简介：长江上游范围包括湖北、湖南、陕西、重庆、贵州、广西、甘肃、四川、云南、青海、西藏11个省、市地区，是我国重要河流的主要发源地。该区域生态环境安全直接关系到我国大部分区域的经济和社会发展。长江上游科学数据专题汇总了该区域资源、生态、环境、人文等站点实测、遥感反演产品数据，可为该区域的资源、环境等变化分析提供数据支撑。
发布时间：2022-11-02
数据集：70 个
该数据是国际农业磋商组织(CGIAR)对USGS/NASA的SRTM数据进行处理后所得的成果，比原数据具有更高的质量，更新于2018年11月。数据按5度*5度的经纬差进行分幅组织，每个数据行列数都是6000，每个像元的大小为0.00083333333*0.00083333333（十进制度），在赤道附近约为90米。数据的空间参考采用WGS84椭球地理坐标系统。数据覆盖的范围不仅包括长江上游地区，还扩展到全国。
田永中
LPDR是利用τ-ω模型，从美国国家航空航天局(美国航空航天局) Aqua 卫星上的先进微波扫描辐射计-地球观测系统(AMSR-E)仪器和 JAXA GCOM-W1卫星上的先进微波扫描辐射计2(AMSR2)传感器在H和V偏振下X波段(10.7 GHz)获得的TB中计算VOD。该数据以25 km空间分辨率提供了长期(2002年6月至2021年12月)的全球关键环境观测记录，时间分辨率为1天，数据格式为EASE_Grid。
Jinyang Du, John S. Kimball, Lucas A. Jones
LPDR是从美国国家航空航天局(美国航空航天局) Aqua 卫星上的先进微波扫描辐射计-地球观测系统(AMSR-E)仪器和 JAXA GCOM-W1卫星上的先进微波扫描辐射计2(AMSR2)传感器在H和V偏振下X波段(10.7 GHz)获得的TB中计算VOD。该数据以25 km空间分辨率提供了长期(2002年6月至2021年12月)的全球关键环境观测记录，时间分辨率为1天，数据格式为EASE_Grid。其中辅助质量控制(QC)位标志文件记录每个25公里网格单元内的平均土地覆盖，并指示其他质量因素，包括丢失Tb观测的非检索条件、冻结表面、积雪覆盖、主动降雨，以及在10.7和18.7 GHz通道中识别的射频干扰(RFI)。
Jinyang Du, John S. Kimball
这是网格化月度二氧化碳二氧化碳同化数据集。OCO-2任务提供了迄今为止最高质量的天基XCO2回收。然而，由于OCO-2的10公里地面轨道很窄，无法穿透云层和厚厚的气溶胶，该仪器数据的特点是覆盖范围有很大的差距。这个全局网格数据集是使用一种数据同化技术生成的，通常在地球物理文献中称为状态估计。数据同化综合模拟和观测结果，调整大气成分(如CO2)的状态，以反映观测值，因此，根据GEOS以前的观测和短输运模拟，填补观测数据的空缺。与其他方法相比，数据同化的优势在于它基于我们的集体科学理解，特别是对地球碳循环和大气运输的理解进行估计。OCO -2 GEOS(戈达德地球观测系统)3级数据是通过GEOS CoDAS每6小时摄取一次OCO-2 L2检索数据产生的，GEOS CoDAS是一个由NASA全球建模和同化办公室(GMAO)维护的建模和数据同化系统。GEOS CoDAS使用网格点统计插值方法的高性能计算实现来解决状态估计问题。GSI找到了使状态估计问题的三维变分(3D-Var)代价函数公式最小的分析状态。
NASA
这是网格化月度二氧化碳二氧化碳同化数据集。OCO-2任务提供了迄今为止最高质量的天基XCO2回收。然而，由于OCO-2的10公里地面轨道很窄，无法穿透云层和厚厚的气溶胶，该仪器数据的特点是覆盖范围有很大的差距。这个全局网格数据集是使用一种数据同化技术生成的，通常在地球物理文献中称为状态估计。数据同化综合模拟和观测结果，调整大气成分(如CO2)的状态，以反映观测值，因此，根据GEOS以前的观测和短输运模拟，填补观测数据的空缺。与其他方法相比，数据同化的优势在于它基于我们的集体科学理解，特别是对地球碳循环和大气运输的理解进行估计。OCO -2 GEOS(戈达德地球观测系统)3级数据是通过GEOS CoDAS每6小时摄取一次OCO-2 L2检索数据产生的，GEOS CoDAS是一个由NASA全球建模和同化办公室(GMAO)维护的建模和数据同化系统。GEOS CoDAS使用网格点统计插值方法的高性能计算实现来解决状态估计问题。GSI找到了使状态估计问题的三维变分(3D-Var)代价函数公式最小的分析状态。
NASA
本数据集中的数据，为长江上游及西南周边地区12.5米ALOS数字高程模型(DEM)分幅数据。数据源于Alaska Satellite Facility (ASF)的Advanced Land Observing Satellite (ALOS) PALSAR 的高分辨率地面校正数据。 数据格式为TIF，空间分辨率为12.5米，坐标系统为WGS_1984_UTM分带投影。数据范围包括覆盖长江上游、西南及周边地区，从行政区角度，它包括重庆、四川、贵州、云南、广西全境，以及西藏东部，青海甘肃陕西南部，广东西部，海南岛，湖南及湖北西部。数据以分幅形式存在，若需要相邻的多幅数据，则应在下载后w对数据进行镶嵌处理。数据可用于各类地形分析。
田永中, ASF DAAC
改革开放以来，中国经济的快速发展对土地利用模式产生了深刻的影响。同时，中国又具有复杂的自然环境背景和广阔的陆地面积，其土地利用变化不仅对国家发展，还对全球环境变化产生了重要的影响。为了恢复和重建我国土地利用变化的现代过程，更好地预测、预报土地利用变化趋势，中国科学院在国家资源环境数据库基础上，以美国陆地卫星Landsat遥感影像数据作为主信息源，通过人工目视解译，建成了国家尺度1：10比例尺多时期土地利用/土地覆盖专题数据库。该数据集裁剪于2015年中国土地利用现状遥感监测数据库是以美国陆地卫星Landsat遥感影像作为主要信息源，通过人工目视解译构建的国家尺度1：10比例尺土地利用/土地覆盖专题数据库，精度为30米。数据采用二级分类系统，一级分为耕地、林地、草地、水域、建设用地和未利用土地6类，二级在一级类型基础上进一步分为25个类型。
徐新良
该数据集是使用τ-ω模型，结合欧洲航天局(ESA) SMOS任务的微波成像辐射计(MIRAS)在H和V极化L波段(1.4 GHz)获得的TB反演得到的。在TB上应用阈值和2-sigma标准来过滤无效数据。基于这些干扰的建模方法的RFI标志来用于屏蔽受污染的像素。由于SMOS数据的分辨率较粗(在25 - 60公里之间)，一个像素内的土壤和植被并不均匀。每个像素TB是每一种植被和土壤类型覆盖率加权的散射总和。该数据空间分辨率为25 km，时间分辨率为1天。
Ahmad Al Bitar
SMAP (Soil Moisture Active and Passive） 是美国的地球观测卫星之一，有主动的传感器和被动的传感器。主动的传感器是L波段雷达，被动的传感器是L波段微波辐射计。该植被光学厚度源自 SMAP 1C 级 （L1C） 插值亮度温度。Backus-Gilbert 最优插值技术用于从 SMAP 天线温度中提取信息并将其转换为亮度温度，这些温度以全局圆柱投影的形式发布到 9 km 等积可扩展地球网格 2.0 版 （EASE-Grid 2.0）。截至2021年，这些数据也被发布到北半球EASE-Grid 2.0，
P. O’neill
VODCA VOD结合了多个传感器 (SSM/ITMI、AMSR-E、Windsat和AMSR-2) 的VOD数据集，以涵盖1987-2017年期间的长期VOD评估来补充现有产品。在聚合之前，这些数据集都利用LPRM重新缩放到AMSR-E中，以消除它们之间的系统差异。该产品为其中的ku波段(~19 GHz, 1987 - 2017)产品。空间分辨率为0.25°，时间分辨率为1天，数据格式为.tif。
Leander Moesinger
MODIS反射率产品是计算地球地表反照率过程中最常用的数据，分为MOD09GA与MYD09GA两种，分别对应terra与aqua卫星。MOD/MYD09GA产品的时间分辨率为天，地理分辨率为1km，反射率空间分辨率为500m。每幅影像的500m反射率数据集中提供了1-7波段的反射率、质量评估等级、观测范围、观测数和250m扫描信息等。1km地理信息数据集中提供了观测次数、质量评估等级、传感器方位角天顶角、太阳方位角高度角、轨道指针等信息。
NASA
MODIS反射率产品是计算地球地表反照率过程中最常用的数据，分为MOD09GA与MYD09GA两种，分别对应terra与aqua卫星。MOD/MYD09GA产品的时间分辨率为天，地理分辨率为1km，反射率空间分辨率为500m。每幅影像的500m反射率数据集中提供了1-7波段的反射率、质量评估等级、观测范围、观测数和250m扫描信息等。1km地理信息数据集中提供了观测次数、质量评估等级、传感器方位角天顶角、太阳方位角高度角、轨道指针等信息。
NASA
该数据为长江上游及周边地区1990-2021年2.5级以上地震矢量数据（点）。它是该时段全球地震数据的一个子集，地理坐标介于东经88度-112度，北纬20度至40度之间，除包括整个长江上游地区外，在行政区上包括重庆、四川、贵州、云南、广西、陕西、宁夏、青海的全域，西藏东部、甘肃南部，以及西南国境外部分地区。数据格式为Shapefile。生成该数据的原始数据来源于美国地质调查局（USGS）的地震统计数据，根据其中的经纬度生成点，并保留了记录中的地震属性数据。
田永中
ALOS (Advanced Land Observing Satellite)是日本的对地观测卫星，于2006年发射。ALOS卫星再有三个传感器：全色遥感立体测绘仪，先进可见光与近红外辐射计-2，相控阵型L波段合成孔径雷达。ALOS-12.5米DEM数据来自于ALOS卫星相控阵型L波段合成孔径雷达（PALSAR）采集，该传感器具有高分辨率、扫描式合成孔径雷达、极化三种观测模式。该数据的水平及垂直精度可达12.5米。
NASA
生态环境是人类赖以生存和栖息的场所,伴随着城市化进程的加快,生态环境每况愈下,因此保护生态环境、维护生态安全是可持续发展过程中的一个关键而迫切的研究课题,研究我国区域的生态安全有着特别重要的意义。重庆市位于长江上游地区,是“一带一路”和长江经济带重要的联结点,是长江上游重要的生态屏障,生态地位高,具有丰厚的林地资源和重要的生态服务功能价值,因此本文基于重庆市重要的生态地位,结合PSR模型构建评价指标体系,以格网为评价单元,利用综合指数法计算研究区生态安全综合指数并对其进行分级评价,结合探索性空间分析工具和地理探测器工具,旨在找出重庆生态安全的动态变化特征、空间关联度特征、空间格局分异特征及其驱动机制,研究目的在于更好地了解重庆市生态安全变化的基本特征和规律,为重庆市生态环境的改善提出针对性意见,进而丰富和推动我国生态安全评价的综合研究。本数据计算重庆2000/2005/2010/2015四个时期生态安全综合指数并对其进行分级评价，其空间分辨率统一采样为1000m*1000m。具体反演方法参考文献“基于GIS格网模型的重庆市生态安全时空格局研究（硕士论文）”。
李月臣
该数据集以0.05度（赤道约5公里）的空间分辨率和16天的时间分辨率提供了2014年9月至2020年7月的中国长江上游连续的全球平均日太阳诱导叶绿素荧光（SIF）数据。该产品来自于轨道碳观测站-2（OCO-2）的SIF观测，通过对OCO-2的原生SIF观测和沿OCO-2轨道的MODIS BRDF校正的七波段表面反射率进行人工神经网络（ANN）训练而产生。然后，根据MODIS反射率和土地覆盖率，将训练好的ANN模型应用于预测OCO-2的空白区域的平均每日SIF（mW/m2/nm/sr）。该框架按生物群落和16天的时间步骤进行分层。
Longlong Yu, Jiaming Wen, Christine Yao-Yun Chang, Christian Frankenberg, Ying Sun
基于遥感的全球表层土壤水旬度数据集（RSSSM，2003~2020）是在世界11种常用的全球微波遥感土壤水数据产品基础上，采用神经网络方法，融入了9个微波遥感反演土壤水分的质量影响因子完成。数据空间分辨率是0.1度，时间分辨率为旬。原数据覆盖2003~2018年，现更新至2020年。RSSSM数据集的时间连续性突出，除冰雪和水体外实现空间全覆盖。通过全球实测数据进行检验，可证明RSSSM数据集较已有的常用全球或区域长时间序列表层土壤水产品具有更高的时空格局精度。此外，虽然RSSSM数据是基于遥感的，未融合任何降水资料，但其年际变异与降水量（如GPM IMERG降水数据）和标准化降水蒸散发指数（SPEI）的时间变异均可较好地吻合。RSSSM数据还可一定程度反映城市化、农田灌溉、植被恢复等人类活动对土壤水分的影响。数据为tiff格式，压缩后的数据量为2.48 GB。 数据论文于2021年发表在Earth System Science Data。本数据在原始数据的基础上，裁切获取中国长江上游地区。
陈永喆, 冯晓明, 傅伯杰
中国长江上游陆地气溶胶光学深度数据集是基于MODIS Terra和Aqua结合的大气矫正多角度实施（MAIAC）陆地气溶胶光学深度（AOD）的网格化2级产品MCD19A2，通过拼接、裁剪处理得到。空间分辨率为1km，时间分辨率为1天；时间范围为2000年2月28日至2022年9月6日。数据为TIF格式，其命名前七位均为“UYR.AOD.”，后为年+天的日期标识，例如“2022.001”表示2022年第一天，如此类推。数据的坐标系统为GCS_Unknown_datum_based_upon_the_custom_spheroid。
Alexei Lyapustin
该数据集是清华大学地球系统科学系宫鹏团队基于团队2011年以来在全球30米地表覆盖制图中获得的经验和样本库建设方面的积累，结合10米分辨率Sentinel-2全球影像的王铮存储和免费获取，开发出了世界首套30米分辨率的全球地表覆盖产品-FROM-FLC30，该产品基于2017年在《科学通报》发表的全球首套多季节样本库（涵盖2014-2015年Landsat8影像，由专家解译得到的均匀覆盖全球的多季节样本），将该样本库中样本应用于2017年获取的Sentinel-2影像，采用随机森林分类器得到全球30米地覆盖制图。2015年共包括11个一级类和23个二级类，分别为：耕地、林地、草地、灌木、湿地、水、冻土、不透水面、裸地、雪/冰、云；2017年包括10个一级类，分别为：耕地、林地、草地、灌木、湿地、水、冻土、不透水面、裸地、雪/冰
宫鹏
该数据集是清华大学地球系统科学系宫鹏团队基于团队2011年以来在全球30米地表覆盖制图中获得的经验和样本库建设方面的积累，结合10米分辨率Sentinel-2全球影像的王铮存储和免费获取，开发出了世界首套10米分辨率的全球地表覆盖产品-FROM-FLC10，该产品基于2017年在《科学通报》发表的全球首套多季节样本库（涵盖2014-2015年Landsat8影像，由专家解译得到的均匀覆盖全球的多季节样本），将该样本库中样本应用于2017年获取的Sentinel-2影像，采用随机森林分类器得到全球10米地覆盖制图，共包括10一级类，分别是：耕地、林地、草地、湿地、灌木、水体、冻土、不透水面、冰/雪
宫鹏
