我们提出利用U-net网络进行冰裂隙识别探测的算法，可以实现格陵兰冰盖典型冰川冰裂隙的自动化探测。基于Sentinel-1 IW每年7、8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。以格陵兰2个典型冰川（Jakobshavn、Kangerdlussuaq）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
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
植被覆盖度（Fractional vegetation cover, FVC）表示植被地面垂直投影面积与研究区总面积的百分比，是衡量生态保护和生态恢复有效性的重要指标，被广泛应用于气候、生态和土壤侵蚀等领域。FVC不仅是反映植被生产能力的理想参数，而且在评估地形差异、气候变化和区域生态环境质量时也能发挥较好的作用。本研究工作主要是对两套GLASS FVC数据进行后处理，通过数据融合、剔除异常值和剪裁后给出较为可靠的2013年和2018年的环北极圈（范围为北纬66°以北）和青藏高原（范围为北纬26°到39.85°，东经73.45°到104.65°）的植被覆盖度情况。
叶爱中
归一化植被指数（Normalized Difference Vegetation Index , NDVI）广泛应用于植被监测。本数据集利用2000-2020年青藏高原区域所有可用的Landsat 5/7/8数据（影像10万+），通过MODIS-Landsat数据融合算法（gap filling and Savitzky–Golay filtering；GF-SG），重建了青藏高原植被区域2000-2020年高时空分辨率（30米-8天）NDVI时间序列数据集（QTP-NDVI30）（算法细节请参考论文）。 本数据集具有良好的验证精度。定量评价结果显示重建NDVI影像数据的平均绝对误差MAE为0.02，平均相关系数R为0.96，图像结构相似性SSIM为0.94。选取典型区域与PlanetScope 3米空间分辨率影像比较，空间细节信息得到了较好的保持（产品评价细节请参考论文）。 本数据集地理坐标系为GCS_WGS_84, 空间范围覆盖青藏高原植被区域，植被区域定义为7-9月平均NDVI大于0.15。
曹入尹, 徐子超, 陈洋, 沈妙根, 陈晋
1985年祁连山国家公园土地利用类型的数据集是基于中科院中国土地利用现状遥感监测数据集，经过裁剪、拼接等操作得到的矢量数据集。2000-2020年的3个数据集是基于GlobeLand30全球30米地表覆盖数据，经过掩膜提取等操作得到的30m分辨率的栅格数据集。所有数据集的土地利用类型包括耕地、森林、灌木林、草地、湿地、水体、苔原、人造表面、裸地、冰川和永久积雪这10个一级类型。数据产品可以检测大多数人类活动所引起的地表覆盖变化，在实际应用中具有十分重要的意义，可以用此数据分析祁连山区域历史的土地利用类型，并结合当前的土地利用类型数据，分析祁连山区域土地利用类型的变化。
年雁云
植被的净初级生产力（Net Primary Productivity，NPP）指绿色植物在单位时间、单位面积上由光合作用产生的有机物质总量（即总初级生产力，Gross Primary Productivity，GPP）中扣除自养呼吸后的剩余部分，NPP作为陆地生态系统的水循环、养分循环和生物多样性变化的基础，是估算地球支持能力和评价陆地生态系统可持续发展的重要生态指标。本数据集包括祁连山区域2021年月度合成30m NPP产品。采用最大值合成（Max value composition, MVC）方法，利用Landsat8和sentinel 2红光和近红外两个通道的反射率数据，实现对地表月度NDVI产品的合成，进而计算NPP。
吴俊君, 李艺, 仲波
叶面积指数（Leaf Area Index，LAI）定义为地面单位投影面积内叶片总面积的一半，是描述植被的核心参数之一。LAI控制着植被的许多生物、物理过程，如光合、呼吸、蒸腾、碳循环和降水截获等，同时为植被冠层表面最初的能量交换提供定量化的信息，是一个十分重要的研究植被生态系统结构和功能的参数。本数据集包括祁连山区域2021年月度合成30m LAI产品。采用最大值合成 (Max value composition, MVC) 方法，利用Landsat8和sentinel 2红光和近红外两个通道的反射率数据，实现对地表月度NDVI产品的合成，进而计算LAI。
吴俊君, 李艺, 仲波
归一化植被指数（Normalized Difference Vegetation Index，NDVI）是近红外波段的反射率值与红光波段的反射率值之差比上近红外波段的反射率值与红光波段的反射率值之和。植被指数合成是指在适当合成周期内选出植被指数最佳代表，合成一幅空间分辨率、大气状况、云状况、观测几何、几何精度等影响最小化的植被指数栅格图像。本数据集包括祁连山区域2021年月度合成30m植被指数产品。采用最大值合成（Max value composition, MVC）方法，利用Landsat 8和sentinel 2红光和近红外两个通道的反射率数据，实现对地表月度NDVI产品的合成。
吴俊君, 李艺, 仲波
植被覆盖度（Fractional Vegetation Coverage，FVC）定义为植被冠层或叶面在地面的垂直投影面积占植被区总面积的比例，是衡量地表植被状况的一个重要指标。本数据集植被覆盖度作为反应植被覆盖状况的评价指标，0%表示地表像元内没有植被即裸地，值越高表明区域内植被覆盖越大。本数据集包括祁连山区域2021年月度合成30m地表植被覆盖度产品。采用最大值合成（Max value composition, MVC）方法，利用 Landsat8和sentinel 2红光和近红外两个通道的反射率数据，实现对地表月度NDVI产品的合成，进而计算FVC。
吴俊君, 李艺, 仲波
数据集包含了2020年9月，2021年6月，2021年9月测量得到的3幅廓琼岗日冰川高精度表面地形数据及对应的正射影像图。该数据集的生成使用了大疆精灵4 RTK无人机拍摄的影像数据，经倾斜摄影测量技术计算生成了相关产品，数据空间分辨率达到了0.15米。该数据是对目前低分辨率开源地形数据的补充，能够反映2020年-2021年间廓琼岗日冰川的表面形态变化，有助于精确研究气候变化下廓琼岗日冰川的消融过程。
刘金涛
本数据集为2021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2021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2021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, 周圣明, 袁晶, 王宏伟
数据集是青藏高原木里煤矿区2000-2020年土壤肥力数据，每五年一期，2000年、2005年、2010年、2015年、2020年，共5期；共15张影像数据。数据集为矩形区域（98.82°E-100.84°E，37.5°N-38.25°N），根据木里煤矿的东南西北的四个界限所划定。数据均为栅格格式，空间分辨率为30米，数据集格式为GeoTiff。数据集以时空融合GLDAS-2.1反照率产品和Landsat 5/7的反照率产品得到的30米地表反照率、时空融合GLDAS-2.1地表温度产品和Landsat 5/7的地表温度产品得到的30米地表温度为自变量，结合多元回归模型，回归得到2000-2020年5年一期的木里煤矿区总氮（单位g/kg）、总磷（单位g/kg）、总钾（单位g/kg）数据集。多元回归模型采用2018年5月王凌青湟水河流域站点实测数据，在自变量为Landsat 5/7的反照率、地表温度的前提下，因变量为野外观测的总磷、总氮及总钾下建立多元回归模型。这些数据集填补了木里煤矿高空间分辨率土壤肥力数据集空白，为研究木里矿区土壤肥力时空变化提供了支持。
陈少辉
充分利用多源植被分类/土地覆盖分类产品各自的优势，通过专门设计与青藏高原植被类型相适应的植被分类体系，选用集成分类方法，在数据可靠性的基础上遵循一致性的原则，制作了青藏高原现状植被图，其在现势性、分类体系的针对性和分类精度上均表现更优。从分类结果的现势性来看，青藏高原现状植被图较早期中国植被图能更好地反映青藏高原植被覆盖现状；从分类体系的针对性来看，青藏高原现状植被图采用了针对青藏高原植被专门设计的分类体系，有利于从多源数据产品中充分提取出具备高可靠性和一致性的植被覆盖信息；从分类精度来看，青藏高原现状植被图的总体精度（78.09%，Kappa系数0.75）较已有相关数据产品提高了18.84% ~ 37.17%，特别是对草地、灌丛等植被类型的分类精度有明显提升。
张慧, 赵涔良, 朱文泉
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
雅鲁藏布江流域内巨量固体碎屑物质是记录青藏高原隆升剥蚀历史的重要组成部分之一，不同类型松散沉积物是固体碎屑物质差异输运的直接反映，揭示其空间分布规律及沉积总量，对于深入理解青藏高原的隆升与剥露过程具有重要参考价值。该数据集共包括雅鲁藏布江流域松散沉积物类型及其空间分布图集、厚度空间分布图集和沉积总量估算表等三类图表数据集，以遥感解译与地质填图为主要技术方法，全面厘清了雅鲁藏布江全流域范围内（16个复合子流域）松散沉积物的类型及其空间展布特征，并依据全流域松散沉积物厚度实测数据初步估算了沉积总量。巨量松散沉积物也是流域内滑坡、泥石流、洪沙灾害的重要物质来源，查明其空间展布规模与总量不仅对揭示沉积物源汇过程中记录的地表环境变化、区域构造运动、气候变化、生物地球化学循环等关键信息具有理论意义，同时对高原生态环境监测与保护、洪沙灾害预警与防治、重大基础工程建设和水土保持等具有重要应用价值。
林志鹏, 王成善, 韩中鹏, 白雅俪格, 王新航, 张建, 马星铎, 胡太宇, 张晨敬
本数据集包括祁连山地区2021年逐日地表蒸散发产品，产品分辨率为0.01°。采用高斯过程回归（Gaussian Process Regression，GPR）算法，实现对RS-PM (Mu et al., 2011)、SW (Shuttleworth and Wallace., 1985)、PT-JPL (Fisher et al., 2008)、MS-PT (Yao et al., 2013)、SEMI-PM (Wang et al., 2010a)、SIM (Wang et al.2008) 等6种蒸散发产品的集成。参与蒸散发产品生产的驱动数据包括MODIS（NDVI、Albedo、LAI、PAR），MERRA-2气象再分析数据等。
姚云军, 刘绍民, 尚珂
本数据集包括了中蒙俄经济走廊区1982-2015年最大归一化植被指数（NDVI）数据，2000-2020年最大增强型植被指数（EVI）数据，以及2001-2019年土地覆被利用变化数据（LUCC）。其中，NDVI数据提取自GIMMS卫星数据，分辨率为8km；EVI和LUCC数据提取自MODIS卫星数据（MOD13A3和MCD12C1），分辨率分别为1km和5km。数据集过滤了MODIS卫星数据中原本存在的异常值或缺测值，相比源数据质量更高。其中，使用最大值提取法处理NDVI和EVI数据，得到年最大NDVI和EVI，可以更好地反应研究区的植被分布及变化情况。基于卫星遥感数据的植被和土地利用变化，可以为中蒙俄经济走廊生态环境风险防控提供数据支撑。
张雪芹
中国2000-2020年逐日积雪反照率产品数据集地理空间范围为72 - 142E，16 - 56N，采用等经纬度投影，空间分辨率0.005°。数据集时间范围覆盖2000年1月1日至2020年12月31日，时间分辨率为1天。数据包含6个要素：黑空反照率（Black_Sky_Albedo）、白空反照率（White_Sky_Albedo）、太阳天顶角（Solar_Zenith_Angle）、云标识（Cloud_Mask）、林区校正标识（Forest_Mask）和反演情况标识（Abnormal_Mask）。黑空反照率要素记录了反演得到的黑空反照率，计算因子为0.0001，数据范围为0-10000。白空反照率要素记录了反演得到的白空反照率，计算因子为0.0001，数据范围为0-10000。太阳天顶角要素记录了太阳天顶角度，计算因子为0.01，数据范围为0-9000。云标识要素记录了像元是否为云，值为0表示非云，值为1表示为云。林区校正标识要素记录了像元是否作为森林类型像元被校正过，值为0表示未校正，值为1表示已校正。反演情况标识要素记录了像元所对应的黑空反照率及白空反照率的反演结果是否为小于0或大于10000的异常值，值为0表示非异常值，值为1表示为异常值。数据集基于MODIS地表反射率产品MOD09GA，积雪产品MOD10A1/MYD10A1和全球数字高程模型SRTM数据，在ART模型基础上发展了积雪反照率反演模型，并利用GEE和本地端交互生产而来。为了评估ChinaSA的反演质量，利用地面台站的观测数据提出了样方观测验证方法，验证了积雪反照率产品的精度，并与常用的四种反照率产品（GLASS、GlobAlbedo、MCD43A3和SAD）进行了精度对比。验证结果表明，ChinaSA在所有验证中精度都优于其他产品，均方根误差小于0.12，在森林区域的均方根误差能达到0.021。
肖鹏峰, 胡瑞, 张正, 秦棽
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
