该数据集包含了2020年1月1日至2020年12月31日的黑河流域地表过程综合观测网上游阿柔超级站的物候相机观测数据。站点位于青海省祁连县阿柔乡草达坂村,下垫面是亚高山山地草甸。观测点的经纬度是100.4643E, 38.0473N,海拔3033m。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。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。对于物候期的计算,首先,根据感兴趣区计算物候指标,如相对绿度指数(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)。然后对数据进行质量控制、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。本数据集为该站点2020年相对绿度指数(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
该数据集包含2020年1月1日至2010年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。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。对于物候期的计算,首先,根据感兴趣区计算物候指标,如相对绿度指数(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)。然后对数据进行质量控制、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。本数据集为该站点2020年相对绿度指数(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
该数据集包含了2020年7月10日至2020年9月20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6个,每个样方大小约30m×30m,经纬度分别为(100.376°E, 38.853°N)、(100.377° E, 38.858°N)、(100.374°E, 38.855°N)、(100.374°E, 38.858°N)、(100.371°E, 38.854°N)、(100.369°E, 38.854°N)。每个样方内布设5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7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, 屈永华, 车涛, 徐自为, 谭俊磊, 任志国, 李新
该数据集包含2020年8月11日至2020年12月31日石羊河流域兰州大学寒旱区科学观测网络民勤站的物候相机观测数据,观测点的经纬度是103.668E,39.208N,海拔1020m。该数据使用北京师范大学自主研发的软件包进行处理。该物候相机采用向下的方式采集数据,拍摄数据分辨率为2592*1944,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)。该站物候相机安装时间为2020年8月11日。
赵长明, 张仁懿
该数据集包含2020年1月1日至2020年12月31日石羊河流域兰州大学寒旱区科学观测网络西营河站的物候相机观测数据,观测点的经纬度是101.855E,37.561N,海拔3616m。该数据使用北京师范大学自主研发的软件包进行处理。该物候相机采用向下的方式采集数据,拍摄数据分辨率为2592*1944,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)。
赵长明, 张仁懿
该数据集包含2020年1月1日至2020年12月31日柴达木盆地哈尔腾河流域兰州大学寒旱区科学观测网络苏干湖站的物候相机观测数据,观测点的经纬度是94.125°E,38.992N,海拔2798m。该数据使用北京师范大学自主研发的软件包进行处理。该物候相机采用向下的方式采集数据,拍摄数据分辨率为2592*1944,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)。
赵长明, 张仁懿
该数据集包含2020年2月3日至2020年12月31日黑河流域兰州大学寒旱区科学观测网络寺大隆站的物候相机观测数据,观测点的经纬度是99.926E,38.428N,海拔3146m。该数据使用北京师范大学自主研发的软件包进行处理。该物候相机采用向下的方式采集数据,拍摄数据分辨率为2592*1944,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)。2月3日之前的照片因设备故障无法使用。
赵长明, 张仁懿
该数据集包含2020年3月10日至2020年12月31日疏勒河流域兰州大学寒旱区科学观测网络瓜州站的物候相机观测数据,观测点的经纬度是95.673E,41.405N,海拔2014m。该数据使用北京师范大学自主研发的软件包进行处理。该物候相机采用向下的方式采集数据,拍摄数据分辨率为2592*1944,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)。3月10日之前的数据由于存储卡到达上限已覆盖;5月31日调整摄像头方位。
赵长明, 张仁懿
本数据集包括祁连山区域2020年1月-12月月度最大值合成的30m空间分辨率地表植被净初生产力产品。利用 Landsat8 OLI 和sentinel 2多光谱遥感影像的红光和近红外两个通道的反射率数据,计算NDVI实现对地表月度NDVI产品的合成,进而利用经验模型计算NPP。最后,采用最大值合成 (Max value composition, MVC) 方法对月度植被净初生产力求取最大值输出月度NPP产品。
吴俊君, 仲波
本数据集包括祁连山区域2020年1月-12月月度最大值合成的30m空间分辨率地表植被指数产品。利用 Landsat8 OLI 和sentinel 2多光谱遥感影像的红光和近红外两个通道的反射率数据,计算NDVI实现对地表月度NDVI产品的合成。最后,采用最大值合成 (Max value composition, MVC) 方法对月度植被指数求取最大值输出月度NDVI分幅产品,数据集共计25.7GB。
吴俊君, 仲波
本数据集包括祁连山区域2020年1月-12月月度最大值合成的30m空间分辨率地表叶面积指数产品。利用 Landsat8 OLI 和sentinel 2多光谱遥感影像的红光和近红外两个通道的反射率数据,计算NDVI实现对地表月度NDVI产品的合成,进而利用经验模型计算LAI。最后,采用最大值合成 (Max value composition, MVC) 方法对月度叶面积指数求取最大值输出月度LAI产品,
吴俊君, 仲波
本数据集包括祁连山区域2020年1月-12月月度最大值合成的30m空间分辨率地表植被覆盖度产品。利用 Landsat8 OLI 和sentinel 2多光谱遥感影像的红光和近红外两个通道的反射率数据,计算NDVI实现对地表月度NDVI产品的合成,进而利用像元二分法计算FVC。最后,采用最大值合成 (Max value composition, MVC) 方法对月度植被覆盖度求取最大值输出月度FVC产品,
吴俊君, 仲波
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“Major turnover of biotas across the Oligocene/Miocene boundary on the Tibetan Plateau” (中文标题“青藏高原渐新世——中新世界线生物群的重大转换”)论文的全文相关图片数据。 数据来源为论文作者绘制或拍摄的原创图片的高清原图版本。 数据加工方式:原始图片未经二次加工。 数据可作为青藏高原隆升、环境及生物群变化等研究的参考资料。 该论文数据可在征得论文相关作者同意及注明出处的前提下引用。
邓涛
数据包括青藏高原与西北干旱区33个湖泊表层沉积物中植物DNA的原始测序文件。我们使用德国Qiagen公司的PowerMax土壤试剂盒提取DNA,并采用通用植物引物g-h (Taberlet et al., 2007) 对样品中叶绿体trnL (UAA) 内含子区的P6环进行PCR扩增,PCR产物随后送至瑞士Fasteris公司进行第二代高通量双端测序,测序仪器为Illumina NextSeq 550。数据质量分数Q30为81.97。
刘兴起, 贾伟瀚
本数据为青藏高原CHNZ020号网格植物多样性与分布数据,包含此网格中植物的中文名、拉丁名、纬经度、海拔、采集编号、分子材料份数、标本份数、行政区划、小地点、采集人、采集时间及创建者等信息。该数据获取自e科考网站(http://ekk.kib.ac.cn/web/index/#/),并部分完成鉴定。此数据已涵盖本区系中87科129属150种植物名录和具体分布信息。此数据既可用于本区域的区系性质研究,亦可用于探讨本区域植物水平和垂直梯度格局等。
邓涛
本数据集是2020年8月三江源地区典型地物高光谱测量数据。使用大疆M600搭载Cubert S185高光谱成像仪拍摄。包括2020年在三江源区域观测的典型地物高光谱测量数据。高光谱拍摄当天为晴天,飞行前进行了白板校准;并使用差分GPS记录经纬度坐标,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。
刘林山, 谷昌军, 崔伯豪, 魏博
1)数据内容 包括采样点的观测年份、经纬度、海拔、生态系统类型、不同土层(SOC0-100 (kg Cm-2); 0-100代表土层)、地下生物量含量。 2)数据来源 此部分数据是从文献中获取,具体文献来源参考说明文档。 3)数据质量描述 数据观测覆盖范围广,包含指标全面,展示了不同土层下的土壤有机碳含量,具有较高的完整性和精确性,能满足对青藏高原草地土壤碳储量的估算。 4)数据应用成果及前景 为预测未来青藏高原土壤的碳源–汇效应及实现生态系统碳可持续发展提供基础数据。
胡中民
1)数据内容 包括采样点的观测年份、经纬度、生态系统类型、年降雨量、干旱指数、年净初级生产力、地上生物量、地下生物量等数据。 2)数据来源 一部分来源于文献(1980-1995),另一部分来源于实地采样(2005-2006)。 3)数据质量描述 数据观测年份长,时间跨度大,覆盖范围广,包含指标多,具有较高的完整性和精确性,能满足对青藏高原草地植被碳储量的估算。 4)数据应用成果及前景 为预测未来青藏高原的碳源–汇效应及实现生态系统碳可持续发展提供基础数据。
胡中民
该数据集是基于16个动态全球植被模式(TRENDY v8)在S2情景下(CO2+Climate)模拟的GPP,表征生态系统总初级生产力。数据来源于Le Quéré et al. (2019),具体信息和方法参见文章。源数据范围为全球,本数据集选取了青藏高原区域,空间上用最近邻方法插值到0.5度,时间上保持了原有的月尺度。该数据集是标准的模型输出数据,常被用作评定总初级生产力的时间和空间格局,且与其它遥感观测、通量观测等数据进行比较和参考,具有实际意义和理论价值。
Stephen Sitch
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