该数据集包含了2021年4月13日至2021年12月31日的40m塔涡动相关仪观测数据。站点位于河北省怀来县东花园镇,下垫面水浇地玉米。观测点的经纬度是115.7923E, 40.3574N,海拔480m。涡动相关仪的采集频率是10Hz,架高为3.5 m,超声朝向是正北向,超声风速仪(CSAT3)与CO2/H2O分析仪(EC150)之间的距离是0 cm。 发布的数据是采用Eddypro软件对原始采集的10Hz数据进行后处理得到的30分钟数据,其处理的主要步骤包括:野点值剔除,延迟时间校正,坐标旋转(二次坐标旋转),频率响应修正,超声虚温修正和密度(WPL)修正等。同时对各通量值进行质量评价,主要是大气平稳性(Δst)和湍流相似性特征(ITC)的检验。对处理后输出的30min通量值也进行了筛选:(1)剔除仪器出错时的数据;(2)剔除降水前后1h的数据;(3)剔除10Hz原始数据每30min内缺失率大于10%的数据;(4)剔除夜间弱湍流的观测数据(u*小于0.1m/s)。观测数据的平均周期为30分钟,一天48个数据,缺失数据标记为-6999。在冬季EC150测量水汽密度出现很多负值,以-6999填充。 涡动相关仪发布的观测数据包括:日期/时间Date/Time,风向Wdir(°),水平风速Wnd(m/s),侧向风速标准差Std_Uy(m/s),超声虚温Tv(K),水汽密度H2O(g/m3),二氧化碳浓度CO2(mg/m3),摩擦速度Ustar(m/s),奥布霍夫长度,感热通量Hs(W/m2),潜热通量LE(W/m2),二氧化碳通量Fc(mg/(m2s)),感热通量的质量标识QA_Hs,潜热通量的质量标识QA_LE。感热、潜热、二氧化碳通量的质量标识分为九级(质量标识1-3数据质量好,4-6数据质量较好,7-8数据质量较差(较插补数据好);9数据质量差)。数据时间的含义,如0:30代表0:00-0:30的平均;数据以*.xls格式存储。 观测试验或站点信息请参考Guo et al.(2020),数据处理请参考Liu et al. (2013)。
刘绍民, 肖青, 徐自为, 柏军华
该数据集包含了2021年1月1日至2021年12月31日的大孔径闪烁仪观测数据,分别架设了两台型号为BLS450和zzlas的大孔径闪烁仪。站点位于河北省怀来县东花园镇,下垫面玉米。观测点的经纬度是115.7880E, 40.3491N,海拔480m。大孔径闪烁仪的有效高度为14m,光径长度是1870m,发射端经纬度是115.8023E,40.3596N,接收端的经纬度是115.7825E,40.3522N。BLS450和zzlas的采集频率分别为5Hz和1Hz,平均为1min输出。 大孔径闪烁仪原始数据为1min,发布的数据为经过处理与质量控制后的30min平均数据,其中感热通量主要是结合自动气象站数据,基于莫宁-奥布霍夫相似理论通过迭代计算得到。在迭代计算过程中,对于BLS450,选取Thiermann and Grassl,1992的稳定度函数;对于zzlas,选取Andreas,1988的稳定度函数。主要的质量控制步骤包括:(1)剔除Cn2达到饱和的数据;(2)剔除解调信号强度较弱的数据;(3)剔除降水时刻及其前后一小时的数据;(4)剔除稳定条件下的弱湍流的数据(u*小于0.1m/s)。 关于发布数据的几点说明:(1)LAS数据以BLS450为主,缺失时刻由zzlas观测补充,两者都缺失则以-6999标记。(2)数据表头:Date/Time:日期/时间,Cn2:空气折射指数结构参数(m-2/3),H_LAS:感热通量(W/m2)。数据时间的含义,如0:30代表0:00-0:30的平均;数据以*.xls格式存储。 观测试验或站点信息请参考Guo et al. (2020),数据处理请参考Liu et al. (2013)。
刘绍民, 徐自为
该数据集包含了2021年1月1日至2021年12月31日的40m塔自动气象站观测数据。站点位于河北省怀来县东花园镇,下垫面为水浇地玉米。观测点的经纬度是115.7923E, 40.3574N,海拔480m。 自动气象站安装在40m塔上,采集频率为30s,且10min输出一次。观测要素包括7层空气温度、相对湿度(3m、5m、10m、15m、20m、30m、40m),朝向为正北;7层风速(3m、5m、10m、15m、20m、30m、40m),风向(10 m),朝向为正北;气压(安装在防水箱内);雨量(3 m);四分量辐射和光合有效辐射(4 m),朝向为正南;红外表面温度(8 m),支臂朝向正南,探头朝向是垂直向下;土壤温湿度探头埋设在气象塔正南方1.5m处,土壤温度探头埋设深度为2cm、4cm、10cm、20cm、40cm、80cm、120cm和160 cm处,土壤水分传感器埋设深度为2cm、4cm、10cm、20cm、40cm、80cm、120cm和160cm;平均土壤温度埋在地下2, 4cm;土壤热流板埋设在地下6 cm处。 观测数据的处理与质量控制:(1)确保每天1440个数据(每10min),若出现数据的缺失,则由-6999标示;(2)剔除有重复记录的时刻;(3)删除了明显超出物理意义或超出仪器量程的数据;(4)日期和时间的格式统一,并且日期、时间在同一列。如,时间为:2021-6-10 10:30。 自动气象站发布的数据包括:日期/时间Date/Time,空气温度(Ta_3m, Ta_10m, Ta_15m, Ta_20m, Ta_30m, Ta_40m)(℃),相对湿度(RH_3m, RH_10m, RH_15m, RH_20m, RH_30m, RH_40m)(%),风速(Ws_3m, Ws_10m, Ws_15m, Ws_20m, Ws_30m)(m/s),风向(WD)(°),气压(Press)(hpa),降水(Rain)(mm),四分量辐射(DR、UR、DLR、ULR、Rn)(W/m2),光合有效辐射(PAR)(umol/s/m2),地表辐射温度(IRT_1、IRT_2)(℃),土壤热通量(Gs)(W/m2)、 多层土壤水分(Ms_2cm、Ms_4cm、Ms_10cm、Ms_20cm、Ms_40cm、Ms_80cm、Ms_120cm、Ms_160cm)(%)、多层土壤温度(Ts_2cm 、Ts_4cm、Ts_10cm、Ts_20cm、Ts_40cm、Ts_80cm、Ts_120cm、Ts_160cm)(℃)、平均土壤温度TCAV(℃)。 观测试验或站点信息请参考Guo et al.(2020),数据处理请参考Liu et al. (2013)。
刘绍民, 肖青, 徐自为, 柏军华
该数据集包含了2021年1月1日至2021年12月31日的10m塔自动气象站观测数据。站点位于河北省怀来县东花园镇,下垫面为水浇地玉米。观测点的经纬度是115.7880E, 40.3491N,海拔480m。 自动气象站安装在10m塔上,采集频率为30s,且10min输出一次。观测要素包括空气温度、相对湿度(5 m),朝向为正北;风速(10 m),风向(10 m),朝向为正北;气压(安装在防水箱内);雨量(10 m);四分量辐射(5 m),朝向为正南;土壤温湿度探头埋设在气象塔正南方1.5m处,土壤温度探头埋设深度为0cm、2cm、4cm、10cm、20cm、40cm、80cm、120cm和160 cm处,土壤水分传感器埋设深度为2cm、4cm、10cm、20cm、40cm、80cm、120cm和160cm;平均土壤温度埋在地下2, 4cm;土壤热流板(3块)埋设在地下6 cm处。 观测数据的处理与质量控制:(1)确保每天1440个数据(每10min),若出现数据的缺失,则由-6999标示;(2)剔除有重复记录的时刻;(3)删除了明显超出物理意义或超出仪器量程的数据;(4)日期和时间的格式统一,并且日期、时间在同一列。如,时间为:2021-6-10 10:30。 自动气象站发布的数据包括:日期/时间Date/Time,空气温湿观测(Ta_5m,RH_5m)(℃,%),风速(Ws_10m)(m/s),风向(WD)(°),降水(Rain)(mm),四分量辐射(DR、UR、DLR、ULR、Rn)(W/m2),地表辐射温度(IRT1、IRT2)(℃),土壤热通量(Gs_1、Gs_2、Gs_3)(W/m2)、 多层土壤水分(Ms_2cm、Ms_4cm、Ms_10cm、Ms_20cm、Ms_40cm、Ms_80cm、Ms_120cm、Ms_160cm)(%)、多层土壤温度(Ts_0cm 、Ts_2cm 、Ts_4cm、Ts_10cm、Ts_20cm、Ts_40cm、Ts_80cm、Ts_120cm、Ts_160cm)(℃)、平均土壤温度TCAV(℃) ,气压(Press)(hpa)。 观测试验或站点信息请参考Guo et al. (2020),数据处理请参考Liu et al. (2013)。
刘绍民, 徐自为
该数据集包含了2021年1月1日至2021年12月31日的10m塔涡动相关仪观测数据。站点位于河北省怀来县东花园镇,下垫面水浇地玉米。观测点的经纬度是115.7880E, 40.3491N,海拔480m。涡动相关仪的采集频率是10Hz,架高为5 m,超声朝向是正北向,超声风速仪(CSAT3)与CO2/H2O分析仪(Li7500A)之间的距离是15 cm。 发布的数据是采用Eddypro软件对原始采集的10Hz数据进行后处理得到的30分钟数据,其处理的主要步骤包括:野点值剔除,延迟时间校正,坐标旋转(二次坐标旋转),频率响应修正,超声虚温修正和密度(WPL)修正等。同时对各通量值进行质量评价,主要是大气平稳性(Δst)和湍流相似性特征(ITC)的检验。对处理后输出的30min通量值也进行了筛选:(1)剔除仪器出错时的数据;(2)剔除降水前后1h的数据;(3)剔除10Hz原始数据每30min内缺失率大于10%的数据;(4)剔除夜间弱湍流的观测数据(u*小于0.1m/s)。观测数据的平均周期为30分钟,一天48个数据,缺失数据标记为-6999。 涡动相关仪发布的观测数据包括:日期/时间Date/Time,风向Wdir(°),水平风速Wnd(m/s),侧向风速标准差Std_Uy(m/s),超声虚温Tv(K),水汽密度H2O(g/m3),二氧化碳浓度CO2(mg/m3),摩擦速度Ustar(m/s),奥布霍夫长度,感热通量Hs(W/m2),潜热通量LE(W/m2),二氧化碳通量Fc(mg/(m2s)),感热通量的质量标识QA_Hs,潜热通量的质量标识QA_LE。感热、潜热、二氧化碳通量的质量标识分为九级(质量标识1-3数据质量好,4-6数据质量较好,7-8数据质量较差(较插补数据好);9数据质量差)。数据时间的含义,如0:30代表0:00-0:30的平均;数据以*.xls格式存储。 观测试验或站点信息请参考Guo et al.(2020),数据处理请参考Liu et al. (2013)。
刘绍民, 徐自为
1)数据内容 本数据集包括巴木错、拉昂错2019-2021年夏秋季和龙木错2020-2021年夏秋季的湖泊蒸发数据。计算蒸发数据所需的气象数据通过在湖边架设的自动气象站获取,观测高度为1.5m。 湖泊位置:巴木错(90.59°E,31.29°N),拉昂错(81.24°E,30.72°N),龙木错(80.47°E,34.60°N)。 自动气象站坐标:巴木错AWS(90.65°E,31.30°N),拉昂错AWS(81.22°E,30.73°N),龙木错AWS(80.43°E,34.59°N)。 时间分辨率:1d 空间分辨率:- 单位:mm 2)数据来源及加工方法 整体输送法。计算公式如下: LH=l_v ρ_a c_E U(q_s-q_a ) E=LH/(ρl_v ) 其中LH、E分别为潜热、蒸发。 气象数据使用湖泊边架设的自动气象站,使用的观测数据包括1.5m处气温、风速、相对湿度等;湖表温度使用ERA5-land逐小时数据;动量粗糙度、水汽粗糙度及热量粗糙度通过巴木错和拉昂错架设的涡动相关仪获取的数据反算得到。 3)数据质量描述 将计算获取的2020年巴木错湖泊蒸发数据与架设在巴木错湖心岛的涡动相关仪获取的8-10月蒸发数据进行对比,pearson相关系数r=0.57,p=2.842E-8。 4)数据应用成果及前景 水面蒸发是水循环过程中的一个重要环节,是水文学研究中的一个重要课题。它作为湖泊水量损失的主要部分,也是研究陆面蒸发的基本参证资料。基于观测资料计算得到的蒸发量可以作为青藏高原湖泊的准确蒸发量,是研究湖泊水量平衡的重要基础,通过获取位于不同气候区的三个湖泊蒸发量,可以更好地探索湖泊水面蒸发在不同气候区的变化规律。
马卫垚, 马伟强, 何佳男, 谢志鹏, 苏荣明珠, 胡伟, 马耀明
青藏高原分区域动力降尺度(TPSDD)数据集是一个高空间-时间分辨率的网格数据集,用于整个青藏高原的陆地-空气交换过程和低层大气结构研究,并考虑到了青藏高原各分区域的气候特征。该数据集的时间跨度为1981年至2020年,时间分辨率为2小时,空间分辨率为10公里。数据集的气象要素包括近地表土地-空气交换参数,如向下/向上的长波/短波辐射通量、动量通量、显热通量、潜热通量等。此外,还包括从地表到对流层顶的3维风、温度、湿度和气压的垂直分布。通过比较观测数据和最新的ERA5再分析数据,对该数据集进行了独立评估。结果表明了该数据集的准确性和优越性,为未来的气候变化研究提供了巨大的潜力。
李斐, 马舒坡, 朱金焕, 邹捍, 李鹏, 周立波
数值试验:使用的气候模式是意大利理论物理研究中心(ICTP)开发的区域气候模式RegCM4.1。RegCM4.1区域模式模拟的试验中大气模式水平分辨率为50km,垂直方向18层;在线耦合沙尘模块。海温使用OISST插值的海温。试验包括中古新世地形试验(MP, ~60Ma BP,试验名称60ma_regcm4.1_xxx.nc)和晚渐新世(LO,~25Ma BP,试验名称25ma_regcM4.1_xxx.nc)两组。MP区域地形修改试验,将高原北部去掉,近似替代60Ma时期亚洲陆地的地形分布。BP区域地形修改试验,只将帕米尔高原地形去掉,近似替代25Ma时期亚洲陆地的地形分布。两个试验的沙尘源区没有变,均对在线打开了沙尘循环过程。 输出时间:所有试验都被积分了22年,使用了每个试验最后20年的平均结果。 数据可应用于解释高原周边不同区域干旱演化的差异。
孙辉
本数据集数据源为:欧洲航天局多光谱卫星Sentinel-2卫星。其中包含2017年青藏高原湖泊CDOM和DOC年均值数据。使用方法:基于实测样点的CDOM数据,提取影像反射率信息,通过皮尔森相关性分析选择最佳预测变量,构建多元逐步回归CDOM 预测模型,获得青藏高原水体CDOM结果。由于CDOM与DOC具有很好的相关性,所以DOC预测结果通过CDOM计算。最终青藏高原CDOM模型的调整R²达到0.81。
宋开山
数值试验:使用的气候模式是由英国气象局与英国大学联合开发的快速海-气耦合模式(FAMOUS)。FAMOUS模式中的大气模式水平分辨率为5°×7.5°,垂直方向有11层;海洋模式的水平分辨率为2.5°×3.75°,垂直方向有20层。大气和海洋每天耦合一次,无通量调整。 试验包括中古新世(MP, ~60Ma BP,试验名称flat_60ma_1xCO2_sea_3d_**100yr_mean.nc)和晚渐新世(LO, ~25Ma BP,试验名称orog_25ma_1xCO2_sea_3d_**100yr_mean.nc)。海陆分布数据主要取自全球海岸线基础数据集(缩写为Gplates,网址为http://www.gplates.org/),考虑到青藏高原等新生代地形的初始隆升约开始于50~55Ma(Searle等,1987),因而在MP试验中将全球地形高度均设置为0,以略去高原地形的作用。25Ma修正了格陵兰(Zachos等, 2001)、青藏高原(例如, Wang等,2014;Ding等,2014;Rowley和Currie, 2006;DeCelles等,2007;Polissar等,2009)。在重建青藏高原古地形时还考虑了其古纬度的变化(Besse等,1984;Chatterjee等,2013;Wei等,2013)。同时,参考新生代大气CO2变化(Beerling和Royer, 2011),2个时期的试验中大气CO2浓度均取工业革命前的值280ppmv(1ppmv=1mg L–1)。 为了简单起见,所有陆地植被和土壤特性都设置为全球均一的值,即在除南极洲外的每个陆地网格点上的各种陆面特性都被赋予工业革命前非冰川陆面的全球平均值,这样也便于突出检验海陆分布和地形变化的影响。此外,由于主要讨论百万年尺度特征地质时期的平均气候状态及其变化,因而可以略去轨道强迫的影响,即在所有试验中地球轨道参数均设置为其现代值。 输出时间:所有试验都被积分了1000年,使用了每个试验最后100年的平均结果。 本数据有助于探究新生代季风和干旱的形成演化机制。
刘晓东
全球3小时河道洪水再分析数据GRFR,包括1)1980-2019年全球0.05度,3小时/日格点陆面产流数据。2)全球294万条河段(基于90m数字高程模型提取),3小时/日天然径流模拟数据。3)全球3小时河道洪水事件数据。4)基础地形数据MERIT-Basins。 该数据集以分布式水文模型VIC和河道汇流模型RAPID为模型链核心,集合一系列多源数据和模型手段构建的全球高分辨率高精度天然河川径流模拟系统模拟而成。基于美国6000余个站点3小时和全球14000余个站点日径流观测资料的精度评估表明,该数据能够较好地再现3小时和日尺度径流过程,同时能够较好地捕捉洪水事件。详细过程请参阅参考文献。 该数据集为遥感卫星径流反演算法开发、全球洪水特性分析和物理机制分析尤其是无资料地区提供了强有力的新数据支撑。
杨媛, 潘铭, 林佩蓉
全球294万条河段的天然径流量模拟数据产品,单位m3/s。本数据是基于VIC水文过程模式与RAPID矢量河网汇流模型模拟得到。其中陆面水文过程模式空间分辨率为0.25°,矢量汇流模式中的河网数据基于90-m MERIT Hydro水文矫正地形数据产品提取。产流部分经过基于机器学习得到的径流特征值进行参数率定,并基于多分位数径流特征值进行了格点尺度的产流偏差矫正,经全球1.4万个径流观测站点验证,数据产品具有较优的验证精度。
林佩蓉, 潘铭, 杨媛
土壤水分是全球观测系统提出的关键气候变量之一,在陆气相互作用中起着重要作用。植被光学厚度是微波辐射传输过程中衡量植被衰减特性的关键参数,在植被水力学、植被物候学和生物量研究领域中有着广泛应用。 本数据集基于AMSR-E和AMSR2交叉定标亮度温度数据,使用多通道协同反演算法(MCCA)获得了全球第一套具有极化差异的多波段(C/X/Ku)植被光学厚度产品及土壤水分产品。该算法(MCCA)能综合考虑多个通道之间的物理关系,能同时反演出土壤水分和具有频率差异,极化差异的植被光学厚度。 本数据集使用了来自国际土壤水分观测网络和美国农业部发布的共25个土壤水分密集观测站网进行验证,结果表明,在目前公开的与AMSR-E/2相关的土壤水分数据集中,MCCA土壤水分的无偏均方根误差(ubRMSE)最小。此外,MCCA反演得到的具有频率和极化差异的植被光学厚度数据可为植被生理过程中的水通量研究提供新的见解。
胡路, 赵天杰, 居为民, 彭志晴, 姚盼盼, 施建成
通过国家气象信息中心、水文年鉴、中国统计年鉴及中国科学院地理科学与资源研究所等单位收集了水文气象及、土地利用及DEM等基础数据。采用具有自主知识产权的分布式时变增益水文模型进行建模,以100平方千米阈值将青藏高原划分成10937个子流域。在黑河、雅鲁藏布江、长江源、黄河源、雅砻江、岷江、澜沧江流域选取了14个流量站观测日流量数据对模型进行了拟定与验证。日尺度纳西效率系数达到0.7以上相关系数达到0.8以上。采用了CMIP6提供的13个模型4种情景输出的降水与气温数据,对未来降水与气温数据进行后处理,后处理后的降水与气温驱动水文模型,模拟出2046-2065年水循环过程,给出全青藏高原空间0.1度日尺度径流未来可能时空分布。
叶爱中
采用三个不同的数据源,包括1920年代的民国初期地图、1960年代的数字化地形图和1970-2020年的Landsat MSS/TM/ETM+/OLI影像。1920年代民国初期地图进行了扫描、几何校正和地理参考校正。1960年代使用1:250 000的地形图。所有地图都是以Albers等圆锥投影法进行地理参照,均方根(RMS)误差小于1.5个像元。针对早期地图,选择目视解译和手工数字化来对湖泊边界进行矢量化。从1990年开始,对Landsat影像采用半自动的水体分类方法来区分水体和非水体信息,然后提取湖泊边界,并通过与原始Landsat图像的比较进行目视检查和人工编辑。
张国庆, 冉有华
基于我国高分一号及二号数据,采用深度学习分类方法,结合人工目视解译修正,生产出青藏工程走廊冻融灾害分布数据。数据地理范围为青藏公路西大滩至安多段沿线40km范围。数据包括热融湖塘分布数据及热融滑坡分布数据。该数据集可为青藏工程走廊冻融灾害的研究工作及工程防灾减灾提供数据基础。青藏公路西大滩至安多段沿线40km范围冻融灾害空间分布基于国产高分二号影像数据自制。首先,利用深度学习方法从高分二号数据中提取泥流阶地区块;然后,利用ArcGIS进行人工编辑,将数据解译后合在一张图上可现实。
牛富俊, 罗京
本数据是基于气象观测数据、水文站点数据,结合各种同化数据和遥感数据,通过耦合积雪、冰川和冻土物理过程的青藏高原多圈层水文模型系统WEB-DHM(基于水和能量平衡的分布式水文模型)制备生成,时间分辨率为月尺度,空间分辨率为5km,原始数据格式为ASCII文本格式,数据种类包括格网径流与蒸发(若蒸发小于0,则表示凝华;若径流小于0,则表示当月降水小于蒸发)。若asc无法在arcmap中正常打开,请将asc文件前5行顶格。
王磊, 柴晨好
本数据是基于气象观测数据、水文站点数据,结合各种同化数据和遥感数据,通过耦合积雪、冰川和冻土物理过程的青藏高原多圈层水文模型系统WEB-DHM(基于水和能量平衡的分布式水文模型)制备生成,时间分辨率为月尺度,空间分辨率为5km,原始数据格式为ASCII文本格式,数据种类包括格网径流与蒸发(若蒸发小于0,则表示凝华;若径流小于0,则表示当月降水小于蒸发)。若asc无法在arcmap中正常打开,请将asc文件前5行顶格。
王磊, 刘虎
水是人类赖以生存与发展的物质基础,也是我们感知和应对气候变化的重要媒介。受独特季风气候与阶梯状地形影响,中国水资源分布极不均匀,缺水问题突出,是全球水资源极度脆弱的地区之一。人类活动与气候变化的复合作用,进一步加剧了中国水循环过程研究的复杂性。因此,迫切需要一套质量可靠、时空连续,且剔除大规模人类活动影响下的天然径流数据,为水循环研究提供本底数据支持。然而,中国现有的天然径流资料缺失率较高,参考站点密度不足,在年际和季节变化尺度上存在较大偏差,难以客观揭示大尺度径流变化的自然规律。本研究建立了一套长时序、全覆盖、高质量、时空连续的天然河川径流资料,命名为CNRD v1.0(The China Natural Runoff Dataset version 1.0)。CNRD v1.0提供1961年1月1日至2018年12月31日中国0.25°×0.25°天然径流估算量日值、月值和年值。200个有资料水文站点率定结果显示,模型参数在大多数站点得到了充分校准,模型纳什效率系数(NSE)在率定期和验证期的平均值分别为0.83和0.80。无资料流域交叉验证结果显示,MPR方法提供了最佳的区域化方案,率定期 NSE中位数为0.76,验证期NSE中位数为0.72。结果总体显示水文模型参数率定和区域化表现良好,可用于长时序径流资料重建。另外,通过与两套全球径流格点数据集ISIMIP和GRUN比较,发现CNRD v1.0数据集的径流空间分布上过渡更加连续,且在表示中国复杂地形和气候理分划下的水资源空间分布方面优于全球径流数据集。
缪驰远, 苟娇娇
该物候数据基于青藏高原2000-2015年MOD13A2数据(时间分辨率为16天,空间分辨率为1km),利用TIMESAT软件中分段高斯函数拟合NDVI曲线,采用动态阈值方法提取春季物候、秋季物候以及生长季长度,其中春季物候和秋季物候的阈值分别设置为0.2和0.7。此物候数据进行了掩膜处理。其中,掩膜规则为:1)必须满足NDVI的最大值出现在6-9月份之间;2)6-9月份NDVI均值不能小于0.2;3)冬季的NDVI均值不能超过0.3。
俎佳星, 张扬建
该数据集为全球植被生产力数据,包含总初级生产力(GPP)、净初级生产力(NPP)和净生态系统生产力(NEP)3部分,由耦合模式比较计划第6阶段(CMIP6)中BCC-ESM1模式在Historical情景下模拟得到。数据时间范围为1850-2014年,时间分辨率为月,空间分辨率约为2.8125°。模拟数据详细说明可见链接https://www.wdc-climate.de/ui/cmip6?input=CMIP6.CMIP.BCC.BCC-ESM1。
郑周涛
生物圈对大气的反馈是全球变化研究的核心内容之一,在大气CO2浓度上升的情况下,陆地生态系统的行为是预测这种反馈效应的主要不确定性因素。CO2浓度升高(eCO2)可以通过增加羧化作用和抑制光呼吸速率直接刺激植物生长和生态系统C的吸收。通过CO2施肥效应(CFE)对光合作用和碳固存的影响,陆地生态系统可以缓冲大气CO2浓度的激增,进而减缓气候变化。为研究CO2加富对植被生产力的影响,在青藏高原北部那曲草原站(31°38′31″N, 92°00′54″E,海拔4600m)开展了CO2加富试验。试验采用分区设计,CO2为主处理因子,N为次处理因子;总共四个实验处理,跨越两个CO2浓度水平[环境CO2 (aCO2),升高CO2(eCO2): +100ppm]。考虑到研究区域的植被高度低和多风的天气,采用八角形开顶室(OTCs)来控制二氧化碳浓度,而不是自由FACE系统。OTC设计高2.5米,每边长1.5米,每个OTC占地7.7平方米。
张扬建
该数据集是那曲通量站点(31.64°N 92.01°E, 4598 m a.s.l.)的每日涡度相关通量观测数据,包括生态系统净生态系统生产力(NEP)、总初级生产力(GPP)和生态系统呼吸(ER)数据。该数据预处理主要步骤包括野点去除(±3σ)、坐标轴旋转(三维风旋转)、Webb-Pearman-Leuning校正、异常值剔除、碳通量插补与分解等,缺失数据通过CO2通量值(Fc)与环境因子之间的非线性经验公式进行插补。
张扬建
植被调查数据是研究生态系统结构与功能必不可少的数据。青藏高原地区蕴含广袤的草地生态系统,主要包括高寒草甸、高寒草地、以及高寒荒漠化的草地。由于独特的地理位置以及高海拔缺氧的环境条件,在藏北高原的群落调查数据较为稀少。本数据集包括2019年藏北样带上47个采样点的的地上生物量和盖度数据,采样时间为7-8月。样方大小为50cm×50cm,烘干后称取植物干重。本数据集可用于生产力的空间分析与模型的校准工作。
张扬建, 朱军涛
该数据集是那曲通量站点(31.64°N 92.01°E, 4598 m a.s.l.)的每日涡度相关通量观测数据,包括净生态系统生产力(NEP)、总初级生产力(GPP)、生态系统呼吸(ER)、蒸散、潜热、感热、空气温度、相对湿度、风速、土壤温度、土壤含水量等数据。该数据预处理主要步骤包括野点去除(±3σ)、坐标轴旋转(三维风旋转)、Webb-Pearman-Leuning校正、异常值剔除、碳通量插补与分解等,缺失数据通过CO2通量值(Fc)与环境因子之间的非线性经验公式进行插补。
张扬建
该数据集为全球呼吸数据,包含自养呼吸(ra)和异养呼吸(rh)两部分,由耦合模式比较计划第6阶段(CMIP6)中TaiESM1模式在Historical情景下模拟得到。数据时间范围为1850-2014年,时间分辨率为月,空间分辨率约为0.9°x1.25°。模拟数据详细说明可见链接https://www.wdc-climate.de/ui/cmip6?input=CMIP6.CMIP.AS-RCEC.TaiESM1.historical。
美国气候模式诊断和对比计划委员会
本数据集为基于PEW模型的全球地表蒸散发产品, PEW模型是基于等比例假设建立的水-能平衡蒸散发模型(Proportionality hypothesis-based surface Energy-Water balance model),其原理是在Priestley Taylor(PT)蒸散发算法的基础上,耦合基于等比例假设构造的水热平衡框架。PEW模型可以同时考虑水量平衡约束和能量收支过程的影响,使得PEW模型模拟精度相较于以往的模型有一定程度的提升。PEW的输入数据包括ERA5-land数据集气象和土壤含水量变化等数据,本数据集时间跨度为1982年-2018年,时间分辨率为逐月,空间分辨率为0.1°。本数据集可为研究长时间尺度水循环和气候变化提供基础。
傅健宇, 王卫光
本数据集为过去40年黄河源和祁连山区水量平衡(降水、蒸散发、径流、土壤液态含水量)、能量平衡(短波辐射、感热、潜热和表层土壤温度)数据集。初始数据源为ERA5-Land月平均数据,通过时间聚合累积/平均到年尺度。数据的时间范围为1981-2020年,空间范围为88.5°E – 104.5°E、32°N - 43°N,空间分辨率0.1°。数据集可进一步用于黄河源区与祁连山区生态-水文过程相关研究,为“山水林田湖草”系统优化调配提供科学依据。
郑东海
本数据集来源于论文:(1)He, C., Liu, Z., Tian, J., & Ma, Q., (2014). Urban expansion dynamics and natural habitat loss in China: a multiscale landscape perspective. Global change biology, 20(9), 2886-2902.(2)Xu, M., He, C., Liu, Z., Dou, Y. (2016). How Did Urban Land Expand in China between 1992 and 2015? A Multi-Scale Landscape Analysis. PLoS ONE 11(5): e0154839。本数据集的制作流程主要包括:(1)对夜间灯光数据、植被指数数据和地表温度数据进行预处理,得到了1992-2020年覆盖全国范围的多源遥感数据;(2)通过经济分区、选取训练样本、支持向量机分类和年际序列订正,获取城市建成区动态信息。利用Landsat TM/ETM+数据进行精度评价,得到Kappa系数为0.60,总体精度为92.62%。该数据集已用于评估城市扩展过程对自然生境和耕地的影响,能够为理解中国城市扩展过程及其影响提供数据支持。
何春阳, 刘志锋, 许敏, 卢文路
在全球变化的大背景下,时空连续的高质量高分辨率长时间序列降水数据集对理解全球“水-碳-能”和生物地球化学的循环机制具有重要意义。研究提出的基于总量控制的日尺度融合矫正算法(Daily Total Volume Controlled Merging and Disaggregation Algorithm, DTVCMDA),有效考虑了再分析降水数据时空连续且高时空分辨率的特点,以及地面分析数据高质量的特性,制作了一套亚洲地区七十余年长时间序列高质量高时空分辨率降水数据集AERA5-Asia (0.1°, hourly, 1951-2015, Asia)。该数据集的主要特点如下:(1)AERA5-Asia是一套具有高分辨率、高质量、时空连续以及长时间序列的数据集;(2)AERA5-Asia显著优于IMERG-Final和ERA5-Land降水数据,尤其是在系统偏差方面,总体来看,AERA5-Asia、IMERG-Final和ERA5-Land相比地面观测的偏差分别为~5%,~11%和~20%;(3)在极端强降水中(如台风“潭美”和“天兔”),AERA5-Asia的质量也是显著优于ERA5-Land和IMERG-Final。 AERA5-Asia将为亚洲地区、尤其是中国区域的天气气候和水文等领域的相关研究提供稳定可靠的降水数据支撑。
马自强, 马耀明, 马伟强, 许金涛
作物物候是指农作物达到关键生育期时对应的日期。华北平原的主要种植模式是冬小麦和夏玉米轮作,冬小麦和夏玉米关键物候期的变化反映了其生长发育对气候条件和生产管理措施的响应情况和适应性,是评估该地区作物生长状态、灌溉耗水情况的关键参数。 本研究以华北平原冬小麦-夏玉米稳定种植区为研究范围,使用1982-2015年GIMMS3g NDVI数据,综合曲线最大值、最小值、斜率、百分量值等多个特征参数,提取了冬小麦和夏玉米的关键物候期:开始日(SOS),峰值日(PEAK)和结束日(EOS)。提取物候与农气站点记录物候期进行对比,R²在0.9以上,准确度高。(详细过程请见参考文献) 该物候数据集可应用于该地区计算冬小麦和夏玉米生产力、对气候变化响应、灌溉耗水量估算等相关研究。
雷慧闽
华北平原是我国重要的粮食产区,耕地面积广大,种植结构复杂,准确识别该地区典型农作物分布,及时追踪种植结构的动态变化,是检测作物生长、评估作物灌溉耗水和优化农业水资源配置的重要基础。 本研究使用遥感MOD13Q1 NDVI数据,经傅里叶变换后选取0-5级谐波的振幅和初相位作物分类底图。基于现场调研的实测样本点和最大似然监督分类,识别了2001-2018年华北平原6类典型作物(冬小麦-夏玉米、冬小麦-水稻、其他双峰类作物、春玉米、棉花、其他单峰类作物)的种植区分布。识别结果经过混淆矩阵、与县级统计年鉴的冬小麦播种区比较以及与Landsat提取冬小麦占比比较进行了精度评价,均表现良好,准确度高。(详细过程请看参考文献) 数据可被应用于华北平原作物生产、灌溉耗水估算、地下水保护等相关研究分析。
雷慧闽
本数据集来源于论文:He, C., Liu, Z., Wu, J., Pan, X., Fang, Z., Li, J., Bryan., B.A. (2021). Future global urban water scarcity and potential solutions. Nature Communications, 12, 4667。本数据集包括2020-2070年全球不同共享社会经济路径下的城市建成区信息。本数据集的制作流程主要包括:(1)基于全球1992-2016年城市建成区数据(下载地址:https://doi.pangaea.de/10.1594/PANGAEA.892684)和城市人口数据建立线性回归模型,计算未来城市建成区的数量需求;(2)使用LUSD-urban模型模拟未来城市建成区的空间格局。该数据集能够为评估全球未来城市扩展过程的影响提供数据支撑。
何春阳, 刘志锋, 杨延杰
本数据集来源于论文:Huang, M., Wang, Z.C., Pan, X.H., Gong, B.H., Tu, M.Z., & Liu, Z.F. (2022). Delimiting China's urban growth boundaries under localized shared socioeconomic pathways and various urban expansion modes. Earth's Future, 10, e2021EF002572。本套数据集展示了不同社会经济情景和不同扩展模式下中国2021-2100年城市建成区的扩展过程和城市空间增长边界(也可称为城市扩展边界)。本数据集的制作流程主要包括:(1)基于本地化后的共享社会经济路径,利用基于斑块的LUSD-urban模型,模拟了11种扩展模式下的城市扩展过程;(2)基于最大扩展范围,利用空间形态学方法对城市扩展动态信息进行处理,划定了中国各省级行政区的城市空间增长边界。作者利用该套数据分析了不同情景和不同扩展模式下城市扩展过程对生态系统服务的影响以及城市收缩压力,可为合理划定城镇开发边界提供参考。
黄妙, 王梓晨, 潘鑫豪, 龚炳华, 涂梦昭, 刘志锋
本数据集为过去20年间(2001-2020)青藏高原生长季NDVI与植被物候数据集,数据来源为MODIS(MOD13A2)产品,空间分辨率为1km。数据集内容包括:2001-2020年每年生长季(5-9月)平均NDVI、生长季开始日期(SOS)、生长季结束日期(EOS)与生长季长度(DOS)。提取物候采用了两种方法:动态阈值方法和双对数函数法。数据格式为TIFF格式,投影为Sphere_ARC_INFO_Lambert_Azimuthal_Equal_Area。
王泰华, 杨大文
地表实际蒸散发是陆表水循环的关键环节,同时也是能量平衡的重要支出项,且与地表碳收支密切相关,其准确估算不仅对于研究地球系统和全球气候变化具有重要意义,而且对于水资源有效开发利用、农作物需水生产管理、旱情监测和预测、天气预报等方面具有十分重要的应用价值。ETMonitor全球逐日1公里分辨率地表实际蒸散发数据集是基于多参数化、适用于不同土地覆盖类型的地表蒸散发遥感估算模型ETMonitor计算得到,输入数据主要采用的遥感数据包括GLASS产品(叶面积指数、植被覆盖度和反照率)、MODIS产品(地表覆盖、积雪覆盖)、动态地表水体覆盖、ESA CCI土壤水分、GPM降水等,并结合欧洲中期天气预报中心的ERA5全球大气再分析数据等。利用ETMonitor模型在日尺度上估算1公里分辨率像元尺度的植被蒸腾、土壤蒸发、冠层降水截留蒸发、水面蒸发和冰雪升华,并对各分量求和获得逐像元逐日蒸散发量。利用FLUXNET等地面观测数据进行直接验证,估算结果与地面实测数据一致性较好,逐日蒸散发验证RMSE为0.93mm/d,误差为0.08 mm/d,相关系数为0.75。本数据集将ETMonitor估算获得的逐日蒸散发值(https://doi.org//10.12237/casearth.6253cddc819aec49731a4bc2)进行累积求和运算,获得逐月蒸散发,并转为经纬度投影进行公开发布。本数据集覆盖全球,时间步长为每月,空间分辨率为1公里,单位为mm/月,数据类型为整型,缩放系数为0.1,无效值填充-1。
郑超磊, 贾立, 胡光成
水体覆盖是水循环、能量平衡的基本参数之一。本数据集以1982-2020年AVHRR逐日反射率时间序列为基础,生产了青藏高原39年超长期逐日水体制图产品(包含水体结冰信息)。本数据集包含39个文件夹,以年份命名(从1982年到2020年),每个文件夹包含365/366个GeoTiff文件,每个文件包含两个波段:(1)水体制图波段(WaterLayer);(2)质量控制信息波段(QC)。本产品为青藏高原水体遥感监测提供数据支撑。
计璐艳
森林碳密度是量化区域碳储量及其变化的重要参数,然而现有研究存在分辨率粗且不确定大的问题。为此,研究基于地面调查数据,结合星载激光雷达(GEDI)和Landsat图像,利用深度学习自动挖掘了多维度图像特征,绘制了30米空间分辨率中国东北地区的森林地上碳密度。结果与野外实测数据具有较好的一致性(R2=0.84 RMSE=6.28 ),研究提供的结果将为区域碳动态监测提供基准数据。 碳密度数据单位MgC ha-1
王晓昳, 汪涛, 吕冠廷
该数据集是通过中国高分辨率对地观测中心获取了青藏工程走廊地区的高分1号卫星遥感影像资料,经过多光谱与全色波段的融合处理,得到了空间分辨率2 m的影像数据,在获取地面植被信息过程中,采用面向对象的计算机自动解译与人工目视解译相结合的分类技术,面向对象分类技术是集合邻近像元为对象来识别感兴趣的光谱要素,充分利用高分辨率的全色和多光谱数据空间、纹理和光谱信息来分割和分类,以高精度的分类结果或者矢量输出。在实际操作中,借助 eCognition 软件对影像进行自动提取,主要过程为影像分割、信息提取和精度评价。经过与实地定点调查验证,整体提取精度大于90%。
牛富俊
本数据包括青藏高原中部的25个湖泊的细菌16S核糖体RNA基因序列数据,样品采集时间为2015年7月-8月,使用2.5升采样器对地表水进行了三次重复采样。样品采集后立即带回北京青藏高原研究所生态实验室,所取盐湖的盐度梯度为0.14 ~ 118.07 g/L。本数据为扩增子测序结果。将湖水在0.6 atm过滤压力下浓缩到至0.22μm膜上,然后通过FastDNA SPIN Kit 提试剂盒提取DNA,16S rRNA基因片段扩增引物为515F (5'-GTGCCAGCMGCCGCGGTAA-3') and 909r (5'-GGACTACHVGGGTWTCTAAT-3')。使用Illumina MiSeq PE250测序仪进行对端测序,原始数据通过Mothur软件进行分析,序列与Silva128数据库进行比对并以97%的同源性将序列划分为操作分类单元(OTU)。本数据可用于分析青藏高原湖泊微生物多样性研究。
孔维栋
本数据包括青藏高原纳木错地区土壤细菌分布数据,可用来探索围栏和放牧对纳木错地区土壤微生物的季节性影响,样品采集时间为2015年5月至9月,土壤样品用冰袋保存,运回北京青藏高原研究所生态实验室;本数据为扩增子测序结果,使用MoBio Powersoil™DNA分离试剂盒提取土壤DNA,引物为515F (5'-GTGCCAGCMGCCGCGGTAA-3')和806R (5'GGACTACNVGGGTWTCTAAT-3'),扩增后的片段通过Illumina Miseq PE250方式测序。原始数据通过Qiime软件进行分析,之后计算序列之间相似度,并在相似度在97%以上的序列聚类为一个OTU。采用Greengenes参考文库进行序列比对,去除了只在数据库中出现一次的序列。土壤含水率和土壤温度由土壤温湿度计测得,土壤pH值用pH计测定(Sartorius PB-10, Germany),用2 M KCl(土壤/溶液,1:5)提取土壤硝态氮(NO3−)和铵态氮(NH4+)浓度,并用Smartchem200离散自动分析仪进行分析。本数据集对研究干旱半干旱草原土壤微生物多样性具有重大意义。
孔维栋
青藏高原草地土壤细菌多样性数据。样品采集时间为2017年7月至8月,包含高寒草甸,典型草原,荒漠草原3种生态系统共计120个样品。土壤表层样品采集后用冰袋保存,运回北京青藏高原研究所生态实验室,通过MO BIO PowerSoil DNA试剂盒提取土壤DNA,16S rRNA基因片段扩增引物为515F (5'-GTGCCAGCMGCCGCGGTAA-3') and 806R (5´GGACTACNVGGGTWTCTAAT-3´),扩增后的片段通过Illumina Miseq PE250方式测序。原始数据通过Qiime软件分析,序列分类依据Silva128数据库,将相似度在97%以上的序列聚类为一个操作分类单元(OTU)。本数据系统地比较了青藏高原样带草地土壤微生物的细菌多样性,对研究微生物在青藏高原的分布具有重大意义。
孔维栋
本数据集包括2000-2018年青藏高原植被生长季开始日期、结束日期多年平均空间分布格局,1982-1999年和2000-2020年青藏高原植被生长季开始日期、结束日期的时间变化趋势。该数据集以AVHRR NDVI、MODIS NDVI、EVI为基础,通过四个步骤最小化植被指数时间序列的偏差和噪声。首先,去除无植被覆盖、低植被覆盖或季节性较弱的植被对应的像元;其次,将冬季(12月至3月初)受积雪、冰或两者污染的植被指数替换为冬季未受污染的高质量的植被指数的平均值;其他季节由云和气溶胶引起的植被指数负偏差通过Savitzky-Golay方法进行校准;最后,使用双逻辑斯蒂或改良后的双逻辑斯蒂函数拟合年植被指数时间序列。基于阈值和拐点的方法,逐像元提取青藏高原植被生长季开始日期、结束日期。数据的空间分辨率为250m和1/12°。数据质量可靠。
沈妙根
数据内容:该数据集是青藏高原重点河湖研究区的国产高分系列(GF1/2/3/4)2015-2020年历史存档卫星数据,可覆盖典型河湖区进行有效监测,数据的时间范围为2015-2020年。数据来源和加工方法:数据为1级产品,经过均衡化辐射校正,通过不同检测器的均衡功能对影响传感器的变化进行校正,部分数据基于同时期的Landsat8影像为底图,选取控制点,进行图像几何校正,之后基于DEM数据进行正射校正,并对相应的数据进行波段融合处理。数据质量描述:高分系列卫星由中国资源卫星应用中心负责处理,有中科院空天院卫星地面接收站接收的原始数据和经过加工处理形成的各级产品。其中,1A级(预处理级辐射校正影像产品):经数据解析、均一化辐射校正、去噪、MTFC、CCD拼接、波段配准等处理的影像数据;并提供卫星直传姿轨数据生产的RPC文件。具体参考中国资源卫星应用中心数据网站文件。数据应用成果及前景:数据为国产高分数据,分辨率高,可应用于监测青藏高原作为亚洲水塔的变化以及产生的影像,检验区内其他数据的准确性。
邱玉宝
及时准确地监测绿洲的时空格局和动态变化对干旱区社会经济的可持续发展至关重要。本研究基于1986年、1990年、1995年、2000年、2005年、2010年、2015年、2018年、2020年共计9期Landsat TM/OLI影像数据,采用OSTU阈值法和人工目视解译相结合的方法获取1986~2020年河西走廊绿洲分布数据,并结合高分辨率Google Earth影像和实地验证数据基于混淆矩阵的方法建立随机样点验证绿洲提取结果的准确性。河西走廊绿洲数据的总体精度超过94%,Kappa系数超过0.88。本数据集可以为河西绿洲生态环境保护提供数据支持。
颉耀文, 张学渊, 刘怡阳, 黄晓君, 李汝嫣, 宗乐丽, 肖敏, 秦梦瑶
青藏高原六大外流河(黄河、金沙江、雅砻江、怒江、澜沧江、雅鲁藏布江)平滩流量条件下河流表面SHP矢量数据,以1km为步长的平滩流量下河宽和面积的SHP矢量和XLS表格数据。 基于现场实测水文和大断面数据(1967-2020年),结合洪水频率分析,确定六大水系沿程的平滩流量、日期和河宽;采用MNDWI指数分别从Sentinel-2(2017-2020年)和Landsat5/7/8(1984-2020年)影像中提取平滩流量下河流表面矢量。 该数据库可作为全球水文数据集的补充,为研究青藏高原河床演变、河流生态、水文模拟、河流水-气界面物质交换等提供基础数据。
李丹, 薛源, 覃超, 吴保生, 陈博伟, 汪舸
(1)数据内容:全球气候-生态格局演变产品。时间范围包括历史时期1981-2020,空间分辨率0.5°,未来时期2021-2100(未来时期包含四个不同共享社会经济路径:SSP126,SSP245,SSP370,SSP585),空间分辨率1°,每20年1期。 (2)数据来源及加工方法:历史时期选用GLOBMAP 的叶面积指数数据为基础,未来时期融合三个CMIP6模式(ACCESS-ESM1-5,CanESM5,UKESM1-0-LL)的叶面积指数数据。通过多元线性回归构建温度、降水和辐射与叶面积指数之间的关系,提取相应的系数来表征各气候变量对叶面积指数的影响程度,最后通过RGB映射图来表征叶面积指数的气候因素的影响系数。 (3)数据质量描述:全球20年1期,历史时期2期(1981-2000;2001-2020),未来时期共包含四个共享社会经济路径(SSP126,SSP245,SSP370,SSP585),每个路径下4期(2021-2040;2041-2060;2061-2080;2081-2100)。 (4)数据应用成果及前景:该数据可用于气候变化背景下的植被和生态系统演变相关研究。
何斌
冰川表面反照率是冰川质量和能量平衡过程的一个关键参数。该数据内容包括亚洲高山区2000-2020消融期内(6月-8月)每年的年平均冰川表面反照率和年最小冰川表面反照率。基于MODIS 500m分辨率的每日积雪反照率产品(包括MOD10A1和MYD10A1),首先对上午星数据MOD10A1和下午星数据MYD10A1采用均值合成,其次采用±2天窗口内的数据采用均值滤波进行插值和空值填补,最后基于最小和平均值方法得到亚洲高山区冰川的年平均反照率和年最小反照率。相比较原始数据,数据的精度和覆盖程度都得到极大的提高。可为研究冰川反照率与物质平衡之间的关系以及建立相关冰川模型提供冰面反照率输入数据。
肖瑶
东南亚国家及澜湄流域水资源模拟数据(1980-2019)是使用WRF模式输出的气象数据作为驱动数据,并通过WAYS模型模拟的结果。数据包含东南亚陆地区域1980-2019年的蒸散发、地表径流、地下径流、总径流、地下水、下渗、土壤湿度数据,时间分辨率为每日,空间分辨率为3km。数据情况整体良好,但由于模型的局限性,少部分变量模拟结果存在一定误差,不推荐对数据精度有较高要求的研究使用。数据能一定程度上反应东南亚地区水资源情况,对相关研究提供数据支持。
刘俊国
本数据集基于2020年对西藏一江两河区、藏东南、川西藏东横断山区农田生产经营管理实地调查的数据。样本选择对西藏一江两河区、藏东南、川西藏东横断山区, 首先,运用典型抽样方法,确定样本县、样本镇、样本村; 然后根据农户的基本情况,在每个县抽取1个样本乡镇,每个乡镇抽取1个样本村,最后,运用随机抽样方法,在每个样本村随机抽取1个农户。该数据集访问记录了调查地块的基本信息,受访农户的基本情况,包括受教育水平、消费水平等信息,农业种植面积等。该数据集为实地调查、访问获得数据,可用于分析青藏高原农业种植基本情况分析,为进一步完善政府扶持政策的对策建议提供理论依据。
唐亚伟
本数据集基于《西藏统计年鉴》以及《青海统计年鉴》(2020),两本书籍收录了2019年以来西藏自治区及青海省的经济和社会发展等各方面的统计数据,主要从1951至2020年对农业方面进行摘取,从农村和农业基本情况、农村基本情况、乡村从业人员、分地市农林牧渔业总产值、主要农作物播种面积、主要农产品产量、主要农产品单位面积产量、农作物播种面积及产量以及耕地面积等方面,以及和平解放以来各个时期的主要统计数据,是国内外各界人士了解青藏高原、认识青藏高原的重要统计资料。
唐亚伟
本数据来自2020年7月-8月期间在西藏一江两河区、藏东南、川西藏东横断山区进行随机问卷调查,该数据集主要包括农业废弃物利用数据(秸秆利用途径和畜禽废物利用途径),秸秆利用途径主要包括还田、燃料、饲料和堆肥,畜禽粪便利用途径主要为燃料和肥料。被访人员主要以熟悉家庭情况的成年人为主,有部分村以小组计算产量。问卷设计以科学性、适用性、可行性、典型性、具体性为原则,面向以上区域设计了《入户调查表》。为了确保调查问卷设计内容的信度和效度,正式调查之前对问卷进行了预调查,进一步修改完善调查问卷存在问题。在问卷调查正式开始之前对调查人员进行了调查问卷内容的讲解和调查技能培训。
宋大刚
光合作用是连接碳和水循环的关键过程,卫星检索的日光诱导叶绿素荧光 (SIF) 可以作为光合作用的有价值的代理。Copernicus Sentinel-5P 任务上的TROPOspheric Monitoring Instrument (TROPOMI) 能够显着改进提供高空间和时间分辨率的 SIF 观测,但数据记录的短时间覆盖限制了其在长期研究中的应用。我们使用机器学习在具有高时空分辨率(0.05°,8 天)的晴朗天空条件下重建 2001-2020 年期间的 TROPOMI SIF (RTSIF)。我们的机器学习模型在训练和测试数据集上表现良好(R^2 = 0.907, regression slope = 1.001)。RTSIF 数据集针对 TROPOMI SIF 和基于塔的 SIF 进行了验证,并与其他卫星衍生的 SIF(GOME-2 SIF 和 OCO-2 SIF)进行了比较。 RTSIF 与总初级生产 (GPP) 的比较说明了 RTSIF 在估算碳通量方面的潜力。这个数据集将在评估长期陆地生态系统光合作用和全球碳水通量方面有重要价值。
陈星安, 黄跃飞, 聂冲, 张硕, 王光谦, 陈世鎏, 陈志超
通过国家气象信息中心、水文年鉴、中国统计年鉴及中国科学院地理科学与资源研究所等单位收集了水文气象及、土地利用及DEM等基础数据。采用具有自主知识产权的分布式时变增益水文模型(DTVGM: Distributed Time—Variant Gain Hydrological Model)进行建模,以100平方千米阈值将青藏高原划分成10937个子流域。在黑河、雅鲁藏布江、长江源、黄河源、雅砻江、岷江、澜沧江流域选取了14个流量站观测日流量数据对模型进行了拟定与验证。日尺度纳西效率系数达到0.7以上相关系数达到0.8以上,实际蒸发模拟同气象局公开的站点观测基本一致。模型模拟出1998-2017年水循环过程,经过验证之后,给出全青藏高原空间0.01度日尺度实际蒸发(包含土壤蒸发和植物蒸腾)时空分布。
叶爱中
通过国家气象信息中心、水文年鉴、中国统计年鉴及中国科学院地理科学与资源研究所等单位收集了水文气象及、土地利用及DEM等基础数据。采用具有自主知识产权的分布式时变增益水文模型(DTVGM: distributed time-variant gain model)进行建模,以100平方千米阈值将青藏高原划分成10937个子流域。在黑河、雅鲁藏布江、长江源、黄河源、雅砻江、岷江、澜沧江流域选取了14个流量站观测日流量数据对模型进行了拟定与验证。日尺度纳西效率系数达到0.7以上相关系数达到0.8以上。模型模拟出1998-2017年水循环过程,给出全青藏高原空间0.01度日尺度径流时空分布。
叶爱中
《2015年第三极部分湖泊水体细菌后处理产品和常规水质参数》数据集收集了2015年期间青藏高原地区部分湖泊水体采样细菌分析结果和常规水质参数。通过整理归纳汇总得到2015年第三极部分湖泊水体细菌后处理产品,数据格式为excel,方便用户查看。样品由计慕侃老师采集于2015年7月1日至7月15日,包含28个湖泊(巴木错,白马纳木错,班戈错(盐湖), 班公错,崩错,别若则错,错鄂(申扎),错鄂(那曲),达瓦错,当穹错,当惹雍错,洞错,鄂雅错,公珠错,果根错,甲热布错,玛旁雍错,纳木错,聂尔错(盐湖),诺尔玛错,朋彦错(盐湖),蓬错,枪勇错,色林错,吴如错,物玛错,扎日南木错,扎西错),共计138个样品。其中湖泊水体细菌DNA提取方法如下:湖水过滤到0.45膜上,然后通过MO BIO PowerSoil DNA试剂盒提取DNA。16S rRNA基因片段扩增引物为515F (5'-GTGCCAGCMGCCGCGGTAA-3') and 909r (5'-GGACTACHVGGGTWTCTAAT-3')。测序方式为Illumina MiSeq PE250,原始数据通过Mothur软件分析,包括quality filtering, chimera removal,序列分类依据Silva109数据库,古菌、真核和未知来源序列已被移除。OTU以97%相似度分类,然后移除仅在数据库中出现一次的序列。常规水质检测参数包括:溶解氧、电导率、溶解性总固体、盐度、氧化还原电位、不挥发有机碳、总氮等。其中,溶解氧采用电极极谱法;电导率采用电导率仪;盐度采用盐度计;溶解性总固体采用TDS测试仪;氧化还原电位采用ORP在线分析仪;不挥发有机碳采用TOC分析仪;总氮采用分光光度法分别得到水质参数结果供参考。
叶爱中
该数据集包含北极两条大河 (北美:Mackenzie,欧亚:Lena)的观测及模拟的入海径流量及各径流成分(总径流、冰川径流、融雪径流、降雨径流)的组成,时间分辨率为月。该数据是利用项目组制作的气象驱动场数据驱动发展的VIC-CAS模型,利用观测的径流及遥感积雪数据进行校正,径流的模拟的Nash效率系数达到0.85以上,模型也能较好地模拟积雪的空间分布和年内、年际变化。 该数据可用于分析长期的流域径流的组成及变化原因,加深对北极大河径流变化的理解。
赵求东, 吴玉伟
本产品提供了项目组发展的陆面模式VIC-CAS数值模拟的1971-2017年北极两条大河(北美大陆:Mackenzie,欧亚大陆:Lena)的水循环关键变量数据集,包括:降水量、蒸散发、地表径流、地下径流、冰川径流、雪水当量和三层土壤湿度等7个变量。该数据集空间分辨率为0.1degree,时间分辨率为月。该数据集可用于长期气候变化下北极大河流域水量平衡变化分析,也可用于遥感数据产品及其他模型模拟结果的对比和验证。
赵求东, 王宁练, 吴玉伟
本产品提供了项目组发展的陆面模式VIC-CAS数值模拟的1998-2017年北极两条大河(北美大陆:Mackenzie,欧亚大陆:Lena)的水循环关键变量数据集,包括:降水量、蒸散发、地表径流、地下径流、冰川径流、雪水当量和三层土壤湿度等7个变量。该数据集空间分辨率为50km,时间分辨率为月。该数据集可用于气候变化下北极大河流域水量平衡变化分析,也可用于遥感数据产品及其他模型模拟结果的对比和验证。
赵求东, 王宁练, 吴玉伟
典型年三极土壤微生物后处理产品收集了2005-2006年期间南北极地区土壤采样细菌分布分析结果和2015年期间青藏高原地区土壤采样细菌分布分析结果。通过整理归纳汇总得到三极区域土壤微生物后处理数据产品,数据格式为excel,方便用户查看。其中南北极地区样品采集时间为2005年12月13日至2006年12月8日,包含北极3个地区52个样品(Spitsbergen Slijeringa,Spitsbergen Vestpynten,及Alexandra Fjord Highlands),南极5个地区171个样品(Mitchell Peninsula,Casey station main power house, Robinsons Ridge,Herring Island,Browning Peninsula);青藏高原采集时间为2015年7月1日至7月15日,包含草甸,草原,荒漠3种生态系统,共计18个采样点位,每个采样点位样品个数为3-5个。采样点降水、气温和干旱度由气象信息估算得到,供读者参考。土壤表层样品采集后用液氮保存,运回悉尼实验室,通过FastPrep DNA试剂盒提取。提取后的DNA样品使用27F(5'-GAGTTTGATCNTGGCTCA-3')和 519R (5'-GTNTTACNGCGGCKGCTG-3')扩增16S rRNA基因片段。扩增后的片段通过454方式测序,原始数据通过Mothur软件分析。首先去除测序质量不佳序列,之后进行排序并去除嵌合体序列。之后计算序列之间相似度,相似度在97%以上的序列聚类为一个OTU,并定义OTU代表序列。OTU代表序列通过与Silva数据库进行比对,在可靠性大于>80%的情况下鉴定到属一级水平。
叶爱中
本次调查区域覆盖四川泸定,康定,雅江,理塘,巴塘等地区,涉及作物包括青稞、小麦、玉米、土豆及番茄等露地蔬菜,采用干漏斗法提取,共获得中小型土壤动物样品171份,捕获土壤动物800余只。样品保存于中国科学院成都生物研究所,样品采集后借助体式显微镜鉴定,其中,以四川巴塘地区的0-15cm 土层数量最多,鉴定有208只中小型土壤动物;其次是四川康定的0-15 cm 土层,观察到有130只中小型土壤动物。
孙晓铭
该数据集为青藏高原主要农作物青稞和小麦的产量历史数据,包括要素为播种面积和产量,涵盖年份包括1988年-2018年,涵盖区域包括青藏高原范围内部分州市及区县。数据来源于《西藏统计年鉴》、《青海统计年鉴》、《四川统计年鉴》、《甘肃统计年鉴》、《云南统计年鉴》及阿坝藏族羌族自治州和甘孜藏族自治州农牧局,精度同数据摘取的统计年鉴。青稞和小麦是青藏高原主要的农作物,该数据集对于研究青藏高原粮食安全、农业生产等方面具有重要价值。
潘志芬
若尔盖湿地观测点始海拔 3435 米,位于四川省若尔盖县花湖湿地(102°49′09″E, 33°55′09″N),下垫面为典型的高寒泥炭沼泽湿地,植被、水体和泥炭层发育良好。本数据集为2017-2019年若尔盖湿地观测点的常规气象观测数据,使用Kipp&Zonen CNR4、Vaisala HMP155A、PTB110等仪器观测获得,时间分辨率为半小时,主要包括风速、风向、气温、相对湿度、气压、向下短波辐射、向下长波辐射。
孟宪红, 李照国
玛曲草地观测点始建于 2005 年,海拔 3434 米,位于距离玛曲县城以南约 18公里的河曲马场(102°08′45″E,33°51′50″N),下垫面为典型的发育良好的高寒草原,属于季节性冻土区。本数据集为2017-2020年黄河源区玛曲草地观测站点的常规气象观测数据,使用Kipp&Zonen CNR4、Vaisala HMP155A、PTB110等仪器观测获得,时间分辨率为半小时,主要包括风速、风向、气温、相对湿度、气压、向下短波辐射、向下长波辐射、降水。
孟宪红, 李照国
鄂陵湖是青藏高原最大的淡水湖泊,与邻近的扎陵湖一起构成了黄河源头的“姊妹湖”,并入选了国际重要湿地名录,也是三江源国家公园的核心区。本数据集为中国科学院若尔盖高原湿地生态系统研究站2017-2020年黄河源区鄂陵湖草地观测点的常规气象观测数据,使用Kipp&Zonen CNR4、Vaisala HMP155A、PTB110等仪器观测获得,时间分辨率为半小时,主要包括风速、风向、气温、相对湿度(2020年为比湿)、气压、向下短波辐射、向下长波辐射、降水。
孟宪红, 李照国
植被指数(NDVI, Normalized Difference Vegetation Index)可以准确反映地表植被覆盖状况。目前,基于SPOT/VEGETATION以及MODIS等卫星遥感影像得到的NDVI时序数据已经在各尺度区域的植被动态变化监测、土地利用/覆被变化检测、宏观植被覆盖分类和净初级生产力估算等研究中得到了广泛的应用。EVI类似于归一化差异植被指数(NDVI),可用于量化植被绿度。然而,EVI对一些大气条件和树冠背景噪声进行了校正,并且在植被茂密的地区更为敏感。它包含一个“L”值来调整树冠背景,“C”值作为大气阻力系数,以及来自蓝色波段(B)的值。这些增强功能允许将指数计算R和NIR值之间的比率,同时在大多数情况下降低背景噪声、大气噪声和饱和度。本研究工作主要是对NDVI和EVI数据进行后处理,通过转换投影坐标系、数据融合、最大值合成法、剔除异常值和剪裁后给出较为可靠的2013年和2018年的青藏高原的植被情况。
叶爱中
植被覆盖度(Fractional vegetation cover, FVC)表示植被地面垂直投影面积与研究区总面积的百分比,是衡量生态保护和生态恢复有效性的重要指标,被广泛应用于气候、生态和土壤侵蚀等领域。FVC不仅是反映植被生产能力的理想参数,而且在评估地形差异、气候变化和区域生态环境质量时也能发挥较好的作用。本研究工作主要是对两套GLASS FVC数据进行后处理,通过数据融合、剔除异常值和剪裁后给出较为可靠的2013年和2018年的环北极圈(范围为北纬66°以北)和青藏高原(范围为北纬26°到39.85°,东经73.45°到104.65°)的植被覆盖度情况。
叶爱中
NDVI能反映出植物冠层的背景影响,如土壤、潮湿地面、雪、枯叶、粗糙度等,且与植被覆盖有关。是反映农作物长势和营养信息的重要参数之一。根据该参数,可以知道不同季节的农作物对氮的需求量, 对合理施用氮肥具有重要的指导作用。植被修正指数Correct NDVI (C-NDVI) 是剔除气候要素(气温、降水等)对NDVI的影响后的NDVI的值。以降水为例,降水对植被生长影响的滞后效应的研究表明,不同地区由于植被组成和土壤类型的差异,降水影响的滞后时间不同。本研究工作主要是对MODIS NDVI数据进行后处理,首先将当月NDVI值与本月的降水量、本月与上月的降水量的平均值、本月与上两个月的降水量的平均值等分别进行相关分析,确定最优的滞后时间。将NDVI与降水和气温做回归分析,得到相关的系数,然后通过MODIS NDVI与气候因子回归的NDVI的差值计算出校正的NDVI值。我们利用气候数据对NDVI进行修正后给出可靠的2013年和2018年的环北极圈(范围为北纬66°以北)和青藏高原(范围为北纬26°到39.85°,东经73.45°到104.65°)的植被修正指数。数据空间分辨率为0.5度,时间分辨率为月度值。
叶爱中
南极半岛植被数据来源于时空三级环境大数据平台的南极先锋植被覆盖分类数据,通过实测光谱匹配遥感影像,应用纯像元PPI提取出苔藓、地衣、岩石、海、积雪的端元波谱和应用线性混合模型LMM(Linear Mixture Model)计算得到。菲尔德斯半岛特色植被覆盖度根据其与丰度的相关线性关系获得。数据格式为geotiff格式。数据内容是南极半岛典型年典型区植被覆盖度。本研究工作通过对南极半岛典型区典型年植被覆盖度后处理后生成tif栅格格式产品,栅格主体数值为植被盖度。本研究得到的南极半岛典型区植被覆盖度是将南极先锋植物丰度数据产品进行镶嵌,包括南极半岛及周边植物丰度数据产品。通过ArcGIS将南极半岛典型区域包括Adley,北部和南部镶嵌在一起,得到包括2008年、2017年和2018年的光谱角匹配法(SAM)和光谱信息散度法(SID)识别出的6幅植被覆盖度图。
叶爱中
项目基于Landsat_TM30m遥感数据通过人工解译和机器学习算法完成了1990-2015年祁连山地区森林、农田、草地、湿地、聚落城市、荒漠六大类生态系统的空间格局分布信息提取,该套数据可以服务于研究区域生态系统宏观格局演变规律,生态系统服务功能评估,重大生态修复工程规划与效果评估。生态系统宏观格局演变是气候-社会经济耦合驱动的自然过程演变的宏观反应,也是土地利用与土地覆被变化的直接反映,更是区域可持续发展成效评估的重要数据基础。研究可为祁连山地区绿色发展指数评估提供数据基础。
吴锋
该数据集包含了2021年01月01日至2021年12月31日青海湖流域地表过程综合观测网高寒草甸草原混合超级站的物候相机观测数据。其中2021年1月31日至4月14日,由于相机内存问题导致该时段数据缺失。站点位于青海省天峻县苏里路旁侧,下垫面是高寒草甸和高寒草原的混合。观测点经纬度为:东经 98°35′41.62″E,北纬 37°42′11.47″N,海拔3718m。该物候相机采用垂直向下的方式采集数据,拍摄数据分辨率为2592*1944,本数据集中的物候照片是在每天12:10拍摄的,拍摄时间误差在±10 min。图片命名方式为BSDCJZ BEIJING_IR_Year_Month_Day_Time.
李小雁
青藏高原被誉为“亚洲水塔”,其提供的径流作为重要的、易获取的水资源,维系着周边数十亿人口的生产生活,支撑着生态系统的多样性。准确估算青藏高原的径流,揭示径流的变化规律,有利于高原及周边地区的水资源管理和灾害风险规避。青藏高原五大河源区冰川径流分割数据集覆盖时间从1971年到2015年,时间分辨率为逐年,覆盖范围为青藏高原五条大江大河源区(黄河源,长江源,澜沧江源,怒江源,雅鲁藏布江源),空间分辨率为流域,以多源遥感和实测数据为基础使用耦合了冰川模块的分布式水文模型VIC-CAS模拟获得,使用站点实测数据对模拟结果进行了验证,其所有数据进行了质量控制。
王世金
水库是重要的水利工程设施,在农业灌溉和市政用水的储存和输送中发挥着关键作用,但这一作用会受到水库蒸发的影响。但由于全球长期且连续的水库地理信息的可获取性受限,因而估算全球水库蒸发损失仍有一定困难。目前,两个最新的水库数据集,即全球水库表面数据集(Global Reservoir Surface Area Dataset)和全球水库和大坝数据库(Global Reservoir and Dam Database),为解决这一困难提供了机会。我们使用这两个数据集估算了1985年至2016年全球7242个大型水库的月水库蒸发量。其中,蒸发率采用三套气象产品数据分别进行计算( (1) TerraClimate; (2) ERA5; (3) Princeton Global Forcings),水面面积采用全球水库表面数据集(Global Reservoir Surface Area Dataset)。
田巍, 刘小莽, 王恺文, 白鹏, 刘昌明
青藏高原被誉为“亚洲水塔”,是东南亚众多河流的源区,其提供的径流作为重要的、易获取的水资源,维系着周边数十亿人口的生产生活,支撑着生态系统的多样性。青藏高原五大河源区冰川径流数据集覆盖时间从2005年到2010年,时间分辨率为每5年一期,覆盖范围为青藏高原五条大江大河源区(黄河源,长江源,澜沧江源,怒江源,雅鲁藏布江源),空间分辨率为1km,以多源遥感、模拟、统计和实测数据为基础,使用GIS方法和生态经济学方法结合,量化了江河源区冰冻圈水资源服务的价值,其所有数据进行了质量控制。
王世金
中国区域表层7cm土壤湿度月值数据。时间范围包括历史时期1850-2014,未来时期2015-2100(未来时期包含四个不同共享社会经济路径:SSP1-2.6, SSP2-4.5, SSP3-7.0, SSP5-8.5)。空间分辨率0.25°。 该数据是基于深度学习方法,以ERA5-Land 表层7cm土壤湿度数据为参考,融合降尺度25个CMIP6模式的表层土壤湿度数据。在气候变化背景下,数据可用于干旱和植被相关分析。
冯冬含
本产品提供了基于陆面模式VIC预估的未来2018-2065年的北极主要大河流域的月径流、蒸散发以及土壤水。空间精度为10km。北极主要大河流域包括Lena、Yenisey、Ob、Kolyma、Yukon和Mackenzie流域。根据IPCC第五次评估报告中CMIP5中IPSL-CM5A-LR模式提供的RCP2.6(低排放强度)和RCP8.5(高排放强度)情景结果,通过统计降尺度获取的适用于北极地区0.1°的未来气候情景驱动数据。应用在全球尺度校准后的陆面水文模型VIC,基于0.1°的未来气候情景驱动数据,预估获得未来气候变化下本世纪中叶北极大河流域径流、土壤水及蒸散发的月尺度时间序列。
唐寅, 汤秋鸿, 王宁练, 吴玉伟
该数据集包含了2021年1月1日至2021年12月31日青海湖流域水文气象观测网青海湖鱼雷发射基地站气象要素梯度观测系统数据。但是由于2021年青海省于研究站点鱼雷发射基地进行翻修,打造鱼雷发射基地的红色旅游区。该站点所有仪器于2021年5月30日全部拆除,准备于2022年7月重新安装。因此该站点2021年实际获得数据为2021年1月1日至2021年5月29日数据。2021年5月30日到12月31日数据缺失。站点位于青海省青海湖二郎剑景区鱼雷发射基地,下垫面是青海湖水面。观测点经纬度为:东经 100° 29' 59.726'' E,北纬 36° 35' 27.337'' N,海拔3209m。风速/风向架设在距湖面14m处,共1层,朝向正北;空气温度、相对湿度传感器分别架设在距湖面12m、12.5m处,共2层,朝向正北;翻斗式雨量计安装在距湖面10m处;四分量辐射仪安装在距湖面10m处,朝向正南;一个红外温度计安装在距湖面10m处,朝向正南,探头朝向是垂直向下;湖水温度探头设在水下0.2, 0.5, 1.0, 2.0, and 3.0 m处;光合有效辐射仪安装在距湖面10m处,探头朝向是垂直向下,朝向正南。 观测项目有:风速(WS_14m)(单位:米/秒)、风向(WD_14m)(单位:度)、空气温湿度(Ta_12m、Ta_12.5m和RH_12m、RH_12.5m)(单位:摄氏度、百分比)、降水量(Rain)(单位:毫米)、湖表辐射温度(IRT_1)(单位:摄氏度)、光合有效辐射(PAR)(单位:微摩尔/平方米秒) 、四分量辐射(DR、UR、DLR_Cor、ULR_Cor、Rn)(单位:瓦/平方米)、湖水温度(Tw_20cm、Tw_50cm、Tw_100cm、Tw_200cm、Tw_300cm)(单位:摄氏度)。 观测数据的处理与质量控制:(1)确保每天144个数据(每10min),若出现数据的缺失,则由-6999标示;由于冬季湖水结冰故将水温探头收回,故2021.1.1-2021.5.31期间无水温数据记录;(2)剔除有重复记录的时刻;(3)删除了明显超出物理意义或超出仪器量程的数据;(4)数据中以红字标示的部分为有疑问的数据;(5)日期和时间的格式统一,并且日期、时间在同一列。如,时间为:2018-1-1 10:30。
李小雁
该数据集包含了2021年1月1日至2021年10月9日青海湖流域地表过程综合观测网高寒草甸草原混合草原超级站气象要素梯度观测系统数据。站点位于青海省天峻县苏里路旁侧,下垫面是高寒草甸和高寒草原的混合。观测点经纬度为:东经 98°35′41.62″E,北纬 37°42′11.47″N,海拔3718m。风速/风向、空气温度、相对湿度传感器分别架设在3m、5m、10m、15m、20m、30m、40m处,共7层,朝向正北;气压计安装在3m处;翻斗式雨量计安装在塔西偏北侧10m平台上;四分量辐射仪安装在6m处,朝向正南;两个红外温度计安装在6m处,朝向正南,探头朝向是垂直向下;土壤热流板(自校正式)(3块)依次埋设在地下6cm处,朝向正南距离塔体2m处;土壤温度探头埋设在地下5cm、10cm、20cm、40cm、80cm、120cm、200cm、300cm和400cm处,在距离气象塔2m的正东方;土壤水分传感器分别埋设在地下5cm、10cm、20cm、40cm、80cm、120cm、200cm、300cm和400cm处,在距离气象塔2m的正东方;光合有效辐射仪安装在6m处,探头垂直向上和向下方向各一个,朝向正南。 观测项目有:风速(WS_3m、WS_5m、WS_10m、WS_15m、WS_20m、WS_30m、WS_40m)(单位:米/秒)、风向(WD_3m、WD_5m、WD_10m、WD_15m、WD_20m、WD_30m、WD_40m)(单位:度)、空气温湿度(Ta_3m、Ta_5m、Ta_10m、Ta_15m、Ta_20m、Ta_30m、Ta_40m和RH_3m、RH_5m、RH_10m、RH_15m、RH_20m、RH_30m、RH_40m)(单位:摄氏度、百分比)、降水量(Rain)(单位:毫米)、气压(Press)(单位:百帕)、地表辐射温度(IRT_1、IRT_2)(单位:摄氏度)、向上与向下光合有效辐射(PAR_U_up、PAR_U_down)(单位:微摩尔/平方米秒) 、四分量辐射(DR、UR、DLR_Cor、ULR_Cor、Rn)(单位:瓦/平方米)、土壤热通量(Gs_1、Gs_2、Gs_3)(单位:瓦/平方米)、土壤水分(Ms_5cm、Ms_10cm、Ms_20cm、Ms_40cm、Ms_80cm、Ms_120cm、Ms_200cm、Ms_300cm、Ms_400cm)(单位:百分比)、土壤温度(Ts_5cm、Ts_10cm、Ts_20cm、Ts_40cm、Ts_80cm、Ts_120cm、Ts_200cm、Ts_300cm、Ts_400cm)(单位:摄氏度)。 观测数据的处理与质量控制:(1)确保每天144个数据(每10min),若出现数据的缺失,则由-6999标示;(2)剔除有重复记录的时刻;(3)删除了明显超出物理意义或超出仪器量程的数据;(4)数据中以红字标示的部分为有疑问的数据;(5)日期和时间的格式统一,并且日期、时间在同一列。如,时间为:2018/8/31 10:30。
李小雁
该数据集包含了2021年1月1日至2021年10月13日青海湖流域地表过程综合观测网亚高山灌丛气象要素梯度观测系统数据。站点位于青海省刚察县沙柳河镇大寺附近,下垫面是亚高山灌丛。观测点经纬度为:东经100°6'3.62"E,北纬37°31'15.67" N,海拔3495m。风速/风向、空气温度、相对湿度传感器分别架设在3m、5m、10m处,共3层,朝向正北;气压计安装在3m处;翻斗式雨量计安装在塔西偏北侧2m平台上;四分量辐射仪安装在6m处,朝向正南;两个红外温度计安装在6m处,朝向正南,探头朝向是垂直向下;土壤热流板(自校正式)(3块)依次埋设在地下6cm处,朝向正南距离塔体2m处;土壤温度探头埋设在地下5cm、10cm、20cm、40cm、80cm、120cm、200cm、300cm和500cm处,在距离气象塔2m的正东方;土壤水分传感器分别埋设在地下5cm、10cm、20cm、40cm、80cm、120cm、200cm、300cm和500cm处,在距离气象塔2m的正东方;光合有效辐射仪安装在6m处,探头垂直向上和向下方向各一个,朝向正南。 观测项目有:风速(WS_3m、WS_5m、WS_10m)(单位:米/秒)、风向(WD_3m、WD_5m、WD_10m)(单位:度)、空气温湿度(Ta_3m、Ta_5m、Ta_10m和RH_3m、RH_5m、RH_10m)(单位:摄氏度、百分比)、降水量(Rain)(单位:毫米)、气压(Press)(单位:百帕)、地表辐射温度(IRT_1、IRT_2)(单位:摄氏度)、向上与向下光合有效辐射(PAR_U_up、PAR_U_down)(单位:微摩尔/平方米秒) 、四分量辐射(DR、UR、DLR_Cor、ULR_Cor、Rn)(单位:瓦/平方米)、土壤热通量(Gs_1、Gs_2、Gs_3)(单位:瓦/平方米)、土壤水分(Ms_5cm、Ms_10cm、Ms_20cm、Ms_40cm、Ms_80cm、Ms_120cm、Ms_200cm、Ms_300cm、Ms_500cm)(单位:百分比)、土壤温度(Ts_5cm、Ts_10cm、Ts_20cm、Ts_40cm、Ts_80cm、Ts_120cm、Ts_200cm、Ts_300cm、Ts_500cm)(单位:摄氏度)。 观测数据的处理与质量控制:(1)确保每天144个数据(每10min),若出现数据的缺失,则由-6999标示;(2)剔除有重复记录的时刻;(3)删除了明显超出物理意义或超出仪器量程的数据;(4)数据中以红字标示的部分为有疑问的数据;(5)日期和时间的格式统一,并且日期、时间在同一列。如,时间为:2018/8/31 10:30。
李小雁
该数据集包含了2021年1月1日至2021年10月13日的青海湖流域水文气象观测网温性草原气象要素梯度观测系统数据。站点位于青海省刚察县三角城种羊场,下垫面是温性草原。观测点经纬度为:东经 100°14'8.99"E,北纬 37°14'49.00"N,海拔3210m。风速/风向、风速/风向、空气温度、相对湿度传感器分别架设在3m、5m、10m处,共3层,朝向正北;气压计安装在3m处;翻斗式雨量计安装在塔西偏北侧;四分量辐射仪安装在6m处,朝向正南;两个红外温度计安装在6m处,朝向正南,探头朝向是垂直向下;土壤热流板(自校正式)(3块)依次埋设在地下6cm处,朝向正南距离塔体2m处;土壤温度探头埋设在地下5cm、10cm、20cm、40cm、80cm、120cm、200cm、300cm和400cm处,在距离气象塔2m的东方;土壤水分传感器分别埋设在地下5cm、10cm、20cm、40cm、80cm、120cm、200cm、300cm和400cm处,在距离气象塔2m的东方;光合有效辐射仪安装在6m处,探头垂直向上和向下方向各一个,朝向正南。 观测项目有:风速(WS_3m、WS_5m、WS_10m)(单位:米/秒)、风向(WD_3m、WD_5m、WD_10m)(单位:度)、空气温湿度(Ta_3m、Ta_5m、Ta_10m和RH_3m、RH_5m、RH_10m)(单位:摄氏度、百分比)、降水量(Rain)(单位:毫米)、气压(Press)(单位:百帕)、地表辐射温度(IRT_1、IRT_2)(单位:摄氏度)、向上与向下光合有效辐射(PAR_U_up、PAR_U_down)(单位:微摩尔/平方米秒) 、四分量辐射(DR、UR、DLR_Cor、ULR_Cor、Rn)(单位:瓦/平方米)、土壤热通量(Gs_1、Gs_2、Gs_3)(单位:瓦/平方米)、土壤水分(Ms_5cm、Ms_10cm、Ms_20cm、Ms_40cm、Ms_80cm、Ms_120cm、Ms_200cm、Ms_300cm、Ms_400cm)(单位:百分比)、土壤温度(Ts_5cm、Ts_10cm、Ts_20cm、Ts_40cm、Ts_80cm、Ts_120cm、Ts_200cm、Ts_300cm、Ts_400cm)(单位:摄氏度)。 观测数据的处理与质量控制:(1)确保每天144个数据(每10min),若出现数据的缺失,则由-6999标示;(2)剔除有重复记录的时刻;(3)删除了明显超出物理意义或超出仪器量程的数据;(4)数据中以红字标示的部分为有疑问的数据;(5)日期和时间的格式统一,并且日期、时间在同一列。如,时间为:2018/8/31 10:30。
李小雁
本数据集为2021年的祁连山区域的人类活动参数,包括祁连山区域2021年的30m耕地产品和祁连山区域2021年的30m建设用地分布产品。该产品来源于祁连山区域2021年30m的土地覆盖分类产品。该产品以2020年的土地覆盖分类产品为基础,基于Google Earth Engine平台的Landsat系列数据和强大地数据处理能力,利用变化检测的思想和方法生产得到,总体精度优于85%。该产品是1985-2020年土地覆盖分类产品的延续。1985-2020年的土地覆盖分类产品也可在本网站下载得到。其中,1985-2015年的土地利用产品为5年1期,2015-2021年的土地利用产品为1年1期。
杨爱霞, 仲波
本数据集提供青海湖沙柳河流域上游千户里小流域阴坡、阳坡和流域出水口三处位置2019年1月至2021年12月份的逐日土壤温湿度观测数据。千户里小流域地理坐标位于(37°25′N,100°15′E),海拔介于3565-3716m之间。该数据集的观测指标包括土壤含水量(SWC)和土壤温度(ST)。阴坡和阳坡土壤温湿度数据由ECH2O和5层5TE传感器观测,阴阳坡5层传感器安装深度分别为10 cm, 30 cm, 50 cm, 80 cm, 110 cm和10 cm, 30 cm, 60 cm, 90 cm, 120 cm。流域出口土壤温湿度数据由Trime监测及10层PICO32传感器观测,传感器布设深度分别为5 cm, 10 cm, 20 cm, 40 cm, 80 cm, 100 cm, 120 cm, 140 cm, 160 cm, 180 cm。该数据集可用于青海湖流域典型小流域土壤水文过程的定量分析并为模型模拟提供校验数据。
李小雁
归一化植被指数(Normalized Difference Vegetation Index , NDVI)广泛应用于植被监测。本数据集利用2000-2020年青藏高原区域所有可用的Landsat 5/7/8数据(影像10万+),通过MODIS-Landsat数据融合算法(gap filling and Savitzky–Golay filtering;GF-SG),重建了青藏高原植被区域2000-2020年高时空分辨率(30米-8天)NDVI时间序列数据集(QTP-NDVI30)(算法细节请参考论文)。 本数据集具有良好的验证精度。定量评价结果显示重建NDVI影像数据的平均绝对误差MAE为0.02,平均相关系数R为0.96,图像结构相似性SSIM为0.94。选取典型区域与PlanetScope 3米空间分辨率影像比较,空间细节信息得到了较好的保持(产品评价细节请参考论文)。 本数据集地理坐标系为GCS_WGS_84, 空间范围覆盖青藏高原植被区域,植被区域定义为7-9月平均NDVI大于0.15。
曹入尹, 徐子超, 陈洋, 沈妙根, 陈晋
青藏高原丰富的生境多态性使其成为自然资源的宝库,高原植物中存在抗寒、耐旱、抗盐、抗紫外辐射、高光效等特殊的基因资源,如何挖掘利用并建立具有独立自主产权的功能基因资源,对我国现代农作物育种具有重要的潜在应用价值。高质量的染色体级基因组为解析植物适应性机制、抗逆性基因挖掘等相关研究提供了坚实的分子基础。本次数据汇交的内容主要为:大戟科青藏大戟的基因组数据集,包含染色体级基因组序列,注释文件;大戟科续随子的基因组数据集,包含染色体级基因组序列,注释文件;大戟科光棍树的基因组数据集,包含染色体级基因组序列,注释文件;豆科砂生槐的基因组数据集,包含染色体及基因组序列,注释文件。
杨永平
本数据集以 4 种比例的燕麦草与祁连山高寒草甸天然牧草混合日粮,研究了夏季不同比例的燕麦草与天然牧草混合饲喂对放牧藏羊消化代谢的影响。包含放牧藏羊的干物质(dry matter, DM)、有机物质(organic matter, OM)、粗蛋白(crude protein, CP)、粗脂肪(ether extract, EE)、中性洗涤纤维(neutral detergent fiber, NDF)、酸性洗涤纤维(acid detergent fiber, ADF)采食量和消化率。通过对数据的分析,夏季全天然牧草可以满足藏羊的生长代谢,且不宜对其饲喂燕麦草。
彭泽晨
1985年祁连山国家公园土地利用类型的数据集是基于中科院中国土地利用现状遥感监测数据集,经过裁剪、拼接等操作得到的矢量数据集。2000-2020年的3个数据集是基于GlobeLand30全球30米地表覆盖数据,经过掩膜提取等操作得到的30m分辨率的栅格数据集。所有数据集的土地利用类型包括耕地、森林、灌木林、草地、湿地、水体、苔原、人造表面、裸地、冰川和永久积雪这10个一级类型。数据产品可以检测大多数人类活动所引起的地表覆盖变化,在实际应用中具有十分重要的意义,可以用此数据分析祁连山区域历史的土地利用类型,并结合当前的土地利用类型数据,分析祁连山区域土地利用类型的变化。
年雁云
1)数据内容:祁连山典型小流域植被-土壤-岩石三维空间结构CT扫描数据集,数据包括祁连山典型小流域不同深度苔藓层体积密度、土壤大孔隙度和土壤石砾体积密度数据;2)数据来源及加工方法:在祁连山典型小流域采集苔藓层和苔藓覆盖下深度为30 cm的原状土柱,利用工业X射线三维显微镜对苔藓层和原状土柱进行扫描;3)数据质量描述:苔藓层分辨率40 μm,原状土柱分辨率68 μm;4)数据应用成果及前景:祁连山典型小流域植被-土壤-岩石三维空间结构CT扫描数据集对于祁连山区的生态恢复、水资源管理和利用均有着重要意义,可为阐述祁连山的水源涵养功能及机理提供基础数据和理论支撑。
胡霞
本数据为泥石流风险性评价数据,根据中巴经济走廊泥石流灾害情况进行分析研究后得到的危险性和易损性分析结果;根据联合国人道主义事业部(1992)给出的风险表达式:风险(Risk)=危险性(Hazard)×易损性(Vulnerability),对研究区的泥石流灾害进行风险分析。本数据可用于对中巴经济走廊泥石流灾害风险进行评估,了解重大泥石流风险程度强弱关系,为当地政府部门防灾减灾、城市治理等决策提供科学指导。
苏凤环
本数据为泥石流易损性评价数据,根据中巴经济走廊泥石流灾害情况进行分析研究后得到的,栅格值表示易损区划:1表示低易损区,2表示较低易损区,3表示中易损区,4表示较高易损区,5表示高易损区。本数据可用于对中巴经济走廊重大泥石流灾害易损性进行评估,可以为泥石流风险性评估提供数据基础,了解重大泥石流对道路、房屋等基础设施损害程度的程度强弱关系,为当地政府部门防灾减灾、预测预报、乡村振兴等决策提供科学指导。
苏凤环
本数据为泥石流危险性评价数据,根据中巴经济走廊泥石流灾害情况进行分析研究后得到的。泥石流样本数据是通过遥感解译、现场核对等方式获得的泥石流灾害详细情况数据,构建危险性评价体系,利用信息量法对研究区泥石流危险进行评价,然后采用自然断点法进行危险性区的划分。本数据可用于对重大泥石流灾害危险性进行评估,了解重大泥石流风险程度强弱关系,为当地政府部门防灾减灾、城市治理等决策提供科学指导。
苏凤环
植被的净初级生产力(Net Primary Productivity,NPP)指绿色植物在单位时间、单位面积上由光合作用产生的有机物质总量(即总初级生产力,Gross Primary Productivity,GPP)中扣除自养呼吸后的剩余部分,NPP作为陆地生态系统的水循环、养分循环和生物多样性变化的基础,是估算地球支持能力和评价陆地生态系统可持续发展的重要生态指标。本数据集包括祁连山区域2021年月度合成30m NPP产品。采用最大值合成(Max value composition, MVC)方法,利用Landsat8和sentinel 2红光和近红外两个通道的反射率数据,实现对地表月度NDVI产品的合成,进而计算NPP。
吴俊君, 李艺, 仲波
叶面积指数(Leaf Area Index,LAI)定义为地面单位投影面积内叶片总面积的一半,是描述植被的核心参数之一。LAI控制着植被的许多生物、物理过程,如光合、呼吸、蒸腾、碳循环和降水截获等,同时为植被冠层表面最初的能量交换提供定量化的信息,是一个十分重要的研究植被生态系统结构和功能的参数。本数据集包括祁连山区域2021年月度合成30m LAI产品。采用最大值合成 (Max value composition, MVC) 方法,利用Landsat8和sentinel 2红光和近红外两个通道的反射率数据,实现对地表月度NDVI产品的合成,进而计算LAI。
吴俊君, 李艺, 仲波
地表长波下行辐射(LWDR)作为地球能量平衡系统的关键分量,对生态和气候变化研究具有重要意义。随着遥感估算精度的不断提高和再分析资料时空分辨率与精度的提升,遥感和再分析数据融合将是进一步提高地表辐射等关键参量可信度和时空连续性的新途径。考虑到当前多源LWDR数据在时空分辨率和局部区域精度的差异,研究结合全球范围内的站点实测数据,将遥感观测数据(CERES)与再分析数据ERA5、GLDAS进行时空融合,研制了2000-2020年、覆盖全球、时空分辨率为1h/0.25°的高精度地表长波下行辐射数据集。新研制的LWDR数据集,与站点实测数据在陆地表面验证的相关系数 (R)、平均偏差误差 (BIAS) 和均方根误差 (RMSE) 分别为 0.97、-0.95 Wm-2 和 22.38 Wm-2 ;在海洋表面分别为 0.99、-0.88 Wm-2 和 10.96 Wm-2,特别指出的是,相比于已有数据,新数据集在中低纬度和复杂地形区表现出更好的精度和稳定性。
王天星, 王世遥
山地冰川是中国西部及其周边地区重要的淡水资源。由于冰川融水在流域尺度为生态和社会经济用水提供补给,因此,确定冰川作用(补给)流域是开展冰川水资源供给功能和服务研究的基础。基于Randolph Glacier Inventory 6.0、中国历次冰川编目、中国三级流域边界数据(中国科学院资源与环境科学数据中心提供)和全球流域边界数据HydroBASINS(www.hydrosheds.org),通过将冰川分布数据与流域边界数据进行相交分析,生成了20世纪50年代至21世纪20年代(至今)(1)中国两级冰川作用流域边界、(2)中国冰川作用的国际河流流域边界以及(3)亚洲高山区冰川作用流域边界数据。该数据兼顾了中国和全球常用流域边界,并将二者很好匹配,以期为中国及其周边地区冰川水资源研究提供基础数据。
苏勃
该数据集包含了2021年7月22日至2021年9月5日的黑河水文气象观测网中游大满超级站叶面积指数观测数据。站点(100.376° E, 38.853° N)位于甘肃省张掖市大满灌区内,海拔1556m,下垫面是玉米。观测样方共计3个,每个样方大小约30m×30m,经纬度分别为(100.374°E, 38.855°N)、(100.371° E, 38.854°N)、(100.369°E, 38.854°N)。每个样方内布设4个冠层下节点和1个冠层上节点。 本数据集由叶面积指数无线传感网(LAINet)获取,该仪器原始观测数据为仪器自动获取的每个节点逐日逐小时的光照数据(Level0),利用LAINet软件对原始观测数据进行处理,逐节点计算每天LAI(Level1),进一步对无效值识别与填充,并5天滑动平均消除天气变化对LAI计算的影响(Level2),对有多个LAINet节点的观测子区,节点的均值为该子区的最终观测值(Level3)。 本次发布的数据集为处理后的Level3产品,数据以*.xls格式存储。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018),观测数据处理请参考Qu et al. (2014)。
刘绍民, 车涛, 屈永华, 徐自为, 谭俊磊, 李新
该数据集包含2021年5月2日至12月26日黑河流域地表过程综合观测网下游四道桥超级站的物候相机观测数据,该仪器由北京师范大学自主研发并进行处理。物候相机集成数据获取与数据传输功能。该物候相机采用垂直向下的方式采集数据,拍摄数据分辨率为1280*720,可指定拍摄时间频率。对于绿度指数物候期计算,需要根据感兴趣区域计算相对绿度指数(GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值),然后进行无效值填充和滤波平滑,最后根据生长曲线拟合确定关键物候期参数,如生长季起始日、顶峰、生长季结束日等;对于覆盖度,首先进行数据预处理,选择光照不太强的图像,然后将图像分割为植被和土壤,计算每张图像的植被像素占计算区域内的比例作为该图像对应的覆盖度,在时间序列数据提取完成以后,再按用户指定的时间窗口对原始覆盖度数据进行平滑滤波,滤波后的得结果为最终的时间序列覆盖度。本数据集包括相对绿度指数(Gcc)。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)。
刘绍民, 屈永华, 车涛, 徐自为, 任志国, 李新
该数据集包含2021年1月1日至12月31日黑河流域地表过程综合观测网中游大满超级站的物候相机观测数据,该仪器由北京师范大学自主研发并进行处理。物候相机集成数据获取与数据传输功能。该物候相机采用垂直向下的方式采集数据,拍摄数据分辨率为1280*720,可指定拍摄时间频率。对于绿度指数物候期计算,需要根据感兴趣区域计算相对绿度指数(GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值),然后进行无效值填充和滤波平滑,最后根据生长曲线拟合确定关键物候期参数,如生长季起始日、顶峰、生长季结束日等;对于覆盖度,首先进行数据预处理,选择光照不太强的图像,然后将图像分割为植被和土壤,计算每张图像的植被像素占计算区域内的比例作为该图像对应的覆盖度,在时间序列数据提取完成以后,再按用户指定的时间窗口对原始覆盖度数据进行平滑滤波,滤波后的得结果为最终的时间序列覆盖度。本数据集为相对绿度指数(Gcc)。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)。
刘绍民, 屈永华, 车涛, 徐自为, 谭俊磊, 任志国, 李新
该数据集包含2021年1月1日至12月31日黑河流域地表过程综合观测网中游阿柔超级站的物候相机观测数据,该仪器由北京师范大学自主研发并进行处理。物候相机集成数据获取与数据传输功能。该物候相机采用垂直向下的方式采集数据,拍摄数据分辨率为1280*720,可指定拍摄时间频率。对于绿度指数物候期计算,需要根据感兴趣区域计算相对绿度指数(GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值),然后进行无效值填充和滤波平滑,最后根据生长曲线拟合确定关键物候期参数,如生长季起始日、顶峰、生长季结束日等;对于覆盖度,首先进行数据预处理,选择光照不太强的图像,然后将图像分割为植被和土壤,计算每张图像的植被像素占计算区域内的比例作为该图像对应的覆盖度,在时间序列数据提取完成以后,再按用户指定的时间窗口对原始覆盖度数据进行平滑滤波,滤波后的得结果为最终的时间序列覆盖度。本数据集包括相对绿度指数(Gcc)。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)。
刘绍民, 屈永华, 车涛, 徐自为, 张阳, 李新
森林是陆地上重要的生态系统,约占陆地总面的三分之一,在调节气候,为物种提供栖息地和维持全球生态系统平衡等方面发挥着重要作用。而树冠覆盖度的动态变化会影响森林生态系统的结构、组成和功能。利用长时间序列的Landsat数据,基于机器学习方法获得了1990-2020年尺度的30m空间分辨率的树冠覆盖度数据。利用年尺度的树冠覆盖度数据,生成了1990-2020年东喜马拉雅树冠覆盖度变化速率数据集。结果显示,该地区平均树冠覆盖度从40.67%(1990年)增加到43.43%(2020年),增加了2.76%,表明该地区森林在过去几十年里有所改善。
王春玲, 王建邦, 何卓昱, 冯敏
本数据为基于树木年轮资料重建的阿姆河上游支流贡特河Khorog水文站1495-2018年年平均径流量数据。中国气象局乌鲁木齐沙漠气象研究所和塔吉克斯坦国家科学院水问题、水能与生态研究所合作开展树轮水文研究取得的数据,该数据可以用于中亚山区水资源评估等科学研究和水利工程等服务。 资料时段:1495年至2018年。 资料要素:平均径流量(m3/s) 站点位置:37°43″N, 71°30″E,2070m
尚华明
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