本数据集为青藏高原区域2016年日分辨率0.02° x0.02°地表反照率产品。采用耦合地形因子的多源遥感数据协同反演的BRDF\反照率模型，并引入先验知识进行质量控制，联合极轨卫星数据MODIS反射率和静止卫星葵花8-AHI地表反射率数据反演时空连续的日分辨率的高精度BRDF/反照率。MODIS地表反射率数据及AHI天顶反射率数据集为官方网站下载，经过配准、大气校正等处理，以5天为周期合成日分辨率BRDF，进而估算日分辨率的反照率。经过验证评估，满足反照率应用精度要求，相较于同类产品对快速变化地表特征的捕捉更具有优势，且时空连续性更好。可有效支撑青藏高原地区辐射平衡、环境变化研究。
闻建光, 唐勇, 游冬琴
本数据集包括祁连山区域1982、1985、1990、1995、2000、2005、2010、2015、2017 年度地表短波反照率产品，空间分辨率为0.01°，时间分辨率为月。采用AVHRR长时间系列地表反射率，通过多角度多波段核驱动模型联合月度内多角度红光和近红外波段的AVHRR反射率数据反演核系数，积分得到短波波段的黑空反照率和白空反照率，经过重采样为0.01°空间分辨率。AVHRR地表反射率数据通过官网下载，经过月度累计多角度数据集进行反演，产品具有较好的时空连续性，可用于长时间系列的环境变化监测等。
闻建光, 游冬琴, 唐勇, 吴善龙, 仲波
该数据集包含纳木那尼冰川（北支）2008-2018年的年物质平衡数据，侧碛和末端自动气象站2011-2019年日气象数据及冰面上2018-2019年的月均气温和相对湿度数据。 冰川物质平衡数据观测时间为每年9月底或10月初，采用冰面测杆和雪坑结合的方法进行观测，获取测杆点的物质平衡数据，然后计算整条冰川的年净物质平衡（具体方法见参考文献）。 2台自动气象站（AWSs，Campbell公司）分别安装在纳木那尼冰川侧碛和末端。AWS1观测时间为2011年10月1日-2018年11月30日，观测数据包括气温(℃)、相对湿度(%)、太阳辐射(W/m2)，仪器半小时记录一次气象资料。AWS2观测时间为2010年10月19日-2018年11月30日，观测数据包括风速(m/s)、大气压(hPa)、降水 (mm)，仪器每小时记录一次气象资料。首先剔除原始记录中的少量异常数据，然后计算这些参数的日值。数据质量方面：原始数据质量较好，缺失较少。 两个温湿度探头（型号：Hobo MX2301）于2018年安装于冰面，半小时记录一次数据。将半小时数据处理为月均值。原始数据质量较好，没有缺失。 数据以excel文件存储。 该观测资料可以为研究喜马拉雅西段北坡气候、冰川、水资源及其之间的关系提供重要的基础数据，可供研究气候、水文、冰川等的科研工作者使用。
赵华标
数据内容：咸海流域耕地数据。 数据来源及加工方法：原始卫星影像来源于美国谷歌地球，为了获得高分辨率下的无云影像，谷歌地球采用拼接方法将不同年份的数据整合到一起，因此下载的影像数据时间跨度为2016-2019年。使用机器识别方法预测出地块边界，将边界转为矢量数据，之后再将结果与谷歌影像叠加，由人工逐个检查修改错误信息，得到咸海流域耕地数据。最终结果采用WGS-1984坐标系。 数据质量：空间分辨率为0.45m×0.45m，准确率达90.32%。 数据应用成果：在气候变化背景下，可与气象要素和植被特征相结合分析土地退化情况；可结合植被特征与采样点分析种植结构，也可以与气象数据和统计数据结合计算水资源利用效率和粮食产量。
刘铁
数据内容：咸海流域2010年-2018年净初级生产力数据。 数据来源及加工方法：结合土地利用、温度、植被指数、降雨量、太阳辐射和蒸散发等数据，借助于CASA模型计算反演得出NPP。 数据质量：空间分辨率为10km×10km，时间分辨率为月，每个文件有12个波段，分别对应当年每个月份的NPP结果，投影坐标为GCS_WGS_1984。 数据应用成果：在气候变化背景下，可用于气象要素和植被特征相关关系分析，也可以与其它植被数据和生态数据相结合分析土地退化情况。
刘铁
数据内容：咸海流域2015年-2018年反照率数据。 数据来源及加工方法：来源于美国国家航空航天局中分辨率成像光谱仪，提取MCD43A1产品中的"BRDF_Albedo_Parameters_nn. Num_Parameters_01"，“BRDF_Albedo_Parameters_nn. Num_Parameters_02“和“BRDF_Albedo_Parameters_nn. Num_Parameters_03”波段，参考MODIS官方算法，计算得出白天反照率和夜间反照率，乘以比例因子0.001。 数据质量：空间分辨率为500m×500m，时间分辨率为8天，每个像元的值为八天地表反照率的平均值。 咸海流域边界说明：咸海流域的边界来源于世界自然基金会的HydroBASINS Version 1，详细信息请参考：https://www.hydrosheds.org/page/hydrobasins 数据应用成果：作为重要参数可反演地表蒸散发。
刘铁
数据内容：咸海流域2015年-2018年叶面积指数数据。 数据来源及加工方法：来源于美国国家航空航天局中分辨率成像光谱仪，提取MOD15A2产品第二波段作为叶面积指数数据，乘以比例因子0.1。 数据质量：空间分辨率为1000m×1000m，时间分辨率为8天，每个像元的值为八天叶面积指数的平均值。 数据应用成果：在气候变化背景下，可用于气象要素和植被特征相关关系分析，也可以与其它植被数据相结合分析某种植被类型的区域分布。
刘铁
本数据集包括2010、2015和2020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）的植被覆盖度（FVC）数据。该数据由MODIS-NDVI数据集（产品编号MOD13A2.006），根据干旱区植被盖度与NDVI之间的经验关系计算得到。该产品时间分辨率为1年，空间分辨率1 km。算法从当年所有观测数据中，以低云、低探测角度和最高NDVI值为标准，选择最佳的可用像元值，并进行换算。
徐晓凡, 谈明洪
本数据采用Chen et al. 2017 JHM研究的方法，利用MYD11C3.00６和MＯD11C3.006两种产品计算得到全天空的地表温度结果，具体计算程序见本数据集的Global_monthly_LST.m。数据格式为*.mat, Global_monthly_LST.m程序给出了实例如何读取该数据。该数据空间分辨率为0.05度，网格中心的经纬度信息分别保存在latitude.mat和Lonitud.mat，由于内陆湖泊、水体的发射率反演的问题，本数据将所有内陆湖泊和水体的地表温度给了NaN值，具体采用的mask见mask.mat文件。经过与全球156个站点观测的LST的验证，总体RMSE为2.69k,mean bias为0.4K，在干旱和半干旱地区的RMSE为2.62K, mean bias为0.94.K.
陈学龙, Bob Su, 马耀明
本数据为锡尔河中游苦盏水文站水文资料。该站为中国气象局乌鲁木齐沙漠气象研究所和塔吉克斯坦国家科学院水问题水能与生态研究所、塔吉克斯坦水文气象局合作建设。该数据可以用于中亚山区水资源评估等科学研究和水利工程等服务。 资料时段：2019年11月2日至2020年12月5日。 资料要素：逐小时流速（m/s）、逐小时水位（m）和逐小时降雨量（m） 站点位置：40°17′38″N, 69°40′18″E，320m 一、300W-QX河流流速、水位观测仪 （一）流速参数： 1供电电压 12（9~27）V(DC) 2工作电流 120（110~135）mA 3工作温度（-40 ~85） °C 4测量范围 （0.15 ~20）m/s 5测量精度 ±0.02m/s 6分辨率 1mm 7探测距离 0.1~50 m 8安装高度0.15~ 25 m 9采样频率 20sps （二）水位参数： 1测量范围 0.5~20 m 2测量精度 ±3 mm 3分辨率 1 mm 4重复性 ±1mm 二、SL3-1翻斗式雨量传感器 1承水口径 ф200mm 2测量降水强度 4mm/min以内 3测量最小分度 0.1mm降水量 4最大允许误差 ±4%mm 三、流速、观测仪数据获取的频率：传感器每隔5S测量一次流速和水位数据 四、小时平均流速计算：小时平均流速和水位数据由一小时内所有每隔5S测量的流速和水位数据取平均计算得出 五、水位数据中大量出现的0值的说明：水位数据中0值是供电不足引起传感器断电重启，重启后第一条数据为0，导致小时平均值出现0。2019年12月5日供电改造后恢复正常 六、雨量数据中有部分缺失及-8.191mm等非正常数据，应该予以剔除和说明。 数据缺失4.10-5.3数据，已补充，-8.191mm类似这种异常数据已经标记
霍文, 尚华明
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
本数据集包括2010、2015和2020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）的归一化差值植被指数（NDVI）数据。本数据源自美国地球观测系统（EOS）计划所使用的中分辨率成像光谱仪（MODIS）影像数据，产品编号MOD13A2.006。该产品时间分辨率为16天，空间分辨率1km，产品算法从16天期间的所有观测数据中，以低云、低探测角度和最高NDVI值为标准，选择最佳的可用像元值。
徐晓凡, 谈明洪
1）意义：建设用地是人类活动的最高级表现之一。自然资源的消耗与生态环境的变化可以与建设用地的发展紧密的联系起来。本数据反映了中国7个省/直辖市，同时也是城镇化快速推进的重要地区，从1990年到2019年的30m空间分辨率的高精度建设用地演变情况。 2）数据来源：Landsat系列卫星数据；中国区域地面气象要素驱动数据集（1979-2018）；SRTM 30m 高程数据 3）加工方法：采用监督分类的方法，利用随机森林算法和傅里叶变换处理特征波段，并基于目视解译的控制点进行分类。 3-1）光谱特征的获取：首先筛选出含运量<20%的Landsat图像，并以3年为单位将这些图像叠加，然后取每个叠加像元的中间值作为目标像进行拼接，得到整个研究区的无云图像。此方法也能较好的去除Landsat7数据的条带影响。 3-2）时间特征的获取：对云量筛选并进行3年叠加的每个像元，遵循最小均方差的拟合原则进行离散傅里叶变换，得到每个像元在时间纬度上的“波峰”，“波谷”和“相位”作为时间特征。 此方法能较好的消除“裸地”对建设用地提取的影响，因为裸地有可能在春夏季节被植被覆盖，其时间特征与建设用地具有较大的差别。 3-3）气象与地形特征的提取：气象特征由中国区域地面气象要素驱动数据集（1979-2018）计算获得：将该数据集按照与Landsat相同的时间间隔进行叠加，并且求得每个像元的平均值作为气象特征（由于缺少2019的气象数据，最后一期的气象特征由2017和2018两年数据计算得到）。地形特征（高程，坡度）采用SRTM-30m数据。 详细方法和代码可见：https://github.com/wangjinzhulala/North_China_Plain_GEE_Organized 4）数据质量：所有年限的总体精度均优于94%。 5）应用前景：区域城市扩张模拟；城市化的环境影响估算；粮食安全和可持续发展量化。
王金柱
全面估算了1132个大于1 km2湖泊的水量变化。总的来说，1976至2019年间，湖泊水储量增加了169.7±15.1 Gt（3.9±0.4 Gt yr-1），主要发生在内流区（157.6±11.6或3.7±0.3 Gt yr-1）。1976至1995年间，湖泊水量显示减少（-45.2±8.2Gt或-2.4±0.4Gt yr-1），但在1995至2019年间，大幅增加（214.9±12.7Gt或9.0±0.5Gt yr-1）。2010至2015年间，水量增速减缓（23.1±6.5 Gt或4.6±1.3 Gt yr-1），随后在2015至2019年间再次出现高值（65.7±6.7 Gt或16.4±1.7 Gt yr-1）。在1976-2019年间，冰川补给湖水量增加（127.1±14.3 Gt）远远高于非冰川补给湖（42.6±4.9 Gt），这也与冰川补给湖数量多，面积广有关。另外，封闭湖水量增幅（161.9±14.0 Gt）大大高于外流湖（7.8±5.8 Gt）。
张国庆
青藏科考区历史溪河洪水分布数据包括经纬度、发生的地址、基本引发类型、日期以及造成的危害等属性信息。数据来源于灾害调查部门的调查统计。在原数据基础上，进行必要的数据质量控制。根据原数据的类型描述、主要引发因素、发生的位置结合30米基础地形进行洪水类型的分析和划分。该数据可以作为分析历史洪水灾害的参考数据。数据格式为点矢量shp格式，可以直接用ArcGIS打开。该数据结合降水、气象等观测资料，可以用于青藏高原对应区域的洪水风险分析。
王中根
（1）数据内容：卡拉库里湖2011-2019年水位日变化，观测点坐标为东经75.03°，北纬38.43°，海拔3670米。（2）数据来源和处理方法：所用仪器为HOBO压力式自动水位计（U20-001-01），记录频率为30分钟。结合附近的气象站气压数据进行矫正，剔除错误数据和异常值之后，通过计算获取水位日值的变化数据。（3）数据质量描述：由于冬季标尺遭到破坏，该数据以每年开始观测为基准。受施工等人为因素的影响，部分时段的数据缺失。（4）数据应用前景：该数据可应用于湖泊水文、高寒区水文过程等科研领域。
谢营
该数据集是2014-2020年每年4-11期间不定期在然乌湖中湖岸边利用YSI EXO2水质多参数测量仪测量的实测值，采样时间间隔为0.25s-1s，此数据为仪器稳定后的平均值，采样地理坐标为：经度96.795296，纬度29.459066，海拔高度3925m。 测量参数为水温、电导率、溶解氧和浊度等，具体参数单位在表头中标明。数据剔除部分明显异常值，文档中为空值，使用时请注意。该数据将不定期更新，可为然乌湖流域的水化学、湖泊微生物或湖泊理化性质等的相关科研人员使用。
罗伦
该数据为中国科学院藏东南高山环境综合观测研究站2016年在色季拉山西坡山顶架设自动气象站数据（AWS，Campbell公司），地理坐标为北纬29.5919，东经94.6102，海拔4640m，下垫面为高山草地。 数据包括气温（℃）、相对湿度（%）、风速（m/s）和气压(mb)日算术平均数据和降水的日累计值，原始数据2018年10月之前为30分钟一个平均值，此后为10分钟记录一个平均值。温湿度采用HMP155A温湿度探头测定，降雨量仪器型号为RG3-M，大气压力传感器探头为PTB210，风速传感器为05103，这些探头离地面2 m。数据质量方面：剔除了明显异常值，2019年上半年积雪导致电池损坏，数据有缺失，缺失的气温数据利用了附近站点4390m气温拟合回归矫正，已在数中标据黄，使用时请注意；降水量的监测从2019年8月开始。该数据站点为藏东南地区较高海拔的气象站，后续会不定期更新，可供研究生态、气候、水文、冰川等的科研工作者使用。
罗伦
过去50年，在全球气候变化的大背景下，随着人口增加和经济发展，欧亚草地已发生了较严重的退化。土壤理化性质作为草原质量评估的重要指标，其时空格局分布与变化都能直观反映草原退化情况，有效评估草原质量对沿线国家的可持续性发展和中国“一带一路”战略的推进都具有重要的意义。在以往研究中，土壤属性指标的时空分布表达在精度和准确性上均存在着可提升的空间。随着地理信息系统、全球定位系统、各类传感器等工具及土壤制图技术的日益强大，数字土壤制图逐渐成为一种高效表达土壤空间分布的方法。本研究以土壤景观学和空间自相关理论为基础，融合多源样点数据与环境协变量数据，使用机器学习模型，分别预测2000年前后欧亚大陆温性草地1km分辨率表层土壤属性空间分布。为了解决土壤样点据标准化的问题，使用等面积样条函数将不同剖面土层属性拟合至表层20cm土壤属性，采用土壤颗粒分布参数模型将不同土壤质地分类标准统一转换为美国制。为了解决土壤样点数不足的问题，使用伪专家观测点补充欠采样区土壤有机质和含砂量样点；采用逐步回归结合支持向量机模型，并通过计算阈值筛选有效土壤容重模拟样点。针对地形气候条件复杂的特征，结合多源遥感数据，应用NGBoost模型挖掘基于样点的土壤属性与环境景观因子（地形、气候、植被、土壤类型等）及空间位置之间的关系，分别预测研究区内1980-1999年和2000-2019年的土壤有机质、含砂量与容重，并给出对应指标的不确定性空间分布。模拟的土壤属性指标的空间分布趋势总体符合实际情况。模拟值与实测值较为吻合，线性关系显著，2000年前土壤有机质含量、容重和含砂量R²分别为0.64、0.35和0.44，RMSE分别为0.25、0.07和13.94；2000年后R²分别为0.79、0.77和0.86，RMSE分别为0.2、0.13和6.61。研究结果表明，本方法能有效反演欧亚大陆温性草地的土壤理化性质，为评估该地区草原退化与构建草原质量评价体系提供基础。
李振宇, 张娜
该数据为中国科学院藏东南高山环境综合观测研究站2018年在易贡藏布流域架设自动气象站数据（AWS，Campbell公司），地理坐标为北纬30.1741，东经94.9334，海拔2282m，下垫面为草地。 数据包括气温（℃）、相对湿度（%）、风速（m/s）、水汽压（Kpa）和气压(mb)日算术平均数据和降水的日累计值，原始数据为10分钟记录一个平均值。温湿度采用HMP155A温湿度探头测定，降雨量仪器型号为TB4，大气压力传感器探头为PTB210，风速传感器为05103，这些探头离地面2 m高。数据质量方面：原始数据质量较好，缺失较少。该数据站点为青藏高原较低海拔的气象站，后续会不定期更新，可供研究气候、水文、冰川等的科研工作者使用。
罗伦
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
