针对青藏高原泛三江并流区的17.9万km2的区域，通过Sentinel-1升降轨，以及Palsar-1升轨三种SAR数据进行InSAR变形观测，根据获取的InSAR变形图像，结合地貌和光学影像特征进行综合解译。共识别得到海拔4000m以下的活动性滑坡949处。需要注意的是，因不同SAR数据的观测角度、敏感度和观测时相的差异，同一滑坡用不同数据解译存在一定的差异，在滑坡的范围、边界方面需要借助地面和光学影像进行修正。滑坡InSAR识别比例尺的概念与传统空间分辨率不同，主要依靠变形强度，因此一些规模较小，但与背景相比变形特征突出，整体性强，与地物具有逻辑空间关系的滑坡也能得以解译（配合SAR的强度图、地形阴影图、光学遥感影像为地物参照）。本次最小解译区域可达几个像素，如参考怒江沿江公路解译了一处只有4个像素的公路边坡滑坡。
2022-03-19
本数据是研究团队综合利用Sentinel-1 SAR数据，AMSR-2微波辐射计数据以及MODIS LST产品所生产的青藏工程走廊区域高分辨土壤冻融数据集。基于新提出的算法，本产品提供月尺度100m空间分辨土壤冻融状态检测结果，并通过气象站点和土壤温度站点进行精度验证。基于青藏工程走廊地区的4个气象站点进行精度验证，结果表明基于升轨和降轨Sentinel-1的土壤冻融检测结果的整体准确率分别为84.63%和77.09%。基于那曲土壤湿度/温度监测站点进行精度验证，升轨和降轨结果的平均整体精度为78.58%和76.66。该产品弥补了传统土壤冻融产品空间分辨率不足（>1km）的问题，为青藏工程走廊区域高分辨率土壤冻融监测提供了可能。
2022-03-16
本数据集为TCA(Triple Collocation Analysis)算法代码集，用于生成2011-2018年全球日尺度土壤水分融合数据。
2022-02-12
本数据集是一个包含10年（2010-2019）的全球日尺度地表土壤水分数据集，分辨率为36 km，采用EASE-Grid2投影坐标系，数据单位为m3/m3. 数据集采用Yao et al.(2017，2021)发展的土壤水分神经网络反演算法，将SMAP的优势传递到FY-3B/MWRI，利用人工神经网络方法，以SMAP标准土壤水分产品为训练目标，以FY-3B/MWRI的亮温为输入，最终输出长时序土壤水分数据。土壤水分精度和SMAP接近，达到5%左右。（ 全球14个密集观测站网的验证精度 ）。
2021-12-31
本土壤水分数据集是一个包含8年（2011-2018）的全球时空连续一致的日尺度地表土壤水分数据集，空间格网分辨率为25km，时间分辨率为每天，数据单位为cm3/cm3。数据集采用基于三重配置分析 (TCA: Triple Collocation Analysis)的土壤水分线性融合算法，对SMOS，ASCAT，FY3B，CCI，SMAP五种土壤水分产品分两步进行了融合：第一步，融合2011~2018年SMOS，FY3B和ASCAT土壤水分数据产品；第二步，对第一步融合的2015~2018年间的结果与相应年份的CCI以及SMAP数据产品进行再融合，最终获得2011~2018年间融合的土壤水分产品。最终融合的土壤水分数据在全球空间覆盖比达80%以上。此外，利用全球7个地面观测网络的站点实测土壤水分数据对上述融合的土壤水分产品进行了评价分析，最小RMSE (Root Mean Square Error) 为0.036 cm3/cm3。
2021-12-16
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 © 2018-2026
陇ICP备19003365号-4 | All Rights Reserved
｜ 
京公网安备11010502040845号
