南极半岛植被数据来源于时空三级环境大数据平台的南极先锋植被覆盖分类数据，通过实测光谱匹配遥感影像，应用纯像元PPI提取出苔藓、地衣、岩石、海、积雪的端元波谱和应用线性混合模型LMM（Linear Mixture Model）计算得到。菲尔德斯半岛特色植被覆盖度根据其与丰度的相关线性关系获得。数据格式为geotiff格式。数据内容是南极半岛典型年典型区植被覆盖度。本研究工作通过对南极半岛典型区典型年植被覆盖度后处理后生成tif栅格格式产品，栅格主体数值为植被盖度。本研究得到的南极半岛典型区植被覆盖度是将南极先锋植物丰度数据产品进行镶嵌，包括南极半岛及周边植物丰度数据产品。通过ArcGIS将南极半岛典型区域包括Adley，北部和南部镶嵌在一起，得到包括2008年、2017年和2018年的光谱角匹配法（SAM）和光谱信息散度法（SID）识别出的6幅植被覆盖度图。
叶爱中
沱沱河源区植被类型图是基于 319 个地面采样点数据结合随机森林(RF)分类方法进行创建的。随机森林分类器的16个输入变量包括了Landsat-8的可见光、短波红外和热红外波段值及其反演的植被指数和地表温度数据等。根据研究区的植被特征及多年冻土模拟的需要，该图对高寒沼泽草甸(alpine swamp meadow)、高寒草甸(alpine meadow)、高寒草原(alpine steppe)和高寒沙漠(alpine desert )等4种植被类型进行了分类。图件的空间分辨率为30 m，可以提供更细节的植被类型的位置信息。
邹德富, 赵林, 刘广岳, 杜二计, 胡国杰, 李智斌, 吴通华, 吴晓东, 陈杰
在青海和西藏的荒漠带实地调查了52个样点，于2019年和2020年7-8月植被生长最大时期对植被地上生物量进行实地采样。同时，利用手持 GPS设备，记录了实验位点的经度、纬度和海拔等信息。样方的野外设置方法为：选取一块植被均匀的地段，当植被相对茂盛时样地设置为10米x10米的正方形样地，当植被相对稀疏时样地设置为30米x30米的正方形样地或者30米x90米的长方形样地；在设置好的样地中随机投掷3-5个小样方框（1米x1米），采用样方收割法收集植物样品：在1平方米的样方面积内，登记植物的物种名目，每个物种的株数等信息。并将样方内的各种植物分种齐地面刈割，带回实验室内, 在恒温干燥箱内65℃条件下烘干至恒重, 测定植物样本的干重，计算样方地上生物量。 此外，还通过采样点的经度纬度提取了该52个样点的2种遥感净初级生产力数据。(1) 2000-2018年的增强型植被指数(EVI)，并计算年整合增强型植被指数(iEVI)，iEVI与净初级生产力(NPP)具有高相关性，可作为净初级生产力的替代指标(He et al. 2021, Science of The Total Environment)。(2) 2001-2020年遥感净初级生产力(NPP)及其质量控制百分比(QC)，遥感NPP数据来自MOD17A3HGF Version 6 product (https://lpdaac.usgs.gov/products/mod17a3hgfv006/)，由净光合值（总初级生产力-植物维持呼吸）计算得到。植被覆盖度低的样点，遥感净初级生产力可能存在空值(NA)。
叶建圣
数据包括青藏高原与西北干旱区33个湖泊表层沉积物中植物DNA的原始测序文件。我们使用德国Qiagen公司的PowerMax土壤试剂盒提取DNA，并采用通用植物引物g-h (Taberlet et al., 2007) 对样品中叶绿体trnL (UAA) 内含子区的P6环进行PCR扩增，PCR产物随后送至瑞士Fasteris公司进行第二代高通量双端测序，测序仪器为Illumina NextSeq 550。数据质量分数Q30为81.97。
刘兴起, 贾伟瀚
1)数据内容 包括采样点的观测年份、经纬度、海拔、生态系统类型、不同土层（SOC0-100 (kg Cm-2)； 0-100代表土层）、地下生物量含量。 2）数据来源 此部分数据是从文献中获取,具体文献来源参考说明文档。 3）数据质量描述 数据观测覆盖范围广，包含指标全面，展示了不同土层下的土壤有机碳含量，具有较高的完整性和精确性，能满足对青藏高原草地土壤碳储量的估算。 4）数据应用成果及前景 为预测未来青藏高原土壤的碳源–汇效应及实现生态系统碳可持续发展提供基础数据。
胡中民
1)数据内容 包括采样点的观测年份、经纬度、生态系统类型、年降雨量、干旱指数、年净初级生产力、地上生物量、地下生物量等数据。 2）数据来源 一部分来源于文献（1980-1995），另一部分来源于实地采样（2005-2006）。 3）数据质量描述 数据观测年份长，时间跨度大，覆盖范围广，包含指标多，具有较高的完整性和精确性，能满足对青藏高原草地植被碳储量的估算。 4）数据应用成果及前景 为预测未来青藏高原的碳源–汇效应及实现生态系统碳可持续发展提供基础数据。
胡中民
本数据集是2019年9月川藏铁路沿线典型植被无人机高光谱观测数据，使用的是大疆M600 Resonon成像系统的机载光谱仪。包括2019年在拉萨的草原区域观测的高光谱数据，自带经纬度。高光谱调查时基本为晴天。飞行前进行了白板校准；采集数据时设有靶标（即适于草地的标准反光布），用于光谱校准；设有地面标志点（即有字母的泡沫板照片），并记录了每个标志点的经纬度坐标，用于几何精确校准。无人机高光谱相机记录的dn值，可使用Spectronon Pro软件转换为反射率。高光谱数据用于提取不同植被类型光谱特征、植被分类、反演植被覆盖度等。
周广胜, 汲玉河, 吕晓敏, 宋兴阳
采用计算草地实际净初级生产力，CASA模型是一种光能利用率模型，生产力的估算主要由植物吸收的光合有效辐射（APAR）与光能转化率（ε）2个变量决定。植被所吸收的光合有效辐射（APAR）取决于太阳总辐射和植被对光合有效辐射的吸收比例；采用TEM（Terrestrial Ecosystem Model）模型计算草地潜在生产力，首先计算草地的总初级生产力（GPP），再计算植物自养呼吸（Ra），最后得出草地净初级生产力（NPP）。TEM模型是气候驱动的生产力模型，所需的参数有：植被类型、土壤质地、土壤水分、潜在蒸散、太阳辐射、云量、降水、温度和大气CO2浓度；利用随机森林算法（RF）计算青藏高原草地潜在地上生物量，预测变量包含气候、土壤、地形等14个变量。气候变量包含生长季（5-9月）平均日较差、生长季总降水、生长季平均温度和非生长季（前一年10 - 当年4月）平均日较差、非生长季总降水、非生长季平均温度。地形变量包括高程、坡度、坡向。土壤变量包含土壤质地（砂、粉、粘土含量）、土壤pH值和土壤有机碳。 实际净初级生产力和潜在净生产力数据年限为2000-2017；潜在草地地上生物量数据年限为（2014-2018）。
牛犇, 张宪洲
本数据集以大量的地面实测草地地上生物量数据为基础，以1980s中国植被类型图划分出温性草地类型，借助Google Earth Engine平台上的Landsat遥感数据，在不同草地类型分别构建了草地地上实测生物量-遥感数据的随机森林模型，在验证可靠的基础上，对1993～2019年间逐年的草地地上生物量进行了估算，从而形成了1993～2019年中国北方温性草地地上生物量的逐年空间数据集。地上生物量定义为单位面积内地面以上实存生活的植被有机物质总量。已对原有栅格值乘以系数100，单位：0.01克/平方米（g/m²）。本数据集可为中国北方温性草地资源、生态环境的动态监测和评价提供科学基础。
张娜
1）数据内容：泛第三极地区基于遥感反演的主要生态环境数据，包含PM2.5浓度、森林覆盖率、EVI、土地覆被、CO2等指标；2）数据来源及加工方法：PM2.5数据来源于the Atmospheric Composition Analysis Group Web site at Dalhousie University、森林覆盖度数据来源于MODIS Vegetation Continuous Fields (VCF)，CO2数据来源于ODIAC Fossil fuel emission dataset，EVI数据来源于MODIS Vegetation Index Products，土地覆被数据来源ESA CCI Land cover。提取出泛第三极65个国家和地区，其他未进行加工；3）数据质量描述：数据2000-2015年数据时间序列较好；4）数据应用成果及前景：可用于生态环境变化分析。
李广东
Data set contains tree age of trees growing at different glacier moraines in the central Himalayas. The data were obtained using tree ring samples. Cores samples were collected (almost near to the ground level to estimate the minimum age of the related moraine) using an increment borer. Samples were processed by using standard dendrochronological techniques.
Shalik Ram Sigdel, Hui Zhang, Haifeng Zhu, Sher Muhammad, Eryuan Liang
西亚地区荒漠化专题数据主要包括：西亚地区沙化土地分布图和西亚地区退化草地分布图，空间分辨率为30m。西亚地区沙化土地分布图包含的土地类型有沙地、盐碱地、裸土地和裸岩石砾地，西亚地区退化草地分布图将草地划分为高覆盖草地、中覆盖草地和低覆盖草地三类。数据由中国科学院新疆生态与地理研究所遥感与GIS重点实验室生产，生产费用由“中国科学院战略性先导科技专项XDA20030101资助”，数据空间分辨率为30m。数据主要是基于2015年TM、ETM遥感影像数据，基于去云、镶嵌与裁剪、拼接、阴影处理等预处理，借助eCognition软件进行面向对象的地类分类，实现软件自动分类和人工信息提取相结合，最后对分类结果进行人工检查与修正。数据验证方式为野外实地验证和高精度影像验证两种方式，验证精度达到85%以上。
该数据集是基于MODIS 16天合成的NDVI产品（MOD13Q1 collection6）估算的三江源国家公园区域的植被生长季开始（Start of Season: SOS）和生长季结束的日期（End of Season: EOS）。共用了两种常见的物候期估算方法，分别是基于多项式拟合的阈值提取法（文件名中有poly字符）和基于双逻辑曲线（double logistic function）拟合后的拐点提取法（文件名中有sig字符）。该数据可以用来分析植被物候期与气候变化的关系。时间范围为2001年至2020年。空间分辨率为250m。数据中包含4个子文件夹，CJYYQ_phen是三江源国家公园长江源园区的物候结果，HHYYQ_phen是三江源国家公园黄河源园区的物候结果，LCJYYQ_phen是三江源国家公园澜沧江源园区的物候结果，SJY_phen是整个三江源区域的物候。 数据格式为geotif，建议使用arcmap或者Python+GDAL浏览和处理数据。
王旭峰
PML_V2陆地蒸散发与总初级生产力数据集，包括总初级生产力（gross primary product, GPP），植被蒸腾（vegetation transpiration, Ec），土壤蒸发（soil evaporation, Es），冠层截流蒸发（vaporization of intercepted rainfall, Ei）和水体、冰雪蒸发（ET_water），共5个要素。数据格式为tiff，时空分辨率为8天、0.05°，时间跨度为2002.07-2019.08。 PML_V2在Penman-Monteith-Leuning (PML) 模型的基础上，根据气孔导度理论，耦合了GPP过程。GPP与ET相互制约、相互限制，使得PML_V2在ET模拟精度，相对于以往的模型有很大的提升。PML_V2的参数分不同的植被类型，在全球95个涡度相关通量站上率定。其后根据MODIS MCD12Q2.006 IGBP分类，将参数移植至全球。PML_V2采用GLDAS 2.1的气象驱动和MODIS 叶面积指数(LAI)、反射率(Albedo)，发射率(Emissivity)为输入，最终得到PML_V2陆地蒸散发与总初级生产力数据集。
张永强
南极半岛也叫“帕默尔半岛”或“格雷厄姆地”。位于西南极洲，是南极大陆最大、向北伸入海洋最远（南纬63°）的大半岛，东西濒临威德尔海和别林斯高晋海。南极半岛被称为南极洲的“热带”。这里属于典型的副极地海洋性气候，与南极大陆相比，是南极洲最暖、最湿的地区之一，边缘区域的岛屿分布有少量的先锋植物，主要以苔藓和地衣为主。南极半岛及周边植物丰度数据产品通过实测光谱匹配遥感影像，应用纯像元PPI提取出苔藓、地衣、岩石、海、积雪的端元波谱。应用线性混合模型LMM（Linear Mixture Model）计算得到。
徐希燕
南极半岛也叫“帕默尔半岛”或“格雷厄姆地”。位于西南极洲，是南极大陆最大、向北伸入海洋最远（南纬63°）的大半岛，东西濒临威德尔海和别林斯高晋海。南极半岛被称为南极洲的“热带”。这里属于典型的副极地海洋性气候，与南极大陆相比，是南极洲最暖、最湿的地区之一，边缘区域的岛屿分布有少量的先锋植物，主要以苔藓和地衣为主。南极半岛及周边植物丰度数据产品通过实测光谱匹配遥感影像，应用纯像元PPI提取出苔藓、地衣、岩石、海、积雪的端元波谱。应用线性混合模型LMM（Linear Mixture Model）计算得到。菲尔德斯半岛特色植被覆盖度根据其与丰度的相关线性关系获得。
徐希燕
南极半岛也叫“帕默尔半岛”或“格雷厄姆地”。位于西南极洲，是南极大陆最大、向北伸入海洋最远（南纬63°）的大半岛，东西濒临威德尔海和别林斯高晋海。南极半岛被称为南极洲的“热带”。这里属于典型的副极地海洋性气候，与南极大陆相比，是南极洲最暖、最湿的地区之一，边缘区域的岛屿分布有少量的先锋植物，主要以苔藓和地衣为主。南极半岛及周边植物光谱和标注数据为2018年1月7-22日南极半岛周边菲尔德斯半岛和阿德利岛的9个区域37个样点的光谱数据，为南极植物分布和变化研究提供本底信息。
徐希燕
斯瓦尔巴群岛（又译斯瓦尔巴特、斯匹次卑尔根群岛）。位于北极地区的群岛，是挪威最北界国土范围的属地，它坐落在欧洲大陆北方，于挪威大陆与北极点两者之间。植被主要是地衣和苔藓类，仅有的树木是小极地柳和矮桦木。该地区采集的植被光谱数据集主要是基于北极斯瓦尔巴群岛新奥尔松地区283个样点的先锋植物调查，调查时间为2018年7月6-22日，采集地点包括伦敦岛，黄河站区和冰川前，为北极苔原区植物分布和变化研究提供本底信息。
徐希燕
该数据集包含了2018年长江源区人工采集的土地覆盖及植被类型地面验证点数据集。数据采集中，以用地类型相对较为均一、完整的斑块作为主要采集对象，在区分其他用地类型及植被类型时相对较易识别和辨识，在地物验证中具有较好的代表性。每个样地首先利用差分GPS仪记录经度（度分秒）、纬度（度分秒）、海拔（0.1米）、采集时间等位置信息，然后以人工目视识别的办法记录主要用地类型和性质、特征、建群种等属性信息，以便回实验室验证和核对。最后，对每个样地拍摄不少于1张的景观照片。在本次采集中，90%以上的样点采集了2张及以上实景照片，以便于在土地利用分类及植被类型提取中进行验证和核查。最后，通过与Google地图的位置核对，数据经过了两轮检验和核查，保证了验证点属性的绝对正确性。
王旭峰
该数据集包含了2018年8月黄河源区（扎陵湖北面）人工采集的土地覆盖及植被类型地面验证点数据集。数据采集中，以用地类型相对较为均一、完整的斑块作为主要采集对象，在区分其他用地类型及植被类型时相对较易识别和辨识，在地物验证中具有较好的代表性。每个样地首先利用差分GPS仪记录经度（度分秒）、纬度（度分秒）、海拔（0.1米）、采集时间等位置信息，然后以人工目视识别的办法记录主要用地类型和性质、特征、建群种等属性信息，以便回实验室验证和核对。最后，对每个样地拍摄不少于1张的景观照片。在本次采集中，90%以上的样点采集了2张及以上实景照片，以便于在土地利用分类及植被类型提取中进行验证和核查。最后，通过与Google地图的位置核对，数据经过了两轮检验和核查，保证了验证点属性的绝对正确性。
魏彦强, 王旭峰
该数据集包含了2018年可可西里人工采集的土地覆盖地面验证点数据集。数据采集中，以用地类型相对较为均一、完整的斑块作为主要采集对象，在区分其他用地类型及植被类型时相对较易识别和辨识，在地物验证中具有较好的代表性。每个样地首先利用差分GPS仪记录经度（度分秒）、纬度（度分秒）、海拔（0.1米）、采集时间等位置信息，然后以人工目视识别的办法记录主要用地类型和性质、特征、建群种等属性信息，以便回实验室验证和核对。最后，对每个样地拍摄不少于1张的景观照片。在本次采集中，90%以上的样点采集了2张及以上实景照片，以便于在土地利用分类及植被类型提取中进行验证和核查。最后，通过与Google地图的位置核对，数据经过了两轮检验和核查，保证了验证点属性的绝对正确性。
王旭峰
本数据集根据最新发布的NOAA全球模拟和绘图项目（GIMMS，Global Inventory Monitoring and Modeling System）长序列（1981-2013）均一化植被指数产品，版本号3g，先将NDVI数据产品从1/12度空间分辨率重采样到0.5度，然后对每年的时间序列采用double-logistic方法进行平滑，并计算平滑后的曲率，选取春季曲率最大值作为植被的春季返青期，该数据可分析泛北极植被春季物候的时空特征。
徐希燕
植被调查数据是研究生态系统结构与功能必不可少的数据。藏北地区蕴含广袤的草地生态系统，主要包括高寒草甸、高寒草地、以及高寒荒漠化的草地。由于独特的地理位置以及高海拔缺氧的环境条件，在藏北高原的群落调查数据较为稀少。本课题组基于前期工作的积累，在2017年生长季对整个藏北高原15个县域开展了较为全面的植被调查。本数据集包括藏北样带上从那曲到日土县23个采样点的围栏内外的生物量数据。本数据集可用于生产力的空间分析与模型的校准工作。
张宪洲, 牛犇
本数据集根据NASA EOSDIS LP DAAC 和美国地质调查 USGS EROS共同发布的第六版MODIS均一化植被指数产品（2001-2014）。NDVI的时间分辨率是16天，空间分辨率0.05度，我们先将NDVI数据产品从0.05度空间分辨率重采样到0.5度，然后对每年的时间序列采用double-logistic方法进行平滑，并计算平滑后的曲率，选取春季曲率最大值作为植被的春季返青期，该数据可分析泛北极植被春季物候的时空特征。
美国国家航空航天局, 徐希燕
该数据集为全球生态系统呼吸数据，包含生态系统自养呼吸（Ra）和异养呼吸（Rh）两部分，由耦合模式比较计划第6阶段（CMIP6）中CNRM-CM6-1模式在Historical情景下模拟得到。数据时间范围为1850-2014年，时间分辨率为月，空间分辨率约为1.406°×1.389°。模拟数据详细说明可见链接http://www.umr-cnrm.fr/cmip6/spip.php?article11。
美国气候模式诊断和对比计划委员会
该数据集包含2018年6月5日至12月15日黑河流域地表过程综合观测网中游大满超级站的物候相机观测数据，该仪器由北京师范大学自主研发并进行处理。物候相机集成数据获取与数据传输功能。该物候相机采用垂直向下的方式采集数据，拍摄数据分辨率为1280*720，可指定拍摄时间频率。对于绿度指数物候期计算，需要根据感兴趣区域计算相对绿度指数（GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值），然后进行无效值填充和滤波平滑，最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等；对于覆盖度，首先进行数据预处理，选择光照不太强的图像，然后将图像分割为植被和土壤，计算每张图像的植被像素占计算区域内的比例作为该图像对应的覆盖度，在时间序列数据提取完成以后，再按用户指定的时间窗口对原始覆盖度数据进行平滑滤波，滤波后的得结果为最终的时间序列覆盖度。本数据集包括相对绿度指数（GCC）、物候期及覆盖度（FC）。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)。
屈永华, 徐自为
该数据集包含2018年6月13日至11月16日黑河流域地表过程综合观测网中游阿柔超级站的物候相机观测数据，该仪器由北京师范大学自主研发并进行处理。物候相机集成数据获取与数据传输功能。该物候相机采用垂直向下的方式采集数据，拍摄数据分辨率为1280*720，可指定拍摄时间频率。对于绿度指数物候期计算，需要根据感兴趣区域计算相对绿度指数（GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值），然后进行无效值填充和滤波平滑，最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等；对于覆盖度，首先进行数据预处理，选择光照不太强的图像，然后将图像分割为植被和土壤，计算每张图像的植被像素占计算区域内的比例作为该图像对应的覆盖度，在时间序列数据提取完成以后，再按用户指定的时间窗口对原始覆盖度数据进行平滑滤波，滤波后的得结果为最终的时间序列覆盖度。本数据集包括相对绿度指数（Gcc）。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)。
屈永华, 徐自为
该数据集包含了2018年10月18日至2018年12月31日兰州大学兰州大学寒旱区科学观测网络寺大隆站气象要素梯度观测系统数据。站点位于甘肃张掖市肃南县康乐乡，下垫面是森林。观测点的经纬度是99.926E，38.428N，海拔3146m。二维超声风速/风向传感器和空气温湿度传感器分别架设在0.5m、3m、13m、24m、48m处，共5层；气压计安装在1.5m采集箱内；翻斗式雨量计安装在塔24m处；两个红外温度计分别安装在4m（冠层下）、24m（冠层下）处，探头朝向垂直向下；土壤热通量板（自校正式）（2块）依次埋设在植被下5cm和10cm处；土壤温/湿/电导率传感器和土壤水势传感器埋设在塔南侧植被下5cm、10cm、20cm、40cm、60cm处；光合有效辐射传感器分别安装在4m（冠层下）、24m（冠层下）处；日照时数传感器以及四分量辐射仪安装在24m处。 观测项目有：风速（WS_0.5m、WS_3m、WS_13m、WS_24m、WS_48m）(单位：米/秒)、风向（WD_0.5m、WD_3m、WD_13m、WD_24m、WD_48m）(单位：度)、空气温湿度（TA_0.5m、TA_3m、TA_13m、TA_24m、TA_48m和RH_0.5m、RH_3m、RH_13m、RH_24m、RH_48m）(单位：摄氏度、百分比)、气压（Press）(单位：百帕)、降水量（Rain）(单位：毫米)、四分量辐射（DR、UR、DLR_Cor、ULR_Cor、Rn）(单位：瓦/平方米)、地表辐射温度（IRT_A、IRT_B）(单位：摄氏度)、土壤热通量（Gs_5cm、Gs_10cm）(单位：瓦/平方米)、土壤水分（Ms_5cm、Ms_10cm、Ms_20cm、Ms_40cm、Ms_60cm (单位：百分比)、土壤温度（Ts_5cm、Ts_10cm、Ts_20cm、Ts_40cm、Ts_60cm）(单位：摄氏度) 、土壤水势（SWP_5cm、SWP_10cm、SWP_20cm、SWP_40cm、SWP_60cm）（单位：千帕）、土壤电导率（EC_5cm、EC_10cm、EC_20cm、EC_40cm、EC_60cm）（单位：微西门子/厘米）、光合有效辐射（PAR_A、PAR-B）(单位：微摩尔/平方米秒)、日照时数（Sun_time）（单位：小时）。 观测数据的处理与质量控制：（1）确保每天144个数据（每10min）；该地区土壤水势很低，已超出传感器的测量量程；（2）剔除有重复记录的时刻；（3）删除了明显超出物理意义或超出仪器量程的数据；（4）数据中以红字标示的部分为有疑问的数据；（5）日期和时间的格式统一，并且日期、时间在同一列。如，时间为：2018-6-10 10:30。
赵长明, 张仁懿
该数据集包含2018年5月16日至11月6日黑河流域地表过程综合观测网下游混合林站的物候相机观测数据，该仪器由北京师范大学自主研发并进行处理。物候相机集成数据获取与数据传输功能。该物候相机采用垂直向下的方式采集数据，拍摄数据分辨率为1280*720，可指定拍摄时间频率。对于绿度指数物候期计算，需要根据感兴趣区域计算相对绿度指数（GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值），然后进行无效值填充和滤波平滑，最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等；对于覆盖度，首先进行数据预处理，选择光照不太强的图像，然后将图像分割为植被和土壤，计算每张图像的植被像素占计算区域内的比例作为该图像对应的覆盖度，在时间序列数据提取完成以后，再按用户指定的时间窗口对原始覆盖度数据进行平滑滤波，滤波后的得结果为最终的时间序列覆盖度。本数据集包括相对绿度指数（Gcc）。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)。
屈永华, 徐自为
该数据集包含了2018年6月11日至2018年9月18日的黑河水文气象观测网中游大满超级站叶面积指数观测数据。站点(100.372° E, 38.856° N)位于甘肃省张掖市大满灌区内，海拔1556m，下垫面是玉米。观测样方共计3个，每个样方大小约30m×30m，经纬度范围分别为(100.373297°E~100.374205°E, 38.857871°N~38.858390°N)、(100.373918° E~100.373897°E, 38.854025°N~38.854941°N)、(100.368007°E~100.369044°E, 38.850678°N~38.851580°N)。每个样方内布设5个冠层下节点和1个冠层上节点。 本数据集由叶面积指数无线传感网（LAINet）获取，该仪器原始观测数据为仪器自动获取的每个节点逐日逐小时的光照数据（Level0），利用LAINet软件对原始观测数据进行处理，逐节点计算每天LAI（Level1），进一步对无效值识别与填充，并7天滑动平均消除天气变化对LAI计算的影响（Level2），对有多个LAINet节点的观测子区，节点的均值为该子区的最终观测值（Level3）。 本次发布的数据集为处理后的Level3产品，数据以*.xls格式存储。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)，观测数据处理请参考Qu et al. (2014)。
刘绍民, 屈永华, 徐自为
该数据集包含了2018年6月16日至2018年10月18日的黑河水文气象观测网下游四道桥（包括柽柳与胡杨林）叶面积指数观测数据。站点位于内蒙古额济纳旗四道桥，海拔870 m，下垫面是柽柳与胡杨。观测在四道桥超级站（101.1374E, 42.0012N）和混合林站（101.1335E, 41.9903N）旁开展，样方共计2个，每个样方大小约30m×30m，每个样方内布设5个冠层下节点和1个冠层上节点。 本数据集由叶面积指数无线传感网（LAINet）获取，该仪器原始观测数据为仪器自动获取的每个节点逐日逐小时的光照数据（Level0），利用LAINet软件对原始观测数据进行处理，逐节点计算每天LAI（Level1），进一步对无效值识别与填充，并7天滑动平均消除天气变化对LAI计算的影响（Level2），对有多个LAINet节点的观测子区，节点的均值为该子区的最终观测值（Level3）。 本次发布的数据集为处理后的Level3产品，数据以*.xls格式存储。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)，观测数据处理请参考Qu et al. (2014)。
屈永华, 徐自为
该数据集包含2018年6月15日至11月7日黑河流域地表过程综合观测网下游四道桥超级站的物候相机观测数据，该仪器由北京师范大学自主研发并进行处理。物候相机集成数据获取与数据传输功能。该物候相机采用垂直向下的方式采集数据，拍摄数据分辨率为1280*720，可指定拍摄时间频率。对于绿度指数物候期计算，需要根据感兴趣区域计算相对绿度指数（GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值），然后进行无效值填充和滤波平滑，最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等；对于覆盖度，首先进行数据预处理，选择光照不太强的图像，然后将图像分割为植被和土壤，计算每张图像的植被像素占计算区域内的比例作为该图像对应的覆盖度，在时间序列数据提取完成以后，再按用户指定的时间窗口对原始覆盖度数据进行平滑滤波，滤波后的得结果为最终的时间序列覆盖度。本数据集包括相对绿度指数（Gcc）。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)。
屈永华, 徐自为
该数据集由三部分组成：①2018年8月16日至8月30日在祁连山石羊河流域上游7条支流及下游青土湖进行的植物样地调查数据；②2018年9月25日至10月3日在黑河、疏勒河流域主要支流进行的植物样地调查数据；③2013年8月18日至2018年8月8日在青海湖与黑河流域的植物样地调查数据。第一部分调查涉及草本、灌木、乔木的生长特性与数量信息；第二部分主要调查乔木，对草本仅作粗略估计；第三部分主要调查草甸植被。 三部分调查依据植被类型设置样地，每个样地至少选取 3 个样方(分乔木、灌木、草本)。其中，草本样方面积为 1m×1m 或 0.5m×0.5m；荒漠灌木样方面积为 10m×10m；森林灌丛面积为 2m×2m；灌木灌丛面积4m×4m；乔木样方面积为20m×20m。在每个样方内进行植物群落调查：乔木样方调查主要调查物种数量、物种多度、20株乔木每木检尺（含株高、胸径、冠幅、活枝下高）、样方内全部乔木胸径；灌木样方主要调查全部灌木的物种数量、多度、灌木冠幅、灌木株高；草本样方主要调查草本物种数量、多度或分盖度、平均株高、总盖度，地上生物量。
赵长明, 张立勋, 黄永梅, 袁建立, 张仁懿
该数据集包含了2018年1月1日至2018年12月31日兰州大学兰州大学寒旱区科学观测网络西营河站气象要素梯度观测系统数据。站点位于青海海北门源县仙米乡讨拉村，下垫面是高寒草甸。观测点的经纬度是101.855E，37.561N，海拔3616m。二维超声风速/风向传感器和空气温湿度传感器分别架设在2m、4m、8m处，共3层，朝向正北；气压计安装在1.5m采集箱内；翻斗式雨量计安装在塔4m处；红外温度计安装在4m处，朝向正南，探头朝向垂直向下；土壤热通量板（自校正式）（2块）依次埋设在塔南侧植被下5cm和10cm处；土壤温/湿/电导率传感器和土壤水势传感器埋设在塔南侧植被下20cm和40cm处；光合有效辐射传感器、日照时数传感器以及四分量辐射仪安装在4m处，朝向正南。 观测项目有：风速（WS_2m、WS_4m、WS_8m）(单位：米/秒)、风向（WD_2m、WD_4m、WD_8m）(单位：度)、空气温湿度（Ta_2m、Ta_4m、Ta_8m和RH_2m、RH_4m、RH_8m）(单位：摄氏度、百分比)、气压（Press）(单位：百帕)、降水量（Rain）(单位：毫米)、四分量辐射（DR、UR、DLR_Cor、ULR_Cor、Rn）(单位：瓦/平方米)、地表辐射温度（IRT）(单位：摄氏度)、土壤热通量（Gs_5cm、Gs_10cm）(单位：瓦/平方米)、土壤水分（Ms_20cm、Ms_40cm）(单位：百分比)、土壤温度（Ts_20cm、Ts_40cm）(单位：摄氏度) 、土壤水势（SWP_20cm，SWP_40cm）（单位：千帕）、土壤电导率（EC_20cm、EC_40cm）（单位：微西门子/厘米）、光合有效辐射（PAR）(单位：微摩尔/平方米秒)、日照时数（Sun_time）（单位：小时）。 观测数据的处理与质量控制：（1）确保每天144个数据（每10min）；2018.8.29-10.18由于电池箱进水导致的供电不稳定，气象数据丢失严重未入库；2018.10.18日起2m超声风速/风向传感器故障，该位置风速数据错误；雨量筒程序错误，全年数据无效；由于程序故障，2018.1.1-3.2空气湿度采集错误；（2）剔除有重复记录的时刻；（3）删除了明显超出物理意义或超出仪器量程的数据；（4）数据中以红字标示的部分为有疑问的数据；（5）日期和时间的格式统一，并且日期、时间在同一列。如，时间为：2018-6-10 10:30。
赵长明, 张仁懿
该数据集包含了2018年1月1日至2018年12月31日兰州大学寒旱区科学观测网络连城站气象要素梯度观测系统数据。站点位于甘肃永登连城吐鲁沟国家森林公园吐鲁坪，下垫面是森林。观测点的经纬度是102.737E，36.692N，海拔2903m。二维超声风速/风向传感器和空气温湿度传感器分别架设在4m、8m处，共2层，朝向正北；气压计安装在1.5m采集箱内；翻斗式雨量计安装在塔2m处；红外温度计安装在2m处，朝向正南，探头朝向垂直向下；土壤热通量板（自校正式）（2块）依次埋设在塔南侧植被下5cm和10cm处；土壤温/湿/电导率传感器和土壤水势传感器埋设在塔南侧植被下5cm和10cm处；光合有效辐射传感器、日照时数传感器以及四分量辐射仪安装在4m处，朝向正南。 观测项目有：风速（WS_2m、WS_4m、WS_8m）(单位：米/秒)、风向（WD_2m、WD_4m、WD_8m）(单位：度)、空气温湿度（Ta_4m、Ta_8m和RH_4m、RH_8m）(单位：摄氏度、百分比)、气压（Press）(单位：百帕)、降水量（Rain）(单位：毫米)、四分量辐射（DR、UR、DLR_Cor、ULR_Cor、Rn）(单位：瓦/平方米)、地表辐射温度（IRT）(单位：摄氏度)、土壤热通量（Gs_5cm、Gs_10cm）(单位：瓦/平方米)、土壤水分（Ms_5cm、Ms_10cm）(单位：百分比)、土壤温度（Ts_5cm、Ts_10cm）(单位：摄氏度) 、土壤水势（SWP_5cm，SWP_10cm）（单位：千帕）、土壤电导率（EC_5cm、EC_10cm）（单位：微西门子/厘米）、光合有效辐射（PAR）(单位：微摩尔/平方米秒)、日照时数（Sun_time）（单位：小时）。 观测数据的处理与质量控制：（1）确保每天144个数据（每10min）；2018.5.30-7.6由于供电故障数据丢失；2018.1.1-5.30土壤热通量（5cm）传感器因鼠害断线，无有效数值；由于程序故障，空气湿度采集错误；（2）剔除有重复记录的时刻；（3）删除了明显超出物理意义或超出仪器量程的数据；（4）数据中以红字标示的部分为有疑问的数据；（5）日期和时间的格式统一，并且日期、时间在同一列。如，时间为：2018-6-10 10:30。
赵长明, 张仁懿
该数据集包含了2018年1月1日至2018年12月31日兰州大学兰州大学寒旱区科学观测网络临泽站气象要素梯度观测系统数据。站点位于甘肃张掖临泽新华镇古寨村，下垫面是农田。观测点的经纬度是100.062E，39.238N，海拔1402m。二维超声风速/风向传感器和空气温湿度传感器分别架设在4m、8m处，共2层，朝向正北；气压计安装在1m采集箱内；翻斗式雨量计安装在塔4m处；红外温度计安装在4m处，朝向正南，探头朝向垂直向下；土壤热通量板（自校正式）（2块）依次埋设在塔南侧植被下5cm和10cm处；土壤温/湿/电导率传感器和土壤水势传感器埋设在塔南侧植被下20cm和40cm处；光合有效辐射传感器、日照时数传感器以及四分量辐射仪安装在4m处，朝向正南。 观测项目有：风速（WS_4m、WS_8m）(单位：米/秒)、风向（WD_4m、WD_8m）(单位：度)、空气温湿度（Ta_4m、Ta_8m和RH_4m、RH_8m）(单位：摄氏度、百分比)、气压（Press）(单位：百帕)、降水量（Rain）(单位：毫米)、四分量辐射（DR、UR、DLR_Cor、ULR_Cor、Rn）(单位：瓦/平方米)、地表辐射温度（IRT）(单位：摄氏度)、土壤热通量（Gs_5cm、Gs_10cm）(单位：瓦/平方米)、土壤水分（Ms_5cm、Ms_10cm）(单位：百分比)、土壤温度（Ts_5cm、Ts_10cm）(单位：摄氏度) 、土壤水势（SWP_5cm，SWP_10cm）（单位：千帕）、土壤电导率（EC_5cm、EC_10cm）（单位：微西门子/厘米）、光合有效辐射（PAR）(单位：微摩尔/平方米秒)、日照时数（Sun_time）（单位：小时）。 观测数据的处理与质量控制：（1）确保每天144个数据（每10min）；雨量筒程序错误，雨量数据无效；由于程序故障，空气湿度采集错误；（2）剔除有重复记录的时刻；（3）删除了明显超出物理意义或超出仪器量程的数据；（4）数据中以红字标示的部分为有疑问的数据；（5）日期和时间的格式统一，并且日期、时间在同一列。如，时间为：2018-6-10 10:30。
赵长明, 张仁懿
植被功能型（PFT）是根据植物种的生态系统功能及其资源利用方式而对宠大的植物种进行的组合，每一种植被功能型共享相似的植物属性，是将植物种的多样性简化为植物功能和结构的多样性。植被功能型的概念受到生态学家特别是生态系统建模者的推崇。其基本假设是全球重要的生态系统动态可以通过有限的植被功能型表达和模拟。目前，植被功能型已被广泛用于生物地理模型、生物地球化学模型、陆面过程模型和全球动态植被模型，如美国国家大气研究中心（NCAR）的陆面过程模型已经将原来用土地覆盖信息变为应用植被功能型图（Bonan et al., 2002）。植被功能型已经被用于动态全球植被模型（DGVM）中，用以预测全球变化情景下生态系统结构与功能的变化。 参考全球植被功能型分类体系，根据模型需求，将土地覆盖类型与植被功能型合并考虑，确定该数据的分类体系下表。 1、植被功能型分类体系 1 Needleleaf evergreen tree, temperate 2 Needleleaf evergreen tree, boreal 3 Needleleaf deciduous tree 4 Broadleaf evergreen tree, tropical 5 Broadleaf evergreen tree, temperate 6 Broadleaf deciduous tree, tropical 7 Broadleaf deciduous tree, temperate 8 Broadleaf deciduous tree, boreal 9 Broadleaf evergreen shrub, temperate 10 Broadleaf deciduous shrub, temperate 11 Broadleaf deciduous shrub, boreal 12 C3 grass, arctic 13 C3 grass 14 C4 grass 15 Crop 16 Permanent wetlands 17 Urban and built-up lands 18 Snow and ice 19 Barren or sparsely vegetated lands 20 Bodies of water 2、制图方法 中国1公里植被功能型图是根据Bonan等（Bonan et al., 2002）提出的土地覆盖与植被功能型转换的气候规则，对MICLCover土地覆盖图(冉有华 等，2009；Ran et al., 2012)进行转换。MICLCover土地覆盖图是融合了2000年中国1：10万土地利用数据、中国植被图集（1：100万）的植被型、中国1：10万冰川分布图、中国1：100万沼泽湿地图和MODIS 2001年土地覆盖产品（MOD12Q1）的最新发布的土地覆盖数据，采用IGBP土地覆盖分类系统。评价显示，其可能是目前存在的全国1km尺度上精度最高的土地覆盖图。气候数据利用何杰等(2010)发展的1981-2008年的空间分辨率为0.1度、时间分辨率为3小时的中国大气驱动数据，是我国现存的在全国尺度上具有最高时空分辨率的气候数据，该数据融合了Princeton 陆面模式驱动数据(Sheffield et al., 2006)、GEWEX-SRB 辐射数据(Pinker et al., 2003)、TRMM 3B42 和APHRODITE 降水数据以及中国气象局740个气象台站的观测数据。根据RanYouhua等(2010)的评价结果，GLC2000在目前的全球土地覆盖数据集中，具有相对较高的精度，且其分类系统中没有混交林这一类，因此MICLCover土地覆盖图中的混交林利用GLC2000 (Bartholome and Belward, 2005; 徐文婷 等，2005)中的信息进行了替换。该数据可用于陆面过程模型等相关研究中。
冉有华, 李新
本数据集是2010年青藏高原地区的土地覆被数据，数据为栅格TIFF格式，空间分辨率为300米，包含耕地、林地、草地、水体、城市用地等22个大类，可用于青藏高原城镇化与生态环境交互胁迫的地理本底研究。该数据来自欧空局CCI-LC项目生产的土地覆被数据产品。该数据集采用了WGS84的地理坐标系统，有22个大类。数据的生产融合多种卫星数据资料，包括MERIS FR/RR，AVHRR，SPOT-VGT，PROBA-V等。经验证，该数据集的总体精度在70%以上，当然精度会在不同的地区和覆被类型上存在差异。
杜云艳
该数据集是中国科学院西北高原生物研究所调查的三江源国家公园植物采集布位点信息。该数据集时间范围是2008年至2017年，调查范围是三江源国家公园，调查内容包括采集日期、编号、科、属、种、调查日期、采集地点、采集人、经度、纬度、海拔、生境、鉴定人等信息。对国家公园的三个园区分别进行了调查，在长江源园区调查了24个科56个属的88个种的植被，总共116条记录；在黄河源园区调查了26个科64个属110个种的植被，总共159条记录；在澜沧江源园区调查了12个科22个属30个种的植被，总共33条记录。
高庆波
净初级生产力（NPP）数据基于CASA模型生产，数据内容为三江源地区2010-2015年250米分辨率逐月NPP数据集。净初级生产力定义：绿色植物单位面积、单位时间内所累积的有机物数量。 单位：0.01gC/m²/月。Monthly和Yearly NPP分别表示逐月和逐年NPP。 投影信息： Albers 等积圆锥投影 中央经线：105度 第一割线：25度 第一割线：47度 坐标西偏：4000000 meter
朱伟伟
基于MODIS 2000年至2018年生长季平均的NDVI（空间分辨率250m），利用Mann-Kendall趋势检测方法，计算了NDVI的变化趋势。对三江源国家公园的三个园区都进行了计算(CJYYQ：长江源园区；HHYYQ：黄河源园区；LCJYYQ：澜沧江源园区)。CJYYQ_NDVI_trend_2000_2018_ok.tif：长江源园区NDVI变化趋势。CJYYQ_NDVI_trend_2000_2018_ok_significant.tif：长江源园区NDVI变化趋势，剔除了不显著（p>0.05）的区域。CJYYQ_gs_avg_NDVI_2000.tif：长江源园区2000年生长季平均NDVI。单位为NDVI变化每年。
王旭峰
采用实地调查的方法，收集了青藏高原藏北那曲、东部若尔盖高原、风火山2015-2017年植被地上地下生物量及土壤碳氮数据，并对数据进行整理和初步分析。数据集主要包括不同增温梯度、不同海拔梯度（亚高山草甸、高山草甸、高山灌丛草甸）、不同水分梯度（沼泽湿地、退化沼泽、沼泽草甸、湿草甸、干草甸、退化草甸）和不同沙化程度（轻度沙化、中度沙化、重度沙化、完全沙化）下的高寒地区植被地上和地下生物量以及土壤碳含量。综合分析了以上不同梯度下植被生物量和土壤碳氮含量的差异和变化趋势。该数据集为了解及合理利用草地资源提供理论依据，也为探讨全球气候变化背景下高寒草地生产力预测提供有力支持。
张宪洲, 张扬建, 苏培玺, 杨燕
1:10万黑河流域植被图，区域范围以黄委会黑河边界为准，面积约为14.29×104km2，数据格式为GIS矢量格式，本版本为3.0版。该数据以地面观察数据为主、综合各类遥感数据、1：100万植被图、气候、地形、地貌、土壤数据制图，并进行交叉验证编制而成。采用《中华人民共和国植被图 (1:1,000,000), 2007》的分类标准、图例单位和系统，包括植被型组、植被型、群系、亚群系四个单位。新版主要是对新群系代码进行了统一（共74个代码，区分群系和亚群系）。将2.0版本的9个植被型组，22个植被型，74个群系（亚群系）改为9个植被型组，22个植被型，67个群系（7个亚群系）。 数据包含2.0版本和3.0版本。
郑元润, 周继华
该数据集是NOAA的 Advanced Very High Resolution Radiometer (AVHRR)传感器获取的长时间序列的NDVI数据。该数据集时间范围是1982年至2015年。为了去除NDVI数据中的噪声，进行了最大化合成、多传感器对比纠正。每半个月合成一幅NDVI影像。该数据集在植被长期变化趋势分析中被广泛应用。该数据集是从全球数据集中将三江源部分裁切出来，以便单独开展三江源地区的研究分析。 本数据集数据格式为geotiff，空间分辨率为8km，时间分辨率为2周，时间范围为1982年至2015年。数据转系系数为10000， NDVI = ND/10000。
NOAA
该数据集是MODIS的植被指数数据（MOD13Q1），将三江源区域进行了提取，以便单独开展三江源地区的研究分析。MOD13Q1是16天合成的植被指数，包含归一化植被指数（NDVI）和增强型植被指数（EVI）。三江源的空间范围覆盖两景MODIS文件（h25v05和h26v05）。数据存储格式为hdf，每个文件中包含12个波段：归一化植被指数（NDVI）、增强型植被指数（EVI）、数据质量（VI Quality）、红波段反射率（red reflectance）、近红外波段反射率（NIR reflectance）、蓝波段反射率（blue reflectance）、中红外波段反射率（MIR reflectance）、观测天顶角（view zenith angle）、太阳天顶角（sun zenith angle）、相对方位角（relative azimuth angle）、合成的时间（composite day of the year）和象元可靠性（pixel reliability）. 本数据集数据格式为hdf，空间分辨率250m，时间分辨率是16天，时间范围：2000年2月至2018年10月。
Kamel Didan*, Armando Barreto Munoz, Ramon Solano, Alfredo Huete
该数据集是SPOT卫星上的VEGETATION传感器获取的长时间序列的NDVI数据。该数据集时间范围是1998年5月至2013年。为了去除NDVI数据中的噪声，进行了最大化合成。每10天合成一幅NDVI影像。该数据集是从全球数据集中将三江源部分裁切出来，以便单独开展三江源地区的研究分析。 本数据集数据格式为geotiff，空间分辨率1km，时间分辨率是10天，时间范围：1998年5月至2013年12月。
Image Processing Centre for SPOT-VGT
本数据为小满玉米地（2012-06-25日至2012-08-24日）的LAINet数据集。 测量仪器：北京师范大学自制无线传感器网络叶面积指数观测仪 测量方式：LAINet观测系统由三类传感器节点组成，分别是（1）冠层下节点，传感器近水平向上放置，用来测量冠层透过辐射，（2）冠层上节点，传感器近似水平向上放置，用来测量太阳入射总辐射，（3）汇聚节点，用来接收并转发由（1）和（2）两类节点测量到的数据。 数据处理：从传感器接收到原始数据是按照汇聚节点进行接收的，经过预处理之后形成以天为时间单位的原始数据集。仪器对冠层透过率的观测是通过计算一天之内不同太阳高度角下冠层下透过辐射与冠层上的入射总辐射的比值而得到的。叶面积指数是基于多角度透过率数据进行反演计算得到。 LAINet数据集包括计算的原始LAI数据、经过5天平均之后的LAI数据以及测量节点的经纬度。所有数据以Excel保存。其中5天平均处理后的数据以汇聚节点编号为表单名称，每个表单（sheet）保存是一个汇聚节点下所有子节点的测量数据。原始数据记录了每个节点在所有观测日期内能够计算得到的LAI数值。以上两类数据的每个表单中，各列的含义如下：测量日期，DOY，节点1，节点2，...,节点N。
马明国
该数据集是SeaWiFS获取的长时间序列的NDVI数据。该数据集时间范围是1997年9月至2007年。为了去除NDVI数据中的噪声，进行了最大化合成。每15天合成一幅NDVI影像。该数据集是从全球数据集中将三江源部分裁切出来，以便单独开展三江源地区的研究分析。 本数据集数据格式为geotiff，空间分辨率4km，时间分辨率是15天，时间范围：1997年第256天至2007年第365天。
Charles R. Mcclain
通过燃烧地表植被和土壤有机物质，野火会对冻土环境产生强烈影响。受火灾干扰的植被可能需要许多年才能恢复到火灾前期或成熟水平。在本数据集中，通过量化C 波段和 L 波段 SAR 后向散射 15 年(2002—2017)的变化，用来研究阿拉斯加北坡Anaktuvuk 河流域冻土苔原环境火灾对植被再生长的影响。火灾过后，C 和 L 波段 在严重火灾地区后向散射系数比未烧的地区分别增加了 5.5 和 4.4 dB。火灾发生后 5 年，C 波段背向散射差异在火灾区和未燃烧区之间减小，表明过火地植被水平已恢复到未燃烧区域水平。这种持续恢复时间比基于光学的 NDVI 观测的 3 年恢复要长。此外，在植被恢复 10 年后， L 波段在火灾严重区后向散射比未燃烧区依然约高 2 dB。 这种持续的差异可能是由表面粗糙度增加造成的。我们的分析表明，长期存档的星载 SAR 后向散射可以量化北极苔原环境火灾后植被恢复情况，也可以作为光学观测的补充。 后向散射数据覆盖时间从2002年到2017年，时间分辨率为逐月，覆盖范围为喀阿拉斯加北坡Anaktuvuk 河流区域，空间分辨率为30~100 m，C/L波段数据分开，每月数据的存放一个Geotiff文件。 数据的详细情况见阿拉斯加北坡Anaktuvuk 河流域SAR后向散射数据 -数据说明。
江利明
该数据集是基于MODIS 16天合成的NDVI产品（MOD13A2 collection6）估算的三江源地区的植被生长季开始（Start of Season: SOS）和生长季结束的日期（End of Season: EOS）。分别用了两种常见的物候期估算方法，分别是基于多项式拟合的阈值提取法（文件名中有poly字符）和基于双逻辑曲线（double logistic function）拟合后的拐点提取法（文件名中有sig字符）。该数据可以用来分析植被物候期与气候变化的关系。时间范围为2001年至2014年。空间分辨率为1km。
王旭峰
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
