基于第二次全国土壤调查的中国1:1000000比例尺土壤图和8595个土壤剖面图,以及美国农业部(USDA)中国区域土地和气候模拟标准,开发了一个多层土壤粒度分布数据集(砂、粉土和粘土含量)。 采用多边形链接方法,结合土壤剖面和地图多边形之间的距离、剖面的样本大小和土壤分类信息,推导出砂、粉土和粘土的含量分布图。该数据集分辨率为1公里,可用于区域范围内的土地和气候建模。 数据特征 投影:GCS_Krasovsky_1940 覆盖范围:中国 分辨率:0.00833 度(约一公里) 数据格式:FLT, TIFF 取值范围:0%-100% 文件说明 浮点栅格文件包括: sand1.flt, clay1.flt – 表层(0-30cm) 砂粒、粘粒含量。 sand2.flt, clay2.flt – 底层(30-100cm) 砂粒、粘粒含量。 psd.hdr – 头文件: ncols – 列数 nrows – 行数 xllcorner – 左下角纬度 yllcorner – 左下角经度 cellsize – 单元格大小 NODATA_value – 空值 byteorder - LSBFIRST, Least Significant Bit First TIFF 栅格文件包括: sand1.tif, clay1.tif -表层(0-30cm) 砂粒、粘粒含量。 sand2.tif, clay2.tif -底层(30-100cm) 砂粒、粘粒含量。
上官微, 戴永久
植物功能型(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,每一种植物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。植物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物功能型表达和模拟。目前,植物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物功能型图(Bonan et al., 2002)。植物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。 参考全球植物功能型分类体系,根据模型需求,将土地覆盖类型与植物功能型合并考虑,确定该数据的分类体系下表。 1、植物功能型分类体系 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公里植物功能型图是根据Bonan等(Bonan et al., 2002)提出的土地覆盖与植物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)的植物型、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
中国土地利用现状遥感监测数据库是在国家科技支撑计划、中国科学院知识创新工程重要方向项目等多项重大科技项目的支持下经过多年的积累而建立的覆盖全国陆地区域的多时相土地利用现状数据库。 数据集包括1980年代末期,1990年、1995年、2000年、2005年、2010年,2015年七期,数据生产制作是以各期Landsat TM/ETM遥感影像为主要数据源,通过人工目视解译生成。数据缺少南海部分岛屿数据。 空间分辨率1公里,投影参数:Albers_Conic_Equal_Area 中央经线105,标准纬线1: 25,标准纬线2: 47。 中国土地利用现状遥感监测数据库是目前我国精度比较高的土地利用遥感监测数据产品,已经在国家土地资源调查、水文、生态研究中发挥着重要作用。 土地利用类型包括耕地、林地、草地、水域、居民地和未利用土地6个一级类型以及25个二级类型。
中国科学院资源环境科学数据中心(http://www.resdc.cn/)
基于微波数据同化的中国土壤水分数据集包含2002-2011年3层土壤水分数据(0-5cm,5-20cm,20-100cm)。数据采用Yang et al.(2007) 发展的自动标定参数的陆面同化系统(ITPLDAS),以中国区域高时空分辨率的地面气象要素数据集(ITP-forcing数据集)驱动陆面过程模型SiB2,同化AMSR-E 卫星观测亮温,输出三层土壤水分数据。土壤水分均方根误差:5%VWC(在青藏高原那曲和玛曲的评估精度)。 数据文件名称: Soil-Moisture_from_ITPLDAS_daily_0.25deg_v2.1.nc 数据内容变量描述: 文件主要包括5个变量:lon、lat、lev、time及www; www(time, lev, lat, lon)是土壤水分含量(缺值为:-999.0), 其中lon、lat、lev、time分别是经度、纬度、深度及时间四个维度坐标。 变量单位描述: 土壤水分体积含量(www):m3/m3。 附:ncdump –h 命令可以直接查看头文件信息。
阳坤
该数据由“中国1:100万湿地数据”剪裁而来。 “中国1:100万湿地数据”主要反映2000年代全国沼泽湿地信息,采用十进制度为单位的地理坐标表示,主要内容包括:沼泽湿地的类型、湿地的水源补给类型、土壤类型、主要植被类型、所属地理区域等。执行了《中国可持续发展信息共享系统信息分类与编码标准》。本数据库数据源:1:20沼泽图(内部版)、青藏高原1:50万沼泽图(内部版)、沼泽调查数据1:100万和全国1:400万沼泽图;处理步骤为:数据源选择、预处理、沼泽湿地要素数字化与编码、数据编辑处理、建立拓扑关系、接边处理、投影转换、与地名等属性数据库连结并获取属性数据。
张树清
该数据由“中国1:100万湿地数据”剪裁而来。 “中国1:100万湿地数据”主要反映2000年代全国沼泽湿地信息,采用十进制度为单位的地理坐标表示,主要内容包括:沼泽湿地的类型、湿地的水源补给类型、土壤类型、主要植被类型、所属地理区域等。执行了《中国可持续发展信息共享系统信息分类与编码标准》。本数据库数据源:1:20沼泽图(内部版)、青藏高原1:50万沼泽图(内部版)、沼泽调查数据1:100万和全国1:400万沼泽图;处理步骤为:数据源选择、预处理、沼泽湿地要素数字化与编码、数据编辑处理、建立拓扑关系、接边处理、投影转换、与地名等属性数据库连结并获取属性数据。
张树清
该数据由“中国1:100万湿地数据”剪裁而来。 “中国1:100万湿地数据”主要反映2000年代全国沼泽湿地信息,采用十进制度为单位的地理坐标表示,主要内容包括:沼泽湿地的类型、湿地的水源补给类型、土壤类型、主要植被类型、所属地理区域等。执行了《中国可持续发展信息共享系统信息分类与编码标准》。本数据库数据源:1:20沼泽图(内部版)、青藏高原1:50万沼泽图(内部版)、沼泽调查数据1:100万和全国1:400万沼泽图;处理步骤为:数据源选择、预处理、沼泽湿地要素数字化与编码、数据编辑处理、建立拓扑关系、接边处理、投影转换、与地名等属性数据库连结并获取属性数据。
张树清
该数据由“中国1:100万湿地数据”剪裁而来。 “中国1:100万湿地数据”主要反映2000年代全国沼泽湿地信息,采用十进制度为单位的地理坐标表示,主要内容包括:沼泽湿地的类型、湿地的水源补给类型、土壤类型、主要植被类型、所属地理区域等。执行了《中国可持续发展信息共享系统信息分类与编码标准》。本数据库数据源:1:20沼泽图(内部版)、青藏高原1:50万沼泽图(内部版)、沼泽调查数据1:100万和全国1:400万沼泽图;处理步骤为:数据源选择、预处理、沼泽湿地要素数字化与编码、数据编辑处理、建立拓扑关系、接边处理、投影转换、与地名等属性数据库连结并获取属性数据。
张树清
该数据由“中国1:100万湿地数据”剪裁而来。 “中国1:100万湿地数据”主要反映2000年代全国沼泽湿地信息,采用十进制度为单位的地理坐标表示,主要内容包括:沼泽湿地的类型、湿地的水源补给类型、土壤类型、主要植被类型、所属地理区域等。执行了《中国可持续发展信息共享系统信息分类与编码标准》。本数据库数据源:1:20沼泽图(内部版)、青藏高原1:50万沼泽图(内部版)、沼泽调查数据1:100万和全国1:400万沼泽图;处理步骤为:数据源选择、预处理、沼泽湿地要素数字化与编码、数据编辑处理、建立拓扑关系、接边处理、投影转换、与地名等属性数据库连结并获取属性数据。
张树清
该数据由“中国1:100万湿地数据”剪裁而来。 “中国1:100万湿地数据”主要反映2000年代全国沼泽湿地信息,采用十进制度为单位的地理坐标表示,主要内容包括:沼泽湿地的类型、湿地的水源补给类型、土壤类型、主要植被类型、所属地理区域等。执行了《中国可持续发展信息共享系统信息分类与编码标准》。本数据库数据源:1:20沼泽图(内部版)、青藏高原1:50万沼泽图(内部版)、沼泽调查数据1:100万和全国1:400万沼泽图;处理步骤为:数据源选择、预处理、沼泽湿地要素数字化与编码、数据编辑处理、建立拓扑关系、接边处理、投影转换、与地名等属性数据库连结并获取属性数据。
张树清
该数据由“中国1:100万湿地数据”剪裁而来,得到甘肃省100万湿地数据。 “中国1:100万湿地数据”主要反映2000年代全国沼泽湿地信息,采用十进制度为单位的地理坐标表示,主要内容包括:沼泽湿地的类型、湿地的水源补给类型、土壤类型、主要植被类型、所属地理区域等。执行了《中国可持续发展信息共享系统信息分类与编码标准》。本数据库数据源:1:20沼泽图(内部版)、青藏高原1:50万沼泽图(内部版)、沼泽调查数据1:100万和全国1:400万沼泽图;处理步骤为:数据源选择、预处理、沼泽湿地要素数字化与编码、数据编辑处理、建立拓扑关系、接边处理、投影转换、与地名等属性数据库连结并获取属性数据。
张树清
中国西部地貌信息集成是由中国科学院地理科学与资源环境研究所谢传节博士领导的小组完成的。其中包括1:400万全国地貌数据库和1:100万西部地貌数据库,1:400万地貌数据是追踪收集和整理由中国科学院国家计划委员会地理所编制,李炳元主编的“中国地貌图(1:400万)”和陈志明主编的“中国及其毗邻地区地貌图(1:400万)”。对资料进行扫描配准,利用ArcMap软件将所有配准得图件进行矢量化,并建立各自得分类和代码体系,按照图斑(普染色)和符号将地貌类型分为基本地貌类型和形态结构类型(点、线、面表示),数据分为构造地貌和形态地貌。 投影信息: Projection: Albers False_Easting: 0.000000 False_Northing: 0.000000 Central_Meridian: 105.000000 Standard_Parallel_1: 25.000000 Standard_Parallel_2: 47.000000 Latitude_Of_Origin: 0.000000 Linear Unit: Meter (1.000000) Geographic Coordinate System: datumg Angular Unit: Degree (0.017453292519943299) Prime Meridian: <custom> (0.000000000000000000) Datum: D_Krasovsky_1940 Spheroid: Krasovsky_1940 Semimajor Axis: 6378245.000000000000000000 Semiminor Axis: 6356863.018773047300000000 Inverse Flattening: 298.300000000000010000
程维明, 周成虎
本数据集的源数据来源于第二次土壤普查的1:100万中国土壤图和8595个土壤剖面。本数据包括剖面深度、土层厚度、砂粒、粉粒、粘粒、砾石、容重、孔隙度、土壤结构、土壤颜色、pH值、有机质、氮、磷、钾、可交换阳离子量、可交换的氢、铝、钙、镁、钾、钠离子和根量。数据集还提供了数据质量控制信息。 数据为栅格格式,空间分辨率为30弧秒。为便于使用CLM模型,土壤数据分为8层,最到深度为2.3米 (i.e. 0- 0.045, 0.045- 0.091, 0.091- 0.166, 0.166- 0.289, 0.289- 0.493, 0.493- 0.829, 0.829- 1.383 and 1.383- 2.296 m) 数据文件说明: 1 Soil profile depth PDEP.nc 2 Soil layer depth "LDEP.nc LNUM.nc" 3 pH Value (H2O) PH.nc 4 Soil Organic Matter SOM.nc 5 Total N TN.nc 6 Total P TP.nc 7 Total K TK.nc 8 Alkali-hydrolysable N AN.nc 9 Available P AP.nc 10 Available K AK.nc 11 Cation Exchange Capacity (CEC) CEC.nc 12 Exchangeable H+ H.nc 13 Exchangeable Al3+ AL.nc 14 Exchangeable Ca2+ CA.nc 15 Exchangeable Mg2+ MG.nc 16 Exchangeable K+ K.nc 17 Exchangeable Na+ NA.nc 18 Particle-Size Distribution Sand SA.nc Silt SI.nc Clay CL.nc 19 Rock fragment GRAV.nc 20 Bulk Density BD.nc 21 Porosity POR.nc 22 Color (water condition unclear) Hue Unh.nc Value Chroma Unc.nc 23 Dry Color Hue Dh.nc Value Chroma Dc.nc 24 Wet Color Hue Wh.nc Value Chroma Wc.nc 25 Dominant and Second Structure S1.nc SW1.nc RS.nc 26 Dominant and Second Consistency C1.nc CW1.nc RC.nc 27 Root Abundance Description R.nc
上官微, 戴永久
本研究所用的数据由美国EROS(地球资源观测系统)数据中心的探路者数据库提供,其植被指数NDVI的制备过程为:采用经过辐射校正和几何粗校正的NOAA-AVHRR数据源,再进一步对每日、每轨图像进行几何精校正、除坏线、除云等处理,进而进行NDVI计算及合成。每日的NDVI计算公式为:1000×(b2-b1)/(b2+b1),其中b1、b2为AVHRR的第1、2通道。 Pathfinder AVHRR的参数表 参数/变量 定义 单元 值域 NDVI 归一化植被指数 无 (-1,1) CLAVR标识 从CLAVR算法中的云量指数 无 (0,30) QC标识 数据质量标识 无 (0,16) 扫描角度 传感器的角度 弧度 (-1.05,1.05) 太阳天顶角 每个像元的太阳天顶角 弧度 (0,1.04) 相对天顶角 传感器的相对天顶角 弧度 (-1.05,1.05) Ch1反射率 第一通道的反射率 (0.58-0.68um) 百分比 (0,100) Ch2反射率 第二通道的反射率 (0.72-1.10um) 百分比(0,100) Ch3亮温 第三通道的亮温值(3.55-3.95um) 开氏温标(160,340) Ch4亮温 第四通道的亮温值(10.3-11.3um)开氏温标(160,340) Ch5亮温 第五通道的亮温值(11.5-12.5um)开氏温标(160,340) 数据集包括1981至2001年6月至9月每旬中国子区NDVI的数据及1982、1986、1991和1996年全年各月每旬的数据(共84个月的343幅,其中1981年6月和7月第1旬、1994年9月第3旬缺少数据) 数据集属性及格式: 本数据集以年为文件夹进行存储,其中包含相同文件名下的.HDR头文件、.IMG文件和.JPG图像文件,其中IMG中数据以整数型进行存储。命名规则如下: avhrrpf.*.Intfgl.yymmdd_geo其中*代表ch1或ch2或ch4或ch5或ndvi,其具体含义与值域请参考表 1;yy代表年的末尾两位数;mm代表月份;dd代表具体日期。 数据投影: Size is 963, 688 Coordinate System is: GEOGCS["WGS 84", DATUM["WGS_1984", SPHEROID["WGS 84",6378137,298.257223563, AUTHORITY["EPSG","7030"]], TOWGS84[0,0,0,0,0,0,0], AUTHORITY["EPSG","6326"]], PRIMEM["Greenwich",0, AUTHORITY["EPSG","8901"]], UNIT["degree",0.0174532925199433, AUTHORITY["EPSG","9108"]], AUTHORITY["EPSG","4326"]] Origin = (70.035426000000001,54.945585999999999) Pixel Size = (0.072727000000000,-0.072727000000000) Corner Coordinates: Upper Left ( 70.0354260, 54.9455860) ( 70d 2'7.53"E, 54d56'44.11"N) Lower Left ( 70.0354260, 4.9094100) ( 70d 2'7.53"E, 4d54'33.88"N) Upper Right ( 140.0715270, 54.9455860) (140d 4'17.50"E, 54d56'44.11"N) Lower Right ( 140.0715270, 4.9094100) (140d 4'17.50"E, 4d54'33.88"N) Center ( 105.0534765, 29.9274980) (105d 3'12.52"E, 29d55'38.99"N) Band 1 Block=963x1 Type=UInt16, ColorInterp=Undefined Computed Min/Max=1.000,55480.000
Tucker, C.J., J.E.Pinzon, M.E.Brown
由欧洲联盟委员会赞助的VEGETATION传感器于1998年3月由SPOT-4搭载升空,从1998年4月开始接收用于全球植被覆盖观察的SPOTVGT数据,该数据由瑞典的Kiruna地面站负责接收,由位于法国Toulouse的图像质量监控中心负责图像质量并提供相关参数(如定标系数),最终由比利时弗莱芒技术研究所(Flemish Institute for Technological Research,Vito)VEGETATION影像处理中心(VEGETATION processing Centre,CTIV)负责预处理成逐日1km 全球数据。预处理包括大气校正,辐射校正,几何校正,生产10天最大化合成的NDVI数据,并将-1到-0.1的值设置为-0.1,再通过公式DN=(NDVI+0.1)/0.004转换到0-250的DN值。 该数据集是中国子集提取,包含每10天合成的四个波段的光谱反射率及10天最大化NDVI,为1998-2007年数据,空间分辨率为1km,时间分辨率为逐旬。 文件格式: .hfr和.img文件各一个。 文件命名规则为:CHN_NDV_YYYYMMDD,其中YYYYMMDD就是该文件代表的当天日期,也是区别于其他文件的主要标识。 用户用来分析植被指数的后缀名为.IMG和.HDF的遥感影像文件,都可以在ENVI和ERDAS软件中打开。 坐标系及投影 Plate_Carree (Lon/Lat) PROJ_CENTER_LON 0.000000 PROJ_CENTER_LAT 0.000000 PIXEL_SIZE_UNITS DEGREES/PIXEL PIXEL_SIZE_X 0.0089285714 PIXEL_SIZE_Y 0.0089285714 SEMI_AXIS_MAJ 6378137.000000 SEMI_AXIS_MIN 6356752.314000 UL_LON (DEG) 73.000000 UL_LAT (DEG) 54.000000 LR_LON (DEG) 135.500000 LR_LAT (DEG) 5.000000 角点坐标分别为: Corner Coordinates: Upper Left ( 69.9955357, 55.0044643) Lower Left ( 69.9955357, 14.9955358) Upper Right ( 137.0044641, 55.0044643) Lower Right ( 137.0044641, 14.9955358) 其中Upper Left 为左上角,Lower Left 为左下角,Upper Right 为右上角,Lower Right 为右下角。
Greet JANSSENS, Food and Agriculture Organization of the United Nations(FAO)
SRTM的传感器有两个波段,分别是C波段和X波段,我们现在使用的SRTM都自于C波段。公开发布的SRTM数字高程产品包括三种不同分辨率的DEM 数据: * SRTM1 覆盖范围仅仅包括美国大陆,其空间分辨率为1s ; * SRTM3 数据覆盖全球, 空间分辨率为3s,这是目前使用最为广泛的数据集,SRTM3的高程基准是EGM96的大地水准面,平面基准是WGS84;标称绝对高程精度是±16m,绝对平面精度是±20m。 * SRTM30 数据同样覆盖全球 ,分辨率是30s. SRTM数据存在多个版本,早期的SRTM数据由NASA“喷气推进实验室”(JPL ,Jet Propulsion Laboratory)地面数据处理系统( GDPS)来完成的,数据被称为SRTM3-1。美国国家地理空间情报局对数据做了更进一步的处理,缺少情况得到明显改进,数据称为SRTM3-2。 该数据集主要是第四版本由 CIAT(国际热带农业中心)利用新的插值算法得到的SRTM地形数据,此方法更好的填补了SRTM 90的数据空洞。插值算法来自于Reuter et al.(2007) SRTM的数据组织方式为:每5度经纬度方格划分一个文件,共分为24行(-60至60度)和72列(-180至180度)。文件命名规则为srtm_XX_YY.zip,XX表示列数(01-72),YY表示行数(01-24)。 数据分辨率90米 数据使用:SRTM的数据是用16位的数值表示高程数值的(-/+/32767米),最大的正高程9000米,负高程(海平面以下12000米)。空数据用-32767标准
CGIAR-CSI
该数据集是将沙漠专题地图的图形数据建立的我国第一个1∶10万沙漠空间数据库,重点反映我国沙漠的地理分布、面积大小、沙丘的流动性与固定程度。按照系统设计要求及有关标准,将输入数据进行标准化,统一转换为各类数据输入的标准格式。建库以交付系统运行。 本项目以2000年的TM影像为信息源,在全国土地利用现状图的Coverage和2000年TM数字影像信息,进行解译、提取、修编,利用遥感与地理信息系统技术结合以1:10万比例尺专题图成图要求,对我国的沙漠、沙地和砾质戈壁进行了专题制图。1∶10万全国沙漠分布图可以使用户在从事资源与环境的研究工作时节省大量的数据录入和编辑工作。数字地图能非常方便地转化为版式地图 数据集属性如下: 分为e00和shp两个文件夹: 文件夹内各省沙漠分布图名称与省份对照表 01 Ahsm 安徽省 02 Bjsm 北京市 03 Fjsm 福建省 04 Gdsm 广东省 05 Gssm 甘肃省 06 Gxsm 广西壮族自治区 07 Gzsm 贵州省 08 Hebsm 河北省 09 Hensm 河南省 10 Hljsm 黑龙江省 11 Hndsm 海南省 12 Hubsm 湖北省 13 Jlsm 吉林省 14 Jssm 江苏省 15 Jxsm 江西省 16 Lnsm 辽宁省 17 Nmsm 内蒙固自治区 18 Nxsm 宁夏回族自治区 19 Qhsm 青海省 20 Scsm 四川省 21 Sdsm 山东省 22 Sxsm 陕西省 23 Tjsm 天津市 24 Twsm 台湾省 25 Xjsm 新疆维吾尔自治区 26 Xzsm 西藏自治区 27 Zjsm 浙江省 28 Shxsm 山西省 1、数据投影: Projection: Albers False_Easting: 0.000000 False_Northing: 0.000000 Central_Meridian: 105.000000 Standard_Parallel_1: 25.000000 Standard_Parallel_2: 47.000000 Latitude_Of_Origin: 0.000000 Linear Unit: Meter (1.000000) 2、数据属性表:area(面积) perimeter(周长) ashm_(序列码) class(沙漠编码) ashm_id(沙漠编码) 3、沙漠编码:流动沙地 2341010 半流动沙地 2341020 半固定沙地 2341030 戈壁 2342000 盐碱地 2343000 4:文件格式:全国、分省及县级沙漠图的数据类型为矢量型的shapefile和E00 5:文件命名: 基于国家基本资源与环境遥感动态信息服务系统数据组织在Windows NT的文件管理层面上进行,文件和目录名采用英文字和数字的复合名称,分省沙漠图以省、区名拼音+SM构成,如甘肃省沙漠分布图即为GSSM。旗、县沙漠图为省区名拼音+xxxx,xxxx为旗、县代码后四位数值,如兰州沙漠图命名为GS0101。省、区和旗、县的分幅切割以国家级基本资源与环境遥感动态信息服务运行系统中的行政区划数据文件为据。
王建华, 王一谋, 颜长珍, 祁元
沙漠化是我国北方干旱、半干旱及部分半湿润地区由于人地关系不相协调所造成的以风沙活动为主要标志的土地退化。 数据源:中国冰川冻土沙漠研究所编绘,中国科学院地理研究所协作,根据七十年代航片,加上实地调研,绘制的1:200万沙漠图,图中中国国界是根据地图出版社一九七一年出版的1:400万《中华人民共和国地图》地图绘制。 一、数据集内容 1、Desert_Ch_2009(沙漠分布) 2、Dune_hight_Ch_200(沙丘高度) 3、Gobi_Ch_200(戈壁) 4、Wind_eroded_land_Ch_200(风蚀地数据) 二、沙漠化属性表字段如下: (1)Semifixed(半固定沙丘):缓起伏沙地(2-1)、灌丛沙丘(2-2)、抛物线状沙丘(2-3)、梁窝状沙丘(2-4)、沙垄及树枝状沙垄(2-5)、蜂窝状沙丘(2-6)、蜂窝状沙垄(2-7)、复合型沙垄(2-8) (2)Fixation(固定沙丘):平沙地(3-1)、草原丛沙堆(3-2)、沙垄(3-3)、蜂窝状沙丘(3-4) (3)Migratory(流动沙丘):新月形沙丘及沙丘链(1-1)、新月形沙垄及沙垄(1-2)、格状沙丘及格状沙丘链(1-3)、鱼鳞状沙丘(1-4)、羽毛状沙垄(1-5)、金字塔沙丘(1-6)、复合型沙丘及沙丘链(1-7)、复合型沙垄(1-8)、复合型穹状沙丘(1-9)、链状沙山(沙丘)(1-10)、迭置型链状沙山(1-11)、复合型垄状沙山(1-12)、复合型链状沙山(1-13)、金字塔形沙山(1-14) (4)class_id:沙化属性编码 三、投影信息 PROJCS["Albers", GEOGCS["GCS_Beijing_1954", DATUM["Beijing_1954", SPHEROID["Krasovsky_1940",6378245.0,298.3]], PRIMEM["Greenwich",0.0], UNIT["Degree",0.0174532925199433]], PROJECTION["Albers_Conic_Equal_Area"], PARAMETER["False_Easting",0.0], PARAMETER["False_Northing",0.0], PARAMETER["longitude_of_center",105.0], PARAMETER["Standard_Parallel_1",25.0], PARAMETER["Standard_Parallel_2",47.0], PARAMETER["latitude_of_center",0.0], UNIT["Meter",1.0]]
王建华
本数据采用土壤转换函数以砂粒、粉粒、粘粒、有机质、容重作为输入估计出土壤水文参数,包括Clapp and Hornberger函数和van Genuchten and Mualem函数的参数、田间持水量和凋萎系数。中位数和变异系数(CV)提供的估计。 数据集为栅格格式,分辨率为30弧秒,土壤垂直分层为7层,最大厚度1.38米(即0 - 0.045,0.045 - -0.091,0.091 - -0.166,0.166 - -0.289,0.289 - -0.493,0.493 - -0.829,0.829 - -1.383米)。 数据采用NetCDF格式存储,数据文件名称及其说明如下: 1.THSCH.nc: Saturated water content of FCH 2.PSI_S.nc: Saturated capillary potential of FCH 3.LAMBDA.nc: Pore size distribution index of FCH 4.K_SCH.nc: Saturate hydraulic conductivity of FCH 5.THR.nc: Residual moisture content of FGM 6.THSGM.nc: Saturated water content of FGM 7.ALPHA.nc: The inverse of the air-entry value of FGM 8.N.nc: The shape parameter of FGM 9.L.nc: The pore-connectivity parameter of FGM 10.K_SVG.nc: Saturated hydraulic conductivity of FGM 11.TH33.nc: Water content at -33 kPa of suction pressure, or field capacity 12.TH1500.nc: Water content at -1500 kPa of suction pressure, or permanent wilting point
上官微, 戴永久
冻土图的编制依据包括:(1)冻土野外调查、勘探实测资料;(2)航空像片和卫星影像判译;(3)TOPO30 1km分辨率的地面高程数据;(4)气温和地面温度资料。其中,青藏高原的冻土分布采用了南卓铜等(2002)的研究结果,利用青藏公路沿线76个钻孔实测年平均地温数据,进行回归统计分析,获取年平均地温与纬度、高程的关系,并基于该关系,结合GTOPO30高程数据(美国地质调查局地球资源观测与科技中心领导下发展的全球1km数字高程模型数据)模拟得到整个青藏高原范围上的年平均地温分布。以年平均地温0.5 ℃作为多年冻土与季节冻土的界限,参考《中国冰雪冻土图》(1:400万)(施雅风 等,1988)划定高原不连续多年冻土与高原岛状多年冻土的界限;另外,参考东北大小兴安岭多年冻土分区图(郭东信 等,1981)、环北极多年冻土和地下冰分布图(Brown et al. 1997)和最新野外实测资料,对东北的多年冻土界线进行了修订;西北高山多年冻土界线多采用了《中国冰雪冻土图》(1:400万)(施雅风 等,1988)中划定的界线。 根据该数据统计的中国多年冻土区面积约1.75×106km2,约占中国领土的18.25%。其中,高山多年冻土0.29×106km2,约占我国领土面积的3.03%。 更多信息参考《1:400万中国冰川冻土沙漠图》说明书(中国科学院寒区旱区环境与工程研究所,2006)
王涛
联系方式
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