全球3小时河道洪水再分析数据GRFR，包括1）1980-2019年全球0.05度，3小时/日格点陆面产流数据。2）全球294万条河段（基于90m数字高程模型提取），3小时/日天然径流模拟数据。3）全球3小时河道洪水事件数据。4）基础地形数据MERIT-Basins。 该数据集以分布式水文模型VIC和河道汇流模型RAPID为模型链核心，集合一系列多源数据和模型手段构建的全球高分辨率高精度天然河川径流模拟系统模拟而成。基于美国6000余个站点3小时和全球14000余个站点日径流观测资料的精度评估表明，该数据能够较好地再现3小时和日尺度径流过程，同时能够较好地捕捉洪水事件。详细过程请参阅参考文献。 该数据集为遥感卫星径流反演算法开发、全球洪水特性分析和物理机制分析尤其是无资料地区提供了强有力的新数据支撑。
杨媛, 潘铭, 林佩蓉
全球294万条河段的天然径流量模拟数据产品，单位m3/s。本数据是基于VIC水文过程模式与RAPID矢量河网汇流模型模拟得到。其中陆面水文过程模式空间分辨率为0.25°，矢量汇流模式中的河网数据基于90-m MERIT Hydro水文矫正地形数据产品提取。产流部分经过基于机器学习得到的径流特征值进行参数率定，并基于多分位数径流特征值进行了格点尺度的产流偏差矫正，经全球1.4万个径流观测站点验证，数据产品具有较优的验证精度。
林佩蓉, 潘铭, 杨媛
地表实际蒸散发是陆表水循环的关键环节，同时也是能量平衡的重要支出项，且与地表碳收支密切相关，其准确估算不仅对于研究地球系统和全球气候变化具有重要意义，而且对于水资源有效开发利用、农作物需水生产管理、旱情监测和预测、天气预报等方面具有十分重要的应用价值。ETMonitor全球逐日1公里分辨率地表实际蒸散发数据集是基于多参数化、适用于不同土地覆盖类型的地表蒸散发遥感估算模型ETMonitor计算得到，输入数据主要采用的遥感数据包括GLASS产品（叶面积指数、植被覆盖度和反照率）、MODIS产品（地表覆盖、积雪覆盖）、动态地表水体覆盖、ESA CCI土壤水分、GPM降水等，并结合欧洲中期天气预报中心的ERA5全球大气再分析数据等。利用ETMonitor模型在日尺度上估算1公里分辨率像元尺度的植被蒸腾、土壤蒸发、冠层降水截留蒸发、水面蒸发和冰雪升华，并对各分量求和获得逐像元逐日蒸散发量。利用FLUXNET等地面观测数据进行直接验证，估算结果与地面实测数据一致性较好，逐日蒸散发验证RMSE为0.93mm/d，误差为0.08 mm/d，相关系数为0.75。本数据集将ETMonitor估算获得的逐日蒸散发值（https://doi.org//10.12237/casearth.6253cddc819aec49731a4bc2）进行累积求和运算，获得逐月蒸散发，并转为经纬度投影进行公开发布。本数据集覆盖全球，时间步长为每月，空间分辨率为1公里，单位为mm/月，数据类型为整型，缩放系数为0.1，无效值填充-1。
郑超磊, 贾立, 胡光成
水库是重要的水利工程设施，在农业灌溉和市政用水的储存和输送中发挥着关键作用，但这一作用会受到水库蒸发的影响。但由于全球长期且连续的水库地理信息的可获取性受限，因而估算全球水库蒸发损失仍有一定困难。目前，两个最新的水库数据集，即全球水库表面数据集（Global Reservoir Surface Area Dataset）和全球水库和大坝数据库（Global Reservoir and Dam Database），为解决这一困难提供了机会。我们使用这两个数据集估算了1985年至2016年全球7242个大型水库的月水库蒸发量。其中，蒸发率采用三套气象产品数据分别进行计算（ (1) TerraClimate; (2) ERA5; (3) Princeton Global Forcings），水面面积采用全球水库表面数据集（Global Reservoir Surface Area Dataset）。
田巍, 刘小莽, 王恺文, 白鹏, 刘昌明
本数据集是一个包含10年（2010-2019）的全球日尺度地表土壤水分数据集，分辨率为36 km，采用EASE-Grid2投影坐标系，数据单位为m3/m3. 数据集采用Yao et al.(2017，2021)发展的土壤水分神经网络反演算法，将SMAP的优势传递到FY-3B/MWRI，利用人工神经网络方法，以SMAP标准土壤水分产品为训练目标，以FY-3B/MWRI的亮温为输入，最终输出长时序土壤水分数据。土壤水分精度和SMAP接近，达到5%左右。（ 全球14个密集观测站网的验证精度 ）。
姚盼盼, 卢麾, 赵天杰, 武胜利, 施建成
本土壤水分数据集是一个包含8年（2011-2018）的全球时空连续一致的日尺度地表土壤水分数据集，空间格网分辨率为25km，时间分辨率为每天，数据单位为cm3/cm3。数据集采用基于三重配置分析 (TCA: Triple Collocation Analysis)的土壤水分线性融合算法，对SMOS，ASCAT，FY3B，CCI，SMAP五种土壤水分产品分两步进行了融合：第一步，融合2011~2018年SMOS，FY3B和ASCAT土壤水分数据产品；第二步，对第一步融合的2015~2018年间的结果与相应年份的CCI以及SMAP数据产品进行再融合，最终获得2011~2018年间融合的土壤水分产品。最终融合的土壤水分数据在全球空间覆盖比达80%以上。此外，利用全球7个地面观测网络的站点实测土壤水分数据对上述融合的土壤水分产品进行了评价分析，最小RMSE (Root Mean Square Error) 为0.036 cm3/cm3。
贾立, 谢秋霞, 胡光成
本数据集为覆盖全球范围考虑积融雪过程的标准化水分距平指数（SZIsnow)，该干旱指数数据集由GLDAS-2驱动产生。该指数考虑了与干旱发展相关的诸多水文过程，尤其是积融雪过程。目前许多干旱指数忽略了积融雪过程，导致不能准确地对积雪地区干旱的发生和发展进行评估，该指数很好地弥补了这一不足，解决了干旱物理机制解析与多时间尺度分析无法兼顾，不同类型干旱难以统一评估的两个难题。经验证该指数能够很好地对全球不同地区的历史干旱时间进行定量描述，其优异表现在高纬度和高海拔地区更为突出。因此本数据集可以为干旱的监测评估以及干旱相关研究提供科学参考。
吴普特, 田磊, 张宝庆
稳定连续的长时序地表土壤水分数据集对于全球环境和气候变化监测等都非常重要。SMAP等卫星搭载的L波段辐射计能提供目前最优精度的全球地表土壤水分观测，但其数据记录的短时间限制了其在长期研究中的应用；而AMSR-E和AMSR2系列传感器能提供长时序多频段辐射计观测（C、X和K波段）。本数据集是一个20年（2002/07/27~2022/08/31）的全球连续一致的地表土壤水分数据集，分辨率为日尺度的36 km，采用EASE-Grid2投影坐标系，数据单位为m3/m3。数据集采用Yao et al.(2017)发展的土壤水分神经网络反演算法，将SMAP的优势传递到AMSR-E/2，以目前卫星最优精度的SMAP标准土壤水分产品为训练目标，以AMSR-E/2的亮温为输入，最终输出长时序土壤水分数据。该数据集能够重现SMAP土壤水分的时空分布，精度与SMAP土壤水分产品相当；同时该数据集精度优于AMSR-E和AMSR2的官方土壤水分产品，通过全球14个密集观测站网的地面观测验证表明，其土壤水分精度为5%左右。该全球长时序数据集目前时间覆盖20年，随着AMSR2的持续在轨观测以及即将发射的后继AMSR3任务，该数据集是可延长的，为气候极端事件、趋势分析和年代际变化的长时序研究提供支持。
姚盼盼, 卢麾
UHSLC提供了具有两个质量控制级别（QC）的潮汐测量数据。 其中快速交付（FD）数据是在数据收集的1-2个月内发布的，并且只接收关注于大级别转移和明显异常值的基本QC。GLOSS/CLIVAR（以前称为WOCE）“快速”海平面数据是按小时、每天和每月的价值进行分配。这个项目得到了NOAA的气候和全球变化计划的支持。其中每个文件都有一个名称“h######dat”，其中“h”表示每小时的海平面数据，而“###”表示站点号码，每个站点都存在一个文件。UHSLC数据集是GLOSS数据流。在UHSLC数据库中有许多潮汐记录，但骨干是光缆核心网（GCN）——全球300个验潮站的全球集合，它是全球原位海平面网络的基础。该网络被设计成在各种时间尺度上提供全球沿海海平面变化的均匀分布采样。
董文, University of hawaii sealevel center （UHSLC）
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
