高亚洲冰、雪和环境专题 I 区论文(评审中) 版本 ZH3
下载
青海湖流域遥感影像数据集
Remote sensing dataset for Qinghai Lake basin
 >>
: 2018 - 01 - 30
: 2018 - 03 - 14
: 2018 - 03 - 20
1183 6 0
摘要&关键词
摘要:青海湖流域遥感影像数据集是通过对MODIS卫星数据产品进行格式转换、拼接、投影转换及数据裁剪等处理过程获取青海湖流域内的陆地遥感数据影像。本数据集共处理分析2000~2015年间9类MODIS陆地数据产品,其中包括植被指数数据、总初级生产力数据、植被连续区域数据、土地覆盖类型及变化、叶面积指数数据和火烧迹地数据,数据量约为16 GB。该数据集为青海湖流域的生态环境管理和相关科学问题研究提供基础数据支持。
关键词:青海湖;遥感;MODIS;植被
Abstract & Keywords
Abstract: The remote sensing dataset for Qinghai Lake basin is obtained through a series of processing on MODIS satellite data, such as format conversion, mosaicking, projection transformation and clipping. This dataset contains nine types of MODIS land data products for the period from 2000 to 2015, covering such aspects as vegetation indices, gross primary productivity, vegetation continuous fields, land cover types, land cover dynamics, leaf area indices and burned area. The volume of this dataset is about 16 G. The dataset could provide basic data support for ecological environment management and relative scientific research about Qinghai Lake basin.
Keywords: Qinghai Lake; remote sensing; MODIS; vegetation
数据库(集)基本信息简介
数据库(集)名称青海湖流域遥感影像数据集
数据作者朴英超、郑若冰、何文通、熊妍、罗泽、阎保平
数据通信作者罗泽(luoze@cnic.cn)
数据时间范围2000~2015年
地理区域中国青海湖流域,地理范围包括北纬38°19′12.68″~36°17′41.92″,东经101°11′24.16″~97°48′48″
空间分辨率250~1000 m
数据量16 GB
数据格式*.TIF, *.PNG
数据服务系统网址http://www.sciencedb.cn/dataSet/handle/559
基金项目中国科学院信息化专项重点数据库项目(XXH12504-1-06)
数据库(集)组成本数据集主要包括2000~2015年中国青海湖流域MODIS相关数据产品,分为三部分数据:Aqua卫星数据产品(MOLA),Terra卫星数据产品(MOLT)和二者合成数据产品(MOTA)。
1. Aqua卫星数据产品包括:2002年7月至2015年5月的植被指数16天合成数据(MYD13A1.005),该部分数据有按时间划分的297个文件夹,每个文件夹包含12幅TIF影像和2幅PNG影像,数据量4.6 GB。
2. Terra卫星数据产品包括:1)2000年2月至2015年3月植被指数16天合成产品(MOD13A1.005),该部分有348个文件夹,每个文件夹存储12幅TIF影像和2幅影像,数据量5.3 GB。2)2000年2月至2015年6月初级生产力8天合成产品(MOD17A2.005),该部分有706个文件夹,每个文件夹存储3幅TIF影像和2幅PNG影像,数据量653 MB。3)2000~2014年植被连续区域陆地3级标准数据产品(MOD44B.051),该部分有15个文件夹,每个文件夹存储7幅TIF影像和2幅PNG影像,数据量372 MB。
3. 合成数据产品包括:1)2001~2012年土地覆盖类型产品(MCD12Q1.051),该部分有12个文件夹,每个文件夹存储16幅TIF影像和2幅PNG影像,数据量131 MB。2)2001~2012年土地覆盖变化产品(MCD12Q2.005),该部分有12个文件夹,每个文件夹存储8幅TIF影像和2幅PNG影像,数据量244 MB。3)2002年7月至2015年9月叶面积指数3级数据合成产品(MCD15A3.005),该部分有1213个文件夹,每个文件夹存储6幅TIF影像和2幅PNG影像,数据量1.4 GB。4)2000~2015年火烧迹地3级数据合成产品(MCD45A1.005/MCD45A1.051),MCD45A1.005有180个文件夹,每个文件夹存储8幅TIF影像和2幅PNG影像,数据量1.4 GB。MCD45A1.051有181个文件夹,每个文件夹存储8幅TIF影像和2幅PNG影像,数据量1.4 GB。
Dataset Profile
TitleRemote sensing dataset for Qinghai Lake basin
Data corresponding authorLuo Ze (luoze@cnic.cn)
Data authorsPiao Yingchao, Zheng Ruobing, He Wentong, Xiong Yan, Luo Ze, Yan Baoping
Time range2000–2015
Geographical scopeQinghai Lake basin, China: 38°19’12.68’’N – 36°17’41.92’’N, 101°11’24.16’’E – 97°48’48’’E
Spatial resolution250 m–1000 m
Data volume16 GB
Data format.TIF, .PNG
Data service systemhttp://www.sciencedb.cn/dataSet/handle/559
Source of fundingThe Informatization Special Project of Chinese Academy of Sciences for the Twelfth Five-Year Plan (Grant No. XXH12504-1-06)
Dataset compositionThis dataset consists of nine subsets which fall into three satellite data categories, including Aqua satellite data product (MOLA), Terra satellite data product (MOLT) and combined product (MOTA).
1. MOLA is a 16-day data product of Aqua vegetation indices for the period from July 2002 to May 2015 (MYD13A1.005), comprising 297 document folders totaling a data volume of 4.6 GB. Each folder is made up of 12 TIF images and 2 PNG images.
2. MOLT consists of: 1) a 16-day data product of Terra vegetation indices for the period from February 2002 to March 2015 (MOD13A1.005), comprising 348 document folders totaling a data volume of 5.3 GB. Each folder is made up of 12 TIF images and 2 PNG images; 2) an 8-day data product of Terra gross primary productivity for the period from January 2000 to June 2015 (MOD17A2.005), comprising 706 document folders totaling a data volume of 635 MB. Each folder is made up of 3 TIF images and 2 PNG images; 3) a data product of vegetation continuous fields for the period from 2000 to 2014 (MOD44B.051), comprising 15 document folders totaling a data volume of 372 MB. Each folder is made up of 7 TIF images and 2 PNG images.
3. MOTA consists of: 1) a land cover type product for the period from 2001 to 2012 (MCD12Q1.051), comprising 12 document folders totaling a data volume of 131 MB. Each folder is made up of 16 TIF images and 2 PNG images; 2) a land cover dynamics product for the period from 2001 to 2012 (MCD12Q2.005), comprising 12 document folders totaling a data volume of 244 MB. Each folder is made up of 8 TIF images and 2 PNG images; 3) a leaf area index product for the period from July 2002 to September 2015 (MCD15A3.005), comprising 1213 document folders totaling a data volume of 1.4 GB. Each folder is made up of 6 TIF images and 2 PNG images; 4) a burned area monthly index product for the period from 2000 to 2015 (MCD45A1.005/MCD45A1.051). MCD45A1.005 comprises 180 document folders and every folder is made up of 8 TIF images and 2 PNG images, with a total volume of 1.4 GB. MCD45A1.051 comprises 181 document folders and each folder is made up of 8 TIF images and 2 PNG images, with a total volume of 1.4 GB.
引 言
青海湖是我国最大的内陆高原咸水湖,位于青藏高原高寒区、西北干旱区和东部季风区的交汇处,是维系青藏高原东北部生态安全的重要水体[1]。青海湖巨大的湖体及湖周边的草地植被不仅对其流域的生态环境有着重要影响,而且还是一个控制西部荒漠化向东蔓延的天然屏障[2]。同时,生态系统也是自然界吸收和降解污染物以及创造物种赖以生存与繁育的条件,其对维持大气中化学组成成分的平衡与稳定,以及丰富的生物多样性所形成的自然景观等等都起着重要的作用和影响[3]。青海湖流域面积较大且海拔高,流域内的生态环境对全球的环境变化较为敏感。而且,青海湖流域位于青藏高原这类高山草原生态系统中,区域内的大部分居民依赖放牧维持生计,陆地生态系统受到人为活动的影响也较大。因此,研究该区域的地表覆盖情况十分必要且意义深远。
基于传感器技术的遥感数据提供了一种成本较低的方法,能够在大范围的地理区域上分析地表覆盖情况[4]。而且由于卫星影像无论在时间还是空间尺度上都具有连续性,可以用来捕捉地表物理过程及异常变化事件。因此,近几十年来,科研人员已针对卫星遥感影像开展了许多研究工作[5-12]。MODIS(Moderate-resolution Imaging Spectroradiometer),即中分辨率成像光谱仪,是搭载在Terra和Aqua卫星上的重要传感器之一。Terra和Aqua卫星是美国国家航空航天局(NASA)发起的对地观测系统(EOS)计划的一部分,两颗卫星相互配合每1~2天即可重复观测整个地球表面,得到的影像数据能够帮助理解全球陆地、海洋和底层大气的动态变化过程。MODIS产品具有高时间分辨率和中空间分辨率的特性,因此适用于研究大范围地理区域的地表覆盖情况[4]
1   数据采集和处理方法
1.1   基础数据准备
本研究需要的MODIS原始数据包括2000~2015年的MYD13A1.005、MOD13A1.005、MOD17A2.005、MOD44B.051、MCD12Q1.051、MCD12Q2.005、MCD15A3.005、MCD45A1.005和MCD45A1.051。遥感影像数据来源于NASA的陆地过程分布式数据档案中心(The Land Processes Distributed Active Archive Center, LP DAAC/NASA),原始数据为HDF格式。青海湖流域边界(图1)数据来源于青海湖流域生态环境科学数据平台(http://deep.qherc.org)。


图 1   青海湖流域位置图
本研究中采用的MODIS陆地标准数据产品如表1所示。
表1   MODIS数据产品说明
产品名称说明
MYD13A1.005Aqua卫星植被指数16天合成数据产品
MOD13A1.005Terra卫星植被指数16天合成数据产品
MOD17A2.005总初级生产力8天合成数据产品
MOD44B.051植被连续区域陆地3级标准数据产品
MCD12Q1.051土地覆盖类型数据产品
MCD12Q2.005土地覆盖变化数据产品
MCD15A3.005叶面积指数3级数据合成产品
MCD45A1.005/MCD45A1.051火烧过迹3级数据合成产品
1.2   数据处理
本数据集主要利用Python程序调用开源地理空间抽象库GDAL(Geospatial Data Abstraction Library)进行数据处理,分为数据格式转换、拼接、投影转换和裁剪4部分。
首先提取HDF格式基础数据的各个波段并转换为TIF格式影像。由于MODIS陆地标准数据产品都采用TILE(瓦片)类型进行组织,即以地球为参照系,采用正弦曲线投影将全球按照10经度×10纬度(1200 km×1200 km)的方式分片,全球陆地被分割为600多个TILE,并对每个TILE赋予了水平编号(h)和垂直编号(v)。青海湖流域范围涉及到的影像共4景,编号分别为:h25v05、h25v06、h26v05和h26v06。通过GDAL将同一时间获取到的青海湖流域范围内影像进行拼接,将拼接后的影像进行投影转换,并利用青海湖流域边界数据影像进行裁剪,从而得到所需研究区域的相关数据产品。由于本数据集需要处理的遥感影像数据量较大,因此在数据处理过程中利用HTCondor系统(http://research.cs.wisc.edu/htcondor)进行分布式并行处理,可以有效提高影像处理速度。
2   数据组成及样本描述
本数据集共包含9类MODIS数据产品,经数据处理后得到的青海湖流域相关影像分别存储在以数据产品名称命名的目录下,每类数据产品的目录下又按照时间分为多个子目录,子目录名的命名规则为:M*DNNACAYYYYDDD,如MYD13A1A2000049。其中:
(1)M*DNNAC:表示数据产品名称。M*D为卫星名称,MOD为Terra星,MYD为Aqua星,MCD为两颗卫星数据合成产品。NN和C分别代表MODIS数据产品名称中的数字,如MOD13A1。YYYYDDD前的A代表数据产品名称和时间之间的分隔符号。
(2)YYYYDDD:年+日,该时间为数据合成的儒略日(Julian Day)。
子目录下存储该时间获取的产品各波段影像及缩略图文件,表2~9为各子目录中包含的数据文件的具体描述。
MOLA:
表2   MYD13A1.005(植被指数15天合成数据产品)详细描述
MYD13A1.005(植被指数15天合成数据产品)时间范围:2002~2015年
数据名称数据全称数值类型单位值域范围比例因子
*blue_reflectance*蓝光反射率16bit带符号整数0~100000.0001
*composite_day_of_the_year*合成数据所选日期16bit带符号整数1~366
*EVI*增强植被指数16bit带符号整数−2000~100000.0001
*MIR_reflectance*中红外反射率16bit带符号整数0~100000.0001
*NDVI*.tif归一化植被指数16bit带符号整数−2000~100000.0001
*NIR_reflectance*近红外反射率16bit带符号整数0~100000.0001
*pixel_reliability*整体像素质量8bit带符号整数0~4
*red_reflectance*红光反射率16bit带符号整数0~100000.0001
*relative_azimuth_angle*相对方位角16bit带符号整数−3600~36000.1
*sun_zenith_angle*太阳高度角16bit带符号整数−9000~90000.01
*VI.Quality*植被指数质量评价文件16bit无符号整数0~65534
*view_zenith_angle*观测天顶角16bit带符号整数
*NDVI*.png归一化植被指数缩略图
MOLT:
表3   MOD13A1.005(植被指数15天合成数据产品)详细描述
MOD13A1.005(植被指数15天合成数据产品)时间范围:2000~2015年
数据名称数据全称数值类型单位值域范围比例因子
*blue_reflectance*蓝光反射率16bit带符号整数0~100000.0001
*composite_day_of_the_year*合成数据所选日期16bit带符号整数1~366
*EVI*增强植被指数16bit带符号整数−2000~100000.0001
*MIR_reflectance*中红外反射率16bit带符号整数0~100000.0001
*NDVI*.tif归一化植被指数16bit带符号整数−2000~100000.0001
*NIR_reflectance*近红外反射率16bit带符号整数0~100000.0001
*pixel_reliability*整体像素质量8bit带符号整数0~4
*red_reflectance*红光反射率16bit带符号整数0~100000.0001
*relative_azimuth_angle*相对方位角16bit带符号整数−3600~36000.1
*sun_zenith_angle*太阳高度角16bit带符号整数−9000~90000.01
*VI.Quality*植被指数质量评价文件16bit无符号整数0~65534
*view_zenith_angle*观测天顶角16bit带符号整数
*NDVI*.png归一化植被指数缩略图
表4   MOD17A2.005(总初级生产力8天合成数据产品)详细描述
MOD17A2.005(总初级生产力8天合成数据产品)时间范围:2000~2015年
数据名称数据全称数值类型单位值域范围比例因子
*Gpp_1km*.tif总初级生产力16bit带符号整数kg_C/m20~300000.0001
*Gpp_1km*.png总初级生产力缩略图
*Psn_QC_1km*质量控制文件8bit无符号整数0~254
*PsnNet_1km*净光合速率16bit带符号整数kg_C/m2−30000~300000.0001
表5   MOD44B.051(植被连续区域陆地3级标准数据产品)详细描述
MOD44B.051(植被连续区域陆地3级标准数据产品)时间范围:2000~2014年
数据名称数据全称数值类型值域范围比例因子
*Percent_NonTree_Vegetation*非树木植被比例8bit无符号整数0~100
*Percent_NonVegetated*非植被比例8bit无符号整数0~100
*Percent_NonVegetated_SD*非植被比例数据标准差16bit无符号整数0~32767100
*Percent_Tree_Cover*.tif树林覆盖比例8bit无符号整数0~100
*Percent_Tree_Cover*.png树林覆盖比例缩略图
*Percent_Tree_Cover_SD*树林覆盖比例数据标准差16bit无符号整数0~32767100
*Cloud*云量覆盖情况8bit无符号整数
*Quality*质量评价文件8bit无符号整数
MOTA:
表6   MCD12Q1.051(土地覆盖类型数据产品)详细描述
MCD12Q1.051(土地覆盖类型数据产品)时间范围:2001~2012年
数据名称数据全称数值类型值域范围
*Land_Cover_Type_1_MOD12Q1.tif土地覆盖类型(IGBP)8bit无符号整数0~254
*Land_Cover_Type_2_MOD12Q1.tif土地覆盖类型(UMD)8bit无符号整数0~254
*Land_Cover_Type_3_MOD12Q1.tif土地覆盖类型(LAI/fPAR)8bit无符号整数0~254
*Land_Cover_Type_4_MOD12Q1.tif土地覆盖类型(NPP)8bit无符号整数0~254
*Land_Cover_Type_5_MOD12Q1.tif土地覆盖类型(PFT)8bit无符号整数0~254
*Land_Cover_Type_1__Assessment_MOD12Q1.tif第1类分类评估信息8bit无符号整数0~254
*Land_Cover_Type_2__Assessment_MOD12Q1.tif第2类分类评估信息8bit无符号整数0~254
*Land_Cover_Type_3__Assessment_MOD12Q1.tif第3类分类评估信息8bit无符号整数0~254
*Land_Cover_Type_4__Assessment_MOD12Q1.tif第4类分类评估信息8bit无符号整数0~254
*Land_Cover_Type_5__Assessment_MOD12Q1.tif第5类分类评估信息8bit无符号整数0~254
*Land_Cover_Type_1_Secondary_MOD12Q1.tif第1类二级分类文件8bit无符号整数0~254
*Land_Cover_Type_1_Secondary_Percent_MOD12Q1.tif第1类二级分类比例8bit无符号整数0~254
*Land_Cover_Type_QC*质量控制文件8bit无符号整数0~254
*Land_Cover_Type_1_MOD12Q1*.png土地覆盖(IGBP)缩略图
表7   MCD12Q2.005(土地覆盖变化数据产品)详细描述
MCD12Q2.005(土地覆盖变化数据产品)时间范围:2001~2012年
数据名称数据全称数值类型值域范围比例因子
*Onset_Greenness_Increase*.tif植被返青起始日期16bit无符号整数0~327661.0
*Onset_Greenness_Increase*.png植被返青起始日期缩略图
*Onset_Greenness_Decrease*植被衰老起始日期16bit无符号整数0~327661.0
*Onset_Greenness_Maximum*植被成熟起始日期16bit无符号整数0~327661.0
*Onset_Greenness_Minimum*植被休眠起始日期16bit无符号整数0~327661.0
*NBAR_EVI_Onset_Greenness_Maximum*休眠起始日期NBAR-EVI值16bit无符号整数0~327660.0001
*NBAR_EVI_Onset_Greenness_Minimum*返青起始日期NBAR-EVI值16bit无符号整数0~327660.0001
*NBAR_EVI_Area*植被周期内NBAR-EVI值总和16bit无符号整数0~327660.01
*Dynamics_QC*QA/QC质量评估文件1)16bit无符号整数
注1):由于MCD12Q2产品本身的Bug问题,该文件目前没有参考意义,MODIS官方正在处理该问题。
表8   MCD15A3.005(叶面积指数3级数据合成产品)详细描述
MCD15A3.005(叶面积指数3级数据合成产品)时间范围:2002~2015年
数据名称数据全称数值类型单位值域范围比例因子
*Fpar_1km*.tif光合有效辐射比率8bit无符号整数0~1000.01
*Fpar_1km*.png光合有效辐射比率缩略图
*FparExtra_QC*LAI/FPAR详细质量评估8bit无符号整数0~100
*FparLai_QC*LAI/FPAR一般质量评估8bit无符号整数0~254
*FparStdDev_1km*光合有效辐射比率标准差8bit无符号整数0~1000.01
*Lai_1km*叶面积指数8bit无符号整数m2plant/m2ground0~1000.1
*LaiStdDev_1km*叶面积指数标准差8bit无符号整数m2plant/m2ground0~1000.1
表9   MCD45A1.005/ MCD45A1.051(火烧迹地3级数据合成产品)详细描述
MCD45A1.005/ MCD45A1.051(火烧迹地3级数据合成产品)时间范围:2000~2015年
数据名称数据全称数值类型值域范围
*ba_qa*过火像元质量评估8bit整数1~4
*burndate*.tif火烧日期16bit整数0~10000
*burndate*.png火烧日期缩略图
*direction*火烧时间方向8bit整数0~254
*gap_range1*缺失/云覆盖最长连续时间16bit整数0~65534
*gap_range2*缺失/云覆盖第二长连续时间16bit整数0~65534
*npasses*时间连续性测试通过的观测值数量8bit整数0~254
*nused*用于时间连续性测试观测值数量8bit整数0~254
*surfacetype*土地覆盖类型及性质8bit整数0~254
MCD45A1.051在MCD45A1.005的算法基础上做了以下修改:
a)改变阈值以减少森林和农业区域的漏分误差;
b)根据热量数据进行纠正;
c)利用500米分辨率的MODIS土地覆盖类型产品而不是1千米的数据;
d)增加第五个燃烧区域像素质量排行,将燃烧区域从农业用火中区分开。
3   数据质量控制和评估
在数据处理过程中,为了统一基础数据源与流域边界矢量图的投影信息,转换投影时利用最近邻算法对图像进行重采样。由于本数据集采用的基础数据源为MODIS的中等分辨率卫星数据产品,数据产品在制作过程中会生成相应的质量控制文件(见数据样本描述)。
4   数据使用方法和建议
本数据集基于MODIS的中等分辨率遥感反演数据产品,提取青海湖流域范围内的陆地数据影像产品,适用于该区域的生态环境或其他相关科学问题研究。由于MODIS卫星数据产品的空间分辨率在250 m到1 km范围内,如需精度更高的数据,建议相关研究者利用实地勘测数据或其他分辨率更高的数据对数据集进行精度检验评估后使用。
致 谢
青海湖流域遥感影像数据集的建设与维护得到中国科学院信息化专项重点数据库项目、国家自然科学基金国际(地区)合作与交流项目和中国科学院计算机网络信息中心一三五规划重点培育方向专项等项目的资金支持。
[1]
陈克龙, 李双成, 周巧富, 等. 近25年来青海湖流域景观结构动态变化及其对生态系统服务功能的影响[J]. 资源科学, 2008, 30(2): 274–280.
[2]
沈芳, 匡定波. 青海湖最近25年变化的遥感调查与研究[J]. 湖泊科学, 2003, 15(4): 289–96.
[3]
欧阳志云, 王效科. 中国陆地生态系统服务功能及其生态经济价值的初步研究[J]. 生态学报, 1999, 19(5): 607–613.
[4]
BECK P S, ATZBERGER C, HØGDA K A, et al. Improved monitoring of vegetation dynamics at very high latitudes: A new method using MODIS NDVI[J]. Remote sensing of Environment, 2006, 100(3): 321–334.
[5]
ANYAMBA A, EASTMAN J R. Interannual variability of NDVI over Africa and its relation to El Niño/Southern Oscillation[J]. Remote Sensing, 1996, 17(13): 2533–2548.
[6]
BEGUE A, VINTROU E, RUELLAND D, et al. Can a 25-year trend in Soudano-Sahelian vegetation dynamics be interpreted in terms of land use change? A remote sensing approach[J]. Global Environmental Change, 2011, 21(2): 413–420.
[7]
CARLSON T N, RIPLEY D A. On the relation between NDVI, fractional vegetation cover, and leaf area index[J]. Remote sensing of Environment, 1997, 62(3): 241–252.
[8]
EASTMAN J R, SANGERMANO F, MACHADO E A, et al. Global trends in seasonality of normalized difference vegetation index (NDVI), 1982–2011[J]. Remote Sensing, 2013, 5(10): 4799–4818.
[9]
MENG M, NI J, ZONG M. Impacts of changes in climate variability on regional vegetation in China: NDVI-based analysis from 1982 to 2000[J]. Ecological research, 2011, 26(2): 421–428.
[10]
PETTORELLI N, VIK J O, MYSTERUD A, et al. Using the satellite-derived NDVI to assess ecological responses to environmental change[J]. Trends in ecology & evolution, 2005, 20(9): 503–510.
[11]
ZENG F W, COLLATZ G J, PINZON J E, et al. Evaluating and quantifying the climate-driven interannual variability in Global Inventory Modeling and Mapping Studies (GIMMS) Normalized Difference Vegetation Index (NDVI3g) at global scales[J]. Remote Sensing, 2013, 5(8): 3918–3950.
[12]
ZHU L, SOUTHWORTH J. Disentangling the relationships between net primary production and precipitation in southern Africa savannas using satellite observations from 1982 to 2010[J]. Remote Sensing, 2013, 5(8): 3803–3825.
数据引用格式
朴英超, 郑若冰, 何文通, 等. 青海湖流域遥感影像数据集[DB/OL]. Science Data Bank, 2018. (2018-01-30). DOI: 10.11922/sciencedb.559.
稿件与作者信息
论文引用格式
朴英超, 郑若冰, 何文通, 等. 青海湖流域遥感影像数据集[J/OL]. 中国科学数据, 2018. (2018-03-13). DOI: 10.11922/csdata.2018.0003.zh.
朴英超
Piao Yingchao
主要承担工作:本数据集的数据处理和建设维护。
(1986—),女,博士,助理研究员,研究方向为遥感数据处理及分析。
郑若冰
Zheng Ruobing
主要承担工作:本数据集的数据处理。
(1989—),男,博士在读,研究方向为数据挖掘,机器学习。
何文通
He Wentong
主要承担工作:本数据集的数据处理和建设维护。
(1988—),男,硕士,助理工程师,研究方向为遥感数据处理、分析、挖掘与应用。
熊妍
Xiong Yan
主要承担工作:本数据集的数据展示工作。
(1987—),女,硕士,工程师,研究方向为数据挖掘及可视化。主要承担本数据集的维护。
罗泽
Luo Ze
主要承担工作:本数据集的规划、数据处理和建设维护。
luoze@cnic.cn
(1976—),男,博士,研究员,研究方向为网格、数据挖掘。
阎保平
Yan Baoping
主要承担工作:本数据集的规划。
(1950—),女,博士,研究员,研究方向为计算机网络、信息系统工程及大型科学数据库技术。
出版历史
I区发布时间:2018年3月20日 ( 版本ZH3
参考文献列表中查看
中国科学数据
csdata