具体分类细则请参阅说明文档。
张弛, 罗格平
该数据集依据中分辨率长时间序列遥感影像Landsat，通过影像融合、遥感解译、数据反演等多种方式获得青藏高原1990/1995/2002/2005/2010/2015六期生态系统类型情况分布图，作出25年（1990-2015）青藏高原生态本底图，空间参考系统为Krasovsky_1940_Albers，空间分辨率为1000m。青藏高原各类生态系统面积统计表明，1990-2015年间，林地、草地面积略有减少，城镇用地、农村居民点及其他建设用地面积增加，河流、湖泊等水体面积增加，永久性冰川积雪面积减少。该图集可用于青藏高原生态工程的规划、设计及管理，并可作为生态系统现状的基准，用于阐明青藏高原重大生态工程建设的时空格局，揭示青藏高原生态系统格局和功能的变化规律和区域差异。
赵慧, 王小丹
本数据集包含由卫星重力测量数据得到的2002年4月至2019年12月南极冰盖质量变化数据。所采用的卫星重力数据来自于美国宇航局NASA与德国宇航局DLR合作的重力场恢复与气候学实验双星星座（GRACE，2002年4月至2017年6月）及其后续任务GRACE-FO (2018年六月至今）。由于GRACE和GRACE-FO之间有一年左右数据间断，我们额外采用了由欧洲空间局ESA的Swarm星座GPS数据反演得到的重力场数据（2013年12月至2019年12月）。所采用GRACE重力场数据为德州大学奥斯丁空间研究中心（CSR）、德国地学研究中心（GFZ）、美国宇航局喷气推进实验室（JPL）以及俄亥俄州立大学（OSU）四家机构发布产品的加权平均模型。GRACE数据后处理包括：用SLR数据解算结果替换GRACE低阶重力场参数（degree-1, C20和C30），去条带滤波，300公里高斯平滑，ICE6-G_D（VM5a）GIA模型，信号泄露误差改正，椭球误差改正等。
张宇, 沈嗣钧
青藏高原是全球气候变化的敏感区域。地表温度（Land Surface Temperature, LST）作为地表能量平衡中的主要参数，表征了地气间能量和水分交换的程度，广泛应用于气象气候、水文、生态等领域的研究中。青藏高原的陆地-大气相互作用等研究，迫切需要较长时间序列和较高时空分辨率的全天候地表温度数据集。然而，该区域较为频繁的云覆盖特征，使现有卫星热红外遥感地表温度数据集的使用受到较大的局限。 相较于2019年发布的前一个版本——中国西部逐日1km空间分辨率全天候地表温度数据集（2003-2018）V1，本数据集（V2）采用了一种新的制备方法，即基于新型地表温度时间分解模型的卫星热红外遥感-再分析数据集成方法。方法的主要输入数据为Aqua MODIS LST产品和GLDAS等数据，辅助数据包括卫星遥感提供的植被指数、地表反照率等。该方法充分利用了卫星热红外遥感和再分析数据提供的地表温度高频分量、低频分量以及地表温度的空间相关性。 评价结果表明，本数据集具有良好的图像质量和精度，不仅在空间上无缝，还与当前学术界广泛采用的逐日1 km Aqua MODIS LST产品在幅值和空间分布上具有较高的一致性。以MODIS LST为参考值时，该数据集在白天和夜间平均偏差（MBE）分别为-0.28 K和-0.29 K，偏差标准差（STD）分别为1.25 K和1.36 K。基于青藏高原和黑河流域的6个站点实测数据的检验结果表明，晴空条件下，本数据集在白天/夜间与实测LST均具有高度的一致性，其MBE为-0.42~0.25 K/-0.35~0.19 K；均方根误差 （RMSE）为1.03~2.28 K/1.05~2.05 K；非晴空条件下，本数据集在白天/夜间的MBE为-0.55~1.42 K/-0.46~1.27 K；RMSE为2.24~3.87 K/2.03~3.62 K。与V1版本的数据相比，两种全天候地表温度均在空间维度上表现除了空间无缝（即无缺失值）的特性，且在大部分区域内，两种全天候地表温度的空间分布和幅值均与MODIS地表温度高度一致。然而，在AMSR-E/AMSR2轨道间隙亮温缺失的区域内，V1版本的地表温度产生了低估。TRIMS地表温度与V1版本地表温度在AMSR-E/AMSR2轨道间隙外的质量接近，而在轨道间隙内前者的质量更加可靠。因此，建议用户使用V2版本。 本数据集的时间分辨率为逐日2次，空间分辨率为1km，时间跨度为2000年-2021年（注：通过外推方式将缺少Aqua MODIS LST产品时段内的全天候地表温度补齐）。本数据集的空间范围包括青藏高原为核心的我国西部及周边地区（72°E-104°E，20°N-45°N）。因此，本数据集的缩写名为TRIMS LST-TP（Thermal and Reanalysis Integrating Moderate-resolution Spatial-seamless LST – Tibetan Plateau），以便用户使用。
周纪, 张晓东, 唐文彬, 丁利荣, 马晋, 张旭
青藏高原多源遥感合成1km积雪覆盖数据集（1995-2018）基于国家卫星气象中心的青藏高原光学仪器遥感1km积雪覆盖数据集（1989-2018）和美国雪冰中心的25km近实时逐日全球冰密集度与积雪范围NISE产品数据集（1995-2019）合成得到，覆盖时间从1995年到2018年（每年1-4月和10-12月两个时段），时间分辨率为逐日，覆盖范围为青藏高原（17°N -41°N，65°E -106°E），采用等经纬度投影，空间分辨率为0.01°×0.01°。数据集以日产品表征了卫星观测时刻的地面是否为积雪所覆盖。输入数据源为NOAA或MetOp卫星AVHRR逐日积雪覆盖产品，TERRA卫星MODIS替代AVHRR对应观测通道生成的逐日积雪覆盖产品，以及DMSP卫星SSM/I或SSMIS逐日全球冰密集度和积雪范围NISE产品。数据集合成方法：以青藏高原光学仪器遥感1km积雪覆盖产品为基础，完全信任其积雪和晴空无雪信息，对有云覆盖、无法判识、缺少卫星观测等区域，在相对高空间分辨率海陆模板的辅助下，利用NISE的陆地有效判识结果进行替换。对于部分水陆边界，因NISE产品空间分辨率较低，合成结果有可能仍存在极少量的云覆盖或者无观测数据区域。基于多年地面气象台站雪深观测资料验证表明，本数据集对晴空条件下地面有无积雪的总体判识准确率在91%以上。数据采用标准的HDF4格式存储，内部有积雪覆盖和质量码两个SDS，维度均为4100列×2400行，且文件内部有完备的属性描述。
郑照军, 曹广真
青藏高原光学仪器遥感1km积雪覆盖数据集（1989-2018）基于星载光学仪器观测数据云雪判识方法制作，覆盖时间从1989年到2018年（每年1-4月和10-12月两个时段），时间分辨率为逐日，覆盖范围为青藏高原（17°N -41°N，65°E -106°E），采用等经纬度投影，空间分辨率为0.01°×0.01°。数据集以日产品表征了卫星观测时刻晴空无云或透明薄云下的地面是否为积雪所覆盖。输入数据源为NOAA与MetOp卫星的AVHRR L1数据，以及从TERRA/MODIS对应于AVHRR通道的L1数据。产品处理方法为独立于云掩模产品的动态阈值决策树算法（DT），即算法同时判别云雪，且其云检测强调保留雪信息，特别是透明卷云下的雪。DT算法针对不同情况，考虑了多种判识手段，如水云上的冰云，森林和沙地的积雪，薄雪或融雪等；根据地表类型、DEM和季节设定动态阈值；采用多种质量控制手段，如在重度气溶胶或烟尘覆盖的低纬度森林中剔除伪雪，参考最大月雪线和最小雪面亮度温度剔除伪雪；优化不同种类型云雪和晴空无雪陆地的判识流程。DT算法在正常情况下能区分大部分云雪，但会低估10月份青藏高原的积雪。基于多年地面气象台站雪深观测资料验证表明，本数据集对晴空条件下地面有无积雪的总体判识准确率在95%以上。数据采用标准的HDF4格式存储，内部有积雪覆盖和质量码两个SDS，维度均为4100列×2400行，且文件内部有完备的属性描述。
郑照军, 除多
第三极1:100万居民点数据集包括第三极地区居民点（Tibet_Cities）、首都居民点（Tibet_Capitals）、城市人口大于75k的居民点（Tibet_Cities_up_to_75K）等矢量空间数据及相关属性数据：城市名称（ENG_NAME）、城市人口（CITY_POP）等属性。 数据来自1:100万ADC_WorldMap全球数据集，数据经过拓扑，入库是全面、最新和无缝的地理数字数据。 世界地图坐标系统是经纬度，D_WGS_1984基准面。
ADC WorldMap
南极1:100万居民点数据集包括南极范围内所有居民点（Antarctica_Resident）等矢量空间数据及相关属性数据：城市名称（ENG_NAME）、城市人口（CNTEY_NAME）、（CNTRY_CODE）等属性。 数据来自1:100万ADC_WorldMap全球数据集，数据经过拓扑，入库等数据质量检查，是全面、最新和无缝的地理数字数据。 世界地图坐标系统是经纬度，WGS84基准面，南极地区数据集为南极专用投影参数（South_Pole_Stereographic）
ADC WorldMap
北极1:100万居民点数据集包括北极范围内所有居民点（Arctic_Resident）、首都居民点（Arctic_Capitals）、城市人口大于75k的居民点（Cities_up_to_75K）等矢量空间数据及相关属性数据：城市名称（ENG_NAME）、城市人口（CITY_POP）等属性。 数据来自1:100万ADC_WorldMap全球数据集，数据经过拓扑，入库等数据质量检查，是全面、最新和无缝的地理数字数据。 世界地图坐标系统是经纬度，WGS84基准面，北极地区数据集为北极专用投影参数（North_Pole_Stereographic）。
ADC WorldMap
本数据来源于全国地理信息资源目录服务系统，由国家基础地理信息中心于2017年11月份开始免费向公众提供。我们将三江源作为一个整体进行了拼接和裁切，以便于三江源地区研究中的使用。数据现势性为2015年。 本数据集为三江源地区1:25万居民点数据集，包括居民地面（RESA）和居民地点（RESP）两个图层, 居民地面（RESA)主要指面状居民地轮廓；居民地点（RESP），包括普通房屋、棚房、窑洞、蒙古包、放牧点等。 居民地面（RESA）属性项名称及定义： 属性项 描述 填写实例 GB 国标分类码 310200 居民地点（RESP）属性项名称及定义： 属性项 描述 填写实例 GB 国标分类码 310200 ANGLE 角度 67
全国地理信息资源目录服务系统
本数据来源于全国地理信息资源目录服务系统，由国家基础地理信息中心于2017年11月份开始免费向公众提供。我们将三江源作为一个整体进行了拼接和裁切，以便于三江源地区研究中的使用。数据现势性为2017年。 本数据集为三江源地区1:100万居民地地名数据（AGNP），包括包括各级行政地名和城乡居民地名称等。 居民地地名数据(AGNP)属性项名称及定义： 属性项 描述 填写实例 CLASS 地名分类码 AK NAME 名称 泉曲村 PINYIN 汉语拼音 Quanqucun GNID 地名编码 632524000000 XZNAME 所属乡镇名 子科滩镇
全国地理信息资源目录服务系统
本数据来源于全国地理信息资源目录服务系统，由国家基础地理信息中心于2017年11月份开始免费向公众提供。为了更加方便的使用数据，将三江源作为一个整体进行了拼接和裁切，以便于三江源地区研究中的使用。数据现势性为2017年。 本数据集为三江源地区1:100万居民点数据，包括居民地面（RESA）和居民地点（RESP）两个图层, RESP 居民地（点）图层，包括普通房屋、放牧点等。 居民地面（RESA）属性项名称及定义： 属性项 描述 填写实例 GB 国标分类码 310200 居民地点（RESP）属性项名称及定义： 属性项 描述 填写实例 GB 国标分类码 310200 ANGLE 角度 67
全国地理信息资源目录服务系统
本数据来源于全国地理信息资源目录服务系统，由国家基础地理信息中心于2017年11月份开始免费向公众提供。我们将三江源作为一个整体进行了拼接和裁切，以便于三江源地区研究中的使用。数据现势性为2015年。 本数据集为三江源地区1：25万居民地地名数据（AANP），包括各级行政地名和城乡居民地名称等。 居民地地名数据(AANP)属性项名称及定义： 属性项 描述 填写实例 NAME 名称 泉曲村 PINYIN 汉语拼音 Quanqucun CLASS 地名分类码 AK GNID 地名编码 632524000000 XZNAME 所属乡镇名 子科滩镇
全国地理信息资源目录服务系统
“水权框架下黑河流域治理的水文-生态-经济过程耦合与演化”（91125018）项目数据汇交-MODIS产品-中国西北地区土利用数据（2000-2010） 1.数据概述：中国西北地区土利用数据（2000-2010） 2.数据内容：用MODIS得到的2000-2010年中国西北地区黑河流域、疏勒河流域石羊河流域土利用数据
王忠静
1.数据概述 基于2012年Google earth影像资料，通过目视解译方法矢量化湿地公园的用地类型，为湿地生态系统服务评估提供数据基础。 2.数据内容 土地利用类型包括湿地、农田（玉米、蔬菜、小麦）、水域、林地、建筑用地、裸地等。比例尺：1：5万；坐标系统：WGS84；数据类型：矢量多边形；存储格式：Dbf/Shp/Jpeg 3.时空范围 覆盖范围：张掖国家湿地公园；总面积：46.02平方公里。
徐中民
1.数据概述 本数据是基于最新的googleearth遥感影像数据建立的张掖市甘州区农作物空间分布数据库。 2.数据内容 以项目关注的制种玉米空间分布为主，将研究区土地利用类型划分为14个类型（制种玉米地、春小麦地、菜地、大棚用地、套作用地、水稻地、水域、湿地、林地、城乡工矿居民用地、道路、铁路和未利用土地）。 3.时空范围 数据范围包括平山湖、沙井、乌江、靖安、明永、三闸、甘浚、新墩、上秦、碱滩、城关镇、梁家墩、长安、党寨、小满、龙渠、大满、花寨和安阳共19个乡镇。数据类型为矢量多边形，以Shape格式存储；数据范围覆盖甘州区。
徐中民
黑河流域灌区及干支渠分布图包括了黑河流域的主要灌区及所有干渠、支渠的分布。灌区主要有罗城灌区、友联灌区、六坝灌区、平川灌区、蓼泉灌区、梨园河灌区、鸭暖灌区、板桥灌区、沙河灌区、西浚灌区、盈科灌区、大满灌区、马营河灌区、上三灌区、新坝灌区、红崖子灌区，这16个灌区。干支渠分布图包含了这16个灌区的所有干渠和支渠。
徐茂森, 徐宗学, 胡立堂
青海湖是我国面积最大的内陆咸水湖泊，地处青藏高原的东北部。以其巨大的水体与流域内的天然草场和林地共同构成了生态屏障，其独特的自然生态环境和生物多样性，在西部大开发和生态建设中具有重要的意义。 数据为青海湖流域居民点分布数据，包括柴达木河流域内市、县、乡镇、村等级分布，数据主要有两个属性字段：Code(居民点编码）、Name(居民点名称）。 收集整理青海湖流域基础、气象、地形地貌，专题数据等，为青海湖流域生态治理提供数据支持。
国家基础地理信息中心
数据为塔里木河流域居民点分布数据，主要包括塔里木河流域内市、县、乡镇、村等级分布，数据主要有两个属性字段：Code(居民点编码）、Name(居民点名称）
国家基础地理信息中心
数据为天山北麓诸河流域水库分布数据集，利用地形图和遥感影像综合制备，比例尺250000，投影：经纬度，数据包括空间数据和属性数据，属性字段：Name（水库名称），反应了天山北麓诸河流域2000年左右水库分布现状。
国家基础地理信息中心
数据为天山北麓河流域居民点分布数据，包括天山北麓河流域内市、县、乡镇、村等级分布，数据主要有两个属性字段：Code(居民点编码）、Name(居民点名称）.
国家基础地理信息中心
数据为天山北麓诸河流域河流数据集，根据地形图及TM遥感影像修订，比例尺250000，投影经纬度，数据包括空间数据和属性数据，属性数据字段：HYD_CODE(河流编码），Name（河流名称），SHAPE_leng(河流长度）。
国家基础地理信息中心
数据集为天山北麓诸河流域湖泊分布图，比例尺25万，投影：经纬度，数据包括空间数据和属性数据，湖泊属性字段：NAME（湖泊的名称）、CODE（湖泊编码）。
国家基础地理信息中心
数据为柴达木河流域居民点分布数据，包括柴达木河流域内市、县、乡镇、村等级分布，数据主要有两个属性字段：Code(居民点编码）、Name(居民点名称）。
国家基础地理信息中心
中国的行政区域基本上划分为三级，即省（自治区、直辖市），县（自治县、市），乡（民族乡、镇）。为了便于用户统计和制图方面的需要，我们根据国家基础地理信息中心公布的1：100万全国行政区划数据集 制备了黑河流域行政区划数据。该数据反映了黑河流域2008年前后的行政区划现状，包括省级、地区级和县级三级行政区划信息，其主要属性（如面积、行政区划代码、所属省（自治区）、市（地区、自治洲））来源于2008年出版的《中国行政区划》。
吴立宗
该数据包括了SWAT模型运行所需要的基础地形数据、土壤数据、气象数据、土地利用/地面覆盖数据等。所有的图件和相关的点位坐标（气象站，水文站）都采用了和我国基础地形图相一致的高斯－克吕格投影的坐标体系。数据内容包括： a) 基础地形数据包括流域数字高程模型（DEM）和流域河网。DEM格网的大小为50*50m，流域河网是从1:10万地形图上将水系手工数字化得到。 b) 土壤数据：包括土壤物理、土壤化学和土壤类型空间分布资料。数字土壤图比例尺为1:100万，将其转为ESRI 的grid格式，格网大小为50*50m。每个土壤剖面可以最多分到10层。模型要求的土壤质地采样指标采用了美制标准。参数来自全国第二次土壤普查数据以及来自相关文献。 c) 气象数据： (1) 气温：日最高气温，日最低气温，风速，相对湿度的数据来源于流域内部和周边地区祁连、山丹、托勒、野牛沟、张掖五个气象站的逐日观测资料，时段为1999～2001年。 (2) 降水：雨量数据来源于流域内部和周边地区俄博（1990~1996）、肃南（1990~2000）、祁连（1990~2000）、莺落峡（1990~2000）、札马什克（1990~2000）5个水文站以及山丹（1999~2001）、托勒（1999~2001）、野牛沟（1999~2001）、张掖（1999~2001）、祁连县（1999~2001）4个气象站的逐日观测资料。 (3) 风速、相对湿度：风速、相对湿度来源于山丹、托勒、野牛沟、张掖、祁连县5个气象站的逐日观测资料。时段为1999~2001。 (4) 太阳辐射：太阳辐射没有相应的观测数据，由模型模拟产生。 d) 土地利用/地面覆盖：1995年土地利用数据，比例尺为1:10万。将其转为ESRI的grid格式，格网大小为50*50m。 e) 气象数据模拟工具（weather generator）数据库：SWAT模型的气象数据模拟工具可以在没有实际日观测数据的情况下，根据多年逐月统计资料模拟计算出模型运行所需要的逐日气象输入数据，也可进行观测资料不全时的插补。气象数据来自周边气象站。
南卓铜
1.数据概述：本数据是利用SWAT模型模拟得到的黑河流域蓝绿水数据 2.数据内容：数据主要包括全流域和各个子流域的蓝绿水及绿水系数 3.时空范围：数据时间是从1975-2004年，空间范围包括34个子流域和黑河全流域
刘俊国
本数据主要包括黑河流域内市、县、乡、村等级居民点分布，数据基准年为2009年。数据系根据已有的黑河流域居民点数据，最新的谷歌电子地图和甘肃省地图册更新得到。数据主要有两个属性即居民点分级和总名称，其中居民点分级按照1级-市，2级-县，3级-乡镇，4级-村进行分类。
国家基础地理信息中心
数据概况：张掖的渠道分为干、支、斗、农、毛五级渠道，其中农渠一般没有衬砌，毛渠为田间工程，所以主要采集了干、支、斗三级渠道和小部分的农渠。灌溉渠系数据包括总干渠（涉及多个灌区）2条，总干渠（单个灌区内）和干渠157条、支渠782条、斗渠5315条，总长度8, 745.0km。 数据采集过程：灌溉渠系数据采集采用遥感判读和GPS实地测量相结合的方法。GPS直接采集渠道是最为有效的方法，但GPS采集渠道工作量太大，我们只在部分灌区验证测量。主要采取的方式是首先收集各水管所手工绘制的灌区示意图，这些示意图大部分没有定位，只有大满、上三等个别灌区基于地形图进行了定位，高台县部分灌区利用GPS对部分渠道进行了定位。参考灌区示意图，基于Quikbird、ASTER、TM遥感影像和1:5万的地形图进行渠道空间定位。对于干渠和支渠，由于在遥感影像上线性特征明显，地形图上一般也有标示，所以可以较为准确的定位。对于斗渠，有高分辨率影像的区域，可以较为准确的定位，其它区域则只能根据模糊的影像线性特征和灌区工作人员的提示信息进行粗略定位，定位精度较低。各水管所同时提供了渠道属性数据，与空间数据进行一一对应。渠道分布图初稿完成后，先后两次提交给各水管所熟悉渠道分布的人员进行校正，第一次主要是剔重补漏，第二次主要校正位置和完善属性数据。 数据内容说明：属性表的字段包括编码、区县名、灌区名、渠道全程、渠道名、渠道类型、位置、总长度、已衬砌、设计流量、设计农田、设计林草、实灌农田、实灌林草、水权面积、备注。编码示例：G06G02Z15D01，其中前第1个字母代表县区名，第2和3个数字代表某县（区）编号，第4-6个字符代表干渠代码，第7-9个字符代表支渠代码，第10-12个字符代表斗渠代码。
马明国
中国西部地区陆面数据同化系统研究项目属于国家自然科学基金“中国西部环境与生态科学”重大研究计划，负责人为中国科学院寒区旱区环境与工程研究所李新研究员，项目运行时间为2003.1-2005.12 该项目汇交数据之一为中国西部地区2002年地表气候要素再分析数据.本数据集是基于美国国家环境预测中心（NCEP）提供的每天1°×1°的基础上生成。但是再分析资料存在以下问题：（1）时间空间分辨率不够高（水平分辨率为1度，时间为6小时）；（2）高原地区低层误差较大；（3）资料是标准等压面资料，需要插值。 中国西部地区2002年地表气候要素再分析数据集是兰州大学隆霄博士和邱崇践教授利用牛顿松弛法资料同化方法（Nudging）将NCEP再分析资料和MM5模式结合起来产生的，包括2002年全年每小时0.25°度的10m水平和垂直风速（m/s）、2m气温（k）、2m混合比、表面压强（Pa）、上行下行短波和长波辐射（w/m2）、对流降水和大尺度降水（mm/s）。 一、制备背景 驱动数据的质量严重影响陆面模型模拟陆面状态的能力，所以陆面建模研究的一个很重要的组成部分就是用来驱动陆面模型的驱动数据。无论这些模型描述地表过程的能力有多逼真，无论他们输入的边界和初始条件有多准确，如果驱动数据不准确的话，他们也不能得出与现实接近的结果。陆面模型如此依赖于外部提供的数据的质量，以至于这些任何一个外部提供的数据有误差的话，都会严重影响陆面模型模拟土壤湿度、径流、雪盖和潜感热通量的能力，这些外部提供的数据包括：降水、辐射、温度、风场、湿度和压强。中国西部地区2002年地表气候要素再分析数据集是利用牛顿松弛法资料同化方法（Nudging）将NCEP再分析资料和MM5模式结合起来生成适合于中国西部复杂地形的具有更高时空分辨率的驱动数据。 二、运行模式的基本参数 1、利用美国PSU/NCAR中尺度模式MM5作为模拟用模式； 模拟网格域的选择：中心（32°N，90°E），网格距为36km，水平格点数为131*151，垂直分辨率为25层，模式顶为100hPa； 2、初始化使用的资料采用美国NCEP的1°*1°的GRIB格点资料； 3、时间步长为120s。 三、物理过程 1、云和降水的物理过程处理：对次网格尺度降水采用Grell积云参数化方案，对可分辨尺度降水采用Reisner混合相微物理显式方案； 2、行星边界层过程采用MRF参数化方案； 3、辐射过程采用CCM2的辐射方案。 四、文件格式和命名 以月为文件夹存储，每月包含每天的24小时的数据。命名规则如下：2002***&.forc，其中***为儒略日，2002***&为时间（小时计），其中.forc是文件扩展名。 五、数据格式 以二进制浮点型存储，每个数据占4个字节。
隆霄, 邱崇践
联系方式
中国科学院西北生态环境资源研究院
0931-4967287
poles@itpcas.ac.cn
关注我们
时空三极环境大数据平台 © 2018-2020 陇ICP备05000491号 | All Rights Reserved
｜ 
京公网安备11010502040845号
数据中心技术支持: 数云软件
