该数据集包含了2021年4月13日至2021年12月31日的40m塔涡动相关仪观测数据。站点位于河北省怀来县东花园镇，下垫面水浇地玉米。观测点的经纬度是115.7923E, 40.3574N，海拔480m。涡动相关仪的采集频率是10Hz，架高为3.5 m，超声朝向是正北向，超声风速仪（CSAT3）与CO2/H2O分析仪（EC150）之间的距离是0 cm。 发布的数据是采用Eddypro软件对原始采集的10Hz数据进行后处理得到的30分钟数据，其处理的主要步骤包括：野点值剔除，延迟时间校正，坐标旋转（二次坐标旋转），频率响应修正，超声虚温修正和密度（WPL）修正等。同时对各通量值进行质量评价，主要是大气平稳性（Δst）和湍流相似性特征（ITC）的检验。对处理后输出的30min通量值也进行了筛选：（1）剔除仪器出错时的数据；（2）剔除降水前后1h的数据；（3）剔除10Hz原始数据每30min内缺失率大于10%的数据；（4）剔除夜间弱湍流的观测数据（u*小于0.1m/s）。观测数据的平均周期为30分钟，一天48个数据，缺失数据标记为-6999。在冬季EC150测量水汽密度出现很多负值，以-6999填充。 涡动相关仪发布的观测数据包括：日期/时间Date/Time，风向Wdir（°），水平风速Wnd（m/s），侧向风速标准差Std_Uy（m/s），超声虚温Tv（K），水汽密度H2O（g/m3），二氧化碳浓度CO2（mg/m3），摩擦速度Ustar（m/s），奥布霍夫长度，感热通量Hs（W/m2），潜热通量LE（W/m2），二氧化碳通量Fc（mg/(m2s)），感热通量的质量标识QA_Hs，潜热通量的质量标识QA_LE。感热、潜热、二氧化碳通量的质量标识分为九级（质量标识1-3数据质量好，4-6数据质量较好，7-8数据质量较差（较插补数据好）；9数据质量差）。数据时间的含义，如0:30代表0:00-0:30的平均；数据以*.xls格式存储。 观测试验或站点信息请参考Guo et al.(2020)，数据处理请参考Liu et al. (2013)。
刘绍民, 肖青, 徐自为, 柏军华
该数据集包含了2021年1月1日至2021年12月31日的大孔径闪烁仪观测数据，分别架设了两台型号为BLS450和zzlas的大孔径闪烁仪。站点位于河北省怀来县东花园镇，下垫面玉米。观测点的经纬度是115.7880E, 40.3491N，海拔480m。大孔径闪烁仪的有效高度为14m，光径长度是1870m，发射端经纬度是115.8023E，40.3596N，接收端的经纬度是115.7825E，40.3522N。BLS450和zzlas的采集频率分别为5Hz和1Hz，平均为1min输出。 大孔径闪烁仪原始数据为1min，发布的数据为经过处理与质量控制后的30min平均数据，其中感热通量主要是结合自动气象站数据，基于莫宁-奥布霍夫相似理论通过迭代计算得到。在迭代计算过程中，对于BLS450，选取Thiermann and Grassl，1992的稳定度函数；对于zzlas，选取Andreas,1988的稳定度函数。主要的质量控制步骤包括：（1）剔除Cn2达到饱和的数据；（2）剔除解调信号强度较弱的数据；（3）剔除降水时刻及其前后一小时的数据；（4）剔除稳定条件下的弱湍流的数据（u*小于0.1m/s）。 关于发布数据的几点说明：（1）LAS数据以BLS450为主，缺失时刻由zzlas观测补充，两者都缺失则以-6999标记。（2）数据表头：Date/Time：日期/时间，Cn2：空气折射指数结构参数（m-2/3），H_LAS：感热通量（W/m2）。数据时间的含义，如0:30代表0:00-0:30的平均；数据以*.xls格式存储。 观测试验或站点信息请参考Guo et al. (2020)，数据处理请参考Liu et al. (2013)。
刘绍民, 徐自为
该数据集包含了2021年1月1日至2021年12月31日的40m塔自动气象站观测数据。站点位于河北省怀来县东花园镇，下垫面为水浇地玉米。观测点的经纬度是115.7923E, 40.3574N，海拔480m。 自动气象站安装在40m塔上，采集频率为30s，且10min输出一次。观测要素包括7层空气温度、相对湿度（3m、5m、10m、15m、20m、30m、40m），朝向为正北；7层风速（3m、5m、10m、15m、20m、30m、40m），风向（10 m），朝向为正北；气压（安装在防水箱内）；雨量（3 m）；四分量辐射和光合有效辐射（4 m），朝向为正南；红外表面温度（8 m），支臂朝向正南，探头朝向是垂直向下；土壤温湿度探头埋设在气象塔正南方1.5m处，土壤温度探头埋设深度为2cm、4cm、10cm、20cm、40cm、80cm、120cm和160 cm处，土壤水分传感器埋设深度为2cm、4cm、10cm、20cm、40cm、80cm、120cm和160cm；平均土壤温度埋在地下2, 4cm；土壤热流板埋设在地下6 cm处。 观测数据的处理与质量控制：（1）确保每天1440个数据（每10min），若出现数据的缺失，则由-6999标示；（2）剔除有重复记录的时刻；（3）删除了明显超出物理意义或超出仪器量程的数据；（4）日期和时间的格式统一，并且日期、时间在同一列。如，时间为：2021-6-10 10:30。 自动气象站发布的数据包括：日期/时间Date/Time，空气温度（Ta_3m, Ta_10m, Ta_15m, Ta_20m, Ta_30m, Ta_40m）(℃)，相对湿度（RH_3m, RH_10m, RH_15m, RH_20m, RH_30m, RH_40m）（%），风速(Ws_3m, Ws_10m, Ws_15m, Ws_20m, Ws_30m)（m/s），风向（WD）（°），气压（Press）(hpa)，降水（Rain）(mm)，四分量辐射（DR、UR、DLR、ULR、Rn）(W/m2)，光合有效辐射（PAR）（umol/s/m2），地表辐射温度（IRT_1、IRT_2）(℃)，土壤热通量（Gs）(W/m2)、 多层土壤水分（Ms_2cm、Ms_4cm、Ms_10cm、Ms_20cm、Ms_40cm、Ms_80cm、Ms_120cm、Ms_160cm）(%)、多层土壤温度（Ts_2cm 、Ts_4cm、Ts_10cm、Ts_20cm、Ts_40cm、Ts_80cm、Ts_120cm、Ts_160cm）(℃)、平均土壤温度TCAV(℃)。 观测试验或站点信息请参考Guo et al.(2020)，数据处理请参考Liu et al. (2013)。
刘绍民, 肖青, 徐自为, 柏军华
该数据集包含了2021年1月1日至2021年12月31日的10m塔自动气象站观测数据。站点位于河北省怀来县东花园镇，下垫面为水浇地玉米。观测点的经纬度是115.7880E, 40.3491N，海拔480m。 自动气象站安装在10m塔上，采集频率为30s，且10min输出一次。观测要素包括空气温度、相对湿度（5 m），朝向为正北；风速（10 m），风向（10 m），朝向为正北；气压（安装在防水箱内）；雨量（10 m）；四分量辐射（5 m），朝向为正南；土壤温湿度探头埋设在气象塔正南方1.5m处，土壤温度探头埋设深度为0cm、2cm、4cm、10cm、20cm、40cm、80cm、120cm和160 cm处，土壤水分传感器埋设深度为2cm、4cm、10cm、20cm、40cm、80cm、120cm和160cm；平均土壤温度埋在地下2, 4cm；土壤热流板（3块）埋设在地下6 cm处。 观测数据的处理与质量控制：（1）确保每天1440个数据（每10min），若出现数据的缺失，则由-6999标示；（2）剔除有重复记录的时刻；（3）删除了明显超出物理意义或超出仪器量程的数据；（4）日期和时间的格式统一，并且日期、时间在同一列。如，时间为：2021-6-10 10:30。 自动气象站发布的数据包括：日期/时间Date/Time，空气温湿观测（Ta_5m,RH_5m）(℃，%)，风速(Ws_10m)（m/s），风向（WD）（°），降水（Rain）(mm)，四分量辐射（DR、UR、DLR、ULR、Rn）(W/m2)，地表辐射温度（IRT1、IRT2）（℃），土壤热通量（Gs_1、Gs_2、Gs_3）(W/m2)、 多层土壤水分（Ms_2cm、Ms_4cm、Ms_10cm、Ms_20cm、Ms_40cm、Ms_80cm、Ms_120cm、Ms_160cm）(%)、多层土壤温度（Ts_0cm 、Ts_2cm 、Ts_4cm、Ts_10cm、Ts_20cm、Ts_40cm、Ts_80cm、Ts_120cm、Ts_160cm）(℃)、平均土壤温度TCAV(℃) ，气压（Press）(hpa)。 观测试验或站点信息请参考Guo et al. (2020)，数据处理请参考Liu et al. (2013)。
刘绍民, 徐自为
该数据集包含了2021年1月1日至2021年12月31日的10m塔涡动相关仪观测数据。站点位于河北省怀来县东花园镇，下垫面水浇地玉米。观测点的经纬度是115.7880E, 40.3491N，海拔480m。涡动相关仪的采集频率是10Hz，架高为5 m，超声朝向是正北向，超声风速仪（CSAT3）与CO2/H2O分析仪（Li7500A）之间的距离是15 cm。 发布的数据是采用Eddypro软件对原始采集的10Hz数据进行后处理得到的30分钟数据，其处理的主要步骤包括：野点值剔除，延迟时间校正，坐标旋转（二次坐标旋转），频率响应修正，超声虚温修正和密度（WPL）修正等。同时对各通量值进行质量评价，主要是大气平稳性（Δst）和湍流相似性特征（ITC）的检验。对处理后输出的30min通量值也进行了筛选：（1）剔除仪器出错时的数据；（2）剔除降水前后1h的数据；（3）剔除10Hz原始数据每30min内缺失率大于10%的数据；（4）剔除夜间弱湍流的观测数据（u*小于0.1m/s）。观测数据的平均周期为30分钟，一天48个数据，缺失数据标记为-6999。 涡动相关仪发布的观测数据包括：日期/时间Date/Time，风向Wdir（°），水平风速Wnd（m/s），侧向风速标准差Std_Uy（m/s），超声虚温Tv（K），水汽密度H2O（g/m3），二氧化碳浓度CO2（mg/m3），摩擦速度Ustar（m/s），奥布霍夫长度，感热通量Hs（W/m2），潜热通量LE（W/m2），二氧化碳通量Fc（mg/(m2s)），感热通量的质量标识QA_Hs，潜热通量的质量标识QA_LE。感热、潜热、二氧化碳通量的质量标识分为九级（质量标识1-3数据质量好，4-6数据质量较好，7-8数据质量较差（较插补数据好）；9数据质量差）。数据时间的含义，如0:30代表0:00-0:30的平均；数据以*.xls格式存储。 观测试验或站点信息请参考Guo et al.(2020)，数据处理请参考Liu et al. (2013)。
刘绍民, 徐自为
1）数据内容 本数据集包括巴木错、拉昂错2019-2021年夏秋季和龙木错2020-2021年夏秋季的湖泊蒸发数据。计算蒸发数据所需的气象数据通过在湖边架设的自动气象站获取，观测高度为1.5m。 湖泊位置：巴木错（90.59°E，31.29°N），拉昂错（81.24°E，30.72°N），龙木错（80.47°E，34.60°N）。 自动气象站坐标：巴木错AWS（90.65°E，31.30°N），拉昂错AWS（81.22°E，30.73°N），龙木错AWS（80.43°E，34.59°N）。 时间分辨率：1d 空间分辨率：- 单位：mm 2）数据来源及加工方法 整体输送法。计算公式如下： LH=l_v ρ_a c_E U(q_s-q_a ) E=LH/(ρl_v ) 其中LH、E分别为潜热、蒸发。 气象数据使用湖泊边架设的自动气象站，使用的观测数据包括1.5m处气温、风速、相对湿度等；湖表温度使用ERA5-land逐小时数据；动量粗糙度、水汽粗糙度及热量粗糙度通过巴木错和拉昂错架设的涡动相关仪获取的数据反算得到。 3）数据质量描述 将计算获取的2020年巴木错湖泊蒸发数据与架设在巴木错湖心岛的涡动相关仪获取的8-10月蒸发数据进行对比，pearson相关系数r=0.57，p=2.842E-8。 4）数据应用成果及前景 水面蒸发是水循环过程中的一个重要环节，是水文学研究中的一个重要课题。它作为湖泊水量损失的主要部分，也是研究陆面蒸发的基本参证资料。基于观测资料计算得到的蒸发量可以作为青藏高原湖泊的准确蒸发量，是研究湖泊水量平衡的重要基础，通过获取位于不同气候区的三个湖泊蒸发量，可以更好地探索湖泊水面蒸发在不同气候区的变化规律。
马卫垚, 马伟强, 何佳男, 谢志鹏, 苏荣明珠, 胡伟, 马耀明
青藏高原分区域动力降尺度（TPSDD）数据集是一个高空间-时间分辨率的网格数据集，用于整个青藏高原的陆地-空气交换过程和低层大气结构研究，并考虑到了青藏高原各分区域的气候特征。该数据集的时间跨度为1981年至2020年，时间分辨率为2小时，空间分辨率为10公里。数据集的气象要素包括近地表土地-空气交换参数，如向下/向上的长波/短波辐射通量、动量通量、显热通量、潜热通量等。此外，还包括从地表到对流层顶的3维风、温度、湿度和气压的垂直分布。通过比较观测数据和最新的ERA5再分析数据，对该数据集进行了独立评估。结果表明了该数据集的准确性和优越性，为未来的气候变化研究提供了巨大的潜力。
李斐, 马舒坡, 朱金焕, 邹捍, 李鹏, 周立波
数值试验：使用的气候模式是意大利理论物理研究中心（ICTP）开发的区域气候模式RegCM4.1。RegCM4.1区域模式模拟的试验中大气模式水平分辨率为50km，垂直方向18层；在线耦合沙尘模块。海温使用OISST插值的海温。试验包括中古新世地形试验（MP, ~60Ma BP，试验名称60ma_regcm4.1_xxx.nc）和晚渐新世（LO，~25Ma BP，试验名称25ma_regcM4.1_xxx.nc）两组。MP区域地形修改试验，将高原北部去掉，近似替代60Ma时期亚洲陆地的地形分布。BP区域地形修改试验，只将帕米尔高原地形去掉，近似替代25Ma时期亚洲陆地的地形分布。两个试验的沙尘源区没有变，均对在线打开了沙尘循环过程。 输出时间：所有试验都被积分了22年，使用了每个试验最后20年的平均结果。 数据可应用于解释高原周边不同区域干旱演化的差异。
孙辉
本数据集数据源为：欧洲航天局多光谱卫星Sentinel-2卫星。其中包含2017年青藏高原湖泊CDOM和DOC年均值数据。使用方法：基于实测样点的CDOM数据，提取影像反射率信息，通过皮尔森相关性分析选择最佳预测变量，构建多元逐步回归CDOM 预测模型，获得青藏高原水体CDOM结果。由于CDOM与DOC具有很好的相关性，所以DOC预测结果通过CDOM计算。最终青藏高原CDOM模型的调整R²达到0.81。
宋开山
数值试验：使用的气候模式是由英国气象局与英国大学联合开发的快速海-气耦合模式（FAMOUS）。FAMOUS模式中的大气模式水平分辨率为5°×7.5°，垂直方向有11层；海洋模式的水平分辨率为2.5°×3.75°，垂直方向有20层。大气和海洋每天耦合一次，无通量调整。 试验包括中古新世（MP, ~60Ma BP，试验名称flat_60ma_1xCO2_sea_3d_**100yr_mean.nc）和晚渐新世（LO, ~25Ma BP，试验名称orog_25ma_1xCO2_sea_3d_**100yr_mean.nc）。海陆分布数据主要取自全球海岸线基础数据集（缩写为Gplates，网址为http://www.gplates.org/），考虑到青藏高原等新生代地形的初始隆升约开始于50~55Ma（Searle等，1987），因而在MP试验中将全球地形高度均设置为0，以略去高原地形的作用。25Ma修正了格陵兰（Zachos等, 2001）、青藏高原（例如, Wang等，2014；Ding等，2014；Rowley和Currie, 2006；DeCelles等，2007；Polissar等，2009）。在重建青藏高原古地形时还考虑了其古纬度的变化(Besse等，1984；Chatterjee等，2013；Wei等，2013）。同时，参考新生代大气CO2变化（Beerling和Royer, 2011），2个时期的试验中大气CO2浓度均取工业革命前的值280ppmv（1ppmv=1mg L–1）。 为了简单起见，所有陆地植被和土壤特性都设置为全球均一的值，即在除南极洲外的每个陆地网格点上的各种陆面特性都被赋予工业革命前非冰川陆面的全球平均值，这样也便于突出检验海陆分布和地形变化的影响。此外，由于主要讨论百万年尺度特征地质时期的平均气候状态及其变化，因而可以略去轨道强迫的影响，即在所有试验中地球轨道参数均设置为其现代值。 输出时间：所有试验都被积分了1000年，使用了每个试验最后100年的平均结果。 本数据有助于探究新生代季风和干旱的形成演化机制。
刘晓东
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
土壤水分是全球观测系统提出的关键气候变量之一，在陆气相互作用中起着重要作用。植被光学厚度是微波辐射传输过程中衡量植被衰减特性的关键参数，在植被水力学、植被物候学和生物量研究领域中有着广泛应用。 本数据集基于AMSR-E和AMSR2交叉定标亮度温度数据，使用多通道协同反演算法(MCCA)获得了全球第一套具有极化差异的多波段（C/X/Ku）植被光学厚度产品及土壤水分产品。该算法(MCCA)能综合考虑多个通道之间的物理关系，能同时反演出土壤水分和具有频率差异，极化差异的植被光学厚度。 本数据集使用了来自国际土壤水分观测网络和美国农业部发布的共25个土壤水分密集观测站网进行验证，结果表明，在目前公开的与AMSR-E/2相关的土壤水分数据集中，MCCA土壤水分的无偏均方根误差(ubRMSE)最小。此外，MCCA反演得到的具有频率和极化差异的植被光学厚度数据可为植被生理过程中的水通量研究提供新的见解。
胡路, 赵天杰, 居为民, 彭志晴, 姚盼盼, 施建成
通过国家气象信息中心、水文年鉴、中国统计年鉴及中国科学院地理科学与资源研究所等单位收集了水文气象及、土地利用及DEM等基础数据。采用具有自主知识产权的分布式时变增益水文模型进行建模，以100平方千米阈值将青藏高原划分成10937个子流域。在黑河、雅鲁藏布江、长江源、黄河源、雅砻江、岷江、澜沧江流域选取了14个流量站观测日流量数据对模型进行了拟定与验证。日尺度纳西效率系数达到0.7以上相关系数达到0.8以上。采用了CMIP6提供的13个模型4种情景输出的降水与气温数据，对未来降水与气温数据进行后处理，后处理后的降水与气温驱动水文模型，模拟出2046-2065年水循环过程，给出全青藏高原空间0.1度日尺度径流未来可能时空分布。
叶爱中
采用三个不同的数据源，包括1920年代的民国初期地图、1960年代的数字化地形图和1970-2020年的Landsat MSS/TM/ETM+/OLI影像。1920年代民国初期地图进行了扫描、几何校正和地理参考校正。1960年代使用1:250 000的地形图。所有地图都是以Albers等圆锥投影法进行地理参照，均方根（RMS）误差小于1.5个像元。针对早期地图，选择目视解译和手工数字化来对湖泊边界进行矢量化。从1990年开始，对Landsat影像采用半自动的水体分类方法来区分水体和非水体信息，然后提取湖泊边界，并通过与原始Landsat图像的比较进行目视检查和人工编辑。
张国庆, 冉有华
基于我国高分一号及二号数据，采用深度学习分类方法，结合人工目视解译修正，生产出青藏工程走廊冻融灾害分布数据。数据地理范围为青藏公路西大滩至安多段沿线40km范围。数据包括热融湖塘分布数据及热融滑坡分布数据。该数据集可为青藏工程走廊冻融灾害的研究工作及工程防灾减灾提供数据基础。青藏公路西大滩至安多段沿线40km范围冻融灾害空间分布基于国产高分二号影像数据自制。首先，利用深度学习方法从高分二号数据中提取泥流阶地区块；然后，利用ArcGIS进行人工编辑，将数据解译后合在一张图上可现实。
牛富俊, 罗京
本数据是基于气象观测数据、水文站点数据，结合各种同化数据和遥感数据，通过耦合积雪、冰川和冻土物理过程的青藏高原多圈层水文模型系统WEB-DHM（基于水和能量平衡的分布式水文模型）制备生成，时间分辨率为月尺度，空间分辨率为5km，原始数据格式为ASCII文本格式，数据种类包括格网径流与蒸发（若蒸发小于0,则表示凝华；若径流小于0，则表示当月降水小于蒸发）。若asc无法在arcmap中正常打开，请将asc文件前5行顶格。
王磊, 柴晨好
本数据是基于气象观测数据、水文站点数据，结合各种同化数据和遥感数据，通过耦合积雪、冰川和冻土物理过程的青藏高原多圈层水文模型系统WEB-DHM（基于水和能量平衡的分布式水文模型）制备生成，时间分辨率为月尺度，空间分辨率为5km，原始数据格式为ASCII文本格式，数据种类包括格网径流与蒸发（若蒸发小于0,则表示凝华；若径流小于0，则表示当月降水小于蒸发）。若asc无法在arcmap中正常打开，请将asc文件前5行顶格。
王磊, 刘虎
水是人类赖以生存与发展的物质基础，也是我们感知和应对气候变化的重要媒介。受独特季风气候与阶梯状地形影响，中国水资源分布极不均匀，缺水问题突出，是全球水资源极度脆弱的地区之一。人类活动与气候变化的复合作用，进一步加剧了中国水循环过程研究的复杂性。因此，迫切需要一套质量可靠、时空连续，且剔除大规模人类活动影响下的天然径流数据，为水循环研究提供本底数据支持。然而，中国现有的天然径流资料缺失率较高，参考站点密度不足，在年际和季节变化尺度上存在较大偏差，难以客观揭示大尺度径流变化的自然规律。本研究建立了一套长时序、全覆盖、高质量、时空连续的天然河川径流资料，命名为CNRD v1.0（The China Natural Runoff Dataset version 1.0）。CNRD v1.0提供1961年1月1日至2018年12月31日中国0.25°×0.25°天然径流估算量日值、月值和年值。200个有资料水文站点率定结果显示，模型参数在大多数站点得到了充分校准，模型纳什效率系数（NSE）在率定期和验证期的平均值分别为0.83和0.80。无资料流域交叉验证结果显示，MPR方法提供了最佳的区域化方案，率定期 NSE中位数为0.76，验证期NSE中位数为0.72。结果总体显示水文模型参数率定和区域化表现良好，可用于长时序径流资料重建。另外，通过与两套全球径流格点数据集ISIMIP和GRUN比较，发现CNRD v1.0数据集的径流空间分布上过渡更加连续，且在表示中国复杂地形和气候理分划下的水资源空间分布方面优于全球径流数据集。
缪驰远, 苟娇娇
该物候数据基于青藏高原2000-2015年MOD13A2数据（时间分辨率为16天，空间分辨率为1km），利用TIMESAT软件中分段高斯函数拟合NDVI曲线，采用动态阈值方法提取春季物候、秋季物候以及生长季长度，其中春季物候和秋季物候的阈值分别设置为0.2和0.7。此物候数据进行了掩膜处理。其中，掩膜规则为：1）必须满足NDVI的最大值出现在6-9月份之间；2）6-9月份NDVI均值不能小于0.2；3）冬季的NDVI均值不能超过0.3。
俎佳星, 张扬建
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
