本数据集是一个包含接近35年(1984-2018)的全球高分辨率光合有效辐射数据集,其分辨率为3小时/逐日/逐月,10公里,数据单位为W/㎡,瞬时值。该数据集可用于生态过程模拟和全球碳循环的理解。该数据集是基于改进的物理参数化方案并以ISCCP-HXG云产品、ERA5再分析数据、MERRA-2气溶胶数据以及MODIS反照率产品为输入而生成的。验证并和其他全球卫星辐射产品比较表明,该数据集的精度通常比CERES全球卫星辐射产品的精度要高。该全球辐射数据集将有助于未来生态过程模拟的研究和全球二氧化碳通量的估算。
唐文君
基于2019-2020年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。在制作过程中,规定操作人员严格遵守操作规范,同时由专人负责质量审查。
牛富俊, 罗京
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
此数据包含1992年-2020年时间段的中亚,南亚和中南半岛地区的空间分辨率为300m土地覆盖数据,包含10个一级类别,由原数据的二级类别合并而来。数据基于欧空局的1992年-2020年时间段地表覆盖产品 CCI-LC,对耕地、建设用地和水体等地类进行修正。基于清华大学全球土地覆被数据(FROM-GLC,30m栅格)、美国NASA的MODIS全球土地覆被数据(MCD12Q1,500m栅格)、美国地质调查局USGS的全球耕地数据(GFSAD30,30m)、日本全球林地数据的(PALSAR/PALSAR-2,25m)的一致区获取训练样本,应用谷歌地球数字引擎及其随机森林算法,对研究区待修正区域进行机器判别,获得修正的土地覆被产品。应用2019年和2020年的谷歌地球高清影像,对耕地、建设用地和水体变化区域的精度进行分层随机抽样验证,三种地类分别抽取了1200个、共计3600个,相比 CCI-LC数据,本修正产品在该变化区域的精度提升了11%到26%。
许尔琪
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
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
本数据集是2019年9月川藏铁路沿线典型植被无人机高光谱观测数据,使用的是大疆M600 Resonon成像系统的机载光谱仪。包括2019年在拉萨的草原区域观测的高光谱数据,自带经纬度。高光谱调查时基本为晴天。飞行前进行了白板校准;采集数据时设有靶标(即适于草地的标准反光布),用于光谱校准;设有地面标志点(即有字母的泡沫板照片),并记录了每个标志点的经纬度坐标,用于几何精确校准。无人机高光谱相机记录的dn值,可使用Spectronon Pro软件转换为反射率。高光谱数据用于提取不同植被类型光谱特征、植被分类、反演植被覆盖度等。
周广胜, 汲玉河, 吕晓敏, 宋兴阳
青藏高原地面光谱数据集主要是利用光谱仪测定不同土地利用类型的光谱特征,测定的地物类型主要分为林地、(高寒)灌木、(高寒)草地、湿地、耕地与裸地等。包含拉萨、林芝、日喀则、阿里、那曲部分县区的实地观测点。林地数据采集测定植被不同生长阶段的光谱特征;草地数据采集测定不同覆盖度的光谱特征;耕地测定常见作物油菜花与青稞田块的光谱特征;湿地则主要测定长流水河流旁的湿地、低洼谷地自然形成的湿地、湖泊旁的湿地等;裸地则测定无植被覆盖的荒漠、戈壁、道路等的光谱特征。观测时间为2019年7-8月,数据为日观测数据。数据集可以为遥感解译的实地验证提供参考。
冯晓明
本数据集包含由卫星重力测量数据得到的2002年4月至2019年12月南极冰盖质量变化数据。所采用的卫星重力数据来自于美国宇航局NASA与德国宇航局DLR合作的重力场恢复与气候学实验双星星座(GRACE,2002年4月至2017年6月)及其后续任务GRACE-FO (2018年六月至今)。由于GRACE和GRACE-FO之间有一年左右数据间断,我们额外采用了由欧洲空间局ESA的Swarm星座GPS数据反演得到的重力场数据(2013年12月至2019年12月)。所采用GRACE重力场数据为德州大学奥斯丁空间研究中心(CSR)、德国地学研究中心(GFZ)、美国宇航局喷气推进实验室(JPL)以及俄亥俄州立大学(OSU)四家机构发布产品的加权平均模型。GRACE数据后处理包括:用SLR数据解算结果替换GRACE低阶重力场参数(degree-1, C20和C30),去条带滤波,300公里高斯平滑,ICE6-G_D(VM5a)GIA模型,信号泄露误差改正,椭球误差改正等。
张宇, 沈嗣钧
基于青藏高原土壤温湿度观测网玛曲站点建立的地基L波段微波辐射计观测系统(ELBARA-III,由欧洲航空局提供),本数据集囊括了水平和垂直极化的L波段亮温数据,地表及以下不同层土壤湿度和温度数据,地表通量(如感热、潜热、碳通量),气象要素数据(如降水、上下行长波/短波辐射、空气温度和湿度、气压)以及植被叶面积指数LAI和土壤性质等辅助数据。此多年尺度的数据集可用于提高对陆面过程、微波辐射过程的理解,验证SMOS和SMAP卫星亮温观测和土壤湿度反演结果,校验微波辐射传输模型中的假设条件,验证陆面模式输出以及再分析资料,反演土壤物理性质,量化陆-气间的水、碳、能量交换,并将帮助定量化地球系统模型中参数化方案的偏差和不确定性,从而提出相应改进方案。 ELBARA-III双极化亮温数据可通过测量的辐射计电压和校准的内部噪声温度计算得到。该数据质量可靠,其质量控制主要通过:1)对辐射计输出的原始电压数据(以800Hz采样频率)进行直方图检验,利用统计指标过滤射频干扰对ELBARA-III微波信号数据的影响;2)检查辐射计进行天空辐射测量时两天线端口的电压值是否相似,天线电缆有无损耗;3)分析仪器内部温度、主动冷源温度和环境温度;4)分析不同入射角度的双极化亮温的特点。 - 时间分辨率:30分钟 - 空间分辨率:入射角为40°~ 70°,间隔为5°,观测覆盖范围为3.31 m^2~ 43.64 m^2 - 测量精度:亮温,1 K;土壤水分,0.001 m^3 m^-3;土壤温度,0.1 °C - 单位:亮温,K;土壤水分,m^3 m^-3;土壤温度,°C /K
Bob Su, 文军
本数据集是2017年青藏高原冰川数据,使用了210景Landsat8 OLI卫星多光谱遥感数据,时间从2013年至2018年,90%来源于2017年,85%的Landsat8 OLI数据成像于冬季。冰川数据是青藏高原净冰川覆盖范围,不包括表碛物覆盖部分。数据格式是TIFF,可以为青藏高原冰川变化、冰川水文研究提供基础数据支持。 数据内容: Value是冰川斑块在系统中自动生成的编码。 格网单元:30m 数据的投影方式:Albers等积圆锥投影。 数据加工方法:基于210景Landsat8 OLI卫星多光谱遥感数据,校正、镶嵌为假彩色合成影像(RGB:654),采用人工目视解译方法,参考波段比值法结果,结合SRTM DEM V4.1数据与Google Earth和HJ1A/1B卫星同一年不同季节的影像,剔除了山体阴影、季节性积雪的影响,参考我国第一期和第二期冰川编目数据,剔除了非冰川区的陡崖、裸露基岩等,综合提取净冰川专题矢量数据,不包括冰川末端位置不清的表碛物覆盖区域,冰川边界数字化精度为半个像元(15m)。通过对比分析,可知基于多数据源、参考多方法结果、综合专家经验知识人-机互动方法提取获得的山地冰川数据更准确。具体数据提取方法详见参考文献: Ye, Q., J.Zong,L.Tian et al. (2017). Glacier changes on the Tibetan Plateau derived from Landsat imagery: mid-1970s – 2000 – 2013. Journal of Glaciology,63(238), 273-87. DOI:10.1017/jog.2016.137。 原始遥感资料数据精度:30m 数据质量控制措施:冰川边界数字化精度控制在半个像元之内(15m)。 项目来源:中国科学院战略性先导科技专项(A类)(XDA19070302), 第二次青藏高原综合科学考察研究资助(2019QZKK0202),国家自然科学基金项目(41530748, 91747201)、中国科学院“十三五”信息化建设专项资助(XXH13505-06)。
叶庆华
青藏高原地温分布图是基于程国栋(1984)提出的多年冻土稳定型划分指标(表1),利用统计模拟的年变化深度地温数据划分的。利用地理加权回归方法,融合2010年左右233个钻孔年变化深度处的年平均地温数据和遥感积雪日数、GLASS叶面积指数、SoilGrids250m的土壤沙粒含量、土壤粘粒含量、土壤粉粒含量、土壤有机质和土壤体密度数据产品、中国气象局陆面数据同化系统(CLDAS)输出的二版土壤湿度产品和融合了近4万区域自动气象站和FY2/EMSIP降水产品的融合产品。估计得到了代表2010年代的青藏高原1km分辨率年冻土稳定性分布图。数据格式为Arcgis Raster。
冉有华
青藏高原多源遥感合成1km积雪覆盖数据集(1995-2018)基于国家卫星气象中心的青藏高原光学仪器遥感1km积雪覆盖数据集(1989-2018)和美国雪冰中心的25km近实时逐日全球冰密集度与积雪范围NISE产品数据集(1995-2019)合成得到,覆盖时间从1995年到2018年(每年1-4月和10-12月两个时段),时间分辨率为逐日,覆盖范围为青藏高原(17°N -41°N,65°E -106°E),采用等经纬度投影,空间分辨率为0.01°×0.01°。数据集以日产品表征了卫星观测时刻的地面是否为积雪所覆盖。输入数据源为NOAA或MetOp卫星AVHRR逐日积雪覆盖产品,TERRA卫星MODIS替代AVHRR对应观测通道生成的逐日积雪覆盖产品,以及DMSP卫星SSM/I或SSMIS逐日全球冰密集度和积雪范围NISE产品。数据集合成方法:以青藏高原光学仪器遥感1km积雪覆盖产品为基础,完全信任其积雪和晴空无雪信息,对有云覆盖、无法判识、缺少卫星观测等区域,在相对高空间分辨率海陆模板的辅助下,利用NISE的陆地有效判识结果进行替换。对于部分水陆边界,因NISE产品空间分辨率较低,合成结果有可能仍存在极少量的云覆盖或者无观测数据区域。基于多年地面气象台站雪深观测资料验证表明,本数据集对晴空条件下地面有无积雪的总体判识准确率在91%以上。数据采用标准的HDF4格式存储,内部有积雪覆盖和质量码两个SDS,维度均为4100列×2400行,且文件内部有完备的属性描述。
郑照军, 曹广真
青藏高原光学仪器遥感1km积雪覆盖数据集(1989-2018)基于星载光学仪器观测数据云雪判识方法制作,覆盖时间从1989年到2018年(每年1-4月和10-12月两个时段),时间分辨率为逐日,覆盖范围为青藏高原(17°N -41°N,65°E -106°E),采用等经纬度投影,空间分辨率为0.01°×0.01°。数据集以日产品表征了卫星观测时刻晴空无云或透明薄云下的地面是否为积雪所覆盖。输入数据源为NOAA与MetOp卫星的AVHRR L1数据,以及从TERRA/MODIS对应于AVHRR通道的L1数据。产品处理方法为独立于云掩模产品的动态阈值决策树算法(DT),即算法同时判别云雪,且其云检测强调保留雪信息,特别是透明卷云下的雪。DT算法针对不同情况,考虑了多种判识手段,如水云上的冰云,森林和沙地的积雪,薄雪或融雪等;根据地表类型、DEM和季节设定动态阈值;采用多种质量控制手段,如在重度气溶胶或烟尘覆盖的低纬度森林中剔除伪雪,参考最大月雪线和最小雪面亮度温度剔除伪雪;优化不同种类型云雪和晴空无雪陆地的判识流程。DT算法在正常情况下能区分大部分云雪,但会低估10月份青藏高原的积雪。基于多年地面气象台站雪深观测资料验证表明,本数据集对晴空条件下地面有无积雪的总体判识准确率在95%以上。数据采用标准的HDF4格式存储,内部有积雪覆盖和质量码两个SDS,维度均为4100列×2400行,且文件内部有完备的属性描述。
郑照军, 除多
2012年8月1日在黑河上游,利用运12飞机,搭载WIDAS传感器,开展了可见光/近红外、热红外的多角度航空遥感试验。WIDAS系统集成了:高分辨率相机一台、可见光/近红外5波段多光谱相机两台(最大视场角48度)和热像仪一台(最大视场角46度)。获取的数据信息为:CCD分辨率0.1m.
肖青, 闻建光
2012年8月3日在黑河中游的5*5公里加密区,利用运12飞机,搭载WIDAS传感器,开展了可见光/近红外、热红外的多角度航空遥感试验。WIDAS系统集成了:高分辨率相机一台、可见光/近红外5波段多光谱相机两台(最大视场角48度)和热像仪一台(最大视场角46度)。获取的数据信息为:CCD分辨率0.1m.
肖青, 闻建光
2012年7月26日在黑河中游的5*5公里加密区,利用运12飞机,搭载WIDAS传感器,开展了可见光/近红外、热红外的多角度航空遥感试验。WIDAS系统集成了:高分辨率相机一台、可见光/近红外5波段多光谱相机两台(最大视场角48度)和热像仪一台(最大视场角46度)。获取的数据信息为:CCD分辨率0.2m.
肖青, 闻建光
2012年8月25日和8月28日,在黑河中上游的核心观测区域,利用运12飞机,搭载Leica公司RCD30相机,开展了光学航空遥感飞行试验。RCD30相机焦距80mm,有RGB和近红外四个波段。上游葫芦沟飞行区域,绝对航高为4800和5500米,GSD为6—19厘米。经过处理,得到tif影像及影像外方位元素。
肖青, 闻建光
2012年8月19日,在黑河中上游的核心观测区域,利用运12飞机,搭载Leica公司RCD30相机,开展了光学航空遥感飞行试验。RCD30相机焦距80mm,有RGB和近红外四个波段。小沙漠地区飞行绝对航高2900米,GSD为10厘米。经过处理,得到tif影像及影像外方位元素。
肖青, 闻建光
2012年8月2日在黑河中游的30*30公里核心观测区域,利用运12飞机,搭载WIDAS传感器,开展了可见光/近红外、热红外的多角度航空遥感试验。WIDAS系统集成了:高分辨率相机一台、可见光/近红外5波段多光谱相机两台(最大视场角48度)和热像仪一台(最大视场角46度)。获取的数据信息为:CCD分辨率0.26m.
肖青, 闻建光
联系方式
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