本数据是研究团队采用新方法定量重建获得的末次冰盛期以来青藏高原不同样点的植被变化数据。首先收集、整理青藏高原及其周边17个植被带1802条现代孢粉数据作为训练集，采用随机森林算法建立基于孢粉数据重建青藏高原植被的模型，该模型预测现代孢粉样点的植被时，与实际植被对比，显示出较高的一致性（>76%）。与传统的生物群区化法相比，新建立的随机森林模型基于孢粉数据预测青藏高原现代植被的准确性更高。随后，将新建立的随机森林模型用于青藏高原51条孢粉化石序列的古植被重建。用贝叶斯方法重新建立各孢粉化石序列的深度-年代模型，并用线性插值方法获取500年间隔的孢粉化石数据。最终用随机森林模型重建出青藏高原22000年以来500年间隔的植被时空格局变化。本数据可以为理解过去高寒植被的变化过程和机制提供依据，为研究过去气候变化对青藏高原植被的影响提供证据，为气候模拟提供边界条件。
秦锋, 赵艳, 曹现勇
本数据集来源于论文：Ding, J., Wang, T., Piao, S., Smith, P., Zhang, G., Yan, Z., Ren, S., Liu, D., Wang, S., Chen, S., Dai, F., He, J., Li, Y., Liu, Y., Mao, J., Arain, A., Tian, H., Shi, X., Yang, Y., Zeng, N., & Zhao, L. (2019). The paleoclimatic footprint in the soil carbon stock of the Tibetan permafrost region. Nature Communications, 10(1), 4195. doi:10.1038/s41467-019-12214-5. 数据中包含新评估的青藏高原3m深度土壤有机碳库格点数据及相应的R代码，格点数据空间分辨率为0.1°。 以往对青藏高原土壤碳库的评估多以现代气候、植被等特性为根据，未考虑古气候条件、土层厚度等因素的影响。本研究中，研究人员综合考虑了古气候和现代气候条件、土层厚度和土壤理化属性、植被和地形等因素，通过机器学习算法重新评估了青藏高原3m深度土壤碳库。新评估得到的青藏高原土壤碳储量为36.6 Pg C (38.9-34.2 Pg C)，约为陆地生态系统模型模拟均值的3倍(11.5±4.2 Pg C)。同时，研究指出，模型中缺乏对古气候影响的考虑是导致模拟偏差的重要原因。 数据中包含以下字段： Longitude (°E) Latitude (°N) SOCD (0-30cm) (kg C m-2) SOCD (0-300cm) (kg C m-2) GridArea (k㎡) 3mCstcok (10^6 kg C)
丁金枝, 汪涛
本数据集来源于论文： Chen, F.H., Dong, G.H., Zhang, D.J., Liu, X.Y., Jia, X., An, C.B., Ma, M.M., Xie, Y.W., Barton, L., Ren, X.Y., Zhao, Z.J., & Wu, X.H. (2015). Agriculture facilitated permanent human occupation of the Tibetan Plateau after 3600 BP. Science, 347, 248–250. 数据整理自论文内Supplementary Materials中的表格数据。 在这篇文章中，研究人员对来自青藏高原东北地区各地的53处遗址的动物骨骼、植物遗骸及其它人工制品进行了分析，发现自从大麦（Barley）产生后，人类就开始迁移到海拔高达4700米的地区定居。该研究显示，史前人类是在距今3600年以后全球气候转冷的大背景下向青藏高原高海拔地区大规模扩张的，其关键的促进因素是农业技术革新而不是气候变化。 数据集包含4个数据表，数据表名称和内容分别为： Data list：数据列表； t1：Calibrated radiocarbon dates and domesticated plant and animal remains from sites investigated on the NETP（青藏高原东北部研究的遗址的校准的放射性碳年代和驯化动植物遗骸）； t2：Radiocarbon dates of the Paleolithic sites on the Tibetan Plateau（青藏高原旧石器时代遗址的放射性碳年代）； t3：OSL dates of the Paleolithic sites on the Tibetan Plateau（青藏高原旧石器时代遗址的光释光年代）。 数据详细信息参见附件：Supplementary Materials.pdf，Agriculture Facilitated Permanent Human Occupation of the Tibetan Plateau after 3,600 BP.pdf。
陈发虎
本数据集来源于论文：Zhang, J. F., Xu, B., Turner, F., Zhou, L., Gao, P., Lü, X., & Nesje, A. (2017). Long-term glacier melt fluctuations over the past 2500 yr in monsoonal High Asia revealed by radiocarbon-dated lacustrine pollen concentrates. Geology, 45(4), 359-362. 在本文中，中国科学院青藏高原研究所、地球科学卓越创新中心徐柏青研究员及其博士后张继峰与来自北京大学等单位的合作者，对高原南部枪勇冰川冰前湖沉积物进行了多方法（植物残体、孢粉浓缩物、全有机质）放射性碳测年，提出了一个重建古冰川融化强度的新指标（“老孢粉效应”，即沉积物孢粉年龄与沉积物真实年龄的差值）。该研究发现北半球温度及西风环流活动可能是高原季风区冰川百年尺度波动的主控因素，高原近代的冰川融化强度达到过去2500年以来最强，超过了历史上的中世纪暖期和罗马暖期。 数据由论文作者提供，数据包含了基于老孢粉效应（ΔAgepollen）重建的过去2500年枪勇冰川融化强度变化数据。 研究人员从枪勇错冰前湖获得了一根3.06米长的湖芯（QYL09-4）和一根1.06m长的平行重力钻湖芯（QY-3），使用新的复合提取及纯化程序，从沉积物中获得了相对纯的孢粉浓缩物和植物残体浓缩物（PRC；> 125μm）。对全有机质，PRC和孢粉浓缩物分别进行了14C年代测定。所有14C年龄都使用IntCal13（Reimer et al., 2013）进行了校准。年龄深度模型基于210Pb、137Cs年龄及五个PRC的14C年龄。使用Oxcal 4.2（Bronk Ramsey，2008）中的P_Sequence算法构建岩芯的年龄深度模型。将校准的孢粉年龄中减去根据沉积模型得出的真实沉积物年龄，从而得出老孢粉效应值（ΔAgepollen）。 数据为湖芯（QYL09-4）的放射性碳测年与老孢粉效应数据。 数据包含字段如下： Lab No.：样本编号 Dating Material：测年材料 Depth (cm)：深度（厘米） 14C age (yr BP)：碳14年龄（年 距今） ΔAgepollen (≥95.4 % yrs)：孢粉年龄与估算的沉积物年龄间的差值（≥95.4 % 年） Sediment Age (CE)：沉积物年龄（公元） 数据详细信息参见附件：ZhangJF et al. 2017 GEOLOGY_Long-term glacier melt fluctuations over the past 2500 yr on the Tibetan Plateau.pdf。
张继峰
本数据集来源于论文：Huang, R., Zhu, H.F., Liang, E.Y., Liu, B., Shi, J.F., Zhang, R.B., Yuan, Y.J., & Grießinger, J. (2019). A tree ring-based winter temperature reconstruction for the southeastern Tibetan Plateau since 1340 CE. Climate Dynamics, 53(5-6), 3221-3233. 在本文中，为了了解过去几百年冬季温度变化历史及其驱动因素，中国科学院青藏高原研究所高寒生态重点实验室、青藏高原地球科学卓越创新中心梁尔源研究员课题组，利用2007-2016年期间采集的树木年轮样本重建了青藏高原东南部地区公元1340年以来的冬季（11-2月）最低温度变化历史。 数据由论文作者提供，数据包含了1340-2007年青藏高原东南部昌都地区冬季的最低温度重建数据。 数据包含以下字段： year：年 Tmin.recon（ ℃）：重建的最低温度（ ℃） 数据详细信息参见附件：A tree ring-based winter temperature reconstruction for the southeasternTibetan Plateau since 1340 CE.pdf
黄茹, 朱海峰, 梁尔源
联系方式
中国科学院西北生态环境资源研究院
0931-4967287
poles@itpcas.ac.cn
关注我们
时空三极环境大数据平台 © 2018-2020 陇ICP备05000491号 | All Rights Reserved
｜ 
京公网安备11010502040845号
数据中心技术支持: 数云软件
