该数据集包含青藏高原1970s,1990,2000,2010年份大于1平方公里湖泊矢量数据。 湖泊水体边界根据Landsat MSS, TM, ETM+等影像目视解译而来。 数据类型为矢量数据,属性字段包括Area (km²)。 投影坐标系为Albers Conical Equal Area。 主要用于青藏高原湖泊、水文与气象变化研究。
张国庆
基于MODIS 2000年至2018年生长季平均的NDVI(空间分辨率250m),利用Mann-Kendall趋势检测方法,计算了NDVI的变化趋势。对三江源国家公园的三个园区都进行了计算(CJYYQ:长江源园区;HHYYQ:黄河源园区;LCJYYQ:澜沧江源园区)。CJYYQ_NDVI_trend_2000_2018_ok.tif:长江源园区NDVI变化趋势。CJYYQ_NDVI_trend_2000_2018_ok_significant.tif:长江源园区NDVI变化趋势,剔除了不显著(p>0.05)的区域。CJYYQ_gs_avg_NDVI_2000.tif:长江源园区2000年生长季平均NDVI。单位为NDVI变化每年。
王旭峰
中国土地利用现状遥感监测数据库是在国家科技支撑计划、中国科学院知识创新工程重要方向项目等多项重大科技项目的支持下经过多年的积累而建立的覆盖全国陆地区域的多时相土地利用现状数据库。 数据集包括1980年代末期,1990年、1995年、2000年、2005年、2010年,2015年七期,数据生产制作是以各期Landsat TM/ETM遥感影像为主要数据源,通过人工目视解译生成。数据缺少南海部分岛屿数据。 空间分辨率1公里,投影参数:Albers_Conic_Equal_Area 中央经线105,标准纬线1: 25,标准纬线2: 47。 中国土地利用现状遥感监测数据库是目前我国精度比较高的土地利用遥感监测数据产品,已经在国家土地资源调查、水文、生态研究中发挥着重要作用。 土地利用类型包括耕地、林地、草地、水域、居民地和未利用土地6个一级类型以及25个二级类型。
中国科学院资源环境科学数据中心(http://www.resdc.cn/)
本数据集为青藏高原黄河源区2015年逐像素年内最大植被覆盖度空间分布图,该区域的面积约为4.4万平方公里。此数据是基于2015年MODIS(空间分辨率250米) 和Landsat-8 OLI(空间分辨率30米)植被生长季(5月初-9月末)的时间序列影像,并利用最大值合成方法、像元二分模型和时间插值等方式获得。植被覆盖度空间分布图的空间分辨率为30米,采用WGS 1984 UTM 投影,数据格式为grid格式。
王广军
采用WRF模式制备的青藏高原近地表大气驱动和地表状态数据集,时间范围:2000-2010,空间范围:25-40 ºN,75-105 ºE,时间分辨率:逐时,空间分辨率:10 km,格点数为150*300。 总计有33个变量,其中包含的近地表大气变量11个: 地面上2m高度的温度、 地面上2m高度的比湿、地面气压、地面上10m风场的纬向分量、地面上10m风场的经向分量、固体降水比例、累积的积云对流降水、累积的格点降水、地表处的向下短波辐射通量、地表处的向下长波辐射通量、累计的潜在蒸发。 包含的地表状态变量有19个:各层土壤温度、各层土壤湿度、 各层土壤液态水含量、雪相态改变的热通量、土壤底部温度、地表径流、地下径流、植被比例、地面热通量、雪水当量、实际雪厚、雪密度、冠层中的水、地表温度、反照率、背景反照率、更低边界处的土壤温度、地表面处向上的热量通量(感热通量)、地表面处向上的水量通量(感热通量)。 其他变量3个:经度、纬度和行星边界层高度。
潘小多
中亚地区荒漠化(土地沙化、盐渍化和植被退化)专题数据主要包括:中亚地区沙化土地分布图、中亚地区盐渍化土地分布图和中亚地区土地植被退化分布图,空间分辨率为1km,时间分辨率为年。中亚地区盐渍化土地分布图将盐渍化土地分为了轻度、中度、重度和极重度盐渍化土地四类。中亚地区土地植被退化分布图将植被退化状况分为了显著改善、轻微改善、稳定或无植被、轻微退化和显著退化五类。数据由中国科学院新疆生态与地理研究所遥感与GIS重点实验室生产,生产费用由“中国科学院战略性先导科技专项XDA20030101资助”。
许文强
中亚-西亚地区典型流域荒漠化关键要素数据集由4部分组成,分别是阿姆河流域农用地分布及变化、阿姆河流域草地分布及变化、阿姆河流域灌丛分布及变化和阿姆河流域森林分布及变化,数据空间分辨率为30m。由中国科学院新疆生态与地理研究所遥感与GIS重点实验室生产,数据生产费用由“中国科学院战略性先导科技专项XDA20030101资助”。阿姆河流域荒漠化关键要素数据集由1990年、2000年和、2010年三期数据组成,是基于TM/ETM遥感影像解译获得。
数据来源于美国地质勘探局(USGS)开发的30秒全球高程数据集,于1996年完成。从NCAR和UCAR联合的数据下载中心(https://rda.ucar.edu/datasets/ds758.0/)下载了泛第三极区域的数据,并通过数据中心重新分发。GTOPO30在分发时将全球分为33个区块,采样间隔为30弧秒, 即0.008333333333333度,坐标参考为WGS84,其值为垂直方向高出海平面的距离,即海拔,单位为m,海拔范围-407到8752,这里不包含海洋深度信息,负值为大陆架的海拔;海洋处标记为-9999,海岸线以上大陆海拔至少为1;小于1平方千米的岛不考虑。详细说明信息请见说明文档。 为了便于用户使用方便,在分块数据的基础上,将-10S-90N,20W-180E内10个区块进行拼接,没有经过任何重采样处理。本数据文件为DEM_ptpe_Gtopo30.nc
何永利
土壤是岩石经过风化作用形成的不同大小的矿物颗粒。土壤不仅仅为作物提供养分和水分,同时也对各种养分有转化作用。此外,土壤还有自净功能,可以改良有机物含量、土壤温湿度、pH值、阴阳离子。而土壤污染导致几个方面的环境问题:工业污水, .酸雨, 尾气排放, 堆积物, 农业污染。土地受到污染后,含重金属浓度较高的污染表土容易在风力和水力的作用下分别进入到大气和水体中,导致大气污染、地表水污染、地下水污染和生态系统退化等其他次生生态环境问题。该数据集来源于联合国粮农组织(FAO)和维也纳国际应用系统研究所(IIASA)所构建的世界土壤数据库(Harmonized World Soil Database version 1.1 )(HWSD),该数据为建模者提供模型输入参数,同时为生态农业分区,粮食安全和气候变化等研究提供依据。
联合国粮农组织(FAO)
数据包含青藏高原地区的土壤有机质数据,空间分辨率为1km*1km,时间覆盖范围为1979-1985年。数据来源是基于第二次土壤普查数据生成的土壤碳含量。土壤有机质主要来源于植物、动物及微生物残体,其中高等植物为主要来源。原始土壤中最早出现在母质中的有机体是微生物。随着生物的进化和成土过程的发展,动物、植物残体及其分泌物就成为土壤有机质的基本来源。数据对于分析青藏高原的生态环境以及衡量区域土壤特征具有重要意义。
方华军
中亚地区2017年输沙势数据集,为tif格式。其空间范围涵盖里海在内的中亚五国地区,包括乌兹别克斯坦、哈萨克斯坦、土库曼斯坦、塔吉克斯坦和吉尔吉斯坦。此输沙势为绝对输势,即各个方向的输沙通量的综合,不考虑输沙势的方向。该数据由GLDAS全球三小时同化数据提取计算获得。时间分辨率为月,空间分辨率为0.25°,时间范围为2017年。该数据可以作为沙尘传输模型的重要参数输入,也可用于评估中亚五国沙通量的总体分布情况。该数据集可作为风沙灾害评估的重要参考数据。
高鑫
采用实地调查的方法,收集了青藏高原藏北那曲、东部若尔盖高原、风火山2015-2017年植被地上地下生物量及土壤碳氮数据,并对数据进行整理和初步分析。数据集主要包括不同增温梯度、不同海拔梯度(亚高山草甸、高山草甸、高山灌丛草甸)、不同水分梯度(沼泽湿地、退化沼泽、沼泽草甸、湿草甸、干草甸、退化草甸)和不同沙化程度(轻度沙化、中度沙化、重度沙化、完全沙化)下的高寒地区植被地上和地下生物量以及土壤碳含量。综合分析了以上不同梯度下植被生物量和土壤碳氮含量的差异和变化趋势。该数据集为了解及合理利用草地资源提供理论依据,也为探讨全球气候变化背景下高寒草地生产力预测提供有力支持。
张宪洲, 张扬建, 苏培玺, 杨燕
径流是大气降水形成的,并通过流域内不同路径进入河流、湖泊或海洋的水流。习惯上也表示一定时段内通过河流某一断面的水量,即径流量。径流数据在水文水资源研究中占据着重要的地位,影响中亚当地社会经济的发展。本数据为中亚五国(哈萨克斯坦、吉尔吉斯斯坦、塔吉克斯坦、乌兹别克斯坦和土库曼斯坦)流量,来源于中亚各国水文气象局。时间尺度为2015年的年均数据。本数据为项目提供了基础数据,便于分析中亚生态水文水资源的情况,为项目数据分析提供了数据支持。
刘铁
中亚地区植被覆盖度数据,数据格式为“.tif”的栅格数据集。范围包含了里海在内的中亚五国地区。该数据由MODIS-NDVI数据集,根据干旱区植被盖度与NDVI之间的经验关系计算得到。该数据空间分辨率为500m,时间分辨率为16天,时间范围为2017年1月1日至2017年12月18日,其坐标系统为大地坐标系统。该数据集可为中亚地区沙漠油气田与绿洲城镇风沙灾害评估提供数据基础。该数据由中国科学院新疆生态与地理研究所提供。
高鑫
1:10万黑河流域植被图,区域范围以黄委会黑河边界为准,面积约为14.29×104km2,数据格式为GIS矢量格式,本版本为3.0版。该数据以地面观察数据为主、综合各类遥感数据、1:100万植被图、气候、地形、地貌、土壤数据制图,并进行交叉验证编制而成。采用《中华人民共和国植被图 (1:1,000,000), 2007》的分类标准、图例单位和系统,包括植被型组、植被型、群系、亚群系四个单位。新版主要是对新群系代码进行了统一(共74个代码,区分群系和亚群系)。将2.0版本的9个植被型组,22个植被型,74个群系(亚群系)改为9个植被型组,22个植被型,67个群系(7个亚群系)。 数据包含2.0版本和3.0版本。
郑元润, 周继华
中亚五国1980-2015年农业水资源供需和开发利用数据集,来源全球陆面数据同化系统,分别包括基于Noah、Mosaic和VIC模型输出的降水、蒸发和径流数据。该数据集时间和空间分辨率高,具有较好的数据精度,在全球尺度和区域尺度研究中应用广泛。Noah、Mosaic和VIC模型的降水、蒸发和径流模拟结果在空间分布上的表现较为一致。可用于中亚地区水资源时空变化特征、农业水资源供需关系分析和水资源开发潜力评估等。
张永勇
青藏高原生态资产评估遥感反演基础数据集包括了青藏高原自2000年起年度的植被覆盖度(FVC),净初级生产力(NPP)和叶面积指数(LAI)等基于遥感反演的生态参数,以供区域尺度生态资产评估研究使用。其中植被覆盖度数据以MODIS NDVI数据为主体,基于像元二分模型,利用多尺度遥感影像,结合植被群落类型、分布特征等高精度遥感参数,发展植被覆盖度模型,用混合像元分解法构建。精度验证估测值与实测值的RMSE为0.21,在样本值0-0.5之间均存在一定的高估情况。
刘文俊
中亚沙漠油气田分布城镇分布数据,数据格式为“.shp”格式矢量数据。包括了中亚五国油气田及主要城镇居民点的分布。该数据由MODIS-MCD12Q产品提取裁切而成,该产品空间分辨率为500 m,时间分辨率为1年,其分类标准采用的是IGBP全球植被分类方案,该方案共分为17种土地覆被类型,其中城镇数据利用该分类方案中的建筑与城镇用地。该数据可为中亚地区沙漠油气田与绿城城镇风沙灾害评估和防治提供数据支撑。
高鑫
本数据为小满玉米地(2012-06-25日至2012-08-24日)的LAINet数据集。 测量仪器:北京师范大学自制无线传感器网络叶面积指数观测仪 测量方式:LAINet观测系统由三类传感器节点组成,分别是(1)冠层下节点,传感器近水平向上放置,用来测量冠层透过辐射,(2)冠层上节点,传感器近似水平向上放置,用来测量太阳入射总辐射,(3)汇聚节点,用来接收并转发由(1)和(2)两类节点测量到的数据。 数据处理:从传感器接收到原始数据是按照汇聚节点进行接收的,经过预处理之后形成以天为时间单位的原始数据集。仪器对冠层透过率的观测是通过计算一天之内不同太阳高度角下冠层下透过辐射与冠层上的入射总辐射的比值而得到的。叶面积指数是基于多角度透过率数据进行反演计算得到。 LAINet数据集包括计算的原始LAI数据、经过5天平均之后的LAI数据以及测量节点的经纬度。所有数据以Excel保存。其中5天平均处理后的数据以汇聚节点编号为表单名称,每个表单(sheet)保存是一个汇聚节点下所有子节点的测量数据。原始数据记录了每个节点在所有观测日期内能够计算得到的LAI数值。以上两类数据的每个表单中,各列的含义如下:测量日期,DOY,节点1,节点2,...,节点N。
马明国
本数据来源于“中国1:10万土地利用数据”。中国1:10万土地利用数据是由中国科学院“八五”重大应用项目《全国资源环境遥感宏观调查与动态研究》组织了中国科学院所属19个研究所的遥感科技队伍,以卫星遥感为手段,在三年内基于Landsat MSS,TM和ETM遥感数据构建的。本数据采用一个分层的土地覆盖分类系统,将全国分为6个一级类(耕地、林地、草地、水域、城乡、工矿、居民用地和未利用土地),31个二级类。这是目前我国精度最高的土地利用数据产品,已经在国家土地资源调查、水文、生态研究中发挥着重要作用。
刘纪远, 庄大方, 王建华, 周万村, 吴世新
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