地表温度（Land surface temperature, LST）是地球表面与大气之间界面的重要参量之一。它既是地表与大气能量交互作用的直接体现，又对于地气过程具有复杂的反馈作用。因此，地表温度不仅是气候变化的敏感指示因子和掌握气候变化规律的重要前提，还是众多模型的直接输入参数，在许多领域有广泛的应用，如气象气候、环境生态、水文等。伴随地学及相关领域研究的深入和精细化，学术界对卫星遥感的全天候地表温度（All-weather LST）具有迫切的需求。 本数据集的制备方法是一种基于新型地表温度时间分解模型的卫星热红外遥感-再分析数据集成方法。方法的主要输入数据为Aqua MODIS LST产品和GLDAS等数据，辅助数据包括卫星遥感提供的植被指数、地表反照率等。方法充分利用了卫星热红外遥感和再分析数据提供的地表温度高频分量、低频分量以及地表温度的空间相关性，最终重建得到较高质量的全天候地表温度数据集。 评价结果表明，本数据集具有良好的图像质量和精度，不仅在空间上无缝，还与当前学术界广泛采用的逐日1 km Aqua MODIS LST产品在幅值和空间分布上具有较高的一致性。当以MODIS LST为参考时，该数据集在白天和夜间的平均偏差（MBE）为0.08K至0.16K，偏差标准差（STD）为1.12K至1.46K。基于分布于黑河流域、东北、华北和华南地区的15个站点实测数据的检验结果表明，其MBE为-0.06K至-1.17K，RMSE为1.52K至3.71K，且在晴空与非晴空条件下无显著区别。 本数据集的时间分辨率为逐日2次，空间分辨率为1km，时间跨度为2000年-2021年（注：通过外推方式将缺少Aqua MODIS LST产品时段内的全天候地表温度补齐）；空间范围包括我国陆域的主要区域（包含港澳台地区，暂不包含我国南海诸岛）及周边区域（72°E-135°E，19°N-55°N）。本数据集的缩写名为TRIMS LST（Thermal and Reanalysis Integrating Moderate-resolution Spatial-seamless LST），以便用户使用。需要说明的是，TRIMS LST的空间子集TRIMS LST-TP（中国西部逐日1 km全天候地表温度数据集（TRIMS LST-TP；2000-2021）V2）同步在国家青藏高原科学数据中心发布，以减少相关用户数据下载和处理的工作量。
周纪, 周纪, 张晓东, 张晓东, 唐文彬, 丁利荣, 马晋, 张旭, 周纪, 唐文彬, 丁利荣, 马晋, 张旭
数据集包括2015年11月27日- 2016年3月26日阿勒泰基站(lon:88.07, lon: 44.73)地面被动微波亮温、多角度亮温、10分钟四分量辐射和雪温、雪坑日观测数据和逐时气象数据。 日雪坑参数包括:积雪分层、分层厚度、密度、粒度、温度。 这些数据存储在5个NetCDF文件中，TBdata.nc, TBdata-multiangle.nc, Ten-minute 4 component radiation and snow temperature.nc, Hourly meteorological and soil data.nc and Daily snow pit data.nc,以及readme.doc。 TBdata.nc 为六通道双偏振微波辐射计RPG-6CH-DP自动采集的两偏振三个通道的亮度温度。内容包括年、月、日、时、分、秒、Tb1h、Tb1v、Tb18h、Tb18v、Tb36h、Tb36v、入射角、方位角。 TBdata-multiangle.nc为两种极化的3个通道的7组多角度亮度温度。 包括年、月、日、时、分、秒、Tb1h、Tb1v、Tb18h、Tb18v、Tb36h、Tb36v、入射角、方位角。 The ten-minute 4 component radiation and snow temperature. nc 为4组分辐射和层状雪温度。 内容包括:年、月、日、时、分、SR_DOWN、SR_UP、LR_DOWN、LR_UP、T_Sensor、ST_0cm、ST_5cm、ST_15cm、ST_25cm、ST_35cm、ST_45cm、ST_55cm。 The hourly meteorological and soil data.nc为每小时天气数据和分层土壤数据。内容包括年、月、日、时、Tair、Wair、Pair、Win、SM_10cm、SM_20cm、Tsoil_5cm、Tsoil_10cm、tsoil_15cm、Tsoil_20cm。 The daily snow pit data.nc为人工雪坑数据。观测时间为当地时间上午8:00-10:100。内容包括年、月、日、雪深、thickness_layer1、thickness_layer2、thickness_layer4、thickness_layer5、thickness_layer6、Long_layer1、Short_layer1、Long_layer2、Short_layer2、Long_layer3、Short_layer4、Long_layer5、Short_layer5、Long_layer6、short_layer6、Stube、snow shovel_0-10、 雪铲_10-20、雪铲_20-30、雪铲_30-40、雪铲_40-50、雪叉_10、雪叉_15、雪叉_20、雪叉_25、雪叉_30、雪叉_35、雪叉_40、雪叉_45、雪叉_50、形状1、形状2、形状3、形状4、形状5。
戴礼云
青藏高原是全球气候变化的敏感区域。地表温度（Land Surface Temperature, LST）作为地表能量平衡中的主要参数，表征了地气间能量和水分交换的程度，广泛应用于气象气候、水文、生态等领域的研究中。青藏高原的陆地-大气相互作用等研究，迫切需要较长时间序列和较高时空分辨率的全天候地表温度数据集。然而，该区域较为频繁的云覆盖特征，使现有卫星热红外遥感地表温度数据集的使用受到较大的局限。 相较于2019年发布的前一个版本——中国西部逐日1km空间分辨率全天候地表温度数据集（2003-2018）V1，本数据集（V2）采用了一种新的制备方法，即基于新型地表温度时间分解模型的卫星热红外遥感-再分析数据集成方法。方法的主要输入数据为Aqua MODIS LST产品和GLDAS等数据，辅助数据包括卫星遥感提供的植被指数、地表反照率等。该方法充分利用了卫星热红外遥感和再分析数据提供的地表温度高频分量、低频分量以及地表温度的空间相关性。 评价结果表明，本数据集具有良好的图像质量和精度，不仅在空间上无缝，还与当前学术界广泛采用的逐日1 km Aqua MODIS LST产品在幅值和空间分布上具有较高的一致性。以MODIS LST为参考值时，该数据集在白天和夜间平均偏差（MBE）分别为-0.28 K和-0.29 K，偏差标准差（STD）分别为1.25 K和1.36 K。基于青藏高原和黑河流域的6个站点实测数据的检验结果表明，晴空条件下，本数据集在白天/夜间与实测LST均具有高度的一致性，其MBE为-0.42~0.25 K/-0.35~0.19 K；均方根误差 （RMSE）为1.03~2.28 K/1.05~2.05 K；非晴空条件下，本数据集在白天/夜间的MBE为-0.55~1.42 K/-0.46~1.27 K；RMSE为2.24~3.87 K/2.03~3.62 K。与V1版本的数据相比，两种全天候地表温度均在空间维度上表现除了空间无缝（即无缺失值）的特性，且在大部分区域内，两种全天候地表温度的空间分布和幅值均与MODIS地表温度高度一致。然而，在AMSR-E/AMSR2轨道间隙亮温缺失的区域内，V1版本的地表温度产生了低估。TRIMS地表温度与V1版本地表温度在AMSR-E/AMSR2轨道间隙外的质量接近，而在轨道间隙内前者的质量更加可靠。因此，建议用户使用V2版本。 本数据集的时间分辨率为逐日2次，空间分辨率为1km，时间跨度为2000年-2021年（注：通过外推方式将缺少Aqua MODIS LST产品时段内的全天候地表温度补齐）。本数据集的空间范围包括青藏高原为核心的我国西部及周边地区（72°E-104°E，20°N-45°N）。因此，本数据集的缩写名为TRIMS LST-TP（Thermal and Reanalysis Integrating Moderate-resolution Spatial-seamless LST – Tibetan Plateau），以便用户使用。
张晓东, 张晓东, 周纪, 唐文彬, 丁利荣, 马晋, 张旭, 唐文彬, 丁利荣, 马晋, 张旭
本数据集是2017年青藏高原冰川数据，使用了210景Landsat8 OLI卫星多光谱遥感数据，时间从2013年至2018年，90%来源于2017年,85%的Landsat8 OLI数据成像于冬季。冰川数据是青藏高原净冰川覆盖范围，不包括表碛物覆盖部分。数据格式是TIFF，可以为青藏高原冰川变化、冰川水文研究提供基础数据支持。 数据内容： Value是冰川斑块在系统中自动生成的编码。 格网单元：30m 数据的投影方式：Albers等积圆锥投影。 数据加工方法：基于210景Landsat8 OLI卫星多光谱遥感数据，校正、镶嵌为假彩色合成影像（RGB:654），采用人工目视解译方法，参考波段比值法结果，结合SRTM DEM V4.1数据与Google Earth和HJ1A/1B卫星同一年不同季节的影像，剔除了山体阴影、季节性积雪的影响，参考我国第一期和第二期冰川编目数据，剔除了非冰川区的陡崖、裸露基岩等，综合提取净冰川专题矢量数据，不包括冰川末端位置不清的表碛物覆盖区域，冰川边界数字化精度为半个像元（15m）。通过对比分析，可知基于多数据源、参考多方法结果、综合专家经验知识人-机互动方法提取获得的山地冰川数据更准确。具体数据提取方法详见参考文献： Ye, Q., J.Zong,L.Tian et al. (2017). Glacier changes on the Tibetan Plateau derived from Landsat imagery: mid-1970s – 2000 – 2013. Journal of Glaciology,63(238), 273-87. DOI:10.1017/jog.2016.137。 原始遥感资料数据精度：30m 数据质量控制措施：冰川边界数字化精度控制在半个像元之内（15m）。 项目来源：中国科学院战略性先导科技专项（A类）（XDA19070302）, 第二次青藏高原综合科学考察研究资助（2019QZKK0202），国家自然科学基金项目（41530748, 91747201）、中国科学院“十三五”信息化建设专项资助(XXH13505-06)。
叶庆华, 叶庆华, 叶庆华, 叶庆华
该数据集包含2014年07月23日至2014年08月18日在黑河下游混合林站和超级站观测的热像仪组分温度数据。观测地点坐标分别为101.1335E、41.9903N和101.1374E、42.0012N，海拔约874m。在混合林站和超级站分别使用Testo890-2（热红外图像：640 × 480，可见光2048 × 1536）和Testo875-2i（热红外图像：160 × 120，可见光640 × 480）热像仪，以通量塔为中心，在10m高度处，拍摄塔周围的地表亮温和可见光图像。在混合林站的观测方向为东北、东、东南、西南和西北，在超级站的观测方向为东北、东南、西南和西北。观测时间范围主要为晴空日期的10:00至16:00；各次的观测时间为整点和MODIS、Landsat 8过境时；8月4日的拍摄为配合航空飞行，观测间隔约为10min。
周纪, 周纪, 周纪
该数据集包含2014年07月22日至2016年07月19日在黑河下游混合林站和超级站观测的组分温度数据。测量地点坐标分别为101.1335E、41.9903N和101.1374E、42.0012N，海拔约874m。所使用的红外辐射计型号为SI-111，数采为CR800。混合林站使用两支传感器分别观测光照胡杨（南侧）和阴影胡杨（北侧）的组分温度。两支传感器架设高约5m，距目标约1m，水平观测。超级站使用两支传感器分别观测裸土和柽柳的组分温度。观测裸土的传感器架设高度约2m，观测天顶角约45°；观测柽柳的传感器架设高度约1m，距被测目标约0.5m，水平观测。
周纪, 周纪, 周纪
该数据集是NOAA的 Advanced Very High Resolution Radiometer (AVHRR)传感器获取的长时间序列的NDVI数据。该数据集时间范围是1982年至2015年。为了去除NDVI数据中的噪声，进行了最大化合成、多传感器对比纠正。每半个月合成一幅NDVI影像。该数据集在植被长期变化趋势分析中被广泛应用。该数据集是从全球数据集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。 本数据集数据格式为geotiff，空间分辨率为8km，时间分辨率为2周，时间范围为1982年至2015年。数据转系系数为10000， NDVI = ND/10000。
NOAA
该数据集是MODIS的植被指数数据（MOD13Q1），将三江源区域进行了提取，以便单独开展三江源地区的研究分析。MOD13Q1是16天合成的植被指数，包含归一化植被指数（NDVI）和增强型植被指数（EVI）。三江源的空间范围覆盖两景MODIS文件（h25v05和h26v05）。数据存储格式为hdf，每个文件中包含12个波段：归一化植被指数（NDVI）、增强型植被指数（EVI）、数据质量（VI Quality）、红波段反射率（red reflectance）、近红外波段反射率（NIR reflectance）、蓝波段反射率（blue reflectance）、中红外波段反射率（MIR reflectance）、观测天顶角（view zenith angle）、太阳天顶角（sun zenith angle）、相对方位角（relative azimuth angle）、合成的时间（composite day of the year）和象元可靠性（pixel reliability）. 本数据集数据格式为hdf，空间分辨率250m，时间分辨率是16天，时间范围：2000年2月至2018年10月。
Kamel Didan*, Armando Barreto Munoz, Ramon Solano, Alfredo Huete
该数据集是SPOT卫星上的VEGETATION传感器获取的长时间序列的NDVI数据。该数据集时间范围是1998年5月至2013年。为了去除NDVI数据中的噪声，进行了最大化合成。每10天合成一幅NDVI影像。该数据集是从全球数据集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。 本数据集数据格式为geotiff，空间分辨率1km，时间分辨率是10天，时间范围：1998年5月至2013年12月。
Image Processing Centre for SPOT-VGT
2012年8月1日在黑河上游，利用运12飞机，搭载WIDAS传感器，开展了可见光/近红外、热红外的多角度航空遥感试验。WIDAS系统集成了：高分辨率相机一台、可见光/近红外5波段多光谱相机两台（最大视场角48度）和热像仪一台（最大视场角46度）。获取的数据信息为：CCD分辨率0.1m.
肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光
2018年8月19日在位于长江源区的曲麻莱县的湿地样方采用DJI 精灵4 无人机搭载的照相机，对样方区域进行航拍，共设置了31条航线，飞行高度100m，相邻照片重叠度不低于70%，总共获取了1551张航拍照片，分别存储在“Drone Photoes Part1”和“Drone Photoes Part2”两个文件夹下。
王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 魏彦强, 魏彦强, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 魏彦强, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 魏彦强, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 魏彦强
2012年8月3日在黑河中游的5*5公里加密区，利用运12飞机，搭载WIDAS传感器，开展了可见光/近红外、热红外的多角度航空遥感试验。WIDAS系统集成了：高分辨率相机一台、可见光/近红外5波段多光谱相机两台（最大视场角48度）和热像仪一台（最大视场角46度）。获取的数据信息为：CCD分辨率0.1m.
肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光
2012年7月26日在黑河中游的5*5公里加密区，利用运12飞机，搭载WIDAS传感器，开展了可见光/近红外、热红外的多角度航空遥感试验。WIDAS系统集成了：高分辨率相机一台、可见光/近红外5波段多光谱相机两台（最大视场角48度）和热像仪一台（最大视场角46度）。获取的数据信息为：CCD分辨率0.2m.
肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光
2018年8月22日在位于澜沧江源园区的样方采用DJI 精灵4 无人机搭载的照相机，对样方区域进行航拍，共设置了20条航线(5条航线数据缺失)，飞行高度100m，相邻照片重叠度不低于70%，总共获取了1160张航拍照片，存储在“100MEDIA”，“101MEDIA”两个个文件夹下。
王旭峰, 王旭峰, 魏彦强, 魏彦强, 王旭峰, 王旭峰, 魏彦强, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 魏彦强, 王旭峰, 王旭峰, 王旭峰, 魏彦强
2012年8月25日和8月28日，在黑河中上游的核心观测区域，利用运12飞机，搭载Leica公司RCD30相机,开展了光学航空遥感飞行试验。RCD30相机焦距80mm,有RGB和近红外四个波段。上游葫芦沟飞行区域，绝对航高为4800和5500米，GSD为6—19厘米。经过处理，得到tif影像及影像外方位元素。
肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光
2012年8月19日，在黑河中上游的核心观测区域，利用运12飞机，搭载Leica公司RCD30相机,开展了光学航空遥感飞行试验。RCD30相机焦距80mm,有RGB和近红外四个波段。小沙漠地区飞行绝对航高2900米，GSD为10厘米。经过处理，得到tif影像及影像外方位元素。
肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光
该数据集是SeaWiFS获取的长时间序列的NDVI数据。该数据集时间范围是1997年9月至2007年。为了去除NDVI数据中的噪声，进行了最大化合成。每15天合成一幅NDVI影像。该数据集是从全球数据集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。 本数据集数据格式为geotiff，空间分辨率4km，时间分辨率是15天，时间范围：1997年第256天至2007年第365天。
Charles R. Mcclain
2018年8月19日在长江源园区曲麻莱县的高寒草甸样方采用DJI无人机进行航拍，按照设定的飞行路线拍摄照片，相邻照片重叠度不低于70%，利用拍摄的照片生成正射影像和DSM，正射影像包含红绿蓝三个波段，正射影像地面分辨率为2.5cm，拍摄面积为860m×770m，DSM的分辨率为4.5cm。
王旭峰, 魏彦强
2018年8月19日在长江源园区曲麻莱县的湿地样方采用DJI无人机进行航拍，按照设定的飞行路线拍摄照片，相邻照片重叠度不低于70%，利用拍摄的照片生成正射影像和DSM，正射影像包含红绿蓝三个波段，地面分辨率为2cm，拍摄面积为850m×1000m，DSM的分辨率为4.5cm。
王旭峰, 王旭峰, 魏彦强, 魏彦强, 王旭峰, 王旭峰, 魏彦强, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 魏彦强, 王旭峰, 王旭峰, 王旭峰, 魏彦强
2018年8月20日在位于长江源区的曲麻莱县的高寒草甸样方采用DJI 精灵4 无人机搭载的照相机，对样方区域进行航拍，共设置了31条航线，飞行高度100m，相邻照片重叠度不低于70%，总共获取了664张航拍照片，存储在Drone photoes of Qumalai（2018）文件夹下。
王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 魏彦强, 魏彦强, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 魏彦强, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 魏彦强, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 魏彦强
2012年8月2日在黑河中游的30*30公里核心观测区域，利用运12飞机，搭载WIDAS传感器，开展了可见光/近红外、热红外的多角度航空遥感试验。WIDAS系统集成了：高分辨率相机一台、可见光/近红外5波段多光谱相机两台（最大视场角48度）和热像仪一台（最大视场角46度）。获取的数据信息为：CCD分辨率0.26m.
肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光
2012年8月25日，在黑河中上游的核心观测区域，利用运12飞机，搭载Leica公司RCD30相机,开展了光学航空遥感飞行试验。RCD30相机焦距80mm,有RGB和近红外四个波段。样带地区飞行绝对航高5200米，GSD为6—19厘米。经过处理，得到tif影像及影像外方位元素。
肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光
2012年8月25日，在黑河中上游的核心观测区域，利用运12飞机，搭载Leica公司RCD30相机,开展了光学航空遥感飞行试验。RCD30相机焦距80mm,有RGB和近红外四个波段。上游天姥池飞行区域，绝对航高为4800和5500米，GSD为8—19厘米。经过处理，得到tif影像及影像外方位元素。
肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光
2018年8月22日在位于澜沧江源区的固定样方采用DJI无人机搭载的照相机，按照设定的飞行路线拍摄照片，相邻照片重叠度不低于70%，利用拍摄的照片生成正射影像和DSM，正射影像包含红绿蓝三个波段，地面分辨率为2.5cm，拍摄面积为1000m×1000m，DSM的分辨率为4.5cm。由于通信故障，导致中间4条航带没有拍摄上照片，所以中间有一个条带的影像缺失。
王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 魏彦强, 魏彦强, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 魏彦强, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 魏彦强, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 魏彦强
Greenland遥感影像拼接图是在收集了2014-2015年间108景Landsat8 OLI遥感影像，经过DN值校正、去云计算、行星反射率计算、反射率与RGB值转换、影像合成与拼接等操作后制成。全图空间分辨率为30m，投影方式采用极射赤面投影。
陈卓奇
该数据集是基于MODIS 16天合成的NDVI产品（MOD13A2 collection6）估算的三江源地区的植被生长季开始（Start of Season: SOS）和生长季结束的日期（End of Season: EOS）。分别用了两种常见的物候期估算方法，分别是基于多项式拟合的阈值提取法（文件名中有poly字符）和基于双逻辑曲线（double logistic function）拟合后的拐点提取法（文件名中有sig字符）。该数据可以用来分析植被物候期与气候变化的关系。时间范围为2001年至2014年。空间分辨率为1km。
王旭峰
该数据集包含了黄河源、长江源、澜沧江三个源区的最大值合成法生产的NPP产品数据。MOD13Q1、MOD17A2以及MOD17A2H遥感产品数据来自于NASA网站（http://modis.gsfc.nasa.gov/）。MOD13Q1产品的分辨率为250 m, 16 d合成产品。MOD17A2和MOD17A2H产品数据都是8 d合成产品, MOD17A2的分辨率为 1000 m, MOD17A2H的分辨率为500 m。最终合成的MODIS NPP产品的分辨率为1km。 下载的MOD13Q1、MOD17A2、MOD17A2H遥感数据产品, 格式为HDF, 该数据已经过大气校正、辐射校正、几何校正和去云等处理。1）MRT投影转换。将下载的数据产品进行格式和投影转换, 将HDF格式转换为TIFF格式, 将投影转换为UTM投影, 输出250 m分辨率的NDVI、250 m分辨率的EVI、1000 m和500 m两种分辨率的净光合PSNnet。2）MVC最大值合成。将与地面实测数据同期的NDVI、EVI、PSNnet采用最大值合成, 得到与实测数据对应的值。采用最大值合成法可以有效减少云、大气、太阳高度角等的影响。3)基于NASA-CASA模型生成NPP年值。
Kamel Didan*, Armando Barreto Munoz, Ramon Solano, Alfredo Huete
该数据集是基于SPOT卫星的Vegetation传感10天合成的NDVI产品估算的三江源地区去的植被生长季开始（Start of Season: SOS）和生长季结束的日期（End of Season: EOS）。分别用了两种常见的物候期估算方法，分别是基于多项式拟合的阈值提取法（文件名中有poly字符）和基于双逻辑曲线（double logistic function）拟合后的拐点提取法（文件名中有sig字符）。该数据可以用来分析植被物候期与气候变化的关系。时间范围为1999年至2013年。空间分辨率为1km。
王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰
该数据集是基于GIMMS 最新版本的NDVI数据集GIMMS3g version 1.0估算的三江源地区去的植被生长季开始（Start of Season: SOS）和生长季结束的日期（End of Season: EOS）。分别用了两种常见的物候期估算方法，分别是基于多项式拟合的阈值提取法（文件名中有poly字符）和基于双逻辑曲线（double logistic function）拟合后的拐点提取法（文件名中有sig字符）。该数据可以用来分析植被物候期与气候变化的关系。时间范围为1982年至2015年，空间分辨率为8km。
王旭峰
该数据集是玛多地区2016年7月、8月、9月的植被指数（NDVI），基于高分一号的多光谱数据计算得到，空间分辨率为16m。对高分一号数据进行镶嵌、转投影、裁切等处理，然后在7月、8月、9月中每个月进行最大化合成。
李飞, 张志军
本数据集是2013年青藏高原冰川数据，使用了148景Landsat8 OLI卫星多光谱遥感数据，结合65景HJ1A/1B遥感数据，时间主要从2012年至2014年，86%来源于2013年,78%Landsat8 OLI数据成像于冬季，而HJ1A/1B数据100%成像于冬季。冰川数据是青藏高原净冰川覆盖范围，不包括表碛物覆盖部分。数据格式是TIFF，可以为青藏高原冰川变化、冰川水文研究提供基础数据支持。 数据内容：冰川编号FID_smglac，基于Albers等积圆锥投影计算的冰川面积area_km2，所在流域在我国冰川编目中冰川流域的二级编码code, 所在流域在我国冰川编目中冰川流域一级编码First_code,所在流域中文名称name，所在流域英文名称Ename,冰川斑块周长Peremeter(km)，斑块中心点X坐标（decimal degree）, 斑块中心点Y坐标（decimal degree）。 数据的投影方式：Albers等积圆锥投影。 格网单元：30m 数据加工方法：基于148景Landsat8 OLI卫星多光谱遥感数据，校正、镶嵌为假彩色合成影像（RGB:654），采用人工目视解译方法，参考波段比值法结果，结合SRTM DEM V4.1数据与Google Earth和HJ1A/1B卫星同一年不同季节的影像，剔除了山体阴影、季节性积雪的影响，参考我国第一期和第二期冰川编目数据，剔除了非冰川区的陡崖、裸露基岩等，综合提取净冰川专题矢量数据，不包括冰川末端位置不清的表碛物覆盖区域，冰川边界数字化精度为半个像元（15m）。通过对比分析，可知基于多数据源、参考多方法结果、综合专家经验知识人-机互动方法提取获得的山地冰川数据更准确。具体数据提取方法详见参考文献： Ye, Q., J.Zong,L.Tian et al. (2017). Glacier changes on the Tibetan Plateau derived from Landsat imagery: mid-1970s – 2000 – 2013. Journal of Glaciology,63(238), 273-87. DOI:10.1017/jog.2016.137 原始遥感资料数据精度：30m。 数据质量控制措施：冰川边界数字化精度控制在半个像元之内（15m）。 加工后数据精度：TPG2013总体数据误差在3.9%。 项目来源：中国科学院战略性先导科技专项（A类）（XDA19070302）， 第二次青藏高原综合科学考察研究资助（2019QZKK0202），中国科学院“十三五”信息化建设专项资助(XXH13505-06)，国家自然科学基金项目（41530748, 91747201），科技基础性工作专项项目(2013FY111400)。
叶庆华, 叶庆华, 叶庆华, 叶庆华
太阳分光光度计的测量数据可以直接用来反演非水汽通道的光学厚度、瑞利散射、气溶胶光学厚度、大气气柱的水汽含量（使用水汽通道936nm处的测量数据）。青藏高原气溶胶光学特性地基观测数据集采用Cimel 318太阳光度计连续观测获得，涉及珠峰站和纳木错站共两个站点。数据覆盖时间从2009年到2016年，时间分辨率为逐日。太阳光度计在可见光至近红外设有8个观测通道，中心波长分别为：340、380、440、500、670、870、940和1120 nm。仪器的视场角为1.2°，太阳跟踪精度为0.1°。根据太阳直接辐射可获得6个波段的气溶胶光学厚度，精度估计为0.01-0.02。最终采用AERONET统一反演算法，获得气溶胶光学厚度、Angstrom指数、粒度谱、单次散射反照率、相函数、复折射指数和不对称因子等。
丛志远
青藏高原湖泊动态数据集采用美国陆地资源卫星（Landsat）遥感数据为主，采用波段比值与阈值分割方法制作，数据覆盖时间从1984年到2016年，时间分辨率为5年一期，覆盖范围为青藏高原，空间分辨率为30m。水体面积提取方法采用波段比值（B4/B2）或者水体指数（MNDWI）为主，构建分类树，算法构建考虑水体的光谱特征在时间和空间上的变化，并且考虑水体所处的空间为主的坡度、坡向信息调整决策树的阈值。长时间序列星载卫星数据来自Landsat MSS、TM、ETM+和OLI等系列传感器。水体信息提取的最小单元为2*2个像元，小于0.36*10^-2Km²的水体全部剔除。通过高分辨率遥感数据提取的水体信息以及目视解译确定的水体检验点的验证表明青藏高原水体面积信息的总体精度优于95%。数据以shape文件保存，投影方式为Albers投影，中央经线为105 °，双标准纬线纬度为25 °和47 °。
宋开山, 杜嘉
该NDVI数据集是由NASA EOSDIS LP DAAC 和美国地质调查 USGS EROS共同发布的第六版MODIS均一化植被指数产品（2001-2016）。该产品的时间分辨率是16天，空间分辨率0.05度。该版本是在原有1公里分辨率的NDVI产品（MYD13A2）基础上生成的气候模拟格点（CMG）数据产品。 请在致谢中以下方式说明该数据的来源： The MOD13C NDVI product was retrieved from the online in courtesy of the NASA EOSDIS Land Processes Distributed Active Archive Center (LP DAAC), USGS/Earth Resources Observation and Science (EROS) Center, Sioux Falls, South Dakota, The [PRODUCT] was (were) retrieved from the online [TOOL], courtesy of the NASA EOSDIS Land Processes Distributed Active Archive Center (LP DAAC), USGS/Earth Resources Observation and Science (EROS) Center, Sioux Falls, South Dakota.
NASA
本数据为盈科绿洲农田、湿地、戈壁、沙漠与荒漠观测的一个生长周期内的植被覆盖度数据集。数据观测从2012年5月25日开始到9月14日结束，7月下旬之前每5天观测1次，之后10天观测1次。 测量仪器与原理： 采用数码相机拍照的方法测量了盈科绿洲的农田、湿地、戈壁、沙漠与荒漠的典型地物的植被覆盖度。样方的设计、照片拍摄方法和数据处理方法都经过一定的分析和考虑。 具体分几条进行描述： 0. 测量仪器：简易观测架搭配数码相机，将数码相机置于支撑杆前端的仪器平台，保持拍摄的竖直向下，远程控制相机测量数据。观测架可以用来改变相机的拍摄高度，面向不同类型植被实现有针对性的测量。 1. 样方设置和“真值”获取：玉米等低矮植被样方大小10×10米，果树样方30米×30米。每次测量时沿两条对角线依次拍照，共取9张照片（当地表覆盖非常均一时也有少于9张的情况），均匀分布在样方内。9张相片处理得到各自覆盖度之后取平均，最终得到一个样方的覆盖度“真值”。 2. 拍摄方法：针对低矮植被如玉米，直接采用观测架观测，保证观测架上的相机距离植被冠层的高度远大于植被冠幅，在方形样方内沿着对角线采样，然后做算术平均。在视场角度不大(<30°)的情况下，视场内包括大于2个整周期的垄行，相片的边长与垄行平行；针对较高植被如果树，在树冠下面从下向上拍摄照片，叠加配合对树冠下地表低矮植被从上向下的拍摄，得到植株附近的覆盖度，再拍摄植株之间非树冠投影区域的低矮植被，计算植株间隙的覆盖度。最后通过树冠投影法，获得树冠的平均面积。根据垄行距离计算植株树冠下与植株间隙的面积比例，加权获得整个样方的覆盖度。 3. 数据处理方法：采用一种自动分类方法，具体见“参考文献”第３条文献（Liu et al., 2012)。通过RGB颜色空间转换到更容易区分绿色植被的Lab空间，对绿度分量a的直方图进行聚类，分离出绿色植被和非绿色背景2组分，获得单张相片的植被覆盖度。该方法的优点在于其算法简单、易于实现而且自动化程度和精度较高。今后还需要更多的快速、自动、准确的分类方法，最大限度发挥数码相机方法的优势。 配套数据： 在记录表中文字记录了植被的种类、株高、垄宽、行宽、拍摄高度信息，同时附有数码相机拍摄的场景照片和田埂照片（农田）。 数据处理： 基于数字图像里面的分类方法，对植被和非植被像元分类后得到相片代表样方的植被覆盖度。
穆西晗, 穆西晗, 马明国, 马明国, 马明国, 黄帅, 马明国, 马明国, 马明国, 马明国, 马明国
该NDVI数据集是最新发布的NOAA全球模拟和绘图项目（GIMMS，Global Inventory Monitoring and Modeling System）长序列（1981-2015）均一化植被指数产品，版本号3g.v1。 该产品的时间分辨率是每月两次，空间分辨率1/12度。时间跨度1981年7月至2015年12月。该产品为共享数据产品，可直接从ecocast.arc.nasa.gov下载。 详情请参考https://nex.nasa.gov/nex/projects/1349/
NCAR
本数据包括大满超级站、湿地、沙漠、荒漠和戈壁五个站点植被一个生长周期内的覆盖度数据集以及大满超级站玉米和湿地芦苇两种植被一个生长周期内的生物量数据集。观测时间自2013年5月19日开始，9月15日结束。 1覆盖度观测 1.1观测时间 1.1.1超级站：观测时间段2013年5月20日-9月15日， 7月31日以前每5天观测一次，7月31后每10天观测一次，共做了18次观测，具体观测时间如下； 超级站：2013-5-20、2013-5-25、2013-5-30、2013-6-5、2013-6-10、2013-6-16、2013-6-22、2013-6-27、2013-7-2、2013-7-7、2013-7-12、2013-7-17、2013-7-27、2013-8-3、2013-8-13、2013-8-25、2013-9-5、2013-9-15 1.1.2其它四个站：观测时间段2013年5月20日-9月15日，每10天观测一次，共做了12次观测，具体观测时间如下； 其它四个站：2013-5-20、2013-6-5、2013-6-16、2013-6-27、2013-7-7、2013-7-17、2013-7-27、2013-8-3、2013-8-13、2013-8-25、2013-9-5、2013-9-15 1.2观测方法 1.2.1测量仪器与原理： 采用数码相机拍照的方法测量，将数码相机置于简易支撑杆前端的仪器平台，保持拍摄的竖直向下，远程控制相机测量数据。观测架可以用来改变相机的拍摄高度，面向不同类型植被实现有针对性的测量。 1.2.2样方的设计 超级站：共取3块样地，每块样地样方大小10×10米，每样地每次测量时沿两条对角线依次拍照，共取9-10张照片； 湿地站：共取2块样地，每块样地样方大小10×10米，每样地每次测量拍9-10张照片； 其它3个站：选取1块样地，每块样地样方大小10×10米，每样地每次测量拍9-10张照片； 1.2.3拍摄方法 针对超级站玉米和湿地站芦苇，直接采用观测架观测，保证观测架上的相机距离植被冠层的高度远大于植被冠幅，在方形样方内沿着对角线采样，然后做算术平均。在视场角度不大(<30°)的情况下，视场内包括大于2个整周期的垄行，相片的边长与垄行平行；其它三个站点由于植被比较低矮，直接用相机垂直向下拍照（未使用支架）。 1.2.4 覆盖度计算 覆盖度计算由北京师范大学完成，采用一种自动分类方法，具体见 “建议参考文献”第1条文献。通过RGB颜色空间转换到更容易区分绿色植被的Lab空间，对绿度分量a的直方图进行聚类，分离出绿色植被和非绿色背景2组分，获得单张相片的植被覆盖度。该方法的优点在于其算法简单、易于实现而且自动化程度和精度较高。今后还需要更多的快速、自动、准确的分类方法，最大限度发挥数码相机方法的优势。 2生物量观测 2.1观测时间 2.1.1玉米：观测时间段2013年5月20日-9月15日， 7月31日以前每5天观测一次，7月31后每10天观测一次，共做了18次观测，具体观测时间如下； 玉米：2013-5-20、2013-5-25、2013-5-30、2013-6-5、2013-6-10、2013-6-16、2013-6-22、2013-6-27、2013-7-2、2013-7-7、2013-7-12、2013-7-17、2013-7-27、2013-8-3、2013-8-13、2013-8-25、2013-9-5、2013-9-15 2.1.2芦苇：观测时间段2013年5月20日-9月15日，每10天观测一次，共做了12次观测，具体观测时间如下； 芦苇：2013-5-20、2013-6-5、2013-6-16、2013-6-27、2013-7-7、2013-7-17、2013-7-27、2013-8-3、2013-8-13、2013-8-25、2013-9-5、2013-9-15 2.2观测方法 玉米：选取3块样地，每块样地每次观测选取代表样地平均水平的三株玉米分别称每株玉米的鲜重（地上生物量+地下生物量）和相应的干重（85℃恒温烘干），根据种植的株距和行距计算单位面积玉米的生物量； 芦苇：设置2个0.5mÍ0.5m的样方，齐地刈割，分别称取芦苇的鲜重（茎叶）和干重（85℃恒温烘干）。 2.3观测仪器 天平（精度0.01g）、烘箱。 3数据的存储 所有观测数据先手薄记录后整理到Excel表中存储，同时整理了玉米种植结构数据，包括种植的株距、行距，种植时间、灌水时间、除父本时间以及收割时间等相关信息。
耿丽英, 马明国, 马明国, 马明国, 耿丽英, 马明国, 家淑珍, 马明国, 李艺梦, 马明国, 马明国, 马明国
本数据集是1976年青藏高原冰川数据，使用了205景Landsat MSS/TM卫星多光谱遥感数据，其中189景（覆盖青藏高原研究区92%）在1972-79年，而116景为1976/77年。但藏东南地区由于云、雪的影响，高质量MSS数据不能获得，因此，藏东南部分区域通过逐年筛选，使用了所能获得最早的高质量Landsat TM数据，包括14景1980s（1981,1986-89,覆盖青藏高原研究区6.5%）和2景1994年数据（覆盖青藏高原研究区1.5%）。所用遥感数据，77%为冬季数据；61%为1976/1977年Landsat MSS/TM影像数据，因此，1976年为本数据集代表年份。本数据集冰川数据是青藏高原净冰川覆盖范围，不包括表碛覆盖部分。数据格式是TIFF，可以为青藏高原冰川变化、冰川水文研究提供基础数据支持。 数据内容：冰川编号FID_smglac，基于Albers等积圆锥投影计算的冰川面积area_km2，所在流域在我国冰川编目中冰川流域的二级编码code, 所在流域在我国冰川编目中冰川流域一级编码First_code,所在流域中文名称name，所在流域英文名称Ename,冰川斑块周长Peremeter(km)，斑块中心点X坐标（decimal degree）, 斑块中心点Y坐标（decimal degree）。 数据的投影方式：Albers等积圆锥投影。 格网单元：30m 数据加工方法：基于205/16景Landsat MSS/TM卫星数据，校正、镶嵌为假彩色合成影像（MSS, RGB:321；TM, RGB:543），采用人工目视解译方法，参考不同波段比值法结果，结合SRTM DEM V4.1数据与Google Earth 同一年不同季节的影像，剔除了山体阴影、季节性积雪的影响，参考我国第一期和第二期冰川编目数据，剔除了非冰川区陡崖、裸露基岩等，综合提取净冰川专题矢量数据，不包括冰川末端位置不清的表碛物覆盖区域，冰川边界数字化精度为半个像元（30m）。通过对比分析，可知基于多数据源、参考多方法结果、综合专家经验知识人-机互动方法获得的数据更准确。具体数据提取方法详见参考文献: Ye, Q., J.Zong,L.Tian et al. (2017). Glacier changes on the Tibetan Plateau derived from Landsat imagery: mid-1970s – 2000 – 2013. Journal of Glaciology,63(238), 273-87. DOI:10.1017/jog.2016.137 原始遥感资料数据精度：60m。 数据质量控制措施：冰川边界数字化精度控制在半个像元之内（30m）。 加工后数据精度：通过分析典型区数据，最大误差为4%。TPG1976总体数据误差为6.4%。 项目来源：中国科学院战略性先导科技专项（A类）（XDA19070302），第二次青藏高原综合科学考察研究资助（2019QZKK0202），中国科学院“十三五”信息化建设专项资助(XXH13505-06)， 国家自然科学基金项目（41530748, 91747201）。
叶庆华, 叶庆华, 叶庆华, 叶庆华, 吴玉伟
本数据集是2001年青藏高原冰川数据，使用了150景Landsat7 TM/ETM+卫星多光谱遥感数据，时间主要从1999年至2002年，72%来源于2000/2001年，71%遥感数据成像于冬季。冰川数据是青藏高原净冰川覆盖范围，不包括表碛物覆盖部分。数据格式是TIFF，可以为青藏高原冰川变化、冰川水文研究提供基础数据支持。 数据内容：冰川编号FID_smglac，基于Albers等积圆锥投影计算的冰川面积area_km2，所在流域在我国冰川编目中冰川流域的二级编码code, 所在流域在我国冰川编目中冰川流域一级编码First_code,所在流域中文名称name，所在流域英文名称Ename,冰川斑块周长Peremeter(km)，斑块中心点X坐标（decimal degree）, 斑块中心点Y坐标（decimal degree）。 格网单元：30m 数据的投影方式：Albers等积圆锥投影。 数据加工方法：基于150景Landsat7 TM(ETM+）卫星数据，校正、镶嵌为假彩色合成影像（TM/ETM+， RGB:543），采用人工目视解译方法，参考波段比值法结果，结合SRTM DEM V4.1数据与Google Earth 同一年不同季节的影像，剔除了山体阴影、季节性积雪的影响，参考我国第一期和第二期冰川编目数据，剔除了非冰川区的陡崖、裸露基岩等，综合提取净冰川专题矢量数据，不包括冰川末端位置不清的表碛物覆盖区域，冰川边界数字化精度为半个像元（15m）。通过对比分析，可知基于多数据源、参考多方法结果、综合专家经验知识人-机互动方法提取获得的山地冰川矢量数据更准确。具体数据提取方法详见参考文献： Ye, Q., J.Zong,L.Tian et al. (2017). Glacier changes on the Tibetan Plateau derived from Landsat imagery: mid-1970s – 2000 – 2013. Journal of Glaciology,63(238), 273-87. DOI:10.1017/jog.2016.137 原始遥感资料数据精度：30m。 数据质量控制措施：冰川边界数字化精度控制在半个像元之内（15m）。 加工后数据精度：TPG2001总体数据误差在3.8%。 项目来源：中国科学院战略性先导科技专项（A类）（XDA19070302），第二次青藏高原综合科学考察研究资助（2019QZKK0202），中国科学院“十三五”信息化建设专项资助(XXH13505-06)，国家自然科学基金项目（41530748, 91747201）。
吴玉伟, 叶庆华, 叶庆华, 叶庆华, 叶庆华
本数据集为L波段机载微波辐射计于2012年8月1日获取，地点在黑河上游地区。 其中L波段频率为1.4GHz，天顶角观测，V极化与H极化信息；飞机8:30（北京时间，下同）从张掖机场起飞，12:30降落。飞行历时5小时。在观测期间，飞行高度1000m左右，飞行速度220-250km/hr左右。 原始数据分为两部分，分别为微波辐射计数据和地理位置KMZ数据。微波辐射计数据包括V极化与H极化两个数据文件，分辨率300 m，每个数据文件包含所观测TB值和对应扫描波束ID、入射角、位置、时间标记(UTC)和其他飞行姿态信息。KMZ文件给出38.5入射角下飞区域行1公里网格TB值分布数据。飞机前和结束时微波辐射计分别进行了“热”和“冷”辐射校正。微波辐射计数据应考虑电磁波干扰影响，V极化TB值受电磁波干扰较强，H极化受影响较小。
车涛, 高莹, 李新, 李新
“China Collection 1.0”气溶胶光学厚度（AOD）数据集采用可见光波段遥感反演方法制作。原始数据来自Terra和Aqua上搭载的MODIS传感器。数据覆盖时间从2002年到2011年，时间分辨率为逐日，覆盖范围为亚洲大陆，空间分辨率为0.1°。遥感反演方法采用自主研发的SRAP算法反演了陆地上空的气溶胶光学厚度，算法考虑了地表的BRDF特性，适用于亮地表和暗地表上的气溶胶光学厚度反演。此外，叠加了MOD04/MYD04海洋上空的气溶胶产品。通过实测站点的验证表明亚洲气溶胶光学厚度数据相对偏差在20%以内。数据每一天存放一个hdf文件，每个文件由550nm处的Terra AOD和Aqua AOD组成。
光洁, 薛勇
在全球气候变暖背景下，世界范围内山地冰川消融强烈，以退缩为主，但现有野外观测发现，喀喇昆仑地区大部分冰川保持稳定或前进状态，为“喀喇昆仑异常”。冰川表面流速是研究冰川动力学和物质平衡的重要参数，研究喀喇昆仑中部区域冰川流速时空变化特征对于认识该区域冰川动力学特征及其对气候变化的响应具有重要的意义。 选取1999-2003年获取的四对Landsat 7 ETM+影像（影像获取时间分别为：1999.7.16, 2000.6.16, 2001.7.21, 2002.8.9, 2002.4.19, 2003.3.21），采用全色波段，分辨率为15 m，对每对影像进行精确配准，然后对配准后的两景影像进行互相关计算，获取1999-2003年喀喇昆仑中部区域冰川表面流速。由于研究区域内缺乏流速实地观测数据，因此利用稳定区域的偏移量值评估冰流结果的精度，冰川表面流速误差约为±7 m/year。 冰流场数据覆盖时间从1999年到2003年，时间分辨率为逐年，覆盖范围为喀喇昆仑中部区域，空间分辨率为30 m，每年的冰流场数据存放一个Geotiff文件。 数据的详细情况见喀喇昆仑中部区域冰流场-数据说明。
江利明
本数据集为利用红外光谱仪BOMEM MR304在张掖市区、机场、荒漠、小满镇五星村加密观测区等地测量的8-14µm典型地物的热红外波谱数据。 1） 测量目的 红外波谱数据测量的目的在于：定标场地红外波谱的同步测量用于机载热红外传感器的辐射定标；同步测量典型地物红外波谱并提取发射率用于机载、星载热红外传感器发射率产品验证；获取黑河流域典型地物发射率波谱，作为先验知识用于地表温度反演和生态水文模型。 2） 测量仪器与原理 测量仪器：中科院遥感所红外波谱仪BOMEM MR304、Mikron M340黑体、北师大BODACH BDB黑体、漫反射金板、Fluke 50系列II接触式温度计。 测量原理：利用红外波谱仪测量地表辐射波谱，结合漫反射金板获得环境辐射波谱，基于辐射传输方程，利用ISSTES等高光谱温度和发射率分离算法，反演得到地表发射率波谱。 3） 测量地点与内容 2012年5月29日在张掖广场周边测量城市典型地物：地砖、草地、柏油路等。 2012年6月20日在张掖城区测量城市房顶材料、水库湖水水样、沙漠沙子等。 2012年6月30日在张掖机场测量机场水泥地、机场荒漠等。 2012年7月3日在五星村超级样地测量田间道路、玉米叶、土壤等。 2012年7月4日在小满镇测量玉米、小麦冠层等。 2012年7月10日在张掖润泉湖公园测量广场地砖等。 2012年7月13日在五星村超级样地测量玉米叶、西瓜叶、蔬菜等。 4） 数据处理 BOMEM光谱波谱仪原始数据通过高低温黑体定标得到定标后的辐射亮度波谱（*.rad），通过数据预处理并转换为文本格式文件，得到测量目标、漫反射金板的8-14µm的辐亮度数据。
马明国, 马明国, 马明国, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 马明国, 肖青, 肖青, 肖青, 马明国, 马明国, 马明国, 马明国
在2012年夏季LiDAR和WIDAS飞行期间，地面同步开展地面基站差分GPS的连续观测，获取同步的GPS静态观测数据，用于支持航空飞行数据的同步解算。 测量仪器: TRIMBLE R8 GNSS系统2套。 中国中纬ZGP8001套 测量时间和地点： 2012年7月19日，EC矩阵LiDAR飞行，在MJWXB（毛家湾西北）和SBMZ（什八民子）两个基站同时观测 2012年7月25日，上游葫芦沟小流域和天姥池小流域LIDAR飞行，在XT夏塘观测，中游张掖城区校验场LIDAR飞行，在MJWXB（毛家湾西北）观测 2012年7月26日，上游葫芦沟小流域和天姥池小流域LIDAR飞行，在XT夏塘观测，中游张掖城区校验场LIDAR飞行，在HCZ（火车站）观测 2012年8月1日，上游东西支WIDAS飞行，在YNG（野牛沟）观测 2012年8月2日，中游EC矩阵试验区WIDAS飞行，在HCZ（火车站）观测 2012年8月3日，中游EC矩阵试验区WIDAS飞行，在MJWXB（毛家湾西北）观测 数据格式： 差分预处理前原始数据格式。
马明国, 马明国, 刘向锋, 马明国, 马明国, 马明国, 马明国, 马明国, 马明国
2012年6月28-29日在盈科绿洲与花寨子荒漠PLMR样方进行了机载飞行地面同步观测。PLMR（Polarimetric L-band Multibeam Radiometer）是双极化（H/V）的L波段微波辐射计，中心频率1.413 GHz，带宽24 MHz，分辨率1 km （相对航高3 km），有6个beam同时观测，入射角为±7º，±21.5º，±38.5º，灵敏度<1K。飞行主要覆盖中游人工绿洲生态水文试验区。本地面同步数据集可为发展和验证被动微波遥感反演土壤水分算法提供基本地面数据集。 样方及采样策略： 观测区位于张掖绿洲南缘-安阳滩荒漠过渡带，张（张掖）-大（大满）公路西侧，南北跨龙渠干渠，分为两部分，西南方向为1 km×1 km的荒漠样方，由于荒漠较为均质，在此1 km样方内采集5个点（四周各1点及中心点，实际测量过程中，可在沿路行走过程中多测几个点）的土壤水分，四个角点除对角线方向外，互相间隔600 m，西南角角点为花寨子荒漠站，便于与气象站数据比较。在东北侧，选择了面积2.4 km×2.4 km的大样方针对绿洲下垫面开展同步观测。样方的选择依据主要是考虑地表覆盖代表性、尽量避开民居和大棚、穿越绿洲农田以及南边的部分荒漠、可达性、观测（路途消耗）时间，以期获得与PLMR观测的亮度温度的比较。 考虑到PLMR观测的分辨率，同步观测中，东西方向以160 m为间隔，采集了16条样线（东西分布），每条线80 m间隔共31个点（南北方向），使用4台Hydraprobe Data Acquisition System （HDAS，参考文献2）同时测量。 测量内容： 获取了样方上约500个点，每个点2次观测，即对覆膜玉米地，在每个采样点进行2次观测，1次膜内（数据记录中标记为a），1次膜外（数据记录中标记为b）。由于HDAS系统采用POGO便携式土壤传感器，观测获得土壤温度、土壤水分（体积含水量）、损耗正切、土壤电导率、土壤复介电实部及虚部。植被参数观测选择在一些具有代表性的土壤水分采样点开展，完成了株高和生物量（植被含水量）的测量。 注：28号观测从11:00AM左右开始，完成约1/3工作量，由于PLMR仪器问题和降雨的双重原因，4:00PM被迫停止观测。剩余工作量29号10:30AM-5:30PM完成。观测日期正值该区域内农田大面积灌溉，导致观测人员前行困难，田块难以进入，观测点位与预设点位有偏差。 数据： 本数据集包括土壤水分观测和植被观测两部分，前者保存数据格式为矢量文件，空间位置即为各采样点位置（WGS84+UTM 47N），土壤水分等测量信息记录在属性文件中；植被采样信息记录在EXCEL表格中。
王树果, 李新, 李新
本数据为黑河中游盈科绿洲与湿地、戈壁、沙漠观测的典型地物比辐射率数据集。数据观测从2012年5月25日至2012年7月18日。 仪器：北京师范大学便携式傅立叶变换红外波谱仪（102F）、手持式红外温度计 测量方法：利用102F分别测量冷黑体、暖黑体、观测目标、金版的辐射值。利用冷暖黑体的辐射值，对102F进行定标，消除仪器自身发射的影响。利用基于平滑度的迭代反演算法，反演出比辐射率和物体温度。比辐射率波段范围为8-14μm，分辨率4cm-1。 本数据集包含102F获取的冷黑体、暖黑体、被测目标和金板的原始辐射曲线（ASCII格式）和记录文件。处理后的数据为8-14μm比辐射率曲线（ASCII格式）.部分数据配套有被测目标的热像仪照片，数码相机拍摄的场景和被测物体图像。
马明国, 马明国, 马明国, 马明国, 马明国, 马明国, 马明国, 马明国
2012年8月3日在黑河中游的5*5公里加密区，利用运12飞机，搭载WIDAS传感器，开展了可见光/近红外、热红外的多角度航空遥感试验。WIDAS系统集成了：高分辨率相机一台、可见光/近红外5波段多光谱相机两台（最大视场角48°）和热像仪一台（最大视场角46°）。获取的数据信息为，高分辨率CCD：0.08米；多光谱分辨率：0.4米；热像仪分辨率：2米。
肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光
2012年7月19日，在黑河中游核心观测区域，利用运12飞机，搭载Leica公司生产的ALS70,开展了lidar航空遥感飞行试验。ALS70激光波长为1064nm，记录多次回波（1,2,3和末次）。中游地区飞行绝对航高2700米（地面最低点1412米，地面最高点1655米），平均点云密度4点/平方米。通过参数检校、点云自动分类和人工编辑等步骤，最终形成DSM和DEM数据产品。
肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 肖青, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光, 闻建光
植被叶绿素含量的测量是为了获取不同EC站点以及不同类型植被叶绿素的含量，并实现遥感反演的叶绿素产品的真实性检验。 观测仪器： 野外采样，室内丙酮萃取法测量。 测量方式： 为了分析株高对叶绿素含量的影响，根据玉米株高记录选择不同的样方进行采样，总共选择了11个玉米样方。为了比较不同植被类型的叶绿素含量，又选取了通量矩阵内EC1下的三种蔬菜类型以及湿地的芦苇样方。总共选取了19个不同的样方进行分析，所采样方交于河西学院生命科学学院实验室，进行叶绿素萃取，分别提取出所选样方的叶绿素a、叶绿素b以及总叶绿素的含量。 数据内容： 叶绿素a、叶绿素b以及总叶绿素的含量 观测时间： 2012年7月8号
家淑珍
本数据包括大满超级站、湿地、沙漠、荒漠和戈壁五个站点植被一个生长周期内的覆盖度数据集以及大满超级站玉米和湿地芦苇两种植被一个生长周期内的生物量数据集。观测时间自2014年5月10日开始，9月11日结束。 1覆盖度观测 1.1观测时间 1.1.1超级站：观测时间段2014年5月10日-9月11日， 7月20日以前每5天观测一次，7月20后每10天观测一次，共做了17次观测，具体观测时间如下； 超级站：2014-5-10、2014-5-15、2014-5-20、2014-5-25、2014-5-30、2014-6-10、2014-6-15、2014-6-20、2014-6-25、2014-6-30、2014-7-5、2014-7-10、2014-7-15、2014-7-20、2014-8-5、2014-8-17、2014-9-11 1.1.2其它四个站：观测时间段2014年5月20日-9月15日，每10天观测一次，共做了11次观测，具体观测时间如下； 其它四个站：2014-5-10、2014-5-20、2014-5-30、2014-6-10、2014-6-20、2014-6-30、2014-7-10、2014-7-20、2014-8-5、2014-8-17、2014-9-11 1.2观测方法 1.2.1测量仪器与原理： 采用数码相机拍照的方法测量，将数码相机置于简易支撑杆前端的仪器平台，保持拍摄的竖直向下，远程控制相机测量数据。观测架可以用来改变相机的拍摄高度，面向不同类型植被实现有针对性的测量。 1.2.2样方的设计 超级站：共取3块样地，每块样地样方大小10×10米，每样地每次测量时沿两条对角线依次拍照，共取9-10张照片； 湿地站：共取2块样地，每块样地样方大小10×10米，每样地每次测量拍9-10张照片； 其它3个站：选取1块样地，每块样地样方大小10×10米，每样地每次测量拍9-10张照片； 1.2.3拍摄方法 针对超级站玉米和湿地站芦苇，直接采用观测架观测，保证观测架上的相机距离植被冠层的高度远大于植被冠幅，在方形样方内沿着对角线采样，然后做算术平均。在视场角度不大(<30°)的情况下，视场内包括大于2个整周期的垄行，相片的边长与垄行平行；其它三个站点由于植被比较低矮，直接用相机垂直向下拍照（未使用支架）。 1.2.4 覆盖度计算 覆盖度计算由北京师范大学完成，采用一种自动分类方法，具体见 “建议参考文献”第1条文献。通过RGB颜色空间转换到更容易区分绿色植被的Lab空间，对绿度分量a的直方图进行聚类，分离出绿色植被和非绿色背景2组分，获得单张相片的植被覆盖度。该方法的优点在于其算法简单、易于实现而且自动化程度和精度较高。今后还需要更多的快速、自动、准确的分类方法，最大限度发挥数码相机方法的优势。 2生物量观测 2.1观测时间 2.1.1玉米：观测时间段2014年5月10日-9月11日， 7月20日以前每5天观测一次，7月20后每10天观测一次，共做了17次观测，具体观测时间如下； 超级站：2014-5-10、2014-5-15、2014-5-20、2014-5-25、2014-5-30、2014-6-10、2014-6-15、2014-6-20、2014-6-25、2014-6-30、2014-7-5、2014-7-10、2014-7-15、2014-7-20、2014-8-5、2014-8-17、2014-9-11 2.1.2芦苇：观测时间段2014年5月20日-9月15日，每10天观测一次，共做了11次观测，具体观测时间如下； 2014-5-10、2014-5-20、2014-5-30、2014-6-10、2014-6-20、2014-6-30、2014-7-10、2014-7-20、2014-8-5、2014-8-17、2014-9-11 2.2观测方法 玉米：选取3块样地，每块样地每次观测选取代表样地平均水平的三株玉米分别称每株玉米的鲜重（地上生物量+地下生物量）和相应的干重（85℃恒温烘干），根据种植的株距和行距计算单位面积玉米的生物量； 芦苇：设置2个0.5mÍ0.5m的样方，齐地刈割，分别称取芦苇的鲜重（茎叶）和干重（85℃恒温烘干）。 2.3观测仪器 天平（精度0.01g）、烘箱。 3数据的存储 所有观测数据先手薄记录后整理到Excel表中存储，同时整理了玉米种植结构数据，包括种植的株距、行距，种植时间、灌水时间、除父本时间以及收割时间等相关信息。
耿丽英, 于文凭, 马明国, 马明国, 马明国, 耿丽英, 马明国, 李艺梦, 马明国, 马明国, 马明国, 谭俊磊, 马明国
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
