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, 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
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
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, 王旭峰, 王旭峰, 王旭峰, 魏彦强
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, 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
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
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
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, 黄帅, 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
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
