ncdc logo title
ncdc_logo
收起筛选
  • 1/2
J

国家冰川冻土沙漠科学数据中心
亚洲水塔地区的 MODIS 每日云隙填充零星积雪数据集（2000-2022 年）
%、97.34%和97.59%。在175个气象站观测到的雪深数据用于评估点尺度的精度，得出以下精度指标：OA为93.26%，PA为84.41%，UA为82.14%，Cohen kappa（CK）值为0.79。气象台站的积雪深度观测也用于评估不同天气条件下的积雪
贡献者:
蒋玲梅
点击量:
4822
文件大小:
37.2 GiB
更新时间:
2025-06-30
J

国家冰川冻土沙漠科学数据中心
中国的无云MODIS NDSI数据集（2001-2020年）
NDSI 数据一般具有以下优势 (1) 该数据集已连续 20 年，这是长期水文和气候数据集的最短周期。(2) 无云数据集可准确估 算积雪动态，与原地积雪深度和大地遥感卫星 NDSI 地图高度一致。具体
贡献者:
李星华, 沈焕锋
点击量:
6617
文件大小:
48.7 GiB
更新时间:
2025-06-30
J

国家冰川冻土沙漠科学数据中心
HHU24SWDSCS：从卫星水深测量中获取的南海岛屿地区浅水深度模型
了一个浅水水深模型 HHU24SWDSCS。根据独立的 ICESat-2 深度数据进行验证后，该模型的均方根误差为 0.81-1.35 米（小于最大深度的 5%），平均判定系数为 0.91。根据独立的机载 LiDAR 测深
贡献者:
贾东振
点击量:
2490
文件大小:
84.1 MiB
更新时间:
2025-04-29
J

国家冰川冻土沙漠科学数据中心
基于深度学习与年度结果增强方法的东北地区水稻历史长序列制图（1985-2023年）
  利用多传感器Landsat数据和深度学习模型，首次完成了1985年至2023年中国东北地区水稻的年度分布图绘制。采用年度结果增强法（ARE），该方法能处理深度
贡献者:
杨鹏
点击量:
580
文件大小:
2.0 GiB
更新时间:
2025-11-27
J

国家冰川冻土沙漠科学数据中心
基于深度学习模型的全球陆地气溶胶精细模式分数数据集（2001-2020年）
  气溶胶细模分数（FMF）是区分人为气溶胶和天然气溶胶的一个关键参数，但它在卫星检索中具有很大的不确定性，尤其是在陆地上。 本数据集整合了物理和深度学习（Phy-DL
贡献者:
晏星
点击量:
5296
文件大小:
145.9 MiB
更新时间:
2025-06-30
J

国家冰川冻土沙漠科学数据中心
基于物理和深度学习检索气溶胶细模态比例数据集(Phy-DL FMF)（2001-2020年）
开发了一种新的基于卫星的全球陆地每日 FMF 数据集（Phy-DL FMF），该数据集在 1°空间分辨率下，通过协同物理方法和深度学习方法的优势，覆盖了 2001 至 2020 年期间。基于对来自全球 1170 个
贡献者:
晏星
点击量:
5161
文件大小:
145.9 MiB
更新时间:
2025-06-30
J

国家冰川冻土沙漠科学数据中心
基于深度学习框架的中国31个主要城市细粒度城市绿地映射数据集
  UGS-1m产品提供基于深度学习（DL）框架生成的中国31个主要城市的细粒度UGS地图。该生成器是一个专为UGS提取而设计的全卷积网络（UGSNet），它集
贡献者:
石茜, 刘梦熙
点击量:
4541
文件大小:
396.8 GiB
更新时间:
2025-06-30
J

国家冰川冻土沙漠科学数据中心
第三极地区冻土1平方公里范围内0~3m土壤有机碳分布数据集（2009-2011年）
  土壤有机碳(SOC)是第三极脆弱生态环境的重要组成部分；然而，土壤有机碳的空间分布数据仍然稀少且不确定。本研究基于多个环境变量和458个坑(深度0-1 m)和114个岩
贡献者:
吴通华, 吴晓东
点击量:
5562
文件大小:
58.8 MiB
更新时间:
2025-06-30
J

国家冰川冻土沙漠科学数据中心
全球每日无缝9公里植被光学深度（VOD）产品（2010-2021年）
  本数据集采用基于三维离散余弦变换的惩罚最小二乘回归方法，首先生成无缝全球每日L-VOD产品，然后采用非局部滤波思想实现高分辨率与低分辨率数据的时空融合，最终生成2010年1月1日至2021年7月31日期间的全球每日无缝9公里L-VOD产品。为验证产品质量，对重建数据进行了时间序列验证...
贡献者:
袁强强
点击量:
1945
文件大小:
20.3 GiB
更新时间:
2025-06-27
J

国家冰川冻土沙漠科学数据中心
第三极地区黑碳和有机碳数据集
研究大气污染物和冰冻圈变化之间的联系。   本文基于APCC监测网络，系统介绍和提供了气溶胶（20个站）、冰川（17个冰川，包括来自地表雪/冰、雪坑和两个冰芯的样本）、积雪（2个站连续观测，138个地
贡献者:
康世昌, 张玉兰
点击量:
12647
文件大小:
511.3 KiB
更新时间:
2023-05-16
J

国家冰川冻土沙漠科学数据中心
GMIE：基于干旱胁迫下灌溉表现及深度学习方法构建的全球最大灌溉范围与中心支轴灌溉系统数据集（2010-2019年）
业用水估算和区域粮食安全评估提供了更精细的数据支撑。进一步地，本研究基于U-net架构开发了新型卷积神经网络Pivot-Net，通过深度学习方法首次实现了全球中心支轴灌溉系统（CPIS）的识别。结果显示全球CPIS面积为11.5±0.01百万公顷，约占
贡献者:
吴炳方
点击量:
1630
文件大小:
6.6 GiB
更新时间:
2025-04-29
J

国家冰川冻土沙漠科学数据中心
纳入雪动态的标准化水分异常指数（SZIsnow）全球数据集（1948-2010年）
据集能够充分捕捉不同空间尺度上的干旱。对积雪过程的考虑提高了 SZIsnow 的能力，尤其是在积雪覆盖的高纬度地区（如北极地区）和高海拔地区（如青藏高原）。我们发现，1948 年至 2010 年间，地球陆地面积的 59.66% 呈干
贡献者:
田磊, 张宝庆
点击量:
3204
文件大小:
13.0 GiB
更新时间:
2025-06-30
J

国家冰川冻土沙漠科学数据中心
全球考虑积融雪过程的标准化水分距平指数数据集（1948-2010年）
据集能够调查不同时间尺度上不同类型的干旱。评估还表明，该数据集具有足够的性能来捕获不同空间尺度的干旱。雪过程的考虑提高了SZIsnow的能力，并且在积雪覆盖地区(如北极地区)和高海拔地区(如青藏高原)的改善明显。此外，分析还表明SZIsnow
贡献者:
田磊, 张宝庆
点击量:
4333
文件大小:
27.8 GiB
更新时间:
2025-06-30
J

国家冰川冻土沙漠科学数据中心
OpenSWI：用于表面波色散曲线反演的大规模基准数据集（2013,2016年）
  近年来，受计算机视觉与自然语言处理领域成功启发，数据驱动的深度学习方法展现出克服这些挑战的巨大潜力。然而，缺乏
贡献者:
李亚星
点击量:
430
文件大小:
38.5 GiB
更新时间:
2025-11-27
J

国家冰川冻土沙漠科学数据中心
基于深度学习的GOCI I 叶绿素-a 数据亚中尺度涡流识别数据集（2011-2021年）
  这是从GOCI I 的高分辨率叶绿素-a 分布图像中获得的一个关于副旋涡的观测数据集。采用了数字图像处理、滤波、YOLOv7-X、小目标检测等技术，并结合特定的叶绿素图像增强处理，提取了亚中尺度漩涡的信息，包括时间、极性、漩涡中心地理坐标、漩涡半径、预测框左上角和右下角坐标、漩涡内椭...
贡献者:
杨杰
点击量:
3605
文件大小:
18.4 MiB
更新时间:
2025-06-30
J

国家冰川冻土沙漠科学数据中心
中国首套1米分辨率的全国土地覆盖数据集（SinoLC-1）
  本数据集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、开放街道地图(OSM)和谷歌地球图像)建立了中国首个1米分
贡献者:
李卓鸿, 张洪艳
点击量:
8196
文件大小:
136.0 GiB
更新时间:
2025-06-30
J

国家冰川冻土沙漠科学数据中心
中国旱地小麦和玉米1km日土壤湿度精细数据集（1993-2018年）
根据作物类型(即小麦、玉米)、土壤深度(0-10厘米、10-20厘米)和物候特征开发灌溉模块。根据作物类型和土壤深度分别制作了4个每日数据集，它们的精度都令人满意(小麦r 0.93, ubRMSE 0.033 m3
贡献者:
庄慧敏, 张朝
点击量:
4162
文件大小:
32.6 GiB
更新时间:
2025-06-30
J

国家冰川冻土沙漠科学数据中心
用于农田分割的大规模图像文本数据集基准
  理解和掌握农田的时空特征对于准确的农田分割至关重要。传统的深度学习范式仅依赖于标注数据，在表示农田元素与周围环境之间的空间关系方面存在局限性。它难
贡献者:
吴海洋
点击量:
2677
文件大小:
8.7 GiB
更新时间:
2025-07-30
J

国家冰川冻土沙漠科学数据中心
全球海面二甲基硫逐日网格数据集(1998-2017年)
球DMS日海面浓度，计算总输送速度(Kt)和海气通量。   该模型的输入变量包括叶绿素a、海面温度(SST)、混合层深度(MLD)、硝酸盐、磷酸盐、硅酸盐、溶解氧(DO
贡献者:
陈莹
点击量:
2688
文件大小:
5.4 GiB
更新时间:
2025-06-30
J

国家冰川冻土沙漠科学数据中心
20年全球每日海面二甲基硫醚网格化数据集（1998-2017年）
球每日海面二甲基硫化物浓度以及计算的总传输速度（Kt）和海气通量。该ANN集合模型的输入变量包括叶绿素a、海面温度（SST）、混合层深度（MLD）、硝酸盐、磷酸盐、硅酸盐、溶解氧（DO）、向下短波辐射（DSWF）和海面盐度（SSS）。模拟
贡献者:
陈莹
点击量:
3027
文件大小:
5.4 GiB
更新时间:
2025-06-30

© 中国科学院西北生态环境资源研究院 2005- 备案号：陇ICP备2021001824号-21

兰州市东岗西路320号, 730000, 电话: 0931-4967592,0931-4967596