本数据集来源于滦河流域土壤水分遥感试验中的多频多角度地基微波辐射观测试验,试验地点位于内蒙古自治区多伦县 (42.18°N, 116.47°E),数据获取于2017年。数据集共包含三个部分,即亮温数据、土壤数据和植被数据。微波亮温数据由RPG-6CH-DP车载微波辐射计观测得到,涵盖三种农作物 (玉米、莜麦和荞麦),包括三个微波波段 (L, C和X)的水平和垂直极化亮温,观测入射角变化范围为30-65° (2.5°间隔),时间分辨率为0.5小时。土壤数据包含了三种农作物土壤的5层土壤水分和土壤温度 (2.5 cm, 10 cm, 20 cm, 30 cm, 50 cm),采样间隔为10分钟;土壤数据还包括地表粗糙度、降雨量、灌溉标记和土壤质地。植被数据包括叶面积指数、植株高度、植被含水量等。 试验观测时间从2017年7月19日持续到8月30日,其所涵盖的不同农作物的多频多角度微波亮温及土壤和植被等相关配套数据为陆表微波辐射建模与验证、土壤水分反演算法发展和验证提供了重要资料。
赵天杰, 胡路, 李尚楠, 樊东, 王平凯, 耿德源, 施建成
地表反照率是地表能量平衡的重要参量之一。本数据集为2020年植被生长季(6-10月)逐月的黑河流域典型站点无人机遥感地表反照率数据(花寨子站8月份的数据由于实验开展的技术问题缺失)。地表反照率算法为统计回归方法,即基于6S模型和大量的典型地物光谱反射率数据,建立的从窄波段反射率到宽波段反照率的经验回归模型。将该回归模型应用于无人机多光谱遥感传感器获得的地表反射率,最终得到0.2 m空间分辨率的地表反照率数据。本数据集经过了辐射定标、几何校正,与地面站点实测数据的验证结果显示,均方根误差为0.029。本数据集提供了超高分辨率的地表反照率数据,可以作为卫星遥感尺度和地面观测尺度之间的“桥梁”,并为从事高分辨率和超高分辨率遥感数据工作的科研工作者提供数据支持。
刘绍民, 周纪, 董惟琛
本数据为82个地震台站的1333个远震到点组成的新横波喷流数据集,分析了加拿大西部沉积盆地的地幔地震各向异性。地震各向异性对地壳和上地幔岩石的应变历史施加一阶约束。由此产生的332个高质量的测量区域平均明显分裂时间(即各向异性的大小)1.10.3s和平均速度方向(即各向异性的方向)17.2度、54.6度,支持一个两层的各向异性模型基于90度方位参数的周期性。在岩石圈深处,北东向的快速走向主导着下层,近似平行于现今的绝对板块运动(APMs;即<35度),这是由于活跃的软流层流所致。另一方面,偏离加拿大落基山山麓apm可以反映克拉通岩石圈西南向迁移的地幔流断裂。在岩石圈中还发现了两个细长的上层各向异性异常,它们与莫霍深度具有空间相关性。它们的特征表明冻结各向异性沿着两个收敛的边界:(1)将东北(北)和西北(南)两个快速方向分离的古元古代雪鸟构造带;(2)与APM、最大地应力和电磁各向异性相一致的落基山脉山麓。与科迪勒拉造山有关的挤压作用可能是山麓到克拉通内部横波各向异性空间变化的原因。
吴磊
1)数据内容:本数据集包含2010-2019年青藏高原地区30米分辨率叶面积指数遥感产品。2)数据来源及加工方法:利用Landsat时间序列数据和物理机理模型反演得到的年最大合成叶面积指数产品。3)数据质量描述: 利用模拟数据的验证结果表明,产品的root-mean-square error(RMSE)约为1.16。4) 数据应用成果及前景:叶面积指数高度综合了植被的水平覆盖状况和垂直结构,是植被冠层的重要结构参数,该数据集可为陆面过程模拟、资源调查、生态环境监测、全球变化研究等相关领域的研究和应用提供数据产品支撑。
张兆明
1)数据内容:本数据集包含从1980s-2019年青藏高原地区Landsat长时序FVC产品。2)数据来源及加工方法:主要是在青藏高原Landsat系列卫星地表反射率数据集的基础上,通过NDVI的像元二分模型进行反演的,裸土的NDVI值设为0.01,纯植被的NDVI值设为0.88;3)数据质量描述:为了标识云、冰雪,并相应生产了质量标识文件(QA)。4) 数据应用成果及前景:植被覆盖度是生态学的重要参数,广泛应用于生态环境监测研究。
张兆明
数据包含青藏高原2020年七月份大通河流域十个典型水电站,包括:多龙水电站、沟寺口水电站、金星水电站、卡索峡水电站、连城水电站、纳子峡水电站、石头峡水电站、天王沟水电站、铁迈水电站、学科滩水电站。该航拍图片资料有助于分析大通河流域水电开发的现状。数据由本次科考小组人员通过使用大疆无人机RTK系列和御系列进行航拍,并通过大疆制图软件拼接。航拍图像数据清晰度高,可明显观察到水电站大坝类型、上下游水体面积、引水工程等以及水电站周边地形和土地利用状况。数据可应用于青藏高原水电开发相关研究领域,提供实地图片以作参考。
傅斌
1)数据内容:本数据集包含从1980s-2019年青藏高原地区长时序30米分辨率火烧迹地产品。2)数据来源及加工方法:基于时间序列Landsat地表反射率和火烧迹地敏感光谱参量,利用机器学习算法研发并生产的30米分辨率火烧迹地产品;3)数据质量描述:产品总体精度在90%以上。4) 数据应用成果及前景:该数据集可为火灾监测、碳排放研究、生态环境监测、全球变化研究等相关领域的研究和应用提供数据产品支撑。
张兆明
1)数据内容:本数据集包含从1980s-2019年青藏高原地区Landsat长时序地表温度产品。2)数据来源及加工方法:利用中国遥感卫星地面站接收存档的Landsat数据和实用单通道算法反演得到;3)数据质量描述:root-mean-square error (RMSE)约为1.23K。4) 数据应用成果及前景:地表温度是一个常用的陆地表面参数,该数据集可为资源调查、生态环境监测、全球变化研究等相关领域的研究和应用提供数据产品支撑。
张兆明
1)数据内容:本数据集包含从2000-2019年青藏高原地区MODIS长时序光合有效辐射分数(FPAR)产品、地表总初级生产力产品(GPP)产品、Npp产品、蒸散发产品(ET)和叶面积指数(LAI)产品。2)数据来源及加工方法:FPAR产品和LAI产品来自第六版MODIS Terra MOD15A2H产品集,GPP和NPP产品均来自MODIS Terra MOD17A2H产品集,蒸散发产品来自MODIS Terra MOD16A2;通过USGS网站下载,利用GDAL插件进行拼接和转投影得到;3)数据质量描述:每种产品均有相应的质量文件,标识了云、雪、无效值等,以有效位编码方式存储。4)数据应用成果及前景:在森林、农业、生态等领域长时序信息挖掘分析方面具有重要的应用价值。
贡成娟
本数据为青藏高原地区季度合成卫星遥感影像集,通过对Sentinel-2表观反射率时间序列产品进行去云合成处理得到,含可见光和近红外共4波段,空间分辨率约为10米。每年按1月-3月、4月-6月、7月-9月、10月-12月分为4个季度,综合利用Sentinel-2数据的可见光波段、卷云波段、气溶胶波段及近红外波段信息得到各时相影像的云掩膜,并按中位数原则对一个季度内所有掩膜后的影像进行合成,得到青藏高原地区的无云卫星遥感影像。
龙腾飞
青藏高原地区30米分辨率卫星遥感影像集,影像为真彩色,空间分辨率约为30米,以Geotiff格式分块存放。该产品是在Landsat地表反射率数据的基础上,通过海量影像快速自动化镶嵌和匀色等关键技术,制作青藏高原地区30米分辨率镶嵌影像,得到青藏高原地区的无云卫星遥感影像。该数据产品的几何精度为RMSD小于12m。该数据集可为青藏科考提供30m分辨率的时间序列卫星影像底图,也可用于土地覆盖类型的解译和自动提取。
龙腾飞
该图集包括《青藏高原荒漠生态系统类型分布图》、《青藏高原农牧业适宜区分布图》和《青藏高原荒漠生态系统荒漠化发展趋势图》三幅专题地图。专题地图时间跨度是2010-2020年。原始气候数据来自于TerraClimate月尺度气候数据集,其空间分辨率为1/24°(约4 km),预处理将数据插值到30m。《青藏高原荒漠生态系统类型分布图》基于遥感影像、野外调查结果,综合国内现有的荒漠化评估体系及国际上大多数学者公认的荒漠生态系统分级标准,制定青藏高原荒漠生态系统的详细分类细则,引入机器学习、随机森林(RF)和支持向量机(SVM)等算法,进行青藏高原荒漠生态系统空间分布图编制。《青藏高原农牧业适宜区分布图》反映农牧业产品的供给服务,首先对青藏高原现代荒漠生态系统植被生产力进行评估,评估结果将显示该区域内潜在饲草供应量的空间分布,同时基于USDA的经验设定放牧红线,包括:1)潜在年均植被生物量小于225kg/ha;2)距离水源大于1.6km;3)坡度大于65%;4)高强度侵蚀区域。经红线排除区域将严格禁止放牧活动的发生。其次,通过有关文献检索,整理了近5年青藏高原内部及周边主要作物的种植区域,包括青稞、枸杞和小麦,基于现有种植区的气候及地质环境的最大信息熵分析,评估三种作物在青藏高原荒漠生态区的生长适应性,以求在青藏高原荒漠生态地区开发新的农业种植区。《青藏高原荒漠生态系统荒漠化发展趋势图》基于青藏高原现代荒漠生态系统与21世纪初期的历史荒漠化状况之间的对比,诊断了20年间该地区荒漠生态系统的演变格局,并在假设未来50a内气候变化趋势稳定的情景下模拟青藏高原荒漠生态系统产生与消退概率。此概率分布图将作为评定未来50a内青藏高原荒漠生态系统保护与开发适宜性的重要参考。本图集对于监测青藏高原荒漠生态系统、开发利用青藏高原荒漠生态系统服务功能有参考价值。
王训明
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
该数据集由2020年8月青藏高原野外考察期间无人机航拍所得,数据大小为10.1 GB,包括1500余张航片。拍摄地点主要包括拉萨、山南、日喀则等地区道路沿线、居民点及周边地区。航片主要反映了当地土地利用/覆被类型、设施农业分布、草地盖度情况等信息,航片均具有经纬度和海拔信息,可为土地利用/覆被遥感解译工作提供了较好的验证信息,还可用于植被覆盖度的估算工作,为研究区域土地利用研究提供了较好的参照信息。
吕昌河, 刘亚群
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
瓜达尔深水港位于巴基斯坦俾路支省西南部瓜德尔城南部,在巴基斯坦靠近伊朗一侧,东距卡拉奇约460km,西距巴基斯坦伊朗边境约120km,南临印度洋的阿拉伯海,向西则是霍尔木兹海峡和红海,与阿曼首都马斯喀特(Muscat)遥遥相对,是一个极具战略地位的海港。 本数据为瓜达尔及其周边土地覆盖数据,数据源于GlobeLand30 (Chen, 2014),数据空间分辨率为30米,数据格式为tiff。 GlobeLand30数据集研制所使用的分类影像主要包括美国陆地资源卫星(Landsat)的TM5、ETM+、OLI多光谱影像和中国环境减灾卫星(HJ-1)多光谱影像,采用基于像元对象知识(POK-based)的分类方法 (Chen, 2015),总体精度为83.50%,Kappa系数0.78 (Xie, 2015)。
吴骅
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
本数据包括西藏纳木错湖水不同深度处的日平均水温数据,是实地监测获取的湖水温度变化情况;该数据利用水质多参数仪及温度探头放置于水中而连续获取,温度记录的分辨率是10分钟和2小时,并基于原始测量数据计算了日平均水温;所用仪器和方法均非常成熟,数据处理过程进行了严格的质量控制,确保数据真实可靠;该数据已用于纳木错湖水热力学分层研究、湖气热量平衡研究等物理湖泊学方面的基础研究,并用来校正基于遥感数据的湖水温度数据及不同的湖泊模型研究。可用于物理湖泊学、水文学、湖气相互作用、遥感数据同化验证及湖泊模型研究。
王君波
该数据集由2018-2019年青藏高原5次野外考察期间无人机航拍所得,数据大小为77.6 GB,包括11600余张航片。航片共分5次拍摄,拍摄时间为2018.07.19-2018.07.26、2018.09.09-2018.09.16、2019.04.24-2019.05.10、2019.07.06-2019.07.20、2019.09.01-2019.09.07。拍摄地点主要包括拉萨、日喀则、那曲、山南、林芝、昌都、迪庆、甘孜、阿坝、甘南、果洛等地区主要城市间的道路沿线及周边地区。航片较为清晰的反映了当地土地利用/覆被类型、植被分布状况、草地退化情况、植被覆盖度、河流湖泊分布等信息,航片均具有经纬度和海拔信息,可为土地利用/覆被遥感解译工作提供了较好的验证信息,还可用于植被覆盖度的估算工作,为研究区土地利用研究提供了较好的参照信息。
吕昌河, 刘亚群
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
降水和温度是水文模型的重要输入变量,由于大纳伦河流域(属锡尔河流域)气象站点稀少,无法满足水文模拟的需求。通过网络渠道和实地调研搜集了锡尔河可获取的降水数据,获取了研究区内的降水梯度,对再分析降水和温度格点产品(PGMFD)(http://hydrology.princeton.edu/data.pgf.php)进行梯度矫正后得到本套数据集。 本数据年份为1951-2016年,空间精度为10km,时间分辨率为逐日。
苏凤阁
本数据集为2018年祁连山重点区域土地覆盖/利用数据,空间分辨率2m。本数据集以祁连山地区的气候、海拔、地形地貌、地表覆盖类型等资料为基础,通过高分辨率遥感影像,对地表覆被类型进行解译判读。对影像无法反映的地类,实地核实地类,采集相关数据,核对并修正土地利用类型。同时进一步核对2018年祁连山重点区域土地覆盖/利用类型及植被覆盖情况等属性信息,统一进行图斑及其属性的录入和编辑,形成2018年祁连山地区土地覆盖/利用数据,实现祁连山地区生态治理的现势性和时效性。
祁元, 张金龙, 颜长珍, 段翰晨, 贾永娟
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
本数据集包括祁连山重点区域1990年至2015年每5年一期的30m与人类活动有关的耕地和建筑用地分布产品。该产品来源于重点区域30m的土地覆盖分类产品。基于该成果,可以得到1990、1995、2000、2005、2010、2015年的耕地和建筑用地变化情况,了解并直观展示人为活动对祁连山重点区域的土地覆盖影响情况。该产品集只包含了与人为活动有关的耕地和建筑用地两种土地覆盖类别,后续将增加更多类别,如矿区、人造林地、人造草地等。
杨爱霞
该数据集由2018年青藏高原野外考察期间无人机航拍所得,数据大小为5.72 GB,包括800余张照片。照片拍摄的具体时间为2018.07.19-2018.07.26,拍摄地点主要包括羊八井、克日村、阿沛新村、仲果村、米林村、日村、冲康村、克松村、色木村、羊卓雍错及其周边地区。航拍照片较为清晰的反映了当地土地覆被状况(土地利用类型、植被密度、河流湖泊分布等等),为土地利用遥感解译工作提供了较好的验证信息,还可用于植被覆盖度的估算工作,为研究区土地利用研究提供了较好的参照信息。
吕昌河, 刘亚群
ASTER Global Digital Elevation Model (ASTER GDEM)是美国航空航天局 (NASA)和日本经济产业省(METI)联合发布的全球数字高程数据产品,该DEM数据是根据NASA新一代对地观测卫星TERRA的观测结果完成,是由ASTER(Advanced Space borne Thermal Emission and Reflection Radio meter)传感器搜集的130万个立体像对数据制作,其覆盖范围超过了地球99%陆地表面。本数据下载自ASTER GDEM数据分发网站,为了便于用户使用数据,在分幅ASTER GDEM数据的基础上,我们使用erdas软件进行拼接制备青藏高原ASTER GDEM镶嵌图。 ASTER GDEM发布了两个版本,第一个版本于2009年6月发布,第二个版本于2011年10月发布,本数据集为青藏高原地区第二版本的ASTER GDEM数据集。 本数据集共包括三个数据文件: ASTER_GDEM_TILES ASTERGDEM_MOSAIC_DEM ASTERGDEM_MOSAIC_NUM 青藏高原地区ASTER GDEM数据,精度30米,原始数据为tif格式,镶嵌数据使用img格式存储。 本数据集原始数据下载于ASTERGDEM网站,完全保留了数据的原貌,ASTER GDEM在分发时被分割为若干1×1度的数据块,分发格式为zip压缩格式,每个压缩包包括两个文件,文件命名格式如下: ASTGTM_NxxEyyy_dem.tif ASTGTM_NxxEyyy_num.tif 其中xx为起始纬度,yyy为起始经度。_dem.tif为dem数据文件,_num.tif为数据质量文件。 ASTER GDEM TILES:原始数据保留数据原貌,未进行处理 ASTERGDEM_MOSAIC_DEM:使用erdas软件对dem.tif数据进行镶嵌,参数设置使用默认值 ASRERGDEM_MOSAIC_NUM:使用erdas软件对num.tif数据进行镶嵌,参数设置使用默认值 原始数据保留数据原貌,精度同ASTERGDEM数据分发网站的数据精度,该数据的水平精度30米,高程精度为20米。镶嵌数据使用erdas制作,参数使用默认值。
METI, NASA
比什凯克土地使用数据,分辨率30米,数据格式为TIF,测量时间分别为1990.03.30和2018.04.12。数据来源GLC,其全球陆地覆盖数据的原始数据来自Envisat卫星,由MERIS(Medium Resolution Imaging Spectrometer)传感器拍摄完成。目前共有两期,GlobCover(Global Land Cover Map)和GlobCover (Global Land Cover Product)。
欧空局, 黄金川, 马海涛
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
2012年8月25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。样带地区飞行绝对航高5200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25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。上游天姥池飞行区域,绝对航高为4800和5500米,GSD为8—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
本数据集为基于Landsat卫星影像获取的喜马拉雅中段波曲流域1976、1991、2000、2010年四期冰川、冰湖的矢量数据。 数据源来自Landsat遥感影像 1976:LM21510411975306AAA05、LM21510401976355AAA04 1991:LT41410401991334XXX02、LT41410411991334XXX02 2000:LE71410402000279SGS00、LE71400412000304SGS00、LE71410402000327EDC00、LE71410412000327EDC00 2010:LT51400412009288KHC00、LT51410402009295KHC00、LT51410412009311KHC00、LT51410402011237KHC00。 从各期遥感影像上人工提取冰川、冰湖边界。 冰川、冰湖边界提取误差估计为0.5个像元。 数据文件: Glacial_1976:1976年冰川矢量数据 Glacial_1991:1991年冰川矢量数据 Glacial_2000:2000年冰川矢量数据 Glacial_2010:2010年冰川矢量数据 Glacial_Lake_1976:1976年冰湖矢量数据 Glacial_Lake_1991:1991年冰湖矢量数据 Glacial_Lake_2000:2000年冰湖矢量数据 Glacial_Lake_2010:2010年冰湖矢量数据 冰湖矢量数据字段包括: 编号、名字、经纬度、海拔、面积、朝向、冰湖类型、长度、宽度、与冰川的距离
王伟财
本数据集是2013年青藏高原冰川数据,使用了148景Landsat8 OLI卫星多光谱遥感数据,结合65景HJ1A/1B遥感数据,时间主要从2012年至2014年,86%来源于2013年,78%Landsat8 OLI数据成像于冬季,而HJ1A/1B数据100%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:冰川编号FID_smglac,基于Albers等积圆锥投影计算的冰川面积area_km2,所在流域在我国冰川编目中冰川流域的二级编码code, 所在流域在我国冰川编目中冰川流域一级编码First_code,所在流域中文名称name,所在流域英文名称Ename,冰川斑块周长Peremeter(km),斑块中心点X坐标(decimal degree), 斑块中心点Y坐标(decimal degree)。 数据的投影方式:Albers等积圆锥投影。 格网单元:30m 数据加工方法:基于148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)。 加工后数据精度:TPG2013总体数据误差在3.9%。 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),中国科学院“十三五”信息化建设专项资助(XXH13505-06),国家自然科学基金项目(41530748, 91747201),科技基础性工作专项项目(2013FY111400)。
叶庆华
太阳分光光度计的测量数据可以直接用来反演非水汽通道的光学厚度、瑞利散射、气溶胶光学厚度、大气气柱的水汽含量(使用水汽通道936nm处的测量数据)。青藏高原气溶胶光学特性地基观测数据集采用Cimel 318太阳光度计连续观测获得,涉及珠峰站和纳木错站共两个站点。数据覆盖时间从2009年到2016年,时间分辨率为逐日。太阳光度计在可见光至近红外设有8个观测通道,中心波长分别为:340、380、440、500、670、870、940和1120 nm。仪器的视场角为1.2°,太阳跟踪精度为0.1°。根据太阳直接辐射可获得6个波段的气溶胶光学厚度,精度估计为0.01-0.02。最终采用AERONET统一反演算法,获得气溶胶光学厚度、Angstrom指数、粒度谱、单次散射反照率、相函数、复折射指数和不对称因子等。
丛志远
青藏高原湖泊动态数据集采用美国陆地资源卫星(Landsat)遥感数据为主,采用波段比值与阈值分割方法制作,数据覆盖时间从1984年到2016年,时间分辨率为5年一期,覆盖范围为青藏高原,空间分辨率为30m。水体面积提取方法采用波段比值(B4/B2)或者水体指数(MNDWI)为主,构建分类树,算法构建考虑水体的光谱特征在时间和空间上的变化,并且考虑水体所处的空间为主的坡度、坡向信息调整决策树的阈值。长时间序列星载卫星数据来自Landsat MSS、TM、ETM+和OLI等系列传感器。水体信息提取的最小单元为2*2个像元,小于0.36*10^-2Km²的水体全部剔除。通过高分辨率遥感数据提取的水体信息以及目视解译确定的水体检验点的验证表明青藏高原水体面积信息的总体精度优于95%。数据以shape文件保存,投影方式为Albers投影,中央经线为105 °,双标准纬线纬度为25 °和47 °。
宋开山, 杜嘉
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
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
本数据集是1976年青藏高原冰川数据,使用了205景Landsat MSS/TM卫星多光谱遥感数据,其中189景(覆盖青藏高原研究区92%)在1972-79年,而116景为1976/77年。但藏东南地区由于云、雪的影响,高质量MSS数据不能获得,因此,藏东南部分区域通过逐年筛选,使用了所能获得最早的高质量Landsat TM数据,包括14景1980s(1981,1986-89,覆盖青藏高原研究区6.5%)和2景1994年数据(覆盖青藏高原研究区1.5%)。所用遥感数据,77%为冬季数据;61%为1976/1977年Landsat MSS/TM影像数据,因此,1976年为本数据集代表年份。本数据集冰川数据是青藏高原净冰川覆盖范围,不包括表碛覆盖部分。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:冰川编号FID_smglac,基于Albers等积圆锥投影计算的冰川面积area_km2,所在流域在我国冰川编目中冰川流域的二级编码code, 所在流域在我国冰川编目中冰川流域一级编码First_code,所在流域中文名称name,所在流域英文名称Ename,冰川斑块周长Peremeter(km),斑块中心点X坐标(decimal degree), 斑块中心点Y坐标(decimal degree)。 数据的投影方式:Albers等积圆锥投影。 格网单元:30m 数据加工方法:基于205/16景Landsat MSS/TM卫星数据,校正、镶嵌为假彩色合成影像(MSS, RGB:321;TM, RGB:543),采用人工目视解译方法,参考不同波段比值法结果,结合SRTM DEM V4.1数据与Google Earth 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(30m)。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-机互动方法获得的数据更准确。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:60m。 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(30m)。 加工后数据精度:通过分析典型区数据,最大误差为4%。TPG1976总体数据误差为6.4%。 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),中国科学院“十三五”信息化建设专项资助(XXH13505-06), 国家自然科学基金项目(41530748, 91747201)。
叶庆华, 吴玉伟
本数据集是2001年青藏高原冰川数据,使用了150景Landsat7 TM/ETM+卫星多光谱遥感数据,时间主要从1999年至2002年,72%来源于2000/2001年,71%遥感数据成像于冬季。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:冰川编号FID_smglac,基于Albers等积圆锥投影计算的冰川面积area_km2,所在流域在我国冰川编目中冰川流域的二级编码code, 所在流域在我国冰川编目中冰川流域一级编码First_code,所在流域中文名称name,所在流域英文名称Ename,冰川斑块周长Peremeter(km),斑块中心点X坐标(decimal degree), 斑块中心点Y坐标(decimal degree)。 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150景Landsat7 TM(ETM+)卫星数据,校正、镶嵌为假彩色合成影像(TM/ETM+, RGB:543),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 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矢量数据更准确。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)。 加工后数据精度:TPG2001总体数据误差在3.8%。 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),中国科学院“十三五”信息化建设专项资助(XXH13505-06),国家自然科学基金项目(41530748, 91747201)。
叶庆华, 吴玉伟
本数据集为L波段机载微波辐射计于2012年8月1日获取,地点在黑河上游地区。 其中L波段频率为1.4GHz,天顶角观测,V极化与H极化信息;飞机8:30(北京时间,下同)从张掖机场起飞,12:30降落。飞行历时5小时。在观测期间,飞行高度1000m左右,飞行速度220-250km/hr左右。 原始数据分为两部分,分别为微波辐射计数据和地理位置KMZ数据。微波辐射计数据包括V极化与H极化两个数据文件,分辨率300 m,每个数据文件包含所观测TB值和对应扫描波束ID、入射角、位置、时间标记(UTC)和其他飞行姿态信息。KMZ文件给出38.5入射角下飞区域行1公里网格TB值分布数据。飞机前和结束时微波辐射计分别进行了“热”和“冷”辐射校正。微波辐射计数据应考虑电磁波干扰影响,V极化TB值受电磁波干扰较强,H极化受影响较小。
车涛, 高莹, 李新
在全球气候变暖背景下,世界范围内山地冰川消融强烈,以退缩为主,但现有野外观测发现,喀喇昆仑地区大部分冰川保持稳定或前进状态,为“喀喇昆仑异常”。冰川表面流速是研究冰川动力学和物质平衡的重要参数,研究喀喇昆仑中部区域冰川流速时空变化特征对于认识该区域冰川动力学特征及其对气候变化的响应具有重要的意义。 选取1999-2003年获取的四对Landsat 7 ETM+影像(影像获取时间分别为:1999.7.16, 2000.6.16, 2001.7.21, 2002.8.9, 2002.4.19, 2003.3.21),采用全色波段,分辨率为15 m,对每对影像进行精确配准,然后对配准后的两景影像进行互相关计算,获取1999-2003年喀喇昆仑中部区域冰川表面流速。由于研究区域内缺乏流速实地观测数据,因此利用稳定区域的偏移量值评估冰流结果的精度,冰川表面流速误差约为±7 m/year。 冰流场数据覆盖时间从1999年到2003年,时间分辨率为逐年,覆盖范围为喀喇昆仑中部区域,空间分辨率为30 m,每年的冰流场数据存放一个Geotiff文件。 数据的详细情况见喀喇昆仑中部区域冰流场-数据说明。
江利明
本数据集为利用红外光谱仪BOMEM MR304在张掖市区、机场、荒漠、小满镇五星村加密观测区等地测量的8-14µm典型地物的热红外波谱数据。 1) 测量目的 红外波谱数据测量的目的在于:定标场地红外波谱的同步测量用于机载热红外传感器的辐射定标;同步测量典型地物红外波谱并提取发射率用于机载、星载热红外传感器发射率产品验证;获取黑河流域典型地物发射率波谱,作为先验知识用于地表温度反演和生态水文模型。 2) 测量仪器与原理 测量仪器:中科院遥感所红外波谱仪BOMEM MR304、Mikron M340黑体、北师大BODACH BDB黑体、漫反射金板、Fluke 50系列II接触式温度计。 测量原理:利用红外波谱仪测量地表辐射波谱,结合漫反射金板获得环境辐射波谱,基于辐射传输方程,利用ISSTES等高光谱温度和发射率分离算法,反演得到地表发射率波谱。 3) 测量地点与内容 2012年5月29日在张掖广场周边测量城市典型地物:地砖、草地、柏油路等。 2012年6月20日在张掖城区测量城市房顶材料、水库湖水水样、沙漠沙子等。 2012年6月30日在张掖机场测量机场水泥地、机场荒漠等。 2012年7月3日在五星村超级样地测量田间道路、玉米叶、土壤等。 2012年7月4日在小满镇测量玉米、小麦冠层等。 2012年7月10日在张掖润泉湖公园测量广场地砖等。 2012年7月13日在五星村超级样地测量玉米叶、西瓜叶、蔬菜等。 4) 数据处理 BOMEM光谱波谱仪原始数据通过高低温黑体定标得到定标后的辐射亮度波谱(*.rad),通过数据预处理并转换为文本格式文件,得到测量目标、漫反射金板的8-14µm的辐亮度数据。
马明国, 肖青
2012年6月28-29日在盈科绿洲与花寨子荒漠PLMR样方进行了机载飞行地面同步观测。PLMR(Polarimetric L-band Multibeam Radiometer)是双极化(H/V)的L波段微波辐射计,中心频率1.413 GHz,带宽24 MHz,分辨率1 km (相对航高3 km),有6个beam同时观测,入射角为±7º,±21.5º,±38.5º,灵敏度<1K。飞行主要覆盖中游人工绿洲生态水文试验区。本地面同步数据集可为发展和验证被动微波遥感反演土壤水分算法提供基本地面数据集。 样方及采样策略: 观测区位于张掖绿洲南缘-安阳滩荒漠过渡带,张(张掖)-大(大满)公路西侧,南北跨龙渠干渠,分为两部分,西南方向为1 km×1 km的荒漠样方,由于荒漠较为均质,在此1 km样方内采集5个点(四周各1点及中心点,实际测量过程中,可在沿路行走过程中多测几个点)的土壤水分,四个角点除对角线方向外,互相间隔600 m,西南角角点为花寨子荒漠站,便于与气象站数据比较。在东北侧,选择了面积2.4 km×2.4 km的大样方针对绿洲下垫面开展同步观测。样方的选择依据主要是考虑地表覆盖代表性、尽量避开民居和大棚、穿越绿洲农田以及南边的部分荒漠、可达性、观测(路途消耗)时间,以期获得与PLMR观测的亮度温度的比较。 考虑到PLMR观测的分辨率,同步观测中,东西方向以160 m为间隔,采集了16条样线(东西分布),每条线80 m间隔共31个点(南北方向),使用4台Hydraprobe Data Acquisition System (HDAS,参考文献2)同时测量。 测量内容: 获取了样方上约500个点,每个点2次观测,即对覆膜玉米地,在每个采样点进行2次观测,1次膜内(数据记录中标记为a),1次膜外(数据记录中标记为b)。由于HDAS系统采用POGO便携式土壤传感器,观测获得土壤温度、土壤水分(体积含水量)、损耗正切、土壤电导率、土壤复介电实部及虚部。植被参数观测选择在一些具有代表性的土壤水分采样点开展,完成了株高和生物量(植被含水量)的测量。 注:28号观测从11:00AM左右开始,完成约1/3工作量,由于PLMR仪器问题和降雨的双重原因,4:00PM被迫停止观测。剩余工作量29号10:30AM-5:30PM完成。观测日期正值该区域内农田大面积灌溉,导致观测人员前行困难,田块难以进入,观测点位与预设点位有偏差。 数据: 本数据集包括土壤水分观测和植被观测两部分,前者保存数据格式为矢量文件,空间位置即为各采样点位置(WGS84+UTM 47N),土壤水分等测量信息记录在属性文件中;植被采样信息记录在EXCEL表格中。
王树果, 李新
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