本数据集包括祁连山地区2002年6月19日至2018年12月30日SMAP时间扩展日0.25°×0.25°地表土壤水分产品。采用随机森林方法，利用AMSR-E和AMSR2 6.925 GHz V/H，10.65 GHz V/H及36.5 GHz V五个通道的亮温数据及相关辅助数据，实现对SMAP L3级地表土壤水分产品的时间扩展。参与训练随机森林模型的辅助数据包括IGBP地表分类数据，GTOPO30 DEM数据以及经/纬度等信息。
柴琳娜, 朱忠礼, 刘绍民
湖泊的形成与消失、扩张与收缩对生态环境演化和社会经济发展都有重要影响。由于受气候、生态环境和人类活动等因素的综合影响，湖泊水域范围的变化速度快、幅度大，对观测的频率和分布都有很高的要求。近几十年以来，卫星遥感技术以其快速、覆盖面广、成本低廉等优点，为较大区域的湖泊动态监测提供了重要数据基础。针对大范围、高精度、长时间序列的湖泊变化分析对遥感数据时空分辨率的需求，本数据集基于 Landsat 卫星数据的自动湖泊提取方法（Feng et al., 2015），利用 2000 年以来的 Landsat 多颗卫星的观测数据，收集了2000 年以来的云量小于 80%的所有Landsat 数据，获得共 96278 景影像（约 25T 数据量），结合高性能数据存储和处理能力，提取了青藏高原和中亚地区 2000-2015 年湖泊分布记录，形成了时空一致的逐月水域范围数据集。利用分层随机采样采集样点，通过人工解译，获取能够代表不同时空分布的验证样点。评价结果表明：研究区时间序列水体数据总体精度为 99.45%(±0.59)，水体用户精度（错分）为 85.37% （±3.74），制图精度(漏分)为 98.17%（±1.05）。
冯敏, 车向红
本数据集包括祁连山地区1980、1985、1990、1995和2000年SMAP时间扩展月值0.25°×0.25°地表土壤水分产品。采用随机森林方法，利用SMMR，SSM/I和SSMIS 19 GHz V/H及37 GHz V三个通道的亮温数据及相关辅助数据，实现对SMAP L3级地表土壤水分产品的时间扩展。参与训练随机森林模型的辅助数据包括IGBP地表分类数据，GTOPO30 DEM数据，以及经/纬度等信息。
柴琳娜, 朱忠礼, 刘绍民
本数据为祁连山地区1980-2015年地表水体（包括液态水、冰川及多年积雪）分布产品。采用经典归一化水体指数法（Normalized Difference Water Index , NDWI）和人工修正的方法提取。原始基础数据为1978-2018年祁连山全境的Landsat系列影像。参考数据为谷歌影像和哨兵2号影像。产品以shp文件格式存储，包含坐标系、水体面积等属性。产品分为8期，时间分辨率为5年，空间分辨率为30米，边界精度在30米（一个像元）左右。该产品直观地反映了祁连山水体在近35年内的分布时序变化，可用于流域水资源定量估计研究。
李佳, 李建江
本数据集是2012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
该数据集为收集到的资源三号02星的遥感影像。资源三号02星（ZY3-02）于2016年5月30日11时17分，在我国在太原卫星发射中心用长征四号乙运载火箭成功将资源三号02星发射升空。将进一步加强国产卫星影像在国土测绘、资源调查与监测、防灾减灾、农林水利、生态环境、城市规划与建设、交通等领域的服务保障能力。文件列表： ZY302_PMS_E98.8_N37.4_20170707_L1A0000156704 ZY302_PMS_E100.4_N37.0_20171127_L1A0000217243 ZY302_TMS_E99.5_N37.0_20170717_L1A0000160059 ZY302_TMS_E100.3_N36.6_20171127_L1A0000217279 ZY302_TMS_E100.4_N37.0_20170529_L1A0000139947 文件夹命名规则：卫星名称_传感器名称_中心经度_中心纬度_获取时间_L1****
中国资源卫星应用中心
该数据集为高分一号卫星遥感数据，包括2017-8-13、2017-10-5 两景PMS1相机的数据，2017-5-27日一景PMS2相机的数据，2018-9-23日WFV2和WFV3相机影像各一景。文件列表： GF1_PMS1_E99.1_N37.2_20170813_L1A0002539236 GF1_PMS1_E101.2_N36.4_20171005_L1A0002653985 GF1_PMS2_E100.3_N37.7_20170527_L1A0002384098 GF1_WFV2_E98.4_N37.6_20180927_L1A0003481737 GF1_WFV3_E100.4_N37.3_20180927_L1A0003481706
周圣明
该数据集为收集到的资源三号卫星的遥感影像。资源三号卫星（ZY-3）于2012年1月9日成功发射。该卫星的主要任务是长期、连续、稳定、快速地获取覆盖全国的高分辨率立体影像和多光谱影像，为国土资源调查与监测、防灾减灾、农林水利、生态环境、城市规划与建设、交通、国家重大工程等领域的应用提供服务。文件列表： ZY3_MUX_E99.8_N36.6_20171011_L1A0003817398 ZY3_MUX_E99.9_N37.0_20171011_L1A0003817397 ZY3_MUX_E100.0_N37.4_20171011_L1A0003817396 ZY3_MUX_E100.1_N36.6_20170625_L1A0003738882 ZY3_MUX_E100.8_N36.6_20170710_L1A0003748776 ZY3_MUX_E100.9_N37.0_20170710_L1A0003748775 ZY3_NAD_E99.8_N36.6_20171011_L1A0003817439 ZY3_NAD_E99.9_N37.0_20171011_L1A0003817438 ZY3_NAD_E100.0_N37.4_20171011_L1A0003817437 ZY3_NAD_E100.1_N36.6_20170625_L1A0003746917 ZY3_NAD_E100.8_N36.6_20170710_L1A0003748580 ZY3_NAD_E100.9_N37.0_20170710_L1A0003748579
中国资源卫星应用中心
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/)
本数据集为青藏高原黄河源区2015年逐像素年内最大植被覆盖度空间分布图，该区域的面积约为4.4万平方公里。此数据是基于2015年MODIS（空间分辨率250米） 和Landsat-8 OLI（空间分辨率30米）植被生长季（5月初-9月末）的时间序列影像，并利用最大值合成方法、像元二分模型和时间插值等方式获得。植被覆盖度空间分布图的空间分辨率为30米，采用WGS 1984 UTM 投影，数据格式为grid格式。
王广军
基于Google earth高清卫星影像，根据青藏高原矢量图，通过目视解译获取青藏高原全区2018年设施农业用地。所用影像拍摄时间集中于2017.11—2018.11。其中，基于2018年影像提取的设施农业面积约占总面积的70.47%；基于2017年11月以来拍摄影像提取的设施农业面积占比更是高达86.87%；部分地区影像拍摄时间相对较早，但多人烟稀少，没有或很少有设施农业分布，对研究结果影响不大。该数据有利于充分摸清青藏高原全区设施农业的空间分布情况，有利于当地设施农业空间规划调整。
吕昌河, 魏慧
遥感影像解译标志也称判读要素，它能直接反映判别地物信息的影像特征，解译者利用这些标志在图像上识别地物或现象的性质、类型或状况，因此它对于遥感影像数据的人机交互式解译意义重大。本数据建立解译标志所采用的影像避免了植被覆盖度高的夏季，也避免了积雪较多、云层遮盖或烟雾影响较大的数据，并按照基础地理信息数据提取要求选择遥感影像波段组合顺序及与全色波段进行融合。在对数据进行增强处理时，避免引起信息损失。在影像上选择典型的标志建立区的要求是：范围适中以便反映该类地貌的典型特征，尽可能多的包含该类地貌中的各种基础地理信息要素类且影像质量好。标志区的选取完成后，寻找标志区内包含的所有基础地理信息要素类，然后选择各类典型图斑作采集标志，然后去实地进行野外校验，通过均匀布点采样设计（约52km为间隔均匀采点），收集整理了采样参考点3429个，照片数1870个，建立了解译标志库，并对不合理的部分进行修改，直到与实地相符为止。同时拍摄该图斑地面实地照片，以便于影像和实际地面要素建立关联，表达遥感影像解译标志的真实性和直观性，加深使用者对解译标志的理解。
刘铁
中亚地区荒漠化（土地沙化、盐渍化和植被退化）专题数据主要包括：中亚地区沙化土地分布图、中亚地区盐渍化土地分布图和中亚地区土地植被退化分布图，空间分辨率为1km，时间分辨率为年。中亚地区盐渍化土地分布图将盐渍化土地分为了轻度、中度、重度和极重度盐渍化土地四类。中亚地区土地植被退化分布图将植被退化状况分为了显著改善、轻微改善、稳定或无植被、轻微退化和显著退化五类。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”。
许文强
中亚-西亚地区典型流域荒漠化关键要素数据集由4部分组成，分别是阿姆河流域农用地分布及变化、阿姆河流域草地分布及变化、阿姆河流域灌丛分布及变化和阿姆河流域森林分布及变化，数据空间分辨率为30m。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，数据生产费用由“中国科学院战略性先导科技专项XDA20030101资助”。阿姆河流域荒漠化关键要素数据集由1990年、2000年和、2010年三期数据组成，是基于TM/ETM遥感影像解译获得。
中亚-西亚地区荒漠化关键要素数据集（阿姆河流域）主要包括：阿姆河流域湖泊分布图、植被覆盖度图和净初级生产力图，其中阿姆河流域湖泊分布图和植被覆盖度图空间分辨率为30m，时间分辨率为1990、2000和2010年三期；净初级生产力图空间分辨率为500m，时间分辨率为2001和2010年两期（由于1990年还没有发射MODIS卫星，所以没有1990年数据）。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”。阿姆河流域湖泊分布和植被覆盖度数据是基于1990年、2000年和2010年TM/ETM遥感影像解译和计算得出。净初级生产力数据是基于MODIS影像数据计算的净初级生产力（NPP）年累计值。
许文强
MODIS土地覆盖类型产品第六版（MCD12Q1_v06）是根据一年的Terra和Aqua观测所得的数据经过处理，描述土地覆盖的类型产品。该土地覆盖数据集中包含了17个主要土地覆盖类型，根据国际地圈生物圈计划（IGBP），其中包括11个自然植被类型，3个土地开发和镶嵌的地类和3个非草木土地类型定义类。 1-常绿针叶林；2-常绿阔叶林；3-落叶针叶林；4-落叶阔叶林；5-混交林；6-稠密灌丛；7-稀疏灌丛；8-木本稀树草原；9-稀树草原；10-草地；11-永久湿地；12-农用地；13-城市和建筑区；14-农用地/自然植被拼接；15-雪和冰；16-裸地；17-水 为了便于用户使用方便，在分块数据的基础上，我们将0-90N，0-180E内所有区块进行拼接，没有经过任何重采样处理。数据分辨率为500m，投影为正弦投影 数据下载地址：https://ladsweb.modaps.eosdis.nasa.gov/search/order/1/MCD12Q1--6
何永利, 美国陆面过程数据分发中心
1.数据来源： MODIS/Terra Vegetation Indices 16-Day L3 Global 250m SIN Grid V006产品（2000-2017） 下载地址 https://search.earthdata.nasa.gov/ 2.数据名称： （1）resize为批量裁剪过程中自动生成，表示已经过掩膜提取，处理后数据范围为新疆自治区； （2）七位数字代表数据获取时间，前四位为年份，后三位表示一年中的第几天。如“2000049”，表示数据获取年份为2000年，具体时间为当年第49天； （3）250m表示地面分辨率，即250米； （4）16_days表示时间分辨率，即16天； （5）NDVI表示数据类型，即归一化植被指数； 3.数据时间范围： 2000049-2017353，数据间隔为16天； 4..tif文件与.hdr文件 .tif文件为原始NDVI数据，同名.hdr文件为支持.tif文件正常使用的掩膜数据，请勿删除或重命名； 5. 用于冰冻圈生态效应分析
吴雪娇
数据来源于美国地质勘探局（USGS）开发的30秒全球高程数据集，于1996年完成。从NCAR和UCAR联合的数据下载中心（https://rda.ucar.edu/datasets/ds758.0/）下载了泛第三极区域的数据，并通过数据中心重新分发。GTOPO30在分发时将全球分为33个区块，采样间隔为30弧秒， 即0.008333333333333度，坐标参考为WGS84，其值为垂直方向高出海平面的距离，即海拔，单位为m，海拔范围-407到8752，这里不包含海洋深度信息，负值为大陆架的海拔；海洋处标记为-9999，海岸线以上大陆海拔至少为1；小于1平方千米的岛不考虑。详细说明信息请见说明文档。 为了便于用户使用方便，在分块数据的基础上，将-10S-90N，20W-180E内10个区块进行拼接，没有经过任何重采样处理。本数据文件为DEM_ptpe_Gtopo30.nc
何永利
植被指数是反映植被物候变化的关键参数，高时间和空间分辨率的植被指数数据能够为全球变化研究提供可靠数据支持。目前，MODIS卫星数据产品是获取植被指数的一项重要数据源。MOD13Q1以每像素为基础提供植被指数（VI）值。有2个主要植被层。第一个是归一化差异植被指数（NDVI），第二个植被层是增强植被指数（EVI）。以17个关键节点为研究区域，基于2000至2016年MOD13Q1数据，对不同地区植被的NDVI、EVI各种数据进行了裁剪和估算，最终得到了关键节点区域2000-2016年16天百米级植被指数数据。
葛咏, 凌峰, 张一行
数据包含青藏高原地区的植被指数数据，空间分辨率为1000m，时间分辨率为16d，时间覆盖范围为2000年、2005年、2010年、2015年。数据来源为MOD13A2(C6)。植被指数是研究植被覆盖时空演变特征的常用遥感数据处理模型。植被指数（NDVI）是根据植被的光谱特性，将卫星可见光和近红外波段进行组合,形成的各种植被指数。植被指数是对地表植被状况的简单、有效和经验的度量。数据对于分析青藏高原的生态环境有重要意义。
杨飞
基于2015年欧空局全球陆地覆盖数据（ESA CCI-LC，300m栅格），结合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（MCD12Q1，300m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），构建了“一带一路”区域LUCC分类系统以及其余数据分类系统的转换规则，构建土地覆被分类置信度函数和地类融合规则，进行土地覆被产品融合与修正，完成了“一带一路”区域土地利用数据V1.0（64+1个国家，2015，1 km×1 km栅格，一级分类）。
许尔琪
阿姆河流域土地利用分布图包括1990年、2000年、2010年和2015年四期数据，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，数据空间分辨率为30m。数据生产费用由“中国科学院战略性先导科技专项XDA20030101资助”。阿姆河流域土地利用分布图是基于1990年、2000年、2010年和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。土地利用类型二级类有25个，分别是水田、水浇地、旱地、有林地、灌木林地、疏林地、其他林地、高覆盖度草地、中覆盖度草地、低覆盖度草地、城镇用地、农村居民点、其他建设用地、机场用地、河渠、湖泊、水库坑塘、永久性冰川雪地、滩地、沙漠、戈壁、盐碱地、湿地、裸土地和裸岩石砾地。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，解译精度达到85％。
许文强
阿拉木图土地使用数据，分辨率30米，数据格式为TIF，时间分别为1990.05.03和2018.04.14。数据来源GLC，其全球陆地覆盖数据的原始数据来自Envisat卫星，由MERIS（Medium Resolution Imaging Spectrometer）传感器拍摄完成。目前共有两期，GlobCover（Global Land Cover Map）和GlobCover （Global Land Cover Product）.
黄金川, 马海涛
土地利用/覆被是环境问题与灾害风险防控研究最基础的本底数据。在分析现有土地利用产品的基础上，基于10m分辨率的多时相Sentinel数据，对其进行大气校正、辐射定标、裁剪等预处理后，采用eCognition平台的面向对象遥感分类方法，多尺度分割、构建特征空间、对关键节点区域土地利用/覆被进行遥感监测。分类体系为：10.Forest森林；20.Cultivated Land 耕地；21.Paddy filed 水田；22.Dry farmland 旱地；30.Water 水体；31.River 河流；32.Lake 湖泊（含水库、坑塘）；33.wetland 沼泽湿地；40.Artificial surface 人工表面；43. Mining area 采矿区；50.Bareland 裸土、裸岩、荒漠等；60.Grassland 草地；70.Shrubland 灌丛。基于有限样本对数据进行精度分析，分类精度约在90%以上，数据质量精度有待进一步分析。本年度获取了8个节点区域（缅甸皎漂港、仰光、吉布提、曼德勒、汉班托塔港、科伦坡港、泰中罗勇工业区、曼谷）2017年10m分辨率的土地利用/覆被数据。
王立辉
基于环境敏感区指数（ESAI）方法，计算获得中西亚的栅格荒漠化风险数据。ESAI方法考虑土壤，植被，气候和管理质量，是监测荒漠化风险最广泛的方法之一。根据ESAI指标框架，选择了14个指标计算四个质量领域，每个质量指数均由几个指标参数计算获得。参考前人研究，确定每个参数分类及其阀值。然后，根据每个类别在荒漠化的敏感性中的重要性以及与荒漠化过程的开始或不可逆转的退化关系，把每个类别分配了1（最低敏感度）和2（最高敏感度）之间的敏感性得分。关于如何选取指标以及与荒漠化风险和得分相关性，在Kosmas的研究中提供了更全面的描述。主要指标数据集来源于联合国粮农组织的世界土壤数据，欧空局的土地覆盖数据和AVHRR数据。所有栅格数据集重采样到1km并合成年度值。尽管验证综合评估指数存在困难，但根据ESAI值的时空比较，对荒漠化风险进行了间接验证，包括对ESAI与稀疏植被和草地转变关系的定量分析和分析ESAI与植被净初级生产力之间的关系。验证结果表明中西亚地区的荒漠化风险数据精度可靠。
许文强
塔什干土地使用数据，分辨率30米，数据格式为TIF，测量时间分别为1990.03.03和2018.03.16。数据来源GLC，其全球陆地覆盖数据的原始数据来自Envisat卫星，由MERIS（Medium Resolution Imaging Spectrometer）传感器拍摄完成。目前共有两期，GlobCover（Global Land Cover Map）和GlobCover （Global Land Cover Product）
黄金川, 马海涛
青藏高原生态资产评估遥感反演基础数据集包括了青藏高原自2000年起年度的植被覆盖度(FVC)，净初级生产力(NPP)和叶面积指数(LAI)等基于遥感反演的生态参数，以供区域尺度生态资产评估研究使用。其中净初级生产力数据基于CASA模型的NPP估算方法完成。在某些极端或环境因子迅速变化的情况下，如果完全适应不可能，或者植物还来不及适应新的环境，NPP则受到最紧缺资源的限制，它们可以通过一个转换因子连接起来，这一转换因子可以是一个复杂的模型，也可以是一个简单的比率常数。
刘文俊
生态系统总初级生产力（ Ecosystem Gross Primary Productivity, GPP）是全球变化研究中的关键参数，为应用生态学方法研究生态系统的碳通量、碳储量以及碳循环过程，评价生态系统在全球的碳平衡以及区域贡献和响应提供了基础。目前，MODIS卫星数据产品是反演生态系统总初级生产力的一项重要数据源。以18个关键节点为研究区域，基于2000至2016年MOD17A2H数据，对不同地区的生物积累量或有机碳的积累量进行了裁剪和估算，最终得到了关键节点区域2000-2016年8-16天GPP数据。
葛咏, 凌峰, 张一行
MODIS三级数据土地覆盖类型产品（Land Cover data）是基于Terra和Aqua卫星的年度观测数据提取而来的。根据国际地圈生物圈计划（IGBP）定义的土地覆盖类型，该数据产品集中包含了17个主要土地覆盖类型，其中包括11个自然植被类型，3个土地开发和镶嵌的地类和3个非草木土地类型。MODIS Terra/Aqua三级土地覆盖年度全球500米产品MCD12Q1采用了五种不同的土地覆盖分类方案，而信息提取主要技术则是监督决策树分类。以主要覆盖东南亚和中东的18个关键节点为研究区域，基于2001至2016年的MCD12Q1数据，利用MatLab对数据进行研究区的掩模裁剪，最终得到了东南亚18个关键节点区域2001-2016逐年的地表土地覆盖数据。
葛咏, 凌峰, 张一行
青藏高原生态资产评估遥感反演基础数据集包括了青藏高原自2000年起年度的植被覆盖度(FVC)，净初级生产力(NPP)和叶面积指数(LAI)等基于遥感反演的生态参数，以供区域尺度生态资产评估研究使用。其中植被覆盖度数据以MODIS NDVI数据为主体，基于像元二分模型，利用多尺度遥感影像，结合植被群落类型、分布特征等高精度遥感参数，发展植被覆盖度模型，用混合像元分解法构建。精度验证估测值与实测值的RMSE为0.21，在样本值0-0.5之间均存在一定的高估情况。
刘文俊
中亚沙漠油气田分布城镇分布数据，数据格式为“.shp”格式矢量数据。包括了中亚五国油气田及主要城镇居民点的分布。该数据由MODIS-MCD12Q产品提取裁切而成，该产品空间分辨率为500 m，时间分辨率为1年，其分类标准采用的是IGBP全球植被分类方案，该方案共分为17种土地覆被类型，其中城镇数据利用该分类方案中的建筑与城镇用地。该数据可为中亚地区沙漠油气田与绿城城镇风沙灾害评估和防治提供数据支撑。
高鑫
生态系统净初级生产力（ Ecosystem Net Primary Productivity, NPP）是全球变化研究中的关键参数，为应用生态学方法研究生态系统的碳通量、碳储量以及碳循环过程，评价生态系统在全球的碳平衡以及区域贡献和响应提供了基础。目前，MODIS卫星数据产品是反演生态系统总初级生产力的一项重要数据源。以18个关键节点（Bangkok, Burma_Port, Chittagong, Colombo, Dhaka, Gwadar_Port, Hambantota, Huangjing_Port_and_Malacca, Karachi, Kolkata, Kuantan, Maldives, Mandalay, Mumbai, Sihanouk, Taizhong_Luoyong, Vientiane, Yangon）为研究区域，基于2002至2014年MYD17A3H数据，对不同地区的生物积累量或有机碳的积累量进行了裁剪和估算，最终得到了关键节点区域2002-2014年年平均NPP数据。
葛咏, 凌峰, 张一行
蒸散发(evapotranspiration，ET)是水文循环中自降水到达地面后由液态或固态转化为水汽返回大气的过程，通常指地表土壤水分的蒸发(evaporation, E)和植物体内水分的蒸腾(transpiration, T)的总和，是全球变化研究中的关键参数是地气相互作用中水分平衡的重要部分。目前，MODIS卫星蒸散发数据产品是监测地表时空变化的一项重要数据源，地表蒸散发是地气相互作用中水分平衡的重要部分。本数据以具有较高时空分辨率的MODIS16全球陆地蒸散发产品为基础，以一带一路整个区域划分出来的31个关键节点以及中老泰柬铁路、中缅石油天然气管道和雅万高铁三个重点核查区域范围的ET进行了裁剪、估算，得到的关键节点区域8-16天的ET产品，时间范围为2000-2016年。相比一些主要用于一带一路相关区域地表水分和能量平衡过程的模拟和动态监测以及合理管理区域水资源，尤其是对水资源的科学配置、实现水资源的高效利用具有重要的现实意义，能够有目的性的对一带一路区域的相关研究提供数据支持和参考。
阴海明
青藏高原生态资产评估遥感反演基础数据集包括了青藏高原自2000年起年度的植被覆盖度(FVC)，净初级生产力(NPP)和叶面积指数(LAI)等基于遥感反演的生态参数，以供区域尺度生态资产评估研究使用。叶面积指数数据主要基于已有MODIS MCD15A2产品，通过基于TSF滤波的叶面积指数估算改进方法及尺度下推方法来完成。为了验证数据精度，在全国范围内均匀布设了746个样地，包括76个农田样点、47个草地样点、467个森林样点和156个灌木样点，均为在30米*30米样地内使用LAI-2000、LAI-2200或TRAC等专用设备获得。
刘文俊
地表温度（Land Surface Temporature, LST）是全球变化研究中的关键参数，其对生态系统和生物地球化学等具有重要研究意义。目前，Landsat热红外系列卫星数据（包括Landsat TM，ETM+和OLI热红外波段）是地表温度反演的一项重要数据源。以达卡关键节点为研究区域，基于2000至2016年Landsat TM/ETM+/TIRS系列质量较好（云量低于30%）的数据，采用单通道算法（single channel，SC算法）进行地表温度反演。同时，考虑了基于NDVI来源的反射率校正，以便对不同地区和条件进行更准确的LST估算。最终得到了达卡关键节点区域2000-2016逐年每季度（近似）地表温度数据。注：由于该区域数据受云干扰严重，对数据种进行了云掩膜处理。
葛咏, 凌峰, 张一行
MODIS卫星的MOD09A1 Version 6产品提供了针对气体、气溶胶和瑞利散射等大气条件校正的第1至7波段的地表光谱反射率的估计值。它是由500m分辨率的MOD09GA组成的3级数据合成的产品，每个产品像元包含了基于高观测覆盖率、低视角、云覆盖以及气溶胶负载而选择的8天期间可能的最佳L2G观测值。除了7个500米的反射波段之外，还有一个质量图层和四个观测波段。对于每个像元，从8天合成周期内采集的所有观测值中选择一个值。像元选择的标准包括云量和太阳天顶角。 本数据集基于National Aeronautics and Space Administration（NASA）下载的2000-2016年8天合成的MOD09A1 V6版本数据，空间分辨率500米，利用MatLab对数据进行研究区的掩模裁剪，最终得到了18个关键节点区域2000-2016年8日合成的地表土地覆盖数据。 数据涉及的18个关键区域主要包括：曼谷、缅甸港口、吉大港、科伦坡、达卡、瓜达尔港、汉班托特、黄荆港和马六甲、关丹、马尔代夫、曼德勒、西哈努克、万象、仰光等区域）
李炘妍
地表温度（Land Surface Temporature, LST）是全球变化研究中的关键参数，其对生态系统和生物地球化学等具有重要研究意义。目前，MODIS卫星数据是地表温度反演的一项重要数据源。以18个关键节点为研究区域，基于2000至2016年MOD11A2数据，Modis采用的是劈窗算法，在此种算法的基础之上，对不同地区的温度反演数据加入了经验拟合的修正，进行了裁剪和估算，最终得到了18个关键节点区域2000-2016逐年8天1km的地表温度数据。
葛咏, 凌峰, 张一行
MODIS百米级森林覆盖度是反映森林总体覆盖情况的关键参数，森林在岩石圈、生物圈、土壤圈和大气圈中充当特殊的“转化”作用，为评价生态系统在全球的碳平衡以及区域贡献和响应提供了基础。目前，MODIS卫星数据产品是反演森林覆盖度的一项重要数据源。以18个关键节点为研究区域，基于2000至2016年MOD44B数据，对不同地区的森林覆盖度数据进行了裁剪和估算，最终得到了关键节点区域2000-2016年MODIS百米级森林覆盖度数据。
葛咏, 凌峰, 张一行
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
本数据集是通过卫星数据和地表能量平衡法得到的全球陆地地表每天和每月的蒸散发量。该数据集的空间分辨率是5公里。ET数据生产的算法主要采用Chen et al. 2019 JGR 和Chen et al. 2013 (JAMC)最新修订的SEBS 算法。如何采用热红外得到无缝的每日蒸发资料请参考 Chen et al. 2021 JGR, 该文还对不同蒸发产品做了对比，结果发现该产品在灌溉区显著优于Landflux, GLEAM, MOD16, GLDAS, 和ERA-Interim 产品，再分析驱动数据的降尺度详见该文。MODIS LST，NDVI，全球森林高度，GlobAlbedo都已经用于此ET数据集的计算中。模型产生的全球地表感热通量、净辐射通量和潜热通量可以联系作者获得。 日蒸散发文件命名规则: 20001201-ET-V1.mat, 2000-year, 12-month,01-day, ET-Evapotranspiration, V1-version 1;蒸发单位: 毫米每天 (数据存储采用unit8格式，需转成单精度或双精度，转换后需要除10再使用)；数据类型: 为了减小数据保存空间，采用unit8的数据保存格式，海洋和陆地水体象元为固定值255. 月蒸散发文件命名规则: ETm200012-ET-V1.mat, 2000-year, 12-month, ET-Evapotranspiration, V1-version 1; 蒸发单位:毫米每月 (数据存储采用int16格式，转成单精度或双精度使用，另外转换后需要除10); 数据类型:为减少存储空间采用int16的数据格式，海洋和陆地水体象元为固定值0.
陈学龙
本数据包含两个数据文件，GLOBELAND30 TILES（原始数据）和TIBET_ GLOBELAND30_MOSAIC（镶嵌数据）。 原始数据下载自全球地表覆盖数据网站（GlobalLand3）（http://www.globallandcover.com），范围涵盖青藏高原及周边地区。原始数据分幅存储，为了便于用户使用数据，在分幅数据的基础上，我们使用Erdas软件对原始数据进行了拼接镶嵌。 全球地表覆盖数据（GlobalLand30）是国家863计划重点项目“全球地表覆盖遥感制图与关键技术研究”的科研成果，该数据利用美国陆地卫星影像（TM5、ETM+）和中国环境减灾卫星（HJ-1）影像数据，采用基于像素分类-对象提取-知识检核的综合方法提取而成。数据包括耕地、森林、草地、灌木、湿地、水体、苔原、人造覆盖、裸地、冰川和永久积雪10个一级地表覆盖类型，没有进行二级类型提取。在准确度评估方面，评估九种类型和超过150,000个测试样品。GlobeLand30-2010的整体精度达到80.33％。Kappa指标为0.75。 GlobeLand30数据采用WGS84坐标系，UTM投影，6度分带，参考椭球为WGS 84椭球。根据不同的纬度情况，采用2种分幅方式进行数据组织。在南北纬60°区域内，按照5°（纬度）×6°（经度）大小进行分幅；在南北纬60°至80°区域内，按照5°（纬度）×12°（经度）大小进行分幅，按照奇数6°带的中央经线进行投影。 GLOBELAND30 TILES：原始数据保留数据原貌，未进行处理。 TIBET_ GLOBELAND30_MOSAIC：使用erdas软件对原始数据进行镶嵌，参数设置使用默认值原始数据保留数据原貌，精度同下载网站。
陈军
SRTM（Shuttle Radar Topography Mission，即航天飞机雷达地形测绘任务）数据，2000年2月由美国太空总署(NASA)和国防部国家测绘局(NIMA)联合发射的“奋进”号航天飞机测量得到，“奋进”号上搭载的SRTM系统共计进行了222小时23分钟的数据采集工作，获取北纬60度至南纬56度之间，覆盖全球陆地表面的80%以上，覆盖中国全境。该计划获取的雷达影像数据经过两年多的处理，制成了数字地形高程模型。 本数据集原始数据下载自SRTM数据分发网站（http://srtm.csi.cgiar.org）。为了便于用户使用数据，在分幅STRM数据的基础上，我们使用erdas软件进行拼接制备青藏高原STRM镶嵌图。 精度30米，数据格式为geotif格式。 本数据集的原始数据下载于SRTM数据分发网站（http://srtm.csi.cgiar.org ） SRTM数据每经纬度方格提供一个文件，经度有1 arc-second和3 arc-second两种，称作SRTM1与SRTM3，或者称作30m与90m数据。本数据集为90m分辨率的SRTM3数据，数据版本SRTM V4.1（Geotiff格式）。
Food and Agriculture Organization of the United Nations（FAO）
该数据集记录了青藏高原中部土壤温湿度观测网数据。 数据内容（数据文件、表名称，包含的观测指标内容） （1）57个观测站点 （2）2个观测变量（土壤湿度、土壤温度） （3）4个观测深度（0-5、10、20和40cm） （4）3个典型空间尺度，分别对应GCM网格（1°）、被动微波卫星象元（0.3°）、以及雷达卫星象元（0.1°） 观测网的建立将为一系列水文气象研究提供支持，主要包括：提供三个空间尺度（1°、0.3°、0.1°）的土壤水分和冻融实测数据集；为土壤水分升尺度研究提供数据基础；完善那曲地区中尺度水文气象观测。 青藏高原中部土壤温湿度观测网位于青藏高原中部10000km²的空间范围，站点平均海拔为4650米。纬度：31°-32°N；经度：91.5°-92.5°E。 数据文件字段描述： 例如 “SM_NQ-30 minutes-05cm.txt”，“ST_NQ-30 minutes-05cm.txt” 其中SM指土壤水分，ST指土壤温度，NQ指那曲，30minutes指代数据时间分辨率，05cm指采样土壤层深度。 数据内容字段描述： （1）30min分辨率 变量1-6：日期（整型：yyyy-mm-dd-hh-mm-ss） 变量7-63：各站点观测数据值（实型，缺测值：-99.00） （2）daily分辨率 变量1-3：日期（整型：yyyy-mm-dd） 变量4-60：各站点观测数据值（实型，缺测值：-99.00） 土壤水分体积含量（SM） 单位：%vol（m³/m³） 土壤温度（ST） 单位：℃ 30min分辨率温度数据是进行质量控制后的直接采样数据，土壤水分体积含量是以烘干法测量土壤水分为基础的校正值。 daily 分辨率数据是在30min分辨率基础上的算术平均值。 土壤水分测量精度和分辨率：±3%VWC和0.1%VWC。
阳坤, 陈莹莹, 赵龙, 秦军, 拉珠, 周旭, 姜尧志, 田佳鑫
将冰湖划分为冰面湖、与冰川末端相连和非相连湖泊等三种类型。在分类的基础上，研究第三极地区各流域冰湖的数量与面积、不同大小面积变化幅度、与冰川距离远近、有冰川融水径流补给与无冰川融水径流补给冰湖面积的变化差异以及冰湖面积随海拔梯度变化特征等内容。 数据源：Landsat TM/ETM+ 1990，2000，2010。 数据通过目视解译，包括面积大于0.003平方公里的冰湖数据，结合原始影像与Google Earth检查编辑。 数据应用于第三极地区冰湖变化与冰湖溃决洪水( GLOF) 评估。 数据类型：矢量。 投影坐标系：Albers Conical Equal Area。
张国庆
该数据集是玛多地区2016年7月、8月、9月的植被指数（NDVI），基于高分一号的多光谱数据计算得到，空间分辨率为16m。对高分一号数据进行镶嵌、转投影、裁切等处理，然后在7月、8月、9月中每个月进行最大化合成。
李飞, 张志军
该NDVI数据集是由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（2001-2016）。该产品的时间分辨率是16天，空间分辨率0.05度。该版本是在原有1公里分辨率的NDVI产品（MYD13A2）基础上生成的气候模拟格点（CMG）数据产品。 请在致谢中以下方式说明该数据的来源： The MOD13C NDVI product was retrieved from the online in courtesy of the NASA EOSDIS Land Processes Distributed Active Archive Center (LP DAAC), USGS/Earth Resources Observation and Science (EROS) Center, Sioux Falls, South Dakota, The [PRODUCT] was (were) retrieved from the online [TOOL], courtesy of the NASA EOSDIS Land Processes Distributed Active Archive Center (LP DAAC), USGS/Earth Resources Observation and Science (EROS) Center, Sioux Falls, South Dakota.
NASA
该NDVI数据集是最新发布的NOAA全球模拟和绘图项目（GIMMS，Global Inventory Monitoring and Modeling System）长序列（1981-2015）均一化植被指数产品，版本号3g.v1。 该产品的时间分辨率是每月两次，空间分辨率1/12度。时间跨度1981年7月至2015年12月。该产品为共享数据产品，可直接从ecocast.arc.nasa.gov下载。 详情请参考https://nex.nasa.gov/nex/projects/1349/
NCAR
全球Cryosat-2 GDR数据集由欧空局(ESA)制作，数据覆盖时间从2010年到2016年，覆盖范围为全球。 2010年4月8号，ESA发射了Cryosat - 2高倾斜极轨卫星。该卫星上搭载了合成孔径干涉雷达高度计SIRAL，主要用于监测极地的冰层厚度和海冰厚度变化，进而研究极地冰层的融化对全球海平面上升的影响，以及全球气候变化对南极冰厚的影响。这种高度计工作在Ku波段，工作频率为13.575 GHz，包括3种测量模式：一是低分辨率指向星下点的高度计测量模式（LRM），可获得陆地、海洋和冰盖所有表面观测值，它的处理过程与ENVISAT/RA - 2 类似，沿轨分辨率为5到7 km；二是合成孔径雷达（SAR）测量模式，主要为提高海冰观测精度和分辨率，可使沿轨分辨率达到250 m左右；三是干涉合成孔径雷达模式（InSAR），主要为提高冰盖或冰架边缘等地形复杂区域精度。 Cryosat -2/SIRAL数据产品主要包括0级数据、1b级数据、2级数据和高级数据。Cryosat - 2/SIRAL产品由XML头文件（.HDR）和数据产品文件（.DBL）两个文件组成，HDR文件是辅助性的ASCII文件，用于快速识别检索数据文件。1b级产品是按照测量模式分开存储的，不同模式的数据记录格式也有所不同。LRM模式和SAR模式的每个波形有128个采样点，SARIn模式的波形则有512个采样点。2级GDR产品可以满足大多数的科学研究应用，包括了测量时间、地理位置、高度等信息。并且，GDR产品中的高度信息已经经过了仪器校正、传输延迟改正、几何改正和地球物理改正（如大气改正与潮汐改正）。GDR产品是单独的全球性的全轨道数据，即三种模式的测量结果，经过不同的处理过程后，按照时间先后顺序，合并到一起，从而统一了数据记录格式。三种模式的数据采用了不同的波形重跟踪算法来获得高度值，在最新更新的Baseline C数据中，LRM模式的数据采用了3种算法，分别为Refined CFI、UCL和Refined OCOG。
沈国状, 傅文学
Sentinel-1A/B卫星使用近极地太阳同步轨道，轨道高度693 km，轨道倾角98.18°，轨道周期99 min，搭载了C波段合成孔径雷达(SAR)，设计使用寿命为7年(预期12年)Sentinel-l 具有多种成像方式，可实现单极化、双极化等不同的极化方式。Sentinel-1A SAR共有4种工作模式：条带模式(Strip Map Mode，SM)、超宽幅模式 (Extra Wide Swath，EW)、宽幅干涉模式 (Interferometric Wide Swath，IW) 和波模式 (Wave Mode，WV)。A星于2014年4月成功发射，同一区域重访周期为12天，B星2016年4月成功在轨运行，目前重返周期达到3-6天，双星运行以后，南极地区S1数据获取频率大幅度增加。 本数据集为南极冰盖和格陵兰冰盖地区哨兵一号SAR数据。 该数据波段为C波段超宽幅地距多视数据，分辨率为20m*40m, 时间分辨率和往返周期有关，为12天，幅宽为400km，噪声水平为-25dB，辐射测量精度1.0dB。 本数据每年覆盖时间为：南极10月到来年3月，格陵兰4月到9月；覆盖范围南极冰盖冰架地区和格陵兰冰盖。
张露
随着SAR干涉测量技术的不断进步，使得高精度获取冰川区的多时相DEM成为了可能。特别是，2000年美国国家航空航天局（NASA）主导的航天飞机雷达制图计划（SRTM）提供了覆盖全球56ºS - 60ºN范围的DEM资料；德国宇航局（DLR）的TanDEM-X双站SAR干涉测量系统能够提供全球范围高分辨率、高精度DEM。这些高质量、大覆盖范围的SAR干涉测量数据，以及发布的DEM数据产品，为利用多时相DEM探测冰川厚度变化提供了宝贵的基础资料。 青藏高原典型冰川厚度变化数据的时间段为2000-2013年，覆盖范围为普若岗日和祁连山西部地区，空间分辨率30米。利用TanDEM-X双站InSAR数据和C波段 SRTM DEM，首先采用差分干涉测量方法高精度的生成TanDEM-X DEM，然后在进行DEM精确配准的基础上，通过对比不同时期获取的DEM数据，估算冰川厚度变化。该数据集采用Geotiff格式，每个典型冰川冰厚变化存储为一个文件夹。 数据的详细情况见青藏高原典型冰川厚度变化数据集-数据说明。
江利明
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
