项目研究内容.doc

Four short words sum up what has lifted most successful individuals above the crowd: a little bit more.-author-date项目研究内容项目研究内容全球气候数据集生成及气候变化应用研究梁顺林1，唐世浩2，张杰3，徐冰4，程洁1，程晓5，宫鹏4，贾坤1，江波1，李爱农6，刘素红1，邱红2,肖志强1，谢先红1，杨军4，杨俊刚3，姚云军1，于贵瑞7，张晓通1，赵祥11遥感科学国家重点实验室，北京师范大学地理与遥感科学学院，北京 1008752中国气象局中国遥感卫星辐射测量和定标重点开放实验室 国家卫星气象中心，北京1000813国家海洋局第一海洋研究所，青岛 2660614地球系统数值模拟教育部重点实验室，清华大学地球系统科学研究中心，北京1000845遥感科学国家重点实验室，北京师范大学全球变化与地球系统科学学院，北京 1008756中国科学院水利部成都山地灾害与环境研究所，成都 6100417中国科学院地理科学与资源研究所，北京 100101摘要: 科技部在“十三五”期间部署的国家重点研发计划“全球变化及应对”专项资助了“全球气候数据集生成及气候变化关键过程和要素监测”研究项目。本项目围绕由全球气候观测系统提出的基本气候变量，完善地空天基观测体系，生成我国首套以遥感数据为主体的涵盖大气、海洋和陆表长时间序列、高精度、高时空一致性的产品，即气候数据集，动态监测全球变化关键过程和要素。本文重点介绍项目的立项背景、目的和意义、项目目标、研究内容和预期结果。关键词: 定量遥感，气候数据集，气候变化 中图分类号：P237 文献标志码：A引用格式： Production of the Global Climate Data Records and Applications to Climate Change StudiesShunlin Liang1, Shihao Tang2, Jie Zhang3, Bing Xu4, Jie Cheng1, Xiao Cheng5, Peng Gong4, Kun Jia1, Bo Jiang1, Ainong Li6, Suhong Liu1, Hong Qiu2, Zhiqiang Xiao1, Xianhong Xie1, Jun Yang4, Jungang Yang3, Yunjun Yao1, Guirui Yu7, Xiaotong Zhang1, Xiang Zhao1 1State Key Laboratory of Remote Sensing Science, School of Geography, Beijing Normal University, Beijing 100875, China2Key Laboratory of Radiometric Calibration and Validation for Environmental Satellites, National Satellite Meteorological Center,CMA, Beijing, 1000813First Institute of Oceanography,SOA, Qingdao, 2660614Ministry of Education Key Laboratory for Earth System Modeling, Center for Earth System Science, Tsinghua University, Beijing 1000845College of Global Change and Earth System Science, Beijing Normal University, Beijing 100875, China6Institute of Mountain Hazards and Environment, Chinese Academy of Sciences, Chengdu 610041, China7Key Laboratory of Ecosystem Network Observation and Modeling, Synthesis Research Center of Chinese Ecosystem Research Network, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101Abstract: The research project entitled “Generation of the global climate data records and their use for monitoring the key variables and processes of climate change” was recently supported by the Chinese Ministry of Science and Technology under the “Global Changes and Responses” Program. Focusing on the Essential Climate Variables proposed by the Global Climate Observing System (GCOS), This project aims to improve the surface-air-space observing systems, to produce long-term, high accurate and high spatiotemporal consistent satellite products (i.e., climate data records, CDRs) of the atmosphere, ocean and land surfaces, which will be the first CDR suite in China, and to dynamically monitor the key variables and processes of climate change. This paper mainly introduces the background, significance, objectives, contents and anticipated results of this project. Key Words: Quantitative Remote Sensing, Climate Data Records, Climate Change-1 引言由于人类活动和自然变化，我们的气候系统正在发生巨大的变化（图1），这不仅仅表现在气候系统的关键要素上（比如温度、辐射、雪盖、海平面等），也表现在关键过程上（比如能量平衡、水循环、碳循环等）。模型和观测数据是全球气候变化研究的两个支柱，缺一不可(Yang et al. 2013)。然而，全球气候变化关键过程和要素的现有观测以及高质量数据产品的生产，还远不能满足全球变化研究和应对策略制定的需求。目前对全球大气、海洋、陆表数据产品的单学科单数据源孤立研发，割裂了这三大全球系统之间的联系，导致生产的数据种类偏少、时空一致性差和精度低的问题。而我国多数气候变化研究项目，缺少对全球数据的自主研发，只局限于国内数据的开发，导致了国际话语权的缺失。因此，中国全球气候变化研究迫切需要开展全球气候变化关键过程和要素的系统综合观测，研发涵盖大气、海洋和陆表的高时空一致性和连续性的全球气候数据产品。为了有效地监测气候变化的关键过程和要素，我们需要长时间、时空一致的和连续的数据集。美欧等西方发达国家构建了较为完整的对地观测体系，形成了全球观测能力，获取了海量的原始数据(Guo et al. 2015)，并生成了种类繁多的高级定量遥感参数产品。但是目前主流的遥感数据产品大多是从单一的传感器生成(梁顺林 et al. 2016b)。这导致两个问题，一是产品的时间跨度有限，精度有待提高。以全球陆表反照率为例，美国宇航局的二个主要全球产品（MODIS和MISR）都是从2000年开始，欧洲多个全球反照率产品都是从90年代后期开始的。他们的时间跨度都只有十多年；二是来自多颗卫星数据的长时间序列产品一致性和连续性差，以图2中海面温度产品为例，虽然基于后期传感器数据生产的产品比较稳定，但是有不连续现象，而且前期产品的波动性较大，初始段数值明显偏低，这并不是气候变化的信号，而是不同传感器数据质量差异造成的不一致性。图3演示了为什么气候变化研究需要长时间序列的数据产品。这是格陵兰岛多年平均反照率距平(He et al. 2013)，由于气温升高，冰雪融化，近期格陵兰岛反照率明显下降，如果用2000年以后美国宇航局和欧空局的反照率数据数据拟合趋势，与真实反照率变化的趋势有较大的差别，这个例子充分说明了长时间序列数据集的必要性。目前的多数卫星遥感产品尚无法满足气候变化等应用需求。为此，美国国家研究委员会（NRC）早在2004年就提出了基本气候变量（ECV）和卫星气候数据集（CDR）的概念(NRC 2004)。ECV定义为能够提供刻画全球气候系统状态信息，可用于长期气候监测，与气候变化及其对全球影响有关的地球物理变量。CDR定义为可用于确定气候变率和气候变化，具有足够时间长度、一致性和连续性的长时间序列数据。全球尺度上，卫星遥感是生成CDR的唯一手段。结合卫星观测可行性和气候变化研究的迫切需求，全球气候观测系统（GCOS）于2010年列出了卫星遥感能发挥重要作用的50个ECV变量(GCOS 2010)，它反映了需要卫星遥感监测的最重要的气候变量。国际空间机构，以美国大气海洋局（NOAA）和欧空局（ESA）为代表，陆续开始研发CDRs。例如NOAA生成了13个基本CDRs（传感器数据）、9个大气CDRs、4个海洋CDRs和4个陆表CDRs。ESA于2010年启动了气候变化计划（CCI）(Hollmann et al. 2013)，2017年之前生成从GCOS定义的50个ECVS中筛选的13个ECVs，形成4个大气CDRs、4个海洋CDRs和5个陆表CDRs。欧洲气象卫星应用组织（EUMETSAT）研发与全球能量与水循环有关、涵盖云参数、大气温湿度廓线、气溶胶光学厚度、地表能量平衡、大气层顶能量平衡的24种卫星产品。相比于GCOS定义的50个ECVs，当前的CDR类型明显不足，且分布不均，如复杂性和异质性最强的陆表，CDRs数量小于5个。ESA将于2017年启动CCI+ 计划，在CCI计划基础上，增加10个CDRs，其中陆地5个。即便项目能够顺利实施，在相当长的时间内，国外规划的气候数据集(CDRs)仍不能满足全球气候变化的监测需求。我国对地观测技术近年来取得了长足进步，逐步形成立体、多维、高中低分辨率结合的全球综合观测能力, 基于此，国内的优势单位也在积极研发高级定量遥感产品。例如，北京师范大学牵头的研究团队在“十一五”863重点项目“全球陆表特征参量产品生成与应用研究”支持下，研发了长时间序列（近30年三种产品）、高空间分辨率（1-5公里）、高时间分辨率（两种3小时辐射产品）、高精度和高质量的全球特征参量（GLASS）产品(Liang et al. 2013)。在“十二五”863主题项目滚动支持下，该研究团队将GLASS产品拓展到十二种；海洋局一所也研制了海面风场、海浪、流场、海面温度、水汽含量、海面气温和叶绿素a浓度等全球海洋遥感参数产品(梁顺林 et al. 2016a)。国家基础地理信息中心在“十一五”863重点项目的支持下，于2014年通过自动与手工编辑结合完成2000和2010年2期30m全球土地覆盖产品（GLOBELAND30），服务于联合国等多家机构的生态环境评估工作(Chen et al. 2015)。清华大学在其子课题“全球地表覆盖分类体系与分类方法研究”的支持下， 2011年基于自动制图算法牵头完成FROM-GLC 2010基准年产品，以及世界上最高分辨率（30m）的全球农用地分布制图和250m的2001和2010年的全球地表覆盖制图(Gong et al., 2013; Wang et al., 2015; Yu et al. 2013)。联合北师大提出一系列新的时空谱角融合算法集，为长时间序列全球土地覆盖研究的多源一致遥感数据需求提供了有效的解决方案(Chen B et al., 2015; Michishita et al., 2012; Chen L et al., 2014)。国家卫星气象中心的第二代极轨气象卫星风云三号（FY-3），具有三维大气探测和全球资料获取能力，进一步提高云区和地表特征遥感能力，能够获取全球、全天候、三维、定量、多光谱的大气、地表和海表特性参数。相关的高级定量遥感产品正在研发之中。“十二五”863计划地球观测与导航技术领域重大项目“星机地综合定量遥感系统与应用示范”，构建了全球陆表综合观测共性定量遥感产品生产原型系统以及涵盖林业、农业、水资源、生态环境、矿产五个典型应用领域的定量遥感专题产品生产系统，具备全球及重点区域40种定量遥感共性产品生产能力。当前，我国已具备CDR的研发能力，例如，GLASS产品（LAI、反照率和发射率）时间跨度超过30年、时间跨度和精度优于同类产品，若有稳定投入，在CDR类型、时间跨度、精度等方面有望取得突破，引领CDR的研发与生产。科技部在“十三五”国家重点研发计划“全球变化及应对”专项下资助了“全球气候数据集生成及气候变化关键过程和要素监测”研究项目。项目为期5年，从2016年7月开始。本项目团队由北京师范大学、清华大学、国家卫星气象中心、国家海洋局第一海洋研究所、中国科学院地理科学与资源研究所和中国科学院水利部成都山地灾害与环境研究所等六家单位的科研骨干组成，形成了一支涵盖遥感、大气科学、海洋科学、全球变化科学、地理学和生态学等多学科交叉特色明显的优势团队。下面将对项目的目标，研究内容，研究方法等做更详细的介绍。2 项目目标项目的总体目标：生产我国首套以遥感数据为主体的涵盖大气、海洋和陆表长时间序列、高精度、高时空一致性的气候数据集（CDRs）- 具有自主知识产权的、支撑全球变化模拟与分析的5套数据产品（能量平衡、水循环、碳循环、冰冻圈变化、海洋环境）（表1）；系统分析全球气候变化趋势、成因与影响机制，实现全球变化关键过程和要素的动态监测。具体目标包括：(1) 加强山区、极地和远海等特殊环境实测数据获取，利用时空扩展的方法完善现有的地空天基观测体系，改善全球变化关键参数产品的精度。针对山区，采用近地遥感和无线传感网技术，实现山区陆表基本气候变量的多时相多尺度连续观测，构建复杂山区地面观测网络；结合无人机技术和多源卫星观测，开展山区地-空-天一体化协同观测实验，增强山区的数据获取能力，完善山区特殊环境的综合观测体系。 针对极地，采用差分GPS技术、无线传感网和无人飞机等技术，开展协同观测与数据获取，分析南北极冰盖相关参数，确定冰盖物质平衡。针对远海，通过发展基于如波浪滑翔器等新型海洋观测设备的海洋现场观测技术，加强全球远海大洋等区域的现场观测数据获取；通过海洋表面观测数据与三维水动力学模式的结合，实现海洋表层以下三维温盐流数据的获取，从而完善全球海洋立体观测体系。(2) 整合国内外多源遥感数据，发展地面观测和卫星数据等多源数据的融合和同化等关键技术，建立中国首套全球大气、海洋和陆表气候数据集（CDRs）。大气气候数据集包含降水、水汽、云特性、地球辐射平衡、二氧化碳、臭氧和气溶胶特性等数据产品；海洋气候数据集包含海洋表面能量平衡、海洋动力环境参数与过程、水色和海冰等数据产品；陆表气候数据集包含地表温度、发射率、蒸散发量、河湖、雪盖、冰川和冰帽、冰盖、反照率、土地覆盖（包括植被类型）、光合有效辐射吸收系数（FAPAR）、叶面积指数、地上生物量、火点扰动、土壤湿度等。(3)基于多要素气候数据集，通过对大气、海洋和陆表环境中全球变化要素和模式的协同分析，确定全球变化关键过程所处的态势，系统分析气候变化趋势、成因与影响；整合全球尺度生态系统关键过程和参数的观测数据，采用多种研究方法来探讨全球尺度生态系统的碳、氮、水和能量交换关键过程和重要参数的变化趋势、成因及其对全球变化的响应机制；建立全球气候变化要素时空一致性判断及整理方法，挖掘气候变化关键过程和要素的直接证据。3 项目研究内容 项目拟解决的重大科学问题或关键技术包括：（1） 复杂环境观测的尺度扩展理论及数据验证技术：如何基于山区、极地、远洋等复杂环境的观测，发展时空尺度扩展理论，形成气候数据集验证技术？国内外实施一系列对地卫星观测计划，开展起对大气、陆地、海洋的综合立体观测。但是，现有对大气、海洋基本气候变量的观测仍不够全面，观测体系不够完善，时间序列不够长，无法满足全球变化关键过程监测的需求。特别是大气、海洋观测网络存在空间覆盖离散和站点分布不均匀的弱点，陆地生态系统的异质性和生态过程的复杂性，以及观测数据的尺度效应，也给现有观测网络数据带来了较大的不确定性。此外，现有观测网络仍缺乏对山区、极地等全球变化敏感区域的一体化综合观测。因此，亟待提高全球特殊环境的观测能力以及完善基本气候变量的观测体系。（2） 气候数据集（CDRs）生成理论与方法：如何融合多源遥感数据，发展关键气候变量反演算法，构建长时间序列、高精度、时空连续一致的全球气候数据集？已建立的大气、海洋、地球观测体系获取了海量的大气、海洋和陆地观测数据，由此生成了种类繁多的参数产品。但是，现有的大气、海洋基本气候变量遥感数据集存在精度低，时空不连续，同一变量不同数据集之间差异显著的特点。急需形成能满足全球变化关键过程监测需求、高质量的、长时间序列的全新气候数据集(CDRs)。（3） 全球变化的监测应用：如何通过气候数据集的综合分析及其与数值模型耦合同化，降低全球变化关键过程认识和气候变化模拟的不确定性，更好地服务于应对气候变化的国家目标？地球观测高级产品与地球系统模式、数据模型有效的结合，是全球变化研究强有力的研究手段。当前，对全球变化关键过程和要素的监测数据除了存在不确定性、以及缺乏对一些关键过程的完整监测之外，气候产品尚未被气候模式及其他全球变化模型有效利用，采用模型对当前变化进行归因分析和预测未来变化的贡献不足。因此，通过气候数据集与数值模型有效耦合同化，将是降低全球变化关键过程认识和气候变化模拟不确定性研究中的新机遇和挑战。针对以上科学问题，本项目重点研发全球气候数据集并监测气候变化关键过程和要素。利用国内外多源卫星数据和地面观测，完成全球大气、海洋、陆表多要素气候数据集算法研发、生产、验证和发布；集成气候数据集与数值模型，构建基本全球变化指标体系，开展气候变化的监测和归因分析。 本项目的研究内容划分为大气、海洋、陆表气候数据集研发以及对它们的综合应用四个方面，并设置相应的四个课题（图4）。前三个课题每个都包含地面观测、遥感数据反演和融合方法、气候数据集生产和应用分析四个分项；地面观测主要用于算法研发、产品精度验证和示范效果评价。（1） 大气气候数据集生成与分析基于国外卫星和我国自主研制卫星（风云系列卫星、高分卫星和碳卫星等）观测数据和地面大气观测网络，发展多平台、长时序观测数据一致性前处理技术，完善观测体系。发展先进的全球气候变化关注的大气基本气候变量(ECVs)（气溶胶光学厚度、云量、降水、二氧化碳、臭氧、太阳入射辐射、反射太阳辐射、射出长波辐射和净辐射）的遥感反演算法。面向全球气候变化监测与分析需求，研究气候数据集(CDRs)生成和评估方法，形成可用于能量平衡、水循环和碳循环动态监测的长时序卫星全球大气参数数据集，形成17种产品生产能力，生成9种大气基本气候变量数据集。基于生产的长时序大气气候数据集，结合国外卫星相关产品，-开展全球气溶胶气候效应、南北极臭氧动态监测、地球能量平衡等应用分析。（2） 海洋气候数据集生成与分析利用国内外全球海洋卫星高度计、辐射计、散射计、SAR等微波遥感与光学及红外遥感数据和全球海洋观测站、漂流浮标、锚系浮标、科考船和新型平台现场观测数据，分析各种观测数据的一致性问题，研究现场观测体系的完善途径。从产品生产和精度检验需求出发，发展基于星星比对、浮标基和新型海洋观测平台（如波浪滑翔器）现场观测数据的遥感数据产品验证技术。通过主流算法比较筛选、改进和新算法研究，发展海洋能量平衡参数（短波下行辐射、短波反照率、长波下行辐射、发射率、净辐射等）、海洋动力环境参数与过程（海面风场、海浪、表面流、海面温度、海面盐度、海面气温、水汽含量、表层以下温盐流、海平面等）、海洋水色（遥感反射率、叶绿素浓度、颗粒有机碳和初级生产力）和海冰（海冰密集度、海冰厚度和海冰漂移）共4类21种数据产品生成技术，形成生产能力，并生成包含17种产品的近30年的高精度、长时序全球海洋气候数据集(CDRs)。基于全球海洋气候数据集，开展该数据产品在全球海洋物质与能量输运、全球主要河口冲淡水变化监测对全球气候变化响应等方面的应用示范分析。（3） 陆表气候数据集生成与分析基于现有国内外多平台、多尺度卫星观测网络和地面传感器络观测系统、极地无人机和地面观测、复杂山区地面观测网络、开展陆表星、空、地一体化多尺度综合观测实验，对全球变化关键过程要素产品进行时空拓展；针对山地、极地等复杂环境，提供产品算法发展和改进、不同观测尺度扩展和产品验证等方案。结合国内外多源数据，开展数据时空尺度拓展研究，继续发展基于先验知识、多算法集成、数据同化等全球陆表能量平衡(短波下行辐射、短波反照率、长波下行辐射、发射率、温度、净辐射) 、水循环(蒸散、水面动态和湿地)、碳循环 (LAI、FPAR、植被覆盖度、森林生物量、GPP、NPP、居住区、地表覆盖、火迹地)、极地与冰冻圈 (冰面高程与面积、雪盖、雪水当量、冻土冻融)等全球变化关健过程的重要参数反演算法。完善现有产品生产系统，融合已有陆面产品，具备20种产品生产能力，研发生产15种陆表长时间序列、高精度陆表冰雪产品、能量平衡关键过程参量和植被生物物理参数等基本气候变量数据集。开展遥感数据产品的同化和应用示范，分析产品对气候变化时空特征的诊断能力及其不确定性影响，实证产品在区域碳水循环和能量平衡方面的应用效果。（4） 全球变化关键过程和要素的动态监测以全球变化关键过程为束缚条件，协同分析大气、海洋和陆地气候数据集(CDRs)，对其进行时空和逻辑一致性检验，并基于全过程的全球变化信息数据获取和分析方法，提取数据形成基本全球变化指标体系，确定关键过程的状态与趋势，综合评价其成因和影响，挖掘全球变化关键过程和要素在气候变化中作用的直接证据。分析模式对全球变化关键过程参数和要素监测的需求、不足和提升方法，重点研究将高时频观测信息如全球土地覆盖观测数据引入地球系统模式的方案，并比较采用观测数据和默认输入数据对气候模式模拟结果的影响，探明原因，找出提高观测数据在模式中应用的关键制约因素。同化气候数据集与生态系统模型，以全球尺度陆地生态系统碳-氮-水通量这一全球变化关键过程，在全球尺度上进行动态监测的示范，开展生物地球化学与辐射能量平衡等关键过程动态监测，并揭示其变化机制。在综合分析、深入挖掘气候数据集及进行综合观测示范应用的基础上，提出面向全球变化研究的关键过程和要素观测的需求以及现有观测系统能力提升的对策。4 项目研究方法项目总的研究方案见图5。 本项目将收集与整理已有的全球变化关键过程中的大气、海洋和陆表观测数据和卫星产品，开展星-空-地综合全球基本气候变量观测研究，加强山区、极地和远海等特殊环境实测数据获取，完善星-空-地大气、海洋和陆表参量的综合观测方案。在此基础上，对已有产品进行验证、评价和提高，通过整合国内外多源遥感数据融合和时空尺度扩展手段，完成全球全覆盖、多要素、长时间序列、多尺度气候数据集（CDRs）算法研发和数据产品生产。进一步结合其它相关的数据产品，开展对主要温室气体、气溶胶、冰雪、水资源和能量等关键要素的动态监测。5结语在突破3项关键技术的基础上，本项目将建成中国首套全球大气、海洋和陆表气候数据集，形成5大类共59种遥感产品生产能力，生成29种气候数据集（CDRs），产品类型、精度与时间序列长度都将高于国际同类产品；项目将提出全球变化综合观测的需求和完善对策，提升我国的全球变化与地球系统科学研究水平，提高对地观测科研能力、产品化能力和应用水平。本项目的生产的高精度、高一致性、长时间序列的数据集应用于监测全球变化关键要素和过程，服务于气象、农业、水资源、减灾等社会应用领域，将对中国和全球生态环境监测、生态建设与生物多样性保护、全球变化研究、一带一路国家战略提供数据支撑。“十一五”和“十二五”相关项目的研发为本项目的实施建立了坚实的基础，因此本项目生产的遥感产品在数量与质量上都要产生重大的飞跃（见图6）。参考文献Chen, B., B. Huang and B. Xu 2015. Comparison of Spatiotemporal Fusion Models: A Review. Remote Sensing 7, 1798-1835.Chen, J., Chen, J., Liao, A.P., Cao, X., Chen, L.J., Chen, X.H., He, C.Y., Han, G., Peng, S., Lu, M., Zhang, W.W., Tong, X.H., & Mills, J. (2015). Global land cover mapping at 30 m resolution: A POK-based operational approach. ISPRS Journal of Photogrammetry and Remote Sensing, 103, 7-27Chen, L. F., R. Michishita and B. Xu 2014: Abrupt spatiotemporal land and water changes and their potential drivers in Poyang Lake, 2000-2012. ISPRS Journal of Photogrammetry and Remote Sensing 98, 85-93.GCOS (2010). Update of the Implementation Plan for the Global Observing System for Climate in Support of the UNFCCC In. Geneva, Switzerland,: World Meteorological OrganizationGong, P., Wang, J., Yu, L., Zhao, Y., Zhao, Y., Liang, L., Niu, Z., Huang, X., Fu, H., Liu, S., Li, C., Li, X., Fu, W., Liu, C., Xu, Y., Wang, X., Cheng, Q., Hu, L., Yao, W., Zhang, H., Zhu, P., Zhao, Z., Zhang, H., Zheng, Y., Ji, L., Zhang, Y., Chen, H., Yan, A., Guo, J., Yu, L., Wang, L., Liu, X., Shi, T., Zhu, M., Chen, Y., Yang, G., Tang, P., Xu, B., Ciri, C., Clinton, N., Zhu, Z., Chen, J., Chen, J. 2013. Finer resolution observation and monitoring of global land cover: first mapping results with Landsat TM and ETM+ data, International Journal of Remote Sensing. 34(7): 2607-2654Guo, H.-D., Zhang, L., & Zhu, L.-W. (2015). Earth observation big data for climate change research. Advances in Climate Change Research, 6, 108-117He, T., Liang, S., Yu, Y., Liu, Q., & Gao, F. (2013). Greenland surface albedo changes 1981-2012 from satellite observations. Environmental Research Letters, 8, 044043, DOI:044010.041088/041748-049326/044048/044044/044043Hollmann, R., Merchant, C.J., Saunders, R., Downy, C., Buchwitz, M., Cazenave, A., Chuvieco, E., Defourny, P., de Leeuw, G., Forsberg, R., Holzer-Popp, T., Paul, F., Sandven, S., Sathyendranath, S., van Roozendael, M., & Wagner, W. (2013). THE ESA CLIMATE CHANGE INITIATIVE Satellite Data Records for Essential Climate Variables. Bulletin of the American Meteorological Society, 94, 1541-1552Liang, S.L., Zhao, X., Liu, S.H., Yuan, W.P., Cheng, X., Xiao, Z.Q., Zhang, X.T., Liu, Q., Cheng, J., Tang, H.R., Qu, Y.H., Bo, Y.C., Qu, Y., Ren, H.Z., Yu, K., & Townshend, J. (2013). A long-term Global LAnd Surface Satellite (GLASS) data-set for environmental studies. International Journal of Digital Earth, 6, 5-33Michishita, R., Z. B. Jiang and B. Xu 2012: Monitoring two decades of urbanization in the Poyang Lake area, China through spectral unmixing. Remote Sensing of Environment 117, 3-18.NRC (2004). Climate Data Records from Environmental Satellites: Interim Report. The National Academies PressWang, J., Zhao, Y., Li, C., Yu, L., Liu, D., Gong, P. 2015. Mapping global land cover in 2001 and 2010 with spatial-temporal consistency at 250 m resolution. ISPRS Journal of Photogrammetry and Remote Sensing, 103: 38-47.Yang, J., Gong, P., Fu, R., Zhang, M., Chen, J., Liang, S., Xu, B., Shi, J., & Dickinson, R. (2013). The role of satellite remote sensing in climate change studies. Nature Clim. Change, 3, 875-883Yu, L., Wang, J., Clinton, N., Xin, Q.C., Zhong, L.H., Chen, Y.L., & Gong, P. (2013). FROM-GC: 30 m global cropland extent derived through multisource data integration. International Journal of Digital Earth, 6, 521-533梁顺林, 张杰, 陈利军, 赵祥, & 等 (2016a). 全球陆表海洋遥感的产品生产与应用. 科学出版社梁顺林, 程洁, 贾坤, 江波, 刘强, 刘素红, 肖志强, 谢先红, 袁文平, 张晓通, & 赵祥 (2016b). 陆表定量遥感发展的新动态. 遥感学报