基于雅鲁藏布江流域内已有的262个雨量筒逐月降水数据、WRF和ERA5降水数据，利用随机森林学习算法重建了雅鲁藏布江流域及7个子流域1951–2020年10km分辨率的逐日降水数据。该数据经过了站点单点验证，在年和季节变化方面表现较好。并且该数据经过了水文模型反向评估，利用该数据驱动VIC水文模型模拟了雅江流域及各子流域径流变化，并利用实测径流、MODIS及冰川编目数据进行验证。该数据在原有第一版基础上考虑了降水空间分配特征，能更好描述高山区降水特征。
孙赫
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。这些产品是经过云检测之后的结果。数据覆盖时间从2021年1月1日到2021年12月31日，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、Ångström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
青藏高原被誉为“亚洲水塔”，其提供的径流作为重要的、易获取的水资源，维系着周边数十亿人口的生产生活，支撑着生态系统的多样性。准确估算青藏高原的径流，揭示径流的变化规律，有利于高原及周边地区的水资源管理和灾害风险规避。青藏高原五大河源区冰川径流分割数据集覆盖时间从1971年到2015年，时间分辨率为逐年，覆盖范围为青藏高原五条大江大河源区（黄河源，长江源，澜沧江源，怒江源，雅鲁藏布江源），空间分辨率为流域，以多源遥感和实测数据为基础使用耦合了冰川模块的分布式水文模型VIC-CAS模拟获得，使用站点实测数据对模拟结果进行了验证，其所有数据进行了质量控制。
王世金
青藏高原被誉为“亚洲水塔”，是东南亚众多河流的源区，其提供的径流作为重要的、易获取的水资源，维系着周边数十亿人口的生产生活，支撑着生态系统的多样性。青藏高原五大河源区冰川径流数据集覆盖时间从2005年到2010年，时间分辨率为每5年一期，覆盖范围为青藏高原五条大江大河源区（黄河源，长江源，澜沧江源，怒江源，雅鲁藏布江源），空间分辨率为1km，以多源遥感、模拟、统计和实测数据为基础，使用GIS方法和生态经济学方法结合，量化了江河源区冰冻圈水资源服务的价值，其所有数据进行了质量控制。
王世金
数据集包含了2020年9月，2021年6月，2021年9月测量得到的3幅廓琼岗日冰川高精度表面地形数据及对应的正射影像图。该数据集的生成使用了大疆精灵4 RTK无人机拍摄的影像数据，经倾斜摄影测量技术计算生成了相关产品，数据空间分辨率达到了0.15米。该数据是对目前低分辨率开源地形数据的补充，能够反映2020年-2021年间廓琼岗日冰川的表面形态变化，有助于精确研究气候变化下廓琼岗日冰川的消融过程。
刘金涛
该数据集包含2016年11月至2020年8月在青藏高原采集的15条冰川共269个冰雪样品微生物扩增子测序数据，包括24K冰川（24K）、冬克玛底冰川（DKMD）、敦德冰川（DD）、杰玛央宗冰川（JMYZ）、廓琼岗日冰川（KQGR）、来古冰川（LG）、帕隆4号冰川（PL4）、羌塘1号冰川（QT）、枪勇冰川（QY）、曲玛冰川（QM）、唐古拉龙匣宰陇巴冰川（TGL）、夏岗江冰川（XGJ）、雅拉冰川（YA）、泽普沟冰川（ZPG）、珠峰东绒布冰川（ZF）。采样区域经纬度范围为28.020°N到38.100°N和86.28°E到95.651°E。 通过聚合酶链式反应（PCR），采用515F/907R（或515F/806R）引物对16s rRNA基因的V4-V5区（或V4区）片段进行扩增，并用Illumina Hiseq2500测序平台测序获得原始数据。所选引物序列分别为：“515F_GTGCCAGCMGCCGCGGTAA; 907R_CCGTCAATTCMTTTRAGTTT”“515F_GTGCCAGCMGCCGCGG, 806R_GGACTACHVGGGTWTCTAAT”。上传的数据包括：样品编号，样品描述，采样时间，经纬度坐标，样品类型，测序目标，测序片段，测序引物，测序平台，数据格式等基础信息，测序数据以序列文件数据格式正向 *.1.fq.gz和反向 *.2.fq.gz压缩文件储存。
刘勇勤
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
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
