基于我国高分一号及二号数据，采用深度学习分类方法，结合人工目视解译修正，生产出青藏工程走廊冻融灾害分布数据。数据地理范围为青藏公路西大滩至安多段沿线40km范围。数据包括热融湖塘分布数据及热融滑坡分布数据。该数据集可为青藏工程走廊冻融灾害的研究工作及工程防灾减灾提供数据基础。青藏公路西大滩至安多段沿线40km范围冻融灾害空间分布基于国产高分二号影像数据自制。首先，利用深度学习方法从高分二号数据中提取泥流阶地区块；然后，利用ArcGIS进行人工编辑，将数据解译后合在一张图上可现实。
牛富俊, 罗京
水体覆盖是水循环、能量平衡的基本参数之一。本数据集以1982-2020年AVHRR逐日反射率时间序列为基础，生产了青藏高原39年超长期逐日水体制图产品（包含水体结冰信息）。本数据集包含39个文件夹，以年份命名（从1982年到2020年），每个文件夹包含365/366个GeoTiff文件，每个文件包含两个波段：（1）水体制图波段（WaterLayer）；（2）质量控制信息波段（QC）。本产品为青藏高原水体遥感监测提供数据支撑。
计璐艳
中国区域354座城市通用热舒适度指数白天和夜晚的月均值数据。该数据时间范围包括2012年1月至2021年12月，时间分辨率为逐月，空间分辨率为1km。 该数据主要是基于MODIS数据集提供的MYD07大气廓线数据和MYD11地表温度数据，并融合了ERA5再分析数据提供的风速数据，最终计算得的了中国区域范围内354座城市的通用热气候指数（Universal Thermal Climate Index, UTCI）数据值。其中城市边界采用Global Urban Boundary-GUB提供的2018年城市边界数据进行划定，为保持空间分辨率的统一，所有数据空间分辨率全部重采样至1km。 在全球变暖和快速城市化的背景下，该数据有利于研究城市热舒适度的时空变化规律及相关分析。
王晨光, 占文凤
青藏高原六大外流河（黄河、金沙江、雅砻江、怒江、澜沧江、雅鲁藏布江）平滩流量条件下河流表面SHP矢量数据，以1km为步长的平滩流量下河宽和面积的SHP矢量和XLS表格数据。 基于现场实测水文和大断面数据（1967-2020年），结合洪水频率分析，确定六大水系沿程的平滩流量、日期和河宽；采用MNDWI指数分别从Sentinel-2（2017-2020年）和Landsat5/7/8（1984-2020年）影像中提取平滩流量下河流表面矢量。 该数据库可作为全球水文数据集的补充，为研究青藏高原河床演变、河流生态、水文模拟、河流水-气界面物质交换等提供基础数据。
李丹, 薛源, 覃超, 吴保生, 陈博伟, 汪舸
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
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
NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、雪、枯叶、粗糙度等，且与植被覆盖有关。是反映农作物长势和营养信息的重要参数之一。根据该参数,可以知道不同季节的农作物对氮的需求量, 对合理施用氮肥具有重要的指导作用。植被修正指数Correct NDVI (C-NDVI) 是剔除气候要素（气温、降水等）对NDVI的影响后的NDVI的值。以降水为例，降水对植被生长影响的滞后效应的研究表明，不同地区由于植被组成和土壤类型的差异，降水影响的滞后时间不同。本研究工作主要是对MODIS NDVI数据进行后处理，首先将当月NDVI值与本月的降水量、本月与上月的降水量的平均值、本月与上两个月的降水量的平均值等分别进行相关分析,确定最优的滞后时间。将NDVI与降水和气温做回归分析，得到相关的系数，然后通过MODIS NDVI与气候因子回归的NDVI的差值计算出校正的NDVI值。我们利用气候数据对NDVI进行修正后给出可靠的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°）的植被修正指数。数据空间分辨率为0.5度，时间分辨率为月度值。
叶爱中
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
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
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
华北平原（NCP）是中国最重要的农业生产基地之一，其面积约14万平方公里。除了从黄河取地表水进行渠灌，华北平原还开采大量地下水用于灌溉。高时空分辨率且连续完整的逐日蒸散（ET）估算，将极大提高我们对整个NCP农业用水消耗的认识，服务于农业水资源高效利用。基于双源能量平衡模型（TSEB）和数据融合，本研究在华北平原生成1 km空间分辨率和日尺度，且时间跨度为2008年1月至2019年12月的蒸散数据集。该数据集时空连续完整，且具有较高的空间分辨率。相较于其他产品，该数据集具有可靠的精度，甚至好于已发表的结果。此外，该数据集和相关方法对NCP以及其他农作物种植区的多尺度变化和趋势分析具有重要价值。
张才金, 龙笛
“亚洲水塔”青藏高原（TP）的降水在区域水和能源循环中发挥着关键作用，对下游国家的水资源供应有重要影响。气象站点所获取的降水信息通常被认为是最准确的，但在地形复杂、环境恶劣的青藏高原中，气象站数据却十分有限。卫星和再分析降水产品可以为地面测量提供补充信息，特别是在大面积测量不足的区域。在这里，我们通过使用人工神经网络 (ANN) 和环境变量（包括海拔、地表压力和风速）确定各种数据源的权重来最优地融合站点、卫星和再分析数据。在 1998-2017 年期间，以每日时间尺度和 0.1° 的空间分辨率生成了一个多源降水 (MSP) 数据集横跨青藏高原。与其他四颗卫星产品相比，MSP与标准观测的日降水相关系数（CC）最高（0.74），均方根误差第二低，表明MSP的质量和数据合并的有效性方法。我们使用分布式水文模型进一步评估了青藏高原长江和黄河源头测量不佳的不同降水产品的水文效用。在 2004-2014 年期间，MSP 实现了每日流量模拟的最佳 Nash-Sutcliffe 效率系数（超过 0.8）和 CC（超过 0.9）。此外，基于多重搭配评估，MSP 在未测量的西部 TP 上表现最好。该合并方法可应用于全球其他数据稀缺地区，为水文研究提供高质量的降水数据。整个 TP 的左下角的经纬度、行数和列数以及网格单元信息都包含在每个 ASCII 文件中。
洪仲坤, 龙笛
针对青藏高原泛三江并流区的17.9万km2的区域，通过Sentinel-1升降轨，以及Palsar-1升轨三种SAR数据进行InSAR变形观测，根据获取的InSAR变形图像，结合地貌和光学影像特征进行综合解译。共识别得到海拔4000m以下的活动性滑坡949处。需要注意的是，因不同SAR数据的观测角度、敏感度和观测时相的差异，同一滑坡用不同数据解译存在一定的差异，在滑坡的范围、边界方面需要借助地面和光学影像进行修正。滑坡InSAR识别比例尺的概念与传统空间分辨率不同，主要依靠变形强度，因此一些规模较小，但与背景相比变形特征突出，整体性强，与地物具有逻辑空间关系的滑坡也能得以解译（配合SAR的强度图、地形阴影图、光学遥感影像为地物参照）。本次最小解译区域可达几个像素，如参考怒江沿江公路解译了一处只有4个像素的公路边坡滑坡。
姚鑫
本数据为关于四川省北川地区、云南省鲁甸地区、贵州省毕节地区的影像信息数据，可用于构建山体震裂崩塌遥感影像的解译识别标志，揭示山体震裂崩塌形成的一般形式，评估具体山体震裂崩塌的危险等级；数据可结合DEM数据用于挖掘山体震裂崩塌的发育机制等。可在此基础上进一步研究，完善研究山体震裂崩塌的智能识别理论及形成机制，为寻找其他相似类型震裂崩塌物源提供指示意义。本项目部分原始数据可用于全面了解鲁甸区域山体震裂崩塌危险性等。
韩征
该数据集包含青藏高原160个湖泊（面积大于40平方公里）1978-2017年的连续日尺度湖面温度（MOD11A1的日间湖温、MOD11A1的夜间湖温、基于MOD11A1日均湖面温度、基于模型的湖面温度）。数据集生产过程首先改进以能量平衡为基础的半物理湖表水温模型（air2water）以实现冰期与非冰期连续模拟，并以MOD11A1产品提取的全湖平均表面温度作为模型的率定数据。数据集与4个湖泊的实测湖面温度相比相关性大于0.9，均方根误差小于2.5℃。该数据集为认知青藏高原湖泊水热平衡、水生生态系统过程及其对气候变化响应提供数据支撑。
郭立男, 吴艳红, 郑红星, 张兵, 文梦宣
本数据集为TCA(Triple Collocation Analysis)算法代码集，用于生成2011-2018年全球日尺度土壤水分融合数据。
谢秋霞, 贾立, 胡光成
植被指数（NDVI, Normalized Difference Vegetation Index）可以准确反映地表植被覆盖状况。目前，基于SPOT/VEGETATION以及MODIS等卫星遥感影像得到的NDVI时序数据已经在各尺度区域的植被动态变化监测、土地利用/覆被变化检测、宏观植被覆盖分类和净初级生产力估算等研究中得到了广泛的应用。藏东南1KM植被指数（NDVI）空间分布数据集是在MODIS（https://ladsweb.modaps.eosdis.nasa.gov/）16天1KM地表反射率数据（MOD13）基础上，采用最大值合成法生成的2000年以来的月度植被指数数据集。该数据集有效反映了藏东南地区在空间和时间尺度上的植被覆盖分布和变化状况，对植被变化状况监测、植被资源合理利用和其它生态环境相关领域的研究有十分重要的参考意义。月度NDVI数据为每月NDVI数据数值的最大值，数据获取时间为2000年2月—2018年12月。下载的数据为GRID格式，空间分辨率为1km。
王浩
本数据为通过自动化雨量站、泥位监测仪、撞线传感器测量产生的纳底沟泥石流综合监测数据集（2021年）。以上数据采集点为四川省阿坝藏族羌族自治州九寨沟县景区纳底沟泥石流监测点。监测数据主要在四川省国土空间生态修复与地质灾害防治研究院完成数据分析。使用的仪器包括DD-ZXCG-001撞线传感器、DD-YLJ-001自动化雨量站、DD-NWJ-001泥位监测仪。采集时间为2021年。
张群
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
