- 博客(61)
- 收藏
- 关注
RSS订阅原创 【数据分享】1982~2022年全球区域GLEAM实际蒸散发E数据集（月/年）
全球土地蒸发阿姆斯特丹模型 (GLEAM)是一套算法，可分别估计土地蒸发的不同组成部分（通常称为“蒸发蒸腾”）：蒸腾、裸土蒸发、截留损失、开放水域蒸发和升华。GLEAM 中的普里斯特利和泰勒方程根据对地表净辐射和近地表空气温度的观测来计算潜在蒸发量。基于微波植被光学深度 (VOD) 的观测和根区土壤湿度的估计，使用乘法蒸发应力因子将裸土、高冠层和短冠层的土地部分的潜在蒸发估计值转换为实际蒸发量。最后，对水体和被冰和/或雪覆盖的区域的实际蒸发量的估计是基于修正的普里斯特利和泰勒方程。
2024-04-19 09:25:13
809
2
原创 【数据分享】1984~2020年中国长时间序列逐年人造夜间灯光数据集
通过对模型与原始图像进行评估，我们发现该模型的平均均方根误差（RMSE）为0.73，决定系数（R2）为0.95，像素级的线性斜率为0.99，这表明生成的产品具有较高的数据质量。目前现有的夜光数据集，如美国国防气象卫星计划（DMSP）和国家极地轨道可见光红外成像辐射计（NPP），在时间范围和数据质量上存在一定的限制。为了克服这些限制，我们提出了一种称为夜间灯光卷积长短期记忆（NTLSTM）网络的模型，并将其应用于中国的人工夜间灯光数据集（PANDA），该数据集覆盖了1984年至2020年的时间段。
2024-03-06 08:00:00
680
原创 【数据分享】2000-2022年中国30米年最大NDVI数据集
在算法改进方面，首先计算过去五年中每年最大归一化植被指数（NDVI）值及其对应的观测日期（Day of Year，DOY），得到一系列数值。该数据集利用了Landsat 5/7/8/9遥感数据，通过去除云和阴影的影响，获取了全年有效的Landsat观测数据。然后，对每个有效观测数据进行NDVI指数计算，并利用线性插值和S-G平滑等方法，得到每个像元在一年中的最大NDVI值。随后，逐年计算最大归一化植被指数（NDVImax）及其对应的观测日期（DOYmax）。这样的处理策略旨在确保数据的准确性和一致性。
2024-03-05 08:00:00
1449
原创 【数据分享】1988~2020年中国月度1KM植被指数NDVI空间分布数据集
中国月度1KM植被指数（NDVI）空间分布数据集是基于SPOT/VEGETATION PROBA-V 1 KM PRODUCTS（http://www.vito-eodata.be）提供的旬度1KM植被指数数据，并采用最大值合成法生成的自1998年以来的月度植被指数数据集。在当前的研究中，基于SPOT/VEGETATION和MODIS等卫星遥感影像获取的NDVI时序数据已广泛应用于植被动态变化监测、土地利用/覆盖变化检测、宏观植被覆盖分类和净初级生产力估算等多个尺度区域。"获取百度网盘链接。
2024-03-05 08:00:00
789
2
原创 【数据分享】1979~2020年MSWEP降水数据集
iii)基于测量仪 [WorldClim、全球历史气候学网络日报 (GHCN-D)、全球每日摘要 (GSOD)、全球降水气候学中心 (GPCC) 等]、卫星 [气候预测] 的 P 估计值的最佳合并中心变形技术 (CMORPH)、网格卫星 (GridSat)、全球卫星降水测绘 (GSMaP) 和热带降雨测量任务 (TRMM) 多卫星降水分析 (TMPA) 3B42RT)] 和重新分析 [欧洲中期天气中心预测（ECMWF）中期再分析（ERA-Interim）和日本 55 年再分析（JRA-55）]；
2024-03-04 08:00:00
928
1
原创 【数据分享】2000~2022年中国区域MOD16A2GF V061 潜在蒸散发PET数据
因此，缺口填充的 MOD16A2GF 是改进的 MOD16，它根据每个像素的质量控制 (QC) 标签清除了 8 天叶面积指数和光合有效辐射分数 (LAI/FPAR) 中的低质量输入。MOD16数据产品收集所使用的算法基于Penman-Monteith方程的逻辑，其中包括日常气象再分析数据的输入以及MODIS遥感数据产品，例如植被属性动态、反照率和土地覆盖。两个蒸发蒸腾层（ET 和 PET）的像素值是复合期间内所有八天的总和，两个潜热层（LE 和 PLE）的像素值是复合期间内所有八天的平均值时期。
2024-03-04 08:00:00
823
3
原创 【数据分享】2001~2023年中国区域MOD17A3HGF GPP数据
因此，缺口填充的 MOD17A3HGF 是改进的 MOD17，它根据每个像素的质量控制 (QC) 标签清除了 8 天叶面积指数和光合有效辐射分数 (LAI/FPAR) 中的低质量输入。MOD17A3HGF 6.1 版产品以 500 米 (m) 像素分辨率提供有关年度总初级生产和净初级生产（GPP 和 NPP）的信息。年度 Terra 中分辨率成像光谱仪 (MODIS) GPP 和 NPP 源自给定年份所有 8 天 GPP 净光合作用 (PSN) 产品 ( MOD17A2H ) 的总和。
2024-03-03 08:00:00
1272
1
原创 【数据分享】2000~2023年MOD15A2H 061 光合有效辐射分数FPAR数据集
MOD15A2H 6.1 版中分辨率成像光谱仪 (MODIS) 结合了叶面积指数 (LAI) 和光合有效辐射分数 (FPAR) 产品，是一个为期 8 天的复合数据集，像素大小为 500 米 (m)。4 级 (L4) MOD15A2H 产品中的科学数据集 (SDS) 包括 LAI、FPAR、两个质量层以及 LAI 和 FPAR 的标准差。LAI 被定义为阔叶树冠中每单位地面面积的一侧绿叶面积，以及针叶树冠中每单位地面面积的针叶总表面积的一半。"获取百度网盘链接。
2024-03-02 08:00:00
597
原创 【数据分享】2000~2023年MOD15A2H 061 叶面积指数LAI数据集
MOD15A2H 6.1 版中分辨率成像光谱仪 (MODIS) 结合了叶面积指数 (LAI) 和光合有效辐射分数 (FPAR) 产品，是一个为期 8 天的复合数据集，像素大小为 500 米 (m)。4 级 (L4) MOD15A2H 产品中的科学数据集 (SDS) 包括 LAI、FPAR、两个质量层以及 LAI 和 FPAR 的标准差。LAI 被定义为阔叶树冠中每单位地面面积的一侧绿叶面积，以及针叶树冠中每单位地面面积的针叶总表面积的一半。"获取百度网盘链接。
2024-03-01 08:00:00
1515
原创 【数据分享】1901~2022年中国1km逐月潜在蒸散发数据集
该数据集提供了中国逐月潜在蒸散发的信息，空间分辨率为0.0083333°（约1km），时间跨度为1901年1月至2022年12月（每年将进行更新），单位为0.1mm。数据集基于已发布的中国1km逐月均温、最低温和最高温数据集（Peng等人，2019年），并使用Hargreaves潜在蒸散发计算公式（Peng等人，2017年）进行计算。在ArcMap中进行栅格计算等操作时，建议选择特定月份后将数据导出为栅格数据实体并存储在硬盘中，因为加载的NC数据仍然是一个临时数据在内存中。”获取百度网盘链接。
2024-02-27 23:15:00
1788
转载 【数据分享】2000~2022年中国区域250米植被覆盖度FVC数据集
通过时空变化趋势分析检验法分析，该数据集符合时间变化趋势和空间变化趋势。文件命名：HXPT_FVC_MONTH_MAX_250m_YYYYMM_全国_yyyymmddhhmmss.tif，其中HXPT代表国家生态保护红线监管平台生产，FVC代表植被覆盖度，MONTH代表月度，MAX代表最大值合成，250m代表空间分辨率250米，全国代表覆盖范围全国，YYYYMM代表数据时间年月，yyyymmddhhmmss代表数据生产时间年月日时分秒 数据读取方式：文件采用.tif格式存储，可用ArcGIS等软件打开。
2024-02-26 08:00:00
890
3
转载 【数据分享】1979~2023年中国雪深长时间序列数据集
每天的雪深用一个txt文件存储，文件的名称为“yyyyddd.txt”，其中yyyy代表年，ddd代表Julian日期，雪深单位为厘米（cm）。星载被动微波亮度温度数据来自多个传感器，本数据采用的传感器包括Nimbus7上的SMMR(1979-1988),DMSP-F08,F11,F13上的SSMI（1988-2008），DMSP-F17上的SSMI/S（2009-2020），Aqua上的AMSR-E （2002-2011），GCOM-W1上的AMSR2 (2012-)。”获取数据下载方式。
2024-02-25 08:00:00
153
转载 1982~2017年中国陆地实际蒸散发数据集
本数据集为基于蒸散发互补方法建立的中国地表蒸散发产品(v1.5)，输入数据包括CMFD向下短波辐射、向下长波辐射、气温、气压，以及GLASS地表发射率和反照率、ERA5-land地表温度和空气湿度、NCEP散射辐射率等。本数据集时间跨度为1982年-2017年，空间范围为中国陆地区域。空间分辨率为0.1°；本数据仅为陆地实际蒸散发，不含水面。马宁, Jozsef Szilagyi, 张寅生, 刘文彬. (2019). 中国陆地实际蒸散发数据集（1982-2017）. 国家青藏高原数据中心.
2024-02-25 08:00:00
89
原创 2001~2023年中国MOD17A3HGF NPP数据
因此，缺口填充的 MOD17A3HGF 是改进的 MOD17，它根据每个像素的质量控制 (QC) 标签清除了 8 天叶面积指数和光合有效辐射分数 (LAI/FPAR) 中的低质量输入。MOD17A3HGF 6.1 版产品以 500 米 (m) 像素分辨率提供有关年度总初级生产和净初级生产（GPP 和 NPP）的信息。年度 Terra 中分辨率成像光谱仪 (MODIS) GPP 和 NPP 源自给定年份所有 8 天 GPP 净光合作用 (PSN) 产品 ( MOD17A2H ) 的总和。
2024-02-24 08:00:00
726
2
转载 中国地区土地覆盖综合数据集
westdc_lucc_1km_China.asc，由中国科学院组织实施的中国2000年1：10万土地覆盖数据，对其进行合并、矢栅转换（面积最大法），最后得到全国幅1km的土地利用数据产品，数据名称为WESTDC。glc2000_lucc_1km_China.asc,由GLC2000项目开发的基于SPOT4遥感数据的全球土地覆盖数据中国子集，数据名称为GLC2000.GLC2000中国区域土地覆盖数据由全球覆盖数据直接裁剪得到。MODIS中国区域土地覆盖数据由全球覆盖数据直接裁剪得到。
2024-02-24 08:00:00
91
转载 【数据分享】2002~2018年中国土壤水分数据集
它由3个被动微波遥感产品制成：日本宇宙航空研究开发机构（JAXA）的 AMSR-E 的 Level 3 土壤水分数据和 AMSR2 的 Level 3 土壤水分数据，以及由法国农业科学研究院（INRA）和法国空间生物圈研究中心（CESBIO）研发的 SMOS 产品的土壤水分数据。整体而言，降尺度的土壤水分产品与实地测量结果一致（R >0.78），且均方根误差较低（ubRMSE < 0.05 m³/m³），这表明数据在整个时间序列中具有良好的准确性。本次分享的是最新版本。
2024-02-23 11:19:53
87
转载 【数据分享】2000~2020年基于站点观测的中国1km土壤湿度日尺度数据集
由于SMCI1.0是基于实地观测的土壤湿度，它可以作为现有基于模型和卫星数据集的有效补充。本研究提供了中国范围1km高质量的土壤湿度数据集-SMCI1.0(Soil Moisture of China by in situ data, version 1.0)，SMCI1.0是包含2000-2020年、日尺度、以10厘米为间隔10层深度（10-100cm）的高时空分辨率土壤湿度，数据单位为0.001m³/m³。为便于使用，本研究提供了两种不同分辨率的版本：30 秒（~1km）和0.1度（~9km）。
2024-02-22 20:38:32
546
1
原创 【数据分享】2001~2013年MOD17A3HGF GPP和NPP数据
因此，缺口填充的 MOD17A3HGF 是改进的 MOD17，它根据每个像素的质量控制 (QC) 标签清除了 8 天叶面积指数和光合有效辐射分数 (LAI/FPAR) 中的低质量输入。MOD17A3HGF 6.1 版产品以 500 米 (m) 像素分辨率提供有关年度总初级生产和净初级生产（GPP 和 NPP）的信息。PSN 值是 GPP 和维持呼吸 (MR) 的差值。各位同学们好，今天和大伙儿分享的是2001~2013年MOD17A3HGF GPP和NPP数据。如您需要此数据，请私信或评论。
2024-02-21 23:20:18
492
原创 【数据分享】1979~2018年中国区域地面气象要素驱动数据集
中国区域地面气象要素驱动数据集，包括近地面气温、近地面气压、近地面空气比湿、近地面全风速、地面向下短波辐射、地面向下长波辐射、地面降水率共7个要素。可为中国区陆面过程模拟提供驱动数据。该数据集是以国际上现有的Princeton再分析资料、GLDAS资料、GEWEX-SRB辐射资料，以及TRMM降水资料为背景场，融合了中国气象局常规气象观测数据制作而成。详细过程请参阅参考文献。原始资料来自于气象局观测数据、再分析资料和卫星遥感数据。精度介于气象局观测数据和卫星遥感数据之间，好于国际上已有再分析数据的精度。
2024-02-18 08:00:00
536
原创 【数据分享】2001~2020年青藏高原植被净初级生产力数据集
植被初级生产力（Net Primary Production, NPP）数据集，源数据来自MODIS产品(MOD17A3H)，经过数据格式转换、投影、重采样等预处理。现有格式为TIFF格式，投影为Krasovsky_1940_Albers投影，单位为kg C/m2/year，空间范围为整个青藏高原。数据空间分辨率为500米，时间分辨率为每5年，时间范围是2001到2020年。数据以TIFF形式储存，文件首页展示了2001-2005年NPP的空间分布特征信息。更多数据请点击左下角“”，说不定有您想要的~
2024-02-17 13:16:00
310
原创 【数据分享】1980s~2020年青藏高原中分辨率土地覆被数据
该数据集包含1980s和1990-2020年每5年1期的青藏高原30米土地覆被数据产品，即1980s、1990年、1995年、2000年、2005年、2010年、2015年、2020年共8期。通过青藏高原土地覆被类型科考与遥感数据调查，制定了符合青藏高原生态环境特征的土地覆被分类系统，包括林地、草地、水体/湿地、耕地、建设用地、荒漠、冻原、裸地等8个一级类和42个二级类。各位同学们好，今天和大伙儿分享的是1980s~2020年青藏高原中分辨率土地覆被数据。
2024-02-16 10:44:39
326
2
原创 【数据分享】2020~2050年青藏高原未来LAI变化情景数据集
本产品基于CESM中CLM模块模拟未来情景下的LAI，产品特色包括：（1）采用了阳坤课题组发表的空间分辨率 0.1°的中国区域地面气象要素驱动数据集（1979-2018）替换模型中空间分辨率 0.5°默认大气强迫数据集。（2）采用了2000-2018年GLASS_LAI数据进行本地化校正。数据为tiff格式，时间分辨率为年尺度，空间分辨率为0.125°。(2)数据读取方式：数据集以tiff格式储存，用户可以使用ESRI ArcGIS软件、ERDAS软件和ENVI软件等地理信息系统和遥感相关软件读取数据。
2024-02-15 10:44:43
497
原创 【数据分享】2000~2020年青藏高原1Km分辨率人类活动强度数据集
作者选取人口密度、GDP密度、夜间灯光、放牧强度、土地覆被和道路网络6类数据作为青藏高原人类活动强度的代表性指标。在对原始栅格数据进行投影转换、重采样、数据标准化等预处理后，将所有数据分值标准化为1-100，对各个图层进行加权求和，得到青藏高原1-km分辨率人类活动强度数据集（2000-2020）。该数据集内容包括：（1）2000、2010、2020年的人类活动强度（HAI）数据；数据集存储为.tif格式，空间分辨率为1 km，由4个数据文件组成，数据量为68.7 MB（压缩为1个文件，20.4 MB）。
2024-02-13 08:00:00
742
转载 【数据分享】1901~2020年青藏高原0.1°空间分辨率逐月近地表气温数据
其利用了中国区域地面气象要素驱动数据集中空间分辨率为0.1°的气温数据（1979-2018）以及CRU（Climate Research Unit）全球格网数据集中空间分辨率为0.5°的气温数据（1901-2020）。空间范围为74°E-106°E, 24°N-40°N。游庆龙, 杨叶. (2023). 青藏高原0.1°空间分辨率逐月近地表气温数据（1901-2020）. 国家青藏高原数据中心.各位同学们好，今天和大伙儿分享的是1901~2020年青藏高原0.1°空间分辨率逐月近地表气温数据。
2024-02-12 08:00:00
204
原创 程序员为何经常不关电脑？
在现代科技高度发达的时代，程序员成为了一个重要的职业群体。作为编写和维护计算机软件的专业人员，程序员的工作需要长时间面对电脑。然而，有时我们会发现程序员经常不关电脑，那么背后的原因是什么呢？本文将从几个方面探讨这个问题。
2024-02-05 22:08:17
313
原创 【数据分享】1米分辨率土地覆盖数据集SinoLC-1
为了填补这一空白，利用基于深度学习的框架和开放获取数据，包括全球土地覆盖（GLC）产品，建立了中国第一张1米分辨率的国家尺度土地覆盖图SinoLC-1， OpenStreetMap (OSM) 和 Google 地球图像。该框架通过结合保留分辨率的主干、弱监督模块和自监督损失函数，解决了图像和标签之间分辨率不匹配引起的标签噪声，自动细化 VHR 土地覆盖结果，无需任何手动注释。综上所述，SinoLC-1作为我国第一张1m分辨率的全国比例尺地表覆盖图，具有较高的精度，为全国相关研究和应用提供了基础支撑。
2024-02-04 21:22:53
545
原创 【数据分享】2009~2020年全球陆地二氧化碳时空连续数据集
全球 1° 陆地测绘 XCO2 数据集 (Mapping-XCO2) 来自 GOSAT 和 OCO-2 2009 年 4 月至 2020 年 12 月期间的卫星 XCO2 反演。3天的数据文件包括网格化的XCO2和测绘不确定性，其名称类似于“MappingXCO2_Date.nc”和“MappingUncertainty_Date.nc”。数据集的域涵盖全球陆地，范围为南纬 56° 至北纬 65°、西经 169° 至东经 180°。XCO2 数据的单位是 ppm，而无数据值指定为 NaN。
2024-02-04 08:00:00
966
原创 【数据分享】2000~2022年全球区域500m分辨率NPP-VIIRS夜间灯光数据集
该团队提出了一种创新的基于自编码器的跨传感器夜间灯光数据校正方案。他们对自编码器进行了改进，使用了2013年的EANTLI数据作为输入，并验证输出数据的准确性使用了同一年份的NPP-VIIRS年合成夜间灯光数据（Composited NPP-VIIRS NTL Data）。通过多次迭代训练，他们将2000年至2012年的EANTLI数据输入到经过训练的模型中，从而获得了各自年份的“类NPP-VIIRS”数据（NPP-VIIRS-like NTL Data）。
2024-02-03 08:00:00
1002
原创 IT行业中具有高含金量的证书
在IT行业，持有具有高含金量的证书是提升个人职业竞争力的重要方式之一。本文介绍了一些在IT行业中被广泛认可的证书，包括Cisco认证、微软认证、项目管理专业人士（PMP）、信息系统审计师（CISA）以及云计算认证（AWS、Azure、Google Cloud）。这些证书涵盖了网络、软件、项目管理、信息安全和云计算等不同领域，可以帮助个人在职业发展中获得更多机会和更高的薪资水平。选择适合自己的证书，并通过专业的培训和考试取得认证，将为个人在IT行业的职业道路上打开更广阔的前景。
2024-02-02 22:42:46
338
原创 【数据分享】中国区域1961-2022年逐日降水数据集
该方案的相关系数中值为 0.78，均方根偏差为8.8 mm d −1 ，Kling-Gupta 效率中值为 0.69，用于比较 45 992 个高密度仪表观测值和最佳插值方案针对2015-2019年0.1∘经纬度网格 单元，该方案综合性能最好，充分考虑了日常气候领域的地形影响，在降水比插值时平衡了局部数据保真度和全局拟合平滑度场地。本研究利用1961年至今中国及周边地区2839个观测站的每日观测数据，比较了基于月降水量约束和地形特征校正的八种不同插值方案，采用了将每日气候场与地形特征校正相结合的算法。
2024-02-02 08:00:00
1079
原创 深度学习：人工智能的新篇章
深度学习作为人工智能的重要技术，正在推动人工智能的发展进入一个新的篇章。通过模拟人脑神经网络的工作原理，深度学习实现了对大规模数据的学习和模式识别。深度学习在图像识别、语音处理、自然语言处理等领域取得了重要的应用成果，为自动化和智能化提供了强大的支持。然而，深度学习的广泛应用也带来了数据隐私和道德问题的挑战，需要我们在技术发展的同时，注重保护用户的隐私权益和推动技术的可解释性和公平性。随着技术的不断进步，深度学习将继续在各个领域发挥重要作用，为人类创造更多的机会和福祉。
2024-02-01 22:02:09
844
原创 开源软件：颠覆创新的力量
开源软件是一种基于共享和协作的软件开发模式，通过允许源代码的自由访问和修改，开源软件为全球范围内的开发者和用户提供了极大的灵活性和自由度。在过去的几十年里，开源软件在全球范围内产生了巨大的影响力，对技术创新、商业模式和社会进步都起到了重要作用。本文将探讨开源软件的影响力，并从技术、经济和社会三个方面进行分析和讨论。
2024-02-01 21:59:09
450
原创 GLDAS 2000~2022年全球区域地表温度STMP数据免费分享
GLDAS Noah Land Surface Model L4 monthly 0.25 x 0.25 degree V2.1数据集以月平均的形式提供了土壤地表温度数据。通过使用GLDAS Noah Land Surface Model L4 monthly 0.25 x 0.25 degree V2.1数据集中的土壤地表温度数据，研究人员和科学家可以更好地理解全球土壤层的温度分布和变化，从而对气候、水资源管理和生态系统监测等领域进行研究和决策提供支持。土壤地表温度是指位于地表和大气之间的土壤层的温度。
2024-02-01 08:00:00
464
原创 GLDAS 2000~2022年全球区域土壤湿度SM数据
我已经下载并处理好了2000~2022年全球区域月和年尺度的土壤湿度数据，如果您需要请添加我的微信或者公众号私信。GLDAS 2000~2022年全球区域土壤湿度SM数据。
2024-01-30 08:00:00
484
原创 2001-2019年全球500米分辨率植被聚集指数CAS-CI数据分享
植被聚集指数（clumping index, CI）是一个重要的冠层结构参数，用于表征植被冠层中叶子的随机和聚集分布情况。数据来估算聚集指数的方法，该方法在解决植被稀疏地区聚集指数估算难题方面效果较好。基于这项研究提出的改进算法，开展了全球聚集指数产品的生产，并获得了2001年至2019年的全球8天500米聚集指数产品。CI影响冠层对辐射的截获和辐射在冠层中的分布，因此对决定冠层的光合作用和蒸散作用具有重要影响。模型和太阳天顶角（SZA）估算的聚集指数，并提出了估算聚集指数的最佳BRDF模型和SZA。
2024-01-29 11:49:40
720
原创 GLDAS 蒸散发 ET 0.25° 2000~2022年月尺度数据分享
这个数据集是根据多源观测数据和先进的地表模型同化技术得到的，可以提供关于地表蒸散发的估算值。这些陆面模型是由大量的观测数据整合而成，以提供全球范围的数据集。数据集提供了不同的空间分辨率（0.25°×0.25°和1°×1°）和时间分辨率（3小时和1个月）。GLDAS数据集是通过使用先进和复杂的地表建模和数据同化方法，基于卫星和地面观测数据生成的地表热通量和地表状态变量数据。GLDAS数据集包含了多种水文气象变量，例如降雨和降雪率、蒸散量、土壤湿度、地表和地下径流、辐射等。
2024-01-28 08:00:00
600
原创 SSEBop FEWS V6蒸散发ET年和月尺度数据分享
这个模型的应用场景相当广泛，例如在水资源管理、农业灌溉、气象预测和气候研究中都可以使用蒸散发数据。SSEBOP FEWS V6提供了高分辨率的蒸散发数据，可以帮助研究人员和决策者更好地了解水资源的利用和分配情况，以及对未来的变化进行预测和规划。SSEBOP FEWS V6是由美国地质调查局（USGS）开发的一种基于卫星数据的蒸散发估算方法。它利用陆地表面温度数据和其他环境因素，结合物理和统计模型来推测全球各地的蒸散发量。网站提供了年、月及10天尺度的数据，大家可以自行下载，如需要帮助，请联系我。
2024-01-27 12:00:40
552
原创 CMG GPP 0.05°全球区域2000~2019年月数据分享
目前有多种基于不同方法的 GPP 产品，但根据涡流协方差数据的 GPP 估计值进行验证时，它们的性能差异很大。该 GPP 数据集基于改进的光利用效率理论，并由 MODIS 的卫星数据和 NCEP Reanalysis II 的气候数据驱动。所有这些改进旨在解决当前GPP产品中存在的几个关键问题。该数据集在根据原位 GPP 估计值进行验证时表现令人满意，为区域到全球碳循环研究提供了替代的 GPP 估计值。我已经下载处理好了2000~2019年月尺度的CMG GPP数据，分享到了公众号，免费分享给大家。
2024-01-26 23:01:55
362
原创 2001~2022年全球日光诱导叶绿素荧光GOSIF数据分享
SIF 是植物在光吸收后几纳秒内重新发射的能量通量，与生态系统规模的总初级生产 (GPP) 表现出很强的线性关系，因此是 GPP 的有力代理。GOSIF数据集（Li和Xiao，2019a）以0.05度的空间分辨率提供全球8天的SIF数据。GOSIF 的生成还利用了来自中分辨率成像光谱辐射计 (MODIS) 的增强植被指数 (EVI) 的空间和时间连续数据以及来自 MERRA-2 的气象再分析数据（气温、蒸气压赤字、短波太阳辐射）。我已经下载处理好了2001~2022年的数据，发布到了公众号分享给大家~
2024-01-25 08:00:00
1660
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人