青藏高原植被指数、反照率、陆面温度数据集

数据集基于AVHRR-CDR反射率产品数据集制作，该数据集包含网格化的表面反射率和亮度温度。 1）数据内容：本数据集包含1981-2020年青藏高原地区归一化差值植被指数（NDVI）、增强植被指数（EVI2）、土壤调节植被指数（SAVI）、改进的土壤调节植被指数（MSAVI）、陆面温度（LST）、地表反照率（ALBEDO），时间分辨率为月； 2）数据来源与加工方法：基于0.05° AVHRR-CDR反射率产品数据集，其中NDVI、EVI2和MSAVI采用AVHRR 红光波段和近红外波段计算，SAVI指数选择的L值为0.5，陆面温度计算方法选择基于数据集T4和T5波段采用分裂窗算法，ALBEDO则采用有梁顺林（2000）提出的利用AVHRR CH1和CH2波段反射率选择多项式拟合地表反射率。数据计算完成后，对NDVI、LST、MSAVI和ALBEDO数据与MODIS数据产品进行了一致性检验，与MODIS同类数据产品对比RMSE误差分别为0.0545,2.44,0.0423,0.0267，相关系数分别为0.926,0.963,0.896,0.734。 数据投影选择基于WGS84的ALBERS等面积投影，投影参数为中央经线105°，参考纬线0°，第一标准纬线25°，第二标准纬线47°。为与其他数据保持相同的空间分辨率，利用最临近法将数据分辨率重采样为500m。 3）数据合成：数据集制作中选择月单位为合成周期，合成方法采用最常用的最大NDVI法，合成过程中参考数据质量标识，当非云NDVI值小于有云NDVI时，恢复非云值（主要为水体）。

了解更多

青藏高原大气颗粒物浓度与酸沉降数据集

青藏高原环境问题数据集包括1990-2017年间青藏高原PM2.5浓度及大气酸沉降量（包括硝态氮沉降、铵态氮沉降与硫沉降）的时空变化空间数据（1km×1km）,该数据主要是基于卷积神经网络（CNN）模型，结合长时间卫星遥感反演数据、气象传送模型以及环境监测站实测数据进行模拟生成。其CNN模型训练目标数据来自四个主要监测网络，包括东亚酸沉降监测网络(EANEKg)、欧洲监测和评估计划(EMEP)、国家大气沉降计划(NADP)、以及加拿大空气与降水监测网络(CAPMoN)。

了解更多

青藏高原植被覆盖度(FVC)数据集（1982-2020）

植被覆盖可以有效防护地表土壤流失，植被覆盖度（FVC）是评价土壤侵蚀预报模型中作物管理因子C（或生物措施因子B）的重要基础数据。本数据集为1982-2020年青藏高原逐年植被覆盖度的栅格数据集，空间分辨率为250m，WGS_1984坐标系和Albers投影（中央经线105°E，标准纬线25°N和47°N）。在青藏高原及周围1km缓冲区范围内，选用1982-2000年GIMMS NDVI3g数据产品和2001-2020年MODIS NDVI数据产品，进行质量评估、数据优化和空间融合等处理流程，生成一套逐年24个半月NDVI栅格数据集，再采用像元二分法计算FVC，并计算逐年FVC均值，生成1982-2020年的逐年FVC栅格数据。该数据反映了近40年青藏高原植被覆盖度的时空变化。准确评估植被覆盖度能够提升侵蚀预报模型中因子的预测精度，为土壤侵蚀防治和生态修复提供有力支持。

了解更多

青藏高原生物措施因子(B)数据集（1982-2020）

生物措施因子(B)对土壤侵蚀有重要影响作用，也是CSLE、RUSLE等模型计算的基础因子。本数据集为1982-2020年青藏高原逐年的生物措施因子的栅格数据集，空间分辨率为250m，WGS_1984坐标系和Albers投影（中央经线105°E，标准纬线25°N和47°N）。在青藏高原及周围1km缓冲区范围内，选用1982-2000年GIMMS NDVI3g数据产品和2001-2020年MODIS NDVI数据产品，进行质量评估、数据优化和空间融合等处理流程，生成一套逐年24个半月NDVI栅格数据集（空间分辨率250m），采用像元二分法计算植被覆盖度(FVC)并进行3年滑动处理，进一步结合8期土地利用数据（1980、1990、1995、2000、2005、2010、2015、2020）和逐年24个半月的降雨侵蚀力比例数据，计算生成1982-2020年的逐年B因子栅格图。该数据反映了近40年植被覆盖变化对土壤侵蚀的作用，更好地评估计算青藏高原土壤侵蚀时空变化。

了解更多

青藏高原耕地格局图（1980-2018）

本图集包含1980年、1990年、2000年、2010年和2018年青藏高原土地类型分布图及耕地分布图。从国际科学数据服务平台（http://datamirror.csdb.cn）与美国地质调查局（http://www.usgs.gov/）获取1980年、1990年、2000年、2010年和2018年空间分辨率为30 m的5期遥感影像图，成像时间均为8-9月份，无云或少云，地物分辨明显；其中1980年以Landsat-MSS为数据源，1990年、2000年及2010年以Landsat-TM/ETM为数据源，2018年则以Landsat 8为数据源.在ERDAS IMAGE和ArcGIS软件支持下，参考研究区1:50 000地形图，对5期遥感影像进行配准和几何纠正. 然后在ArcGIS软件环境中，根据中国科学院资源环境遥感监测土地利用/覆盖分类系统并结合区域特点及研究目的，将土地类型分为6种，包括耕地、林地、草地、水域、建设用地和未利用。土地，按照上述土地分类系统进行人机交互式判读，目视解译得到1980年、1990年、2000年、2010年和2018年的土地利用数据. 本文中地图省级及以上边界来源于审图号为GS（2019）1823的标准地图.

了解更多

青藏高原草地生产-生态功能分区图（2000-2020）

青藏高原草地生产-生态功能分区图（2000-2020）通过在 ArcGIS 中对草地生态系统生态功能重要性和生产功能重要性等级图进行条件叠加分析得出。草地生态系统生态功能重要性以及生产功能重要性等级图空间分辨率为1km，由2000-2020年生态功能和生产功能指数的平均值分级得到。在ArcGIS中对青藏高原草地生态系统生态功能重要性以及生产功能重要性等级图进行逐一条件叠加：当保护等级显著高于发展等级的区域时（等级差超过1个级别时，即生态>生产），划定为共牧利用草地；当发展等级高于保护等级时或当保护等级和发展等级均为中等重要时，划定为传统放牧草地；而当生产功能重要性和生态保护重要性均较为一般（即说明该地生产功能较为一般且保护等级相对较弱）、或二者均为极其重要（即说明该地生产功能较强且保护等级也极其重要）时，划定为高效牧业草地。除此之外，根据张庭康等获得栽培草地分布区，并将自然保护区都列为高度保护草地，从而得到青藏高原的生产-生态功能分区图。该数据明确了不同区域的保护与发展导向，可辅助草地资源规划与生态保护决策，未来结合动态监测数据能为青藏高原可持续发展提供更精准的支撑。

了解更多

青藏高原Landsat系列卫星MSAVI产品（2023）

1）数据内容：本数据集包含2023年青藏高原地区Landsat长时序改进的土壤调节植被指数（MSAVI）产品。2）数据来源及加工方法：主要是在2023年青藏高原Landsat系列卫星地表反射率数据集的基础上，通过MSAVI的计算公式进行生产的，即在SAVI的基础上,针对SAVI在植被覆盖茂盛区表现不敏感的问题进行了改进；3）数据质量描述：为了标识云、冰雪，并相应生产了质量标识文件（QA）。4) 数据应用成果及前景：该指数在植被茂盛覆盖区域较为稳定，而在植被稀疏区表现不敏感。

了解更多

青藏高原草地生态系统生产功能重要性（2000-2020）

本数据草地生产功能指数的构建，主要考虑草地牧草生产为家畜提供物质和能量基础，不同牧草生产力具有不同的家畜承载能力，同时，牧草生产力易受气候影响而发生较大年际波动，因此，选择草地现存承载潜力及其年际变异系数作为天然放牧草地的生产功能指标，通过归一化处理后分别得到牧草生产指数和牧草生产稳定性指数。其中，草地现存承载潜力的计算方法是：应用前期发展的GLOPEM-CEVSA模型，在卫星遥感数据和气象数据的共同驱动下得到现存净初级生产力，从而计算出现存产草量，并按照天然草地合理载畜量标准（NY/T635-2015）计算得到承载潜力。进一步通过投影寻踪算法计算指标权重，得到青藏高原草地生态系统的生产功能指数。数据分辨率为1km，经过2000-2020年结果进行平均得到。最后，采用等分位数分级法将生产功能重要性划分为三级并生成空间分布图。成果已形成生产功能重要性空间分布图，可用于生态保护红线划定、资源分区管理等，为青藏高原生态建设与可持续发展提供数据支撑。

了解更多

青藏高原牧草品质空间数据及图集（2019-2022）

2019至2022年，草蓄平衡科考分队在一江两河、可可西里、羌塘高原、藏东南、三江源、祁连山南坡与柴达木盆地等关键科考区进行野外样方调查，调查指标包括样地所在县的名称、样地经度和纬度、牧草品质（木质素、灰分、粗蛋白、粗脂肪、粗纤维、无氮浸出物）数据。并在此基础上通过随机森林算法对各指标分别进行空间化(单位：%)，得到平均精度为0.79。此数据集的完成可为分析牧草的营养品质亏缺与盈余特征，制定区域水平的草畜平衡区划方案，构建科学的草地分类治理与管理提供必要的数据支持。

了解更多