1. 冰湖面积数据（1960s-2020年） 该数据包含基于1960s的Korona KH-4和2016-2020年的Sentinel-2和Sentinel-1等卫星绘制的不丹喜马拉雅冰湖面积。 2. 冰湖潜在溃决洪水灾害等级 该数据包含面积大于0.05平方公里（n=278）不丹喜马拉雅冰湖潜在溃决洪水灾害等级。 数据详细处理流程请见论文。
Sonam Rinzin, 张国庆
基于遥感的全球表层土壤水旬度数据集（RSSSM，2003~2020）是在世界11种常用的全球微波遥感土壤水数据产品基础上，采用神经网络方法，融入了9个微波遥感反演土壤水分的质量影响因子完成。数据空间分辨率是0.1度，时间分辨率为旬。原数据覆盖2003~2018年，现更新至2020年。RSSSM数据集的时间连续性突出，除冰雪和水体外实现空间全覆盖。通过全球实测数据进行检验，可证明RSSSM数据集较已有的常用全球或区域长时间序列表层土壤水产品具有更高的时空格局精度。此外，虽然RSSSM数据是基于遥感的，未融合任何降水资料，但其年际变异与降水量（如GPM IMERG降水数据）和标准化降水蒸散发指数（SPEI）的时间变异均可较好地吻合。RSSSM数据还可一定程度反映城市化、农田灌溉、植被恢复等人类活动对土壤水分的影响。数据为tiff格式，压缩后的数据量为2.48 GB。 数据论文于2021年发表在Earth System Science Data。
陈永喆, 冯晓明, 傅伯杰
地表土壤水分（SSM）是了解地球表面水文过程的关键参数。长期以来，被动微波（PM）技术一直是在卫星遥感尺度上估算SSM的主要选择，而另一方面，PM观测的粗分辨率（通常>10 km）阻碍了其在更细尺度上的应用。虽然已经提出了定量研究，以缩小基于卫星PM的SSM的规模，但很少有产品可供公众使用，以满足1km分辨率和全天候条件下每日重访周期的要求。因此，在本研究中，我们在中国开发了一种具有所有这些特征的SSM产品。该产品是通过在36 km处对基于AMSR-E和AMSR-2的SSM进行降尺度生成的，涵盖了2003-2019年间两台辐射计的所有在轨时间。MODIS光学反射率数据和在多云条件下填补空白的每日热红外地表温度（LST）是降尺度模型的主要数据输入，以实现SSM降尺度结果的“全天候”质量。4月至9月期间，这一开发的SSM产品的每日图像在全国范围内实现了准完全覆盖。在其他月份，与最初的每日PM观测值相比，开发产品的全国覆盖率也大大提高。我们根据2000多个专业气象和土壤水分观测站的现场土壤水分测量结果对该产品进行了评估，发现该产品的精度在晴空到多云的所有天气条件下都是稳定的，无偏RMSE的站平均值在0.053 vol到0.056 vol之间。此外，评估结果还表明，开发的产品在1km分辨率下明显优于广为人知的SMAP Sentinel（主被动微波）组合SSM产品。这表明，我们开发的产品在改善未来水文过程、农业、水资源和环境管理相关调查方面可能带来的潜在重要效益。
宋沛林, 张永强
新的北半球多年冻土图利用基于规则的GIS模型融合了新的多年冻土范围（Ran et al., 2021b）、气候条件、植被结构、土壤和地形条件以及富冰和富含有机质多年冻土图（yedoma）。与之前的多年冻土图不同，根据多年冻土与气候和生态系统的复杂交互作用，我们将北半球多年冻土分为五种类型：气候驱动型、气候驱动型/生态系统改造型、气候驱动型/生态系统保护型、生态系统驱动型和生态系统保护型。除去冰川和湖泊，北半球这五种类型的面积分别为3.66×106km2、8.06×106km2、0.62×106km2、5.79×106km2和1.63×106km2。北半球81%的多年冻土区受到生态系统的改造、驱动或保护，表明生态系统在北半球多年冻土稳定性中的主导作用。气候驱动的多年冻土只占北半球多年冻土区的19%，主要分布在高北极和高山地区，如青藏高原。
冉有华, M. Torre Jorgenson, 李新, 金会军, 吴通华, 李韧, 程国栋
本数据集包括祁连山地区2019年日值0.05°×0.05°地表土壤水分产品。采用耦合小波分析的随机森林优化降尺度模型（RF-OWCM），通过对“祁连山地区基于AMSR-E和AMSR2亮温数据的SMAP时间扩展日0.25°×0.25°地表土壤水分数据（SMsmapTE, V1）”进行降尺度，得到0.05°×0.05°地表土壤水分产品。参与降尺度模型的数据包括GLASS Albedo/LAI/FVC，周纪-中国西部1km全天候地表温度数据（TRIMS LST-TP），以及经/纬度等信息。
柴琳娜, 朱忠礼, 刘绍民
农业灌溉需要消耗大量的可利用淡水资源，是人类对自然水循环过程最直接的扰动，加速了区域水循环的同时伴随着冷却作用。因此，估算灌溉用水对于探索人类活动对自然水循环的影响、量化水资源收支、优化农业水资源管理配置等具有重要意义。然而，目前灌溉用水数据主要是基于调查统计结果，数据空间分布离散且缺乏统一性，无法满足对灌溉用水的时空变化进行估算的需求。全球灌溉农田灌溉用水量遥感估算数据集（2011-2018）是基于卫星土壤湿度、降水、植被指数以及气象资料入辐射与气温等要素，通过土壤水量平衡原理，耦合遥感蒸散发过程模块以及利用基于差分优化的数据-模型融合算法来估算全球灌溉农田实际灌溉用水量。该数据集的灌溉用水估算结果相比传统的离散调查统计数据在不同空间尺度（区域、州/省和国家）上具有较小的偏差，如中国各省2015年农业用水统计结果对比（bias = −3.10 km^3），美国各州2013年调查数据结果对比（bias = −0.42 km^3）以及粮农组织各个国家尺度对比结果（bias = −10.84 km^3）。而且，相较于基于单个降水和土壤水分卫星产品的估算结果，该集合数据显示出更低的不确定性。此外，数据统一采用全球地理经纬度格网，相关元数据存储在对应的NetCDF文件内，空间分辨率约为25公里，时间分辨率为月尺度，时间跨度为2011年−2018年。该数据集将有助于定量评估历史时期农业灌溉用水的时空格局和支撑科学农业用水管理等。
张琨, 李新, 郑东海, 张凌, 朱高峰
青藏高原是世界上最大的高、低纬度多年冻土带，近几十年来，其多年冻土带迅速退化，其最显著的特征之一就是热融湖塘的形成。这样的湖泊由于能够调节碳循环、水和能量通量而引起了极大的关注。然而，这一地区的热融湖塘的分布在很大程度上仍不为人所知，这阻碍了我们对多年冻土的响应及其碳反馈对气候变化的理解。本数据集基于200余景Sentinel-2A影像，结合ArcGIS、NDWI和Google Earth Engine平台，通过GEE自动提取和人工目视解译的方法提提取青藏高原多年冻土区内热融湖塘边界。在2018年热融湖塘数据集中，青藏高原多年冻土区共有121,758个热融湖塘，面积为0.00035-0.5 km²，总面积为1730 km² 。本次热融湖塘编目数据集为青藏高原水资源评价、多年冻土退化评价、热喀斯特研究提供了基础数据。
陈旭, 牟翠翠, 贾麟, 李志龙, 范成彦, 母梅, 彭小清, 吴晓东
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
本数据集为青藏高原地区2005、2010、2015、2017、2018年逐日0.01°×0.01°地表土壤水分产品。采用多元统计回归模型，通过对“青藏高原地区SMAP时间扩展0.25°×0.25°地表土壤水分数据（SMsmapTE, V1）”进行降尺度，得到0.01°×0.01°地表土壤水分产品。参与多元统计回归的数据包括GLASS Albedo/LAI/FVC，周纪-中国西部1km全天候地表温度数据（V1），以及经/纬度等信息。
柴琳娜, 朱忠礼, 刘绍民
本数据集为基于SMAP时间扩展方法生产的青藏高原地区0.25°×0.25°地表土壤水分产品。即采用随机森林方法，利用被动微波亮温数据及相关辅助数据，实现对SMAP L3级地表土壤水分产品的时间扩展。其中，1980、1985、1990、1995和2000年为逐月产品，使用SMMR，SSM/I和SSMIS 19 GHz V/H及37 GHz V三个通道的亮温数据。2002年6月20日至2018年12月30日为逐日产品，使用AMSR-E和AMSR2 6.925 GHz V/H，10.65 GHz V/H及36.5 GHz V五个通道的亮温数据。 参与训练随机森林模型的辅助数据包括IGBP地表分类数据，GTOPO30 DEM数据以及经/纬度等信息。
柴琳娜, 朱忠礼, 刘绍民
青藏高原由于高云覆盖，通常用来监测湖泊面积的光学遥感影像数据，如Landsat只能用来监测湖泊年尺度面积变化，而对湖泊季节变化研究了解较少。使用Sentinel-1 SAR数据，对青藏高原大于50平方公里湖泊月尺度面积进行了提取。研究显示，湖泊的季节变化显示出截然不同的模式，面积较大的湖泊（> 100 km2）在8-9月达到峰值，而较小的湖泊（50-100 km2）面积在6-7月达到峰值。封闭湖泊面积的季节峰值更突出，而外流湖的季节峰值更平缓。冰川补给湖相对于非冰川补给湖显示了延迟的面积峰值。同时，大尺度的大气环流，如西风、印度季风、和东亚季风也影响着湖泊面积的季节变化。此研究为监测湖泊面积年内变化弥补了空白。
张宇, 张国庆
本数据集包括祁连山地区1980、1985、1990、1995和2000年SMAP时间扩展月值0.25°×0.25°地表土壤水分产品。采用随机森林方法，利用SMMR，SSM/I和SSMIS 19 GHz V/H及37 GHz V三个通道的亮温数据及相关辅助数据，实现对SMAP L3级地表土壤水分产品的时间扩展。参与训练随机森林模型的辅助数据包括IGBP地表分类数据，GTOPO30 DEM数据，以及经/纬度等信息。
柴琳娜, 朱忠礼, 刘绍民
1、以野外涡度相关实测数据为基础，采用国际上公认的涡度相关数据标准处理方法，基本流程包括：野点剔除-坐标旋转-WPL校正-储存项计算-降水同期数据剔除-阈值剔除-异常值剔除-u*校正-缺失数据插值-通量分解与统计。本数据集包括青藏高原上典型的高寒草地生态系统，当雄高寒草甸、海北高寒草甸、那曲高寒草甸、若尔盖高寒草地和祁连山高寒草地，2003年到2016年间的碳通量数据和同时观测的小气候数据。数据的时间分辨率高，全年数据插值完整。本数据集可以应用于高原区碳通量评估、对比与预测，影响碳通量的气候因素归因，以及模型模拟结果的校正等。 2、以MCDGF43数据为基础，采用标准栅格数据投影、拼接和裁切的处理方法，基本流程包括：拼接-重采样-裁切。 本数据集包括青藏高原的地表反照率数据（可见光波段和近红外波段），时间分辨率为8天，空间分辨率500m，时间跨度为2003-2016年。
张扬建, 苏培玺, 杨燕
南极冰盖高程数据采用雷达高度计数据(Envisat RA-2)和激光雷达数据(ICESat/GLAS)制成。为提高ICESat/GLAS数据的精度,采用了五种不同的质量控制指标对GLAS数据进行处理,滤除了8.36%的不合格数据。这五种质量控制指标分别针对卫星定位误差、大气前向散射、饱和度及云的影响。同时,对Envisat RA-2数据进行干湿对流层纠正、电离层纠正、固体潮汐纠正和极潮纠正。针对两种不同的测高数据,提出了一种基于Envisat RA-2和GLAS数据光斑脚印几何相交的高程相对纠正方法,即通过分析GLAS脚印点与Envisat RA-2数据中心点重叠的点对,建立这些相交点对的高度差(GLAS-RA-2)与表征地形起伏的粗糙度之间的相关关系,对具有稳定相关关系的点对进行Envisat RA-2数据的相对纠正。通过分析南极冰盖不同区域的测高点密度,确定最终DEM的分辨率为1000 m。考虑到南极普里兹湾和内陆地区的差异性,将南极冰盖分为16个区,利用半方差分析确定最佳插值模型和参数,采用克吕金插值方法生成了1000 m分辨率的南极冰盖高程数据。利用两种机载激光雷达数据和我国多次南极科考实测的GPS数据对新的南极DEM进行了验证。结果显示,新的DEM与实测数据的差值范围为3.21—27.84 m,其误差分布与坡度密切关系。
黄华兵
八宝河流域逐日无云MODIS积雪面积比例数据集（2008.1.1-2014.6.1）是在MODIS逐日积雪产品—MOD10A1的基础上，采用一种基于三次样条函数插值的去云算法进行去云处理后得到(唐志广，2013)。 该数据集采用UTM（横轴等角割圆柱）投影方式，空间分辨率500m，提供逐日的八宝河流域积雪反照率（Snow Albedo Daily-SAD）结果。数据集为逐日文件，从2008年1月1日到2014年6月1日。每个文件为当日的积雪反照率结果，数值为0-100（%），为ENVI标准文件，命名规则为：MOD10A1.AYYYYddd_h25v05_Snow_SAD_Grid_2D_reproj_babaohe_nocloud.img，其中YYYY代表年， ddd代表儒略日（001-365/366）。文件可直接用ENVI或者ARCMAP等软件打开察看。 进行去云处理的原始MODIS积雪数据产品来源于由美国国家雪冰数据中心（NSIDC）处理的MOD10A1产品，这一数据集为hdf格式，采用sinusoidal投影。 八宝河流域逐日无云MODIS反照率数据集（2008.1.1-2014.1.1）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500m，经度范围为100.2°～101.2°E，纬度为37.6°～38.3°N。 投影信息：UTM（横轴等角割圆柱）投影。 数据格式：ENVI标准格式。文件命名规则："MOD10A1.A"+"YYYYddd"+"_h25v05_Snow_SAD_Grid_2D_reproj_babaohe_nocloud"+".img"，其中YYYY代表年，ddd代表儒略日（001-365/366），其中该数据集的ENVI文件是由头文件和主体内容构成。头文件包括行数、列数、波段数、文件类型、数据类型、数据记录格式、和投影信息等；以2000055_FSC_0.5km.img 文件为例，其头文件信息如下： ENVI description = { ENVI File, Created [Wed Nov 26 11:50:00 2014]} samples = 187 lines = 132 bands = 1 header offset = 0 file type = ENVI Standard data type = 4 ：代表byte型 interleave = bsq ：数据记录格式为BSQ sensor type = Unknown byte order = 0 map info = {UTM, 1.000, 1.000, 596240.026, 4244174.613, 5.0000000000e+002, 5.0000000000e+002, 47, North, WGS-84, units=Meters} coordinate system string = {PROJCS["UTM_Zone_47N",GEOGCS["GCS_WGS_1984",DATUM["D_WGS_1984",SPHEROID["WGS_1984",6378137.0,298.257223563]],PRIMEM["Greenwich",0.0],UNIT ["Degree",0.0174532925199433]],PROJECTION["Transverse_Mercator"],PARAMETER["False_Easting",500000.0],PARAMETER["False_Northing",0.0],PARAMETER ["Central_Meridian",99.0],PARAMETER["Scale_Factor",0.9996],PARAMETER["Latitude_Of_Origin",0.0],UNIT["Meter",1.0]]} wavelength units = Unknown
王建, 潘海珠
2007年10月17日夜间，在峨堡样方1和峨堡样方2开展了Envisat ASAR数据的地面同步观测试验。 Envisat ASAR数据为AP模式，VV/VH极化组合方式，过境时间约为23:04BJT。峨堡样方1和峨堡样方2均为3Grid×3Grid，每个Grid为30m×30m正方形，共计25个采样点（包含中心点和角点）。与卫星过境同步在每个采样点，采用WET土壤水分速测仪测量土壤体积含水量、土壤电导率、土壤温度及土壤复介电常数实部；采用手持式红外温度计获得地表辐射温度；并用环刀取土经烘干获得重量含水量、土壤容重及体积含水量。同时还对植被参数进行了相关测量，主要包括植被高度、覆盖度、植被含水量。 本数据可为发展和验证主动微波遥感反演土壤水分及冻融状态算法及正向模型提供地面数据集。
钞振华, 车涛, 秦春, 吴月茹
2007年10月17日夜间，在阿柔样方2开展了Envisat ASAR数据的地面同步观测试验。 Envisat ASAR数据为AP模式，VV/VH极化组合方式，过境时间约为23:04BJT。阿柔样方2为3Grid×3Grid，每个Grid为30m×30m，共计25个采样点（包含中心点和角点）。 与卫星过境同步，在阿柔样方2，采用ML2X土壤水分速测仪获取土壤体积含水量；采用WET土壤水分速测仪测量获得土壤体积含水量、电导率、土壤温度及土壤复介电常数实部；手持式红外温度计获得地表辐射温度；并采用100cm^3环刀取土经烘干获得重量含水量、土壤容重及体积含水量。同时还对植被一些参数进行了相关调查，主要包括植被高度、覆盖度、植被含水量。地表粗糙度信息请参见“黑河综合遥感联合试验：阿柔加密观测区地表粗糙度数据集 ”元数据。 本数据可为发展和验证主动微波遥感反演土壤水分及冻融状态算法提供基本的地面数据集。
白云洁, 郝晓华, 晋锐, 李弘毅, 李新, 李哲
2007年10月17日夜间，在扁都口样方1和扁都口样方2开展了Envisat ASAR数据的地面同步观测试验。 Envisat ASAR数据为AP模式，VV/VH极化组合方式，过境时间约为23:04BJT。扁都口样方1和扁都口样方2均为3Grid×3Grid，每个Grid为30m×30m正方形，共计25个采样点（包含中心点和角点）。 与卫星过境同步，在扁都口样方1和扁都口样方2，采用Hydra probe水分仪测得土壤温度、土壤体积含水量（cm^3/cm^3）、土壤盐分（s/m）及土壤电导率（s/m）；手持式红外温度计获得地表辐射温度；并采用100cm^3环刀取土经烘干获得重量含水量、土壤容重及体积含水量。同时还对植被一些参数进行了相关调查，主要包括植被高度、覆盖度、植被含水量。 本数据可为发展和验证主动微波遥感反演土壤水分及冻融状态算法及正向模型提供基本的地面数据集。
白云洁, 曹永攀, 李新, 王维真, 王旭峰
2008年5月25日在盈科绿洲与花寨子荒漠加密观测区进行了EO-1 Hyperion同步观测，地面测量数据包括ASD光谱仪数据、LAI、植被覆盖度、土壤剖面水分与温度、CE318太阳分光光度计大气参数。 测量内容： （1）CE318太阳分光光度计大气参数。为利用法国CIMEL公司生产的太阳分光光度计测量得到的大气参数。测量地点为工行度假村办公室楼顶。CE318太阳分光光度计通过直接太阳辐射测量数据，可以反演出非水汽通道的光学厚度、瑞利散射、气溶胶光学厚度，水汽通道936nm测量数据可以获得大气气柱的水汽含量，水平能见度也可从CE318数据导出。本次测量采用了北京师范大学的CE318，其可提供1020nm、936nm、870nm、670nm和440nm共5个波段的光学厚度，可以利用936nm测量数据反演大气柱水汽含量。 本数据包括原始数据和处理后的大气数据。原始数据以CE318特有文件格式*.k7存储，可用ASTPWin软件打开，并附带说明文件ReadMe.txt ；处理后文件包括利用原始数据反演获得光学厚度、瑞丽散射、气溶胶光学厚度、水平能见度和近地表大气温度，以及参与计算的太阳方位角、天顶角、日地距离修正因子和大气柱质量数。 处理数据以Excel格式保存。 （2）ASD光谱仪数据。利用ASD（Analytical Sepctral Devices）光谱仪测量盈科绿洲玉米地光谱数据。测量仪器为北京大学的光谱仪（350-2500nm），采样方式为冠层垂直观测和条带观测；数据包括原始数据与记录数据、处理后的反射率数据。 本数据的原始数据为ASD标准格式，可利用其自带软件ViewSpec打开。处理后的反射率数据以Excel格式保存。 （3）土壤水分与土壤温度等数据，包括① 花寨子荒漠样地1和防风林（位置见具体数据）0-40cm的土壤水分和土壤温度。土壤水分测量利用换刀取样称重法，土壤温度用热电偶测得；②在盈科绿洲玉米地测量了0-100cm土壤剖面水分和温度数据。数据以Excel保存。 （4）LAI等冠层结构数据，测量样地为盈科绿洲玉米地。测量方法为：利用皮尺、卷尺、直尺测量在盈科绿洲玉米地测量玉米和小麦每株各叶片的最大长度和最大宽度。利用室内扫描真实叶面积与最大长度和最小宽度的转换系数，获得叶面积指数。本数据以Excel保存。 （5）植被覆盖度数据。测量对象为花寨子玉米地的玉米与小麦、花寨子荒漠样地1和花寨子荒漠样地2的植被（红砂）。测量方式：利用自制覆盖度观测仪进行测量，相机在距地面2.5m至3.5m高度拍摄地面照片，同时在照片范围内放置长度已知的物体（皮尺、竹竿等）来标定照片的面积大小，利用GPS确定照片拍摄的位置，并记录下与覆盖度、拍摄环境相关的信息。覆盖度原始数据包括覆盖度光学照片与覆盖度数据记录两部分。利用LAB色度空间变换技术，提取光学照片绿色植被覆盖度（参考覆盖度处理数据）。 本数据包括经过LAB色度空间变换提取的植被影像和植被覆盖度数据。植被覆盖度数据可由记事本打开。
陈玲, 钱永刚, 任华忠, 王颢星, 阎广建, 盖迎春, 舒乐乐, 王建华, 徐瑱, 光洁, 李丽, 辛晓洲, 张阳, 周春艳, 陶欣, 闫彬彦, 姚延娟
2008年6月19日，在阿柔样方1、阿柔样方2和阿柔样方3开展Envisat ASAR同步土壤水分观测及探地雷达观测，获取各样方的土壤水分信息；探地雷达开展了1个样带的工作。 Envisat ASAR数据为AP模式，VV/VH极化组合方式，过境时间约为11:17BJT。包括POGO便携式土壤水分传感器测量的土壤体积含水量、土壤温度、损耗正切、土壤电导率、土壤介电常数实部及虚部；针式温度计获得的0-5cm平均土壤温度。本数据可为发展和验证遥感反演地表温度及蒸散发提供基本的地面数据集。 本数据集包括4个文件或文件夹，分别为：ASAR数据、阿柔样方1观测数据、阿柔样方2观测数据、阿柔样方3观测数据。
曹永攀, 盖春梅, 韩旭军, 晋锐
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
