泛萨赫勒地区地表水体范围及面积数据集包含了泛萨赫勒地区23个国家内地表水体（≥1km2）在21年间的变化情况。首先，基于全球地表水体范围栅格数据集（Global surface water extent dataset，GSWED），通过建立面积大小和观测频率的掩膜排除GSWED原始数据中由于动态阈值所产生的误分类，获取改进后的地表水体数据集。随后，对改进后的地表水体数据进行对象化处理，再结合河网数据（Global River Widths from Landsat，GRWL）以及湖泊数据（HydroLAKES）进行人工修订和整理。最后，基于修订整理后的地表水体数据，统计生成泛萨赫勒地区的水体范围和面积变化数据集。 该数据集为矢量文件（.shp），地理坐标系为WGS84。与原始的栅格数据集相比，该数据集在减少了数据的冗余的同时，将地表水体从像元尺度上升到对象尺度，在地学分析中更具实际意义。数据在空间范围上覆盖了萨赫勒以及西非地区，为该地区的地表水资源评估和研究工作提供了数据支撑。
吕云哲, 蒋敏, 贾立
本数据集为非洲萨赫勒地区1990-2020年每5年1期的30m土地利用/覆盖分类产品。该产品基于一套集合机器学习和多元数据融合的土地覆盖分类协同框架，利用谷歌地球引擎 (GEE) 云计算平台，将监督土地覆盖分类和现有多个主题土地覆盖图融合生产而成。分类体系采用FROM_GLC分类体系，包括耕地、森林、草地、灌丛、湿地、水体、不透水面和裸地共8大类。该数据集经过大量萨赫勒区域全季节样本验证，数据集整体准确率在75%左右，变化区域检测的准确率在70%以上，也与粮农组织和现有的土地覆盖图有很好的相似性。该数据集可为非洲萨赫勒地区土地资源可持续利用和环境保护等提供数据支撑。
俞乐
本数据为东南亚地区2015年的地表类型数据，空间分辨率为30米，数据类型为NetCDF，变量名为“land cover type”。该数据基于FROM-GLC数据加工而成，通过对原始影像的拼接、裁剪得到覆盖东南亚的地表类型数据，剔除东南亚地区不存在的雪冰等下垫面类型并重新整合图例。修改下垫面类型编码生成包含东南亚的地表类型数据。该数据提供耕地、森林、草地、灌木、湿地、水体、不透水面、及裸地共8种下垫面的信息。数据总体精度为71% （Gong et al., 2019），可为水文模型、区域气候模式等提供东南亚地区的下垫面信息。
刘俊国
（1）数据内容：该数据集包含了咸海流域2000-2020年的土地利用情况；（2）数据来源及加工方法：该数据集来源于欧洲航天局的气候变化倡议土地覆盖地图（http://maps.elie.ucl.ac.be/CCI），在此基础上用咸海流域的边界数据进行掩膜处理，提取出咸海流域的土地利用，同时，根据一定的规则进行合并，将原始的二级类数据合并为包含7个土地利用类型的一级类数据，坐标系为：WGS-1984；（3）数据质量描述：根据现有研究，该数据集的整体准确率达到80%；（4）该数据集可以为生态保护和环境评估提供基础数据支撑，也可以做为土地利用模拟的原始数据。
刘铁
基于环境敏感区指数（ESAI）方法，计算获得2021年阿拉伯半岛栅格荒漠化风险数据。ESAI方法考虑土壤，植被，气候和管理质量，是监测荒漠化风险最广泛的方法之一。根据ESAI指标框架，选择了14个指标计算四个质量领域，每个质量指数均由几个指标参数计算获得。参考前人研究，确定每个参数分类及其阀值。然后，根据每个类别在荒漠化的敏感性中的重要性以及与荒漠化过程的开始或不可逆转的退化关系，把每个类别分配了1（最低敏感度）和2（最高敏感度）之间的敏感性得分。关于如何选取指标以及与荒漠化风险和得分相关性，在Kosmas的研究中提供了更全面的描述。主要指标数据集来源于联合国粮农组织的世界土壤数据，欧空局的土地覆盖数据和AVHRR数据。所有栅格数据集重采样到500m并合成年度值。尽管验证综合评估指数存在困难，但根据ESAI值的时空比较，对荒漠化风险进行了间接验证，包括对ESAI与稀疏植被和草地转变关系的定量分析和分析ESAI与植被净初级生产力之间的关系。验证结果表明阿拉伯半岛的荒漠化风险数据精度可靠。
许文强
充分利用多源植被分类/土地覆盖分类产品各自的优势，通过专门设计与青藏高原植被类型相适应的植被分类体系，选用集成分类方法，在数据可靠性的基础上遵循一致性的原则，制作了青藏高原现状植被图，其在现势性、分类体系的针对性和分类精度上均表现更优。从分类结果的现势性来看，青藏高原现状植被图较早期中国植被图能更好地反映青藏高原植被覆盖现状；从分类体系的针对性来看，青藏高原现状植被图采用了针对青藏高原植被专门设计的分类体系，有利于从多源数据产品中充分提取出具备高可靠性和一致性的植被覆盖信息；从分类精度来看，青藏高原现状植被图的总体精度（78.09%，Kappa系数0.75）较已有相关数据产品提高了18.84% ~ 37.17%，特别是对草地、灌丛等植被类型的分类精度有明显提升。
张慧, 赵涔良, 朱文泉
该数据集于2021年5月底至6月在青藏高原野外考察期间使用无人机航拍所得，航片数据量为 3.4 GB，共包含330余张无人机航片。拍摄地点主要位于西藏的拉萨、林芝，云南省的大理、怒江，四川甘孜、阿坝、凉山等州市地区的道路沿线、居民点及其周边地区。所拍航片主要反映拍摄时点当地的土地利用/覆被类型、设施农业用地分布、植被覆盖度等信息，航片具有经纬度和海拔等空间位置信息，不仅可以为土地利用分类提供基础验证信息，而且还能通过计算植被覆盖度，为大尺度区域植被覆盖度的遥感影像反演等工作提供参考。
吕昌河, 张泽民
三江源地区土地沙漠化分布数据集源自青藏高原沙漠化格局与变化数据，本数据基于遥感影像、辅助数据等多源数据集成得到。主要使用和参考的数据包括：1）遥感影像数据：选取Landsat提取6 ~ 9月份影像作为青藏高原土地沙漠化监测的主要数据源，共选择1980年、1990年、2000年、2010年和2015年五期影像监测土地沙漠化， 2）辅助数据：地形数据、土壤类型数据、植被类型数据、土地利用数据和Google Earth影像等辅助数据是沙漠化土地解译过程中的重要数据；3）沙漠化指征体系，以风蚀速率、流沙面积占地百分比、植被覆盖度为三个主要指标；4）三江源地区面积为382312 km2，该数据集是从青藏高原土地沙漠化分布数据中将三江源部分裁切出来，以便单独开展三江源地区的研究分析；5）本数据格式为Shapefile格式。推荐使用arcmap打开数据。
南维鸽
雅鲁藏布江流域内第四纪松散沉积物广泛分布，类型丰富，对雅江全流域共包含16个子流域在内的松散沉积物进行了详细的野外地质考察，考察范围包括西藏自治区浪卡子县、江孜县、康马县、萨迦县、拉孜县、仲巴县、萨嘎县、昂仁县、谢通门县、南木林县、加查县、波密县、墨脱县、墨竹工卡县等及其周边地区。该数据集记录了对雅鲁藏布江全流域不同类型第四纪松散沉积物开展野外地质考察的工作日志、野外工作照以及地质剖面照片。考察了包括16条松散沉积物剖面和40处松散沉积物遥感解译标志样本点。查明雅江流域内第四纪松散沉积物的时空展布与变化机理对揭示水系演变、高原生态环境监测与保护、水土保持、自然灾害预警与防治、重大基础工程建设等具有重要意义。
林志鹏, 韩中鹏, 王成善, 白雅俪格, 王新航, 张建, 马星铎, 胡太宇
1800年耕地数据来源于《铁虎清册》，在《清册》中，并未记录有现代行政单元中拉孜县和谢通门县的数据，因此要对这两个县缺失的数据进行插补。1900年耕地数据来源于《拉萨市志》等县志。将资料中记载的土地面积换算成现代亩制单位，某几个缺失的县用该地区的人均耕地数量和人口数量计算得到。青藏高原海拔高差大、气候寒冷、自然条件恶劣、生态环境极其脆弱，是全球气候变化的脆弱区和启动区，对青藏高原历史时期的土地开垦研究既是参与全球环境变化的具体途径，也能为土地利用变化的综合研究提供丰富的区域性信息，对于我国乃至全球的历史土地利用/土地覆被变化研究有着重要意义。“一江两河”是青藏高原农牧交错带典型农业区之一，也是西藏近 300 年来土地开垦活动最剧烈和人口增长最快的区域，充分挖掘该地区丰富的历史文献资料重建该地区过去300 年的耕地分布格局，对研究全球气候变化背景下的人类土地利用活动有重要意义。
陶娟萍, 王宇坤
本数据包含1800年、1900年两期河湟谷地耕地空间分布格局栅格数据，空间分辨率为1km×1km。1800年、1900年河湟谷地耕地数据主要来自于成书于乾隆二十年的《西宁府新志》、《循化厅志》《甘肃新通志》。县域行政界线的确定参考谭其骧主编的《中国历史地图集》及牛汉平主编的《清代政区沿革综表》。搜集耕地数据后将原始田亩数据进行校正，将历史耕地数据转换为统一的现代单位（km²），后采用网格化模型将两期耕地数据进行空间化。河湟谷地是青藏高原最主要的农业发展区之一，尤其到了清朝，大兴移民屯田后，该区土地覆被发生了重大变化，通过整理、校正该区历史文献中记载的1800年、1900年田亩数据，运用网格化的方法将其分配在空间上，恢复了1800年、1900年河湟谷地的耕地空间格局，以期为揭示青藏高原典型河谷农业区耕地变化和人类活动的基本状况提供理论依据。
罗静, 吴致蕾, 陈琼
泛第三极区域数据集呈现海量、零散等特征，现有数据集种类较多，覆盖范围广，涉及水文、生态、大气以及灾害等多个领域，但这些数据集来自不同平台，在尺度、数据格式等方面各不相同，数据的可利用性较差，不利于科研人员展开泛第三极地区的科学研究，同时也无法发挥出这些数据集的巨大潜力。本研究采用来自多个数据平台的最新数据使用数据集成、数据融合等集成方法生产更高质量和更新年份的泛第三极综合数据集。根据不同来源、不同分辨率的数据，对这些数据进行质量控制，根据数据科学内容进行集成。对部分数据，利用数据融合技术，融合不同来源的数据，产生数据质量更高、年份更新的创新性数据产品，更好地服务于陆面过程模型等研究中。泛第三极数据集根据自然数据和社会经济数据分别采用泛第三极流域边界和泛第三极国家边界获取数据，统一采用罗宾逊（Robinson）投影格式。获得了多源集成的包含基础数据集、冰冻圈数据集、水文大气数据集、生态数据集、灾害数据集和人文地理数据集共六类数据集。 （1）基础数据集包含边界数据集、30米土地覆被数据、植被功能数据、30米SRTM数字高程数据和HWSD土壤质地数据。详情请查看元数据页面附件信息中或数据中的文档“泛第三极基础数据集数据文档.docx”。 （2）冰冻圈数据集包含冻土数据集、冰川分布数据、冰湖分布数据和积雪深度数据。其中，冻土数据集又包含冻土分布数据、冻土水热分带数据、冻土指数数据和冻土表面粗糙度数据。详情请查看元数据页面附件信息中或数据中的文档“泛第三极冰冻圈数据集数据文档.docx”。 （3）水文大气数据集包含河流湖泊数据集、蒸散发数据集和大气数据集。河流湖泊数据集包含河流数据和湖泊数据，蒸散发数据集包含MODIS蒸散发数据、土壤蒸发数据、水体冰雪蒸发数据和冠层截流蒸发数据，大气数据集包含ERA5-Land再分析数据集中的地表热辐射数据、地表太阳辐射数据、降水数据、气压数据、温度数据和风场数据。详情请查看元数据页面附件信息中或数据中的文档“泛第三极水文大气数据集数据文档.docx”。 （4）生态数据集包含总初级生产力数据和植被蒸腾数据。详情请查看元数据页面附件信息中或数据中的文档“泛第三极生态数据集数据文档.docx”。 （5）灾害数据集包含滑坡数据和地震区划数据。详情请查看元数据页面附件信息中或数据中的文档“泛第三极灾害数据集数据文档.docx”。 （6）人文地理数据集则包含交通道路数据、铁路机场数据、人口密度数据、主要国家人均GDP数据、收入水平数据和世界遗产分布数据。详情请查看元数据页面附件信息中或数据中的文档“泛第三极人文地理数据集数据文档.docx”。 泛第三极综合数据集将为相关研究者提供便利，避免相关研究在获取数据和处理数据的过程中重复劳动，节省研究者宝贵的时间，并且在陆面过程模型、水文模型和生态模型等科学研究中起到重要作用，促进泛第三极地区科学研究的发展，为泛第三极地区的科学研究提供数据支撑。
李虎, 李新, 潘小多, 李新, 李新, 盖春梅, 冉有华
该数据集记录了青海省全省土地利用现状，数据是按耕地，园地，林地，牧草地，居民点及工矿用地，交通运输用地，水利设施用地，未利用土地划分的。数据整理自青海省统计局发布的青海省统计年鉴。数据集包含8个数据表，分别为: 土地利用现状2002年.xls 土地利用现状2003年.xls 土地利用现状2004年.xls 土地利用现状2006年.xls 土地利用现状2007年.xls 土地利用现状2008年.xls 土地利用现状2009年.xls 土地利用现状2012年.xls数据表结构相同。例如土地利用现状2002年数据表共有4个字段： 字段1：年初面积 字段2：年内减少面积 字段3：年内增加面积 字段4：年末面积
青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局
该数据集记录了青海省黄南州土地利用现状2003-2012年的统计数据，数据按行业、区域、隶属关系和注册类型等划分的。数据整理自青海省统计局发布的青海省统计年鉴。数据集包含9个数据表，分别为： 黄南州土地利用现状2003年.xls 黄南州土地利用现状2006年.xls 黄南州土地利用现状2008年1.xls 黄南州土地利用现状2008年2.xls 黄南州土地利用现状2012年.xls 黄南州土地利用现状2004年.xls 黄南州土地利用现状2006年.xls 黄南州土地利用现状2007年.xls 黄南州土地利用现状2008年3.xls 数据表结构相同。例如黄南州土地利用现状2003年数据表共有4个字段： 字段1：年初面积 字段2：年内减少面积 字段3：年内增加面积 字段4：年末面积
青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局
该数据集记录了青海省海西州土地利用现状2003-2007年的统计数据，数据按行业、区域、隶属关系和注册类型等划分的。数据整理自青海省统计局发布的青海省统计年鉴。数据集包含8个数据表，分别为： 海西州土地利用现状2003年.xls 海西州土地利用现状2007年.xls 海西州土地利用现状2008年.xls 海西州土地利用现状2008年2.xls 海西州土地利用现状2012年.xls 海西州土地利用现状2006年.xls 海西州土地利用现状2007年.xls 海西州土地利用现状2004年.xls 数据表结构相同。例如海西州土地利用现状2003年数据表共有4个字段： 字段1：年初面积 字段2：年内减少面积 字段3：年内增加面积 字段4：年末面积
青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局
该数据集记录了青海省海南州土地利用现状2003-2007年的统计数据，数据按行业、区域、隶属关系和注册类型等划分的。数据整理自青海省统计局发布的青海省统计年鉴。数据集包含9个数据表，分别为： 海南州土地利用现状2003年.xls 海南州土地利用现状2006年2007年.xls 海南州土地利用现状2008年1.xls 海南州土地利用现状2008年2.xls 海南州土地利用现状2012年.xls 海南州土地利用现状2004年.xls 海南州土地利用现状2006年.xls 海南州土地利用现状2007年.xls 海南州土地利用现状2008年3.xls 数据表结构相同。例如海南州土地利用现状2003年数据表共有4个字段： 字段1：年初面积 字段2：年内减少面积 字段3：年内增加面积 字段4：年末面积
青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局
该数据集记录了青海省海东地区土地利用现状2003-2012年的统计数据，数据按行业、区域、隶属关系和注册类型等划分的。数据整理自青海省统计局发布的青海省统计年鉴。数据集包含9个数据表，分别为： 海东地区土地利用现状2003年.xls 海东地区土地利用现状2007年.xls 海东地区土地利用现状2008年1.xls 海东地区土地利用现状2008年2.xls 海东地区土地利用现状2004年.xls 海东地区土地利用现状2006年.xls 海东地区土地利用现状2007年.xls 海东地区土地利用现状2008年3.xls 海东市土地利用现状2012年.xls 数据表结构相同。例如海东地区土地利用现状2003年数据表共有4个字段： 字段1：年初面积 字段2：年内减少面积 字段3：年内增加面积 字段4：年末面积
青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局
该数据集记录了青海省海北州土地利用现状2003-2007年的统计数据，数据按行业、区域、隶属关系和注册类型等划分的。数据整理自青海省统计局发布的青海省统计年鉴。数据集包含9个数据表，分别为： 海北州土地利用现状2003年.xls 海北州土地利用现状2006年2007年.xls 海北州土地利用现状2008年.xls 海北州土地利用现状2008年2008年.xls 海北州土地利用现状2012年.xls 海北州土地利用现状2004年.xls 海北州土地利用现状2006年.xls 海北州土地利用现状2007年.xls 海北州土地利用现状2008年.xls 数据表结构相同。例如海北州土地利用现状2003年数据表共有4个字段： 字段1：年初面积 字段2：年内减少面积 字段3：年内增加面积 字段4：年末面积
青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局
该数据集记录了青海省果洛州土地利用现状2003-2007年的统计数据，数据按行业、区域、隶属关系和注册类型等划分的。数据整理自青海省统计局发布的青海省统计年鉴。数据集包含9个数据表，分别为： 果洛州土地利用现状2003年.xls 果洛州土地利用现状2006年2007年.xls 果洛州土地利用现状2008年.xls 果洛州土地利用现状2008年2008年.xls 果洛州土地利用现状2012年.xls 果洛州土地利用现状2004年.xls 果洛州土地利用现状2006年.xls 果洛州土地利用现状2007年.xls 果洛州土地利用现状2008年.xls 数据表结构相同。例如果洛州土地利用现状2003年数据表共有4个字段： 字段1：年初面积 字段2：年内减少面积 字段3：年内增加面积 字段4：年末面积
青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局
本数据集包括6个数据文件，分别是：(1)高寒草甸海拔梯度土壤温度和水分数据_西藏当雄（2019-2020），该数据是2019-2020年西藏当雄高寒草甸海拔4400m，4500m，4650m，4800m，4950m，5100m不同土壤深度（5cm和20cm）的温度和含水量的逐小时观测数据。(2)色季拉山林线气象环境数据_西藏林芝(2019)，该数据是2019年西藏林芝色季拉山林线（包括阴坡林外、阴坡林内、阳坡林外、阳坡林内）的逐小时气象环境（包括风速、距离地表1m气温、距离地表1m相对湿度、距离地表3m气温、距离地表3m相对湿度、大气压、总辐射、净辐射、光合有效辐射、660nm红光辐射、730nm红外辐射、地表温度、大气长波辐射、地表长波辐射、地下5cm\20cm\60cm热通量、地下5cm\20cm\60cm土壤温度和湿度、雨量、雪厚）逐小时观测数据，其中由于高原地区设备电力故障，导致部分观测数据缺失，已在数据中说明。(3)主要气象站点的植被NDVI_青藏高原（2020），包括青藏高原25个气象站点附近的植被NDVI调查数据和计算平均值。(4)土地利用调查数据集_川藏铁路沿线(2019)，包括川藏铁路沿线35个调查点的土地利用调查数据，包括调查时间、地点、经纬度、海拔、坡度坡向、主要植被类型和优势物种。(5)叶面积指数调查数据_川藏铁路沿线（2019），包括川藏铁路沿线主要植被类型的叶面积指数调查数据和计算平均值，使用Sunscan冠层分析仪和LAI-2200测量。(6)土壤温湿度调查数据_川藏铁路沿线(2019)，包括川藏铁路沿线34个调查点：地点、经纬度、海拔、土壤表面温度、土壤30cm处湿度，数据记录为每个调查点3次重复测量。该数据集可用于青藏高原植被环境变化规律分析研究。
周广胜, 吕晓敏, 罗天祥, 杜军, 王玉辉, 周怀林
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。
李新, 张琨, 李新, 李新, 郑东海, 张凌, 朱高峰
该数据集记录了2003年-2012年青海省玉树州土地利用现状，数据是按年份进行划分的。数据整理自青海省统计局发布的青海省统计年鉴。数据集包含8个数据表，各数据表结构相同。例如1978-2004年的数据表共有4个字段： 字段1：年初面积 字段2：年内减少面积 字段3：年内增加面积 字段4：年末面积
青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局
该数据集记录了2003年-2012年青海省西宁市土地利用现状，数据是按年份进行划分的。数据整理自青海省统计局发布的青海省统计年鉴。数据集包含9个数据表，各数据表结构相同。例如2003年的数据表共有4个字段： 字段1：年初面积 字段2：年内减少面积 字段3：年内增加面积 字段4：年末面积
青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局, 青海省统计局
根据西藏自治区“一江两河”地区18个区县耕地分布状况，采用了5km×5km的网格布点，涵盖所有耕地和设施农地，共布设5km×5km的网格1092个，每个网格含有一个编号。数据处理方法：利用arcgis 10.3中的fishnet工具，生成覆盖西藏自治区“一江两河”地区18个区县行政边界的网格，再利用Intersect工具，生成覆盖耕地的格网。该数据可用于西藏自治区“一江两河”地区耕地土壤样品采集。
王兆锋, 宫殿清
拉萨市设施农地数据是基于2018年Google Earth影像解译，空间分辨率为0.52米。拉萨市温室大棚多为规则矩形，且反射率高，便于识别。直接采用目视解译判别各年年底温室图斑，解译过程中剔除了设施农业温室区内面积大于0.10公顷的露天地和宽度大于7米的道路，以及黑色纺织物覆盖的设施养殖大棚；未剔除设施农地间小块空地和田埂。样线验证解译准确率为98%。该数据较好反映了拉萨市设施农地空间格局特征。
王兆锋, 宫殿清
本数据集包括祁连山区域1990年至2017年每5年一期的30m土地覆盖分类产品。该产品首先利用Landsat-8/OLI构造2015年时间序列数据，针对各类地物随时间变化呈现的NDVI时间序列曲线不同，对不同地物特征进行知识归纳，设定提取规则不同地物信息，得到2015年的土地覆盖分类图。分类系统参考了IGBP分类系统和FROM_LC分类系统，共分为耕地、林地、草地、灌丛、湿地、水体、不透水面、裸地、冰川和积雪共10大类。由Google Earth高清影像和实地调研数据进行精度评价，得出2015年土地覆盖分类产品的总体精度高达92.19%。以2015年的土地覆盖分类产品为底图，按各类别的比例选取大量样本，基于Google Earth Engine平台的Landsat系列数据和强大地数据处理能力，利用深度学习的思想，选取随机森林分类器，对波段信息和NDVI、MNDWI、NDBI等指数进行样本训练，生产出1985-2017年每5年一期的土地覆盖分类产品。对2套2015年的分类产品进行比较，得出基于Google Earth Engine平台生产的土地覆盖分类产品与基于时间序列方法得到的分类产品具有很好的一致性。总之，祁连山核心区的土地覆盖数据集具有较高的总体精度，且基于Google Earth Engine平台样本训练的方法能够在时间和空间上对现有的分类产品进行扩展，每5年一期的频次能够在长时间序列上反映更多的土地覆盖类型变化信息。
吴俊君, 仲波, 角坤升
本数据集为2018年祁连山重点区域土地覆盖/利用数据，空间分辨率2m。本数据集以祁连山地区的气候、海拔、地形地貌、地表覆盖类型等资料为基础，通过高分辨率遥感影像，对地表覆被类型进行解译判读。对影像无法反映的地类，实地核实地类，采集相关数据，核对并修正土地利用类型。同时进一步核对2018年祁连山重点区域土地覆盖/利用类型及植被覆盖情况等属性信息，统一进行图斑及其属性的录入和编辑，形成2018年祁连山地区土地覆盖/利用数据，实现祁连山地区生态治理的现势性和时效性。
祁元, 张金龙, 颜长珍, 段翰晨, 贾永娟
本数据集是2014年青藏高原地区的土地覆被数据，数据为栅格TIFF格式，空间分辨率为300米，包含耕地、林地、草地、水体、城市用地等22个大类，可用于青藏高原城镇化与生态环境交互胁迫的地理本底研究。该数据来自欧空局CCI-LC项目生产的土地覆被数据产品。该数据集采用了WGS84的地理坐标系统，有22个大类。数据的生产融合多种卫星数据资料，包括MERIS FR/RR，AVHRR，SPOT-VGT，PROBA-V等。经验证，该数据集的总体精度在70%以上，当然精度会在不同的地区和覆被类型上存在差异。
杜云艳
本数据集为扎陵湖-鄂陵湖附近黄河源区沼泽空间分布图，面积约2.1万平方公里。数据集由Landsat 8 影像通过专家决策树分类，并经人工目视解译修正获得。影像的空间分辨率为30 m，采用WGS 1984 UTM 投影坐标系，数据格式为grid格式。影像区分为5种地类，地类1为“水体”，地类2为“高盖度植被”，地类3为“裸地”，地类4为“低盖度植被”，地类5为“沼泽”，其中低盖度植被及高盖度植被通过植被覆盖度进行区分，阈值选取0.1至0.4为低盖度植被，0.4至1为高盖度植被。
王广军
基于2015年欧空局全球陆地覆盖数据（ESA CCI-LC，300m栅格），结合清华大学全球土地覆被数据（FROM-GLC，30m栅格）、美国NASA的MODIS全球土地覆被数据（MCD12Q1，300m栅格）、美国地质调查局USGS的全球耕地数据（GFSAD30，30m）、日本全球林地数据的（PALSAR/PALSAR-2，25m），构建了“一带一路”区域LUCC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“一带一路”区域土地利用数据V1.0（64+1个国家，2015，1 km×1 km栅格，一级分类）。
许尔琪
MODIS三级数据土地覆盖类型产品（Land Cover data）是基于Terra和Aqua卫星的年度观测数据提取而来的。根据国际地圈生物圈计划（IGBP）定义的土地覆盖类型，该数据产品集中包含了17个主要土地覆盖类型，其中包括11个自然植被类型，3个土地开发和镶嵌的地类和3个非草木土地类型。MODIS Terra/Aqua三级土地覆盖年度全球500米产品MCD12Q1采用了五种不同的土地覆盖分类方案，而信息提取主要技术则是监督决策树分类。以主要覆盖东南亚和中东的18个关键节点为研究区域，基于2001至2016年的MCD12Q1数据，利用MatLab对数据进行研究区的掩模裁剪，最终得到了东南亚18个关键节点区域2001-2016逐年的地表土地覆盖数据。
葛咏, 凌峰, 张一行
MODIS卫星的MOD09A1 Version 6产品提供了针对气体、气溶胶和瑞利散射等大气条件校正的第1至7波段的地表光谱反射率的估计值。它是由500m分辨率的MOD09GA组成的3级数据合成的产品，每个产品像元包含了基于高观测覆盖率、低视角、云覆盖以及气溶胶负载而选择的8天期间可能的最佳L2G观测值。除了7个500米的反射波段之外，还有一个质量图层和四个观测波段。对于每个像元，从8天合成周期内采集的所有观测值中选择一个值。像元选择的标准包括云量和太阳天顶角。 本数据集基于National Aeronautics and Space Administration（NASA）下载的2000-2016年8天合成的MOD09A1 V6版本数据，空间分辨率500米，利用MatLab对数据进行研究区的掩模裁剪，最终得到了18个关键节点区域2000-2016年8日合成的地表土地覆盖数据。 数据涉及的18个关键区域主要包括：曼谷、缅甸港口、吉大港、科伦坡、达卡、瓜达尔港、汉班托特、黄荆港和马六甲、关丹、马尔代夫、曼德勒、西哈努克、万象、仰光等区域）
李炘妍
本数据来源于“中国1:10万土地利用数据”。中国1:10万土地利用数据是由中国科学院“八五”重大应用项目《全国资源环境遥感宏观调查与动态研究》组织了中国科学院所属19个研究所的遥感科技队伍，以卫星遥感为手段，在三年内基于Landsat MSS，TM和ETM遥感数据构建的。本数据采用一个分层的土地覆盖分类系统，将全国分为6个一级类（耕地、林地、草地、水域、城乡、工矿、居民用地和未利用土地），31个二级类。这是目前我国精度最高的土地利用数据产品，已经在国家土地资源调查、水文、生态研究中发挥着重要作用。
王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 刘纪远, 刘纪远, 王建华, 王建华, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 王建华, 刘纪远, 刘纪远, 刘纪远, 庄大方, 庄大方, 庄大方, 庄大方, 刘纪远, 刘纪远, 刘纪远, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 刘纪远, 庄大方, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 庄大方, 庄大方, 庄大方, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 吴世新, 吴世新, 周万村, 周万村, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 周万村, 吴世新, 吴世新, 吴世新, 周万村, 吴世新, 吴世新, 周万村, 吴世新, 吴世新, 吴世新
该数据集包含了从1992到2015年的逐年黄河源、长江源、澜沧江三个源区的土地覆盖数据集。共包括了22种基于UN Land Cover Classification System的土地覆盖类型。集成了NOAA AVHRR, SPOT, ENVISAT, PROBA-V等植被分类产品。在中国区，（1）首先结合我国1：10万植被分类（2007）进行了质量订正和控制；（2）我国植被分类中侧重与气候区的结合，在订正CCI-LC时与我国气候区划相结合，与我国气候区划类型对应的植被类型相结合，全面订正了数据标签。
魏彦强
本数据包含两个数据文件，GLOBELAND30 TILES（原始数据）和TIBET_ GLOBELAND30_MOSAIC（镶嵌数据）。 原始数据下载自全球地表覆盖数据网站（GlobalLand3）（http://www.globallandcover.com），范围涵盖青藏高原及周边地区。原始数据分幅存储，为了便于用户使用数据，在分幅数据的基础上，我们使用Erdas软件对原始数据进行了拼接镶嵌。 全球地表覆盖数据（GlobalLand30）是国家863计划重点项目“全球地表覆盖遥感制图与关键技术研究”的科研成果，该数据利用美国陆地卫星影像（TM5、ETM+）和中国环境减灾卫星（HJ-1）影像数据，采用基于像素分类-对象提取-知识检核的综合方法提取而成。数据包括耕地、森林、草地、灌木、湿地、水体、苔原、人造覆盖、裸地、冰川和永久积雪10个一级地表覆盖类型，没有进行二级类型提取。在准确度评估方面，评估九种类型和超过150,000个测试样品。GlobeLand30-2010的整体精度达到80.33％。Kappa指标为0.75。 GlobeLand30数据采用WGS84坐标系，UTM投影，6度分带，参考椭球为WGS 84椭球。根据不同的纬度情况，采用2种分幅方式进行数据组织。在南北纬60°区域内，按照5°（纬度）×6°（经度）大小进行分幅；在南北纬60°至80°区域内，按照5°（纬度）×12°（经度）大小进行分幅，按照奇数6°带的中央经线进行投影。 GLOBELAND30 TILES：原始数据保留数据原貌，未进行处理。 TIBET_ GLOBELAND30_MOSAIC：使用erdas软件对原始数据进行镶嵌，参数设置使用默认值原始数据保留数据原貌，精度同下载网站。
陈军
该土地覆盖类型产品是欧空局气候变化行动第二阶段产品，其空间分辨率为300米，时间覆盖范围为1992-2015. 空间覆盖范围纬向－90~90度，经向－180~180度，坐标系统为地理坐标WGS84.土地覆盖产品该地表覆盖的分类依据联合国粮食农业组织土地覆盖分类系统(LCCS, Land Cover Classification System)。 该数据用于科研目的需要致谢ESA CCI Land Cover project，并且将发表的文章发送给contact@esalandcover-cci.org
徐希燕
黑河流域河道温度同步观测的目的在于获取TASI飞行期间不同位置河道同步温度，用于支持航空飞行TASI资料反演河道温度的验证和尺度效应分析。 本次试验的观测时间为2012年7月3日和2012年7月4日，选取了黑河流域中游的肃南桥、滨河新区、黑河桥、铁路桥、乌江桥、高崖水文站、板桥、平川桥、伊家庄、刘家桥10个位置的河面温度进行了同步观测，利用两种仪器测量不同位置的河道辐射温度，包括固定自记点温计（北师大2#、北师大3#）和手持式红外温度计（寒旱所H1#、H2#、H3#、H4#，遥感所Y1#、Y2#，北师大B1#、B2#），其中铁路桥和高崖水文站使用的是固定自记点温计，自动每6秒记录一次温度，其它8个点的河流断面温度采用手持式红外温度计人工观测，每隔2米设置一个观测点，每15分钟可以对整个河流断面观测一次，同时记录每个观测点的下垫面特征。每个仪器在使用之前均进行了黑体标定。观测数据以Excel存储。
耿丽英, 何晓波, 家淑珍
二坝水库红外温度和水面温度观测系统架设目的在于为航空TASI、WiDAS和L波段飞行提供水体表面温度的数据。 观测地点： 选择张掖城东14km,甘州区碱滩镇二坝村旁的二坝水库作为观测点。该观测点坐标：38°54'57.14"N，100°36'57.39"。 测量仪器： 观测内容包括一个垂直对水面的SI-111红外温度探头，一个正南天顶角35度对天观测的SI-111红外温度探头（2012年新购置仪器，其出厂时默认设置的地表发射率为1，试验期间未进行黑体定标）。2个漂浮在水面以下0cm109SS-L温度传感器，数采为Campell CR-1000，自动采集，GPRS无线传输至综汇系统。探头架高3米，离岸距离3.4m。 测量时间： 仪器从2012年5月27日起开始正常观测，至9月27日进行不间断地24小时观测，5秒钟记录一次数据，输出5秒钟和1分钟2组值。 数据内容： 垂直水体表面温度（TarT_Sur，未进行地表比辐射率、背景温度的校正）、对天空温度（TarT_Atm，未进行天空背景比辐射率的校正），水面0cm直接测量温度（WaterT_1，WaterT_2）。数据最终被存储为1天1个独立文本文件，数据命名方式：数据格式+观测点名称+数据采样时间+日期+时间.dat。详细的数据表头信息见数据内的数据表头说明。
马明国, 马明国
一、概述 本数据集以卫星遥感为手段，基于Landsat MSS, TM和ETM遥感数据构建的。本数据采用一个分层的土地覆盖分类系统，将全区域分为6个一级分类（耕地、林地、草地、水域、城乡、工矿、居民用地与未利用土地），31个二级分类。 二、数据处理说明 数据集基于Landsat MSS、TM与ETM遥感数据为底图，数据集投影设置为Alberts等积投影，将比例尺放在1:24000下进行人机交互目视解译，数据集存储形式为ESRI coverage格式。 三、数据内容说明 本数据集采用分层土地覆盖分类系统，共分为6个一级分类（耕地、林地、草地、水域、城乡、工矿、居民用地与未利用土地），31个二级分类。 四、数据使用说明 主要应用于国家土地资源调查、气候变化、水文、生态研究工作中。
薛娴, 薛娴, 薛娴, 薛娴, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强
一、概述 本数据集以卫星遥感为手段，基于Landsat MSS, TM和ETM遥感数据构建的。本数据采用一个分层的土地覆盖分类系统，将全区域分为6个一级分类（耕地、林地、草地、水域、城乡、工矿、居民用地与未利用土地），31个二级分类。 二、数据处理说明 数据集基于Landsat MSS、TM与ETM遥感数据为底图，数据集投影设置为Alberts等积投影，将比例尺放在1:24000下进行人机交互目视解译，数据集存储形式为ESRI coverage格式。 三、数据内容说明 本数据集采用分层土地覆盖分类系统，共分为6个一级分类（耕地、林地、草地、水域、城乡、工矿、居民用地与未利用土地），31个二级分类。 四、数据使用说明 主要应用于国家土地资源调查、气候变化、水文、生态研究工作中。
薛娴, 薛娴, 薛娴, 薛娴, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强
一、概述 本数据集以卫星遥感为手段，基于Landsat MSS, TM和ETM遥感数据构建的。本数据采用一个分层的土地覆盖分类系统，将全区域分为6个一级分类（耕地、林地、草地、水域、城乡、工矿、居民用地与未利用土地），31个二级分类。 二、数据处理说明 数据集基于Landsat MSS、TM与ETM遥感数据为底图，数据集投影设置为Alberts等积投影，将比例尺放在1:24000下进行人机交互目视解译，数据集存储形式为ESRI coverage格式。 三、数据内容说明 本数据集采用分层土地覆盖分类系统，共分为6个一级分类（耕地、林地、草地、水域、城乡、工矿、居民用地与未利用土地），31个二级分类。 四、数据使用说明 主要应用于国家土地资源调查、气候变化、水文、生态研究工作中。
薛娴, 薛娴, 薛娴, 薛娴, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强
一、概述 本数据集以卫星遥感为手段，基于Landsat MSS, TM和ETM遥感数据构建的。本数据采用一个分层的土地覆盖分类系统，将全区域分为6个一级分类（耕地、林地、草地、水域、城乡、工矿、居民用地与未利用土地），31个二级分类。 二、数据处理说明 数据集基于Landsat MSS、TM与ETM遥感数据为底图，数据集投影设置为Alberts等积投影，将比例尺放在1:24000下进行人机交互目视解译，数据集存储形式为ESRI coverage格式。 三、数据内容说明 本数据集采用分层土地覆盖分类系统，共分为6个一级分类（耕地、林地、草地、水域、城乡、工矿、居民用地与未利用土地），31个二级分类。 四、数据使用说明 主要应用于国家土地资源调查、气候变化、水文、生态研究工作中。
薛娴, 薛娴, 薛娴, 薛娴, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强
本数据来源于“中国1:10万土地利用数据”。中国1:10万土地利用数据是由中国科学院“八五”重大应用项目《全国资源环境遥感宏观调查与动态研究》组织了中国科学院所属19个研究所的遥感科技队伍，以卫星遥感为手段，在三年内基于Landsat MSS，TM和ETM遥感数据构建的。本数据采用一个分层的土地覆盖分类系统，将全国分为6个一级类（耕地、林地、草地、水域、城乡、工矿、居民用地和未利用土地），31个二级类。这是目前我国精度最高的土地利用数据产品，已经在国家土地资源调查、水文、生态研究中发挥着重要作用。
王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 刘纪远, 刘纪远, 王建华, 王建华, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 王建华, 刘纪远, 刘纪远, 刘纪远, 庄大方, 庄大方, 庄大方, 庄大方, 刘纪远, 刘纪远, 刘纪远, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 刘纪远, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 庄大方, 庄大方, 庄大方, 庄大方, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 吴世新, 吴世新, 周万村, 周万村, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 周万村, 吴世新, 吴世新, 周万村, 吴世新, 吴世新, 吴世新, 周万村, 吴世新, 吴世新, 吴世新, 吴世新
本数据来源于“中国1:10万土地利用数据”。中国1:10万土地利用数据是由中国科学院“八五”重大应用项目《全国资源环境遥感宏观调查与动态研究》组织了中国科学院所属19个研究所的遥感科技队伍，以卫星遥感为手段，在三年内基于Landsat MSS，TM和ETM遥感数据构建的。本数据采用一个分层的土地覆盖分类系统，将全国分为6个一级类（耕地、林地、草地、水域、城乡、工矿、居民用地和未利用土地），31个二级类。这是目前我国精度最高的土地利用数据产品，已经在国家土地资源调查、水文、生态研究中发挥着重要作用。
王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 刘纪远, 刘纪远, 王建华, 王建华, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 王建华, 刘纪远, 刘纪远, 刘纪远, 庄大方, 庄大方, 庄大方, 庄大方, 刘纪远, 刘纪远, 刘纪远, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 刘纪远, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 庄大方, 庄大方, 庄大方, 庄大方, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 吴世新, 吴世新, 周万村, 周万村, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 周万村, 吴世新, 吴世新, 周万村, 吴世新, 周万村, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新
本数据来源于“中国1:10万土地利用数据”。中国1:10万土地利用数据是由中国科学院“八五”重大应用项目《全国资源环境遥感宏观调查与动态研究》组织了中国科学院所属19个研究所的遥感科技队伍，以卫星遥感为手段，在三年内基于Landsat MSS，TM和ETM遥感数据构建的。本数据采用一个分层的土地覆盖分类系统，将全国分为6个一级类（耕地、林地、草地、水域、城乡、工矿、居民用地和未利用土地），31个二级类。这是目前我国精度最高的土地利用数据产品，已经在国家土地资源调查、水文、生态研究中发挥着重要作用。
王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 刘纪远, 刘纪远, 王建华, 王建华, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 王建华, 刘纪远, 刘纪远, 刘纪远, 庄大方, 庄大方, 庄大方, 庄大方, 刘纪远, 刘纪远, 刘纪远, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 刘纪远, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 庄大方, 庄大方, 庄大方, 庄大方, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 吴世新, 吴世新, 周万村, 周万村, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 周万村, 吴世新, 吴世新, 周万村, 吴世新, 吴世新, 吴世新, 周万村, 吴世新, 吴世新, 吴世新, 吴世新
本数据来源于“中国1:10万土地利用数据”。中国1:10万土地利用数据是由中国科学院“八五”重大应用项目《全国资源环境遥感宏观调查与动态研究》组织了中国科学院所属19个研究所的遥感科技队伍，以卫星遥感为手段，在三年内基于Landsat MSS，TM和ETM遥感数据构建的。本数据采用一个分层的土地覆盖分类系统，将全国分为6个一级类（耕地、林地、草地、水域、城乡、工矿、居民用地和未利用土地），31个二级类。这是目前我国精度最高的土地利用数据产品，已经在国家土地资源调查、水文、生态研究中发挥着重要作用。
王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 刘纪远, 刘纪远, 王建华, 王建华, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 王建华, 刘纪远, 刘纪远, 刘纪远, 庄大方, 庄大方, 庄大方, 刘纪远, 刘纪远, 刘纪远, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 刘纪远, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 庄大方, 庄大方, 庄大方, 庄大方, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 吴世新, 吴世新, 周万村, 周万村, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 周万村, 周万村, 吴世新, 吴世新, 周万村, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新
数据为柴达木河流域10万沙漠分布图，数据切割自中国1:10万沙漠沙地数据集，数据以2000年TM影像为数据源，进行解译、提取、修编，利用遥感与地理信息系统技术结合1:10万比例尺成图要求，对沙漠、沙地和砾质戈壁进行专题制图。数据属性表：area（面积）、perimeter（周长）、ashm_(序列码）、class（沙漠编码）、ashm_id（沙漠编码）其中沙漠编码如下：流动沙地 2341010、半流动沙地 2341020、半固定沙地 2341030、戈壁 2342000、盐碱地 2343000。
王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华
本数据来源于“中国1:10万土地利用数据”。中国1:10万土地利用数据是由中国科学院“八五”重大应用项目《全国资源环境遥感宏观调查与动态研究》组织了中国科学院所属19个研究所的遥感科技队伍，以卫星遥感为手段，在三年内基于Landsat MSS，TM和ETM遥感数据构建的。本数据采用一个分层的土地覆盖分类系统，将全国分为6个一级类（耕地、林地、草地、水域、城乡、工矿、居民用地和未利用土地），31个二级类。这是目前我国精度最高的土地利用数据产品，已经在国家土地资源调查、水文、生态研究中发挥着重要作用。
王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 刘纪远, 刘纪远, 王建华, 王建华, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 王建华, 刘纪远, 刘纪远, 刘纪远, 庄大方, 庄大方, 庄大方, 刘纪远, 刘纪远, 刘纪远, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 刘纪远, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 庄大方, 庄大方, 庄大方, 庄大方, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 吴世新, 吴世新, 周万村, 周万村, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 周万村, 周万村, 吴世新, 吴世新, 吴世新, 周万村, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新
本数据来源于“中国1:10万土地利用数据”。中国1:10万土地利用数据是由中国科学院“八五”重大应用项目《全国资源环境遥感宏观调查与动态研究》组织了中国科学院所属19个研究所的遥感科技队伍，以卫星遥感为手段，在三年内基于Landsat MSS，TM和ETM遥感数据构建的。本数据采用一个分层的土地覆盖分类系统，将全国分为6个一级类（耕地、林地、草地、水域、城乡、工矿、居民用地和未利用土地），31个二级类。这是目前我国精度最高的土地利用数据产品，已经在国家土地资源调查、水文、生态研究中发挥着重要作用。
王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 刘纪远, 刘纪远, 王建华, 王建华, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 王建华, 刘纪远, 刘纪远, 刘纪远, 庄大方, 庄大方, 刘纪远, 刘纪远, 刘纪远, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 刘纪远, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 庄大方, 庄大方, 庄大方, 庄大方, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 吴世新, 吴世新, 周万村, 周万村, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 周万村, 周万村, 周万村, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新
本数据来源于“中国1:10万土地利用数据”。中国1:10万土地利用数据是由中国科学院“八五”重大应用项目《全国资源环境遥感宏观调查与动态研究》组织了中国科学院所属19个研究所的遥感科技队伍，以卫星遥感为手段，在三年内基于Landsat MSS，TM和ETM遥感数据构建的。本数据采用一个分层的土地覆盖分类系统，将全国分为6个一级类（耕地、林地、草地、水域、城乡、工矿、居民用地和未利用土地），31个二级类。这是目前我国精度最高的土地利用数据产品，已经在国家土地资源调查、水文、生态研究中发挥着重要作用。
王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 刘纪远, 刘纪远, 王建华, 王建华, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 王建华, 刘纪远, 刘纪远, 刘纪远, 庄大方, 庄大方, 庄大方, 刘纪远, 刘纪远, 刘纪远, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 刘纪远, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 庄大方, 庄大方, 庄大方, 庄大方, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 吴世新, 吴世新, 周万村, 周万村, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 周万村, 周万村, 周万村, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新
本数据来源于“中国1:10万土地利用数据”。中国1:10万土地利用数据是由中国科学院“八五”重大应用项目《全国资源环境遥感宏观调查与动态研究》组织了中国科学院所属19个研究所的遥感科技队伍，以卫星遥感为手段，在三年内基于Landsat MSS，TM和ETM遥感数据构建的。本数据采用一个分层的土地覆盖分类系统，将全国分为6个一级类（耕地、林地、草地、水域、城乡、工矿、居民用地和未利用土地），31个二级类。这是目前我国精度最高的土地利用数据产品，已经在国家土地资源调查、水文、生态研究中发挥着重要作用。
王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 刘纪远, 刘纪远, 王建华, 王建华, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 王建华, 刘纪远, 刘纪远, 刘纪远, 庄大方, 庄大方, 庄大方, 刘纪远, 刘纪远, 刘纪远, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 刘纪远, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 庄大方, 庄大方, 庄大方, 庄大方, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 吴世新, 吴世新, 周万村, 周万村, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 周万村, 周万村, 周万村, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新
本数据来源于“中国1:10万土地利用数据”。中国1:10万土地利用数据是由中国科学院“八五”重大应用项目《全国资源环境遥感宏观调查与动态研究》组织了中国科学院所属19个研究所的遥感科技队伍，以卫星遥感为手段，在三年内基于Landsat MSS，TM和ETM遥感数据构建的。甘肃省1:10万土地利用数据采用一个分层的土地覆盖分类系统，将全国分为6个一级类（耕地、林地、草地、水域、城乡、工矿、居民用地和未利用土地），31个二级类。这是目前我国精度最高的土地利用数据产品，已经在国家土地资源调查、水文、生态研究中发挥着重要作用。
王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 刘纪远, 刘纪远, 王建华, 王建华, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 王建华, 刘纪远, 刘纪远, 刘纪远, 庄大方, 刘纪远, 刘纪远, 刘纪远, 庄大方, 刘纪远, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 吴世新, 吴世新, 周万村, 周万村, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 周万村, 周万村, 吴世新, 吴世新, 周万村, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新
本数据来源于“中国1:10万土地利用数据”。中国1:10万土地利用数据是由中国科学院“八五”重大应用项目《全国资源环境遥感宏观调查与动态研究》组织了中国科学院所属19个研究所的遥感科技队伍，以卫星遥感为手段，在三年内基于Landsat MSS，TM和ETM遥感数据构建的。本数据采用一个分层的土地覆盖分类系统，将全国分为6个一级类（耕地、林地、草地、水域、城乡、工矿、居民用地和未利用土地），31个二级类。这是目前我国精度最高的土地利用数据产品，已经在国家土地资源调查、水文、生态研究中发挥着重要作用。
王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 刘纪远, 刘纪远, 王建华, 王建华, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 王建华, 刘纪远, 刘纪远, 刘纪远, 庄大方, 庄大方, 庄大方, 刘纪远, 刘纪远, 刘纪远, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 刘纪远, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 庄大方, 庄大方, 庄大方, 庄大方, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 吴世新, 吴世新, 周万村, 周万村, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 周万村, 吴世新, 吴世新, 周万村, 吴世新, 周万村, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新
本数据来源于“中国1:10万土地利用数据”。中国1:10万土地利用数据是由中国科学院“八五”重大应用项目《全国资源环境遥感宏观调查与动态研究》组织了中国科学院所属19个研究所的遥感科技队伍，以卫星遥感为手段，在三年内基于Landsat MSS，TM和ETM遥感数据构建的。甘肃省1:10万土地利用数据集采用一个分层的土地覆盖分类系统，将全国分为6个一级类（耕地、林地、草地、水域、城乡、工矿、居民用地和未利用土地），31个二级类。这是目前我国精度最高的土地利用数据产品，已经在国家土地资源调查、水文、生态研究中发挥着重要作用。
王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 刘纪远, 刘纪远, 王建华, 王建华, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 王建华, 刘纪远, 刘纪远, 刘纪远, 庄大方, 庄大方, 庄大方, 刘纪远, 刘纪远, 刘纪远, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 刘纪远, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 庄大方, 庄大方, 庄大方, 庄大方, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 吴世新, 吴世新, 周万村, 周万村, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 周万村, 周万村, 周万村, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新
本数据来源于“中国1:10万土地利用数据”。中国1:10万土地利用数据是由中国科学院“八五”重大应用项目《全国资源环境遥感宏观调查与动态研究》组织了中国科学院所属19个研究所的遥感科技队伍，以卫星遥感为手段，在三年内基于Landsat MSS，TM和ETM遥感数据构建的。本数据采用一个分层的土地覆盖分类系统，将全国分为6个一级类（耕地、林地、草地、水域、城乡、工矿、居民用地和未利用土地），31个二级类。这是目前我国精度最高的土地利用数据产品，已经在国家土地资源调查、水文、生态研究中发挥着重要作用。
王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 刘纪远, 刘纪远, 王建华, 王建华, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 王建华, 刘纪远, 刘纪远, 刘纪远, 庄大方, 庄大方, 庄大方, 刘纪远, 刘纪远, 刘纪远, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 刘纪远, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 庄大方, 庄大方, 庄大方, 庄大方, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 吴世新, 吴世新, 周万村, 周万村, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 周万村, 周万村, 周万村, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新
本数据来源于“中国1:10万土地利用数据”。中国1:10万土地利用数据是由中国科学院“八五”重大应用项目《全国资源环境遥感宏观调查与动态研究》组织了中国科学院所属19个研究所的遥感科技队伍，以卫星遥感为手段，在三年内基于Landsat MSS，TM和ETM遥感数据构建的。本数据采用一个分层的土地覆盖分类系统，将全国分为6个一级类（耕地、林地、草地、水域、城乡、工矿、居民用地和未利用土地），31个二级类。这是目前我国精度最高的土地利用数据产品，已经在国家土地资源调查、水文、生态研究中发挥着重要作用。
王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 刘纪远, 刘纪远, 王建华, 王建华, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 王建华, 刘纪远, 刘纪远, 刘纪远, 庄大方, 庄大方, 庄大方, 刘纪远, 刘纪远, 刘纪远, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 刘纪远, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 庄大方, 庄大方, 庄大方, 庄大方, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 吴世新, 吴世新, 周万村, 周万村, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 周万村, 周万村, 吴世新, 吴世新, 周万村, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新
本数据来源于“中国1:10万土地利用数据”。中国1:10万土地利用数据是由中国科学院“八五”重大应用项目《全国资源环境遥感宏观调查与动态研究》组织了中国科学院所属19个研究所的遥感科技队伍，以卫星遥感为手段，在三年内基于Landsat MSS，TM和ETM遥感数据构建的。甘肃省1:10万土地利用数据采用一个分层的土地覆盖分类系统，将全国分为6个一级类（耕地、林地、草地、水域、城乡、工矿、居民用地和未利用土地），31个二级类。这是目前我国精度最高的土地利用数据产品，已经在国家土地资源调查、水文、生态研究中发挥着重要作用。
王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 刘纪远, 刘纪远, 王建华, 王建华, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 王建华, 刘纪远, 刘纪远, 刘纪远, 庄大方, 刘纪远, 刘纪远, 刘纪远, 庄大方, 刘纪远, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 吴世新, 吴世新, 周万村, 周万村, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 周万村, 周万村, 周万村, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新
本数据来源于“中国1:10万土地利用数据”。中国1:10万土地利用数据是由中国科学院“八五”重大应用项目《全国资源环境遥感宏观调查与动态研究》组织了中国科学院所属19个研究所的遥感科技队伍，以卫星遥感为手段，在三年内基于Landsat MSS，TM和ETM遥感数据构建的。本数据采用一个分层的土地覆盖分类系统，将全国分为6个一级类（耕地、林地、草地、水域、城乡、工矿、居民用地和未利用土地），31个二级类。这是目前我国精度最高的土地利用数据产品，已经在国家土地资源调查、水文、生态研究中发挥着重要作用。
王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 刘纪远, 刘纪远, 王建华, 王建华, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 刘纪远, 王建华, 刘纪远, 刘纪远, 刘纪远, 庄大方, 庄大方, 庄大方, 刘纪远, 刘纪远, 刘纪远, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 庄大方, 刘纪远, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 庄大方, 庄大方, 庄大方, 庄大方, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 周万村, 吴世新, 吴世新, 周万村, 周万村, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 周万村, 周万村, 周万村, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新, 吴世新
一、该数据数字化自图纸的《大沁他拉沙漠化发展程度图(1974)》，该图的具体信息如下： * 主编:朱震达、邱醒民 * 编辑 :王一谋 * 制图:冯毓荪、姚发芬、吴薇、王建华、王周龙 * 制图单位:中国科学院沙漠研究室编制 * 出版社:西安地图出版社出版，统一书号：12461.26 二、数据均以ESRI Shapefile格式储存，包括以下图层： 1、 * 沙漠化发展程度图（1974）：desertification1974.shp 2、双线河：River_double.shp 3、 单线河：River_single.shp 4、道路：Road.shp 5、 湖泊：Lake.shp 6、街道：Stree.shp 7、 铁路：Railway.shp 8、林带：Tree_networks.shp 9、居民地：residential.shp 10、图廓：map_margin.shp 三、沙漠化发展程度图属性字段及编码属性:(1)沙化程度(Type)：半流动沙地(Semi-shifting Sandy Land),沙地形态类(Shapes),草地(Grassland),林地(Woodland) ,林地疏密度(W_density),耕地(Farmland) (2)沙地形态类（Shapes):新月形沙丘(Barchan Dunes),平沙地(Flat Sandy Land),缓起伏沙地(Undulating Sandy Land),灌丛沙堆(Vegetated Dunes) (3)草地(Grassland) (4)林地(Woodland):灌木林(Woodland) (5)林地疏密度(W_density):疏林地(Sparse Woodlot) (6)耕地(Farmland):旱作农田及弃耕地(Dryfarming and Abandoned Farmland),灌溉农田(Irrigated Fields)
王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 朱震达, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 邱醒民, 冯毓荪, 朱震达, 邱醒民, 姚发芬, 姚发芬, 冯毓荪, 冯毓荪, 姚发芬, 姚发芬
一、该数据数字化自图纸的《大沁他拉沙漠化发展程度图(1958)》，该图的具体信息如下： * 主编:朱震达、邱醒民 * 编辑 :王一谋 * 制图:冯毓荪、姚发芬、吴薇、王建华、王周龙 * 制图单位:中国科学院沙漠研究室编制 * 出版社:西安地图出版社出版，统一书号：12461.26 二、数据均以ESRI Shapefile格式储存，包括以下图层： 1、 * 沙漠化发展程度图（1958）：desertification1958.shp 2、双线河：River_double.shp 3、 单线河：River_single.shp 4、道路：Road.shp 5、 湖泊：Lake.shp 6、街道：Stree.shp 7、 铁路：Railway.shp 8、林带：Tree_networks.shp 9、居民地：residential.shp 10、图廓：map_margin.shp 三、沙漠化发展程度图属性字段及编码属性:(1)沙化程度(Type)：半流动沙地(Semi-shifting Sandy Land),沙地形态类(Shapes),草地(Grassland),林地(Woodland) ,林地疏密度(W_density),耕地(Farmland) (2)沙地形态类（Shapes):新月形沙丘(Barchan Dunes),平沙地(Flat Sandy Land),缓起伏沙地(Undulating Sandy Land),灌丛沙堆(Vegetated Dunes) (3)草地(Grassland) (4)林地(Woodland):灌木林(Woodland) (5)林地疏密度(W_density):疏林地(Sparse Woodlot) (6)耕地(Farmland):旱作农田及弃耕地(Dryfarming and Abandoned Farmland),灌溉农田(Irrigated Fields)
王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 朱震达, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 邱醒民, 冯毓荪, 朱震达, 邱醒民, 姚发芬, 姚发芬, 冯毓荪, 冯毓荪, 姚发芬, 姚发芬
该数据数字化自图纸的《敦煌土地利用现状图》,本图是国家‘七五’重点科技攻关项目：“三北“防护林遥感综合调查，甘青宁类型区系列图之一，信息如下: * 主编:王一谋 ， * 副主编:冯毓荪、游先祥、申元村* ，清绘:王建华、姚发芬、杨萍 * 制图:冯毓荪、姚发芬、王建华、赵燕华、李伟民 * 制图单位:中国科学院沙漠研究室编制 * 出版社:西安地图出版社 2、 文件格式与命名 数据均以ESRI Shapefile格式储存，包括一下图层： 敦煌土地利用现状图、河流、道路、湖泊、铁路、居民地、水库、沙漠化 3、数据字段及属性 类型编码 土地资源类(Land_type） 12 水浇地 (Irrigated field) 31 有林地 (Woodland) 311 乔木林地 (Woodland) 312 乔灌混合林地 (Tree-shurb mixed) 321 灌木林地 (Shrub) 322 稀疏灌木林地 (Sparse shrub) 33 疏林地 (Sparse woods) 4111 草甸冬春草地 (Meadow grassland in spring and winter) 4112 盐化草甸冬春草地 (Saline meadow grassland in spring and winter) 4112 盐化草甸冬春草地 (Saline meadow grassland in spring and winter) 4113 盐土草甸冬春草地 (Salty soil meadow grassland in spring and winter) 4122 砂砾质荒漠草原秋冬草 (Gravely desert-steppe grassland in autumn and winter) 4124 山地荒漠草原冬春草场 (Mountainous desert-steppe grassland in winter and spring) 4134 山地荒漠四季草地 (Mountainous desert steppe in four seasons） 4141 沙质荒漠秋冬草地 (Sandy desert steppe in autumn and winter) 4142 砂砾质荒漠秋冬草地 (Gravely desert steppe in autumn and winter) 4143 土质荒漠四季草地 (Earthy desert steppe in four seasons) 4151 山地草原四季草地 (Alpine steppe in four seasons) 51 城镇用地 (Urban and town land) 52 农村用地 (Village land） 73 水库坑塘 (Reservoir and pond) 74 苇地 (Reed marshes) 77 滩地 (Tidal flat) 81 荒草地 (Desert) 82 盐碱地 (Saline-alkali land) 83 沼泽地 (Marshes) 84 沙地 (Sandy land) 85 沙滩及干沟 (Sandy flat and dry valley) 86 裸土地 (Bare land） 87 戈壁 (Gobi) 88 裸岩 (Exposed rock) 平沙地 (Flat sandy land) 复合型沙丘 (Compound dunes) 缓起伏沙地 (Undulatory sand-overlying land) 新月形沙丘及沙丘链 (Dunes and barchan chain） 沙垄 (Longitudinal dune) 格状沙丘 (Check dune)
王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王一谋, 王一谋, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 冯毓荪, 姚发芬, 游先祥, 姚发芬, 冯毓荪, 冯毓荪, 姚发芬, 申元村, 游先祥, 申元村, 姚发芬
该数据数字化自图纸的《银川土地利用现状图》,本图是国家‘七五’重点科技攻关项目：“三北“防护林遥感综合调查，甘青宁类型区系列图之一，信息如下: * 主编：王一谋 * 副主编：冯毓荪、游先祥、申元村 * 编委：王贤、王镜泉、丘明新、全志杰、牟新待、曲春宁、姚发芬、钱天久、黄自治、梅成瑞、韩熙春、李裕久、胡双熙 * 责任编辑：黄美华 * 编稿:冯毓荪、姚发芬 * 编绘:姚发芬、李振山、王熙章、朱澈、马滨、杨萍 * 编辑:冯毓荪、王一谋 * 清绘:王建华、姚发芬、马滨、李振山 * 制图单位:中国科学院沙漠研究室编制 * 出版社:西安地图出版社 * 比例尺:1：500000 * 出版时间: 暂无 2、文件格式与命名 数据均以ESRI Shapefile格式储存，包括一下图层： 沙漠化类型图(desert)、银川土地利用图(landuse)、铁路（railway）、面状居民地（resident_poly)、点状居民地(resindential)、河流(River)、公路(Road)、面状水域(Water_poly) 3、数据字段及属性 类型编号 土地资源类(land_type) 沙漠形态类(shape) 11 水田 Paddy 111 水稻田 Paddy field 12 水浇地 Irrigated field 131 平旱地 Plain non-irrigated field 132 沟旱地 Valley non-irrigate field 133 坡旱地 Slope non-irrigated field 134 台旱地 Terrace non-irrigat field 14 菜地 Vegetable plot 15 弃耕地 Abandoned farmland 21 果园 Orchard 31 有林地 Woodland......... 具体属性内容参考数据文档 2、投影信息： Angular Unit: Degree (0.017453292519943295) Prime Meridian: Greenwich (0.000000000000000000) Datum: D_Beijing_1954 Spheroid: Krasovsky_1940 Semimajor Axis: 6378245.000000000000000000 Semiminor Axis: 6356863.018773047300000000 Inverse Flattening: 298.300000000000010000
王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王一谋, 王一谋, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 王建华, 姚发芬, 游先祥, 姚发芬, 姚发芬, 游先祥, 申元村, 冯毓荪, 申元村, 姚发芬
中国冰冻圈是指中国范围内，大气圈、水圈、生物圈、岩石圈的冻结部分。中国冰冻圈资源与环境信息系统是对中国冰冻圈资源与环境数据进行管理与分析的综合性信息系统。建立中国冰冻圈资源与环境信息系统一方面是满足地球系统科学的需要，为研制地理信息系统支持下的冻土、冰川以及雪盖对全球变化的响应与反馈模型提供参数与验证数据；另一方面系统整理和抢救宝贵的冰冻圈数据，为其提供一个科学、高效、安全的管理与分析工具。 中国冰冻圈资源与环境信息系统包含三个不同空间的基础数据库。乌鲁木齐河流域基础数据库是研究区之一，范围在天山乌鲁木齐河流域，东经86—89°，北纬42—45°之间，主要包含以下数据： 1、冰冻圈数据。包括： 一号冰川、二号冰川分布； 2、自然环境与资源。包括： 水文：水资源利用现状图；地表水； 地表特性：植被类型；土壤类型；土地资源评价图；土地利用现状图； 3、社会经济资源： 人类作用变化图； 详情请查看数据中的文档“中国冰冻圈资源与环境信息系统设计.doc”、“中国冰冻圈资源与环境信息系统数据字典.DOC”。
李新, 李新, 李新
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19003365号-4 | All Rights Reserved
｜ 
京公网安备11010502040845号
