青藏高原地区5年（2005、2010、2015、2017和2018）逐日0.01°×0.01°地表土壤水分数据（SMHiRes, V1）-时空三极环境大数据平台

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。

数据使用方法

文件命名约定：YYYYMMDD.tiff （YYYY：年，MM：月，DD：日）
数据版本号：V1
投影：+proj=longlat +datum=WGS84 +no_defs
数据格式：GeoTIFF, 2000行×3000列
土壤水分单位：cm3/cm3
土壤水分有效值范围：0.02~0.5
填充值：Nodata

本数据要求的引用方式
查看数据引用帮助  数据引用必读

文章的引用

1. Liu, J., Chai, L.N., Lu, Z., Liu, S.M., Qu, Y.Q., Geng, D.Y., Song, Y.Z., Guan, Y.B., Guo, Z.X., Wang, J., Zhu, Z.L. (2019). Evaluation of SMAP, SMOS-IC, FY3B, JAXA, and LPRM Soil Moisture Products over the Qinghai-Tibet Plateau and Its Surrounding Areas. Remote Sensing, 11(7), 792. (https://doi.org/10.3390/rs11070792)(查看)

2. Qu, Y.Q., Zhu, Z.L., Chai, L.N., Liu, S.M., Montzka, C., Liu, J., Yang, X.F., Lu, Z., Jin, R., Li, X., Guo, Z.X., Zheng, J. (2019). Rebuilding a Microwave Soil Moisture Product Using Random Forest Adopting AMSR-E/AMSR2 Brightness Temperature and SMAP over the Qinghai–Tibet Plateau, China. Remote Sensing, 11(6), 683. (https://doi.org/10.3390/rs11060683)(查看)

数据的引用

柴琳娜, 朱忠礼, 刘绍民. (2020). 青藏高原地区5年（2005、2010、2015、2017和2018）逐日0.01°×0.01°地表土壤水分数据（SMHiRes, V1）. 国家青藏高原科学数据中心, 2020. doi: 10.11888/Soil.tpdc.270947.
[Chai, L., Zhu, Z., Liu, S. (2020). Daily 0.01°×0.01° Land Surface Soil Moisture Dataset of the Qinghai-Tibet Plateau (SMHiRes, V1). National Tibetan Plateau Data Center, 2020]

使用本数据时必须引用“文章的引用”中列出的文献，并进行数据的引用

参考文献

1.Jia, K., Liang, S., Liu, S., Li, Y., et al. (2015). Global land surface fractional vegetation cover estimation using general regression neural networks from MODIS surface reflectance. IEEE Transactions on Geoscience and Remote Sensing, 53(9), 4787 - 4796.( 查看 )

2.Merlin, O., Escorihuela, M.J., Mayoral, M.A., et al. (2013). Self-calibrated evaporation-based disaggregation of SMOS soil moisture: An evaluation study at 3 km and 100 m resolution in Catalunya, Spain. Remote Sensing of Environment, 130(4), 25-38.( 查看 )

3.Piles, M., Petropoulos, G.P., Sánchez, N., et al. (2016). Towards improved spatio-temporal resolution soil moisture retrievals from the synergy of SMOS and MSG SEVIRI spaceborne observations. Remote Sensing of Environment, 180, 403-417.( 查看 )

4.Srivastava, P.K., Han, D., Ramirez, M.R., et al. (2013). Machine Learning Techniques for Downscaling SMOS Satellite Soil Moisture Using MODIS Land Surface Temperature for Hydrological Application. Water Resources Management, 27(8), 3127-3144.( 查看 )

5.Im, J., Park, S., Rhee, J., et al. (2016). Downscaling of AMSR-E soil moisture with MODIS products using machine learning approaches. Environmental Earth Sciences, 75(15), 1120.( 查看 )

6.Xiao, Z., Liang, S., Wang, J., et al. (2014). Use of general regression neural networks for generating the GLASS leaf area index product from time-series MODIS surface reflectance. IEEE Transactions on Geoscience and Remote Sensing, 52(2), 209 - 223.( 查看 )

7.Zhao, W., Sánchez, N., Lu, H., Li, A. (2018). A spatial downscaling approach for the SMAP passive surface soil moisture product using random forest regression. Journal of Hydrology, 563, 1009-1024.( 查看 )

8.Qu, Y., Liu, Q., Liang, S., Wang, L., Liu, N., Liu, S. (2014). Direct-estimation algorithm for mapping daily land-surface broadband albedo from MODIS data. IEEE Transactions on Geoscience and Remote Sensing, 52(1), 907 - 919.( 查看 )

使用条款

为尊重知识产权、保障数据作者的权益、扩展数据中心的服务、评估数据的应用潜力，请数据使用者在使用数据所产生的研究成果中（包括公开发表的论文、论著、数据产品和未公开发表的研究报告、数据产品等成果），明确注明数据来源和数据作者。对于转载（二次或多次发布）的数据，作者还须注明原始数据来源。

License： This work is licensed under an Attribution 4.0 International (CC BY 4.0)

资助项目

泛第三极环境变化与绿色丝绸之路建设专项

数据评论

登录后可以添加数据评论。

添加到数据篮

关注

关键词

空间位置

East: 110.00	West: 70.00
South: 25.00	North: 45.00

数据细节

文件列表
/2017.zip 大小：17.7 GB

/2015.zip 大小：17.8 GB

/2018.zip 大小：17.6 GB

/2005.zip 大小：17.6 GB

/2010.zip 大小：17.5 GB
时间分辨率：Daily
空间分辨率：<= 0.01º
大小：85197.0 MB
浏览：4208 次
下载量：175 次
数据时间范围：2015-01-24 至 2015-09-24
共享方式： 开放获取
元数据更新时间：2021-04-19