删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

中巴经济走廊2013–2018年地表温度高分辨率反演数据集

本站小编 Free考研考试/2022-01-02

摘要&关键词
摘要：区域下垫面热力状态是研究防灾减灾、气候变化、环境演变以及人地相互作用等一系列地球科学问题的重要出发点与纽带。地表温度是中巴经济走廊冰川、冻土、水文、生态以及灾害等众多环境问题的关键因子和基础数据。本数据集基于Landsat 8卫星热红外波段，采用多模型集成比较的方法，制备了中巴经济走廊地区2013年以来的高分辨率地表温度反演数据集，空间分辨率为30 m，时间分辨率为16天。采用的模型包括单通道反演模型、双通道劈窗反演模型以及数据融合模型，依据误差最小原则，自动制备了地表温度序列产品。为了控制数据的产品质量，将反演的地表温度与MODIS地表温度产品进行了全面比较。数据抽样结果表明：样本的一致性指数均大于0.84，Kling-Gupta系数在0.72以上。此外，通过对比验证，本数据产品在空间分辨率上具有明显优势。本数据集可用于中巴经济走廊区域地表温度时空变化监测，为科学研究、工程建设以及社会服务提供基础数据资料。
关键词：中巴经济走廊；地表温度；数据反演；2013–2018；Landsat 8

Abstract & Keywords
Abstract:?Land surface temperature provides important basic data for research on, for example, hydrology, ecology, climate, natural disasters, environment and resources. A series of scientific issues in earth sciences, including disaster prevention and mitigation, climate change, environmental evolution and human-land interaction, all require a complete understanding of the thermal state of ground surface. Based on the thermal infrared bands of LANDSAT 8, a high-resolution temperature inversion dataset for the China–Pakistan Economic Corridor from 2013 to 2018 was built by using multiple LST inversion models. The data has a spatial resolution of 30 m and a temporal resolution of 16 days. The study uses di?erent models to retrieve land surface temperature data, such as single-channel inversion model, double-channel split-window inversion model and data fusion model. For data quality verification, the temperature data are validated against MODIS MOD11A1 V6 surface temperature products. A sample test shows that the agreement index is greater than 0.84 and the Kling-Gupta coefficient is greater than 0.72. A comparison and verification shows that this data product has a higher spatial resolution. The dataset can be used to study the spatiotemporal change of natural environment, providing basic data for relevant scientific research, engineering construction and social service along the China–Pakistan Economic Corridor.
Keywords:?China-Pakistan Economic Corridor;?land surface temperature;?data inversion;?2013 – 2018;?Landsat 8

数据库（集）基本信息简介
数据库（集）名称中巴经济走廊2013–2018年高空间分辨率地表温度反演数据集
数据作者赵国辉，张耀南，康建芳
数据通信作者张耀南（yaonan@lzb.ac.cn）
数据时间范围2013–2018年
地理区域中巴经济走廊区域，起点中国喀什，终点在巴基斯坦瓜达尔港，全长3000公里，地理范围23°47′N–41°55′N，60°20′E–80°16′E。
空间分辨率30 m
数据量3.73 TB
数据格式GeoTIFF
数据服务系统网址http://www.crensed.ac.cn/portal/metadata/d0dd0c4c-cdb6-4257-ae71-cf370aeea74f
基金项目国家科技基础条件平台“特殊环境特殊功能观测研究台站共享服务平台”项目（Y719H71001）；中国科学院信息化专项“寒旱区环境演变研究‘科技领域云’的建设与应用”项目（XXH13506）。
数据库（集）组成数据集按照年份共分为6个目录，在每个年份目录下按照月份划分为12个子目录，数据命名规则为CPEC_LST_Xm_PPPRRR _YYYYMMDD.tif，其中X为分辨率，PPPRRR为WRS2行列号，YYYYMMDD为年月日标识，例如CPEC_LST_30m_152042_20170603.tif。

Dataset Profile
TitleA dataset of high-resolution land surface temperature inversion for the China-Pakistan Economic Corridor (2013–2018)
Data corresponding authorZhang Yaonan (yaonan@lzb.ac.cn)
Data authorsZhao Guohui, Zhang Yaonan, Kang Jianfang
Time range2013–2018
Geographical scopeChina-Pakistan Economic Corridor: 23°47′ N – 41°55′ N, 60°20′ E – 80°16′ E
Spatial resolution30 m
Data volume3.73 TB
Data formatGeoTIFF
Data service system<http://www.crensed.ac.cn/portal/metadata/d0dd0c4c-cdb6-4257-ae71-cf370aeea74f>
Sources of funding“Special environment & special function observation research station shared service platform” program of the National Science and Technology Infrastructure Platform (Y719H71001); Information technology program of the Chinese Academy of Sciences , Research on Environmental Evolution in Cold and Arid regions: Construction and Application of CSTCloud (XXH13506).
Dataset compositionThis dataset contains six directories corresponding to the six years. Each directory contains 12 sub-directories corresponding to the 12 month. Data files are named in the format: CPEC_LST_Xm_PPPRRR_YYYYMMDD.tif, where X is spatial resolution, YYYYMMDD is the year, month and date of the observation, PPPRRR is the WRS path and row numbers (e.g., CPEC_LST_30m_152042_20170603.tif).



引 言
地表温度（Land Surface Temperature，LST）作为陆地表面热辐射状态的度量，综合了地表与大气相互作用以及大气和陆地之间能量交换的全部结果，是表征地表水热平衡和气候变化的关键参数、地表循环过程研究的重要组成部分。准确地反演区域地表温度时空变化不仅对气候变化、生态保护以及资源评价等相关领域的研究至关重要，而且对环境监测、灾害防治、工程建设等也具有重要应用价值[1]。
传统地表温度监测技术很难获取其时空分布特征数据，在区域研究和应用中受极大的限制，而热红外遥感探测技术能够探测到地表直接发射能量，成为获取区域地温的重要途径[2]。基于遥感手段的陆表参数反演为地表温度时空数据制备提供了直接的技术手段。目前常用的地表温度遥感数据多数来自MODIS卫星，其虽具有较好的区域性和实效性，对于地表变化连续观测具有明显优势，但是无法满足局部区域环境变化监测的空间分辨率。Landsat系列卫星数据凭借其长期连续、全球覆盖、高分辨率、科学的数据存档与分发策略等优势，成为地表特征和地球系统科学研究中最有效的遥感数据之一[3]。自2013年Landsat 8卫星成功发射以来，提供免费的中分辨率数据以及16天的重放周期，成为区域热红外遥感的重要数据源，目前已拥有5年多的热红外波段存档数据，为地表温度反演提供了重要的数据支撑。
目前针对不同的应用领域以及区域，国内外****发展了不同的地表温度反演模型。为了准确地反演地表温度的时空变化，兼顾模型的适用性，构建了地表温度反演模型集，其中包括单通道反演模型、双通道劈窗反演模型以及数据融合模型。依据遴选标准，自动生成制备了中巴经济走廊区域2013–2018年Landsat 8地表温度遥感反演数据集（图1），以期为中巴经济走廊自然环境变时空化监测研究、工程建设以及社会服务提供基础数据资料。




图1 ? 中巴经济走廊区域2013–2018年地表温度遥感反演数据集覆盖范围

1 ? 数据采集和处理方法
1.1 ? 基础数据
Landsat 8卫星携带的2个主要传感器陆地成像仪（OLI）和热红外传感器（TIRS），在扫描方式、波段设置、辐射分辨性能等方面较之前的Landsat系列卫星均有很大的改进，尤其是热红外遥感器TIRS，可探测10.6–11.2 μm和11.5–12.5 μm两个热红外波段的辐射，瞬时视场角15°，地面幅宽185 km，可以更好地对热红外数据进行大气校正，进而能够对地表温度进行准确地反演。为此，本数据集基于Landsat 8的两个热红外通道（第10与11波段），反演制备地表温度产品。基础数据来源于美国USGS EarthExplorer（https://earthexplorer.usgs.gov/）官方网站，获取了自2013年到目前所有的Landsat 8 OLI/TIRS C1 Level-1数据产品（表1），具体行列号见图1。
表1 ? Landsat 8 OLI/TIRS C1 Level-1数据产品描述
序号波段描述波长（μm）空间分辨率（m）传感器
1Band 1Coastal/Aerosol0.435–0.45130OLI
2Band 2Blue0.452–0.51230OLI
3Band 3Green0.533–0.59030OLI
4Band 4Red0.636 - 0.67330OLI
5Band 5Near Infrared0.851–0.87930OLI
6Band 6Short-wave Infrared1.566–1.65130OLI
7Band 7Short-wave Infrared2.107–2.29430OLI
8Band 8Panchromatic0.503–0.67615OLI
9Band 9Cirrus1.363–1.38430OLI
10Band 10Thermal Infrared10.60–11.1930*TIRS
11Band 11Thermal Infrared11.50–12.5130*TIRS

* USGS发布的1级产品已对数据进行了预处理，包括将TIRS波段从100 m重采样到30 m。

1.2 ? 处理方法
本数据集的数据处理流程如图2，具体步骤如下：




图2 ? 中巴经济走廊地表温度数据集制备流程
步骤 1 首先对Landsat 8的基础数据按照数据质量进行筛选，把云量大于20％的数据剔除，然后分别对OLI和TIRS传感器数据进行处理。
步骤 2 按照Landsat 8数据手册[4]，分别计算TIRS第10、11波段的辐射亮度值\({L}_{\lambda }\)，并基于辐射亮度值计算星上亮度温度BT。依据裂窗协方差比算法[5,10]反演大气水汽含量ω，以修正大气和地表比辐射率的影响，算法如下：
\[\omega ={c}_{0}+{c}_{1}×\frac{{\tau }_{j}}{{\tau }_{i}}+{c}_{2}{\left(\frac{{\tau }_{j}}{{\tau }_{i}}\right)}^{2}?????????????????????????????????????????????????????\left(1\right)\]

\[\frac{{\tau }_{j}}{{\tau }_{i}}=\frac{{\epsilon }_{i}}{{\epsilon }_{j}}{R}_{j,i},?{??????????R}_{ji}=\frac{{\sum }_{k=1}^{N}\left({BT}_{i,k}-{\stackrel{-}{BT}}_{i}\right)\left(B{T}_{j,k}-{\stackrel{-}{BT}}_{j}\right)}{{\sum }_{k=1}^{N}{\left({BT}_{i,k}-{\stackrel{-}{BT}}_{i}\right)}^{2}}????????????????????????????\left(2\right)\]

式中\({\tau }_{i}\)，\({\tau }_{j}\)分别为第10波段和第11波段的大气透过率，\({\epsilon }_{i}\)与\({\epsilon }_{j}\)为其对应的比辐射率，\({\stackrel{-}{BT}}_{i}\)与\({\stackrel{-}{BT}}_{j}\)为其移动窗口内第10波段、第11波段的亮温均值，k为窗口内像元的索引，N为窗口大小，\({c}_{0}\)、\({c}_{1}\)与\({c}_{2}\)为基于大气辐射传输模型MODTRAN和大气廓线数据库TIGR（Thermodynamic Initial Guess Retrieval database）模拟产生的回归系数。
步骤 3 地表发射率是衡量表面散热效率的指标，不同的下垫面有不同的发射率值（0–1）。本数据集采用植被覆盖度加权法[6-7]，基于Landsat 8 OLI第4、5波段获取地表发射率ε：
\[\varepsilon ={\epsilon }_{v}FVC+{\epsilon }_{s}\left(1-FVC\right)+4???d\epsilon ???FVC?\left(1-FVC\right)????????????????????????????????\left(3\right)\]

\[FVC={\left(\frac{NDVI-{NDVI}_{s}}{{NDVI}_{v}-{NDVI}_{s}}\right)}^{2}???????????????????????????????????????????????????\left(4\right)\]

\[NDVI=\left({\rho }_{5}-{\rho }_{4}\right)/\left({\rho }_{5}+{\rho }_{4}\right)????????????????????????????????????????????????\left(5\right)\]

式中：植被组分发射率\({\epsilon }_{v}\)与地表背景发射率\({\epsilon }_{s}\)数据来源于光谱数据库；<dε>表示像元内组分间多次散射而形成的腔体效应参数。FVC为植被覆盖度，NDVIs 和NDVIv 分别为裸土和浓密植被的归一化植被指数NDVI值，\({\rho }_{4}\)与\({\rho }_{5}\)为经过大气辐射校正模型COST（Cosine of solar zenith angle）修正过的Landsat 8红波段Band 4与近红外波段Band 5的地表反射率。
步骤 4 地表热辐射传输方程是遥感反演地表温度的基础，依据地表热辐射理论，建立地表温度LST的反演计算模型集，包括辐射传输方程单通道反演模型（SC1）[8]、单通道发射率校正模型（SC2）[9]、双通道劈窗算法模型（SW）[10]以及数据融合算法（DF），其具体推导过程及参数不再一一赘述，用户可具体参考每个算法对应的文献资料，主要公式如下：
1) SC1模型
\[{LST}_{SC1}=\gamma \left[\frac{1}{\epsilon }\left({\psi }_{1}{L}_{\lambda }+{\psi }_{2}\right)+{\psi }_{3}\right]+\delta \left(6\right)\]

\[{\psi }_{i}={{b}_{i,2}\omega }^{2}+{b}_{i,1}\omega +{b}_{i,0} , \gamma \approx \frac{{BT}^{2}}{\mathrm{K}\bullet {L}_{\lambda }} , \delta \approx BT-\frac{{BT}^{2}}{\mathrm{K}} \left(7\right)\]

式中：\({\psi }_{1}、{\psi }_{2}\)与\({\psi }_{3}\)是大气函数，利用大气水汽含量ω近似获取，\({L}_{\lambda }\)为星上辐射亮度值，bi, 0 、bi, 1 与bi, 2 为回归参数，K为常数，其他符号同上。
2) SC2模型
\[{LST}_{SC2}=\frac{{BT}_{10}}{1+\frac{\lambda \sigma {BT}_{10}}{hc}\mathrm{ln}\epsilon } \left(8\right)\]

式中：\({BT}_{10}\)为Landsat 8第10波段亮度温度，λ为Landsat 8第10波段的波长，σ为玻尔兹曼常数，h为普朗克常数，c为光速。
3) SW模型
\[{LST}_{SW}={b}_{0}+\left({b}_{1}+{b}_{2}\frac{1-\epsilon }{\epsilon }+{b}_{3}\frac{?\epsilon }{{\epsilon }^{2}}\right)\frac{{BT}_{10}+{BT}_{11}}{2}+\left({b}_{4}+{b}_{5}\frac{1-\epsilon }{\epsilon }+{b}_{6}\frac{?\epsilon }{{\epsilon }^{2}}\right)\frac{B{T}_{10}-{BT}_{11}}{2}+{b}_{7}{\left(B{T}_{10}-{BT}_{11}\right)}^{2} \left(9\right)\]

式中：\({BT}_{11}\)为Landsat 8第11波段亮度温度，bn（n = 0,1,...7）为模型回归系数，\(\epsilon \)和\(?\epsilon \)分别为TIRS两个通道的发射率均值与差值。
4) DF模型
依据空间相似性，每个MOD11A1数据产品像元对应不同地表类型Landsat 8像元的地表温度表达式为：
\({P}_{M}=\frac{1}{N}\sum _{j=1}^{m}{f}_{j}\left({P}_{L,j}\right) \) (10)
\[{f}_{j}={BT}_{10}+{a}_{0,j}\left({BT}_{10}-{BT}_{11}\right)+{{a}_{1,j}\left({BT}_{10}-{BT}_{11}\right)}^{2}+{{a}_{2,j}\left(NDVI\right)}^{2}+{a}_{3,j}\left(NDVI\right)+{a}_{4,j} \left(11\right)\]

式中：\({P}_{M}\)为MOD11A1像元值，N为一个MOD11A1像元对应Landsat像元的个数，m为N个像元中所对应的高分辨率地表覆盖类型总数，PL,j 为m个地物类别中j类别的像元值，\({f}_{j}\)标识不同地表类型之间高低分辨率之间的对应关系，\({a}_{i,j}\)(i= 0,1,...4) 为MODIS与Landsat混合像元法求解出的回归参数。
步骤 5 遴选地表温度产品。以上4种反演模型产品以及第10与第11波段反演得到的亮温均值产品共计5种地表温度产品输出。为了与MODIS MOD11A1地温数据产品空间网格单元一一对应，每种模型反演产品分别进行坐标转换与重采样处理，然后逐像元进行统计比较，依据评价指标，选择最优反演结果纳入数据集。


2 ? 数据样本描述
地表温度产品数据集命名格式为CPEC_LST_Xm_PPPRRR_YYYYMMDD.tif，其中X表示地表温度产品的分辨率，Landsat反演的地温产品为30 m，YYYY表示年份，MM表示月份，DD表示天，PPP是Landsat WRS2全球参考系统的条带号，RRR为其行号，例CPEC_LST_30m_152042_20170603.tif，中巴经济走廊区域中的数据如图3所示。目前数据起止时间为2013–2018年，并实时更新，目前数据共17018景，数据容量3822 GB，数据文件按照时间进行分类，数据格式为Geotiff文件，坐标系统为UTM坐标系统，数据类型为Single，温度单位为℃，可使用通过空间分析软件直接读取显示、融合以及分析（图4）。




图3 ? 中巴经济走廊地表温度产品单幅数据示例（CPEC_LST_30m_149038_20170918.tif）




图4 ? 中巴经济走廊全区域地表温度产品数据拼接融合示例（CPEC_LST_1km_201807.tif）

3 ? 数据质量控制和评估
3.1 ? 质量控制
数据集生产过程中对模型反演结果进行了逐景比较，每种模型反演的数据产品进行空间融合后与MODIS MOD11A1 V6地表温度产品逐像元比较，按照评价指标从中选择最优反演产品。本数据集的数据遴选指标包括纳什效率系数（NSE）、一致性指数（d）、Kling-Gupta系数（KGE）[11]、相关系数（R）与百分比偏差（Pbias）5种指标对数据产品进行质量控制。

3.2 ? 数据评估
数据集质量评估采用整体评估和局部评估相结合的方法。整体评估采用随机抽样的方法，从全部数据产品中随机选取6组数据进行对比实验，数据样本分布如图5所示，每组数据产品的对比评价结果见表2。




图5 ? 中巴经济走廊地表温度数据集随机抽样数据空间分布图（红色表示）
表2 ? 中巴经济走廊地表温度数据集抽样数据整体统计特征
NoNSEdKGERRMSEPbias
Case10.6867180.924590.802980.82752.5748?0.059
Case20.580360.906920.803160.844652.5560?2.2125
Case30.6523640.879730.724290.881771.3074?0.4122
Case40.5205010.84980.592830.761654.7713?3.9133
Case50.7803290.956230.853190.972641.95074.32386
Case60.6705320.912330.831990.858742.07823.16136

其次，为确保数据统计的随机性，开展了局部抽样评估，即再次从每组数据产品中随机选取子区域，进行对比分析，验证其空间相关性（图6），结果表明R2均在0.66以上，与整体趋势吻合。




图6 ? 中巴经济走廊地表温度案例数据子区域随机采样统计分析


4 ? 数据价值
本数据集在整体上与MODIS地表温度产品保持较高的空间相关性，由于Landsat 8较高的空间分辨率，可以反演出更加清晰的地表纹理特征，例如水体、居住区、植被等地物，表达了更加详尽的地表温度细节与特征（图7），可直接用于表征中巴经济走廊区域陆表温度时空变化，开展探索其时空分异特征与规律研究，为研究冻融灾害、气候变化、灾害预测、热岛效应、工程安全等科学问题提供基础数据资料，服务于中巴两国的线路建设、生态保护、资源调查、工程建设以及防灾减灾等社会经济发展需求。




图7 ? 数据产品局部对照图（a为区域遥感影像，b为MODIS地表温度产品，c为本数据集产品）

5 ? 数据使用方法和建议
本数据集可通过国家特殊环境、特殊功能观测研究台站共享服务平台（http://www.crensed.ac.cn）申请下载。由于数据量比较大也可联系数据作者，访问中国科学院超级计算兰州分中心的计算与数据平台，进行在线数据下载、共享、分析、处理及应用。数据文件均为GeoTIFF格式，可通过GIS相关的软件如ENVI、GRASS、ArcGIS等，直接进行查看与应用。
由于地表温度的遥感反演受地表发射率、大气透过率以及下垫面状况的影响，目前针对地表温度的遥感反演产品适宜于基于相对温度的科学应用，地表温度的真实值需要依据每个像元的发射率、地物分类以及大气条状况对本数据产品进行修正。

致 谢
感谢国家特殊环境、特殊功能观测研究台站共享服务平台给与的项目支持。感谢 USGS EarthExplorer网站提供免费的Landsat 8与MODIS数据产品。


[1]
刘超, 历华, 杜永明, 等. Himawari 8 AHI数据地表温度反演的实用劈窗算法[J]. 遥感学报, 2017, 21(5): 702-714.

+?CSCD?·?Baidu Scholar

[2]
胡德勇, 乔琨, 王兴玲, 等. 利用单窗算法反演Landsat 8 TIRS数据地表温度[J]. 武汉大学学报(信息科学版), 2017, 42(7): 869-876.

+?CSCD?·?Baidu Scholar

[3]
姜高珍, 韩冰, 高应波, 等. Landsat系列卫星对地观测40年回顾及LDCM前瞻[J]. 遥感学报, 2013(5): 1033-1048.

+?CSCD?·?Baidu Scholar

[4]
Department of the Interior US Geological Survey. USGS (2016) LANDSAT 8 (L8) Data Users Handbook. LSDS-1574 Version 2.0[EB/OL]. [2019-08-27]. https://landsat.usgs.gov/landsat-8-data-users-handbook.

+?CSCD?·?Baidu Scholar

[5]
REN H, DU C, LIU R, et al. Atmospheric water vapor retrieval from Landsat 8 thermal infrared images[J]. Journal of Geophysical Research Atmospheres, 2015, 120(5): 1723-1738.

+?CSCD?·?Baidu Scholar

[6]
VALOR E, CASELLES V. Mapping land surface emissivity from NDVI: Application to European, African, and South American areas[J]. Remote Sensing of Environment, 1996, 57(3): 167-184.

+?CSCD?·?Baidu Scholar

[7]
QING P Z, XIN X, JIAO J J, et al. Remote sensing algorithm for surface evapotranspiration considering landscape and statistical effects on mixed pixels[J]. Hydrology & Earth System Sciences, 2016, 20(11): 4409-4438.

+?CSCD?·?Baidu Scholar

[8]
CRISTóBAL J, JIMéNEZ-MU?OZ J C, PRAKASH A, et al. An Improved Single-Channel Method to Retrieve Land Surface Temperature from the Landsat-8 Thermal Band[J]. Remote Sensing, 2018, 10(3): 431.

+?CSCD?·?Baidu Scholar

[9]
WENG Q, LU D, SCHUBRING J. Estimation of land surface temperature-vegetation abundance relationship for urban heat island studies[J]. Remote Sensing of Environment, 2004, 89(4): 467–483.

+?CSCD?·?Baidu Scholar

[10]
DU C, REN H, QIN Q, et al. A Practical Split-Window Algorithm for Estimating Land Surface Temperature from Landsat 8 Data [J]. Remote Sensing, 2015, 7(1): 647-665.

+?CSCD?·?Baidu Scholar

[11]
KLING H, FUCHS M, PAULIN M. Runoff conditions in the upper Danube basin under an ensemble of climate change scenarios[J]. Journal of Hydrology, 2012, 424/425(5): 264-277.

+?CSCD?·?Baidu Scholar


数据引用格式
赵国辉, 张耀南, 康建芳. 中巴经济走廊2013–2018年地表温度高分辨率反演数据集[DB/OL]. 国家特殊环境、特殊功能观测研究台站共享服务平台, 2018. (2018-08-27). DOI: 10.12072/casnw.054.2018.db.

稿件与作者信息

论文引用格式
赵国辉, 张耀南, 康建芳. 中巴经济走廊2013–2018年地表温度高分辨率反演数据集[J/OL]. 中国科学数据, 2019, 4(3). (2019-08-10). DOI: 10.11922/csdata.2018.0055.zh.
赵国辉zhao guohui

主要承担工作：Landsat 8数据反演系统开发与数据制备。
（1983—），男，河南人，博士研究生，工程师，研究方向为地学计算。

张耀南zhangyaonan

主要承担工作：项目组织与指导。
yaonan@lzb.ac.cn
（1966—），男，甘肃人，博士，研究员，研究方向为地学大数据。

康建芳kangjianfang

主要承担工作：数据前处理。
（1981—），女，甘肃人，硕士，工程师，研究方向为寒旱区大数据应用。


相关话题/数据 经济 遥感 空间 大气
  • 领限时大额优惠券,享本站正版考研考试资料!
    大额优惠券
    优惠券领取后72小时内有效，10万种最新考研考试考证类电子打印资料任你选。涵盖全国500余所院校考研专业课、200多种职业资格考试、1100多种经典教材，产品类型包含电子书、题库、全套资料以及视频，无论您是考研复习、考证刷题，还是考前冲刺等，不同类型的产品可满足您学习上的不同需求。 ...
    考试优惠券 本站小编 Free壹佰分学习网 2022-09-19
  • 2000–2017年中巴经济走廊逐年荒漠化分布数据集
    摘要&关键词摘要：土地荒漠化是目前世界上最为严重的生态环境问题之一。监测土地荒漠化动态变化，掌握其变化规律对防治荒漠化有很重要的意义。中巴经济走廊是“一带一路”的重要组成部分，全长约3000公里，其中1300余公里为严寒高原、干旱和荒漠区段。尤其是在南段，干旱和大面积荒漠是其主要的生态环境约束因素。 ...
    中科院计算机网络信息中心 本站小编 Free考研考试 2022-01-02
  • 中巴经济走廊2000–2017年逐月温度植被干旱指数数据集
    摘要&关键词摘要：中巴经济走廊沿线干旱灾害发生频繁，制约了沿线国家的安全和社会发展，需要开展干旱监测研究。土壤含水量是干旱监测的重要指标，通过温度植被干旱指数能够反演表层土壤水分，进而监测旱情。本数据集基于MODIS植被指数和地表温度产品，结合SRTMDEM数据，利用NDVI-LST特征空间特性，提 ...
    中科院计算机网络信息中心 本站小编 Free考研考试 2022-01-02
  • 1990–2010年中国西北地区土地覆被数据集
    摘要&关键词摘要：土地覆被变化作为全球环境变化的一种表现，同时又对全球环境产生影响。分析区域土地覆被动态变化，是开展全球变化、生态系统评估以及人类与环境之间相互作用研究的基础性工作。本研究以中国西北地区（新疆维吾尔自治区、青海省、甘肃省、宁夏回族自治区、陕西省以及内蒙古自治区的阿拉善盟）为研究区，通 ...
    中科院计算机网络信息中心 本站小编 Free考研考试 2022-01-02
  • 中巴经济走廊（喀什至伊斯兰堡段）高分正射影像数据集
    摘要&关键词摘要：中巴经济走廊是“一带一路”战略大局的重要组成部分，对“一带一路”战略实施发挥着重大的示范和推动作用。本数据集由高分一号、高分二号国产卫星影像制作而成，空间范围为23°54′N–39°12′N、71°24′E–76°48′E，中巴公路两侧约60km，中国喀什地区至巴基斯坦伊斯兰堡段， ...
    中科院计算机网络信息中心 本站小编 Free考研考试 2022-01-02
  • 1961–2015年新疆区域SPEI干旱指数数据集
    摘要&关键词摘要：新疆地处亚洲中部干旱区，地形复杂，生态环境脆弱，抵御灾害的能力较低，是全球气候变暖的敏感区和强烈影响区。随着全球气候变暖，新疆的干旱化问题引起了广泛关注。本文基于中国新疆区域55个气象观测站1961–2015年逐日气温和降水观测资料，经过数据质量控制和异常值剔除，计算得到每个站点1 ...
    中科院计算机网络信息中心 本站小编 Free考研考试 2022-01-02
  • 2018年中国科学院继续教育网科研人员在线学习数据集
    摘要&关键词摘要：为更好地面向科研人员提供学习服务，促进科技创新发展，中国科学院继续教育网为科研人员提供在线学习服务，科研人员自主选学课程。2018年1月1日至2018年12月31日，共积累219472条学习数据，学习时长为212382.74小时。初步数据分析结果显示，10–12时和14–18时是学 ...
    中科院计算机网络信息中心 本站小编 Free考研考试 2022-01-02
  • 2005–2009年Dr?me河（法国）无人机遥感的正射影像和数字高程模型数据集
    摘要&关键词摘要：近年来，出现一种低成本、高效率获取高分辨率三维数据的新型摄影测量方法，被称为运动与结构重建（SfM，StructurefromMotion）。SfM作为数字测量领域最新且最为重要的进步，直到2011年才被应用于地球科学领域中。使用该方法生成各种高质量的正射影像图（DOM，Digit ...
    中科院计算机网络信息中心 本站小编 Free考研考试 2022-01-02
  • 山东省街道/乡镇级格网化人口空间分布数据集（2000、2010年）
    摘要&关键词摘要：格网化人口空间分布数据是更精细尺度的人口空间分布数据，对于支持地理、资源、环境、生态、灾害，以及可持续发展等方面的研究具有重要意义。本文以山东省街道/乡镇级人口统计数据为控制单元，在城乡二级分区的基础上，将基于增强型植被指数修正的夜间灯光数据和土地利用数据相结合的空间化方法，产出了 ...
    中科院计算机网络信息中心 本站小编 Free考研考试 2022-01-02
  • 1988–2017年黄山自然与文化遗产地森林扰动数据集
    摘要&关键词摘要：基于GoogleEarthEngine（GEE）云计算平台，利用1988–2017年共计30期Landsat5、Landsat7、Landsat8数据进行在线批量处理，结合森林扰动提取算法，提取30年的每年森林扰动变化；利用GEE云平台及ArcGIS10.5软件进行结果统计及精细制 ...
    中科院计算机网络信息中心 本站小编 Free考研考试 2022-01-02
  • 蝴蝶物种自动识别研究的生态照片数据集
    摘要&关键词摘要：蝴蝶物种的自动识别能够为生态环境监测、生物多样性保护、害虫防治等领域提供技术支持，减少对专家人工鉴定的依赖。针对目前蝴蝶自动识别研究中主要依靠标本照片，缺少蝴蝶自然生态照片数据的状况，本数据集提供了一组蝴蝶生态照片、对应的PASCALVOC2007格式的标注文件以及每张照片的掩模。 ...
    中科院计算机网络信息中心 本站小编 Free考研考试 2022-01-02

Free考研考试FreeKaoYan.Com
欢迎来到Free考研考试，"为实现人生的Free而奋斗"

© 2020 FreeKaoYan! . All rights reserved.