1）数据内容：本数据集为青藏高原东南三江流域滑坡灾害数据；2）数据来源及加工方法：本数据集系北京工业大学戴福初利用谷歌地球独立解译完成；采用遥感解译-现场验证-再解译-再验证等方法，经过7次系统解译最终形成本数据文件，累计对超过5000处滑坡开展了现场验证，具有较高的精度；4）本数据对青藏高原东南三江流域水能资源开发、交通工程建设、地质灾害评价等方面具有广阔的应用前景。
戴福初
Accurate estimation of the gross primary production (GPP) of terrestrial vegetation is vital for understanding the global carbon cycle and predicting future climate change. Multiple GPP products are currently available based on different methods, but their performances vary substantially when validated against GPP estimates from eddy covariance data. This paper provides a new GPP dataset at moderate spatial (500 m) and temporal (8-day) resolutions over the entire globe for 2000–2016. This GPP dataset is based on an improved light use efficiency theory and is driven by satellite data from MODIS and climate data from NCEP Reanalysis II. It also employs a state-of-the-art vegetation index (VI) gap-filling and smoothing algorithm and a separate treatment for C3/C4 photosynthesis pathways. All these improvements aim to solve several critical problems existing in current GPP products. With a satisfactory performance when validated against in situ GPP estimates, this dataset offers an alternative GPP estimate for regional to global carbon cycle studies.
张尧
Satellite-retrieved solar-induced chlorophyll fluorescence (SIF) has shown great potential to monitor the photosynthetic activity of terrestrial ecosystems. However, several issues, including low spatial and temporal resolution of the gridded datasets and high uncertainty of the individual retrievals, limit the applications of SIF. In addition, inconsistency in measurement footprints also hinders the direct comparison between gross primary production (GPP) from eddy covariance (EC) flux towers and satellite-retrieved SIF. In this study, by training a neural network (NN) with surface reflectance from the MODerate-resolution Imaging Spectroradiometer (MODIS) and SIF from Orbiting Carbon Observatory-2 (OCO-2), we generated two global spatially contiguous SIF (CSIF) datasets at moderate spatiotemporal (0.05∘ 4-day) resolutions during the MODIS era, one for clear-sky conditions (2000–2017) and the other one in all-sky conditions (2000–2016). The clear-sky instantaneous CSIF (CSIFclear-inst) shows high accuracy against the clear-sky OCO-2 SIF and little bias across biome types. The all-sky daily average CSIF (CSIFall-daily) dataset exhibits strong spatial, seasonal and interannual dynamics that are consistent with daily SIF from OCO-2 and the Global Ozone Monitoring Experiment-2 (GOME-2). An increasing trend (0.39 %) of annual average CSIFall-daily is also found, confirming the greening of Earth in most regions. Since the difference between satellite-observed SIF and CSIF is mostly caused by the environmental down-regulation on SIFyield, the ratio between OCO-2 SIF and CSIFclear-inst can be an effective indicator of drought stress that is more sensitive than the normalized difference vegetation index and enhanced vegetation index. By comparing CSIFall-daily with GPP estimates from 40 EC flux towers across the globe, we find a large cross-site variation (c.v. = 0.36) of the GPP–SIF relationship with the highest regression slopes for evergreen needleleaf forest. However, the cross-biome variation is relatively limited (c.v. = 0.15). These two contiguous SIF datasets and the derived GPP–SIF relationship enable a better understanding of the spatial and temporal variations of the GPP across biomes and climate.
张尧
本植被含水量数据集来源于滦河流域土壤水分遥感试验中的地面同步观测，包括：（1）70 km×12 km 典型试验区（南北航线）的17个样区；（2）165 km×5 km复杂试验区（东北—西南航线）的8个样区；（3）地基微波辐射计观测的6个样区。地物类型包括草地、玉米、土豆、莜麦和胡萝卜。数据测量时间为2018年9月13日到2018年9月26日。植被含水量的测量方法为收获法，行播作物按照长度进行收获，草地按照面积进行收获。本数据集经过称重、烘干和植被含水量计算等步骤处理得到。
郑兴明, 姜涛
青藏高原作为世界屋脊，亚洲水塔，世界第三极，是中国乃至亚洲重要的生态安全屏障。随着社会经济的快速发展，人类活动明显增加，对生态环境的影响越来越大。选取耕地、建筑用地、国道、省道、铁路、高速公路、GDP和人口密度8个因素为威胁因子，并基于专家打分法确定威胁因子的属性，对青藏高原生境质量进行评估，从而获得1990、1995、2000、2005、2010和2015年共6期青藏高原农牧区生境质量的数据集。制作生境质量的数据集将有助于探索青藏高原的生境质量，并为政府制定青藏高原的可持续发展政策提供有效支持。
刘世梁, 刘轶轩, 孙永秀, 李明琦
夜间灯光遥感（以下简称夜光）已经成为反映包括社会经济和能源消耗在内的人类活动的一个越来越重要的指标。现有夜光数据集（如美国国防气象卫星计划（DMSP）和国家极地轨道可见光红外成像辐射计（NPP））在时间范围和数据质量上都很有限。因此我们提出了一种夜间灯光卷积长短期记忆(NTLSTM)网络，并将该网络应用于生长出世界上第一套1984 - 2020年中国的人工夜间灯光数据集(PANDA)。模型与原始图像的模型评估显示，平均均方根误差(RMSE)达到0.73，决定系数(R2)达到0.95，像素级的线性斜率为0.99，表明生成产品的数据质量较高。模型结果可以很好地捕捉到新建成区的时间趋势。社会经济指标(建成区面积、国内生产总值、人口)与PANDA的相关性比现有的所有产品都更好，这表明它在寻找不同阶段夜间灯光变化的不同控制方面有更好的潜力。此外，PANDA描绘了不同的城市扩展类型，在代表道路网络方面胜过其他产品，并在早期提供了潜在的夜光景观。
张立贤, 任浙豪, 陈斌, 宫鹏, 付昊桓, 徐冰
本数据集包括1985-2018年间，中亚地区五国（哈萨克斯坦、吉尔吉斯斯坦、塔吉克斯坦、土库曼斯坦和乌兹别克斯坦）的城市建设用地变化的逐年数据。该数据空间分辨率为30m，时间分辨率为一年，源自基于Landsat遥感影像提取的1985-2018年全球人工不透水面（GAIA）变化数据（宫鹏等）。研究者对该数据在1985至2015年间每隔5年的7组数据进行了评估，其平均整体精度超过90%，并且是唯一跨越30年的城市建设用地数据集。
徐晓凡, 谈明洪
采用全球陆表特征参量（叶面积指数LAI）产品，空间分辨率为5 km。该产品使用广义回归神经网络方法，由AVHRR地表反射率数据反演LAI。本研究下载了1981–2017年中亚5国、蒙古国和中国北方每年6-8月的12期LAI数据产品，来源于国家科技基础条件平台——国家地球系统科学数据中心。用ArcGIS软件对这些影像进行裁剪，并计算最大值，由此获得最大LAI的时空数据集。其中，中亚5国包括土库曼斯坦、吉尔吉斯斯坦、哈萨克斯坦、塔吉克斯坦和乌兹别克斯坦；中国北方指中国长江以北地区。
张娜
青藏高原城镇分布和城镇化指标数据集主要包括青藏高原所有城镇土地的空间分布数据（2019年）和不同尺度的城镇化水平指标（2018年）。城镇分布数据集主要基于“1:25万全国基础地理数据库-2015版”的居民地地名（点）和居民地（面）数据，并结合2019年前后的Google Earth影像，通过目视解译的方法获得。城镇化指标包括利用珞珈一号夜间灯光数据计算出的全域、省级、流域、地级和县级尺度复合灯光指数（Compound night light index, CNLI）。本数据集将为青藏高原重点城镇化地区生态安全屏障优化体系研究提供支持。
何春阳, 刘志锋, 王一航
依据多土地覆被类型数据包括有欧空局全球陆地覆盖数据（ESA CCI-LC，300m栅格）、清华大学全球土地覆被数据（FROM-GLC，30m栅格）和美国NASA的LP DAAC 中心的MODIS全球土地覆被数据（MCD12Q1，300m栅格）等3个土地覆被产品数据。个别类别土地覆被数据包括有美国地质调查局USGS的全球耕地数据（GFSAD30，30m）、日本宇宙航空研究开发机构JAXA的全球林地数据（PALSAR/PALSAR-2，25m）、欧盟联合研究中心(JRC, EC)的全球水体数据（GSWD，Global Surface Water Data）和中山大学基于Google earth engine提取的全球城市用地数据（GULM，Global Urban Land Map）。构建了“一带一路”区域LUC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”核心国家2015年土地利用数据（V1.0）。
许尔琪
该数据集分析了2018-2019年全球典型洪水灾害事件的时空分布规律、影响及损失情况。2018年，全球洪水灾害发生次数共109起，死亡人口1995人，受灾人口总数达1262万人次，直接经济损失约为45亿美元，在全球近30年中处于较低水平。2018年全球洪灾事件发生次数上半年较下半年多，5月至7月发生频次较高。因此，以2018年美国弗罗伦斯飓风洪水、2018年尼日利亚尼日尔河洪水及2018年中国山东寿光洪水等三个典型灾害事件为案例，从灾害背景、致灾因子、受灾情况等方面进行了分析。
蒋梓杰, 蒋卫国, 武建军, 周红敏
本数据集是2015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
此数据集包含2018全年及2019上半年全球重大林火案例数据，包括2018年11月美国加州林火、2018年7月希腊阿提卡区林火及2019年3月中国山西省林火3个案例数据。具体数据包括：监测范围的火烧强度数据及灾前灾后植被指数变化数据。该数据集主要用于描述2018-2019上半年全球重大林火事件的发生、发展、影响及恢复，数据主要来源于NASA官网和EM-DAT数据库，在EXCEL和ArcGIS中运用统计与空间分析方法，对数据进行处理。数据来源可靠，处理方法科学严谨，可有效运用于全球（林火）灾害案例分析研究。
杨雨晴, 宫阿都, 武建军, 周红敏
本数据集是2011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
本数据集为2018年祁连山重点区域人类活动数据集，空间分辨率为2m。本数据集以祁连山重点区域矿山开采、城市扩展、耕地开发、水电建设、旅游开发为重点监测内容，通过高分辨率遥感影像，对比统计前后变化图斑。对祁连山地区地类发生变化的图斑，逐块调查核实；对判图可疑的地块，重新判读验证；对影像无法反映的地类，实地核实地类，采集相关数据，核对并修正位置。同时进一步核对2018年祁连山重点区域监测内容属性信息，统一进行图斑及其属性的录入和编辑，形成2018年祁连山地区人类活动数据集，实现祁连山地区生态治理的现势性和时效性，为祁连山重点区域人类活动监测提供数据支撑。
祁元, 张金龙, 贾永娟, 周圣明, 王宏伟
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
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
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
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
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
