该数据集包含了2021年1月1日至2021年12月31日黑河流域地表过程综合观测网中游大满超级站宇宙射线观测系统数据。站点位于甘肃省张掖市大满灌区农田内，下垫面是玉米田。观测点的经纬度是100.372° E, 38.856° N，海拔1556m。仪器探头底部距地面0.5m，采样频率是1小时。 宇宙射线仪器的原始观测项目包括：电压Batt（V）、温度T（℃）、相对湿度RH（%）、气压P（hPa）、快中子数N1C（个/小时）、热中子数N2C（个/小时）、快中子采样时间N1ET（s）及热中子采样时间N2ET（s）。发布的数据为经过处理计算后的数据，数据表头包括：Date Time（日期 时间）、P（气压 hPa）、N1C（快中子数 个/小时）、N1C_cor（气压订正的快中子数 个/小时）和VWC（土壤体积含水量 %），其处理的主要步骤包括： 1） 数据筛选 数据筛选共四条标准：（1）剔除电压小于和等于11.8伏特的数据；（2）剔除空气相对湿度大于和等于80%的数据；（3）剔除采样时间间隔不在60±1分钟内的数据；（4） 剔除快中子数较前后一小时变化大于200的数据。剔除及缺失数据用-6999补充。 2） 气压订正 根据仪器说明手册中提到的快中子气压订正公式，对原始数据进行气压订正，得到订正后的快中子数N1C_cor。 3） 仪器率定 在计算土壤水分的过程中需要对计算公式中的N0进行率定。N0为土壤干燥条件下的快中子数，通常使用测量源区内的土样得到实测土壤水分（或者通过比较密集的土壤水分无线传感器获取）θm（Zreda et al. 2012）和对应时间段内的快中子校正数据N，再通过公式反求得到N0。 黑河综合观测网或站点信息请参考Liu et al. (2018)，观测数据处理请参考Zhu et al. (2015)。
刘绍民, 车涛, 朱忠礼, 徐自为, 任志国, 谭俊磊, 张阳, 李新
该数据集包含了2021年1月1日至2021年12月31日黑河流域地表过程综合观测网上游阿柔超级站宇宙射线观测系统数据。站点位于内蒙古额济纳旗四道桥，下垫面是柽柳。观测点的经纬度是101.1374° E, 42.0012° N，海拔873 m。仪器探头底部距地面0.5m，采样频率是1小时。 宇宙射线仪器的原始观测项目包括：电压Batt（V）、温度T（℃）、相对湿度RH（%）、气压P（hPa）、快中子数N1C（个/小时）、热中子数N2C（个/小时）、快中子采样时间N1ET（s）及热中子采样时间N2ET（s）。发布的数据为经过处理计算后的数据，数据表头包括：Date Time（日期 时间）、P（气压 hPa）、N1C（快中子数 个/小时）、N1C_cor（气压订正的快中子数 个/小时）和VWC（土壤体积含水量 %），其处理的主要步骤包括： 1） 数据筛选 数据筛选共四条标准：（1）剔除电压小于和等于11.8伏特的数据；（2）剔除空气相对湿度大于和等于80%的数据；（3）剔除采样时间间隔不在60±1分钟内的数据；（4） 剔除快中子数较前后一小时变化大于200的数据。剔除及缺失数据用-6999补充。 2） 气压订正 根据仪器说明手册中提到的快中子气压订正公式，对原始数据进行气压订正，得到订正后的快中子数N1C_cor。 3） 仪器率定 在计算土壤水分的过程中需要对计算公式中的N0进行率定。N0为土壤干燥条件下的快中子数，通常使用测量源区内的土样得到实测土壤水分（或者通过比较密集的土壤水分无线传感器获取）θm（Zreda et al. 2012）和对应时间段内的快中子校正数据N，再通过公式反求得到N0。 黑河综合观测网或站点信息请参考Liu et al. (2018)，观测数据处理请参考Zhu et al. (2015)。
刘绍民, 车涛, 朱忠礼, 徐自为, 任志国, 谭俊磊, 张阳, 李新
该数据集包含2021年1月1日至12月31日黑河流域地表过程综合观测网中游阿柔超级站的物候相机观测数据，该仪器由北京师范大学自主研发并进行处理。物候相机集成数据获取与数据传输功能。该物候相机采用垂直向下的方式采集数据，拍摄数据分辨率为1280*720，可指定拍摄时间频率。对于绿度指数物候期计算，需要根据感兴趣区域计算相对绿度指数（GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值），然后进行无效值填充和滤波平滑，最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等；对于覆盖度，首先进行数据预处理，选择光照不太强的图像，然后将图像分割为植被和土壤，计算每张图像的植被像素占计算区域内的比例作为该图像对应的覆盖度，在时间序列数据提取完成以后，再按用户指定的时间窗口对原始覆盖度数据进行平滑滤波，滤波后的得结果为最终的时间序列覆盖度。本数据集包括相对绿度指数（Gcc）。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)。
刘绍民, 屈永华, 车涛, 徐自为, 张阳, 李新
该数据集包含2021年1月1日至12月31日黑河流域地表过程综合观测网中游大满超级站的物候相机观测数据，该仪器由北京师范大学自主研发并进行处理。物候相机集成数据获取与数据传输功能。该物候相机采用垂直向下的方式采集数据，拍摄数据分辨率为1280*720，可指定拍摄时间频率。对于绿度指数物候期计算，需要根据感兴趣区域计算相对绿度指数（GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值），然后进行无效值填充和滤波平滑，最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等；对于覆盖度，首先进行数据预处理，选择光照不太强的图像，然后将图像分割为植被和土壤，计算每张图像的植被像素占计算区域内的比例作为该图像对应的覆盖度，在时间序列数据提取完成以后，再按用户指定的时间窗口对原始覆盖度数据进行平滑滤波，滤波后的得结果为最终的时间序列覆盖度。本数据集为相对绿度指数（Gcc）。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)。
刘绍民, 屈永华, 车涛, 徐自为, 谭俊磊, 任志国, 李新
该数据集包含2021年5月2日至12月26日黑河流域地表过程综合观测网下游四道桥超级站的物候相机观测数据，该仪器由北京师范大学自主研发并进行处理。物候相机集成数据获取与数据传输功能。该物候相机采用垂直向下的方式采集数据，拍摄数据分辨率为1280*720，可指定拍摄时间频率。对于绿度指数物候期计算，需要根据感兴趣区域计算相对绿度指数（GCC, Green Chromatic Coordinate公式为GCC=G/（R+G+B）, R、G、B为图像红、绿、蓝三通道像元值），然后进行无效值填充和滤波平滑，最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等；对于覆盖度，首先进行数据预处理，选择光照不太强的图像，然后将图像分割为植被和土壤，计算每张图像的植被像素占计算区域内的比例作为该图像对应的覆盖度，在时间序列数据提取完成以后，再按用户指定的时间窗口对原始覆盖度数据进行平滑滤波，滤波后的得结果为最终的时间序列覆盖度。本数据集包括相对绿度指数（Gcc）。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)。
刘绍民, 屈永华, 车涛, 徐自为, 任志国, 李新
该数据集包含了2021年7月22日至2021年9月5日的黑河水文气象观测网中游大满超级站叶面积指数观测数据。站点（100.376° E, 38.853° N）位于甘肃省张掖市大满灌区内，海拔1556m，下垫面是玉米。观测样方共计3个，每个样方大小约30m×30m，经纬度分别为（100.374°E, 38.855°N）、（100.371° E, 38.854°N）、（100.369°E, 38.854°N）。每个样方内布设4个冠层下节点和1个冠层上节点。 本数据集由叶面积指数无线传感网（LAINet）获取，该仪器原始观测数据为仪器自动获取的每个节点逐日逐小时的光照数据（Level0），利用LAINet软件对原始观测数据进行处理，逐节点计算每天LAI（Level1），进一步对无效值识别与填充，并5天滑动平均消除天气变化对LAI计算的影响（Level2），对有多个LAINet节点的观测子区，节点的均值为该子区的最终观测值（Level3）。 本次发布的数据集为处理后的Level3产品，数据以*.xls格式存储。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)，观测数据处理请参考Qu et al. (2014)。
刘绍民, 车涛, 屈永华, 徐自为, 谭俊磊, 李新
夏季阳光照射下，覆盖在冰面上的积雪融化，在冰面上形成的不同形状大小的冰上水池融池。海冰表面融化造成的融池会降低海冰反照率，因而会对极区能量平衡造成显著影响，增加吸收进而加速海冰融化过程。在影响海冰反照率的因素中，融池是最重要且变化最剧烈的因素之一。随着气候的变化，夏季冰融化速度也越来越快。对地球表层的能量平衡具有重要的影响，冰融速度加快也可能使融池这种重要的自然现象成为北极海冰融化季节最显著的冰表面特征之一。融池的反照率介于海水与海冰之间，研究冰上融池也是研究北极海冰快速变化机理的一个重要组成部分。由于海冰融池和海面具有相似的微波信号特征，且受到风速、海冰融化等因素影响利用微波数据进行融池覆盖度的制图具有明显的不确定性，因此最为可靠的融池覆盖度遥感方法为利用中分辨率光学遥感数据（如MODIS）进行亚像元融池覆盖度的制图。本数据集包含利用MODIS数据进行基于动态端元反射率的亚像元分解反演的北极海冰融池覆盖度和海冰密集度。
熊川, 任艳, 邱玉宝
本数据是基于气象观测数据、水文站点数据，结合各种同化数据和遥感数据，通过耦合积雪、冰川和冻土物理过程的青藏高原多圈层水文模型系统WEB-DHM（基于水和能量平衡的分布式水文模型）制备生成，时间分辨率为月尺度，空间分辨率为5km，原始数据格式为ASCII文本格式，数据种类包括格网径流与蒸发（若蒸发小于0,则表示凝华；若径流小于0，则表示当月降水小于蒸发）。若asc无法在arcmap中正常打开，请将asc文件前5行顶格。
王磊, 刘虎
北极放大效应是 20 世纪最显著的气候变化现象。为理解北极放大效应对全球气候变化的响应及影响，科学家们开展了 CMIP6 子计划北极放大效应比较计划（PAMIP）。 中国科学院大气物理研究所的气候系统模式 FGOALS-f3-L 参加了上述计划并完成和提交了 8 组大样本集合试验。这些试验基于陆气耦合模式，分别考虑了不同下垫面强迫的组合在工业革命前情景、 现代气候情景和未来气候变化情景下，全球海温和海冰变化对大气环流及全球气候系统的影响。所有的试验外强迫固定在 2000 年，采用 100 个集合，从 2000 年 4 月 1 日开始积分到 2001 年 6 月 30 日。以上数据为进一步理解北极放大效应现象及其影响提供了新的科学数据和科学依据。
何编
中国科学院大气物理研究所大气科学和地球流体力学数值模拟国家重点实验室研发的全球气候系统模式FGOALS-f3-H/L 参加CMIP6 高分辨率模式比较计划数据集。CAS FGOALS-f3-H的水平分辨率为0.25°，CAS FGOALS-f3-L的水平分辨率为1°，由标准的外部条件强迫，对1950-2014年和2015-2050年时间段进行了2套模拟，实验ID分别为 "highresSST-present "和 "highresSST-future"。模式输出包含多种时间尺度，包括：小时平均值、三小时平均值、六小时瞬时值、日平均值和月平均值数据集。
包庆
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
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
土壤水分是地气交互作用的重要边界条件，是全球观测系统提出的关键气候变量之一；植被光学厚度是微波辐射传输过程中衡量植被衰减特性的物理量，在表征植被水分与生物量动态变化中具有重要作用。 本数据集使用多通道协同反演算法获取SMAP观测的土壤水分与植被光学厚度。该算法利用参数间的自约束关系与通道间的理论转换关系进行地表参数反演，反演过程不依赖于其他辅助数据，并适用于多种不同载荷配置。本数据集的土壤水分反演结果包含了融化期的土壤水分含量与冻结期的液态水含量；同时反演了水平和垂直两个极化的植被光学厚度，是全球第一套具有极化差异的L波段植被光学厚度产品。 本数据集基于国际土壤水分观测网络、美国农业部及研究室自建发布的共19个土壤水分密集观测站网（其中包含9个SMAP核心验证站点以及SMAP尚未使用的10个密集观测站点）以及被广泛使用的土壤气候分析网络SCAN进行验证，结果发现MCCA土壤水分反演结果精度优于其它SMAP产品。
赵天杰, 彭志晴, 姚盼盼, 施建成
青藏高原湖泊水位观测数据集包含扎日南木错，巴木错，达瓦错，达则错和蓬错湖泊的水位日变化数据。 湖水水位通过安装在湖岸边的HOBO水位计（U20-001-01）观测，再通过安装在岸边的气压计或附近气象站气压数据进行校正，然后得到真实的水位变化。精度小于0.5cm。 数据集包含以下内容： 2010-2017年扎日南木错湖水水位日变化数据； 2013-2017年巴木错湖水水位日变化数据； 2013-2017年达瓦错湖水水位日变化数据； 2013-2017年达则错湖水水位日变化数据； 2013-2017年蓬错湖水水位日变化数据。 水位，单位：m。
类延斌
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
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
青藏工程走廊北起格尔木，南至拉萨，其穿越青藏高原核心区域、是连通内地与西藏的重要通道。冻土温度不仅是研究多年冻土区地面热状态的重要指标，而且是冻土工程建设中需考虑的关键因子。GIPL1.0的核心是Kudryavtesv方法，该模型考虑了雪盖、植被和不同土层的热物理性质，但尹国安等发现相比Kudryavtesv方法，引入TTOP模型后精度更高，因此结合冻结/融化指数对模型做了改进，通过实地监测数据验证发现：冻土温度模拟误差小于1℃。因此利用改进后的GIPL1.0 模型模拟了青藏工程走廊的多年冻土温度，并预测了SSP2-4.5气候变化情景下未来多年冻土温度。
牛富俊
热融滑塌是由于富冰多年冻土退化而导致的一种类似滑坡的热喀斯特地貌。一旦形成，它们会以较高的速度（几米至几十米每年）溯上坡方向扩张，垮塌的土壤和岩石会流向周边，对基础设施构成威胁，并可能释放冻土中的碳。已有研究表明，热融滑塌广泛地分布于多年冻土区，并且最近十多年它们的数量和影响范围显著增加。青藏工程走廊跨越多年冻土区，是连接内地与西藏的动脉，但已有研究对热融滑塌的分布和影响的认识还十分缺乏。为了对整个青藏工程走廊的热融滑塌进行详细和全面的调查，本研究使用深度学习方法以及目视解译和实地验证，识别并勾勒了2019 年该区域的热融滑塌。使用的高分辨率遥感影像是PlanetScope微小卫星影像，分辨率为 3 米，有4个波段，完全覆盖了整个工程走廊的多年冻土区（ 约54,000 平方公里）。该方法结合深度学习的高效性及自动化和人工解译的可靠性，对整个区域进行接近十次的迭代制图，最大程度地避免漏检和误检。目视解译根据其地貌特征和时间变化（2016至2020）检查深度学习算法自动勾绘的热融滑塌。结果中包含 875 个热融滑塌的边界，以及它们的一些属性，包括编号、经纬度、置信概率和时间等信息。该结果为研究青藏工程走廊多年冻土退化以及相应的影响提供了一个重要的基准数据集。
夏卓璇, 黄灵操, 刘琳
湖泊汇集上游流域的径流及其携带的泥沙和营养物质，是流域中物质迁移的重要“归宿”，因此湖泊水体和沉积物属性在很大程度上受湖泊流域的属性（如湖泊上游的气候、地形和植被条件）影响。本数据集根据数字高程模型提取青藏高原上1525个湖泊（面积从0.2到4503平方公里）的流域范围，计算了湖泊水体、地形、气候、植被、土壤/地质和人类活动等6方面的721个属性，是首套青藏高原湖泊流域属性数据集，可为青藏高原湖泊（特别是缺资料湖泊）研究提供基础数据。
刘军志
该数据集是刘勇勤课题组从2010年以来多次野外采样积累的数据汇总而成，包括青藏高原12个冰川的冰芯和雪坑微生物丰度数据（5409条记录）和38个冰川的溶解性有机碳和总氮数据（2532条记录，包括冰芯、雪坑、表面冰、表面雪和冰前径流等生境）。所采样的冰川覆盖范围广，气候条件多样，多年平均气温从-13.4℃（古里亚冰川）到2.9℃（朱溪沟冰川），多年平均降水量从76.9毫米（15号冰川）到927.8毫米（24K冰川）。这些数据可为研究冰川碳氮循环和全球变暖背景下冰川退缩对下游生态系统的影响提供基础数据。
刘勇勤
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
