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
包含青藏高原地区气溶胶类型和气溶胶光学厚度，两类数据。 气溶胶类型数据产品是综合利用MEERA 2同化资料和主动卫星CALIPSO产品经过一系列数据预处理、质量控制、统计分析和对比分析等过程而融合得出的气溶胶类型结果。该气溶胶类型融合算法的关键是对CALIPSO气溶胶类型的判断。融合时根据CALIPSO气溶胶类型的种类和质控，并参考MERRA 2气溶胶类型得到最终气溶胶类型数据（共12种）和质量控制结果。充分考虑了气溶胶的垂直分布以及空间分布，具有较高的空间分辨率（0.625°×0.5°）和时间分辨率（月）。 气溶胶光学厚度（AOD）采用自主研发的可见光波段遥感反演方法，结合Merra-2模式数据与NASA的官方产品MOD04制作，数据覆盖时间从2000年到2019年，时间分辨率为逐日，空间分辨率为0.1度。反演方法主要采用自主研发的APRS算法，反演了冰雪上空的气溶胶光学厚度，算法考虑了冰雪地表的BRDF特性，适用于冰雪上空气溶胶光学厚度的反演。通过实测站点验证表明，数据相对偏差在35%以内，可有效提高极区气溶胶光学厚度的覆盖率和精度。
光洁, 赵传峰
青藏高原0.01°空间分辨率近地表气温数据集（1979-2018）通过对中国区域地面气象要素驱动数据集中空间分辨率为0.1°的气温数据进行降尺度得到。它包含日均气温和三小时分辨率的瞬时气温。其空间分辨率为0.01°（约1km）。时间范围为1979年到2018年。空间范围为73°E-106°E, 23°N-40°N。该数据集可以为地表辐射与能量平衡、气候变化、水文气象等领域的研究与应用提供较高空间分辨率的近地表气温数据。
丁利荣, 周纪, 王伟, 马晋
Snow is a significant component of the ecosystem and water resources in high-mountain Asia (HMA). Therefore, accurate, continuous, and long-term snow monitoring is indispensable for the water resources management and economic development. The present study improves the Moderate Resolution Imaging Spectroradiometer (MODIS) onboard Terra and Aqua satellites 8 d (“d” denotes “day”) composite snow cover Collection 6 (C6) products, named MOD10A2.006 (Terra) and MYD10A2.006 (Aqua), for HMA with a multistep approach. The primary purpose of this study was to reduce uncertainty in the Terra–Aqua MODIS snow cover products and generate a combined snow cover product. For reducing underestimation mainly caused by cloud cover, we used seasonal, temporal, and spatial filters. For reducing overestimation caused by MODIS sensors, we combined Terra and Aqua MODIS snow cover products, considering snow only if a pixel represents snow in both the products; otherwise it is classified as no snow, unlike some previous studies which consider snow if any of the Terra or Aqua product identifies snow. Our methodology generates a new product which removes a significant amount of uncertainty in Terra and Aqua MODIS 8 d composite C6 products comprising 46 % overestimation and 3.66 % underestimation, mainly caused by sensor limitations and cloud cover, respectively. The results were validated using Landsat 8 data, both for winter and summer at 20 well-distributed sites in the study area. Our validated adopted methodology improved accuracy by 10 % on average, compared to Landsat data. The final product covers the period from 2002 to 2018, comprising a combination of snow and glaciers created by merging Randolph Glacier Inventory version 6.0 (RGI 6.0) separated as debris-covered and debris-free with the final snow product MOYDGL06*. We have processed approximately 746 images of both Terra and Aqua MODIS snow containing approximately 100 000 satellite individual images. Furthermore, this product can serve as a valuable input dataset for hydrological and glaciological modelling to assess the melt contribution of snow-covered areas. The data, which can be used in various climatological and water-related studies, are available for end users at https://doi.org/10.1594/PANGAEA.901821 (Muhammad and Thapa, 2019).
Sher Muhammad
三江源国家公园包括长江源、黄河源、澜沧江源3 个园区，总面积为12.31 万平方公里，介于东经89°50'57"—99°14'57"，北纬32°22'36"—36°47'53"，占三江源国土面积的31.16%。 本数据集是基于《三江源国家公园总体规划》中的三江源国家公园区位图进行数字化而产生。数据包含长江源园区、黄河源园区和澜沧江园区的边界。 数据格式为Shapefile格式。推荐使用arcmap打开数据。
王旭峰
青藏高原的水土资源匹配数据，由站点气象数据（2008-2016年，国家气象数据共享网）经过彭曼公式计算得出的潜在蒸散发数据，利用土地利用的不同土地类型，根据下垫面影响系数计算现有土地利用下的蒸散发量；以及气象数据中的站点降雨数据插值得到的降雨数据，根据两者差值得到水土资源匹配系数。实际降雨与现有土地利用条件下的需水量之间的差值来反映水土资源的匹配性，数值越大匹配性越好。水土资源的匹配情况的空间分布能为进一步了解青藏高原的农牧业资源情况做铺垫。
董凌霄
本数据集采用SMMR（1979-1987）、SSM/I（1987-2009）和SSMIS（2009-2015）逐日亮温数据，由双指标（TB_37v，SG）冻融判别算法生成，分类结果包含冻结地表、融化地表、沙漠及水体四种类型。数据覆盖范围为三江源区域，空间分辨率为25.067525 km，EASE Grid投影方式，以Geotif格式存储。像元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代表水体。因为该数据集中所有tif文件描述的是三江源国家公园范围，所以这些文件的行列号信息是不变的，摘录如下（其中cellsize单位为m）： ncols 52 nrows 28 cellsize 25067.525 nodata_value 0
晋锐
该数据集是基于MODIS 16天合成的NDVI产品（MOD13Q1 collection6）估算的三江源国家公园区域的植被生长季开始（Start of Season: SOS）和生长季结束的日期（End of Season: EOS）。共用了两种常见的物候期估算方法，分别是基于多项式拟合的阈值提取法（文件名中有poly字符）和基于双逻辑曲线（double logistic function）拟合后的拐点提取法（文件名中有sig字符）。该数据可以用来分析植被物候期与气候变化的关系。时间范围为2001年至2020年。空间分辨率为250m。数据中包含4个子文件夹，CJYYQ_phen是三江源国家公园长江源园区的物候结果，HHYYQ_phen是三江源国家公园黄河源园区的物候结果，LCJYYQ_phen是三江源国家公园澜沧江源园区的物候结果，SJY_phen是整个三江源区域的物候。 数据格式为geotif，建议使用arcmap或者Python+GDAL浏览和处理数据。
王旭峰
该数据集内包含2012-2015年月值净初级生产力数据，数据基于中国地面气候资料日值数据集的温度、降水、太阳辐射等气候要素以及蒸散ET、潜在PET、光合有效吸收比例FPAR、NDVI、最大光能利用率等数据通过CASA模型计算得到，计算结果用三江源采样点数据进行验证，相关系数达到0.718。该数据集可直接用于青藏高原草地植被变化的分析，为草地变化动态动态监测提供基础，为青藏高原草地变化治理提供依据。
樊江文, 辛良杰, 张海燕, 袁秀
本数据集是2017年青藏高原冰川数据，使用了210景Landsat8 OLI卫星多光谱遥感数据，时间从2013年至2018年，90%来源于2017年,85%的Landsat8 OLI数据成像于冬季。冰川数据是青藏高原净冰川覆盖范围，不包括表碛物覆盖部分。数据格式是TIFF，可以为青藏高原冰川变化、冰川水文研究提供基础数据支持。 数据内容： Value是冰川斑块在系统中自动生成的编码。 格网单元：30m 数据的投影方式：Albers等积圆锥投影。 数据加工方法：基于210景Landsat8 OLI卫星多光谱遥感数据，校正、镶嵌为假彩色合成影像（RGB:654），采用人工目视解译方法，参考波段比值法结果，结合SRTM DEM V4.1数据与Google Earth和HJ1A/1B卫星同一年不同季节的影像，剔除了山体阴影、季节性积雪的影响，参考我国第一期和第二期冰川编目数据，剔除了非冰川区的陡崖、裸露基岩等，综合提取净冰川专题矢量数据，不包括冰川末端位置不清的表碛物覆盖区域，冰川边界数字化精度为半个像元（15m）。通过对比分析，可知基于多数据源、参考多方法结果、综合专家经验知识人-机互动方法提取获得的山地冰川数据更准确。具体数据提取方法详见参考文献： Ye, Q., J.Zong,L.Tian et al. (2017). Glacier changes on the Tibetan Plateau derived from Landsat imagery: mid-1970s – 2000 – 2013. Journal of Glaciology,63(238), 273-87. DOI:10.1017/jog.2016.137。 原始遥感资料数据精度：30m 数据质量控制措施：冰川边界数字化精度控制在半个像元之内（15m）。 项目来源：中国科学院战略性先导科技专项（A类）（XDA19070302）, 第二次青藏高原综合科学考察研究资助（2019QZKK0202），国家自然科学基金项目（41530748, 91747201）、中国科学院“十三五”信息化建设专项资助(XXH13505-06)。
叶庆华
本数据集是基于MODIS数据进行处理和分析后得到，通过改进不同下垫面下的不同积雪提取算法，提高了积雪范围识别精度，同时利用隐马尔科夫去云算法和SSM/I雪水当量结合，最终生成完全无云的逐日积雪面积产品。取值范围： 1：积雪；0 非积雪。空间分辨率为0.005 度（约500m），时间范围是2000年2月24日至2019年12月31日。 数据格式为geotiff，推荐使用Arcmap或python +GDAL打开和处理数据
郝晓华
本数据集来源于中国长时间序列雪深数据集，利用三江源边界进行提取形成三江源雪深数据集。取值范围：0-100 cm。时间分辨率：逐日。空间分辨率为0.25 度（约25km），时间范围是1980年1月1日至2020年12月31日。雪深数据基于星载被动微波遥感数据生产，使用了三个不同的被动微波传感器数据，它们分别是SMMR,SSM/I和SSMI/S。由于不同的传感器之间存在一定的系统偏差，因此，首先对不同传感器的数据进行了交叉订正，然后再基于被动微波亮度温度梯度法制作中国长时间序列雪深数据集。头文件信息可参考数据集header.txt。
戴礼云
青藏高原地温分布图是基于程国栋（1984）提出的多年冻土稳定型划分指标(表1)，利用统计模拟的年变化深度地温数据划分的。利用地理加权回归方法，融合2010年左右233个钻孔年变化深度处的年平均地温数据和遥感积雪日数、GLASS叶面积指数、SoilGrids250m的土壤沙粒含量、土壤粘粒含量、土壤粉粒含量、土壤有机质和土壤体密度数据产品、中国气象局陆面数据同化系统（CLDAS）输出的二版土壤湿度产品和融合了近4万区域自动气象站和FY2/EMSIP降水产品的融合产品。估计得到了代表2010年代的青藏高原1km分辨率年冻土稳定性分布图。数据格式为Arcgis Raster。
冉有华
本数据集是1990年至2010年青藏高原地区的水资源量数据，为可更新地表与地下水资源之和。数据为矢量格式，空间分辨率为地级行政单元尺度。该数据通过校核VIC（Variable Infiltration Capacity）水文模型结果得到。模拟水资源量为水文模拟输出结果中网格地表径流量与地下径流量之和，模拟结果通过与实测站点径流数据比较进行验证。根据中国水资源公报省级尺度统计水资源量，在省级尺度引入校正系数α，令水文模型模拟省区水资源量与α的乘积等于统计水资源量。则地级行政单元水资源量为地级单元的模型模拟水资源总量与α的乘积。
杜云艳, 易嘉伟
冰川对区域和全球气候变化异常敏感，因此常被作为气候变化的指示器之一，其相关参数也是气候变化研究的关键指标，特别是在地球三极环境变化对比研究中，冰川速度的时间和空间差异性对比是气候变化研究的重点之一。但由于冰川基本位于高海拔、高纬度和高寒地区，自然环境恶劣、人迹罕至，缺乏且难以开展大规模冰川运动的常规现场测量工作，为了能够及时高效、全面和准确地了解三极地区冰川运动状况，利用雷达干涉测量、雷达和光学影像像素跟踪等方法获取了三极地区部分典型冰川2000-2017年部分年份的表面运动分布情况，为三极冰川运动的对比分析提供了基础资料。数据集包含12个栅格文件，栅格文件名为“某地区某时段冰川运动”，每一幅栅格图主要包含以某一典型冰川所在的区域流速分布。
闫世勇
本产品基于多源遥感DEM数据生成，步骤如下：以Landsat ETM+、SRTM 和ICESat遥感数据为参考在相对稳定和平坦的地形区域内选控制点。控制点水平坐标是以Landsat ETM+ L1T全色影像作为水平参考进行获取。控制点的高度坐标则主要通过ICESat GLA14高程数据进行获取，在无ICEsat分布的区域内以SRTM高程数据补充。利用选取的控制点和自动生成的连接点，通过Brown’s物理模型对透镜畸变和残余形变进行补偿，使得所有立体像对的空中三角测量结果中影像总RMSE<1个像素。为了对提取的DEM数据进行编辑以消除明显的高程异常值，采用了DEM内插、DEM滤波和DEM平滑等方法对冰川上的DEM进行了编辑，并对西昆仑-西和西昆仑-东区域的KH-9 DEM数据进行了拼接，从而形成产品。
周建民
湖冰是冰冻圈的重要参数，其变化与气温、降水等气候参数密切相关，而且可以直接反映气候的变化，因此是区域气候参数变化的一个重要的指标，但由于其研究区往往位于自然环境恶劣，人口稀少的区域，大规模的实地观测难以进行，因此利用哨兵1号卫星数据，以10m的空间分辨率和优于30天的时间分辨率对不同类型的湖冰变化进行了监测，填补了观测空白。利用HMRF算法对不同类型的湖冰进行分类，通过时间序列分析三个极区中部分面积大于25km2的湖泊的不同类型湖冰的分布，形成湖冰类型数据集，可以获得这些湖泊不同类型湖冰的分布，数据包括了被处理湖泊的序号，所处年份及其在时间序列中的序号等信息，矢量数据集包括采用的算法，所使用的哨兵1号卫星数据，成像时间，所处极区，湖冰类型等信息，用户可以根据矢量文件确定时间序列上不同类型湖冰的变化。
邱玉宝, 田帮森
河湖冰物候对气候变化敏感，是指示气候变化的重要指示因子。308个Excel文件名称对应于湖泊编号。每个excel文件包含6个列，包含2002年7月至2018年6月对应湖泊的日冰覆盖率信息。每一列的属性分别为:日期、湖水覆盖率、湖水冰覆盖率、云覆盖率、湖水覆盖率和经过云处理后的湖面冰覆盖率。通常以0.1、0.9的冰覆盖面积比作为判别湖泊冰物候的依据。数据集包含的excel文件可以进一步获取四个湖冰物候参数:开始冻结(FUS),完全冻结(FUE)，开始融化(BUS),完全融化(BUE),和92个湖泊,可获取两个参数,FUS和BUE。
邱玉宝
基于2015年欧空局ESA GlobCover全球陆地覆盖数据，结合中科院地理资源所土地利用数据NLCD-China、清华大学全球土地覆被FROM-GLC数据、美国NASA的MODIS全球土地覆被MCD12Q1数据、马里兰大学全球土地覆被UMD、美国USGS土地覆被数据IGBP DISCover，构建了青藏高原LUC分类系统以及其余数据分类系统的转换规则，构建土地覆被分类置信度函数和地类融合规则，进行土地覆被产品融合与修正，完成了青藏高原土地利用数据V1.0（1992,2005，2015，,300m×300m栅格，一级分类）
许尔琪
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
