1977-2017年的冰湖编目，基于Landsat MSS/TM/ETM+/OLI影像，采用半自动的水体分类方法来区分水体和非水体信息，然后提取湖泊边界，并通过与原始Landsat图像的比较进行目视检查和人工编辑。其中1977年，采用MSS传感器数据，分辨率为60 m。1987年后冰湖编目，采用的影像数据分辨率为30 m。根据RGI6.0冰川编目和Google Earth，判断冰川融水与冰湖的补给关系。
Nitesh Khadka, 张国庆
数据文件包括波曲流域范围及多期冰湖编目。1964年的冰湖范围，采用人工勾绘方法，基于地理校正后的KH-4数据获取；1976-2017年的冰湖编目，基于Landsat MSS/TM/ETM+/OLI影像，采用半自动的水体分类方法来区分水体和非水体信息，然后提取湖泊边界，并通过与原始Landsat图像的比较进行目视检查和人工编辑。根据RGI6.0冰川编目和Google Earth，判断冰川融水与冰湖的补给关系。
张国庆
全球年度湖泊冰物候数据集包括北半球74245个湖泊的冻结日期和破裂日期。数据集分为三部分： 1：当前时间段数据，通过DLRM模型（提供了参数）从MODIS产品中获得，涵盖2001年至2020年74245个湖泊的冻融时间； 2-3： 历史（2）和未来（3）两个时间段湖泊冻融模拟，分别从1861-2005年和2006-2099年的基于温度的湖泊特定模型中获得（详见论文）。历史和未来的模拟仅针对30063个满足模型条件的湖泊。
王欣驰
该数据集提供了2001-2020年青藏高原71个湖泊的湖冰物候，包括开始冻结日、完全冻结日、开始消融日、完全消融日、完全封冻时间和湖冰覆盖时间。数据集采用动态阈值法提取自经过双星去云和临近日去云后的MODIS每日积雪产品。与粗分辨率被动微波AMSR-E/2湖冰物候数据集对比，开始冻结日的平均绝对误差为2.33-7.25天，完全消融日的平均绝对误差为1.75-4.67天。该数据可为青藏高原湖泊系统响应气候变化的相关研究提供数据基础。
蔡宇, 柯长青
冰川表面运动提取在冰川动力学与物质平衡变化研究中具有重要意义，针对当前我国自主遥感卫星数据在冰川运动监测应用中存在的不足，选用GF-3卫星FSI模式下获取的2019—2020年间覆盖青藏高原高山区典型冰川的SAR数据，借助并行化偏移量跟踪算法获取了研究区冰川表面流速分布。GF-3影像凭借其良好的空间分辨率，在规模较小、运动缓慢的冰川运动提取方面具有显著的优势，能够更好地体现冰川运动细节信息及其差异性。该研究有助于分析气候变化背景下青藏高原地区冰川的运动规律及其时空演变特征。
闫世勇
南极McMurdo Dry Valleys 冰川表面流速遥感后处理产品，基于Antarctic Ice Sheet Velocity and Mapping Project（AIV）数据，通过先进的算法和数值工具后处理得到。该产品利用Sentinel-1/2/Landsat数据绘制，提供了McMurdo Dry Valleys 均匀、高分辨率（60m）的冰流速结果，时间覆盖范围从2015到2020。
江利明
冰川是全球气候变化的放大器和指示器，目前在全球气温升高的背景下，全球范围内冰川融化持续加快。跃动冰川是一种有着间歇性和周期性加速运动的冰川，其对气候变化非常敏感。本数据集基于Landsat和Sentinel系列多源光学卫星遥感影像数据，通过对影像进行筛选、拼接、裁剪获得研究区域影像。其中，对Landsat TM 影像中L1GS 级别影像采用二阶多项式进行配准校正，影像配准后误差小于一个像素。之后利用方向相关算法进行影像匹配，生成了格陵兰冰盖典型的跃动冰川——Sortebræ 冰川在1980s至2020 年期间不同阶段的表面运动速度。本数据集期望有助于对Sortebræ 冰川跃动过程的研究，以及对全球变暖背景下冰川跃动机理的探讨。
乔刚, 孙子翔, 袁小涵
积雪是冰冻圈的重要组成要素，是全球变化与地球系统科学研究中不可或缺的变量。积雪的分布范围和物候信息是衡量积雪变化特征的重要指标，也是寒区水文模型中融雪径流模拟的重要参数。亚洲高山区是许多国际性河流的发源地，也是全球气候变化研究的热点区；该地区冰雪变化将引发的水资源减少、极端天气事件增多、灾害频发等生态和环境问题，已受到各国的广泛关注。因此，准确获取长时序的亚洲高山区积雪分布与积雪物候数据对气候变化研究、水资源管理以及灾害预警与防治至关重要。 亚洲高山区逐日无云MODIS归一化积雪指数（NDSI）产品（2000-2021，500 m）是在MODIS逐日积雪产品（包括Terra上午星数据产品MOD10A1和Aqua下午星数据产品MYD10A1，C6版本）的基础上，通过同一天上下午星数据融合以及三次样条函数插值去云算法处理后得到；其中，在2000-2002年只有上午星数据产品MOD10A1时，则直接采用三次样条函数插值去云算法处理。水文年2002-2020的积雪物候数据集是基于逐水文年内的无云MODIS NDSI产品制备而成，包括积雪开始日期（SOD）、积雪结束日期（SED）和积雪持续日数（SDD）3个参数。本数据集具有可靠的精度。
唐志光, 邓刚
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
太阳总辐射和散射采用辐射表（CM22, Kipp & Zonen, 荷兰）测量，波长范围200-3600 nm。温湿度数据来源于IPEV/PNRA 项目 “Routine Meteorological Observation at Station Concordia” ，http://www.climantartide.it，地面水汽压单位为hPa。本数据集包括：利用经验模型计算的地面太阳总辐射、损失于大气中的吸收和散射辐射（小时累计值，单位MJ/m2）、大气顶和地表反照率；还包括散射因子（S/G）地面水汽压（E，单位hPa）。太阳辐射数据来源于数据提供者的计算、实验站测量，数据覆盖时间为2006-2016年（Bai, J.; Zong, X.; Lanconelli, C.; Lupi, A.; Driemel, A.; Vitale, V.; Li, K.; Song, T. 2022. Long-Term Variations of Global Solar Radiation and Its Potential Effects at Dome C (Antarctica). Int. J. Environ. Res. Public Health, 19, 3084. https://doi.org/10.3390/ijerph19053084）。该数据集可以用于南极Dome C地区太阳辐射及其衰减等相关研究。地面太阳辐射和其他气象数据可以参考：https://doi.org/10.1594/PANGAEA.935421
白建辉
太阳总辐射采用辐射表（CM21, Kipp & Zonen, 荷兰）测量，波长范围200-3600 nm。温湿度分别采用温湿度传感器HMP45C-GM （Vaisala Inc., Vantaa, Finland）测量。本数据集包括：利用经验模型计算的地面太阳总辐射、损失于大气中的吸收和散射辐射（小时累计值，单位MJ/m2）、大气顶和地表反照率；还包括散射因子（AF）地面水汽压（E，单位hPa）。太阳辐射数据来源于数据提供者的计算、实验站测量，数据覆盖时间为2007-2020年。关于数据处理和太阳总辐射计算等可参考文献：Bai, J.; Zong, X.; Ma, Y.; Wang, B.; Zhao, C.; Yang, Y.; Guang, J.; Cong, Z.; Li, K.; Song, T. 2022. Long-Term Variations in Global Solar Radiation and Its Interaction with Atmospheric Substances at Qomolangma. Int. J. Environ. Res. Public Health, 19, 8906. https://doi.org/10.3390/ijerph19158906。该数据集可以用于珠峰地区太阳辐射及其衰减等相关研究。珠峰站太阳辐射和其他气象数据可以参考：https://data.tpdc.ac.cn/zh-hans/data/b9ab35b2-81fb-4330-925f-4d9860ac47c3/。
白建辉
北极多年冻土区作为全球碳库的重要组成部分，是全球气候变化最敏感的区域之一。北极地区变暖的速度是全球平均速度的两倍，引发北极多年冻土的快速变化。1982-2015北半球不同类型多年冻土区NDVI变化数据集，时间分辨率为每5年一期，覆盖范围为整个环北极国家，空间分辨率为8km，以多源遥感、模拟、统计和实测数据为基础，使用GIS方法和生态学方法结合，量化了北半球多年冻土对生态系统的调节服务功能，其所有数据进行了质量控制。
王世金
本数据为祁连山地区2018年冰川分布产品。采用经典波段比值法和人工修正的方法提取。原始基础数据为2018年祁连山全境的高分系列影像。参考数据为哨兵2号影像、谷歌影像和天地图影像。产品以shp文件格式存储，包含坐标系、冰川ID、冰川面积等属性。产品为1期，空间分辨率为2米，边界精度在2米（一个像元）左右。该数据直观地反映了祁连山冰川在2018年的分布，可用于冰川物质平衡变化定量估计、冰川变化对流域径流量影响定量估计等研究。
李佳
本数据为祁连山地区2019年冰川分布产品。采用经典波段比值法和人工修正的方法提取。原始基础数据为2019年祁连山全境的高分系列影像。参考数据为哨兵2号影像、谷歌影像和天地图影像。产品以shp文件格式存储，包含坐标系、冰川ID、冰川面积等属性。产品为1期，空间分辨率为2米，边界精度在2米（一个像元）左右。该数据直观地反映了祁连山冰川在2019年的分布，可用于冰川物质平衡变化定量估计、冰川变化对流域径流量影响定量估计等研究。
李佳
本数据为祁连山地区2020年冰川分布产品。采用经典波段比值法和人工修正的方法提取。原始基础数据为2020年祁连山全境的高分系列影像。参考数据为哨兵2号影像、谷歌影像和天地图影像。产品以shp文件格式存储，包含坐标系、冰川ID、冰川面积等属性。产品为1期，空间分辨率为2米，边界精度在2米（一个像元）左右。该数据直观地反映了祁连山冰川在2020年的分布，可用于冰川物质平衡变化定量估计、冰川变化对流域径流量影响定量估计等研究。
李佳
本数据为祁连山地区2021年冰川分布产品。采用经典波段比值法和人工修正的方法提取。原始基础数据为2021年祁连山全境的高分系列影像。参考数据为哨兵2号影像、谷歌影像和天地图影像。产品以shp文件格式存储，包含坐标系、冰川ID、冰川面积等属性。产品为1期，空间分辨率为2米，边界精度在2米（一个像元）左右。该数据直观地反映了祁连山冰川在2021年的分布，可用于冰川物质平衡变化定量估计、冰川变化对流域径流量影响定量估计等研究。
李佳
逐小时空间完整的地表温度产品在冻融状态监测、夏季高温热浪监测等领域具有广泛的应用需求。基于热红外遥感反演的地表温度精度较高，但是容易受到云雾的影响，空间上不连续，这给用户带来诸多不便，也极大地限制了其应用。模式模拟的地表温度虽时空完整，但空间分辨率低，精度差。因此融合遥感反演的地表温度和模式模拟的地表温度，是获取逐小时空间完整地表温度的有效途径。基于此，作者发展了生成东亚区域0.02°逐小时无缝地表温度的融合方法，并制备了相应的数据集（2016-2021）。 本数据集为东亚区域0.02°逐小时无缝地表温度数据集产品（2016-2021年）。首先采用iTES算法反演葵花8/AHI 地表温度，之后对CLDAS LST 进行偏差校正以消除其系统偏差，最后使用多尺度卡尔曼滤波融合葵花8/AHI LST和CLDAS LST，生成0.02°逐小时无缝地表温度数据集。地面验证结果表明，全天地表温度的均方根误差（RMSE）约为3K，精度较好。 本数据集的时间分辨率为1小时，空间分辨率0.02°，时间跨度为2016年-2021年，空间范围为0-60°N，80°E-140°E。
程洁, 董胜越, 施建成
在国家重点研发计划“冰冻圈和极地环境变化关键参数观测与反演”第一课题“冰冻圈关键参数多尺度观测与数据产品研制“等项目的资助下，中国科学院青藏高原研究所周石硚课题组利用层次分析法，筛选出8个参评因素，通过划分等级的方式评价了第三极地区现有的8套冰川编目数据的综合质量，并融合各评价单元内综合质量最佳的数据生成了一套新的冰川编目数据。新数据大大提高了整个第三极地区单一冰川编目数据的质量。 该数据内容包括（1）原冰川编目数据信息，包括冰川的经纬度、面积、高程、坡度、坡向、遥感数据的采集时间等；（2）评价信息，包括8个参评因素的标准化指标值、综合评价值和评价单元内冰川编目数据的等级等。这些数据不仅可以让潜在用户知道某个区域综合质量最佳的产品，还能提供冰川编目数据的单一质量或因素（如季节性积雪）。
何霞, 周石硚
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
在国家重点研发计划“冰冻圈和极地环境变化关键参数观测与反演”第一课题“冰冻圈关键参数多尺度观测与数据产品研制”、冰川、积雪、冻土变化与影响及应对 （2019QZKK0201）以及泛第三极环境变化与绿色丝绸之路建设（XDA20000000）等项目的资助下，中国科学院青藏高原研究所张寅生课题组发展了青藏高原地区降尺度雪水当量产品。该数据采用亚像元时空分解算法对青藏高原0.05°逐日积雪深度数据集（2000-2018）进行降尺度，并且采用雪深衰减模型补充反演微波探测不到的薄雪区域的雪深值。最后基于积雪密度格网数据，将积雪深度数据转换为雪水当量数据。
闫大江, 张寅生
本数据是研究团队综合利用Sentinel-1 SAR数据，AMSR-2微波辐射计数据以及MODIS LST产品所生产的青藏工程走廊区域高分辨土壤冻融数据集。基于新提出的算法，本产品提供月尺度100m空间分辨土壤冻融状态检测结果，并通过气象站点和土壤温度站点进行精度验证。基于青藏工程走廊地区的4个气象站点进行精度验证，结果表明基于升轨和降轨Sentinel-1的土壤冻融检测结果的整体准确率分别为84.63%和77.09%。基于那曲土壤湿度/温度监测站点进行精度验证，升轨和降轨结果的平均整体精度为78.58%和76.66。该产品弥补了传统土壤冻融产品空间分辨率不足（>1km）的问题，为青藏工程走廊区域高分辨率土壤冻融监测提供了可能。
周欣, 刘修国, 周俊雄, 张正加, 陈启浩, 解清华
基于长时间序列MODIS积雪产品，采用隐马尔可夫随机场（Hidden Markov Random Field, HMRF）建模框架，制备了青藏高原2002-2021年空间分辨率为500 m的逐日无云积雪数据集。该建模框架将MODIS积雪产品的光谱信息、时空背景信息，以及环境相关信息以最优形式进行整合，不仅填补了云层遮挡引起的数据空缺，而且提高了原始MODIS积雪产品的精度。特别地，本数据集在环境背景信息中引入了太阳辐射能量对积雪分布的影响，有效改进了地形复杂山区的积雪识别精度。通过与实测雪深、Landsat-8 OLI识别的积雪分布对比分析，本数据集精度依次为98.31%和92.44%，并且在积雪转化期、海拔较高、太阳辐射较多的阳坡提升效果显著。本数据集改善了原始MODIS积雪产品时空不连续和在地形复杂山区精度较低的问题，能为青藏高原气候变化研究和水资源管理提供重要的数据基础。
黄艳, 许嘉慧
1. 冰湖面积数据（1960s-2020年） 该数据包含基于1960s的Korona KH-4和2016-2020年的Sentinel-2和Sentinel-1等卫星绘制的不丹喜马拉雅冰湖面积。 2. 冰湖潜在溃决洪水灾害等级 该数据包含面积大于0.05平方公里（n=278）不丹喜马拉雅冰湖潜在溃决洪水灾害等级。 数据详细处理流程请见论文。
Sonam Rinzin, 张国庆
冰盖表面融化是影响格陵兰冰盖物质平衡的主要原因，同时冰雪的反射率较高，冰盖表面融化会造成辐射能量收支差异，进而影响海-陆-气之间能量交换。高分辨率冰盖表面融化产品的生成，对研究格陵兰冰盖表面融化及其对全球气候变化的响应提供重要信息支撑。本数据集基于微波辐射计与光学反照率产品，对微波辐射计当日、冬季（12-次年2月）平均和1月平均进行波段合成，利用Gram-Schmidt方法将微波辐射计波段合成数据与MODIS GLASS反照率产品融合，使其空间分辨率从25 km提高至0.05˚。然后基于微波辐射计当日与冬季亮温差值的阈值法对降尺度结果提取格陵兰冰盖表面融化，得到1985年、2000年、2015年格陵兰冰盖表面0.05˚ 每日融化产品。该数据集0.05˚ 的空间分辨率高于目前国内外已发布数据集，凸显了辐射计和反照率数据对表面融化的响应，空间细节特征更加清晰，保持了原辐射计产品的动态范围，有效地抑制了辐射计噪声。该数据集的数据类型为整型，其中1代表融化，0代表未融化，255代表冰盖以外掩膜区域，数据集以“*.nc”格式存储。
魏思怡, 刘岩
冰雪具有高反射率，冰盖表面融化会降低地表反照率进而影响区域能量平衡，表面融化形成的水文系统会影响冰盖稳定性进而影响冰盖物质平衡。本数据集基于微波辐射计与光学反照率产品，对微波辐射计当日、冬季（6-8月）平均和7月平均进行波段合成，利用Gram-Schmidt方法将微波辐射计波段合成数据与MODIS GLASS反照率产品融合，使其空间分辨率从25 km提高至0.05˚。然后基于微波辐射计当日与冬季亮温差值的阈值法对降尺度结果提取南极冰盖表面融化，得到1985-1986年、2000-2001年、2015-2016年南极冰盖表面0.05˚ 每日融化产品。该数据集0.05˚ 的空间分辨率高于目前国内外已发布数据集，凸显了辐射计和反照率数据对表面融化的响应，空间细节特征更加清晰，保持了原辐射计产品的动态范围，有效地抑制了辐射计噪声，更好的反映了山区、触地线区域和冰架的融化范围随时间的梯度演变特征，产品精度更高。该数据集的数据类型为整型，其中1代表融化，0代表未融化，255代表冰盖以外掩膜区域，数据集以“*.nc”格式存储。
魏思怡, 刘岩
地表土壤水分（SSM）是了解地球表面水文过程的关键参数。长期以来，被动微波（PM）技术一直是在卫星遥感尺度上估算SSM的主要选择，而另一方面，PM观测的粗分辨率（通常>10 km）阻碍了其在更细尺度上的应用。虽然已经提出了定量研究，以缩小基于卫星PM的SSM的规模，但很少有产品可供公众使用，以满足1km分辨率和全天候条件下每日重访周期的要求。因此，在本研究中，我们在中国开发了一种具有所有这些特征的SSM产品。该产品是通过在36 km处对基于AMSR-E和AMSR-2的SSM进行降尺度生成的，涵盖了2003-2019年间两台辐射计的所有在轨时间。MODIS光学反射率数据和在多云条件下填补空白的每日热红外地表温度（LST）是降尺度模型的主要数据输入，以实现SSM降尺度结果的“全天候”质量。4月至9月期间，这一开发的SSM产品的每日图像在全国范围内实现了准完全覆盖。在其他月份，与最初的每日PM观测值相比，开发产品的全国覆盖率也大大提高。我们根据2000多个专业气象和土壤水分观测站的现场土壤水分测量结果对该产品进行了评估，发现该产品的精度在晴空到多云的所有天气条件下都是稳定的，无偏RMSE的站平均值在0.053 vol到0.056 vol之间。此外，评估结果还表明，开发的产品在1km分辨率下明显优于广为人知的SMAP Sentinel（主被动微波）组合SSM产品。这表明，我们开发的产品在改善未来水文过程、农业、水资源和环境管理相关调查方面可能带来的潜在重要效益。
宋沛林, 张永强
在国家重点研发计划“冰冻圈和极地环境变化关键参数观测与反演”第一课题“冰冻圈关键参数多尺度观测与数据产品研制“的资助下，中国科学院青藏高原研究所张寅生课题组发展了青藏高原地区降尺度雪深产品。青藏高原积雪深度降尺度数据集来源于积雪概率数据和中国雪深长时间序列数据集的融合结果,采用新发展的亚像元时空分解算法对原始0.25度的积雪深度数据进行时空降尺度，得到0.05度逐日积雪深度产品。通过降尺度前后的雪深产品精度评估的对比，发现降尺度后雪深产品的均方根误差由原产品的2.15 cm减少到了1.54 cm。 青藏高原积雪深度降尺度数据集（2000-2018）的产品信息细节如下。投影为经纬度，空间分辨率0.05 度（约5公里），时间范围为2000年9月1日-2018年9月1日，为Tif格式文件，命名规则为：SD_YYYYDDD.tif，其中YYYY代表年，ddd代表儒略日（001-365）。积雪深度（SD），单位：厘米（cm）。空间分辨率为0.05度。时间分辨率为逐日。
闫大江, 马宁, 张寅生
新的北半球多年冻土图利用基于规则的GIS模型融合了新的多年冻土范围（Ran et al., 2021b）、气候条件、植被结构、土壤和地形条件以及富冰和富含有机质多年冻土图（yedoma）。与之前的多年冻土图不同，根据多年冻土与气候和生态系统的复杂交互作用，我们将北半球多年冻土分为五种类型：气候驱动型、气候驱动型/生态系统改造型、气候驱动型/生态系统保护型、生态系统驱动型和生态系统保护型。除去冰川和湖泊，北半球这五种类型的面积分别为3.66×106km2、8.06×106km2、0.62×106km2、5.79×106km2和1.63×106km2。北半球81%的多年冻土区受到生态系统的改造、驱动或保护，表明生态系统在北半球多年冻土稳定性中的主导作用。气候驱动的多年冻土只占北半球多年冻土区的19%，主要分布在高北极和高山地区，如青藏高原。
冉有华, M. Torre Jorgenson, 李新, 金会军, 吴通华, 李韧, 程国栋
公里级、空间完整（无缝）的地表温度产品在全球变化等领域具有广泛的应用需求。基于遥感观测反演的地表温度具有较高的可信度，融合从热红外和微波观测反演的地表温度，是获取具有一定精度、空间完整地表温度的有效途径。基于这一指导思想，作者发展了反演中国区域1km、无缝地表温度的方法框架，并生成了相应的数据集（2002-2020）. 首先采用基于查找表的AMSR-E/AMSR2 地表温度反演算法反演得到AMSR-E/AMSR2 地表温度，之后采用地理加权回归对AMSR-E/AMSR2 地表温度进行降尺度，得到1km 地表温度，最后使用多尺度卡尔曼滤波融合AMSR-E/AMSR2 1km地表温度和MODIS地表温度，生成1km无缝地表温度数据集。 地面验证评价结果表明，该LST的均方根误差（RMSE）约为3K，空间分布于MODIS LST、CLDAS LST的一致性较好。
程洁, 董胜越, 施建成
本数据集包括祁连山地区2019年日值0.05°×0.05°地表土壤水分产品。采用耦合小波分析的随机森林优化降尺度模型（RF-OWCM），通过对“祁连山地区基于AMSR-E和AMSR2亮温数据的SMAP时间扩展日0.25°×0.25°地表土壤水分数据（SMsmapTE, V1）”进行降尺度，得到0.05°×0.05°地表土壤水分产品。参与降尺度模型的数据包括GLASS Albedo/LAI/FVC，周纪-中国西部1km全天候地表温度数据（TRIMS LST-TP），以及经/纬度等信息。
柴琳娜, 朱忠礼, 刘绍民
青藏高原是世界上最大的高、低纬度多年冻土带，近几十年来，其多年冻土带迅速退化，其最显著的特征之一就是热融湖塘的形成。这样的湖泊由于能够调节碳循环、水和能量通量而引起了极大的关注。然而，这一地区的热融湖塘的分布在很大程度上仍不为人所知，这阻碍了我们对多年冻土的响应及其碳反馈对气候变化的理解。本数据集基于200余景Sentinel-2A影像，结合ArcGIS、NDWI和Google Earth Engine平台，通过GEE自动提取和人工目视解译的方法提提取青藏高原多年冻土区内热融湖塘边界。在2018年热融湖塘数据集中，青藏高原多年冻土区共有121,758个热融湖塘，面积为0.00035-0.5 km²，总面积为1730 km² 。本次热融湖塘编目数据集为青藏高原水资源评价、多年冻土退化评价、热喀斯特研究提供了基础数据。
陈旭, 牟翠翠, 贾麟, 李志龙, 范成彦, 母梅, 彭小清, 吴晓东
本数据集包括祁连山地区2018年日值0.05°×0.05°地表土壤水分产品。采用多元统计回归模型，通过对“祁连山地区基于AMSR-E和AMSR2亮温数据的SMAP时间扩展日0.25°×0.25°地表土壤水分数据（SMsmapTE, V1）”进行降尺度，得到0.05°×0.05°地表土壤水分产品。参与多元统计回归的数据包括GLASS Albedo/LAI/FVC，周纪-中国西部1km全天候地表温度数据（V1），以及经/纬度等信息。
柴琳娜, 朱忠礼, 刘绍民
稳定连续的长时序地表土壤水分数据集对于全球环境和气候变化监测等都非常重要。SMAP等卫星搭载的L波段辐射计能提供目前最优精度的全球地表土壤水分观测，但其数据记录的短时间限制了其在长期研究中的应用；而AMSR-E和AMSR2系列传感器能提供长时序多频段辐射计观测（C、X和K波段）。本数据集是一个20年（2002/07/27~2022/08/31）的全球连续一致的地表土壤水分数据集，分辨率为日尺度的36 km，采用EASE-Grid2投影坐标系，数据单位为m3/m3。数据集采用Yao et al.(2017)发展的土壤水分神经网络反演算法，将SMAP的优势传递到AMSR-E/2，以目前卫星最优精度的SMAP标准土壤水分产品为训练目标，以AMSR-E/2的亮温为输入，最终输出长时序土壤水分数据。该数据集能够重现SMAP土壤水分的时空分布，精度与SMAP土壤水分产品相当；同时该数据集精度优于AMSR-E和AMSR2的官方土壤水分产品，通过全球14个密集观测站网的地面观测验证表明，其土壤水分精度为5%左右。该全球长时序数据集目前时间覆盖20年，随着AMSR2的持续在轨观测以及即将发射的后继AMSR3任务，该数据集是可延长的，为气候极端事件、趋势分析和年代际变化的长时序研究提供支持。
姚盼盼, 卢麾
高亚洲地区对气候变化非常敏感，是全球变化研究的热点区域。气温和降水的变化会在冰雪冻融的时间上反映出来。星载微波遥感能提供时空连续的冰雪表面状态监测能力，当冰雪中很小一部分开始融化造成微量液态水，也会反映在主动和被动微波遥感信号中。在微波波段，冰与液态水的介电常数差异巨大，因此为微波遥感监测冰雪融化提供了基础理论。在被动微波情况下，当冰雪开始融化而出现液态水时，其吸收和发射率迅速增加，因此其发射率和亮度温度、后向散射系数也会迅速改变。本数据集为利用1979年至2018年长时间序列卫星微波辐射计和散射计观测反演的高亚洲地区冰雪融化的初始时间。被动微波遥感数据为搭载在卫星上的SMMR（1979~1987年），以及搭载于DMSP上的SSM/I-SSMIS辐射计（1988年至今）。主动微波遥感数据为QuikSCAT卫星散射计（2000~2009年）。
熊川, 施建成, 姚汝桢, 雷永荟, 潘金梅
本数据为祁连山地区2019年冰川分布产品。采用经典波段比值法和人工修正的方法提取。原始基础数据为2019年祁连山全境的高分系列影像。参考数据为谷歌影像和天地图影像。产品以shp文件格式存储，包含坐标系、冰川ID、冰川面积等属性。产品为1期，空间分辨率为2米，边界精度在2米（一个像元）左右。该数据直观地反映了祁连山冰川在2019年的分布，可用于冰川物质平衡变化定量估计、冰川变化对流域径流量影响定量估计等研究。
李佳, 汪赢政, 李建江, 李新, 刘绍民
Snow is a significant component of the ecosystem and water resources in high-mountain Asia (HMA). Therefore, accurate, continuous, and long-term snow monitoring is indispensable for the water resources management and economic development. The present study improves the Moderate Resolution Imaging Spectroradiometer (MODIS) onboard Terra and Aqua satellites 8 d (“d” denotes “day”) composite snow cover Collection 6 (C6) products, named MOD10A2.006 (Terra) and MYD10A2.006 (Aqua), for HMA with a multistep approach. The primary purpose of this study was to reduce uncertainty in the Terra–Aqua MODIS snow cover products and generate a combined snow cover product. For reducing underestimation mainly caused by cloud cover, we used seasonal, temporal, and spatial filters. For reducing overestimation caused by MODIS sensors, we combined Terra and Aqua MODIS snow cover products, considering snow only if a pixel represents snow in both the products; otherwise it is classified as no snow, unlike some previous studies which consider snow if any of the Terra or Aqua product identifies snow. Our methodology generates a new product which removes a significant amount of uncertainty in Terra and Aqua MODIS 8 d composite C6 products comprising 46 % overestimation and 3.66 % underestimation, mainly caused by sensor limitations and cloud cover, respectively. The results were validated using Landsat 8 data, both for winter and summer at 20 well-distributed sites in the study area. Our validated adopted methodology improved accuracy by 10 % on average, compared to Landsat data. The final product covers the period from 2002 to 2018, comprising a combination of snow and glaciers created by merging Randolph Glacier Inventory version 6.0 (RGI 6.0) separated as debris-covered and debris-free with the final snow product MOYDGL06*. We have processed approximately 746 images of both Terra and Aqua MODIS snow containing approximately 100 000 satellite individual images. Furthermore, this product can serve as a valuable input dataset for hydrological and glaciological modelling to assess the melt contribution of snow-covered areas. The data, which can be used in various climatological and water-related studies, are available for end users at https://doi.org/10.1594/PANGAEA.901821 (Muhammad and Thapa, 2019).
Sher Muhammad
青藏高原由于高云覆盖，通常用来监测湖泊面积的光学遥感影像数据，如Landsat只能用来监测湖泊年尺度面积变化，而对湖泊季节变化研究了解较少。使用Sentinel-1 SAR数据，对青藏高原大于50平方公里湖泊月尺度面积进行了提取。研究显示，湖泊的季节变化显示出截然不同的模式，面积较大的湖泊（> 100 km2）在8-9月达到峰值，而较小的湖泊（50-100 km2）面积在6-7月达到峰值。封闭湖泊面积的季节峰值更突出，而外流湖的季节峰值更平缓。冰川补给湖相对于非冰川补给湖显示了延迟的面积峰值。同时，大尺度的大气环流，如西风、印度季风、和东亚季风也影响着湖泊面积的季节变化。此研究为监测湖泊面积年内变化弥补了空白。
张宇, 张国庆
本数据集采用SMMR（1979-1987）、SSM/I（1987-2009）和SSMIS（2009-2015）逐日亮温数据，由双指标（TB_37v，SG）冻融判别算法生成，分类结果包含冻结地表、融化地表、沙漠及水体四种类型。数据覆盖范围为三江源区域，空间分辨率为25.067525 km，EASE Grid投影方式，以Geotif格式存储。像元数值表征地表冻融的状态：1代表冻结，2代表融化，3代表沙漠，4代表水体。因为该数据集中所有tif文件描述的是三江源国家公园范围，所以这些文件的行列号信息是不变的，摘录如下（其中cellsize单位为m）： ncols 52 nrows 28 cellsize 25067.525 nodata_value 0
晋锐
过去五十年，阿拉斯加地区冰川对海平面贡献占全球山地冰川总贡献的三分之一。 在RGI6.0的基础上，我们利用遥感和地理信息系统技术对阿拉斯加地区冰川编目数据进行了更新。更新的冰川编目采用的数据源为2018年Landsat OLI空间分辨率15m遥感影像，使用的方法为人工解译。结果显示，阿拉斯加地区冰川编目包括了现有冰川27043条，总面积81285km2。数据误差4.3%。该数据将为研究全球变化大背景下阿拉斯加地区冰川变化评估、冰川变化的区域和全球影响提供重要的数据支撑。
上官冬辉, 李耀军
本数据集来源于中国长时间序列雪深数据集，利用三江源边界进行提取形成三江源雪深数据集。取值范围：0-100 cm。时间分辨率：逐日。空间分辨率为0.25 度（约25km），时间范围是1980年1月1日至2020年12月31日。雪深数据基于星载被动微波遥感数据生产，使用了三个不同的被动微波传感器数据，它们分别是SMMR,SSM/I和SSMI/S。由于不同的传感器之间存在一定的系统偏差，因此，首先对不同传感器的数据进行了交叉订正，然后再基于被动微波亮度温度梯度法制作中国长时间序列雪深数据集。头文件信息可参考数据集header.txt。
戴礼云
近地表土壤的冻结/融化状态表征着陆地表层过程的休眠和活跃，这种冻融相态交替能引起一系列复杂的地表过程轨迹模式突变，影响着土壤的水热特性、地表径流和地下水补给等水循环过程，同时也通过水和能量循环机制影响气候变化。本数据集是基于AMSR-E、AMSR2被动微波亮温数据，以及MODIS光学遥感数据，利用冻融判别式算法和冻融降尺度算法制备的全球近地表冻融状态（空间分辨率：0.05°；时间跨度：2002-2017年），可用于分析全球近地表冻融循环的开始/结束日期、冻结/融化时长、冻结范围等指标的空间分布和趋势变化，可为理解全球变化背景下陆表冻融循环与水分、能量交换过程的相互作用机制提供数据支持。
赵天杰, 张子谦
河湖冰物候对气候变化敏感，是指示气候变化的重要指示因子。308个Excel文件名称对应于湖泊编号。每个excel文件包含6个列，包含2002年7月至2018年6月对应湖泊的日冰覆盖率信息。每一列的属性分别为:日期、湖水覆盖率、湖水冰覆盖率、云覆盖率、湖水覆盖率和经过云处理后的湖面冰覆盖率。通常以0.1、0.9的冰覆盖面积比作为判别湖泊冰物候的依据。数据集包含的excel文件可以进一步获取四个湖冰物候参数:开始冻结(FUS),完全冻结(FUE)，开始融化(BUS),完全融化(BUE),和92个湖泊,可获取两个参数,FUS和BUE。
邱玉宝
青藏高原湖泊众多，该地区湖泊冰期物候和持续时间对区域和全球气候变化非常敏感，因此被用作气候变化研究的关键指标，特别是地球三极环境变化对比研究。但由于其自然环境恶劣，人口稀少，缺乏对湖泊冰物候的常规现场测量。利用中分辨率成像光谱仪(MODIS)归一化差雪指数(NDSI)数据，以500米的分辨率对湖泊冰进行了监测，填补了观测空白。利用传统的雪图算法对晴天条件下的湖泊日冰量和覆盖范围进行检测，利用湖泊表面条件的时空连续性，通过一系列步骤对云层覆盖条件下的湖泊日冰量和覆盖范围进行重新确定。通过时间序列分析308个大于3km2的湖泊确定为湖冰范围和覆盖的有效记录,形成每日湖冰范围和覆盖数据集,包括216个湖泊。
邱玉宝
该数据集提供1978年10月24日到2012年12月31日逐日的中国范围的积雪厚度分布数据，其空间分辨率为25km。用于反演该雪深数据集的原始数据来自美国国家雪冰数据中心（NSIDC）处理的SMMR（1978-1987年)，SSM/I（1987-2008年)和AMSR-E(2002-2012)逐日被动微波亮温数据。由于三个传感器搭载在不同的平台上，所以得到的数据存在一定的系统不一致性。通过对不同传感器的亮温进行交叉定标提高亮温数据在时间上的一致性。然后利用车涛博士在Chang算法基础上针对中国地区进行修正的算法进行雪深反演。具体反演方法参考“数据说明文档”。 该数据集包含EASE-Grid和经纬度两种投影方式，分别放入两个不同的文件夹中：ease-grid_rar(数据仅到2010年)和lon-lat_rar。两种投影的数据都逐年打包，文件命名方式为：传感器名称简写+年份，如ease-grid_rar目录下的SR1985表示用SMMR亮温数据反演的1985年的雪深；SI1990表示用SSM/I亮温数据反演的1990年的雪深；AE2005表示用AMSR-E亮温数据反演的2005年的雪深，这些数据的投影方式都是EASE-Grid。lon-lat_rar目录下，上面的数据集名称解释相同，只是其投影方式为经纬度投影。详细数据说明请参考数据文档。
车涛, 李新, 戴礼云
全球雪深数据集采用被动微波遥感反演方法制作，数据覆盖时间从1980年到2018年，时间分辨率为逐日，覆盖范围为全球，空间分辨率为25,067.53 m。遥感反演方法采用动态亮温梯度算法，算法考虑积雪特性在时空和空间上的变化，建立了不同频率亮度温度差与实测雪深在空间和季节上的动态关系。长时间序列星载被动微波亮度温度数据来自SMMR、SSM/I和SSMI/S三个传感器。为保证不同传感器亮度温度在时间上的一致性，在雪深提取之前对不同传感器亮度温度进行了交叉订正。通过实测站点的验证表明全球雪深数据相对偏差在30%以内。数据据每一天存放一个txt文件，每个文件由文件头（投影方式）和1383*586的雪深矩阵组成，每个雪深代表一个25,067.53m*25,067.53m的格网。该数据的投影方式为EASE-Grid，下面是每个文件的文件头，将其加到每个文件的前面可以将数据在arcgis中显示。 ncols 1383 // 数据矩阵共1383列 nrows 586 // 数据矩阵共586 xllcorner -17334193.54 //矩阵x方向左下角网格的角落点坐标 yllcorner -7344787.75 //矩阵y方向轴左下角网格的角落点坐标 cellsize 25,067.53 //每个网格的大小 NODATA_value -1 //缺省值
车涛, 李新, 戴礼云
本数据为祁连山地区2018年冰川分布产品。采用经典波段比值法和人工修正的方法提取。原始基础数据为2018年祁连山全境的高分系列影像。参考数据为谷歌影像和天地图影像。产品以shp文件格式存储，包含坐标系、冰川ID、冰川面积等属性。产品为1期，空间分辨率为2米，边界精度在2米（一个像元）左右。该数据直观地反映了祁连山冰川在2018年的分布，可用于冰川物质平衡变化定量估计、冰川变化对流域径流量影响定量估计等研究。
李佳, 汪赢政, 李建江, 李新, 刘绍民
本数据集包括祁连山地区2017年日值0.05°×0.05°地表土壤水分产品。采用多元统计回归模型，通过对“祁连山地区基于AMSR-E和AMSR2亮温数据的SMAP时间扩展日0.25°×0.25°地表土壤水分数据（SMsmapTE, V1）”进行降尺度，得到0.05°×0.05°地表土壤水分产品。参与多元统计回归的数据包括GLASS Albedo/LAI/FVC，周济-中国西部1km全天候地表温度数据（V1），以及经/纬度等信息。
柴琳娜, 朱忠礼, 刘绍民
本数据集包括祁连山地区2005年、2010年、2015年月0.05°×0.05°地表土壤水分产品。采用多元统计回归模型，通过对“祁连山地区基于AMSR-E和AMSR2亮温数据的SMAP时间扩展日0.25°×0.25°地表土壤水分数据（SMsmapTE, V1）”进行降尺度，得到0.05°×0.05°地表土壤水分产品。参与多元统计回归的数据包括GLASS Albedo/LAI/FVC，周纪-中国西部1km全天候地表温度数据（V1），以及经/纬度等信息。
柴琳娜, 朱忠礼, 刘绍民
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
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年冰川分布产品。采用经典波段比值法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天地图影像。产品以shp文件格式存储，包含坐标系、冰川ID、冰川面积等属性。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。该数据直观地反映了祁连山冰川在近35年内的分布变化，可用于冰川物质平衡变化定量估计、冰川变化对流域径流量影响定量估计等研究。
李佳, 汪赢政, 李建江
1、以野外涡度相关实测数据为基础，采用国际上公认的涡度相关数据标准处理方法，基本流程包括：野点剔除-坐标旋转-WPL校正-储存项计算-降水同期数据剔除-阈值剔除-异常值剔除-u*校正-缺失数据插值-通量分解与统计。本数据集包括青藏高原上典型的高寒草地生态系统，当雄高寒草甸、海北高寒草甸、那曲高寒草甸、若尔盖高寒草地和祁连山高寒草地，2003年到2016年间的碳通量数据和同时观测的小气候数据。数据的时间分辨率高，全年数据插值完整。本数据集可以应用于高原区碳通量评估、对比与预测，影响碳通量的气候因素归因，以及模型模拟结果的校正等。 2、以MCDGF43数据为基础，采用标准栅格数据投影、拼接和裁切的处理方法，基本流程包括：拼接-重采样-裁切。 本数据集包括青藏高原的地表反照率数据（可见光波段和近红外波段），时间分辨率为8天，空间分辨率500m，时间跨度为2003-2016年。
张扬建, 苏培玺, 杨燕
地表温度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，广泛应用于气候学、水文学和生态学等的研究中。 在冻土研究中，气候是冻土存在和发展的决定性因素之一，其中地表温度是影响冻土分布的主要气候因子，其影响冻土发生发育以及分布，是冻土建模的上边界条件，对寒区水文过程的研究具有重要的意义。 数据集基于青藏高原工程走廊DEM及观测站资料分析了青藏高原2000-2014地表温度变化趋势。利用MODIS上下午星Terra和Aqua的地表温度数据产品MOD11A1/A2、MYD11A1/A2，基于影像时空信息对云覆盖像元下地表温度信息进行了重建，采用昆仑山（湿地、草原）、北麓河（草原、草甸）、开心岭（草甸、草原）、唐古拉山（草甸、湿地）8个站点对重建信息及地表温度代表性问题进行了分析，通过相关性系数（R2）、均方根误差（RMSE）、平均绝对误差（MAE）和平均偏差（MBE）验证指标得出：（1）基于时空信息的MODIS云覆盖像元下地表温度重建精度较高；（2）上下午星Terra和Aqua四次观测加权平均代表性最好。 基于MODIS地表温度信息重建及代表性问题的分析，获取了青藏高原及其工程走廊带2000-2010年年均MODIS地表温度数据。 可以看出2000-2010年地表温度也在经历着波动的增温趋势，这与青藏高原以及青藏工程走廊多年冻土段气候变化保持基本相同的变化趋势。
牛富俊, 尹国安
青藏高原地区积雪的赋存变化较快，高原周边高山区具有冰雪资源丰富。在充分考虑青藏高原的地形和山地积雪特征的情况下，本套数据集采用了AVHRR数据，逐步实现保持积雪分类精度的情况下逐日、十天、每月积雪面积数据产品。本数据包含青藏高原2007-2015年每天/10天/每月积雪面积数据，数据平均精度可达0.92。可为青藏高原地区历史时期积雪变化提供可靠数据。
邱玉宝
近地表土壤的冻结/融化状态表征着陆地表层过程的休眠和活跃，这种冻融相态交替能引起一系列复杂的地表过程轨迹模式突变，影响着土壤的水热特性、地表径流和地下水补给等水循环过程，同时也通过水和能量循环机制影响气候变化。本数据集是基于AMSR-E和AMSR2被动微波亮温数据，利用冻融判别式算法制备的全球近地表冻融状态（空间分辨率：0.25°；时间跨度：2002-2019年），可用于分析全球近地表冻融循环的开始/结束日期、冻结/融化时长、冻结范围等指标的空间分布和趋势变化，可为理解全球变化背景下陆表冻融循环与水分、能量交换过程的相互作用机制提供数据支持。
赵天杰
该套南极海冰数据集共包括四套数据，均来自SMMR、SSM/I和SSMI/S三个传感器,采用被动微波遥感反演。其中SMMR为Nimbus-7卫星搭载的扫描式多通道微波辐射计，工作周期为1978年10月26日至1987年7月8日。1987年7月至今，使用美国国防卫星计划DMSP卫星群上搭载的一系列被动微波遥感数据SSM/I和微波成像专用传感器SSMIS提供的数据。 前三套为海冰密集度数据，覆盖范围为南极地区，空间分辨率为25 km： （1）数据来自Nimbus-7 SMMR和DMSP SSM/I-SSMIS Version 1，利用NASA Team算法反演得到，覆盖时间从1978年11月到2017年2月，时间分辨率为逐月，数据每月存放一个bin文件； （2）数据来源与第一套相同，覆盖时间从1978-10-26到2017-2-28，时间分辨率为两天，空间分辨率为25km，数据每年存放一个文件夹，每隔一天存放一个bin文件； （3）数据来自Near-Real-Time DMSP SSMIS，利用NASA Team算法反演得到，覆盖时间从2015-1-1到2018-2-3，时间分辨率为逐日，数据每日存放一个bin文件；每个文件由300-byte的文件头（数据时间信息、投影方式、文件名…）和316*332的矩阵组成。 第四套数据为海冰覆盖范围和海冰面积时间序列。覆盖时间从1978年11月到2017年12月，为南极地区海冰覆盖范围、海冰面积的时间演变序列，时间分辨率为逐月，每月存放一个ASCII文件；每个文件由表头（时间、数据类型…）和39*1的海冰覆盖矩阵和39*1的海冰面积矩阵组成。 数据的详细情况见美国冰雪数据中心NSIDC网站-数据说明http://nsidc.org/data/NSIDC-0051；http://nsidc.org/data/NSIDC-0081；http://nsidc.org/data/G02135
李双林, 刘娜
由于青藏高原地区季节性积雪具有赋存时间短、雪层较薄的特点，在对水循环等问题的理解中，迫切需要日时间尺度的积雪覆盖率动态监测数据。本数据集基于MODIS Snow Cover Daily L3 Global 500 m Grid数据，包括MODIS/Terra上午星数据（MOD10A1）和MODIS/Aqua下午星数据（MYD10A1）的归一化积雪指数NDSI数据产品，数据格式为hdf，投影方式为正弦曲线地图投影，结合90m的SRTM地形数据和多种云覆盖下积雪覆盖率估算算法的优势，实现云覆盖条件下的积雪覆盖率再估算，满足高亚洲地区逐日少云（＜ 10％）数据产品的生产要求，构建了 2002 - 2016 年高亚洲地区 MODIS 逐日积雪覆盖率数据集。选取无云条件下的二值积雪产品作为参考，通过云量分布和积雪总面积的时空对比，表明该产品的时空特征和二值产品具有较好的一致性。以 2013 年冬季为例，当积雪覆盖率大于 50％时，其相关性可达 0.8628。本数据集可为高亚洲地区的积雪动态监测、气候环境、水文和能量平衡、灾害评估等研究提供逐日积雪覆盖率数据。
邱玉宝
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
青藏高原地区积雪的赋存变化较快，高原周边高山区具有冰雪资源丰富，大气对流活跃等特点，而光学遥感往往受云的影响，在日时间尺度上积雪覆盖监测需要考虑去云问题。在充分考虑青藏高原的地形和山地积雪特征的情况下，本套数据集采用了多种去云过程和步骤相结合，逐步实现保持积雪分类精度的情况下，完成逐日积雪面积的云量消除，形成了“青藏高原 MODIS 逐日无云积雪面积”的逐步综合分类算法,完成了“青藏高原 MODIS 逐日无云积雪面积数据集（2002 - 2015 年）”。选取 2009年 10 月 1 日至 2011 年 4 月 30 日中的两个积雪季为算法研究和精度验证试验数据，采用研究区 145 个地面台站提供的雪深数据作为地面参考。结果表明，在高原地区，当积雪深度＞ 3 cm 时，无云积雪产品总分类精度达到 96.6％，积雪分类精度达 89.0％，整个算法流程对WGS84投影的中等分辨率的MODIS积雪产品MOD10A1以及MYD10A1为基础，去云的精度损失较低，数据可靠性较高。
邱玉宝
高亚洲地区是中纬度全球变化敏感区和研究的热点区域，其境内湖泊星罗棋布，湖冰冻融参数是全球变化的关键敏感因子之一。由于冰水介电常数差异大，高重访率且对天气不敏感的星载被动微波遥感可实现湖冰冻融状态的快速监测。本数据集依据微波辐射计像元内湖泊和陆表的面积比例，应用混合像元分解方法获取了像元（亚像元级）的湖泊亮温信息，实现高亚洲地区被动微波遥感亚像元级湖冰冻融监测，并采用多种被动微波数据，共计获得高亚洲区域 2002-2016 年 51 个中大型时间序列湖泊亮温数据和冻融状态信息。以无云MODIS 光学产品为验证数据，在高亚洲不同区域，选取可可西里湖、达则错、库赛湖等三个大小不一的湖泊进行冻融判别验证，结果表明微波和光学遥感所获取的湖冰冻结和融化参数具有较高的一致性，其相关系数可达0.968 与 0.987。本数据集包含湖泊的时间序列亮温值和湖冰冻融参数，可进一步对湖泊开展特征参数反演，以及提升对高亚洲地区的湖冰冻融的理解，为高亚洲地区气候、环境变化以及高亚洲对全球气候变化响应模型提供数据基础。数据集由 2 部分数据组成，其一为 2002-2016 年高亚洲区域 51个湖泊的被动微波遥感亮温数据集，观测时间间隔为 1~2 天；其二是由湖泊亮温数据集判断所获得的湖冰冻融数据集。文件名分别为：最邻近法与像元分解的湖泊亮温数据 .zip（12 MB），2002–2016 高亚洲 51 个湖泊湖冰冻融数据集 .xls（0.1 MB）
邱玉宝
微波辐射计数据集为SMMR（1978-1987）、SSM/I（1987-2009）和SSMIS（2009-2015）亮温数据，覆盖时间从1978年到2015年，空间分辨率为25 km，南极数据每个文件由316*332的栅格组成，北极冻融数据每个文件由304*448的栅格组成；微波散射计数据集为QScat（2000-2009）和ASCAT（2009-2015）后向散射系数据，覆盖时间从2000年到2015年，空间分辨率为4.45km.南极数据每个文件由1940*1940的栅格组成，北极数据每个文件由810*680的栅格组成。时间分辨率为逐日，覆盖范围为南北极冰盖。
李新武, 梁雷
利用2003-2013年11景的Modis1B数据(NSIDC网站发布的冰架Modis1B数据)，采用亚像元互相关方法提取南极Amery冰架表面流速，应用COSI-Corr软件提取冰架流速，获取近十年的年均流速时间序列，由于研究区域内缺乏实地观测，因此利用稳定区域的偏移量值评估冰流结果的精度，冰流误差约为±50m/year。冰流场数据覆盖时间从2003年到2013年，时间分辨率为逐年，覆盖范围为Amery区域，空间分辨率为500m。每年的冰流场数据存放一个Geotiff文件。 数据的详细情况见Amery冰流场-数据说明。
江利明
南极冰盖高程数据采用雷达高度计数据(Envisat RA-2)和激光雷达数据(ICESat/GLAS)制成。为提高ICESat/GLAS数据的精度,采用了五种不同的质量控制指标对GLAS数据进行处理,滤除了8.36%的不合格数据。这五种质量控制指标分别针对卫星定位误差、大气前向散射、饱和度及云的影响。同时,对Envisat RA-2数据进行干湿对流层纠正、电离层纠正、固体潮汐纠正和极潮纠正。针对两种不同的测高数据,提出了一种基于Envisat RA-2和GLAS数据光斑脚印几何相交的高程相对纠正方法,即通过分析GLAS脚印点与Envisat RA-2数据中心点重叠的点对,建立这些相交点对的高度差(GLAS-RA-2)与表征地形起伏的粗糙度之间的相关关系,对具有稳定相关关系的点对进行Envisat RA-2数据的相对纠正。通过分析南极冰盖不同区域的测高点密度,确定最终DEM的分辨率为1000 m。考虑到南极普里兹湾和内陆地区的差异性,将南极冰盖分为16个区,利用半方差分析确定最佳插值模型和参数,采用克吕金插值方法生成了1000 m分辨率的南极冰盖高程数据。利用两种机载激光雷达数据和我国多次南极科考实测的GPS数据对新的南极DEM进行了验证。结果显示,新的DEM与实测数据的差值范围为3.21—27.84 m,其误差分布与坡度密切关系。
黄华兵
黑河流域积雪面积比例数据集提供了2010到2012年无云日积雪面积比例时间序列产品，该数据利用卫星MODIS数据，具有较高时间分辨率（1天）和空间分辨率（500m）。首先利用自动算法N-FINDR选择端元，在自动提取的基础上，利用人工方法选择了积雪、植被、云、土壤、岩石和水6种类型端元，并根据2009年影像建立了光谱数据库；在光谱数据库的基础上利用全约束线性解混方法（FCLS）进行亚像元分解获取初级积雪面积比例产品；最后利用差值去云的算法获取了MODIS逐日积雪面积比例无云产品。经利用高分辨率影像Landsat TM验证，相比已有MODIS积雪面积比例产品 (MOD10A1)，具有更高的精度。能够为流域水文，气象提供更准确的积雪参数输入。 数据说明：0-100积雪面积比例，0非雪； 投影类型：经纬度投影，WGS-84基准面； 空间分辨率：0.005度； 时间分辨率：1天。
黄晓东, 张颖, 唐志光, 李新
地表微波发射率表征了地物向外发射微波辐射的能力，星载被动微波发射率可在宏观、大尺度上对陆表微波辐射进行整体表达，是被动微波地表参数定量反演中经验参数获取的重要基础数据，也是在大尺度上理解陆表微波辐射的一种途径。本数据集考虑到搭载在Aqua卫星上的高级微波扫描辐射计（AMSR-E）和中分辨率成像光谱仪（MODIS）的同步观测特点，采用MODIS的地表温度和大气水汽数据作为输入，通过考虑大气影响的发射率估算模型，生产了全球晴空条件下AMSR-E传感器运行期间（2002年6月~2011年10月）的陆表多通道双极化微波瞬时发射率。通过产品低频无线电信号影响、数据间比对、统计分析、不同地表覆盖条件的发射率特征、频率依赖和相关性研究等开展验证性分析，结果表明瞬时发射率的动态细节丰富，月内日变化标准差在0.02以内，其时空变化、频率依赖和相关性符合自然物理过程的理解。 此套数据集包括AMSR-E全生命周期的全球陆表逐日、侯、旬、半月及月产品，可用于开展星载被动微波遥感模拟、陆面模型以及陆表温度、积雪、大气降水/水汽/可降水量等反演研究。数据的投影坐标采用标准的EASE-GRID投影，数据存储方式为二进制浮点型格点（矩阵大小为1383*586），数据获得之后可用ENVI/IDL等软件或者相应程序代码以二进制文件的方式读取。 所生产出的所有陆表发射率数据按照以下规则命名： RADI_AMSRE_EM##_yyymmdd_EG_V##.bin 例如文件名称：RADI_AMSRE_EM01_20060101_EG_V#其中 EM##: 01表示每日，05表示5天，10表示旬，HM表示半月，MO表示月 yyyymmdd: yyyy表示年份，mm表示月份，dd表示日期 V##: 版本号，如0.1, 1.0等，个位数为正式版 RADI: “中国科学院遥感与数字地球研究所”英文缩写 AMSRE: 高级微波扫描辐射计
邱玉宝
本数据集主要包含Nimbus-7卫星携带的扫描式多通道微波辐射计（SMMR：Scanning Multichannel Microwave Radiometer）获得的被动微波亮度温度，包含1978年10月25日-1987年8月20日的06H、06V、10H、10V、18H、18V、21H、21V、37H、37V共十个微波通道的每天两次过境（升轨&降轨）亮度温度，其中H代表水平极化，V代表垂直极化。 1978年10月发射的Nimbus-7为太阳同步极轨卫星，搭载的微波传感器SMMR，是一台测量地表五个频率（6.6GHz，10.69GHz，18.0GHz，21.0GHz，37.0GHz）微波亮温的双极化微波辐射计。它以约50.3°固定入射角扫描地表，幅宽780km，并在正午12：00（升轨）与午夜24：00（降轨）通过赤道。SMMR时间分辨率为每日，但由于swath间距离较宽，大概每隔5-6天才会重访同一地表。 1、文件格式和命名： 每组数据均由遥感数据文件构成。 SMMR_Grid_China目录下的每组数据文件名及命名规则如下： SMMR-MLyyyydddA/D.subset.ccH/V（遥感数据） 其中：SMMR代表SMMR传感器；ML代表多通道低分辨率；yyyy代表年份；ddd代表该年的儒略日（1-365/366）；A/D分别代表升轨（A）和降轨（D）；subset表示中国地区的亮温数据；cc代表频率（6.6GHz，10.69GHz，18.0GHz，21.0GHz，37.0GHz）；H/V分别代表水平极化（H）和垂直极化（V）。 2、坐标系及投影： 投影方式为等积割圆柱投影，双标准纬线为南北纬30度。有关EASE-GRID的相关详细信息，请参考http://www.ncgia.ucsb.edu/globalgrids-book/ease_grid/。 如果需要将EASE-Grid投影方式转换成Geographic投影方式，请参照ease2geo.prj文件，内容如下： Input projection cylindrical units meters parameters 6371228 6371228 1 /* Enter projection type (1, 2, or 3) 0 00 00 /* Longitude of central meridian 30 00 00 /* Latitude of standard parallel Output Projection GEOGRAPHIC Spheroid KRASovsky Units dd parameters end 3、数据格式： 以整数形二进制存储，每个数据占2个字节。本数据集中实际存储的数据为亮温*10，读出数据后需除以10得到真实亮温。 空间分辨率：25km； 时间分辨率：逐日，从1978年至1987年。 4、空间范围： 经度：60.1°-140.0°东经； 纬度：14.9°-55.0°北纬。 5、数据读取 每一组数据的遥感影像数据文件可以在ENVI和ERDAS软件中打开。
NSIDC
本数据集主要包括美国国防气象卫星计划卫星（DMSP-F08、DMSP-F11、DMSP-F13和DMSP-F17）搭载的星载微波辐射计SSM/I和SSMIS的每日两次（升轨&降轨）亮度温度（K），时间覆盖范围为1987年9月15日至2015年12月31日。DMSP-F08、DMSP-F11和DMSP-F13的SSM/I亮温包含19.35H、19.35V、22.24V、37.05H、37.05V、85.50H和85.50V共七个通道；而DMSP-F17的SSMIS亮温观测由19.35H、19.35V、22.24V、37.05H、37.05V、91.66H和91.66V共七个通道组成。其中，DMSP-F08卫星亮温的覆盖时间为1987年9月15日至1991年12月31日；DMSP-F11卫星亮温的覆盖时间为1992年1月1日至1995年12月31日；DMSP-F13卫星亮温的覆盖时间为1996年1月1日至2009年4月29日；DMSP-F17卫星亮温的覆盖时间为2009年1月1日至2015年12月31日。 1、文件格式和命名： 亮度温度以年为单位分别存放，每个目录中均由各频率的遥感数据文件构成，其中SSMIS数据中还包含.TIM时间信息文件。 各数据文件名及其命名规则如下： EASE-Fnn-ML/HyyyydddA/D.subset.ccH/V（遥感数据） EASE-Fnn-ML/HyyyydddA/D.subset.TIM（时间信息文件） 其中：EASE代表EASE-Grid投影方式；Fnn代表卫星编号（F08、F11、F13、F17）；ML/H分别代表多通道低分辨率和多通道高分辨率；yyyy代表年份；ddd代表该年的儒略日（1-365/366）；A/D分别代表升轨（A）和降轨（D）；subset 表示中国地区的亮温数据；cc代表频率（19.35GHz、22.24 GHz、37.05GHz、85.50GHz、91.66GHz）；H/V分别代表水平极化（H）和垂直极化（V）。 2、坐标系及投影： 本数据集投影方式为EASE-Grid，即等积割圆柱投影，双标准纬线为南北纬30°。有关EASE-GRID的相关详细信息，请参考http://www.ncgia.ucsb.edu/globalgrids-book/ease_grid/。 如果需要将EASE-Grid投影方式转换成Geographic投影方式，请参照ease2geo.prj文件，内容如下： Input projection cylindrical units meters parameters 6371228 6371228 1 /* Enter projection type (1, 2, or 3) 0 00 00 /* Longitude of central meridian 30 00 00 /* Latitude of standard parallel Output Projection GEOGRAPHIC Spheroid KRASovsky Units dd parameters end 3、数据格式： 以整数型二进制存储，行列号：308*166，每个数据占2个字节。本数据集中实际存储的数据为亮温*10，读出数据后需除以10得到真实亮温。 4、数据分辨率： 空间分辨率：25.067525km，12.5km（SSM/I 85GHz，SSMIS 91GHz） 时间分辨率：逐日，从1978年至2015年。 5、空间范围： 经度：60.1°-140.0°东经； 纬度：14.9°-55.0°北纬。 6、数据读取： 每一组数据中的遥感影像数据文件可以在ArcMap、ENVI和ERDAS软件中打开。
National Snow and Ice Data Center（NSIDC）
.png)
该数据集是“中国雪深长时间序列数据集（1978-2012）”的升级版本。 中国雪深长时间序列数据集（1979-2023）采用经纬度投影方式，数据为浮点型。数据集按年份存储，每个年份是一个压缩包，每个压缩包内包含每天的积雪深度文件。每天的雪深用一个txt文件存储，文件的名称为“yyyyddd.txt”，其中yyyy代表年，ddd代表Julian日期，雪深单位为厘米（cm）。比如2005001.txt就代表这个ASCII文件描述2005年第一天我国的积雪覆盖状况。数据集的ASCII码文件是由头文件和主体内容构成，头文件包括行数、列数、x-轴中心点坐标、y-轴中心点坐标、栅格大小、无数据区标值等6行描述信息组成，主体内容就是根据行数列数组成的二维数组，雪深单位为厘米（cm）。因为该数据集中的所有ASCII码文件所描述的空间为我国全国范围，所以这些文件的头文件是不变的，现将头文件摘录如下（其中xllcenter, yllcenter, cellsize单位为度）： ncols 321 nrows 161 xllcenter 60 yllcenter 15 cellsize 0.25 NODATA_value -1。 该数据集是采用中国被动微波雪深反演算法Che算法，从星载被动微波亮度温度数据提取。星载被动微波亮度温度数据来自多个传感器，本数据采用的传感器包括Nimbus7上的SMMR(1979-1988),DMSP-F08,F11,F13上的SSMI（1988-2008），DMSP-F17上的SSMI/S（2009-2020），Aqua上的AMSR-E （2002-2011），GCOM-W1上的AMSR2 (2012-)。考虑到不同传感器之间的系统差异，在进行雪深反演前，已对对不同传感器进行了交叉订正。 数据包含三个压缩文件：daily snow depth _smmr_ssmis_China (1978-2020),daily snow depth _amsre_China(2002-2011),daily snow depth_amsr2_China（2012-2023）。第一个是从SMMR,SSMI,SSMI/S提取的1978-2020年逐日雪深，第二个是从AMSR-E提取的2002-2011年逐日雪深，第三个是从AMSR2提取的2012-2023年逐日雪深。从2021年开始SSMI/S数据与之前差异较大，因此，之后的数据不再根据SSMI/S数据更新。AMSR-E数据结束时间是2011年9月27日。AMSR2数据从2012年9月1日开始，目前仍在运行，今后将根据AMSR2数据继续更新中国长时间序列数据集。
车涛, 戴礼云, 李新
八宝河流域逐日无云MODIS积雪面积比例数据集（2008.1.1-2014.6.1）是在MODIS逐日积雪产品—MOD10A1的基础上，采用一种基于三次样条函数插值的去云算法进行去云处理后得到(唐志广，2013)。 该数据集采用UTM（横轴等角割圆柱）投影方式，空间分辨率500m，提供逐日的八宝河流域积雪反照率（Snow Albedo Daily-SAD）结果。数据集为逐日文件，从2008年1月1日到2014年6月1日。每个文件为当日的积雪反照率结果，数值为0-100（%），为ENVI标准文件，命名规则为：MOD10A1.AYYYYddd_h25v05_Snow_SAD_Grid_2D_reproj_babaohe_nocloud.img，其中YYYY代表年， ddd代表儒略日（001-365/366）。文件可直接用ENVI或者ARCMAP等软件打开察看。 进行去云处理的原始MODIS积雪数据产品来源于由美国国家雪冰数据中心（NSIDC）处理的MOD10A1产品，这一数据集为hdf格式，采用sinusoidal投影。 八宝河流域逐日无云MODIS反照率数据集（2008.1.1-2014.1.1）属性由该数据集的时空分辨率、投影信息、数据格式组成。 时空分辨率：时间分辨率为逐日，空间分辨率为500m，经度范围为100.2°～101.2°E，纬度为37.6°～38.3°N。 投影信息：UTM（横轴等角割圆柱）投影。 数据格式：ENVI标准格式。文件命名规则："MOD10A1.A"+"YYYYddd"+"_h25v05_Snow_SAD_Grid_2D_reproj_babaohe_nocloud"+".img"，其中YYYY代表年，ddd代表儒略日（001-365/366），其中该数据集的ENVI文件是由头文件和主体内容构成。头文件包括行数、列数、波段数、文件类型、数据类型、数据记录格式、和投影信息等；以2000055_FSC_0.5km.img 文件为例，其头文件信息如下： ENVI description = { ENVI File, Created [Wed Nov 26 11:50:00 2014]} samples = 187 lines = 132 bands = 1 header offset = 0 file type = ENVI Standard data type = 4 ：代表byte型 interleave = bsq ：数据记录格式为BSQ sensor type = Unknown byte order = 0 map info = {UTM, 1.000, 1.000, 596240.026, 4244174.613, 5.0000000000e+002, 5.0000000000e+002, 47, North, WGS-84, units=Meters} coordinate system string = {PROJCS["UTM_Zone_47N",GEOGCS["GCS_WGS_1984",DATUM["D_WGS_1984",SPHEROID["WGS_1984",6378137.0,298.257223563]],PRIMEM["Greenwich",0.0],UNIT ["Degree",0.0174532925199433]],PROJECTION["Transverse_Mercator"],PARAMETER["False_Easting",500000.0],PARAMETER["False_Northing",0.0],PARAMETER ["Central_Meridian",99.0],PARAMETER["Scale_Factor",0.9996],PARAMETER["Latitude_Of_Origin",0.0],UNIT["Meter",1.0]]} wavelength units = Unknown
王建, 潘海珠
2007年10月17日夜间，在阿柔样方2开展了Envisat ASAR数据的地面同步观测试验。 Envisat ASAR数据为AP模式，VV/VH极化组合方式，过境时间约为23:04BJT。阿柔样方2为3Grid×3Grid，每个Grid为30m×30m，共计25个采样点（包含中心点和角点）。 与卫星过境同步，在阿柔样方2，采用ML2X土壤水分速测仪获取土壤体积含水量；采用WET土壤水分速测仪测量获得土壤体积含水量、电导率、土壤温度及土壤复介电常数实部；手持式红外温度计获得地表辐射温度；并采用100cm^3环刀取土经烘干获得重量含水量、土壤容重及体积含水量。同时还对植被一些参数进行了相关调查，主要包括植被高度、覆盖度、植被含水量。地表粗糙度信息请参见“黑河综合遥感联合试验：阿柔加密观测区地表粗糙度数据集 ”元数据。 本数据可为发展和验证主动微波遥感反演土壤水分及冻融状态算法提供基本的地面数据集。
白云洁, 郝晓华, 晋锐, 李弘毅, 李新, 李哲
2007年10月17日夜间，在扁都口样方1和扁都口样方2开展了Envisat ASAR数据的地面同步观测试验。 Envisat ASAR数据为AP模式，VV/VH极化组合方式，过境时间约为23:04BJT。扁都口样方1和扁都口样方2均为3Grid×3Grid，每个Grid为30m×30m正方形，共计25个采样点（包含中心点和角点）。 与卫星过境同步，在扁都口样方1和扁都口样方2，采用Hydra probe水分仪测得土壤温度、土壤体积含水量（cm^3/cm^3）、土壤盐分（s/m）及土壤电导率（s/m）；手持式红外温度计获得地表辐射温度；并采用100cm^3环刀取土经烘干获得重量含水量、土壤容重及体积含水量。同时还对植被一些参数进行了相关调查，主要包括植被高度、覆盖度、植被含水量。 本数据可为发展和验证主动微波遥感反演土壤水分及冻融状态算法及正向模型提供基本的地面数据集。
白云洁, 曹永攀, 李新, 王维真, 王旭峰
2008年3月15日在冰沟流域加密观测区进行Envisat ASAR同步观测，主要目的是研究利用主动雷达数据反演积雪参数方法。 Envisat ASAR数据为AP模式，VV/VH极化组合方式，过境时间约为11:34BJT。 观测内容包括 1）雪特性分析仪观测数据，观测变量包括雪密度，雪复介电常数，雪体积含水量，雪重量含水量。观测数据在BG-B、BG-D、BG-E、BG-F内获取，雪特性分析仪数据统一存放在雪特性分析仪文件夹中。 2）积雪参数观测数据，观测变量包括雪表面和雪土界面温度（手持式红外温度计）、分层积雪温度 （针式温度计）、雪粒径（手持式显微镜量）、雪密度（铝盒式测量）、雪深（尺子）以及ASAR过境时同步的雪表面温度 （手持式红外温度计）。积雪参数观测在分别样方BG-H、BG-D、BG-E、BG-F进行。 3）积雪光谱观测数据，采用新疆气象局光谱仪在样方BG-H15进行ASAR同步光谱观测试验。同时利用自制不同粒径雪样筛，通过筛子筛选积雪，人工制造不同粒径的雪层结构，测量其表面光谱特性，并对雪层的粒径的长短轴以及形状进行了观测。 该数据集包括原始数据和预处理数据2个文件夹。
白艳芬, 白云洁, 盖春梅, 郝晓华, 李弘毅, 梁继, 舒乐乐, 王旭峰, 徐瑱, 马明国, 曲伟, 任杰, 常存, 窦燕, 马忠国, 刘艳, 张璞
2008年3月17日在冰沟流域加密观测区开展的EO-1 Hyperion和Landsat TM卫星地面同步积雪参数观测，可为机载－星载遥感数据的积雪参数反演和验证提供基本的数据集。 观测内容包括： 1）积雪参数观测，观测变量包括：雪深（尺子）、分层雪深温度（针式温度计）、雪粒径（手持式显微镜）以及卫星过境时同步的雪表面和雪土界面温度（手持式红外温度计），该观测在样方BG-A、BG-E、BG-F、BG-H进行。 2）雪特性分析仪观测，观测变量包括有雪密度、雪复介电常数、雪体积含水量、雪重量含水量等。该观测在样地BG-A、BG-E和BG-H进行，此外还在冰沟寒区水文气象观测站进行了连续25小时的定点观测。 3）积雪光谱观测（由新疆气象局ASD光谱仪测量），观测点位置见GPS记录文件。 4）积雪反照率观测（总辐射表）。 本数据集包括原始数据和预处理数据2个文件夹。
白艳芬, 白云洁, 盖春梅, 郝晓华, 梁继, 舒乐乐, 王旭峰, 徐瑱, 朱仕杰, 马明国, 常存, 窦燕, 马忠国, 姜腾龙, 肖鹏峰, 刘艳, 张璞
2008年03月15日，在阿柔样方2和阿柔样方3开展了Envisat ASAR数据的地面同步观测试验。 Envisat ASAR数据为AP模式，VV/VH极化组合方式，过境时间约为11:35BJT。阿柔样方2和阿柔样方3均为4Grid×4Grid，每个Grid为30m×30m。为保证同步效率，仅在每个Grid的角点进行采样测量。 在阿柔样方2采用POGO便携式土壤水分传感器获得土壤温度、土壤体积含水量、损耗正切、土壤电导率、土壤复介电常数实部及虚部；针式温度计获得0-5cm平均土壤温度；手持式红外温度计获得3次地表辐射温度；并采用100cm^3环刀取土经烘干获得重量含水量、土壤容重及体积含水量。 在阿柔样方3采用POGO便携式土壤水分传感器获得土壤温度、土壤体积含水量、损耗正切、土壤电导率、土壤复介电常数实部及虚部；ML2X土壤水分速测仪获取土壤体积含水量；针式温度计获得0-5cm平均土壤温度；手持式红外温度计获得3次地表辐射温度；并采用100cm^3环刀取土经烘干获得重量含水量、土壤容重及体积含水量。地表粗糙度信息请参见“黑河综合遥感联合试验：阿柔加密观测区地表粗糙度数据集 ”元数据。此外，还在阿柔样方1开展了同步探地雷达观测。本数据可为发展和验证主动微波遥感反演土壤水分及冻融状态算法提供基本地面数据集。
曹永攀, 顾娟, 韩旭军, 晋锐, 李哲, 王维真, 吴月茹, 历华, 于梅艳, 赵金, Patrick Klenk, 袁小龙
2008年5月24日在临泽站开展Envisat ASAR和ALOS PALSAR卫星地面同步观测，进行了土壤水分，地表辐射温度，手工LAI等观测。Envisat ASAR数据已获取，ALOS PALSAR数据未获取。 Envisat ASAR数据为AP模式，VV/VH极化组合方式，过境时间约为11:34BJT。 1. 土壤水分观测。观测目标：0-5cm的表层土壤。观测仪器： 环刀（体积50cm^3）， ML2X土壤水分速测仪。观测样方和观测次数：荒漠东西样带（包含40个子样方，每个子样方角点环刀各1次采样）、荒漠南北样带（包含9个子样方，每个子样方中心点环刀1次采样）、五里墩玉米地9个小样方中点观测，中心的5号样方加密，4个角点也观测（每个观测点环刀1次采样，ML2X土壤水分速测仪3次重复观测预处理数据为土壤体积含水量。数据存储：Excel。 2. 地表辐射温度观测。观测仪器：手持式红外温度计（寒旱所5#，寒旱所6#），仪器均经过定标（请参考手持式热辐射仪定标数据.xls）。观测样方和观测次数：荒漠东西样带（含40个子样方，每个子样方14－30次重复）、荒漠南北样带（含9个子样方，每个子样方12－30次重复）。预处理数据根据根据热红外定标数据（标准源为黑体），将各仪器的实测温度与相应黑体温度进行直线拟合，求得拟合方程，再利用上述拟合的方程，对观测的原始观测数据进行定标处理。数据存储：Excel。 3. 手工测量LAI。观测样方：五里墩农田样方和临泽站内样方。观测项目：LAI，株高，间距。LAI观测方案：（1）利用直尺和三角板，抽样测量和记录叶片长和宽，样方作物总株数，样方大小，计算出作物的平均叶片面积，乘上样方内总株数，得出估算的作物总的叶片面积后，除以样方面积，得到的是观测样方每天的LAI观测平均值；（2）利用LI-3100观测LAI。株高测量方案：用卷尺测量样方内制种玉米的父本和母本的高度。间距测量方案：用卷尺分别测量制种玉米父本和母本的行距，株距和垄距。存储方式：此数据为处理后数据，文件格式为Excel表格。 样方样带的分布和编号信息请参见元数据“黑河综合遥感联合试验：临泽站加密观测区样方样带布置”，样方位置见临泽站加密观测站样方样带坐标.xls。
白艳芬, 丁松爽, 潘小多, 汪洋, 朱仕杰, 李静, 肖志强, 孙进霞
2008年03月12日，在阿柔样方1、阿柔样方2和阿柔样方3开展了Envisat ASAR数据的地面同步观测试验。 ASAR数据为AP模式，VV/VH极化组合方式，过境时间约为11:29BJT。阿柔样方2由于靠近河谷温度较低，积雪尚未融化，因此主要开展积雪参数的同步观测试验，而阿柔样方1和阿柔样方3积雪已消融，主要开展土壤冻融状况和土壤水分的同步观测试验。 阿柔样方1、阿柔样方2和阿柔样方3均为4Grid×4Grid，每个Grid为30m×30m。环刀取土只在每个Grid的中心点开展，其余测量在每个Grid的中心点和角点展开。 在阿柔样方1，采用POGO便携式土壤水分传感器获得土壤温度、土壤体积含水量、损耗正切、土壤电导率、土壤复介电常数实部及虚部；ML2X土壤水分速测仪获得土壤体积含水量；PR2土壤剖面水分速测仪获得10cm、20cm、30cm、40cm、60cm及100cm土壤体积含水量剖面；针式温度计获得0-5cm平均土壤温度；并采用100cm^3环刀取土经烘干获得土壤重量含水量、土壤容重及体积含水量。 在阿柔样方2，开展了与ASAR同步的积雪参数观测，包括卫星过境时同步的雪表面温度观测（采用热红外温度枪测量），分层雪层温度观测（采用针式温度计测量），雪粒径观测（采用手持式显微镜测量），雪密度观测（采用铝盒方式测量），以及雪表面和雪土界面同步温度测量（采用热红外温度枪测量）；积雪光谱观测（采用ASD光谱仪测量）；积雪反照率观测（采用总辐射表测量）。 在阿柔样方3，采用WET土壤水分速测仪测量土壤体积含水量、电导率、土壤温度及土壤复介电常数实部；针式温度计（#5和#7）获得0-5cm平均土壤温度；手持式红外温度计（#5）获得地表辐射温度；并采用100cm^3环刀取土经烘干获得土壤重量含水量、土壤容重及体积含水量。 地表粗糙度信息可参见“黑河综合遥感联合试验：阿柔加密观测区地表粗糙度数据集 ”元数据。此外，还在阿柔样方1开展了探地雷达同步观测。本数据可为发展和验证主动微波遥感反演土壤水分及冻融状态算法，及利用GPR数据反演土壤水分及冻结深度提供基本的地面数据集。
白艳芬, 曹永攀, 盖春梅, 顾娟, 韩旭军, 晋锐, 李哲, 梁继, 马明国, 舒乐乐, 王建华, 王旭峰, 吴月茹, 徐瑱, 曲伟, 常存, 窦燕, 马忠国, 于梅艳, 赵金, 姜腾龙, 肖鹏峰, 刘燕, 张璞, Patrick Klenk, 袁小龙
2008年7月14日，在阿柔样方1、阿柔样方2和阿柔样方3开展了Envisat ASAR数据地面同步观测试验，观测项目主要包括土壤水分和土壤温度。 Envisat ASAR数据为AP模式，VV/VH极化组合方式，过境时间约为11:31BJT。本数据可为发展和验证Envisat ASAR遥感反演土壤水分提供基本的地面数据集。阿柔样方1、阿柔样方2和样方3均为4Grid×4Grid，每个Grid为30m×30m。 1. 土壤水分测量方法：阿柔样方1，POGO便携式土壤水分传感器；阿柔样方2，POGO便携式土壤水分传感器；阿柔样方3，POGO便携式土壤水分传感器；。测点数量：25个测量位置：在30 m×30m的格子的角点上测量。测量变量包括：土壤温度、土壤体积含水量、损耗正切、土壤电导率、土壤复介电常数实部及虚部 2. 土壤温度 测量方法：阿柔样方1，手持式红外温度计（北师大3#和北师大5#）；阿柔样方2，手持式红外温度计（北师大1#和北师大4#）；阿柔样方3，手持式红外温度计（北师大2#和北师大6#）。测点数量：25个，两组同时测量，一组从1到25，一组从25到1。测量位置：在30 m×30m的格子的角点上测量。记录信息：采样时间、2次重复的红外温度最大值、最小值、平均值以及地表覆盖类型描述。 并针对草地，裸土和狼毒花进行了红外波谱测量，采用仪器为红外波谱仪102F。 本数据集包括： （1）ASAR影像数据文件夹 （2）红外波谱仪102F预处理数据 （3）同步试验地表温度记录表 （4）同步土壤水分（POGO）测量记录表
高洪春, 李红星, 刘超, 冉有华, 任华忠, 余莹洁
2008年6月10日，在临泽草地加密观测区样方A（芦苇地），样方B（盐碱地），样方C（盐碱地）、样方D（苜蓿地）和样方E（大麦地）开展了ALOS PALSAR数据的地面同步观测。 ALOS PALSAR数据为FBS模式，HH极化方式，过境时间约为23:39BJT。主要观测变量为土壤水分。本数据可为发展和验证主动微波遥感反演土壤水分和土壤盐分算法提供基本的地面数据集。 本数据观测在120m×120m，6Grid×6Grid样方内展开。观测内容为：样方A、样方B和样方C采用环刀取土经烘干获得重量含水量、体积含水量及土壤容重；针式温度计获得0-5cm平均土壤温度。样方D和样方E采用POGO便携式土壤传感器获得土壤温度、土壤水分、损耗正切、土壤电导率、土壤复介电常数实部及虚部；针式温度计获得0-5cm平均土壤温度。 本数据集共包括测量的5个样方的土壤水分数据Excel表格。 样方样带的分布信息请参见元数据“黑河综合遥感联合试验：临泽草地加密观测区样方样带布置”。
白艳芬, 曹永攀, 盖春梅, 胡晓利, 王树果, 王维真, 吴月茹, 朱仕杰, 冯磊
2007年10月18日，在阿柔样方1和阿柔样方2开展了Envisat ASAR数据的地面同步观测试验。Envisat ASAR数据为AP模式，VV/VH极化组合方式，过境时间约为11:17BJT。阿柔样方1和阿柔样方2均为3Grid×3Grid，每个Grid为30m×30m，共计25个采样点（包含中心点和角点）。 在每个采样点，采用WET土壤水分速测仪测量获得土壤体积含水量、电导率、土壤温度及土壤复介电常数实部；手持式红外温度计获得地表辐射温度；并用100cm^3环刀取土经烘干获得重量含水量、土壤容重及体积含水量。同时还对植被一些参数进行了相关调查，主要包括植被高度、覆盖度、植被含水量。地表粗糙度信息请参见“黑河综合遥感联合试验：阿柔加密观测区地表粗糙度数据集 ”元数据。 本数据可为发展和验证主动微波遥感反演土壤水分及冻融状态算法提供基本的地面数据集。
白云洁, 郝晓华, 晋锐, 李弘毅, 李新, 李哲
2007年12月10日与12月11日在冰沟流域加密观测区开展的针对MODIS地面同步积雪参数观测和针对Terra MISR的地表温度同步观测，目的是为遥感反演验证提供数据集。在BG-A样地进行。 观测内容包括： 1）积雪参数观测，观测变量包括雪表面和雪土界面同步温度、地表温度（手持式红外温度计测量）、雪分层温度（针式温度计测量）、雪深（尺子）和雪粒径（手持式显微镜测量） 2）雪密度观测见预试验期冰沟流域加密观测区雪密度观测数据集 3）雪特性分析仪同步观测数据见预试验期冰沟流域雪特性分析仪（SnowFork）观测数据集。 该数据集包括原始数据和预处理数据，在预处理数据中包含2个文件，一个是MODIS和MISR积雪参数观测，另一个是MISR同步温度记录。
李新, 王建, 马明国, 王维真, 车涛, 郝晓华, 李弘毅, 梁继, 白云洁, 王旭峰, 吴月茹, 汪洋, 罗立辉, 张璞, 刘艳
2008年3月14日在扁都口加密观测区开展了Envisat ASAR地面同步测量，测量内容主要包括地表温度、土壤剖面含水量（0-1cm、1-3cm、3-5cm、5-10cm、10-20cm，部分样方只测量了5cm）、表层土壤冻结深度。 Envisat ASAR数据为AP模式，VV/VH极化组合方式，过境时间约为23:21BJT。 测量时间为2008年3月14日23:30-2008年3月15日1:00，测量样方包括扁都口C1样地、扁都口W2样地和扁都口B2样地；样方类型包括麦茬地、深翻地、油菜茬地。 1）土壤温度采用手持式红外温度计，采用近距离测量模式，分别测量了地表红外辐射温度和土壤表层的物理温度。同时记录了测量点的地表类型。数据文件可以用Microsoft Office软件打开。 2）土壤含水量：取0-1cm、1-3cm、3-5cm、5-10cm、10-20cm土样，放入自封袋，然后用微波炉烘干，计算其土壤重量含水量。 3）土壤冻结深度的测量方法是通过用筷子插入土壤感觉其硬度或者将土壤表层冻结层直接挖出测量冻结层厚度，来判断冻融深度。直尺直接测量，当土壤硬度较大并且有冰晶时，认为土壤冻结；反之，则认为土壤未冻。数据可以用Microsoft Office软件打开。 本数据集包括4个文件夹，分别为：ASAR数据、扁都口C1样地测量数据、扁都口W2样地测量数据、扁都口B2样地测量数据。
常胜, 房倩, 瞿瑛, 梁星涛, 刘志刚, 潘金梅, 彭丹青, 任华忠, 张勇攀, 张志玉, 赵少杰, 赵天杰, 郑越, 周纪, 刘晨州, 殷小军, 张志玉
2007年9月19日预试验期间，在临泽站开展了Envisat ASAR卫星地面同步观测试验，2007年9月19日成功获得了一景Envisat ASAR影像。 Envisat ASAR数据为AP模式，VV/VH极化组合方式，过境时间约为11:29BJT。本地面数据可为发展和验证Envisat ASAR遥感反演土壤水分提供基本的地面数据集。 测量内容： 1. 土壤水分。样方分布：临泽芦苇地、张掖农田、张掖戈壁、临泽玉米地、临泽苜蓿地、张掖观象台、临泽湿地。观测方法：环刀法。 2. GPS位置，测量仪器：GARMIN GPS 76。 3. 植被信息。记录信息：株高、植株鲜重、植株干重、取样方式、描述（例如地表类型，均匀程度，干湿程度等）。 4. 大气参数。测量仪器：遥感所的法国CIMEL公司生产CE318太阳分光光度计。测量目标：利用太阳分光光度计测量得到的大气参数。测量地点：大满水管所。测量内容：CE318太阳分光光度计通过直接太阳辐射测量数据，可以反演出非水汽通道的光学厚度、瑞利散射、气溶胶光学厚度，水汽通道936nm测量数据可以获得大气气柱的水汽含量，水平能见度也可从CE318数据导出。本次测量采用了北京师范大学的CE318，其可提供1020nm、936nm、870nm、670nm和440nm共5个波段的光学厚度，可以利用936nm测量数据反演大气柱水汽含量。数据存储：本数据包括原始数据和处理后的大气数据。原始数据以CE318特有文件格式*.k7存储，可用ASTPWin软件打开，并附带说明文件ReadMe.txt ；处理后文件包括利用原始数据反演获得光学厚度、瑞利散射、气溶胶光学厚度、水平能见度和近地表大气温度，以及参与计算的太阳方位角、天顶角、日地距离修正因子和大气柱质量数。 5. 粗糙度观测。粗糙度数据由粗糙度板测量，通过数码照相采集，然后在ArcView软件下，对照片中每根辐条的顶端以及板子的四角做手工数字化采样，获得其图像坐标值，经过几何校正后，计算得到每根辐条的高度，然后按公式计算表面高度标准离差和表面相关长度。其计算公式见《微波遥感》第二卷234-236页。粗糙度数据中首先是样点名称，之后数据正文包括4列（编号、文件名、标准离差、相关长度）。每一个文件名，即txt文件对应一张采样照片，标准离差（cm）与相关长度（cm）即代表了粗糙度。之后是每张照片中101根辐条的长度，属于中间结果，用以检查校正。
车涛, 李新, 白云洁, 丁松爽, 高松, 韩旭军, 郝晓华, 晋锐, 李弘毅, 李哲, 梁继, 潘小多, 秦春, 冉有华, 王旭峰, 吴月茹, 严巧娣, 张岭梅, 方莉, 历华, 刘强, 闻建光, 马宏伟, 闫业庆, 袁小龙
本数据集为盈科绿洲加密观测区与临泽草地加密观测区的叶绿素含量观测数据集。 测量日期与内容为：2008-05-20，2008-05-24，2008-05-28，2008-05-30，2008-06-16，2008-06-29，2008-07-07，2008-07-11与航空和卫星遥感同步，用SPAD叶绿素仪测量了盈科绿洲站周边玉米地样地及临泽草地站大麦和苜蓿样地的叶绿素含量数据。 （1）2008年5月20日盈科绿洲与花寨子荒漠有TM过境，测量地点为盈科绿洲玉米地内的一号、四号以及五号样地。 （2）2008年5月24日与ASAR及MODIS同步，测量地点在临泽草地加密观测区。 （3）2008年5月28日与ASTER及MODIS同步，测量地点在盈科绿洲玉米地样地。 （4）2008年5月30日与机载红外广角双模式成像仪WiDAS（Wide-angle Infrared Dual-mode line/area Array Scanner）航空飞行的地面同步，测量地点在盈科绿洲玉米地样地。 （5）2008年6月16日与成像光谱仪OMIS-II飞行同步，测量地点在盈科绿洲玉米地样地。 （6）2008年6月29日与机载红外广角双模式成像仪WiDAS（Wide-angle Infrared Dual-mode line/area Array Scanner）航空飞行的地面同步，测量地点在盈科绿洲玉米地样地。 （7）2008年7月7日与机载红外广角双模式成像仪WiDAS（Wide-angle Infrared Dual-mode line/area Array Scanner）航空飞行及TM同步，测量地点在盈科绿洲玉米地样地。 （8）2008年7月11日与机载红外广角双模式成像仪WiDAS（Wide-angle Infrared Dual-mode line/area Array Scanner）航空飞行的地面同步，测量地点在盈科绿洲玉米地样地。
李丽, 辛晓洲, 张阳, 周梦维
2008年6月10日在临泽站加密观测区开展ALOS PALSAR土壤水分的卫星地面同步观测。 ALOS PALSAR数据为FBS模式，HH极化方式，过境时间约为23:39BJT。 土壤水分观测；观测目标：0-5cm表层土壤。观测仪器：环刀（体积50cm^3）。观测样方和采样次数：自东向西第七和第八航线下LY07和LY08样方（每个样方9次观测），样方样带的分布和编号信息请参见元数据“黑河综合遥感联合试验：临泽站加密观测区样方样带布置”，样方位置见临泽站加密观测站样方样带坐标.xls。预处理数据为土壤体积含水量。样方数据存储：Excel。
潘小多, 宋怡
本数据集是基于MODIS的积雪面积比例制图集成算法Coupled Regional Approach (CRA)而获得的积雪覆盖数据集。CRA算法主要包括三部分，首先利用N-FINDR（体积迭代方法）和OSP（Orthogonal Subspace Projection）在图像上根据设定自动提取端元（提取了30个端元）；在自动提取的基础上，结合IGBG土地覆盖类型图，通过人工筛选方法选择了积雪、植被、云、土壤、岩石和水6种类型端元，并根据2009年影像建立了年度光谱数据库，每个月上中下旬共3个光谱，一年共36个光谱；利用建立的光谱数据库作为先验知识，在先验知识的基础上利用全约束线性解混方法（FCLS）进行亚像元分解获取初级积雪面积比例产品。并采用改进地形影响的NDSI比值算法获取积雪面积，然后进行时空数据插值，最后与AMSR-E微波雪深产品进行多源数据融合而得到。 该数据集采用经纬度（Geographic）投影方式，大地基准面为WGS84，空间分辨率0.005°，提供2008-2010年逐日的青藏高原无云覆盖积雪面积图。数据集按年份存放，共由3个文件夹组成，从2008到2010。每个文件夹里包含当年的逐日积雪覆盖分类结果，为tif文件，命名规则为：YYYY***.tif，其中YYYY代表年（2008-2010），***代表日（001~365/366）。可直接用ARCGIS或者ENVI打开。
郝晓华
本数据集采用SMMR（1978-1987）、SSM/I（1987-2009）和SSMIS（2009-2015）逐日亮温数据，由双指标（TB,37v，SG）冻融判别算法生成，分类结果包含冻结地表、融化地表、沙漠及水体四种类型。数据覆盖范围为中国大陆主体部分，空间分辨率为25.067525 km，EASE-Grid投影方式，以ASCIIGRID格式存储。 该数据集中的所有ASCII码文件可以直接用文本程序（如记事本）打开。除了头文件，主体内容为数值表征地表冻融的状态：1代表冻结，2代表融化，3代表沙漠，4代表降水。如果要用图示来显示的话，我们推荐用ArcView + 3D 或 Spatial Analyst 扩展模块来读取，在读取过程中会生成grid格式的文件，所显示的grid文件就是该ASCII码文件的图形表达。读取方法： [1] 在ArcView软件中添加3D或Spatial Analyst扩展模块，然后新建一个View； [2] 将View激活，点击File菜单，选择Import Data Source选项，弹出Import Data Source选择框，在此框中的Select import file type:中选择ASCII Raster，自动弹出选择源ASCII文件的对话框，点击寻找该数据集中的任一个ASCII文件，，然后按OK键； [3] 在Output Grid对话框中键入的Grid文件名字（建议使用有意义的文件名，以便以后自己查看）和点击存放此Grid文件的路径，再次按Ok键，然后按Yes（要选择整型数据），Yes（把生成grid文件调入到当前的view中）。生成的文件可以按照Grid文件标准进行属性编辑。这样就完成了显示将ASCII文件显示成Grid文件的过程。 [4] 批处理时，可以使用ARCINFO的ASCIIGRID命令，编写成AML文件，再用Run命令在Grid模块中完成： Usage: ASCIIGRID <in_ascii_file> <out_grid> {INT | FLOAT} 本数据的生产得到自然科学基金项目：中国西部环境与生态科学数据中心（90502010）、中国西部地区陆面数据同化系统研究（90202014）以及冻土主被动微波辐射传输模拟及其辐射散射特性研究（41071226）的支持。
晋锐, 李新
本数据集中包括:使用美国国防气象卫星计划(DMSP)卫星所携带的星载微波辐射计SSM/I的微波亮度温度。包含1987年-2007年的19H，19V，22V，37H，37V，85H，85V七个通道的每日两次（升轨&降轨）亮度温度。 专用微波成像仪（Special Sensor Microwave/Image，SSM/I）由美国休斯公司研制，于1987年首次由美国国防气象卫星计划（DMSP）中的Block 5D-/F8卫星载入空间执行探测使命。从1987年DMSP升空到1997年TRMM升空的10年时间内，SSM/I一直是世界上最先进、空间分辨率最高的星载被动微波遥感探测仪器。DMSP卫星为近极地圆形太阳同步轨道，卫星高度约833 km，轨道面倾角98.8°，轨道周期102.2 min，地方时6时左右通过赤道，24h覆盖一次全球。SSM/I由设置在4个频率处的7个通道组成，中心频率分别为19.35、22.24、37.05和85.50 GHz。其仪器实际上是由7个相互独立的全功率型、平衡混频、超外差式接收的被动微波辐射计系统构成，可以同时测量来自地球和大气系统的微波辐射。除22.24 GHz频率外，其它频率均同时具有水平和垂直两种极化状态。 SSM/I若干特征值 通道 频率 （GHz） 极化方式（V/H） 空间分辨率 （km×km） 足迹大小 （km） 19V 19.35 V 25×25 56 19H 19.35 H 25×25 56 22V 22.24 V 25×25 45 37V 37.05 V 25×25 33 37H 37.05 H 25×25 33 85V 85.50 V 12.5×12.5 14 85H 85.50 H 12.5×12.5 14 1、文件格式和命名： 每组数据均由遥感数据文件，.JPG图像文件和.met辅助信息文件，以及.TIM时间信息文件和相应的.met时间信息辅助文件构成。 SSMI_Grid_China目录下的每组数据文件名及命名规则如下： China-EASE-Fnn-ML/HaaaabbbA/D.ccH/V（遥感数据） China-EASE-Fnn -ML/HaaaabbbA/D.ccH/V.jpg （图像文件） China-EASE-Fnn-ML/HaaaabbbA/D.ccH/V.met（辅助信息文件） China-EASE-Fnn-ML/HaaaabbbA/D.TIM （时间信息文件） China-EASE- Fnn -ML/HaaaabbbA/D.TIM.met （时间信息辅助文件） 其中：EASE代表EASE-Grid投影方式；Fnn代表搭载卫星编号（F08，F11，F13）；ML/H分别代表多通道低分辨率和多通道高分辨率；A/D分别代表升轨（A）和降轨（D）；aaaa代表年份；bbb代表该年的儒略日；cc代表通道号（19H，19V，22V，37H，37V，85H，85V）；H/V分别代表水平极化（H）和垂直极化（V）。 2、坐标系及投影： 投影方式为等积割圆柱投影，双标准纬线为南北纬30度。有关EASE-GRID的相关详细信息，请参考http://www.ncgia.ucsb.edu/globalgrids-book/ease_grid/。如果需要将EASE-Grid投影方式转换成Geographic投影方式，请参照ease2geo.prj文件，内容如下： Input projection cylindrical units meters parameters 6371228 6371228 1 /* Enter projection type (1, 2, or 3) 0 00 00 /* Longitude of central meridian 30 00 00 /* Latitude of standard parallel Output Projection GEOGRAPHIC Spheroid KRASovsky Units dd parameters end 3、数据格式： 以整数形二进制存储，行列号：308*166，每个数据占2个字节。本数据集中实际存储的数据为亮温*10，读出数据后需除以10得到真实亮温。 4、数据分辨率： 空间分辨率：25km，12.5km (SSM/I 85GHz)； 时间分辨率：逐日，从1978年至2007年。 5、空间范围： 经度：60°-140°东经； 纬度：15°-55°北纬。 6、数据读取： 每一组数据包括遥感影像数据文件，.JPG图像文件和.met辅助信息文件，其中JPG文件可以用Windows图片和传真查看器打开，.met辅助信息文件可以用记事本打开，遥感影像数据文件可以在ENVI和ERDAS软件中打开。
National Snow and Ice Data Center（NSIDC）
青藏高原近20年土壤水分及雪水当量的参数反演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遥感应用研究所施建成研究员，项目运行时间为2004.1-2007.12。 该项目汇交数据：青藏高原2001-2005年逐月MODIS雪盖产品。 该数据集是利用MODIS获取的影像数据，结合ASTER影像数据，在青藏高原进行亚像元级的雪盖面积分类和变化分析研究。主要研究内容是研究亚像元雪盖面积分类算法，包括利用归一化积雪指数进行统计回归方法和混合像元分解方法。在进行混合像元分解中，采用线性混合模型，并提出利用归一化积雪指数和归一化植被指数进行雪端元和非雪端元的自动提取； 在亚像元雪盖面积分类算法的基础上，进行青藏高原雪盖面积变化分析，通过建立决策树的方法，进行云和雪的检测和去云处理，并利用时间序列影像，进行合成和镶嵌，构成青藏高原的亚像元雪盖面积分类数据库， 对青藏高原雪盖面积的空间分布和变化特征进行分析和描述。
施建成, 许丽娜
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
