本数据集为2021年的祁连山区域的人类活动参数,包括祁连山区域2021年的30m耕地产品和祁连山区域2021年的30m建设用地分布产品。该产品来源于祁连山区域2021年30m的土地覆盖分类产品。该产品以2020年的土地覆盖分类产品为基础,基于Google Earth Engine平台的Landsat系列数据和强大地数据处理能力,利用变化检测的思想和方法生产得到,总体精度优于85%。该产品是1985-2020年土地覆盖分类产品的延续。1985-2020年的土地覆盖分类产品也可在本网站下载得到。其中,1985-2015年的土地利用产品为5年1期,2015-2021年的土地利用产品为1年1期。
杨爱霞, 仲波
本数据集提供青海湖沙柳河流域上游千户里小流域阴坡、阳坡和流域出水口三处位置2019年1月至2021年12月份的逐日土壤温湿度观测数据。千户里小流域地理坐标位于(37°25′N,100°15′E),海拔介于3565-3716m之间。该数据集的观测指标包括土壤含水量(SWC)和土壤温度(ST)。阴坡和阳坡土壤温湿度数据由ECH2O和5层5TE传感器观测,阴阳坡5层传感器安装深度分别为10 cm, 30 cm, 50 cm, 80 cm, 110 cm和10 cm, 30 cm, 60 cm, 90 cm, 120 cm。流域出口土壤温湿度数据由Trime监测及10层PICO32传感器观测,传感器布设深度分别为5 cm, 10 cm, 20 cm, 40 cm, 80 cm, 100 cm, 120 cm, 140 cm, 160 cm, 180 cm。该数据集可用于青海湖流域典型小流域土壤水文过程的定量分析并为模型模拟提供校验数据。
李小雁
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
青藏高原丰富的生境多态性使其成为自然资源的宝库,高原植物中存在抗寒、耐旱、抗盐、抗紫外辐射、高光效等特殊的基因资源,如何挖掘利用并建立具有独立自主产权的功能基因资源,对我国现代农作物育种具有重要的潜在应用价值。高质量的染色体级基因组为解析植物适应性机制、抗逆性基因挖掘等相关研究提供了坚实的分子基础。本次数据汇交的内容主要为:大戟科青藏大戟的基因组数据集,包含染色体级基因组序列,注释文件;大戟科续随子的基因组数据集,包含染色体级基因组序列,注释文件;大戟科光棍树的基因组数据集,包含染色体级基因组序列,注释文件;豆科砂生槐的基因组数据集,包含染色体及基因组序列,注释文件。
杨永平
本数据集以 4 种比例的燕麦草与祁连山高寒草甸天然牧草混合日粮,研究了夏季不同比例的燕麦草与天然牧草混合饲喂对放牧藏羊消化代谢的影响。包含放牧藏羊的干物质(dry matter, DM)、有机物质(organic matter, OM)、粗蛋白(crude protein, CP)、粗脂肪(ether extract, EE)、中性洗涤纤维(neutral detergent fiber, NDF)、酸性洗涤纤维(acid detergent fiber, ADF)采食量和消化率。通过对数据的分析,夏季全天然牧草可以满足藏羊的生长代谢,且不宜对其饲喂燕麦草。
彭泽晨
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
1)数据内容:祁连山典型小流域植被-土壤-岩石三维空间结构CT扫描数据集,数据包括祁连山典型小流域不同深度苔藓层体积密度、土壤大孔隙度和土壤石砾体积密度数据;2)数据来源及加工方法:在祁连山典型小流域采集苔藓层和苔藓覆盖下深度为30 cm的原状土柱,利用工业X射线三维显微镜对苔藓层和原状土柱进行扫描;3)数据质量描述:苔藓层分辨率40 μm,原状土柱分辨率68 μm;4)数据应用成果及前景:祁连山典型小流域植被-土壤-岩石三维空间结构CT扫描数据集对于祁连山区的生态恢复、水资源管理和利用均有着重要意义,可为阐述祁连山的水源涵养功能及机理提供基础数据和理论支撑。
胡霞
本数据为泥石流风险性评价数据,根据中巴经济走廊泥石流灾害情况进行分析研究后得到的危险性和易损性分析结果;根据联合国人道主义事业部(1992)给出的风险表达式:风险(Risk)=危险性(Hazard)×易损性(Vulnerability),对研究区的泥石流灾害进行风险分析。本数据可用于对中巴经济走廊泥石流灾害风险进行评估,了解重大泥石流风险程度强弱关系,为当地政府部门防灾减灾、城市治理等决策提供科学指导。
苏凤环
本数据为泥石流易损性评价数据,根据中巴经济走廊泥石流灾害情况进行分析研究后得到的,栅格值表示易损区划:1表示低易损区,2表示较低易损区,3表示中易损区,4表示较高易损区,5表示高易损区。本数据可用于对中巴经济走廊重大泥石流灾害易损性进行评估,可以为泥石流风险性评估提供数据基础,了解重大泥石流对道路、房屋等基础设施损害程度的程度强弱关系,为当地政府部门防灾减灾、预测预报、乡村振兴等决策提供科学指导。
苏凤环
本数据为泥石流危险性评价数据,根据中巴经济走廊泥石流灾害情况进行分析研究后得到的。泥石流样本数据是通过遥感解译、现场核对等方式获得的泥石流灾害详细情况数据,构建危险性评价体系,利用信息量法对研究区泥石流危险进行评价,然后采用自然断点法进行危险性区的划分。本数据可用于对重大泥石流灾害危险性进行评估,了解重大泥石流风险程度强弱关系,为当地政府部门防灾减灾、城市治理等决策提供科学指导。
苏凤环
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
地表长波下行辐射(LWDR)作为地球能量平衡系统的关键分量,对生态和气候变化研究具有重要意义。随着遥感估算精度的不断提高和再分析资料时空分辨率与精度的提升,遥感和再分析数据融合将是进一步提高地表辐射等关键参量可信度和时空连续性的新途径。考虑到当前多源LWDR数据在时空分辨率和局部区域精度的差异,研究结合全球范围内的站点实测数据,将遥感观测数据(CERES)与再分析数据ERA5、GLDAS进行时空融合,研制了2000-2020年、覆盖全球、时空分辨率为1h/0.25°的高精度地表长波下行辐射数据集。新研制的LWDR数据集,与站点实测数据在陆地表面验证的相关系数 (R)、平均偏差误差 (BIAS) 和均方根误差 (RMSE) 分别为 0.97、-0.95 Wm-2 和 22.38 Wm-2 ;在海洋表面分别为 0.99、-0.88 Wm-2 和 10.96 Wm-2,特别指出的是,相比于已有数据,新数据集在中低纬度和复杂地形区表现出更好的精度和稳定性。
王天星, 王世遥
山地冰川是中国西部及其周边地区重要的淡水资源。由于冰川融水在流域尺度为生态和社会经济用水提供补给,因此,确定冰川作用(补给)流域是开展冰川水资源供给功能和服务研究的基础。基于Randolph Glacier Inventory 6.0、中国历次冰川编目、中国三级流域边界数据(中国科学院资源与环境科学数据中心提供)和全球流域边界数据HydroBASINS(www.hydrosheds.org),通过将冰川分布数据与流域边界数据进行相交分析,生成了20世纪50年代至21世纪20年代(至今)(1)中国两级冰川作用流域边界、(2)中国冰川作用的国际河流流域边界以及(3)亚洲高山区冰川作用流域边界数据。该数据兼顾了中国和全球常用流域边界,并将二者很好匹配,以期为中国及其周边地区冰川水资源研究提供基础数据。
苏勃
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
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
森林是陆地上重要的生态系统,约占陆地总面的三分之一,在调节气候,为物种提供栖息地和维持全球生态系统平衡等方面发挥着重要作用。而树冠覆盖度的动态变化会影响森林生态系统的结构、组成和功能。利用长时间序列的Landsat数据,基于机器学习方法获得了1990-2020年尺度的30m空间分辨率的树冠覆盖度数据。利用年尺度的树冠覆盖度数据,生成了1990-2020年东喜马拉雅树冠覆盖度变化速率数据集。结果显示,该地区平均树冠覆盖度从40.67%(1990年)增加到43.43%(2020年),增加了2.76%,表明该地区森林在过去几十年里有所改善。
王春玲, 王建邦, 何卓昱, 冯敏
本数据为基于树木年轮资料重建的阿姆河上游支流贡特河Khorog水文站1495-2018年年平均径流量数据。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、水能与生态研究所合作开展树轮水文研究取得的数据,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:1495年至2018年。 资料要素:平均径流量(m3/s) 站点位置:37°43″N, 71°30″E,2070m
尚华明
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