青藏高原地区积雪的赋存变化较快,高原周边高山区具有冰雪资源丰富,大气对流活跃等特点,而光学遥感往往受云的影响,在日时间尺度上积雪覆盖监测需要考虑去云问题。在充分考虑青藏高原的地形和山地积雪特征的情况下,本套数据集采用了多种去云过程和步骤相结合,逐步实现保持积雪分类精度的情况下,完成逐日积雪面积的云量消除,形成了“青藏高原 MODIS 逐日无云积雪面积”的逐步综合分类算法,完成了“青藏高原 MODIS 逐日无云积雪面积数据集(2002 - 2015 年)”。选取 2009年 10 月 1 日至 2011 年 4 月 30 日中的两个积雪季为算法研究和精度验证试验数据,采用研究区 145 个地面台站提供的雪深数据作为地面参考。结果表明,在高原地区,当积雪深度> 3 cm 时,无云积雪产品总分类精度达到 96.6%,积雪分类精度达 89.0%,整个算法流程对WGS84投影的中等分辨率的MODIS积雪产品MOD10A1以及MYD10A1为基础,去云的精度损失较低,数据可靠性较高。
邱玉宝
NCEP/NCAR再分析数据工程(1.0)是美国国家环境预报中心-国家大气研究中心(National Centers for Environmental Prediction–National Center for Atmospheric Research: NCEP–NCAR)利用美国国家先进的分析/预测系统去对过去的资料(1948-最近)进行数据同化处理。 这些数据大部分都是来自PSD(物理科学部:Physical Sciences Division)原始日平均的数据。然而,自1948到1957阶段数据有一点不同,属于常规(非高斯)栅格数据。目前官方网站公布的资料一般是从1948至今,最新一天的资料一般会更新到当天的前两日。对于等压面上的资料,一般垂直分辨率会有17层,从1000hPa到10hPa。水平分辨率一般为2.5°×2.5°。NCEP再分析资料是国际上比较系统的大气科学再分析数据集,与欧洲中心的再分析资料相比,其覆盖的起始年份要早一些,最新的资料更新也更快一些。两套再分析数据集是目前国际上使用最为广泛的数据集。 数据的详细情况见https://www.esrl.noaa.gov/psd/data/gridded/data.ncep.reanalysis.html
罗德海, 姚遥
本数据集为L波段机载微波辐射计于2012年8月1日获取,地点在黑河上游地区。 其中L波段频率为1.4GHz,天顶角观测,V极化与H极化信息;飞机8:30(北京时间,下同)从张掖机场起飞,12:30降落。飞行历时5小时。在观测期间,飞行高度1000m左右,飞行速度220-250km/hr左右。 原始数据分为两部分,分别为微波辐射计数据和地理位置KMZ数据。微波辐射计数据包括V极化与H极化两个数据文件,分辨率300 m,每个数据文件包含所观测TB值和对应扫描波束ID、入射角、位置、时间标记(UTC)和其他飞行姿态信息。KMZ文件给出38.5入射角下飞区域行1公里网格TB值分布数据。飞机前和结束时微波辐射计分别进行了“热”和“冷”辐射校正。微波辐射计数据应考虑电磁波干扰影响,V极化TB值受电磁波干扰较强,H极化受影响较小。
车涛, 高莹, 李新
基于中国科学院资源环境科学数据中心全球100万基础地理数据(2010年),在AarcGIS里分别提取北极八国(美国、加拿大、俄罗斯、挪威(含Greenland格陵兰和Faro岛)、丹麦、瑞典、芬兰、冰岛)在国家、省级层面的行政区划,分国别保存。数据格式是arcgis的shp格式,投影方式为GCS_WGS_1984. 国家级数据源自http://www.resdc.cn/data.aspx?DATAID=205; 省级数据源自http://www.resdc.cn/data.aspx?DATAID=206.
杨林生, 王利
在2012年中游试验期间,委托张掖观象台开展基于L波段探空系统的常规探空加密观测,同时收集1天2次的观测数据,从而获取8:00、14:00和20:00一天3次的探空观测资料。该数据用于支持航空遥感影像和卫星影像的大气校正工作,同时也可以支持气象分析。 观测地点: 张掖国家气候观象台,张掖城西20km沙井镇,观测点坐标为:39°5'15.68"N,100°16'39.11"E。 测量仪器: 国家气象局业务L波段探空系统。 测量时间: 2012年6月1日至8月31日共计92天连续观测,观测时间为7:00-8:00、13:00-14:00和19:00-20:00。2012年5月1日-31日和9月1日之30日观测时间为7:00-8:00和19:00-20:00。 数据内容: 风、温、湿、压等要素的大气廓线数据,观测频率为2秒钟1次,观测高度30000米左右。
马明国
青藏高原过去的冻土图主要基于稀少的台站气温观测,采用基于连续性的分类系统。本数据集利用地理加权回归模型(GWR)综合了经过时空重建的MODIS地表温度、叶面积指数、积雪比例和国家气象信息中心多模型土壤水分预报产品、融合了4万多个气象站降水观测和FY2卫星观测的降水产品及152个气象台站2000-2010年的多年平均气温观测数据,模拟得到了青藏高原过去1公里分辨率的多年平均气温数据,利用多年冻土热条件分类系统,将多年冻土分为非常冷(Very cold)、冷(Cold)、凉(Cool)、暖(Warm)、非常暖(Very warm)和可能解冻(Likely thawing)几个类型。该图显示,扣除湖泊和冰川,青藏高原多年冻土总面积约为107.19万平方公里。验证表明该图具有更高的精度。可为今后冻土工程规划设计与环境管理等提供支持。
冉有华, 李新
青藏高原冰川细菌资源库数据集提供了刘勇勤实验组在2010-2018年间分离的青藏高原7条冰川(珠峰东绒布冰川,天山一号冰川,古里雅冰川,老虎沟冰川,木孜塔格冰川,七一冰川和玉珠峰冰川),向述荣分离的马兰冰川和张新芳分离的普若岗日冰川的细菌16S核糖体RNA基因序列。冰川样品采集后带回北京青藏高原院研究所生态实验室和兰州冰冻圈国家实验室,涂布平板后于不同温度下(4-25摄氏度)培养20天-90天并挑取单菌落纯化。分离的细菌提取DNA后以27F/1492R引物扩增16S核糖体RNA基因片段,并使用Sanger法测序。16S核糖体RNA基因序列通过“Classifier”软件与RDP数据库进行比对,在可靠性大于>80%的情况下鉴定到属一级水平。 本数据包含每条序列的16S核糖体RNA基因片段序列及冰川来源。与以高通量测序为基础的序列相比,本数据的序列长度更长,分类更准确,更好的服务于冰川微生物研究。
计慕侃
本数据集包括甘肃省张掖市甘州区五星村农田2013年11月21日-22日车载微波辐射计观测亮温、同步测量的土壤质地,粗糙度和地表温度连续观测数据集。地表温湿度包括温度传感器在土壤深度1cm、5cm,10cm,20cm四层和湿度传感器在土壤深度0-5cm处,观测的土壤温度,土壤水分数据。土壤温湿度的常规观测的时间频率为5分钟。 数据细节: 1. 时间:2013年11月21日-22日 2. 数据: 亮温: 使用车载多频被动微波辐射计观测,包括6.925、18.7和36.5GHz V极化和H极化数据(10.65GHz 波段损坏) 土壤温度:使用安装在dt80上的传感器测量1cm,5cm,10cm,20cm土壤温度 土壤湿度:使用H-probe传感器测量0-5cm土壤湿度,该传感器可以同时测量0-5cm土壤温度 土壤质地:取土样在北京师范大学测量 土壤粗糙度:使用东北地理所提供的粗糙度仪测量 3. 数据大小:2.5M 4. 数据格式:.xls
赵少杰, 寇晓康, 叶勤玉, 马明国
本数据集包括甘肃省张掖市甘州区五星村农田2013年11月19日-20日车载微波辐射计观测亮温、同步测量的土壤质地,粗糙度和地表温度连续观测数据集。地表温湿度包括温度传感器在土壤深度1cm、5cm,10cm,20cm四层和湿度传感器在土壤深度0-5cm处,观测的土壤温度,土壤水分数据。土壤温湿度的常规观测的时间频率为5分钟。 数据细节: 1. 时间:2013年11月19日-20日 2. 数据: 亮温: 使用车载多频被动微波辐射计观测,包括6.925、18.7和36.5GHz V极化和H极化数据(10.65GHz 波段损坏) 土壤温度:使用安装在dt80上的传感器测量1cm,5cm,10cm,20cm土壤温度 土壤湿度:使用H-probe传感器测量0-5cm土壤湿度,该探头可以同时测量0-5cm土壤温度 土壤质地:取土样在北京师范大学测量 土壤粗糙度:使用东北地理所提供的粗糙度仪测量 3. 数据大小:2.5M 4. 数据格式:.xls
赵少杰, 寇晓康, 叶勤玉, 马明国
北极阿拉斯加站点薄云反演特征数据是基于地面红外辐射波谱观测利用最优化方法获得的薄云遥感反演产品,数据覆盖时间从2000年到2014年,时间分辨率为逐小时,为层云整层平均特征,覆盖站点为北极阿拉斯加站点,经纬度坐标为(71°19′22.8″N, 156°36′32.4″ W)。所包含特征变量包含云水有效半径、云水含量、云冰有效半径、云冰含量、云光学厚度;相应的观测反演误差范围约为10%,20%,10%,20%和15%。数据格式为dat格式。
赵传峰
监测冰川物质平衡数据是反应冰川对气候变化响应的最直接最可靠的数据。 全球冰川监测物质平衡数据通过对全球可获取物质平衡数据进行收集整理,获取了具有连续观测时间序列(未间断)的76条冰川信息及其连续观测的冰川物质平衡数据,时间分辨率为年,从1950年到2016年。
肖瑶, 上官冬辉
南北极及青藏高原冰川雪和冰里原核微生物分布数据集提供了刘勇勤实验组在2010-2018年间从NCBI数据库收集的细菌16S核糖体RNA基因序列。 NCBI数据库搜索的关键词为Antarctic, Arctic Tibetan, Glacier.。收集的序列通过使用DOTOUR软件计算序列之间相似度,相似度在97%以上的序列聚类为一个OTU,并定义OTU代表序列。OTU代表序列通过“Classifier”软件与RDP数据库进行比对,在可靠性大于>80%的情况下鉴定到属一级水平。获得序列后,通过阅读序列文件中样品信息获得样品的GPS坐标。本数据包含每条序列的16S核糖体RNA基因片段序列,进化分类,及样品GPS坐标。本数据与以高通量测序为基础的序列相比,本数据的序列长度更长,分类更准确,对于比较三极微生物的进化信息,以及研究嗜冷微生物进化的认识有重要意义。
计慕侃
北美多模型集合NMME是由美国模式中心(包括NOAA/NCEP、NOAA/GFDL、IRI、NCAR、NASA)和加拿大CMC联合发布的多模式集合季节预报系统数据集。数据包含1982-2010年回报数据和2011年至今的实时气象预报数据。其时间分辨率为逐月,覆盖范围为全球,水平空间分辨率为1°。NMME共有9个气候预报模式,每个模式包含6-28个集合成员,预见期为9-12个月。其气候模式的名称、来源、集合成员和预见期如下: 1)CMC1-CanCM3,Environment Canada,10个模式,12个月 2)CMC2-CanCM4,Environment Canada,10个模式,12个月 3)COLA-RSMAS-CCSM3,National Center for Atmospheric Research,6个模式,12个月 4)COLA-RSMAS-CCSM34,National Center for Atmospheric Research,10个模式,12个月 5)GFDL-CM2p1-aer04,NOAA Geophysical Fluid Dynamics Laboratory,10个模式,12个月 6)GFDL-CM2p5-FLOR-A06,NOAA Geophysical Fluid Dynamics Laboratory,12个模式,12个月 7)GFDL-CM2p5-FLOR-B01,NOAA Geophysical Fluid Dynamics Laboratory,12个模式,12个月 8)NASA-GMAO-062012,NASA Global Modeling and Assimilation Office,12个模式,9个月 9)NCEP-CFSv2,NOAA National Centers for Environmental Prediction,24/28个模式,10个月 除CFSv2模式外(只含降水和平均气温),其他模式数据变量包含降水、平均气温、最高气温和最低气温。每个模式集合成员每月的一个变量数据存放一个nc文件。各变量的气象要素、变量名、单位和物理意义如下: 1)平均气温,tref,K,月平均近地面(2m)平均气温 2)最高气温,tmax,K,月平均近地面(2m)最高气温 3)最低气温,tmin,K,月平均近地面(2m)最低气温 4)降水,prec,mm/day,月平均降水量。 该数据集在气候预报,水文预报驱动,量化模式预报不确定性方面得到广泛的应用。
叶爱中
本数据集包括甘肃省张掖市甘州区五星村农田2013年11月18日-19日车载微波辐射计观测亮温、同步测量的土壤质地,粗糙度和地表温度连续观测数据集。地表温湿度包括温度传感器在土壤深度1cm、5cm,10cm,20cm四层和湿度传感器在土壤深度0-5cm处,观测的土壤温度,土壤水分数据。土壤温湿度的常规观测的时间频率为5分钟。 数据细节: 1. 时间:2013年11月18日-19日 2. 数据: 亮温: 使用车载多频被动微波辐射计观测,包括6.925、18.7和36.5GHz V极化和H极化数据(10.65GHz 波段损坏) 土壤温度:使用安装在dt80上的传感器测量1cm,5cm,10cm,20cm土壤温度 土壤湿度:使用H-probe传感器测量0-5cm土壤湿度,该探头可以同时测量0-5cm土壤温度 土壤质地:取土样在北京师范大学测量 土壤粗糙度:使用东北地理所提供的粗糙度仪测量 3. 数据大小:3.5M 4. 数据格式:.xls
赵少杰, 寇晓康, 叶勤玉, 马明国
青藏高原典型冰川DEM采用双站InSAR方法制作,数据采集时间为2013年11月21日,覆盖范围为普若岗日和祁连山西部地区,空间分辨率10米,高程精度0.8m的DEM结果,精度可满足国家1∶10000地形制图的要求。冰川DEM采用TanDEM-X双站InSAR数据,采用改进的SAR干涉处理方法,顾及了双站InSAR在成像几何和相位解缠等方面的特点,高分辨率、高精度地生成了上述两个典型冰川的表面DEM。该数据集采用Geotiff格式,每个典型冰川DEM存储为一个文件夹。 数据的详细情况见青藏高原典型冰川DEM数据集-数据说明。
江利明
未来人口情景预测以2005年为基准年,采用人口阻滞增长模型,不仅能够较好地描述人口与许多生物数量的变化规律,而且在经济领域也有广泛的应用。城市化率的预测采用城市化Logistics模型。依据已有的城市化水平序列值,通过非线性回归求出参数式中参数,建立预测模型。城市人口数量由预测的人口数乘以城镇化率求出。数据采用非农业人口。采用logistic模型预测流域未来各县市国民生产总值,然后根据未来各县市各时段经济发展水平(用人均GDP表示)设定各时段相应的产业结构情景,预测各次产业产值。我国及研究区产业结构的变化趋势滞后于GDP增长速度,因而根据设定的研究区未来产业结构情景需要进行了适当调整。
钟方雷
大多数仪器气候记录的长度相对较短,限制了对气候变化的研究,因此有必要借助代理数据将记录延续到过去。直到20世纪40年代后期,才有了足够质量和空间分辨率的大气数据来确定气候变化的主要模式,如北美太平洋模式和太平洋年代际振荡。全球冰芯除了分布在南北两极以及第三极,阿拉斯加也有山地冰川分布,在该区域获得的冰芯数据,对于揭示北美地区气候,对于揭示低纬度与高纬度北极地区气候变化具有主要的意义。 各变量的物理意义: 第一列:时间;第二列:积累率数据;第三列:氧同位素数据值
杜志恒
未来人口情景预测以2005年为基准年,采用人口阻滞增长模型,不仅能够较好地描述人口与许多生物数量的变化规律,而且在经济领域也有广泛的应用。城市化率的预测采用城市化Logistics模型。依据已有的城市化水平序列值,通过非线性回归求出参数式中参数,建立预测模型。城市人口数量由预测的人口数乘以城镇化率求出。数据采用非农业人口。采用logistic模型预测流域未来各县市国民生产总值,然后根据未来各县市各时段经济发展水平(用人均GDP表示)设定各时段相应的产业结构情景,预测各次产业产值。我国及研究区产业结构的变化趋势滞后于GDP增长速度,因而根据设定的研究区未来产业结构情景需要进行了适当调整。
杨林生, 钟方雷
雪水当量(积雪深度与密度之积)是反映地表积雪量变化的重要因子,是地表水文模型和气候模式中的一个重要参数。青藏高原作为亚洲水塔,多条大江大河补给主要依靠高原上冰川或积雪的融化。基于被动微波对积雪监测的敏感性,本数据实现了长时间序列的高亚洲地区雪水当量的反演。数据集包含日雪水当量、月雪水当量以及每五日雪水当量,可服务于当地水文、畜牧业生产等方面。
邱玉宝
高亚洲地区是中纬度全球变化敏感区和研究的热点区域,其境内湖泊星罗棋布,湖冰冻融参数是全球变化的关键敏感因子之一。由于冰水介电常数差异大,高重访率且对天气不敏感的星载被动微波遥感可实现湖冰冻融状态的快速监测。本数据集依据微波辐射计像元内湖泊和陆表的面积比例,应用混合像元分解方法获取了像元(亚像元级)的湖泊亮温信息,实现高亚洲地区被动微波遥感亚像元级湖冰冻融监测,并采用多种被动微波数据,共计获得高亚洲区域 2002-2016 年 51 个中大型时间序列湖泊亮温数据和冻融状态信息。以无云MODIS 光学产品为验证数据,在高亚洲不同区域,选取可可西里湖、达则错、库赛湖等三个大小不一的湖泊进行冻融判别验证,结果表明微波和光学遥感所获取的湖冰冻结和融化参数具有较高的一致性,其相关系数可达0.968 与 0.987。本数据集包含湖泊的时间序列亮温值和湖冰冻融参数,可进一步对湖泊开展特征参数反演,以及提升对高亚洲地区的湖冰冻融的理解,为高亚洲地区气候、环境变化以及高亚洲对全球气候变化响应模型提供数据基础。数据集由 2 部分数据组成,其一为 2002-2016 年高亚洲区域 51个湖泊的被动微波遥感亮温数据集,观测时间间隔为 1~2 天;其二是由湖泊亮温数据集判断所获得的湖冰冻融数据集。文件名分别为:最邻近法与像元分解的湖泊亮温数据 .zip(12 MB),2002–2016 高亚洲 51 个湖泊湖冰冻融数据集 .xls(0.1 MB)
邱玉宝
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