数据资源 - 国家冰川冻土沙漠科学数据中心

智能助手

0931-4967592
注册
登录
中文
EN

收起筛选

国家冰川冻土沙漠科学数据中心

渭河流域MODIS MOD13A2 增强型植被指数（EVI）数据集（2000-2020年）

增强型植被指数(EVI)是在归一化植被指数(NDVI)改善出来的，根据大气校正所包含的影像因子大气分子、气溶胶、薄云、水汽和臭氧等因素进行全面的大气校正，EVI大气

贡献者:: 张耀南
点击量:: 15755
文件大小:: 721.3 MiB
更新时间:: 2025-05-29

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）

-2019年生长季的干旱月份及2010-2019年最干旱月份。基于采集样本计算了两种指标：2017-2019年干旱月份的归一化植被指数（NDVI）阈值，以及最干旱月份NDVI相对于十年均值的偏离值。通过

贡献者:: 吴炳方
点击量:: 2310
文件大小:: 6.6 GiB
更新时间:: 2025-04-29

国家冰川冻土沙漠科学数据中心

中国土壤水分数据集（2002-2018年）

克服低分辨率被动微波土壤水分产品的不足，我们使用中分辨率成像光谱仪 (MODIS) 数据计算的 TVDI 构建空间加权分解 (SWD)，包括地表温度 (LST) MYD11C3 数据和归一化差异植被指数 (NDVI) MYD13C2 数据

贡献者:: 毛克彪
点击量:: 9498
文件大小:: 871.9 MiB
更新时间:: 2025-06-30

国家冰川冻土沙漠科学数据中心

青藏高原遥感生态指数数据集（2000-2022年）

青藏高原人类活动的加剧和全球气候变化的影响，青藏高原生态环境问题日益突出，科学准确地评估青藏高原的生态环境质量有助于为科学认知青藏高原生态环境质量提供基础信息。基于多个MODIS数据集，选取NDVI、LST、WET

贡献者:: 龙腾飞
点击量:: 3175
文件大小:: 1.3 GiB
更新时间:: 2025-04-29

国家冰川冻土沙漠科学数据中心

中国北方半干旱区沙漠化序列（2000-2019年）

基于MODIS为数据源的多指标沙漠化信息提取方法，以MOD09A1和MOD11A2为数据源，分别利用MOD09A1产品反演NDVI、MSAVI、ALBEDO、FVC和利

贡献者:: 宋翔, 郭坚, 刘树林, 廖杰
点击量:: 10049
文件大小:: 13.1 MiB
更新时间:: 2022-04-18

国家冰川冻土沙漠科学数据中心

全球海洋监测系统叶面积指数（GIMMS LAI4g）时空一致的全球数据集（1982-2020年）

）LAI产品，即GIMMS LAI4g。GIMMS LAI4g的重要意义在于使用了最新的北京大学GIMMS归一化差异植被指数（NDVI）产品和360万个高质量的全球Landsat LAI样本，以消

贡献者:: 朱再春
点击量:: 4394
文件大小:: 5.7 GiB
更新时间:: 2025-06-30

国家冰川冻土沙漠科学数据中心

亚洲高山区冰冻圈逐日无云遥感指数数据集（2000–2023）

洲高山区冰冻圈要素的监测与提取提供基础数据，满足冰冻圈速变探测对数据产品的高时效性需求。本数据集包含积雪指数NDSI、植被指数NDVI和水体指数NDWI三套数据，空间分辨率0.005 d。首先在MODIS

贡献者:: 孙兴亮, 胡志敏, 石凯丹, 冯敏, 郭学军
点击量:: 5728
文件大小:: 2.0 TiB
更新时间:: 2026-01-16

国家冰川冻土沙漠科学数据中心

全球30米分辨率冬季三叶草作物分布图（2017-2022年）

球冬三叶草作物绘图新方法。这是一种新的无样本方法，可根据冬生三叶草作物从抽穗期到收获期的归一化差异植被指数（NDVI）特征与其他类型植被的差异来识别冬生三叶草作物。基于这一新方法，我们首次绘制了 2017 年至 2022 年全

贡献者:: 袁文平
点击量:: 4750
文件大小:: 28.8 GiB
更新时间:: 2025-05-29

国家冰川冻土沙漠科学数据中心

青藏高原多年冻土区90m分辨率活动层水分空间分布数据集（2009-2024年）

、NDVI、NDWI、地表温度 LST）、SRTM 90m 地形因子、中国陆面模拟土壤属性数据集（CSDLv2）等公共产品建模生成。加工处理采用四种集成机器学习模型融合（随机

贡献者:: 杜二计
点击量:: 359
文件大小:: 2.9 GiB
更新时间:: 2026-05-07

国家冰川冻土沙漠科学数据中心

1980-2024年北极逐日25km雪水当量数据集

雪水当量（Snow water equivalent，SWE）是积雪储存水量的关键指标，是地表水文模型和气候模型的重要参数。针对现有雪水当量实测成本高、遥感产品精度不稳定，且数据时空不连续等问题。本项目基于机器学习算法，通过融合AMSRE、ESAGB、GlobSnow、GLDAS、E...

贡献者:: 吴通华
点击量:: 8
文件大小:: 513.3 KiB
更新时间:: 2026-05-07