江苏省十大湖泊水文要素变化数据集(2003-2019)

该数据集包含2003-2019年江苏省十大湖泊(太湖、洪泽湖、高邮湖、骆马湖、石臼湖、滆湖、阳澄湖、白马湖、邵伯湖和淀山湖)的水位、面积和水量变化,为研究江苏省近年来的湖泊水文生态系统平衡提供了重要的参数。 十大湖泊的水位数据基于Envisat/RA-2、Cryosat-2、ICESat、ICESat-2测高卫星获得;面积数据基于Landsat TM/OLI光学影像采用改进的归一化水体指数提取。对水位数据完整的四个湖泊(洪泽湖、高邮湖、滆湖和太湖),根据水位和面积结果估算了2003-2019年的水量变化。 与实测水位对比,卫星测高获取的所有湖泊的水位都有显著的一致性(α = 0.05),平均绝对误差为0.168 m。 该数据集提供了2003-2019年江苏省十大湖泊的水位、面积和水量变化,可以为江苏省水资源的管理与调度提供数据支持。

doi: 10.11888/Hydro.tpdc.271715 599 20 2021-09-24

青藏高原热融湖塘编目数据集(2018)

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。

doi: 10.11888/Geocry.tpdc.271205 1990 235 2021-03-09

澜沧江-湄公河流域高精度汇流网络数据集(流向、汇流累积、矢量河网)

1) 数据内容 本数据集包含澜沧江-湄公河流域流向、汇流累积和矢量河网信息。 2) 数据来源及加工方法 本数据集采用了遥感蚀刻方法(Remote Sensing Stream Burning, Wang et. al, 2021),融合了高精度高程模型MERIT-DEM和哨兵2号光学影像。 3) 数据质量描述 经验证,本数据集具备较高的空间精度(Wang et. al, 2021)。<br /> 4) 数据应用成果及前景 本数据集提供了基础的河流网络及其汇流信息,可用于水文模型、陆面过程模型、地球系统模式等模拟用途,也可以用于制图和空间统计分析。

doi: https://doi.org/10.1016/j.rse.2020.112281 4777 114 2020-12-30

祁连山地区水体指数产品(2019年)

本数据为祁连山地区2019年地表水体(包括液态水、冰川及多年积雪)分布产品。采用经典归一化水体指数法(Normalized Difference Water Index , NDWI)和人工修正的方法提取。原始基础数据为2019年祁连山全境的Landsat影像。参考数据为谷歌影像和哨兵2号影像。产品以shp文件格式存储,包含坐标系、水体面积等属性。产品为1期,时间分辨率为1年,空间分辨率为30米,边界精度在30米(一个像元)左右。该产品直观地反映了祁连山水体在2019年的大致分布,可用于流域水资源定量估计研究。

doi: 10.11888/Hydro.tpdc.270723 2056 1 2020-06-03

祁连山地区基于MODIS的逐日地表蒸散发数据(2019)(ETHi-merge V1.0)

本数据集包括祁连山地区2019年逐日地表蒸散发产品,产品分辨率为0.01°。采用高斯过程回归(Gaussian Process Regression,GPR)算法,实现对RS-PM (Mu et al., 2011)、SW (Shuttleworth and Wallace., 1985)、PT-JPL (Fisher et al., 2008)、MS-PT (Yao et al., 2013)、SEMI-PM (Wang et al., 2010a)、SIM (Wang et al.2008) 等6种蒸散发产品的集成。参与蒸散发产品生产的驱动数据包括MODIS(NDVI、Albedo、LAI、PAR),中国区域高时空分辨率地面气象要素驱动数据集(何杰, 阳坤. 中国区域高时空分辨率地面气象要素驱动数据集. 寒区旱区科学数据中心, 2011. doi:10.3972/westdc.002.2014.db)等。

doi: 10.11888/Meteoro.tpdc.270407 3067 48 2020-05-26

基于Sentinel-1 SAR数据的青藏高原湖泊面积季节变化

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。

doi: 10.​1016/​j.​scitotenv.​2019.​135563 6460 271 2020-01-24

全球陆表实际蒸散发数据集(2013-2014)

地表实际蒸散发是陆表水循环的关键环节,同时也是能量平衡的重要支出项,且与地表碳收支密切相关,其准确估算不仅对于研究地球系统和全球气候变化具有重要意义,而且对于水资源有效开发利用、农作物需水生产管理、旱情监测和预测、天气预报等方面具有十分重要的应用价值。全球陆表实际蒸散发数据集(2013-2014) (ETMonitor-GlobalET-2013-2014) 是基于多参数化、适用于不同土地覆盖类型的地表蒸散发遥感估算模型ETMonitor计算得到。输入数据主要采用的遥感数据包括国家重大科学研究计划(973)项目“全球陆表能量与水分交换过程及其对全球变化作用的卫星观测与模拟研究”(2015CB953700)提供的较高空间分辨率的陆表净辐射和较高时间分辨率的水体等数据集,并结合欧洲中期天气预报中心的ERA5全球大气再分析数据等。利用ETMonitor模型在日尺度上估算植被蒸腾、土壤蒸发、冠层降水截留蒸发、水面蒸发和冰雪升华,并对各分量求和获得逐日蒸散发量。计算在1km分辨率上开展,最终聚合到5km分辨率。利用FLUXNET地面观测数据进行直接验证,估算结果与地面实测数据一致性较好。该数据集覆盖全球,空间分辨率为5公里,时间步长为每天,单位为mm/d,数据类型为整型,缩放系数为0.1。

doi: 10.11888/Hydro.tpdc.270298 5985 167 2019-12-29

祁连山地区水体指数产品(2018)

本数据为祁连山地区2018年地表水体(包括液态水、冰川及多年积雪)分布产品。采用经典归一化水体指数法(Normalized Difference Water Index , NDWI)和人工修正的方法提取。原始基础数据为2018年祁连山全境的Landsat影像。参考数据为谷歌影像和哨兵2号影像。产品以shp文件格式存储,包含坐标系、水体面积等属性。产品为1期,时间分辨率为1年,空间分辨率为30米,边界精度在30米(一个像元)左右。该产品直观地反映了祁连山水体在2018年的大致分布,可用于流域水资源定量估计研究。

doi: 10.11888/Geogra.tpdc.270127 2319 169 2019-06-10

祁连山地区基于MODIS的逐日地表蒸散发数据(2018)(ETHi-merge V1)

本数据集包括祁连山地区2018年逐日地表蒸散发产品,产品分辨率为0.01°。采用高斯过程回归(Gaussian Process Regression,GPR)算法,实现对RS-PM (Mu et al., 2011)、SW (Shuttleworth and Wallace., 1985)、PT-JPL (Fisher et al., 2008)、MS-PT (Yao et al., 2013)、SEMI-PM (Wang et al., 2010a)、SIM (Wang et al.2008) 等6种蒸散发产品的集成。参与蒸散发产品生产的驱动数据包括MODIS(NDVI、Albedo、LAI、PAR),中国区域高时空分辨率地面气象要素驱动数据集(何杰, 阳坤. 中国区域高时空分辨率地面气象要素驱动数据集. 寒区旱区科学数据中心, 2011. doi:10.3972/westdc.002.2014.db)等。

doi: 10.11888/Geogra.tpdc.270192 2242 43 2019-06-02

祁连山地区基于MODIS和AVHRR的逐月地表蒸散发数据(ETHi-merge, V1)(1985-2015)

本数据集包括祁连山地区1985-2015年每5年一期的逐月地表蒸散发产品,1985-1995年产品分辨率为0.05°,2000-2015年产品分辨率为0.01°。采用高斯过程回归(Gaussian Process Regression,GPR)算法,实现对RS-PM (Mu et al., 2011)、SW (Shuttleworth and Wallace., 1985)、PT-JPL (Fisher et al., 2008)、MS-PT (Yao et al., 2013)、SEMI-PM (Wang et al., 2010a)、SIM (Wang et al.2008) 等6种蒸散发产品的集成。参与蒸散发产品生产的驱动数据包括MODIS(NDVI、Albedo、LAI、PAR)、GIMMS AVHRR NDVI等遥感产品,中国区域高时空分辨率地面气象要素驱动数据集(何杰, 阳坤. 中国区域高时空分辨率地面气象要素驱动数据集. 寒区旱区科学数据中心, 2011. doi:10.3972/westdc.002.2014.db)等。

doi: 10.11888/Geogra.tpdc.270232 2396 200 2019-05-13