一、概述 黄河是我国第二长河，黄河泥沙问题引起全世界人民的关注。根据全国1:400万河流矢量图为底图，利用黄河上游流域边界裁剪而成。河流矢量图是利用地形图提取流域边界的一个关键要素，同时也是做洪水演进和泥沙演进的关键要素。 二、数据处理说明 以全国1:400万河流矢量图为数据源，利用黄河上游流域边界裁剪而成。 三、数据内容说明 该图以ArcGIS,.shp文件存储，包括自黄河源区到头道拐的干流和支流矢量图。 四、数据使用说明 河流矢量图是利用地形图提取流域边界的一个关键要素，同时也是做洪水演变和泥沙演进的关键要素。
薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强
一、概述 联合国粮农组织（FAO）和国际应用系统分析研究所（IIASA）结合世界各地区和国家至今已有的土壤信息，并结合联合国粮农组织-科教文组织的世界土壤地图，形成了一个全新的土壤数据库——世界和谐土壤数据库（HWSD）。中国境内数据源为第二次全国土地调查南京土壤研究所提供的1:100万土壤数据。该数据库将对改进人们对当前和未来的土壤生产力、土壤碳储量、土地资源、水资源及土壤退化方面的认识有重要意义。 二、数据处理说明 数据来源于联合国粮农组织（FAO）和维也纳国际应用系统研究所（IIASA）所构建的世界和谐土壤数据库（Harmonized World Soil Database）（HWSD）,中国境内数据来源于第二次全国土地调查南京土壤研究所提供的1:100万土壤数据。采用的土壤分类系统主要为FAO-90。 三、数据内容说明 土壤属性表主要字段包括：SU_SYM90（FAO90土壤分类系统中土壤名称）；SU_SYM85(FAO85分类)；T_TEXTURE(顶层土壤质地)；DRAINAGE(19.5)；ROOTS： String(到土壤底部存在障碍的深度分类)； SWR：String(土壤含水量特征)；ADD_PROP： Real(土壤单元中与农业用途有关的特定土壤类型)；T_GRAVEL：Real(碎石体积百分比)；T_SAND：Real(沙含量)；T_SILT：Real(淤泥含量)；T_CLAY：Real(粘土含量)；T_USDA_TEX：Real(USDA土壤质地分类)；T_REF_BULK：Real(土壤容重)；T_OC：Real(有机碳含量)；T_PH_H2O：Real(酸碱度)T_CEC_CLAY：Real(粘性层土壤的阳离子交换能力)；T_CEC_SOIL：Real(土壤的阳离子交换能力)；T_BS：Real(基本饱和度)；T_TEB：Real(交换性盐基)；T_CACO3：Real(碳酸盐或石灰含量)；T_CASO4：Real(硫酸盐含量)；T_ESP：Real(可交换钠盐)；T_ECE：Real(电导率)。其中以T_开头属性字段表示上层土壤属性（0-30cm），以S_开头属性字段表示下层土壤属性（30-100cm）(FAO 2009)。 四、数据使用说明 通过该数据库，将改进人们对当前和未来的土壤生产力、土壤碳贮量以及全球土壤碳贮量等的认识。并能帮助人们认识土地资源和水资源的有限性，正确评估土壤退化特别是土壤流失的风险。通过了解土壤的理化性质，还能帮助人们获取以下信息，如土壤对废弃物的过滤功能、对生物生长的影响等。并对土壤生产潜力及土壤对气候变化的响应等做出正确判断。
薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, Food and Agriculture Organization of the United Nations（FAO）
一、概述 黄河上游1:100万土壤数据库是以1:100万中国土壤数据库为数据源裁剪而成。1:100万中国土壤数据库根据全国土壤普查办公室1995年编制并出版的《1:100万中华人民共和国土壤图》编制而成。该数据库采用传统的“土壤发生学分类”系统，基本制图单位为亚类，共分12个土纲，61个土类，227个亚类，基本覆盖了全国各种类型的土壤及其主要属性数据。 二、数据处理说明 中国1:100万土壤数据库，是由中国科学院南京土壤研究所以史学正研究员为学术带头人的土壤资源与数字化管理创新科研小组，历经四年组建而成的。该数据库由两部分组成，即土壤空间数据库与土壤属性数据库。数据库的建立得到了中国科学院知识创新项目资助，并在刘纪远与庄大方研究员的领导下完成。 三、数据内容说明 土壤空间数据库，即全国1:100万数字化土壤图，是依据全国个普查办公室1995年编制并出版的《1:100万中华人民共和国土壤图》，经数字化处理、图幅接边和编辑后完成。该数字化土壤图如实地反映了原土壤图的面貌，继承了原土壤图编制时的制图单元，其基本制图单元大部分为土属，共分12个土纲，61个土类，235个亚类，是目前全国性唯一的，也是最为详细的数字化土壤图件。 土壤属性数据库，其属性数据引自《中国土种志》，该套土种志共分六卷，收集了近2540个土种。土壤属性数据可分为土壤物理性质、土壤化学性质和土壤养分等。土壤物理性质 土壤颗粒组成和土壤质地等，土壤化学性质如PH值、有机质等，土壤养分包括全N、全P、全K以及有效P和有效K等。 四、数据使用说明 土壤类型与土壤属性是自然地理学研究中的一项重要内容，借助黄河上游1:100万土壤数据库，可对黄河上游土壤资源的类型、数量和空间分布以及成土环境与特征进行了解与分析。该数据集对进行黄河上游大范围土壤侵蚀预警与自然灾害预报有着重要的意义。
薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 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, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 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, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强
一、概述 本数据集源于全球30m分辨率数字高程产品数据集，利用ASTER GDEM第一版本（v1）的数据进行加工得到。其空间分辨率为30m，由于云覆盖，边界堆叠产生的直线，坑，隆起，大坝或其他异常的影响，ASTER GDEM第一版本原始数据局部地区存在异常，所以由ASTER GDEM v1加工的数字高程数据产品存在个别区域的数据异常现象，用户使用过程中需要注意。此外该数据集可以与SRTM全球90m分辨率高程数据集进行相互补充使用。 二、数据处理说明 ASTER GDEM是采用全自动化的方法对150万景的ASTER存档数据进行处理生成的，其中包括通过立体相关生成的1264118个基于独立场景的ASTER DEM数据，经过去云处理，除去残余的异常值，取平均值，并以此为ASTER GDEM对象区域的最后像素值。纠正剩余的异常数据，再按1°× 1°分片，生成全球ASTER GDEM数据。 三、数据内容说明 该数据集覆盖整个黄河上游，每个数据文件名称根据分片几何中心左下（西南）角的经纬度产生。例如，ASTGTM_N40E116文件的左下角坐标是北纬40度，东经116度。ASTGTM_N40E116_dem和ASTGTM_N40E116_num对应的分别是数字高程模型（DEM）与质量控制（QA）的数据。 四、数据使用说明 ASTER GDEM数据具有可计算及可视化功能，在各个领域的应用前景十分广阔，尤其是在测绘、地表形变及军事等领域具有十分重要的应用。具体而言，主要包括如下几方面： 在科学研究上，ASTER GDEM数据在地质学、地球物理学、地震研究、水平建模、火山监控以及遥感图像的配准等方面都有十分重要的作用。利用高精度数字地形高程数据建立地面的三维立体模型，与地面的影像镶嵌叠加，可以观测到地球表面细微变化。 在民用及工业应用上，ASTER GDEM数据可用于土木工程的计算、水库坝址的选定、土地利用规划等，在通讯方面，数字地形数据可以帮助商家建造更好的转播塔，研判移动电话亭的最佳地理位置；在航空安全方面，利用ASTER GDEM数字高程数据可以建立增强型飞机着陆报警系统，大大提高了飞机着陆安全系数。 在军事上，ASTER GDEM数据是C4ISR（军队自动指挥系统）的基础信息平台，在研究战场地域结构、作战方向、战场预设、作战部署、兵力集结于投送、防护条件、后勤保障等方面是必不可少的。
薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 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, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强
一、概述 SRTM（航天飞机雷达地形测绘任务）是由美国航空航天局、地理空间情报局及德国和意大利的航天机构于2002年2月开始执行的。由美国“奋进”号航天飞机搭载SRTM系统共计进行了222小时23分钟的数据采集工作，获取了北美60度至南纬56度之间，面积超过1.19亿km2的9.8万亿字节的雷达影像数据，费改地球表面80%以上，该数据集覆盖中国全境。耗费两年时间处理，最终获得平面经度为±20m，高程经度为±16m的全球数字高程模型（DEM）. 二、数据处理说明 SRTM数据的处理是由地面数据处理系统（GDPS）来完成的。GDPS由三部分组成：（1）干涉测量处理器，利用干涉测量处理器将数据转换为高程图与雷达图像条带；（2）镶嵌处理器，用于将采集的全球多条航带数据编绘成大陆高程数据与图像的镶嵌图；（3）验证系统，负责检验镶嵌图的质量，并提供精度图。这些处理器目前装在在JPL的工作站上，下一步工作是将它们安装到一组超级计算机上，以便对真个SRTM数据进行系统处理。随着这项工作的进行，JPL将向工作发布辅助数据。 三、数据内容说明 SRTM数据每经纬度方格提供一个文件，经度有1 arc-second和3 arc-second两种。称作SRTM1与SRTM3，或者称作30m与90m数据。本数据集采用的是90m分辨率的SRTM3数据。每个文件里包含1201×1201个采样点的高程数据。数据格式为DEM格式。个图幅空间位置见附图（全国1_25万图幅接图表）。 四、数据使用说明 SRTM数据具有可计算及可视化功能，在各个领域的应用前景十分广阔，尤其是在测绘、地表形变及军事等领域具有十分重要的应用。具体而言，主要包括如下几方面： 在科学研究上，SRTM数据在地质学、地球物理学、地震研究、水平建模、火山监控以及遥感图像的配准等方面都有十分重要的作用。利用高精度数字地形高程数据建立地面的三维立体模型，与地面的影像镶嵌叠加，可以观测到地球表面细微变化。 在民用及工业应用上，SRTM数据可用于土木工程的计算、水库坝址的选定、土地利用规划等，在通讯方面，数字地形数据可以帮助商家建造更好的转播塔，研判移动电话亭的最佳地理位置；在航空安全方面，利用SRTM数字高程数据可以建立增强型飞机着陆报警系统，大大提高了飞机着陆安全系数。 在军事上，SRTM数据是C4ISR（军队自动指挥系统）的基础信息平台，在研究战场地域结构、作战方向、战场预设、作战部署、兵力集结于投送、防护条件、后勤保障等方面是必不可少的。
薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 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, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强
一、概述 本数据集是以中国沙漠1:10万分布图集为数据源，按流域边界裁剪而成，重点反映黄河上游沙漠、沙地和戈壁的地理分布、面积大小、沙丘流动性与固定程度。本数据集信息源为2000年Landsat TM影像，利用遥感与地理信息系统技术，按照1:10万比例尺专题图成图要求，对我国沙漠、沙地和戈壁进行了专题制图。 二、数据处理说明 本数据集以中国沙漠1:10万分布图集为数据源，按流域边界裁剪而成。本数据集信息源为2000年Landsat TM影像，利用遥感与地理信息系统技术，按照1:10万比例尺专题图成图要求，对我国沙漠、沙地和戈壁进行了专题制图。按照系统设计要求及有关标准，将输入数据进行标准化，统一转化为各类数据输入的标准格式。 三、数据内容说明 本数据集分为荒漠与非荒漠类，非荒漠代码为999.荒漠分为三类，为沙漠（地）、戈壁与盐碱地，分类代码分别为23410、2342000与2343000。其中沙漠（地）分为4类，分别为流动沙漠（地）、半流动沙漠（地）、半固定沙漠（地）、固定沙漠（地），其分类代码分别为：2341010、2341020、2341030与2341040. 四、数据使用说明 可以使资源环境和其他相关工作者对黄河上游沙漠类型、面积与分布进行了解，对宁蒙河段风沙危害进行分、评价。
杜鹤强, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强
一、概述 长时间序列中国植被指数数据集是主要针对归一化植被指数（NDVI），基于空间分辨率为1km自1998年4月1日至2011年12月31日的每10天合成的四个波段的光谱反射率及10天最大化NDVI数据集。 二、数据处理说明 VEGETATION传感器于1998年3月由SPOT-4搭载升空，从1998年4月开始接收用于全球植被覆盖观测的SP0T VGT数据。它拥有十分完善和高效的图像地面处理机构体系。VEGETATION数据主要由瑞典的Kiruna地面站负责接收，由位于法国Toulouse的图像质量监控中心负责图像质量并提供相关参数(如定标系数)，最终由位于比利时的VITO研究所的图像处理与存档中心负责全球VEGETATION数据存档与用户定单。 其中VGT—P(prototype)数据产品主要为科研人员提供高质量的物理量原型数据以便于他们研建算法和应用模型。数据经过严格的系统误差订正并重采样为经纬网投影，像元分辨率lkm，像元亮度值是地物在大气顶层的反射率。除提供四个波段原始数据外，还根据用户需要提供相关辅助参数，如大气状况、系统信息(太阳的天底角、方位角，视场角和接收时间)和地形数据等。 VGT—S(synthesis)产品提供经过大气纠正的地表反射率数据，并运用多波段合成技术来获得lkm分辨率的归一化植被指数( w)数据集。VGI—S产品包括每天合成的四个波段的光谱反射率及NDVI数据集(s1)，每10天合成的四个波段的光谱反射率及10天最大化NDVI数据集(S10)以减少云及BRDF的影响，同时S10 还被重采样成4km 分辨率(S10.4)和8km分辨率(S10.8)数据集。VGT—S产品以其高时间分辨率而被广泛使用。本数据集包含的是每10天合成的四个波段的光谱反射率及10天最大化NDVI数据集(S10)。SPOT源数据的预处理包括大气校正，辐射校正，几何校正，生成了10 d最大化合成的NDVI数据，并将-1到-0.1的值设置为-0.1，再通过公式 YDN =(JNDVI +0.1)/0.004 转换到0~250的YDN值。 三、数据内容说明 长时间序列中国植被指数数据集是主要针对归一化植被指数（NDVI），基于空间分辨率为1km自1998年4月1日至2011年12月31日的每10天合成的四个波段的光谱反射率及10天最大化NDVI数据集。SPOT-VEGETATION-NDVI数据集中包含从1998年4月1日至2011年12月31日以旬为时间分辨率的.zip压缩文件。解压以后为每10天为一景的ESRI-GRID文件。SPO -VEGETATION-NDVI数据集命名规则为：v-yymmdd,其中v为vegetation的简称，yymmdd即表示该文件的当天日期，也是区别其他文件的主要标识。 四、数据使用说明 植被指数产品的一个重要特点是可以转换成叶冠生物物理学参数。植被指数(Ⅵ)在植被生物物理学参数(如，叶面指数LAI，绿蔽度，光合作用有效吸收辐射fAPAR 等)的获取方面还起着“中间变量”的作用。目前正在利用有全球代表性的地面、飞机和卫星观测的数据集研究植被指数和植被生物物理学参数的关系。这些资料可用于在卫星发射前评估Ⅵ算法性能，同时也提供植被指数产品与叶冠生物物理特性之间的转换系数。生物物理学资料的使用是植被指数验证计划的组成部分。植被指数产品将在几项对地观测系统(EOS)研究中发挥主要作用，同时也是近年来全球和区域生物圈模式产品的组成部分。
薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 薛娴, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强, 杜鹤强
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
