我们提出利用U-net网络进行冰裂隙识别探测的算法，可以实现格陵兰冰盖典型冰川冰裂隙的自动化探测。基于Sentinel-1 IW每年7、8月的数据，为了抑制SAR图像的相干斑噪声，选择Probabilistic Patch-Based Weights (PPB)算法进行滤波，然后选择具有代表性的样本输入U-net网络进行模型训练，根据训练的模型进行冰裂隙的预测。以格陵兰2个典型冰川（Jakobshavn、Kangerdlussuaq）为例分类结果的平均准确率可达94.5%，其中裂隙区域的局部准确率可达78.6%，召回率为89.4%。
2022-07-29
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
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。
2021-04-09
1970年土地利用由MSS影像目视解译而成，整体解译精度达90%以上，土地分类按照中国科学院土地利用分类系统进行，具体分类细则请阅读数据说明文档。 2005年和2015年两期数据集从欧洲太空局 (ESA) 全球土地覆被类型数据获取，包括中亚五国（哈萨克斯坦、吉尔吉斯斯坦、塔吉克斯坦、土库曼斯坦和乌兹别克斯坦）和中国新疆，该数据集有22种土地利用类型，采用IPCC土地利用分类系统，具体分类细则请参阅说明文档。
2021-01-17
该数据集依据中分辨率长时间序列遥感影像Landsat，通过影像融合、遥感解译、数据反演等多种方式获得青藏高原1990/1995/2002/2005/2010/2015六期生态系统类型情况分布图，作出25年（1990-2015）青藏高原生态本底图，空间参考系统为Krasovsky_1940_Albers，空间分辨率为1000m。青藏高原各类生态系统面积统计表明，1990-2015年间，林地、草地面积略有减少，城镇用地、农村居民点及其他建设用地面积增加，河流、湖泊等水体面积增加，永久性冰川积雪面积减少。该图集可用于青藏高原生态工程的规划、设计及管理，并可作为生态系统现状的基准，用于阐明青藏高原重大生态工程建设的时空格局，揭示青藏高原生态系统格局和功能的变化规律和区域差异。
2021-01-07
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。
2019-12-21
黑河流域灌区及干支渠分布图包括了黑河流域的主要灌区及所有干渠、支渠的分布。灌区主要有罗城灌区、友联灌区、六坝灌区、平川灌区、蓼泉灌区、梨园河灌区、鸭暖灌区、板桥灌区、沙河灌区、西浚灌区、盈科灌区、大满灌区、马营河灌区、上三灌区、新坝灌区、红崖子灌区，这16个灌区。干支渠分布图包含了这16个灌区的所有干渠和支渠。
2016-01-02
数据集为青海湖流域湖泊分布图，投影：经纬度，数据包括湖泊空间分布数据和属性数据，湖泊属性字段：NAME（湖泊的名称）、CODE（湖泊编码）。
2014-04-20
该数据包括了SWAT模型运行所需要的基础地形数据、土壤数据、气象数据、土地利用/地面覆盖数据等。所有的图件和相关的点位坐标（气象站，水文站）都采用了和我国基础地形图相一致的高斯－克吕格投影的坐标体系。数据内容包括： a) 基础地形数据包括流域数字高程模型（DEM）和流域河网。DEM格网的大小为50*50m，流域河网是从1:10万地形图上将水系手工数字化得到。 b) 土壤数据：包括土壤物理、土壤化学和土壤类型空间分布资料。数字土壤图比例尺为1:100万，将其转为ESRI 的grid格式，格网大小为50*50m。每个土壤剖面可以最多分到10层。模型要求的土壤质地采样指标采用了美制标准。参数来自全国第二次土壤普查数据以及来自相关文献。 c) 气象数据： (1) 气温：日最高气温，日最低气温，风速，相对湿度的数据来源于流域内部和周边地区祁连、山丹、托勒、野牛沟、张掖五个气象站的逐日观测资料，时段为1999～2001年。 (2) 降水：雨量数据来源于流域内部和周边地区俄博（1990~1996）、肃南（1990~2000）、祁连（1990~2000）、莺落峡（1990~2000）、札马什克（1990~2000）5个水文站以及山丹（1999~2001）、托勒（1999~2001）、野牛沟（1999~2001）、张掖（1999~2001）、祁连县（1999~2001）4个气象站的逐日观测资料。 (3) 风速、相对湿度：风速、相对湿度来源于山丹、托勒、野牛沟、张掖、祁连县5个气象站的逐日观测资料。时段为1999~2001。 (4) 太阳辐射：太阳辐射没有相应的观测数据，由模型模拟产生。 d) 土地利用/地面覆盖：1995年土地利用数据，比例尺为1:10万。将其转为ESRI的grid格式，格网大小为50*50m。 e) 气象数据模拟工具（weather generator）数据库：SWAT模型的气象数据模拟工具可以在没有实际日观测数据的情况下，根据多年逐月统计资料模拟计算出模型运行所需要的逐日气象输入数据，也可进行观测资料不全时的插补。气象数据来自周边气象站。
2013-07-30
数据概况：张掖的渠道分为干、支、斗、农、毛五级渠道，其中农渠一般没有衬砌，毛渠为田间工程，所以主要采集了干、支、斗三级渠道和小部分的农渠。灌溉渠系数据包括总干渠（涉及多个灌区）2条，总干渠（单个灌区内）和干渠157条、支渠782条、斗渠5315条，总长度8, 745.0km。 数据采集过程：灌溉渠系数据采集采用遥感判读和GPS实地测量相结合的方法。GPS直接采集渠道是最为有效的方法，但GPS采集渠道工作量太大，我们只在部分灌区验证测量。主要采取的方式是首先收集各水管所手工绘制的灌区示意图，这些示意图大部分没有定位，只有大满、上三等个别灌区基于地形图进行了定位，高台县部分灌区利用GPS对部分渠道进行了定位。参考灌区示意图，基于Quikbird、ASTER、TM遥感影像和1:5万的地形图进行渠道空间定位。对于干渠和支渠，由于在遥感影像上线性特征明显，地形图上一般也有标示，所以可以较为准确的定位。对于斗渠，有高分辨率影像的区域，可以较为准确的定位，其它区域则只能根据模糊的影像线性特征和灌区工作人员的提示信息进行粗略定位，定位精度较低。各水管所同时提供了渠道属性数据，与空间数据进行一一对应。渠道分布图初稿完成后，先后两次提交给各水管所熟悉渠道分布的人员进行校正，第一次主要是剔重补漏，第二次主要校正位置和完善属性数据。 数据内容说明：属性表的字段包括编码、区县名、灌区名、渠道全程、渠道名、渠道类型、位置、总长度、已衬砌、设计流量、设计农田、设计林草、实灌农田、实灌林草、水权面积、备注。编码示例：G06G02Z15D01，其中前第1个字母代表县区名，第2和3个数字代表某县（区）编号，第4-6个字符代表干渠代码，第7-9个字符代表支渠代码，第10-12个字符代表斗渠代码。
2013-07-20
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05000491号 | All Rights Reserved
｜ 
京公网安备11010502040845号
数据中心技术支持: 数云软件
