1）数据内容：本数据集为青藏高原东南三江流域滑坡灾害数据；2）数据来源及加工方法：本数据集系北京工业大学戴福初利用谷歌地球独立解译完成；采用遥感解译-现场验证-再解译-再验证等方法，经过7次系统解译最终形成本数据文件，累计对超过5000处滑坡开展了现场验证，具有较高的精度；4）本数据对青藏高原东南三江流域水能资源开发、交通工程建设、地质灾害评价等方面具有广阔的应用前景。
戴福初
青藏高原灾害编录包含了多种历史灾害的空间分布与类型信息，范围西至巴基斯坦、克什米尔地区，东至青海省，南至喜马拉雅山山麓，北至阿尔金山山麓。数据的生产是由大量人工遥感解译、实地考察、收集地调数据与开源数据结合完成的。数据以矢量点的形式储存，主要内含属性表注明灾害类型、坐标等信息。本数据可以应用于研究灾害的空间分布规律与灾害评价工作。本数据共包含23536条数据，泥石流数据由于参考了地调数据，大多沿路分布，无人区则数据较少。
唐晨晓, 唐晨晓
本数据集为青藏高原区域2002-2020年日分辨率0.00425° x0.00425°地表反照率产品。基于MODIS反射率数据，采用耦合地形因子的多源遥感数据协同反演的BRDF\反照率模型，并引入先验知识进行质量控制，反演时空连续的日分辨率的高精度BRDF/反照率。MODIS地表反射率数据（MOD09GA、MYD09GA）集为官方网站下载，以5天为周期合成日分辨率BRDF，进而估算日分辨率的反照率，其中，黑空反照率的太阳入射为当地正午时太阳入射。经过验证评估，满足反照率应用精度要求，相较于同类产品在山区站点的验证精度更高，且时空连续性更好。可有效支撑青藏高原地区辐射平衡、环境变化研究。
闻建光, 游冬琴, 唐勇, 韩源
数据内容：伊塞克湖流域2019年种植结构数据集。 数据来源及加工方法：从2019年中提取出5月-6月，7月-8月和9月-10月三个时间段，将每个时间段内云量最少，质量最高的哨兵2号数据拼接为一张完整地图，得到咸海流域三期哨兵2号遥感影像。在此基础上求出三期影像的NDVI结果，以哨兵2数据的不同波段和NDVI结果为基础，再结合耕地数据和实地采样数据，用随机森林算法对其分类，最终得到每个地块上的种植结构类型。 数据质量：空间分辨率为10m×10m，时间分辨率为年，Kappa系数0.8。 数据应用成果：可用于农作物产量估算和水资源利用效率计算。
刘铁, 刘铁, 刘铁, 刘铁, 刘铁
数据内容：咸海流域2019年归一化植被指数数据。 数据来源及加工方法：来源于美国国家航空航天局中分辨率成像光谱仪，提取MOD13A2产品第一波段作为归一化植被指数数据，乘以比例因子0.0001。 数据质量：空间分辨率为1000m×1000m，时间分辨率为一个月，每个像元的值为每个月的归一化植被指数的平均值。 数据应用成果：在气候变化背景下，可用于气象要素和植被特征相关关系分析，也可以与其它植被数据相结合分析某种植被类型的区域分布。
刘铁, 刘铁, 刘铁, 刘铁, 刘铁
数据内容：咸海流域2019年反照率数据。 数据来源及加工方法：来源于美国国家航空航天局中分辨率成像光谱仪，提取MCD43A1产品中的"BRDF_Albedo_Parameters_nn. Num_Parameters_01"，“BRDF_Albedo_Parameters_nn. Num_Parameters_02“和“BRDF_Albedo_Parameters_nn. Num_Parameters_03”波段，参考MODIS官方算法，计算得出白天反照率和夜间反照率，乘以比例因子0.001。 数据质量：空间分辨率为500m×500m，时间分辨率为8天，每个像元的值为八天地表反照率的平均值。 数据应用成果：作为重要参数可反演地表蒸散发。
刘铁
数据内容：咸海流域2019年地表温度数据。 数据来源及加工方法：来源于美国国家航空航天局中分辨率成像光谱仪，提取MOD11A2产品第一波段作为地表温度数据，乘以比例因子0.02。 数据质量：空间分辨率为1000m×1000m，时间分辨率为8天，每个像元的值为八天地表温度的平均值。 数据应用成果：在气候变化背景下，可用于气象要素和植被特征相关关系分析，也可以与其它气象数据相结合分析某种植被类型的区域分布。
刘铁, 刘铁, 刘铁, 刘铁, 刘铁
数据内容：咸海流域2019年土壤湿度数据。 数据来源及加工方法：来源于美国国家航空航天局，对每天的土壤湿度数据相加得到各月土壤湿度之和，再除以天数得到每月土壤湿度的平均值。 数据质量：空间分辨率为0.25°×0.25°，时间分辨率为月，每个像元的值为每月土壤湿度的平均值。 数据应用成果及前景：在气候变化背景下，可用于气象要素和植被特征相关关系分析，也可以与其它气象数据相结合分析某种植被类型的区域分布
刘铁, 刘铁, 刘铁, 刘铁, 刘铁
数据内容：咸海流域2019年叶面积指数数据。 数据来源及加工方法：来源于美国国家航空航天局中分辨率成像光谱仪，提取MOD15A2产品第二波段作为叶面积指数数据，乘以比例因子0.1。 数据质量：空间分辨率为500m×500m，时间分辨率为8天，每个像元的值为八天叶面积指数的平均值。 数据应用成果：在气候变化背景下，可用于气象要素和植被特征相关关系分析，也可以与其它植被数据相结合分析某种植被类型的区域分布。
刘铁
数据内容：咸海流域2019年蒸散发数据集。 数据来源及加工方法：借助IDL平台，利用SEBS算法和美国国家航空航天局中分辨率成像光谱仪（MODIS）相关数据，求出2019年咸海流域蒸散发结果。 数据质量：空间分辨率为1000m×1000m，时间分辨率为8天。 数据应用成果及前景：在气候变化背景下，可用于气象要素和植被特征相关关系分析，也可以与其它植被数据和生态数据相结合分析土地退化和水资源利用效率情况。
刘铁, 刘铁, 刘铁, 刘铁, 刘铁
那曲土壤温湿度观测网位于青藏高原中部100 km x 100 km的空间范围，站点平均海拔4650米。观测网提供三个空间尺度（1°、0.3°、0.1°）的土壤水分、温度以及冻融信息，旨在为一系列卫星遥感和水文气象研究提供支持。 观测网详细信息： （1）站点数目：57 （2）观测变量：土壤湿度、土壤温度 （3）观测深度：0-5 cm、10 cm、20 cm、40cm （4）空间范围：31°-32°N； 91.5°-92.5°E （5）空间尺度：1°x 1°（对应GCM网格尺度）、0.3°x 0.3°（对应被动微波卫星象元尺度）、0.1°x 0.1°（对应主被动融合微波象元尺度） （6）记录间隔：30 min （7）测量精度： ±2%（土壤水分）；±1℃（土壤温度） 数据文件字段描述： （1）变量1-6：观测时间（yyyy-mm-dd-hh-mm-ss；北京时间，UTC+8） （2）变量7-78：各站点观测值（实型，缺省值：-99.00） （3）土壤水分（SM）：体积含量，单位：%vol（m3/m3） （4）土壤温度（ST）： 单位：℃ 数据校正与质量控制： （1）土壤水分：基于实测土壤质地和有机质对“介电常数-土壤水分”转换公式进行校正 （2）土壤温度：针对实测数据进行合理物理范围内的质量控制
阳坤
1）数据内容：采用修正通用水土流失方程（RUSLE）估算地块尺度土壤水蚀模数，利用土壤保持量衡量生态系统减少降水导致土壤侵蚀的能力，表征植被作用引起的水蚀减少量，即实际地表覆盖条件下与极度退化状态下土壤水蚀量的差值。依据上述过程做出30年（1990-2020年，每5年一期）青藏高原生态功能图，包含水源涵养和土壤保持数据集两部分。 2）数据来源及加工方法：该图集基于生态系统类型数据、MODIS的NDVI产品、1：100万土壤属性数据、气象插值与高程等数据，采用降水贮存量法估算森林、草地生态系统的水源涵养量，以生态系统水文调节效应衡量其涵养水分的能力, 即与裸地相比涵养水分的增量。 3）数据质量：数据时间分辨率5年，空间分辨率1000m，可满足青藏高原高精度生态系统评估研究需求。 4）数据应用成果及前景：统计结果表明，近30年，青藏高原水源涵养功能量空间分布上呈现东南部高、西北部低，自东南部向西北部逐渐降低的总体分布格局。土壤保持量整体呈现波动中增加趋势，西部与南部大部分区域土壤保持功能量呈现减少趋势，其中南部减小趋势明显，东部地区呈现增加趋势。
曹巍, 黄麟
基于遥感的全球表层土壤水旬度数据集（RSSSM，2003~2020）是在世界11种常用的全球微波遥感土壤水数据产品基础上，采用神经网络方法，融入了9个微波遥感反演土壤水分的质量影响因子完成。数据空间分辨率是0.1度，时间分辨率为旬。原数据覆盖2003~2018年，现更新至2020年。RSSSM数据集的时间连续性突出，除冰雪和水体外实现空间全覆盖。通过全球实测数据进行检验，可证明RSSSM数据集较已有的常用全球或区域长时间序列表层土壤水产品具有更高的时空格局精度。此外，虽然RSSSM数据是基于遥感的，未融合任何降水资料，但其年际变异与降水量（如GPM IMERG降水数据）和标准化降水蒸散发指数（SPEI）的时间变异均可较好地吻合。RSSSM数据还可一定程度反映城市化、农田灌溉、植被恢复等人类活动对土壤水分的影响。数据为tiff格式，压缩后的数据量为2.48 GB。 数据论文于2021年发表在Earth System Science Data。
陈永喆, 陈永喆, 冯晓明, 傅伯杰, 傅伯杰
木里煤矿是青藏高原的一个典型工矿区，以木里煤矿为例，在区域的划定上，我们采取其东西南北四个方位的坐标界限对其进行裁剪，得到一个矩形区域，并将其作为木里煤矿的矿区范围。我们采用中国科学院地理所资源环境与数据中心提供的全国1km土地利用遥感监测数据，其中2000、2005、2010年三期的数据生产制作是以各期Landsat TM/ETM遥感影像为主要数据源，2015、2020年两期以Landsat8 OLI/TIRS遥感影像为主要数据源，并均通过人工目视解译生成。裁剪出木里矿区，得到2000-2020年五期土地利用数据，数据格式为栅格TIF，分辨率为1km。
刘振伟, 陈少辉
激光雷达、多光谱和热红外数据是水文、生态、环境监测等研究领域的重要观测数据。本数据集为2020年黑河中游天地一体化综合观测试验无人机观测数据。数据集包括2020年8月16日至21日的无人机遥感数据，无人机平台为大疆精灵4-多光谱版。包括大满超级站（8月16日至21日）、花寨子站（8月19日）、湿地站（8月21日）的激光雷达数据，激光扫描系统为Tovos DroneScan，扫描频率30万点/秒，点密度100点/平方米，扫描精度5厘米；大满超级站（8月18日）、花寨子站（8月19日）、湿地站（8月21日）的多光谱数据，数据集包括5个波段影像，分别为蓝（450nm±16nm）、绿（560nm±16nm）、红（650nm±16nm）、红边（730nm±16nm）、近红外（840nm±26nm）波段；以及湿地站和花寨子站对应生成的NDVI和反射率数据产品，以上数据的空间分辨率约为0.2m；此外，还包括花寨子站（8月18日和19日）、湿地站（8月21日）的热红外数据，热红外通道的波长范围：7.5-13.5μm，成像系统灵敏度（NEDT）< 50MK，最高帧率：30HZ，场景范围（高增益）：640×512: -25°至135℃，336×256: -25°至100℃，场景范围（低增益）：-40°至550℃。
晋锐
Accurate estimation of the gross primary production (GPP) of terrestrial vegetation is vital for understanding the global carbon cycle and predicting future climate change. Multiple GPP products are currently available based on different methods, but their performances vary substantially when validated against GPP estimates from eddy covariance data. This paper provides a new GPP dataset at moderate spatial (500 m) and temporal (8-day) resolutions over the entire globe for 2000–2016. This GPP dataset is based on an improved light use efficiency theory and is driven by satellite data from MODIS and climate data from NCEP Reanalysis II. It also employs a state-of-the-art vegetation index (VI) gap-filling and smoothing algorithm and a separate treatment for C3/C4 photosynthesis pathways. All these improvements aim to solve several critical problems existing in current GPP products. With a satisfactory performance when validated against in situ GPP estimates, this dataset offers an alternative GPP estimate for regional to global carbon cycle studies.
张尧
Satellite-retrieved solar-induced chlorophyll fluorescence (SIF) has shown great potential to monitor the photosynthetic activity of terrestrial ecosystems. However, several issues, including low spatial and temporal resolution of the gridded datasets and high uncertainty of the individual retrievals, limit the applications of SIF. In addition, inconsistency in measurement footprints also hinders the direct comparison between gross primary production (GPP) from eddy covariance (EC) flux towers and satellite-retrieved SIF. In this study, by training a neural network (NN) with surface reflectance from the MODerate-resolution Imaging Spectroradiometer (MODIS) and SIF from Orbiting Carbon Observatory-2 (OCO-2), we generated two global spatially contiguous SIF (CSIF) datasets at moderate spatiotemporal (0.05∘ 4-day) resolutions during the MODIS era, one for clear-sky conditions (2000–2017) and the other one in all-sky conditions (2000–2016). The clear-sky instantaneous CSIF (CSIFclear-inst) shows high accuracy against the clear-sky OCO-2 SIF and little bias across biome types. The all-sky daily average CSIF (CSIFall-daily) dataset exhibits strong spatial, seasonal and interannual dynamics that are consistent with daily SIF from OCO-2 and the Global Ozone Monitoring Experiment-2 (GOME-2). An increasing trend (0.39 %) of annual average CSIFall-daily is also found, confirming the greening of Earth in most regions. Since the difference between satellite-observed SIF and CSIF is mostly caused by the environmental down-regulation on SIFyield, the ratio between OCO-2 SIF and CSIFclear-inst can be an effective indicator of drought stress that is more sensitive than the normalized difference vegetation index and enhanced vegetation index. By comparing CSIFall-daily with GPP estimates from 40 EC flux towers across the globe, we find a large cross-site variation (c.v. = 0.36) of the GPP–SIF relationship with the highest regression slopes for evergreen needleleaf forest. However, the cross-biome variation is relatively limited (c.v. = 0.15). These two contiguous SIF datasets and the derived GPP–SIF relationship enable a better understanding of the spatial and temporal variations of the GPP across biomes and climate.
张尧
该数据集主要包括北温带湖泊在1985-2020年间4个时段的结冰观测频率值（ICO），以及湖泊所在位置、面积、高程等信息。其中，4个时间段分别为1985-1998（P1）、1999-2006（P2）、2007-2014（P3）以及2015-2020（P4），目的是提高计算时段内的“有效观测”次数，进而提高准确度。4个时段的ICO由各个时段内所有Landsat影像统计的“结冰”次数与“有效观测”次数的比值计算，其他的湖泊信息通过表格中的“Hylak_id”列与HydroLAKEs数据集相对应。此外，该数据仅保留了P1-P4均观测有效，且面积大于1平方千米的湖泊，约为3万个。该数据集可以反映近几十年来湖泊结冰情况对气候变化的响应。(详见论文)
王欣驰
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。
柯长青, 常翔宇, 蔡宇, 夏文韬
本数据包括第二次青藏高原野外综合科学考察的影像资料。影像资料内容包括科考途中自然保护区采集样方的样地照片，云南西北部和四川西部自然保护区的森林生态系统，草地生态系统，湖泊生态系统的影像，植被情况，野生动植物生境，保护区内的动物，植物和真菌类数据。此外，影像数据还包括科考的样品采集过程和社区调查中科考队员入户调查以及与当地保护部门访谈的影像资料。数据来源于无人机和相机拍摄，可为科学研究提供佐证和参考。
苏旭坤
本植被含水量数据集来源于滦河流域土壤水分遥感试验中的地面同步观测，包括：（1）70 km×12 km 典型试验区（南北航线）的17个样区；（2）165 km×5 km复杂试验区（东北—西南航线）的8个样区；（3）地基微波辐射计观测的6个样区。地物类型包括草地、玉米、土豆、莜麦和胡萝卜。数据测量时间为2018年9月13日到2018年9月26日。植被含水量的测量方法为收获法，行播作物按照长度进行收获，草地按照面积进行收获。本数据集经过称重、烘干和植被含水量计算等步骤处理得到。
郑兴明, 姜涛
该数据集包括中国2001~2018年月尺度或年尺度的地表短波波段反照率、植被光合有效辐射吸收比、叶面积指数、森林覆盖度和非森林植被覆盖度、地表温度、地表净辐射、地表蒸散发、地上部分自养呼吸、地下部分自养呼吸、总初级生产力和净初级生产力。空间分辨率为0.1°。此外，还包括在气候驱动下（无人类干扰）的以上11个生态系统参量在2001~2018年间的时空变化。因此，该数据集可以反映气候变化与人类活动对21世纪中国陆地生产系统的影响。
陈永喆, 陈永喆, 冯晓明, 傅伯杰, 田汉勤, 武旭同, 高镇, 冯宇, 朴世龙, 吕楠, 潘乃青, 傅伯杰
本数据集来源于根河生态保护区复杂地形混交林精细光学遥感试验，实验地点位于根河生态站（内蒙古大兴安岭森林生态系统国家野外科学观测研究站）附近，数据获取时间为2016年8月7日9点-17点（北京时间），采样间隔为0.5小时。测量设备为FLIR T440成像仪，通过图像监督分类提取了光照叶片、阴影叶片、光照树干、阴影树干、光照背景和阴影背景共六种组分的亮度温度。经过反射项贡献的去除和发射率校正最终得到六个组分的辐射温度。本数据集有望应用于热红外建模、组分温度反演、蒸散发估算等方面。
卞尊健, 曹彪, 历华, 杜永明, 范闻捷, 肖青, 柳钦火
地表温度（Land Surface Temperature，LST）是地表能量平衡研究的关键参数，被广泛用于气象、气候、水文、农业和生态等领域研究。卫星（热红外）遥感作为获取全球和区域尺度LST信息的重要手段，容易受到云层覆盖和其他大气条件的影响，导致LST遥感产品时空不连续，极大限制了LST遥感产品在相关研究领域的应用。 本数据集的制备首先基于经验正交函数插值方法，利用Terra/Aqua MODIS 地表温度产品重建理想晴空条件下的LST，然后使用累积分布函数匹配方法融合 ERA5-Land再分析数据获取全天候条件下的LST。该方法充分利用了原始MODIS遥感产品的时空信息以及再分析数据中的云影响信息，缓解了云层覆盖对LST估算的影响，最终重建得到较高质量的全球0.05°时空连续的理想晴空和全天候LST数据集。 本数据集不仅实现了时空无缝覆盖，并且具有良好的验证精度。重建的理想晴空LST数据在全球17种土地覆盖类型实验区内，平均相关系数（R）为0.971，偏差（Bias）为-0.001 K至0.049 K，均方根误差（RMSE）为1.436 K至2.688 K。重建的全天候 LST 数据与地面站点实测数据的验证结果：平均 R 为 0.895，Bias为0.025 K 至 2.599 K， RMSE为4.503 K至7.299 K。 本数据集的时间分辨率为逐日4次，空间分辨率为0.05°，时间跨度为2002年-2020年，空间范围覆盖全球。
赵天杰, 余沛
本地表粗糙度数据集来源于滦河流域土壤水分遥感试验中的地面同步观测，分别覆盖（1）70 km×12 km 典型试验区（南北航线）的30个样区以及（2）165 km×5 km复杂试验区（东北—西南航线）的8个样区。数据分别于2018年9月17日、2018年9月18日和2018年9月20日获取，试验测量了每个样区中典型地物的东西（或平行垄）方向和南北（或垂直垄）方向的粗糙度。地表粗糙度以均方根高度和相关长度进行表示，其中均方根高度是垂直方向上粗糙程度的度量，自相关长度作为粗糙程度在水平方向上的度量。本数据集经过土壤表面高度数字化、斜度校正、周期校正、粗糙度计算等步骤处理得到。
郭鹏
数据源为Copernicus Global Land Service (CGLS)，下载地址为：（https://lcviewer.vito.be/）。该数据提供了一期川藏交通廊道（含G317、G318、川藏铁路）的土地覆盖/土地利用类型。土地覆被数据使用遥感影像自动提取的方法，遥感影像获取时间介于2015年至2019年间，分类算法采用PROBA-V，分类精度为80%。土地利用类型包括常绿阔叶林、落叶阔叶林、常绿针叶林、落叶针叶林、灌木、草地、落地、实体、建筑用地等类型。数据的原始空间分辨率为100m，经重采样后空间分辨率为250m。数据地理坐标系为WGS1984，投影坐标系为墨卡托投影。数据存储格式为Tiff文件。
眭天波
川藏交通廊道植被分类数据由《1：400万中国植被图》（1979年）数字化而成，数字化后的数据也采用等积圆锥投影,并可利用GIS软件转换为其他投影，完成时间为1990年。该数据为面shp数据，其属性包含植被编码及其含义，具体情况可参考《中国植被编码设计说明》，其中有对1:400万中国植被图的植被编码的详细说明。数据基本包括自然植被和农业植被两部分，区域为川藏交通廊道。植被根系的发育、是否喜水等特性是影响地质灾害发育的重要因素，统计研究植被类型与灾害之间的关系对防灾减灾具有重要意义，植被类型也可作为评价灾害风险评价的关键因子。
王俪璇
使用Landsat5，7，8影像的NDVI对川藏交通廊道1985-2020年植被覆盖度进行提取。数据一共分为7期，每期时间跨度为5年。来源于USGS（https://www.usgs.gov/core-science-systems/nli/landsat/landsat-surface-reflectance）。 植被覆盖度一共分为7期，每期时间跨度为5年。其计算流程主要分为三步，一是获取该时间段内云量分数低于20的所有影像，计算其NDVI值，在使用中位数合成的方法合成当期的NDVI图；第二步是计算该区域的NDVI最大值与最小值NDVImax与NDVImin；第三步通过公式FVC=（NDVI-NDVImin）/(NDVImax-NDVImin)，得到植被覆盖度。由于使用了Landsat数据，原始植被覆盖度产品空间分辨率为30m，采样1000m后得到此数据。
眭天波
本数据集包括祁连山地区重点区域2020年5月至2020年10月的归一化植被指数、植被覆盖度、植被净初级生产力、草地生物量、森林蓄积量植被参数遥感产品，空间分辨率为10m。本数据集采用高分一号、高分六号、哨兵、资源三号等遥感数据源，结合气象、地面监测等基础数据，采用波段比值法、混合像元分解模型、CASA模型等植被参数反演算法和模型，生成祁连山重点区域生长季逐月植被指数遥感产品。本数据集通过构建以高分卫星为主的高时空分辨率生态环境监测数据集，为区域生态环境问题诊断与生态环境动态评估提供数据支持。
祁元, 祁元, 张金龙, 曹永攀, 曹永攀, 周圣明, 王宏伟, 王宏伟
本数据集包括黑河流域2020年5月至2020年10月的归一化植被指数、植被覆盖度、植被净初级生产力、草地生物量、森林蓄积量植被参数遥感产品，空间分辨率为10m。本数据集采用高分一号、高分六号、哨兵、资源三号等遥感数据源，结合气象、地面监测等基础数据，采用波段比值法、混合像元分解模型、CASA模型等植被参数反演算法和模型，生成祁连山重点区域生长季逐月植被指数遥感产品。本数据集通过构建以高分卫星为主的高时空分辨率生态环境监测数据集，为区域生态环境问题诊断与生态环境动态评估提供数据支持。
祁元, 祁元, 张金龙, 曹永攀, 曹永攀, 周圣明, 王宏伟, 王宏伟
探究地貌对于青藏高原树木分布格局的机制影响，以及如何更确切的将地貌影响表现出来，一直是研究难题，地貌对于树木分布的影响是有重要意义的。根据实地和文献调查发现，有着较好的地形庇护下，无论是乔木还是灌丛植被生长都有着积极的作用。这种作用在主要包括地形对风的遮挡庇护和地形聚水增加生境土壤水分和空气湿度。本研究采用250mDEM来模拟这种对植被的遮挡效果，称为Topographic Sheltering Index（TSI，采用C语言编程，计算目标点的障碍物累计水平角，障碍物的判定条件为：障碍物与目标点之间的距离小于障碍物与目标点高差的15-20倍，倍数可调，根据高原的实际情况选定为15倍，以8km为搜索半径，10度为搜索角度），得到青藏高原地形遮蔽度。
周尧治, 程名, 田睿
透明度，作为一种最直观地反映水质特性的指标之一，能够综合地反映水体生态系统的营养状态。光学遥感技术为监测大范围湖泊（包括水库）透明度变化提供了可能。中国湖泊（>1公顷）透明度的年均值数据集覆盖时间从1990到2018年，时间分辨率为5年一期，空间分辨率为30米，使用的数据源为GEE平台的Landsat 长时间序列天顶角反射率产品数据。中国的青藏高原、蒙新高原和东北湖区的影像选择时间主要集中在每年5-10月的非冰期。研究团队利用3种实测透明度数据集进行中国湖泊透明度反演模型的构建与验证。第一种数据集是本研究团队在2004-2018年获取的野外实测数据，该数据集的3/4（976）用来建立模型（红/蓝波段比算法），精度为R2=0.79， rRMSE=61.9%；剩余的1/4（325）用来验证模型，精度为R2=0.80， rRMSE = 57.6%。另外两种数据集是用来验证透明度反演模型的时间迁移性，其中一种数据集是2007-2009年期间由中科院南京地理与湖泊研究所进行湖泊调查获取的实测数据（340），精度为R2=0.78，rRMSE = 59.1%；另一种数据集是1980s-1990s期间第一次湖泊调查结果（229），精度为R2=0.81，rRMSE = 50.6%。模型验证结果表明，透明度反演结果在时空上具有较好的精度和稳定性。最后，基于透明度反演模型，在GEE云平台上编写去云算法、水体指数算法等来实现中国湖泊透明度的反演。该数据集信息有助于决策者或者环境管理者更好改善和保护水质，维持区域的可持续发展。
陶慧, 宋开山, 刘阁, 王强, 温志丹
本数据集包括祁连山区域2020年的30m耕地和建设用地分布产品。该产品来源于祁连山区域2020年30m的土地覆盖分类产品。2020年30m的土地覆盖分类产品以2019年的土地覆盖分类产品为基础，基于Google Earth Engine平台的Landsat系列数据和强大地数据处理能力，利用变化检测的思想和方法生产得到。产品的总精度优于85%。该产品是1985-2019年人类活动参数产品的延续。1985-2019年的人类活动参数产品也可在本网站下载得到。
杨爱霞, 杨爱霞, 仲波, 仲波, 吴俊君
本数据集为祁连山区域2020年的30m土地覆盖分类产品。该产品以2019年的土地覆盖分类产品为基础，基于Google Earth Engine平台的Landsat系列数据和强大地数据处理能力，利用变化检测的思想和方法生产得到，总体精度优于85%。该产品是1985-2019年土地覆盖分类产品的延续。1985-2019年的土地覆盖分类产品也可在本网站下载得到。其中，1985-2015年的土地利用产品为5年1期，2015-2020年的土地利用产品为1年1期。
杨爱霞, 杨爱霞, 仲波, 仲波, 角坤升, 吴俊君
地面光谱数据集的地表覆盖类型包括裸土、草地、农作物。测量位置为小滦河流域；测量时间为2018年8月-9月；测量方法：使用ASD光谱测量仪，每个样点观测三次。光谱波段范围：350~2500nm。数据处理软件：ViewSpec Pro软件。数据集包括两部分，一是昕元牧场及周边地物光谱(2018年8月28日-2018年9月12日)，二是闪电河同步实验植被光谱（2018年9月15日-2018年9月26日）。
柴琳娜, 江海英
本数据集包含2018年滦河流域土壤水分遥感试验（SMELR）航空飞行试验期间地面同步测量的地表及土壤温湿度数据，用于验证遥感反演的“真值”。数据包括表层0-5 cm的土壤水分（体积含水量，%）、深层（5、10、20、40 cm）土壤水分，表层0-5 cm的土壤温度（℃）、光照和阴影下的土壤温度，光照和阴影下的植被温度。 地面同步采样样方分布于滦河的上游地区（闪电河流域、小滦河流域），采样时间为2018年9月，使用便携式土壤水分仪、外置探头型温度记录仪以及环刀法进行测量，采取样区-样方-样点嵌套的采样方案获取数据。
赵天杰, 姚盼盼, 崔倩, 崔倩, 蒋玲梅, 柴琳娜, 郑超磊, 卢麾, 马建威, 吕海深, 武建军, 赵伟, 杨娜, 李玉霞, 潘金梅, 刘明宇, 魏祖帅, 张子谦, 王建, 杨建卫, 刘晓敬, 刘进, 尹燕旻, 黎一杉, 倪少强, 祝鹏, 洪志明, 王莜译, 刘晨, 杨建华, 田丰, 王伟, 何珏霖, 陈勇强, 徐少博, 程渊, 高思远, 郝震, 易珍言, 王昊宇, 胡新, 彭义峰, 杜晓铮, 胡凤敏, 孙亚勇, 耿德源, 杨纲, 钟浩, 吴松, 郑杰, 杨倍倍, 赵嘉诚, 周倩
本数据为祁连山地区2020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2020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2020年的大致分布，可用于流域水资源定量估计研究。
刘绍民, 刘绍民, 李佳, 李建江, 李新, 刘绍民
本数据为祁连山地区2019年冰川分布产品。采用经典波段比值法和人工修正的方法提取。原始基础数据为2019年祁连山全境的高分系列影像。参考数据为谷歌影像和天地图影像。产品以shp文件格式存储，包含坐标系、冰川ID、冰川面积等属性。产品为1期，空间分辨率为2米，边界精度在2米（一个像元）左右。该数据直观地反映了祁连山冰川在2019年的分布，可用于冰川物质平衡变化定量估计、冰川变化对流域径流量影响定量估计等研究。
李佳
本数据为祁连山地区2020年冰川分布产品。采用经典波段比值法和人工修正的方法提取。原始基础数据为2020年祁连山全境的高分系列影像。参考数据为谷歌影像和天地图影像。产品以shp文件格式存储，包含坐标系、冰川ID、冰川面积等属性。产品为1期，空间分辨率为2米，边界精度在2米（一个像元）左右。该数据直观地反映了祁连山冰川在2020年的分布，可用于冰川物质平衡变化定量估计、冰川变化对流域径流量影响定量估计等研究。
李佳
本数据集包含来自闪电河流域土壤温湿度无线传感器网络（以下简称SMN-SDR）的34个站点的土壤水分、土壤温度和降水的原位测量数据。整个观测网络覆盖约10000平方公里（115.5-116.5°E，41.5-42.5°N）。SMN-SDR 所覆盖的闪电河流域地势相对平坦，地表覆盖类型以草地和农田为主。网络中共计包含34个站点，分别设置了100公里（大尺度）、50公里（中尺度）和10公里（小尺度）三种采样尺度。站点观测使用Decagon 5TM 土壤水分传感器，每个站点统一按照五个测量深度（分别为3、5、10、20和50厘米）进行测量，其中有20个站点配备了HOBO雨量计。测量数据稳定后定期针对每个站点的每一层土壤采集土壤样品，分析重量/体积含水量、容重和土壤质地等，以对原始测量数据进行校准。数据采样间隔为10分钟（2019年6月之前）或15分钟（2019年6月之后）。 闪电河流域土壤温湿度无线传感器网络将为卫星反演和模型模拟的土壤水分产品真实性检验提供长期的地面参考数据。
赵天杰, 姬大彬, 蒋玲梅, 崔倩, 陈德清, 郑景耀, 张子谦, 胡路, 施建成
本数据集包括祁连山地区2020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），MERRA-2气象再分析数据，中国区域高时空分辨率地面气象要素驱动数据集等。
姚云军, 刘绍民, 尚珂
数据内容：该数据集产品包含青藏高原地区30米分辨率的水体悬浮物浓度产品，可作为青藏高原地区生态系统相关研究的关键参数。数据来源及加工方法：产品反演主要基于Landsat系列数据，通过提取有效的离水辐射或离水反射率，从而对水体成分进行反演。本产品是使用经验/半经验方法进行水中悬浮物浓度信息提取的初步结果。数据质量：整体精度较高，后续将结合科考实测数据对产品进一步优化。数据应用成果及前景：数据集将持续更新，可用于青藏高原地区生态系统变化研究与分析。
刘慧婵
Based on AVHRR-CDR SR products, a daily cloud-free snow cover extent dataset with a spatial resolution of 5 km from 1981 to 2019 was prepared by using decision tree classification method. Each HDF4 file contains 18 data elements, including data value, data start date, longitude and latitude, etc. At the same time, to quickly preview the snow distribution, the daily file contains the snow area thumbnail, which is stored in JPG format. This data set will be continuously supplemented and improved according to the real-time satellite remote sensing data and algorithm update (up to may 2019), and will be fully open and shared.
HAO Xiaohua
本数据集包含来自闪电河流域土壤温湿度无线传感器网络（以下简称SMN-SDR）的34个站点的土壤水分、土壤温度和降水的原位测量数据。整个观测网络覆盖约10000平方公里（115.5-116.5°E，41.5-42.5°N）。SMN-SDR 所覆盖的闪电河流域地势相对平坦，地表覆盖类型以草地和农田为主。网络中共计包含34个站点，分别设置了100公里（大尺度）、50公里（中尺度）和10公里（小尺度）三种采样尺度。站点观测使用Decagon 5TM 土壤水分传感器，每个站点统一按照五个测量深度（分别为3、5、10、20和50厘米）进行测量，其中有20个站点配备了HOBO雨量计。测量数据稳定后定期针对每个站点的每一层土壤采集土壤样品，分析重量/体积含水量、容重和土壤质地等，以对原始测量数据进行校准。数据采样间隔为10分钟（2019年6月之前）或15分钟（2019年6月之后）。 闪电河流域土壤温湿度无线传感器网络将为卫星反演和模型模拟的土壤水分产品真实性检验提供长期的地面参考数据。
赵天杰, 姬大彬, 崔倩, 蒋玲梅, 崔倩, 陈德清, 郑景耀, 张子谦, 胡路, 施建成
本数据集包括祁连山地区2019年日值0.05°×0.05°地表土壤水分产品。采用耦合小波分析的随机森林优化降尺度模型（RF-OWCM），通过对“祁连山地区基于AMSR-E和AMSR2亮温数据的SMAP时间扩展日0.25°×0.25°地表土壤水分数据（SMsmapTE, V1）”进行降尺度，得到0.05°×0.05°地表土壤水分产品。参与降尺度模型的数据包括GLASS Albedo/LAI/FVC，周纪-中国西部1km全天候地表温度数据（TRIMS LST-TP），以及经/纬度等信息。
柴琳娜, 朱忠礼, 刘绍民
青藏高原作为世界屋脊，亚洲水塔，世界第三极，是中国乃至亚洲重要的生态安全屏障。随着社会经济的快速发展，人类活动明显增加，对生态环境的影响越来越大。选取耕地、建筑用地、国道、省道、铁路、高速公路、GDP和人口密度8个因素为威胁因子，并基于专家打分法确定威胁因子的属性，对青藏高原生境质量进行评估，从而获得1990、1995、2000、2005、2010和2015年共6期青藏高原农牧区生境质量的数据集。制作生境质量的数据集将有助于探索青藏高原的生境质量，并为政府制定青藏高原的可持续发展政策提供有效支持。
刘世梁, 刘轶轩, 孙永秀, 李明琦
归一化植被指数结合了不同波段的光谱信息，在研究植被长势、地物分类方面有重要作用。本数据集为2020年6-10月的黑河流域典型站点无人机遥感NDVI（Normalized Differential Vegetation Index）数据，空间分辨率为0.2 m。NDVI数据获取流程为将无人机拍摄后的单幅影像通过Pix4D mapper进行拼接，并由Pix4D mapper自动进行拼接和影像的植被指数计算。
刘绍民, 刘绍民, 周纪, 周纪, 金子纯, 王子卫, 刘绍民, 王子卫
地表温度是地表能量平衡的重要参量之一。本数据集为2020年6-10月逐月的黑河流域典型站点无人机遥感地表温度数据；飞行使用大疆M600 pro无人机搭载WIRIS Pro Sc热像仪，分别以湿地内的SD站、绿洲内的DM站和荒漠内的HZ站为中心，观测了地表温度获取了地表亮温图像，无人机的飞行高度约300m，热像仪的像素为336x256，图像的空间分辨率为0.4m。地表温度反演算法为改进的单通道算法，将该算法应用于无人机热红外遥感传感器获取的地表亮温数据，最终得到0.4m空间分辨率的地表温度数据。
刘绍民, 刘绍民, 周纪, 周纪, 王子卫, 刘绍民, 王子卫
横断山多尺度致灾、孕灾、承灾数据时空统一数据集包含了由高程数据衍生的一系列地貌数据、年均归一化植被指数数据、年均气温与降雨数据、VIIRS夜间灯光数据。其中地貌数据覆盖横断山地区，植被与气候相关数据覆盖青藏高原，夜间灯管指数数据覆盖全国范围。数据收集时间根据来源不同而异，最早为2000年，最晚为2018年。该数据集主要是为了进行灾害、风险评价而准备。本数据集将这些数据整理进行了重采样、空间校正、光学校正、地貌因子计算、空间统计等流程加工，数据精度与其数据源的原始精度数据一致，未经过降采样等模糊处理。处理过程中采用了科学标准流程，区分了连续与不连续型数据，将处理过程中的数据损失降到最低。
唐晨晓, 唐晨晓
This file contains the datasets used in a manuscript published in JGR Biogeosciences (Nieberding, F., Wille, C., Ma, Y., Wang, Y., Maurischat, P., Lehnert, L., and Sachs, T.: Winter daytime warming and shift in summer monsoon increase plant cover and net CO2 uptake in a central Tibetan alpine steppe ecosystem, Journal of Geophysical Research: Biogeosciences, 126, e2021JG006441, doi:10.1029/2021JG006441, 2021.). The manuscript contains all the details on how the data was generated and processed and the corresponding code was published in the supplementary material.
Felix Nieberding, 马耀明, Christian Wille, Lukas Lehnert, Yuyang Wang, Philipp Maurischat, Weiqiang Ma, Torsten Sachs
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
