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地区1982年、1985年、1990年、1995年和2000年每月0.05°×0.05°地表温度产品，2005年、2010年、2015年、2017年和2018年每月0.01°×0.01°地表温度产品，2018年每日0.01°×0.01°地表温度产品。采用劈窗（split-window，SW）算法，利用AVHRR热红外通道（通道4：10.5µm至11.3µm；通道5：11.5µm至12.5µm）的亮温数据（分辨率：0.05°），MYD21A1的温度数据（分辨率：0.01°）以及相关辅助数据，实现祁连山地区地表温度月/日合成产品的生产。参与反演的辅助数据包括IGBP地表分类数据，AVHRR NDVI产品，MERRA再分析数据，ASTER GED数据，以及经/纬度和儒略日信息。
历华
第三极1:100万居民点数据集包括第三极地区居民点（Tibet_Cities）、首都居民点（Tibet_Capitals）、城市人口大于75k的居民点（Tibet_Cities_up_to_75K）等矢量空间数据及相关属性数据：城市名称（ENG_NAME）、城市人口（CITY_POP）等属性。 数据来自1:100万ADC_WorldMap全球数据集，数据经过拓扑，入库是全面、最新和无缝的地理数字数据。 世界地图坐标系统是经纬度，D_WGS_1984基准面。
ADC WorldMap
南极1:100万居民点数据集包括南极范围内所有居民点（Antarctica_Resident）等矢量空间数据及相关属性数据：城市名称（ENG_NAME）、城市人口（CNTEY_NAME）、（CNTRY_CODE）等属性。 数据来自1:100万ADC_WorldMap全球数据集，数据经过拓扑，入库等数据质量检查，是全面、最新和无缝的地理数字数据。 世界地图坐标系统是经纬度，WGS84基准面，南极地区数据集为南极专用投影参数（South_Pole_Stereographic）
ADC WorldMap
北极1:100万居民点数据集包括北极范围内所有居民点（Arctic_Resident）、首都居民点（Arctic_Capitals）、城市人口大于75k的居民点（Cities_up_to_75K）等矢量空间数据及相关属性数据：城市名称（ENG_NAME）、城市人口（CITY_POP）等属性。 数据来自1:100万ADC_WorldMap全球数据集，数据经过拓扑，入库等数据质量检查，是全面、最新和无缝的地理数字数据。 世界地图坐标系统是经纬度，WGS84基准面，北极地区数据集为北极专用投影参数（North_Pole_Stereographic）。
ADC WorldMap
该数据集包含青藏高原地区各县区1980-2015年农业经济相关数据，具体涵盖农村总户数、总人口、农业人口、农村劳动力、耕地面积、水田面积、旱地面积、农机动力、农用汽车、机耕面积、灌溉面积、化肥施用量、用电量、农业收入、农林牧渔业总产值、牛、猪、羊、肉、禽、鱼等的产量、粮食播种面积、粮棉油的及各类作物的产量、特色农产品和畜产品产量等相关数据。数据来源于青藏高原所含各省统计年鉴。数据质量优良，可用于青藏高原社会经济和农业发展分析。
吕昌河
本研究以青藏高原范围内土地资源为评价对象，阐明区域内适宜于农、林、牧业生产的现状及其后备土地资源数量、质量及其分布情况。通过实地调查，收集整理研究区域的相关数据，结合相关文献和专家经验确定评价因子（海拔、坡度、年降水量、积温、日照时数、土壤有效深度、质地、侵蚀强度、植被类型、NDVI）并对其分等定级和标准化，通过主成分分析法确定各评价因子的权重，采用加权指数和模型确定评价单元总分值，最后用ArcGis自然间断点分级法得出青藏高原宜农、宜林以及宜牧用地的适宜等级，输出90m分辨率的青藏高原农业适宜性图纸，并对结果校验分析。
姚明磊
遥感影像解译标志也称判读要素，它能直接反映判别地物信息的影像特征，解译者利用这些标志在图像上识别地物或现象的性质、类型或状况，因此它对于遥感影像数据的人机交互式解译意义重大。本数据建立解译标志所采用的影像避免了植被覆盖度高的夏季，也避免了积雪较多、云层遮盖或烟雾影响较大的数据，并按照基础地理信息数据提取要求选择遥感影像波段组合顺序及与全色波段进行融合。在对数据进行增强处理时，避免引起信息损失。在影像上选择典型的标志建立区的要求是：范围适中以便反映该类地貌的典型特征，尽可能多的包含该类地貌中的各种基础地理信息要素类且影像质量好。标志区的选取完成后，寻找标志区内包含的所有基础地理信息要素类，然后选择各类典型图斑作采集标志，然后去实地进行野外校验，通过均匀布点采样设计（约52km为间隔均匀采点），收集整理了采样参考点3429个，照片数1870个，建立了解译标志库，并对不合理的部分进行修改，直到与实地相符为止。同时拍摄该图斑地面实地照片，以便于影像和实际地面要素建立关联，表达遥感影像解译标志的真实性和直观性，加深使用者对解译标志的理解。
刘铁
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
（1）数据内容 此数据包含两张数据表：SyrDarya_201705_part.xlsx，SyrDarya_201709_part.xlsx。 数据包含属性字段“Point”、“Longitude”、“Latitude”、和“SAL（‰）”分别代表“数据点编号”、“经度”、“纬度”、“总盐（‰）” （a）SyrDarya_201705_part.xlsx为2017年5月锡尔河流域采样数据，该数据没有包括“PH”；（b）SyrDarya_201709_part.xlsx为2017年9月锡尔河流域采样数据，该数据集包括酸碱度“PH”。 （2）按照数据处理的标准流程（①NY_T_1121-16-2006_土壤检测_第16部分：土壤水溶性盐总量的测定，②NY_T_1121-2-2006_土壤检测_第2部分：土壤PH测定），对锡尔河流域的土壤采样数据进行处理、分析和整理，从而筛选出锡尔河流域的土样采集与检测数据集。 （3）该数据为土壤采样数据，可用于监测土壤盐渍化等研究。
罗格平
阿拉木图土地使用数据，分辨率30米，数据格式为TIF，时间分别为1990.05.03和2018.04.14。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）.
黄金川, 马海涛
“水权框架下黑河流域治理的水文-生态-经济过程耦合与演化”（91125018）项目数据汇交-MODIS产品-中国西北地区土利用数据（2000-2010） 1.数据概述：中国西北地区土利用数据（2000-2010） 2.数据内容：用MODIS得到的2000-2010年中国西北地区黑河流域、疏勒河流域石羊河流域土利用数据
王忠静
1.数据概述 基于2012年Google earth影像资料，通过目视解译方法矢量化湿地公园的用地类型，为湿地生态系统服务评估提供数据基础。 2.数据内容 土地利用类型包括湿地、农田（玉米、蔬菜、小麦）、水域、林地、建筑用地、裸地等。比例尺：1：5万；坐标系统：WGS84；数据类型：矢量多边形；存储格式：Dbf/Shp/Jpeg 3.时空范围 覆盖范围：张掖国家湿地公园；总面积：46.02平方公里。
徐中民
1.数据概述 本数据是基于最新的googleearth遥感影像数据建立的张掖市甘州区农作物空间分布数据库。 2.数据内容 以项目关注的制种玉米空间分布为主，将研究区土地利用类型划分为14个类型（制种玉米地、春小麦地、菜地、大棚用地、套作用地、水稻地、水域、湿地、林地、城乡工矿居民用地、道路、铁路和未利用土地）。 3.时空范围 数据范围包括平山湖、沙井、乌江、靖安、明永、三闸、甘浚、新墩、上秦、碱滩、城关镇、梁家墩、长安、党寨、小满、龙渠、大满、花寨和安阳共19个乡镇。数据类型为矢量多边形，以Shape格式存储；数据范围覆盖甘州区。
徐中民
黑河流域灌区及干支渠分布图包括了黑河流域的主要灌区及所有干渠、支渠的分布。灌区主要有罗城灌区、友联灌区、六坝灌区、平川灌区、蓼泉灌区、梨园河灌区、鸭暖灌区、板桥灌区、沙河灌区、西浚灌区、盈科灌区、大满灌区、马营河灌区、上三灌区、新坝灌区、红崖子灌区，这16个灌区。干支渠分布图包含了这16个灌区的所有干渠和支渠。
徐茂森, 徐宗学, 胡立堂
青海湖是我国面积最大的内陆咸水湖泊，地处青藏高原的东北部。以其巨大的水体与流域内的天然草场和林地共同构成了生态屏障，其独特的自然生态环境和生物多样性，在西部大开发和生态建设中具有重要的意义。 数据为青海湖流域居民点分布数据，包括柴达木河流域内市、县、乡镇、村等级分布，数据主要有两个属性字段：Code(居民点编码）、Name(居民点名称）。 收集整理青海湖流域基础、气象、地形地貌，专题数据等，为青海湖流域生态治理提供数据支持。
国家基础地理信息中心
数据为塔里木河流域居民点分布数据，主要包括塔里木河流域内市、县、乡镇、村等级分布，数据主要有两个属性字段：Code(居民点编码）、Name(居民点名称）
国家基础地理信息中心
数据为天山北麓诸河流域水库分布数据集，利用地形图和遥感影像综合制备，比例尺250000，投影：经纬度，数据包括空间数据和属性数据，属性字段：Name（水库名称），反应了天山北麓诸河流域2000年左右水库分布现状。
国家基础地理信息中心
数据为天山北麓河流域居民点分布数据，包括天山北麓河流域内市、县、乡镇、村等级分布，数据主要有两个属性字段：Code(居民点编码）、Name(居民点名称）.
国家基础地理信息中心
数据为天山北麓诸河流域河流数据集，根据地形图及TM遥感影像修订，比例尺250000，投影经纬度，数据包括空间数据和属性数据，属性数据字段：HYD_CODE(河流编码），Name（河流名称），SHAPE_leng(河流长度）。
国家基础地理信息中心
数据集为天山北麓诸河流域湖泊分布图，比例尺25万，投影：经纬度，数据包括空间数据和属性数据，湖泊属性字段：NAME（湖泊的名称）、CODE（湖泊编码）。
国家基础地理信息中心
数据为柴达木河流域居民点分布数据，包括柴达木河流域内市、县、乡镇、村等级分布，数据主要有两个属性字段：Code(居民点编码）、Name(居民点名称）。
国家基础地理信息中心
中国的行政区域基本上划分为三级，即省（自治区、直辖市），县（自治县、市），乡（民族乡、镇）。为了便于用户统计和制图方面的需要，我们根据国家基础地理信息中心公布的1：100万全国行政区划数据集 制备了黑河流域行政区划数据。该数据反映了黑河流域2008年前后的行政区划现状，包括省级、地区级和县级三级行政区划信息，其主要属性（如面积、行政区划代码、所属省（自治区）、市（地区、自治洲））来源于2008年出版的《中国行政区划》。
吴立宗
该数据包括了SWAT模型运行所需要的基础地形数据、土壤数据、气象数据、土地利用/地面覆盖数据等。所有的图件和相关的点位坐标（气象站，水文站）都采用了和我国基础地形图相一致的高斯－克吕格投影的坐标体系。数据内容包括： a) 基础地形数据包括流域数字高程模型（DEM）和流域河网。DEM格网的大小为50*50m，流域河网是从1:10万地形图上将水系手工数字化得到。 b) 土壤数据：包括土壤物理、土壤化学和土壤类型空间分布资料。数字土壤图比例尺为1:100万，将其转为ESRI 的grid格式，格网大小为50*50m。每个土壤剖面可以最多分到10层。模型要求的土壤质地采样指标采用了美制标准。参数来自全国第二次土壤普查数据以及来自相关文献。 c) 气象数据： (1) 气温：日最高气温，日最低气温，风速，相对湿度的数据来源于流域内部和周边地区祁连、山丹、托勒、野牛沟、张掖五个气象站的逐日观测资料，时段为1999～2001年。 (2) 降水：雨量数据来源于流域内部和周边地区俄博（1990~1996）、肃南（1990~2000）、祁连（1990~2000）、莺落峡（1990~2000）、札马什克（1990~2000）5个水文站以及山丹（1999~2001）、托勒（1999~2001）、野牛沟（1999~2001）、张掖（1999~2001）、祁连县（1999~2001）4个气象站的逐日观测资料。 (3) 风速、相对湿度：风速、相对湿度来源于山丹、托勒、野牛沟、张掖、祁连县5个气象站的逐日观测资料。时段为1999~2001。 (4) 太阳辐射：太阳辐射没有相应的观测数据，由模型模拟产生。 d) 土地利用/地面覆盖：1995年土地利用数据，比例尺为1:10万。将其转为ESRI的grid格式，格网大小为50*50m。 e) 气象数据模拟工具（weather generator）数据库：SWAT模型的气象数据模拟工具可以在没有实际日观测数据的情况下，根据多年逐月统计资料模拟计算出模型运行所需要的逐日气象输入数据，也可进行观测资料不全时的插补。气象数据来自周边气象站。
南卓铜
1.数据概述：本数据是利用SWAT模型模拟得到的黑河流域蓝绿水数据 2.数据内容：数据主要包括全流域和各个子流域的蓝绿水及绿水系数 3.时空范围：数据时间是从1975-2004年，空间范围包括34个子流域和黑河全流域
刘俊国
本数据主要包括黑河流域内市、县、乡、村等级居民点分布，数据基准年为2009年。数据系根据已有的黑河流域居民点数据，最新的谷歌电子地图和甘肃省地图册更新得到。数据主要有两个属性即居民点分级和总名称，其中居民点分级按照1级-市，2级-县，3级-乡镇，4级-村进行分类。
国家基础地理信息中心
数据概况：张掖的渠道分为干、支、斗、农、毛五级渠道，其中农渠一般没有衬砌，毛渠为田间工程，所以主要采集了干、支、斗三级渠道和小部分的农渠。灌溉渠系数据包括总干渠（涉及多个灌区）2条，总干渠（单个灌区内）和干渠157条、支渠782条、斗渠5315条，总长度8, 745.0km。 数据采集过程：灌溉渠系数据采集采用遥感判读和GPS实地测量相结合的方法。GPS直接采集渠道是最为有效的方法，但GPS采集渠道工作量太大，我们只在部分灌区验证测量。主要采取的方式是首先收集各水管所手工绘制的灌区示意图，这些示意图大部分没有定位，只有大满、上三等个别灌区基于地形图进行了定位，高台县部分灌区利用GPS对部分渠道进行了定位。参考灌区示意图，基于Quikbird、ASTER、TM遥感影像和1:5万的地形图进行渠道空间定位。对于干渠和支渠，由于在遥感影像上线性特征明显，地形图上一般也有标示，所以可以较为准确的定位。对于斗渠，有高分辨率影像的区域，可以较为准确的定位，其它区域则只能根据模糊的影像线性特征和灌区工作人员的提示信息进行粗略定位，定位精度较低。各水管所同时提供了渠道属性数据，与空间数据进行一一对应。渠道分布图初稿完成后，先后两次提交给各水管所熟悉渠道分布的人员进行校正，第一次主要是剔重补漏，第二次主要校正位置和完善属性数据。 数据内容说明：属性表的字段包括编码、区县名、灌区名、渠道全程、渠道名、渠道类型、位置、总长度、已衬砌、设计流量、设计农田、设计林草、实灌农田、实灌林草、水权面积、备注。编码示例：G06G02Z15D01，其中前第1个字母代表县区名，第2和3个数字代表某县（区）编号，第4-6个字符代表干渠代码，第7-9个字符代表支渠代码，第10-12个字符代表斗渠代码。
马明国
中国西部地区陆面数据同化系统研究项目属于国家自然科学基金“中国西部环境与生态科学”重大研究计划，负责人为中国科学院寒区旱区环境与工程研究所李新研究员，项目运行时间为2003.1-2005.12 该项目汇交数据之一为中国西部地区2002年地表气候要素再分析数据.本数据集是基于美国国家环境预测中心（NCEP）提供的每天1°×1°的基础上生成。但是再分析资料存在以下问题：（1）时间空间分辨率不够高（水平分辨率为1度，时间为6小时）；（2）高原地区低层误差较大；（3）资料是标准等压面资料，需要插值。 中国西部地区2002年地表气候要素再分析数据集是兰州大学隆霄博士和邱崇践教授利用牛顿松弛法资料同化方法（Nudging）将NCEP再分析资料和MM5模式结合起来产生的，包括2002年全年每小时0.25°度的10m水平和垂直风速（m/s）、2m气温（k）、2m混合比、表面压强（Pa）、上行下行短波和长波辐射（w/m2）、对流降水和大尺度降水（mm/s）。 一、制备背景 驱动数据的质量严重影响陆面模型模拟陆面状态的能力，所以陆面建模研究的一个很重要的组成部分就是用来驱动陆面模型的驱动数据。无论这些模型描述地表过程的能力有多逼真，无论他们输入的边界和初始条件有多准确，如果驱动数据不准确的话，他们也不能得出与现实接近的结果。陆面模型如此依赖于外部提供的数据的质量，以至于这些任何一个外部提供的数据有误差的话，都会严重影响陆面模型模拟土壤湿度、径流、雪盖和潜感热通量的能力，这些外部提供的数据包括：降水、辐射、温度、风场、湿度和压强。中国西部地区2002年地表气候要素再分析数据集是利用牛顿松弛法资料同化方法（Nudging）将NCEP再分析资料和MM5模式结合起来生成适合于中国西部复杂地形的具有更高时空分辨率的驱动数据。 二、运行模式的基本参数 1、利用美国PSU/NCAR中尺度模式MM5作为模拟用模式； 模拟网格域的选择：中心（32°N，90°E），网格距为36km，水平格点数为131*151，垂直分辨率为25层，模式顶为100hPa； 2、初始化使用的资料采用美国NCEP的1°*1°的GRIB格点资料； 3、时间步长为120s。 三、物理过程 1、云和降水的物理过程处理：对次网格尺度降水采用Grell积云参数化方案，对可分辨尺度降水采用Reisner混合相微物理显式方案； 2、行星边界层过程采用MRF参数化方案； 3、辐射过程采用CCM2的辐射方案。 四、文件格式和命名 以月为文件夹存储，每月包含每天的24小时的数据。命名规则如下：2002***&.forc，其中***为儒略日，2002***&为时间（小时计），其中.forc是文件扩展名。 五、数据格式 以二进制浮点型存储，每个数据占4个字节。
隆霄, 邱崇践
云南元江干热河谷植被退化机理和重建试验项目属于国家自然科学基金“中国西部环境与生态科学”重大研究计划，负责人为中国科学院西双版纳热带植物园曹坤芳研究员，项目运行时间为2004.1-2007.12。 该项目汇交数据包括： 1.元江干热河谷多年平均温度和降雨量 （1961-2004）excel表,属性字段包括月平均温,月平均降雨量. 2.基于树轮的中国横断山中部年平均温（1750-2006年） excel表,属性字段包括年份,重建平均温度. 3.基于树轮的中国南部横断山脉中部夏季温度（1750-2006年） excel表,属性字段包括年份,夏季(4月-9月)重建平均温度. 4.基于树轮的中国横断山中部干旱指数（1655-2005年） excel表,属性字段包括年份,春季(3月-5月)干旱指数重建. 5.叶片和枝条生长动态图 pdf文件.记录了从2004年3月22日到2005年4月8日枝条为S型、F型、中间型和S+SD型的植物的生长动态趋势线和叶片动态趋势图 . 6.32种木本植物的物候总结表（种名、观察株数/枝条数、枝条伸长类型、叶片物候、当年生枝条长度(cm)、枝条上总叶片数、叶面积(cm2)、无叶期(月数)、花期、果熟期和果实类型）word文档 7.元江干热河谷代表植物叶片相对含水量的季节变化（2003.3-2004.2） excel表 8.元江干热河谷6种代表植物光合作用的季节变化（最大光合速率、气孔导度、水分利用效率、光系统II的最大量子效率） excle表（2003-2005） 9.元江干热河谷代表植物的长期水分利用效率(同位素)数据 excle表(虾子花、红皮水锦树、三叶漆、余甘子、珠仔树、天干果、毛枝青冈、华西小石积、清香木、虎刺、鬼柳和猪屎豆进行干湿季节的水分利用率) 10.元江曼旦前山植物名录 word文档
曹坤芳
该数据由“中国1:100万湿地数据”剪裁而来。 “中国1:100万湿地数据”主要反映2000年代全国沼泽湿地信息,采用十进制度为单位的地理坐标表示,主要内容包括：沼泽湿地的类型、湿地的水源补给类型、土壤类型、主要植被类型、所属地理区域等。执行了《中国可持续发展信息共享系统信息分类与编码标准》。本数据库数据源：1:20沼泽图（内部版）、青藏高原1：50万沼泽图（内部版）、沼泽调查数据1：100万和全国1：400万沼泽图；处理步骤为：数据源选择、预处理、沼泽湿地要素数字化与编码、数据编辑处理、建立拓扑关系、接边处理、投影转换、与地名等属性数据库连结并获取属性数据。
张树清
本数据为2002.07.04-2010.12.31青藏高原地区MODIS逐日无云积雪产品。由于积雪和云的反射特性，使用光学遥感监测积雪受到天气的严重干扰。本产品是在综合了目前最常用的去云算法的基础上，利用MODIS逐日积雪产品和被动微波数据AMSR-E雪水当量产品，开发的青藏高原地区逐日无云积雪产品，准确度较高，该产品对实时监测青藏高原雪盖动态变化具有重要的使用价值。 投影方式：Albers Conical Equal Area（阿尔伯斯等积投影） 基准面：D_Krasovsky_1940 空间分辨率：500 m 数据格式：tif 命名规则：maYYMMDD.tif，其中ma代表数据名称；YY代表年（01表示2001,02表示2002……）；MM代表月（01表示1月，02表示2月……）；DD表示日（01表示1日，02表示2日……）。
黄晓东
一、概述 长时间序列中国植被指数数据集是主要针对归一化植被指数（NDVI），基于空间分辨率为1km自1998年4月1日至2011年12月31日的每10天合成的四个波段的光谱反射率及10天最大化NDVI数据集。 二、数据处理说明 VEGETATION传感器于1998年3月由SPOT-4搭载升空，从1998年4月开始接收用于全球植被覆盖观测的SP0T VGT数据。它拥有十分完善和高效的图像地面处理机构体系。VEGETATION数据主要由瑞典的Kiruna地面站负责接收，由位于法国Toulouse的图像质量监控中心负责图像质量并提供相关参数(如定标系数)，最终由位于比利时的VITO研究所的图像处理与存档中心负责全球VEGETATION数据存档与用户定单。 其中VGT—P(prototype)数据产品主要为科研人员提供高质量的物理量原型数据以便于他们研建算法和应用模型。数据经过严格的系统误差订正并重采样为经纬网投影，像元分辨率lkm，像元亮度值是地物在大气顶层的反射率。除提供四个波段原始数据外，还根据用户需要提供相关辅助参数，如大气状况、系统信息(太阳的天底角、方位角，视场角和接收时间)和地形数据等。 VGT—S(synthesis)产品提供经过大气纠正的地表反射率数据，并运用多波段合成技术来获得lkm分辨率的归一化植被指数( w)数据集。VGI—S产品包括每天合成的四个波段的光谱反射率及NDVI数据集(s1)，每10天合成的四个波段的光谱反射率及10天最大化NDVI数据集(S10)以减少云及BRDF的影响，同时S10 还被重采样成4km 分辨率(S10.4)和8km分辨率(S10.8)数据集。VGT—S产品以其高时间分辨率而被广泛使用。本数据集包含的是每10天合成的四个波段的光谱反射率及10天最大化NDVI数据集(S10)。SPOT源数据的预处理包括大气校正，辐射校正，几何校正，生成了10 d最大化合成的NDVI数据，并将-1到-0.1的值设置为-0.1，再通过公式 YDN =(JNDVI +0.1)/0.004 转换到0~250的YDN值。 三、数据内容说明 长时间序列中国植被指数数据集是主要针对归一化植被指数（NDVI），基于空间分辨率为1km自1998年4月1日至2011年12月31日的每10天合成的四个波段的光谱反射率及10天最大化NDVI数据集。SPOT-VEGETATION-NDVI数据集中包含从1998年4月1日至2011年12月31日以旬为时间分辨率的.zip压缩文件。解压以后为每10天为一景的ESRI-GRID文件。SPO -VEGETATION-NDVI数据集命名规则为：v-yymmdd,其中v为vegetation的简称，yymmdd即表示该文件的当天日期，也是区别其他文件的主要标识。 四、数据使用说明 植被指数产品的一个重要特点是可以转换成叶冠生物物理学参数。植被指数(Ⅵ)在植被生物物理学参数(如，叶面指数LAI，绿蔽度，光合作用有效吸收辐射fAPAR 等)的获取方面还起着“中间变量”的作用。目前正在利用有全球代表性的地面、飞机和卫星观测的数据集研究植被指数和植被生物物理学参数的关系。这些资料可用于在卫星发射前评估Ⅵ算法性能，同时也提供植被指数产品与叶冠生物物理特性之间的转换系数。生物物理学资料的使用是植被指数验证计划的组成部分。植被指数产品将在几项对地观测系统(EOS)研究中发挥主要作用，同时也是近年来全球和区域生物圈模式产品的组成部分。
薛娴, 杜鹤强
塔里木河流域冰川变化趋势及对水资源变化的影响研究项目属于国家自然科学基金“中国西部环境与生态科学”重大研究计划，负责人为中国科学院旱区寒区环境与工程研究所刘时银研究员，项目运行时间为2003.1-2005.12。 该项目汇交数据： 科其卡尔巴契冰川气象观测资料（excel）:包括降水量、风向、风速和气温数据 1.3300a_climate（2003.6.29-2004.6.22）：日间逐4小时数据，包含字段日期，时间，风速上，风向上，气温上。 2.4200b_climate（2004.1.29-2004.5.12）：6:00、8:00、9:00、10:00、12:00、14:00、16:00、18:00、20:00、22:00、23:00观测数据，包含字段日期，时间，风速上，风向上，气温上。 3.3700_降水：2003.7至2005.9间13天日降水量 4.4200_降水：2003.7至2006.6间18天日降水量
刘时银
本数据集包括中国地区2002-2008年，经纬度投影，0.25度分辨率的被动微波遥感亮度温度数据。 1、数据处理过程: NSIDC produces AMSR-E gridded brightness temperature data by interpolating AMSR-E data (6.9 GHz, 10.7 GHz, 18.7 GHz, 23.8 GHz, 36.5 GHz, and 89.0 GHz) to the output grids from swath space using an Inverse Distance Squared (ID2) method。 2、数据格式： Brightness temperature files: two-byte unsigned integers, little-endian byte order Time files: two-byte signed integers, little-endian byte order 3、数据命名: ID2rx-AMSRE-aayyyydddp.vnn.ccc(China-ID2r1-AMSRE-D.252002170A.v03.06V） ID2 Inverse Distance Squared r1 Resolution 1 swath input data AMSRE Identifies this an AMSR-E file D.25 Identifies this as a quarter degree file yyyy Four-digit year ddd Three-digit day of year p Pass direction (A = ascending, D = descending) vnn Gridded data version number (for example, v01, v02, v03) ccc AMSR-E channel indicator: numeric frequency (06, 10, 18, 23, 36, or 89) followed by polarization (H or V) 4、切割范围： Corner Coordinates: Upper Left ( 60.0000000, 55.0000000) ( 60d 0'0.00"E, 55d 0'0.00"N) Lower Left ( 60.0000000, 15.0000000) ( 60d 0'0.00"E, 15d 0'0.00"N) Upper Right ( 140.0000000, 55.0000000) (140d 0'0.00"E, 55d 0'0.00"N) Lower Right ( 140.0000000, 15.0000000) (140d 0'0.00"E, 15d 0'0.00"N) Center ( 100.0000000, 35.0000000) (100d 0'0.00"E, 35d 0'0.00"N) Origin = (60.000000000000000,55.000000000000000) 5、数据投影: GEOGCS["WGS 84", DATUM["WGS_1984", SPHEROID["WGS 84",6378137,298.257223563, AUTHORITY["EPSG","7030"]], TOWGS84[0,0,0,0,0,0,0], AUTHORITY["EPSG","6326"]], PRIMEM["Greenwich",0, AUTHORITY["EPSG","8901"]], UNIT["degree",0.0174532925199433, AUTHORITY["EPSG","9108"]], AUTHORITY["EPSG","4326"]]
Mary Jo Brodzik, Matthew Savoie, Richard Armstrong, Ken Knowles
中国长序列地表冻融数据集——决策树算法（1987-2009）是利用被动微波遥感 SSM/I亮度温度资料通过决策树分类提取得到。 该数据集采用EASE-Grid投影方式（等积割圆柱投影，标准纬线为±30°），空间分辨率25.067525km，提供逐日的中国大陆主体部分的地表冻融状态分类结果。数据集按年份存放，共由23个文件夹组成，从1987到2009。每个文件夹里包含当年的逐日地表冻融分类结果，为ASCII码文件，命名规则为：SSMI-frozenYYYY***.txt，其中YYYY代表年，***代表儒略日（001~365/366）。冻融分类结果txt文件可直接用文本程序打开察看，还可用ArcView + Spatial Analyst扩展模块或者Arcinfo的Asciigrid命令打开。 提取地表冻融的原始数据来源于由美国国家雪冰数据中心（NSIDC）处理的1987 年以来的逐日被动微波数据，这一数据集采用EASE-Grid（等面积可扩充地球网格）作为标准格式。 中国地表冻融长时间序列数据集——决策树算法（1987-2009）属性由该数据集的时空分辨率、投影信息、数据格式组成。 时空分辨率：时间分辨率为逐日，空间分辨率为25.067525km，经度范围为60°～140°E，纬度为15°～55°N。 投影信息：全球等积圆柱EASE-Grid投影，关于EASE-Grid投影的详细信息见数据准备中关于这种投影的说明。 数据格式：数据集由1987到2009共23个文件夹组成，每个文件夹里包括当年的逐日地表冻融分类结果，按日存储为txt文件。文件命名规则：例如SMI-frozen1994001.txt代表1994年第1天的地表冻融分类结果。该数据集的ASCII码文件是由头文件和主体内容构成。头文件包括行数、列数、x-轴左下点坐标、y-轴左下点坐标、栅格大小、无数据区标值等6行描述信息组成；主体内容为根据行数列数组成的二维数组，以列为优先进行排列，数值为整数型，从1到4，1代表冻结，2代表融化，3代表沙漠，4代表降水。因为该数据集中的所有ASCII码文件所描述的空间为我国全国范围，所以这些文件的头文件是不变的，现将头文件摘录如下（其中xllcenter， yllcenter和cellsize单位为m）： ncols 308 nrows 166 xllcorner 5778060 yllcorner 1880060 cellsize 25067.525 nodata_value 0 该数据集中的所有ASCII码文件可以直接用文本程序（如记事本）打开。除了头文件，主体内容为数值表征地表冻融的状态：1代表冻结，2代表融化，3代表沙漠，4代表降水。如果要用图示来显示的话，我们推荐用ArcView + 3D 或 Spatial Analyst 扩展模块来读取，在读取过程中会生成grid格式的文件，所显示的grid文件就是该ASCII码文件的图形表达。读取方法： [1] 在ArcView软件中添加3D或Spatial Analyst扩展模块，然后新建一个View； [2] 将View激活，点击File菜单，选择Import Data Source选项，弹出Import Data Source选择框，在此框中的Select import file type:中选择ASCII Raster，自动弹出选择源ASCII文件的对话框，点击寻找该数据集中的任一个ASCII文件，，然后按OK键； [3] 在Output Grid对话框中键入的Grid文件名字（建议使用有意义的文件名，以便以后自己查看）和点击存放此Grid文件的路径，再次按Ok键，然后按Yes（要选择整型数据），Yes（把生成grid文件调入到当前的view中）。生成的文件可以按照Grid文件标准进行属性编辑。这样就完成了显示将ASCII文件显示成Grid文件的过程。 [4] 批处理时，可以使用ARCINFO的ASCIIGRID命令，编写成AML文件，再用Run命令在Grid模块中完成： Usage: ASCIIGRID <in_ascii_file> <out_grid> {INT | FLOAT}
晋锐, 李新
该数据数字化自图纸的《张掖土地利用现状图》,本图是国家‘七五’重点科技攻关项目：“三北“防护林遥感综合调查，甘青宁类型区系列图之一，信息如下: * 主编:王一谋 * 副主编:冯毓荪、游先祥、申元村 * 编委:王贤、王镜泉、丘明新、全志杰、牟新待、曲春宁、姚发芬、钱天久、黄自治、梅成瑞、韩熙春、李裕久、胡双熙 * 责任编辑:黄美华 * 编稿:牟新诗、崔赛华、王贤。何守华 * 编绘:何守华、王贤、全志杰、崔赛华、龙亚萍、牟新诗、何守华、毛晓利、崔赛华、王长涵 * 编辑:冯毓荪、王一谋 * 清绘:冯毓荪、张景秋、杨萍 * 制图:冯毓荪、姚发芬、王建华、赵燕华、李伟民 * 制图单位:中国科学院沙漠研究室编制 * 出版社:西安地图出版社 * 比例尺:1：500000 * 出版时间: 暂无 1、 文件格式与命名 数据均以ESRI Shapefile格式储存,包括一下图层： 张掖土地利用现状图(landuse)、河流(River)、道路(Road)、 2、数据字段及属性 类型编号 类型面(Type) 沙漠类型(desert） 11 水田 Paddy 12 水浇地 Irrigated field 13 旱地 Non-irrigated field 131 平旱地 Plain non-irrigated field 132 沟旱地 Valley non-irrigated field 133 坡旱地 Slope non-irrigated field 134 台旱地 Terrace non-irrigated field ................. 具体请参考数据文档 3、投影信息： Angular Unit: Degree (0.017453292519943295) Prime Meridian: Greenwich (0.000000000000000000) Datum: D_Beijing_1954 Spheroid: Krasovsky_1940 Semimajor Axis: 6378245.000000000000000000 Semiminor Axis: 6356863.018773047300000000 Inverse Flattening: 298.300000000000010000
王一谋, 游先祥, 申元村, 冯毓荪, 王建华
本数据集：主编：侯学煜 编图：候学煜,孙世洲,张经炜,何妙光.王义凤,孔德珍,王绍庆 出版：地图出版社 发行：新华书店 时间：1979年 比例尺：1：4000000 自1972年5月至1976年7月历时五年完成的。在制订图例和具体编图过程中,参考了我国1949年以后的绝大部分植被考察资料(包括图件和文字资料),举行了十几次所内外有关研究人员参加的制图讨论会。在编图工作完成后的发排期间,又补充了许多新的考察资料,特别是西藏西部地区的植被资料。 本图的性质基本上市属于现状植被图，包括自然植被和农业植被两部分，自然植被的图例是按照七个植被群系纲组排列的，他们主要是根据植物群落的外貌并结合一定的生态特征而划分的。农业植被群落的概念，同自然植物群落一样，也具有一定的生活型（外貌、结构、层片),种类组成和一定的生态地段。 1990年,中国科学院地理研究所资源与环境信息系统国家重点实验室完成了该图的数字化工作,并撰写了相关的数据说明文档,数字化后的数据也采用等积圆锥投影,并可利用GIS软件转换为其他投影. 本数据包括1个e00格式的矢量文件,中国植被编码设计说明, 数据集说明,植被数据层属性数据表和扫描的《中华人民共和国植被图--简要说明》等文件。 数据投影： Projection: Albers false_easting: 0.000000 false_northing: 0.000000 central_meridian: 110.000000 standard_parallel_1: 25.000000 standard_parallel_2: 47.000000 latitude_of_origin: 0.000000 Linear Unit: Meter (1.000000) Geographic Coordinate System: Unknown Angular Unit: Degree (0.017453292519943299) Prime Meridian: Greenwich (0.000000000000000000) Datum: D_Unknown Spheroid: Clarke_1866 Semimajor Axis: 6378206.400000000400000000 Semiminor Axis: 6356583.799999999800000000 Inverse Flattening: 294.978698213901000000
侯学煜, 孙世洲, 张经炜, 何妙光, 王义凤, 孔德珍, 王绍庆
中纬度亚洲地区存在主要受季风环流影响的东南部湿润地区(简称季风区)和主要受西风环流控制的内陆干旱区(包括青藏高原北部高寒干旱区，简称西风区)。根据对近年来新发表的气候变化记录证据梳理总结，发现西风区在中— 晚全新世气候湿润，与亚洲季风在早— 中全新世强盛的格局显著不同。过去千年的西风区中世纪暖期干旱，而小冰期相对湿润，与此相对，万象洞石笋氧同位素记录则显示季风降水在中世纪暖期时整体处于高值，在小冰期处于低值段。在近百年，尤其是近50 a，西北干旱区湿度增加，而季风影响范围内的西北东部和华北等地变得更干。不仅如此，在分属西风和季风影响区的青藏高原北部和南部，年代际— 百年尺度上降水变化也表现出反相位关系。据此我们提出，亚洲中部西风带控制区在现代间冰期从数千年到年代际的各个时间尺度上均存在不同于季风区的湿度(降水)变化模式，称之为现代间冰期气候变化的西风模式。 中国西部干旱半干旱区全新世气候变化的集成研究项目属于国家自然科学基金“中国西部环境与生态科学”重大研究计划，负责人为兰州大学陈发虎教授，项目运行时间为2006.1-2009.12。 该项目汇交了数据包括： 1. 中东亚干旱区全新世湿度集成曲线数据和12个湖泊各自的湿度数据（11000-0 cal yr BP）：包括Lake Van、Aral Sea、Issyk-Kul、乌伦古海、博斯腾湖、巴里坤湖、Bayan Nuur、Telmen Lake、Hovsgol Nuur、居延泽、Gun Nuur和Hulun Nuur。 2. 中东亚干旱区过去1000年湿度集成曲线数据和5个研究点各自的湿度数据（1000-2000）：包括Aral Sea、Guliya、博斯腾湖、苏干湖、巴丹吉林沙漠。 数据格式：excel表。
陈发虎
本数据集覆盖中国西部，为八十年代左右，TM遥感影像 数据属性： Pixel Size:30-meter reflective: Bands 1-5 and 7 60-meter thermal: Band 6 Output Format:GeoTIFF Resampling method:cubic convolution (CC) Map Projection:UTM – WGS 84 Polar Stereographic for the continent of Antarctica. Image Orientation:Map (North Up) 数据部分下载自USGShttp://eros.usgs.gov/网站，部分从各个项目收集而来。 数据文件夹命名为影像所在的行列号，文件夹内包括TM7个波段的影像(*.tif)，头文件(*.met,*.hdr)和缩略图(jpg)。影像文件命名格式为行列号_TM影像标志（5t），影像获取时间_波段号。
EROS DATA CENTER
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
