本数据集是2010年青藏高原地区的土地覆被数据,数据为栅格TIFF格式,空间分辨率为300米,包含耕地、林地、草地、水体、城市用地等22个大类,可用于青藏高原城镇化与生态环境交互胁迫的地理本底研究。该数据来自欧空局CCI-LC项目生产的土地覆被数据产品。该数据集采用了WGS84的地理坐标系统,有22个大类。数据的生产融合多种卫星数据资料,包括MERIS FR/RR,AVHRR,SPOT-VGT,PROBA-V等。经验证,该数据集的总体精度在70%以上,当然精度会在不同的地区和覆被类型上存在差异。
杜云艳
该数据集是中国科学院西北高原生物研究所调查的三江源国家公园植物采集布位点信息。该数据集时间范围是2008年至2017年,调查范围是三江源国家公园,调查内容包括采集日期、编号、科、属、种、调查日期、采集地点、采集人、经度、纬度、海拔、生境、鉴定人等信息。对国家公园的三个园区分别进行了调查,在长江源园区调查了24个科56个属的88个种的植被,总共116条记录;在黄河源园区调查了26个科64个属110个种的植被,总共159条记录;在澜沧江源园区调查了12个科22个属30个种的植被,总共33条记录。
高庆波
净初级生产力(NPP)数据基于CASA模型生产,数据内容为三江源地区2010-2015年250米分辨率逐月NPP数据集。净初级生产力定义:绿色植物单位面积、单位时间内所累积的有机物数量。 单位:0.01gC/m²/月。Monthly和Yearly NPP分别表示逐月和逐年NPP。 投影信息: Albers 等积圆锥投影 中央经线:105度 第一割线:25度 第一割线:47度 坐标西偏:4000000 meter
朱伟伟
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
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
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
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
该数据集是基于MODIS 16天合成的NDVI产品(MOD13A2 collection6)估算的三江源地区的植被生长季开始(Start of Season: SOS)和生长季结束的日期(End of Season: EOS)。分别用了两种常见的物候期估算方法,分别是基于多项式拟合的阈值提取法(文件名中有poly字符)和基于双逻辑曲线(double logistic function)拟合后的拐点提取法(文件名中有sig字符)。该数据可以用来分析植被物候期与气候变化的关系。时间范围为2001年至2014年。空间分辨率为1km。
王旭峰
该数据集包含了2017年8月3日至2017年8月9日期间在曲麻莱、玛多和可可西里的植物群落样方调查数据。主要调查内容为盖度、高度和地上生物量。涵盖了高寒草原、高寒湿地和高寒草甸三种植被类型。记录了样方的经纬度、海拔、总体覆盖度、物种名称及数量、每个物种选三株测量其高度、总的地上生物量、分类别的地上生物量。
胡林勇, 李奇, 胡林勇, 徐世晓, 李奇
该数据集是基于GIMMS 最新版本的NDVI数据集GIMMS3g version 1.0估算的三江源地区去的植被生长季开始(Start of Season: SOS)和生长季结束的日期(End of Season: EOS)。分别用了两种常见的物候期估算方法,分别是基于多项式拟合的阈值提取法(文件名中有poly字符)和基于双逻辑曲线(double logistic function)拟合后的拐点提取法(文件名中有sig字符)。该数据可以用来分析植被物候期与气候变化的关系。时间范围为1982年至2015年,空间分辨率为8km。
王旭峰
本数据集包含自1982年至2006年基于生态学模式与遥感数据计算青藏高原植被净初级生产力(Net Primary Productivity,NPP)的结果。 基于遥感Advanced Very High Resolution Radiometer(AVHRR)数据和Carnegie-Ames-Stanford Approach(CASA)模型生成的青藏高原生态系统NPP(1982-2006),基于第二次土壤普查数据生成的土壤碳含量,以及基于High Resolution Biosphere Model(HRBM)模型生成的生物量碳数据。 青藏高原森林生态系统NPP(1982-2006年): npp_forest82.e00,npp_forest83.e00,npp_forest84.e00,npp_forest85.e00,npp_forest86.e00, npp_forest87.e00,npp_forest88.e00,npp_forest89.e00,npp_forest90.e00,npp_forest91.e00, npp_forest92.e00,npp_forest93.e00,npp_forest94.e00,npp_forest95.e00,npp_forest96.e00, npp_forest97.e00,npp_forest98.e00,npp_forest99.e00,npp_forest00.e00,npp_forest01.e00, npp_forest02.e00,npp_forest03.e00,npp_forest04.e00,npp_forest05.e00,npp_forest06.e00 青藏高原草地生态系统NPP(1982-2006年): npp_grass82.e00,npp_grass83.e00,npp_grass84.e00,npp_grass85.e00,npp_grass86.e00, npp_grass87.e00,npp_grass88.e00,npp_grass89.e00,npp_grass90.e00,npp_grass91.e00, npp_grass92.e00,npp_grass93.e00,npp_grass94.e00,npp_grass95.e00,npp_grass96.e00, npp_grass97.e00,npp_grass98.e00,npp_grass99.e00,npp_grass00.e00,npp_grass01.e00, npp_grass02.e00,npp_grass03.e00,npp_grass04.e00,npp_grass05.e00,npp_grass06.e00 青藏高原生物量碳、土壤碳: Biomass.e00,Socd.e00 土壤碳含量数据(Socd)是参考全国第二次土壤普查的数据与《中国1:100万土壤图》按土壤亚类插值生成。 NPP数据来自CASA模型与AVHRR数据模拟生成: Potter CS, Randerson JT, Field CB et al. Terrestrial ecosystem production: a process model based on global satellite and surface data. Global Biogeochemical Cycles, 1993, 7: 811–841. 生物量碳数据来自HRBM模型模拟生成: McGuire AD, Sitch S, et al. Carbon balance of the terrestrial biosphere in the twentieth century: Analyses of CO2, climate and land use effects with four process-based ecosystem models. Global Biogeochem. Cycles, 2001, 15 (1), 183-206. 原始资料主要是遥感数据和野外观测数据。精度较好;生产过程中与野外实测数据进行的验证和调参,是模拟结果尽量与野外实测数据保持在可接受的误差范围内;NPP数据与野外实测数据的验证结果表明,误差保持在15%的范围内。 空间分辨率0.05度×0.05度(经度×纬度)。
周才平
该数据集是玛多地区2016年7月、8月、9月的植被指数(NDVI),基于高分一号的多光谱数据计算得到,空间分辨率为16m。对高分一号数据进行镶嵌、转投影、裁切等处理,然后在7月、8月、9月中每个月进行最大化合成。
李飞, 张志军
该数据集包含了2016年9月份在玛多县高寒草原和高寒草甸的样方调查数据。样方大小为50cm×50cm。调查内容包括覆盖度、物种名称、植被高度、生物量(干重和鲜重)、样方的经纬度坐标、坡度、坡向、坡位、土壤类型、植被类型、地表特征(凋落物、砾石、风蚀、水蚀、盐碱斑等)、利用方式、利用强度等。
李飞, 张志军, 张志军
MODIS土地覆盖类型产品是每年从Terra数据中提取的土地覆盖特征不同分类方案的数据分类产品(MOD12Q1)。本数据为标准MODIS土地覆盖产品MOD12Q1经过重新投影到地理坐标,空间分辨率为0.5度的产品。基本的土地覆盖分类为国际地圈生物圈计划(IGBP, International Geosphere Biosphere Programme)定义的17类,包括11类自然植被分类,3类土地利用和土地镶嵌,3类无植生土地分类。其覆盖经度范围-180-180度,纬度范围为-64-84度。数据格式为GeoTIFF。 该数据可免费使用,版权属于 University of Maryland, Department of Geography and NASA
S.Channan, Channan, 徐希燕
该NDVI数据集是由NASA EOSDIS LP DAAC 和美国地质调查 USGS EROS共同发布的第六版MODIS均一化植被指数产品(2001-2016)。该产品的时间分辨率是16天,空间分辨率0.05度。该版本是在原有1公里分辨率的NDVI产品(MYD13A2)基础上生成的气候模拟格点(CMG)数据产品。 请在致谢中以下方式说明该数据的来源: The MOD13C NDVI product was retrieved from the online in courtesy of the NASA EOSDIS Land Processes Distributed Active Archive Center (LP DAAC), USGS/Earth Resources Observation and Science (EROS) Center, Sioux Falls, South Dakota, The [PRODUCT] was (were) retrieved from the online [TOOL], courtesy of the NASA EOSDIS Land Processes Distributed Active Archive Center (LP DAAC), USGS/Earth Resources Observation and Science (EROS) Center, Sioux Falls, South Dakota.
NASA
本数据为盈科绿洲农田、湿地、戈壁、沙漠与荒漠观测的一个生长周期内的植被覆盖度数据集。数据观测从2012年5月25日开始到9月14日结束,7月下旬之前每5天观测1次,之后10天观测1次。 测量仪器与原理: 采用数码相机拍照的方法测量了盈科绿洲的农田、湿地、戈壁、沙漠与荒漠的典型地物的植被覆盖度。样方的设计、照片拍摄方法和数据处理方法都经过一定的分析和考虑。 具体分几条进行描述: 0. 测量仪器:简易观测架搭配数码相机,将数码相机置于支撑杆前端的仪器平台,保持拍摄的竖直向下,远程控制相机测量数据。观测架可以用来改变相机的拍摄高度,面向不同类型植被实现有针对性的测量。 1. 样方设置和“真值”获取:玉米等低矮植被样方大小10×10米,果树样方30米×30米。每次测量时沿两条对角线依次拍照,共取9张照片(当地表覆盖非常均一时也有少于9张的情况),均匀分布在样方内。9张相片处理得到各自覆盖度之后取平均,最终得到一个样方的覆盖度“真值”。 2. 拍摄方法:针对低矮植被如玉米,直接采用观测架观测,保证观测架上的相机距离植被冠层的高度远大于植被冠幅,在方形样方内沿着对角线采样,然后做算术平均。在视场角度不大(<30°)的情况下,视场内包括大于2个整周期的垄行,相片的边长与垄行平行;针对较高植被如果树,在树冠下面从下向上拍摄照片,叠加配合对树冠下地表低矮植被从上向下的拍摄,得到植株附近的覆盖度,再拍摄植株之间非树冠投影区域的低矮植被,计算植株间隙的覆盖度。最后通过树冠投影法,获得树冠的平均面积。根据垄行距离计算植株树冠下与植株间隙的面积比例,加权获得整个样方的覆盖度。 3. 数据处理方法:采用一种自动分类方法,具体见“参考文献”第3条文献(Liu et al., 2012)。通过RGB颜色空间转换到更容易区分绿色植被的Lab空间,对绿度分量a的直方图进行聚类,分离出绿色植被和非绿色背景2组分,获得单张相片的植被覆盖度。该方法的优点在于其算法简单、易于实现而且自动化程度和精度较高。今后还需要更多的快速、自动、准确的分类方法,最大限度发挥数码相机方法的优势。 配套数据: 在记录表中文字记录了植被的种类、株高、垄宽、行宽、拍摄高度信息,同时附有数码相机拍摄的场景照片和田埂照片(农田)。 数据处理: 基于数字图像里面的分类方法,对植被和非植被像元分类后得到相片代表样方的植被覆盖度。
穆西晗, 黄帅, 马明国
该NDVI数据集是最新发布的NOAA全球模拟和绘图项目(GIMMS,Global Inventory Monitoring and Modeling System)长序列(1981-2015)均一化植被指数产品,版本号3g.v1。 该产品的时间分辨率是每月两次,空间分辨率1/12度。时间跨度1981年7月至2015年12月。该产品为共享数据产品,可直接从ecocast.arc.nasa.gov下载。 详情请参考https://nex.nasa.gov/nex/projects/1349/
NCAR
本数据为在盈科绿洲观测的植被FPAR数据集。数据观测从2012年5月25日开始,至2012年7月8日结束。 测量仪器与原理: 利用北京师范大学ACCUPAR测量冠层的FPAR。在盈科绿洲5km*5km样方内选择18个玉米样方,1个果园和1个人工白杨林样方进行测量。 其中玉米地样方测量四个PAR分量:冠层上总入射PAR,冠层下透过PAR,冠层上反射PAR和冠层下反射PAR。 对于果园和人工林,测量两个量:冠层外总入射PAR,冠层下透射PAR。 配套数据: 植被的种类、株高、垄行结构等信息。 数据格式: EXcel格式。
马明国
本数据包括大满超级站、湿地、沙漠、荒漠和戈壁五个站点植被一个生长周期内的覆盖度数据集以及大满超级站玉米和湿地芦苇两种植被一个生长周期内的生物量数据集。观测时间自2013年5月19日开始,9月15日结束。 1覆盖度观测 1.1观测时间 1.1.1超级站:观测时间段2013年5月20日-9月15日, 7月31日以前每5天观测一次,7月31后每10天观测一次,共做了18次观测,具体观测时间如下; 超级站:2013-5-20、2013-5-25、2013-5-30、2013-6-5、2013-6-10、2013-6-16、2013-6-22、2013-6-27、2013-7-2、2013-7-7、2013-7-12、2013-7-17、2013-7-27、2013-8-3、2013-8-13、2013-8-25、2013-9-5、2013-9-15 1.1.2其它四个站:观测时间段2013年5月20日-9月15日,每10天观测一次,共做了12次观测,具体观测时间如下; 其它四个站:2013-5-20、2013-6-5、2013-6-16、2013-6-27、2013-7-7、2013-7-17、2013-7-27、2013-8-3、2013-8-13、2013-8-25、2013-9-5、2013-9-15 1.2观测方法 1.2.1测量仪器与原理: 采用数码相机拍照的方法测量,将数码相机置于简易支撑杆前端的仪器平台,保持拍摄的竖直向下,远程控制相机测量数据。观测架可以用来改变相机的拍摄高度,面向不同类型植被实现有针对性的测量。 1.2.2样方的设计 超级站:共取3块样地,每块样地样方大小10×10米,每样地每次测量时沿两条对角线依次拍照,共取9-10张照片; 湿地站:共取2块样地,每块样地样方大小10×10米,每样地每次测量拍9-10张照片; 其它3个站:选取1块样地,每块样地样方大小10×10米,每样地每次测量拍9-10张照片; 1.2.3拍摄方法 针对超级站玉米和湿地站芦苇,直接采用观测架观测,保证观测架上的相机距离植被冠层的高度远大于植被冠幅,在方形样方内沿着对角线采样,然后做算术平均。在视场角度不大(<30°)的情况下,视场内包括大于2个整周期的垄行,相片的边长与垄行平行;其它三个站点由于植被比较低矮,直接用相机垂直向下拍照(未使用支架)。 1.2.4 覆盖度计算 覆盖度计算由北京师范大学完成,采用一种自动分类方法,具体见 “建议参考文献”第1条文献。通过RGB颜色空间转换到更容易区分绿色植被的Lab空间,对绿度分量a的直方图进行聚类,分离出绿色植被和非绿色背景2组分,获得单张相片的植被覆盖度。该方法的优点在于其算法简单、易于实现而且自动化程度和精度较高。今后还需要更多的快速、自动、准确的分类方法,最大限度发挥数码相机方法的优势。 2生物量观测 2.1观测时间 2.1.1玉米:观测时间段2013年5月20日-9月15日, 7月31日以前每5天观测一次,7月31后每10天观测一次,共做了18次观测,具体观测时间如下; 玉米:2013-5-20、2013-5-25、2013-5-30、2013-6-5、2013-6-10、2013-6-16、2013-6-22、2013-6-27、2013-7-2、2013-7-7、2013-7-12、2013-7-17、2013-7-27、2013-8-3、2013-8-13、2013-8-25、2013-9-5、2013-9-15 2.1.2芦苇:观测时间段2013年5月20日-9月15日,每10天观测一次,共做了12次观测,具体观测时间如下; 芦苇:2013-5-20、2013-6-5、2013-6-16、2013-6-27、2013-7-7、2013-7-17、2013-7-27、2013-8-3、2013-8-13、2013-8-25、2013-9-5、2013-9-15 2.2观测方法 玉米:选取3块样地,每块样地每次观测选取代表样地平均水平的三株玉米分别称每株玉米的鲜重(地上生物量+地下生物量)和相应的干重(85℃恒温烘干),根据种植的株距和行距计算单位面积玉米的生物量; 芦苇:设置2个0.5mÍ0.5m的样方,齐地刈割,分别称取芦苇的鲜重(茎叶)和干重(85℃恒温烘干)。 2.3观测仪器 天平(精度0.01g)、烘箱。 3数据的存储 所有观测数据先手薄记录后整理到Excel表中存储,同时整理了玉米种植结构数据,包括种植的株距、行距,种植时间、灌水时间、除父本时间以及收割时间等相关信息。
耿丽英, 家淑珍, 李艺梦, 马明国
黑河流域月均植被指数数据是基于MODIS 的1km及250m NDVI产品,从250m产品中提出黑河流域格点值作为精度控制,对1km产品利用HASM方法修正。利用HASM方法对多源NDVI数据进行融合获得的黑河流域2001-2011年月均植被指数。分辨率:1KM*1KM 黑河流域平均降水数据集采用黑河计划数据管理中心提供的黑河流域及周边地区21个气象常规观测站及黑河周边13个全国基准站的站点数据信息,对逐日降水进行统计整理,计算逐个站点的1961-2010年多年逐日降水数据。对其进行空间平稳性分析,计算变异系数,若变异系数大于100%,则采用地理加权回归计算站点与地理地形因素关系,得逐日降水分布趋势;若变异系数小于等于100%,则采用普通最小二乘回归计算站点降水值与地理地形因素(经纬度、高程)的关系,得逐日降水分布趋势;对去掉趋势后的残差采用HASM(High Accuracy Surface Modeling Method)进行拟合修正。最后将趋势面结果与残差修正结果相加即得1961-2010年黑河流域多年日平均降水分布。时间分辨率:1961-2010年多年日平均降水。空间分辨率:500m。
岳天祥, 赵娜
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