中亚-西亚地区典型流域荒漠化关键要素数据集由4部分组成，分别是阿姆河流域农用地分布及变化、阿姆河流域草地分布及变化、阿姆河流域灌丛分布及变化和阿姆河流域森林分布及变化，数据空间分辨率为30m。由中国科学院新疆生态与地理研究所遥感与GIS重点实验室生产，数据生产费用由“中国科学院战略性先导科技专项XDA20030101资助”。阿姆河流域荒漠化关键要素数据集由1990年、2000年和、2010年三期数据组成，是基于TM/ETM遥感影像解译获得。
地形起伏度是区域海拔高度和地表切割程度的综合表征｡在参考封志明等(2007)中国人居环境评价背景下的地形起伏度定义及其计算公式基础上，将数字高程模型（ASTER GDEM 30 m）数据重采样成1 km，运用模型计算得到绿色丝绸之路沿线国家地形起伏度公里网格数据集｡该数据集包括：（1）绿色丝绸之路沿线国家地形起伏度公里网格空间数据；（2）绿色丝绸之路沿线国家海拔数据；（3）绿色丝绸之路沿线国家平地数据。
肖池伟
中亚-西亚地区荒漠化关键要素数据集（阿姆河流域）主要包括：阿姆河流域湖泊分布图、植被覆盖度图和净初级生产力图，其中阿姆河流域湖泊分布图和植被覆盖度图空间分辨率为30m，时间分辨率为1990、2000和2010年三期；净初级生产力图空间分辨率为500m，时间分辨率为2001和2010年两期（由于1990年还没有发射MODIS卫星，所以没有1990年数据）。数据由中国科学院新疆生态与地理研究所遥感与GIS重点实验室生产，生产费用由“中国科学院战略性先导科技专项XDA20030101资助”。阿姆河流域湖泊分布和植被覆盖度数据是基于1990年、2000年和2010年TM/ETM遥感影像解译和计算得出。净初级生产力数据是基于MODIS影像数据计算的净初级生产力（NPP）年累计值。
许文强
ASTER Global Digital Elevation Model （ASTER GDEM）是美国航空航天局 （NASA）和日本经济产业省（METI）联合发布的全球数字高程数据产品，该DEM数据是根据NASA新一代对地观测卫星TERRA的观测结果完成，是由ASTER（Advanced Space borne Thermal Emission and Reflection Radio meter）传感器搜集的130万个立体像对数据制作，其覆盖范围超过了地球99%陆地表面。本数据下载自ASTER GDEM数据分发网站，为了便于用户使用数据，在分幅ASTER GDEM数据的基础上，我们使用erdas软件进行拼接制备青藏高原ASTER GDEM镶嵌图。 ASTER GDEM发布了两个版本，第一个版本于2009年6月发布，第二个版本于2011年10月发布，本数据集为青藏高原地区第二版本的ASTER GDEM数据集。 本数据集共包括三个数据文件： ASTER_GDEM_TILES ASTERGDEM_MOSAIC_DEM ASTERGDEM_MOSAIC_NUM 青藏高原地区ASTER GDEM数据，精度30米，原始数据为tif格式，镶嵌数据使用img格式存储。 本数据集原始数据下载于ASTERGDEM网站，完全保留了数据的原貌，ASTER GDEM在分发时被分割为若干1×1度的数据块，分发格式为zip压缩格式，每个压缩包包括两个文件，文件命名格式如下： ASTGTM_NxxEyyy_dem.tif ASTGTM_NxxEyyy_num.tif 其中xx为起始纬度，yyy为起始经度。_dem.tif为dem数据文件，_num.tif为数据质量文件。 ASTER GDEM TILES：原始数据保留数据原貌，未进行处理 ASTERGDEM_MOSAIC_DEM：使用erdas软件对dem.tif数据进行镶嵌，参数设置使用默认值 ASRERGDEM_MOSAIC_NUM：使用erdas软件对num.tif数据进行镶嵌，参数设置使用默认值 原始数据保留数据原貌，精度同ASTERGDEM数据分发网站的数据精度，该数据的水平精度30米，高程精度为20米。镶嵌数据使用erdas制作，参数使用默认值。
METI, NASA
MODIS土地覆盖类型产品第六版（MCD12Q1_v06）是根据一年的Terra和Aqua观测所得的数据经过处理，描述土地覆盖的类型产品。该土地覆盖数据集中包含了17个主要土地覆盖类型，根据国际地圈生物圈计划（IGBP），其中包括11个自然植被类型，3个土地开发和镶嵌的地类和3个非草木土地类型定义类。 1-常绿针叶林；2-常绿阔叶林；3-落叶针叶林；4-落叶阔叶林；5-混交林；6-稠密灌丛；7-稀疏灌丛；8-木本稀树草原；9-稀树草原；10-草地；11-永久湿地；12-农用地；13-城市和建筑区；14-农用地/自然植被拼接；15-雪和冰；16-裸地；17-水 为了便于用户使用方便，在分块数据的基础上，我们将0-90N，0-180E内所有区块进行拼接，没有经过任何重采样处理。数据分辨率为500m，投影为正弦投影 数据下载地址：https://ladsweb.modaps.eosdis.nasa.gov/search/order/1/MCD12Q1--6
何永利, 美国陆面过程数据分发中心
1.数据来源： MODIS/Terra Vegetation Indices 16-Day L3 Global 250m SIN Grid V006产品（2000-2017） 下载地址 https://search.earthdata.nasa.gov/ 2.数据名称： （1）resize为批量裁剪过程中自动生成，表示已经过掩膜提取，处理后数据范围为新疆自治区； （2）七位数字代表数据获取时间，前四位为年份，后三位表示一年中的第几天。如“2000049”，表示数据获取年份为2000年，具体时间为当年第49天； （3）250m表示地面分辨率，即250米； （4）16_days表示时间分辨率，即16天； （5）NDVI表示数据类型，即归一化植被指数； 3.数据时间范围： 2000049-2017353，数据间隔为16天； 4..tif文件与.hdr文件 .tif文件为原始NDVI数据，同名.hdr文件为支持.tif文件正常使用的掩膜数据，请勿删除或重命名； 5. 用于冰冻圈生态效应分析
吴雪娇
该数据集是利用Flow Tracker便携式水文流速流量仪观测获取的波曲藏布入湖口的流量数据，可应用于寒区水文过程等学科领域。 数据获取时间为2017年8月16日，数据内容包含测量时间、位置、水深、流速及流量。 数据以excel文件存储。
张寅生
通过野外调查、监测、采样和室内检测，测定了西天山伊塞克湖地区的水化学指标和土壤样品中有机污染物。伊塞克湖区域土壤的有机氯农药农药含量整体较低，其中含量较高的点出现在废弃物处理点和城市污水排放处。主成分和相关分析显示，污染物主要是历史残留来源，除了DDT，可能是当地非法使用及其在废弃物处理点讲解较慢引起的。伊塞克湖区域的有机氯农药主要是当地的内在源，而西部和南部主要是大气长距离传输。风险评估显示，该区域的有机氯农药不会造成生态风险。
吴敬禄
绿色丝绸之路坡度数据集可以用来表征地表单元陡缓的程度，对地形表面陡缓程度的定量化描述. 运用来源于USGS的GMTED2010 DEM数据，计算坡度数据。首先，对数据进行预处理，包括投影、裁剪等，得到绿色丝绸之路区域的DEM数据，其次，在ArcGIS软件中选择度数法计算坡度，生成绿色丝绸之路坡度数据集。该数据集质量优良，能精确反映绿色丝绸之路地区的地表缓陡程度。该数据可以应用于测绘、遥感、环境资源、农林土地规划、城市规划、灾害监测、水电工程及军事等资源环境和社会经济等领域。
杨小唤
本数据内容为黑河上游西支流域水文地质图，包含地层、河流、断层、现代冰川等信息；本数据由野牛台幅综合水文地质图、祁连山幅综合水文地质图、祁连幅综合水文地质图、肃南幅地质图（1:20万）等扫描纠正，进行矢量得出，并根据野外调查情况对地层进行整合。本数据可供我们更好地了解黑河上游西支地区的岩性、构造、地貌、水文地质条件等，方便各研究者对我们所做的工作范围和研究领域产生更加清晰明了的认识和理解，便于进行检索下载。
孙自永
植被净初级生产力指数（Net PrimaryProductivity，NPP）反映的是植物固定和转化光能为化合物的效率，是指绿色植物在单位时间、单位面积内所累积有机物数量，是由植物光合作用所产生的有机质总量（Gross Primary Productivity，GPP）中减去自养呼吸（Autotrophic Respiration，RA）后的剩余部分，也称净第一生产力。NPP作为地表碳循环的重要组成部分，不仅直接反映了植被群落在自然环境条件下的生产能力，而且也是衡量区域土地利用/覆被变化的重要组成部分。净初级生产力数据产品，采用光能利用率（GLOPEM）模型算法通过多种卫星遥感数据（Landsat、MODIS等）反演得到的多种尺度栅格数据产品，该数据也是判定和调节生态过程的主要因子。
刘铁
数据来源于美国地质勘探局（USGS）开发的30秒全球高程数据集，于1996年完成。从NCAR和UCAR联合的数据下载中心（https://rda.ucar.edu/datasets/ds758.0/）下载了泛第三极区域的数据，并通过数据中心重新分发。GTOPO30在分发时将全球分为33个区块，采样间隔为30弧秒， 即0.008333333333333度，坐标参考为WGS84，其值为垂直方向高出海平面的距离，即海拔，单位为m，海拔范围-407到8752，这里不包含海洋深度信息，负值为大陆架的海拔；海洋处标记为-9999，海岸线以上大陆海拔至少为1；小于1平方千米的岛不考虑。详细说明信息请见说明文档。 为了便于用户使用方便，在分块数据的基础上，将-10S-90N，20W-180E内10个区块进行拼接，没有经过任何重采样处理。本数据文件为DEM_ptpe_Gtopo30.nc
何永利
植被指数是反映植被物候变化的关键参数，高时间和空间分辨率的植被指数数据能够为全球变化研究提供可靠数据支持。目前，MODIS卫星数据产品是获取植被指数的一项重要数据源。MOD13Q1以每像素为基础提供植被指数（VI）值。有2个主要植被层。第一个是归一化差异植被指数（NDVI），第二个植被层是增强植被指数（EVI）。以17个关键节点为研究区域，基于2000至2016年MOD13Q1数据，对不同地区植被的NDVI、EVI各种数据进行了裁剪和估算，最终得到了关键节点区域2000-2016年16天百米级植被指数数据。
葛咏, 凌峰, 张一行
该数据集是利用HS-2便携式水文流速流量仪观测获取的扎加藏布入湖口的流量数据，可应用于寒区水文过程等学科领域。 数据获取时间为2017年8月15日，数据内容包含测量时间、位置、水深、流速及流量。 数据以excel文件存储。
张寅生
（1）数据内容 此数据包含两张数据表：SyrDarya_201705_part.xlsx，SyrDarya_201709_part.xlsx。 数据包含属性字段“Point”、“Longitude”、“Latitude”、和“SAL（‰）”分别代表“数据点编号”、“经度”、“纬度”、“总盐（‰）” （a）SyrDarya_201705_part.xlsx为2017年5月锡尔河流域采样数据，该数据没有包括“PH”；（b）SyrDarya_201709_part.xlsx为2017年9月锡尔河流域采样数据，该数据集包括酸碱度“PH”。 （2）按照数据处理的标准流程（①NY_T_1121-16-2006_土壤检测_第16部分：土壤水溶性盐总量的测定，②NY_T_1121-2-2006_土壤检测_第2部分：土壤PH测定），对锡尔河流域的土壤采样数据进行处理、分析和整理，从而筛选出锡尔河流域的土样采集与检测数据集。 （3）该数据为土壤采样数据，可用于监测土壤盐渍化等研究。
罗格平
数据包含青藏高原地区的植被指数数据，空间分辨率为1000m，时间分辨率为16d，时间覆盖范围为2000年、2005年、2010年、2015年。数据来源为MOD13A2(C6)。植被指数是研究植被覆盖时空演变特征的常用遥感数据处理模型。植被指数（NDVI）是根据植被的光谱特性，将卫星可见光和近红外波段进行组合,形成的各种植被指数。植被指数是对地表植被状况的简单、有效和经验的度量。数据对于分析青藏高原的生态环境有重要意义。
杨飞
锡尔河流域水资源利用数据为统计类型，主要为流域和子流域内站点数据，时间分辨率为每5年，时间范围1980-2015年，数据格式为*.xlsx，地域范围主要涉及锡尔河流域； 这些数据主要通过检索、查阅、翻译大量的中亚锡尔河流域资料获取的，主要包括中亚哈萨克斯坦、乌兹别克斯坦和吉尔吉斯斯坦公布的数据（网站下载）和直接从中亚购买统计年鉴、相关专业书籍等； 研究人员到锡尔河流域，并对相关的获取的数据进行了验证。
罗格平
该数据集是利用HS-2便携式水文流速流量仪获取的色林错入湖河流扎加藏布上游扎曲大桥流量观测数据，可应用于寒区水文过程等学科领域。 数据获取时间为2017年8月14日，数据内容包含测量时间、位置、水深、流速及流量。 数据以excel文件存储。
张寅生
根据树木年轮学的方法，采集天山中部（乌鲁木齐后峡）以及西部（伊犁库尔德宁）的雪岭云杉。通过传统的树木年轮学的方法进行样品的处理、定年，并建立了天山中西部雪岭云杉的宽度年表。再根据树轮同位素的方法选四根树芯进行清洗、风干后在显微镜下用手术刀进行样品的剥离。采用冷原子吸收的原理，用Hydra IIde 进行汞含量的测量。建立五年分辨率的中西部树轮汞污染记录。低频上记录的汞污染在逐渐的加强，结果和全球的汞排放有较为相似的趋势。在天山中部，人类的排放是主要的影响因素，树轮中的汞污染记录揭露了当地的汞沉降变化。相比较冰芯中的记录，二战之后树轮中汞有更为急剧的上升。结果表明在偏远地区，树轮可以作为一个区域的汞污染检测器并反映了低频的汞浓度变化趋势。
刘晓宏
数据内容：巴尔喀什湖地区7个土壤剖面化学性质数据集。 数据来源：2010年国家国际科技合作课题：气候变化对中亚地区土地生产力的影响对巴尔喀什湖地区土壤考察。 数据质量：按照土壤发生学对土壤剖面进行了分层取样，分析测定项目包括：有机质含量、土壤总氮、碳氮比、碳酸盐含量、碳酸钙含量、阳离子交换量（Ca\Mg\Na\K\总量）、pH值、土壤速效养分（速效磷、速效钾和碱解氮）等。 数据应用前景：具有精确坐标，可以进行历史数据对比研究。 备注：样点1和样点2相距20 m; 样点3和样点4相距50 m。
郑新军, 徐贵青
土壤是岩石经过风化作用形成的不同大小的矿物颗粒。土壤不仅仅为作物提供养分和水分,同时也对各种养分有转化作用。此外，土壤还有自净功能，可以改良有机物含量、土壤温湿度、pH值、阴阳离子。而土壤污染导致几个方面的环境问题：工业污水, .酸雨, 尾气排放, 堆积物, 农业污染。土地受到污染后，含重金属浓度较高的污染表土容易在风力和水力的作用下分别进入到大气和水体中，导致大气污染、地表水污染、地下水污染和生态系统退化等其他次生生态环境问题。该数据集来源于联合国粮农组织（FAO）和维也纳国际应用系统研究所(IIASA)所构建的世界土壤数据库(Harmonized World Soil Database version 1.1 )(HWSD)，该数据为建模者提供模型输入参数，同时为生态农业分区,粮食安全和气候变化等研究提供依据。
联合国粮农组织（FAO）
数据包含青藏高原地区的土壤有机质数据，空间分辨率为1km*1km，时间覆盖范围为1979-1985年。数据来源是基于第二次土壤普查数据生成的土壤碳含量。土壤有机质主要来源于植物、动物及微生物残体，其中高等植物为主要来源。原始土壤中最早出现在母质中的有机体是微生物。随着生物的进化和成土过程的发展，动物、植物残体及其分泌物就成为土壤有机质的基本来源。数据对于分析青藏高原的生态环境以及衡量区域土壤特征具有重要意义。
方华军
该数据为涵盖六大经济走廊的DEM数据，能够反映出六大经济走廊的海拔高度，单位米(m)。该数据空间分辨率为0.016度，约为1.8km，经度范围12.09°E-180°，纬度范围10.99°S-90°N，来源自美国国家海洋和大气管理局构建的Global Relief Model，并基于现阶段“一带一路”主要边界裁剪得到。该数据是评估六大经济走廊中的自然灾害(包括泥石流、滑坡、山洪等灾害)风险所必需的基础数据之一，应用频率高与前景广泛。
美国国家海洋和大气管理局, 邹强
色季拉山气象数据，记录西藏林芝鲁朗附近进地表（1.2-1.5m）常规气象观测，数据集包括色季拉山东坡2005-2017年和113道班林外林线附近的2005-2012年的温度、湿度、降水量等的日平均数据。 数据采集地点色季拉山东坡林线附近29°39′25.2″N; 94°42′25.62″E; 4390m；色季拉山113道班阴坡林外29°35′50.9″N; 94°36′42.7″E; 4390m。 采集器型号Campbell Co CR1000，采集时间：30分钟。数字化自动采集数据，人工计算日均值。 包含如下基本气象参数： 道班阴坡林外数据： 风速，单位：m/s 气温，单位：℃ 相对湿度，单位：% 大气压，单位：hPa 总辐射，单位：w/m2 土壤热通量，单位：w/m2 土壤温度，单位：℃ 土壤湿度，单位：% 雨量，单位：mm 超声波测量的雪厚，单位：cm 东坡林线附近数据： 气温，单位：℃ 相对湿度，单位：% 气压，单位：hPa 风速，单位：m/s 降雨量，单位：mm 辐射，单位：w/m2 土壤含水率，单位：% 土壤热通量，单位：w/m2
罗伦
该数据集是利用HS-2便携式水文流速流量仪观测获取的阿里藏布入湖口的流量数据，可应用于寒区水文过程等学科领域。 数据获取时间为2017年8月16日，数据内容包含测量时间、位置、水深、流速及流量。 数据以excel文件存储。
张寅生
包括塔里木河的降水、蒸发、水储量变化以及土壤水变化逐月数据，降水数据来源于ECMWF，蒸发数据通过基于彭曼公式的能量模型计算，水储量数据通过GRACE重力卫星数据反演得到，GLDAS数据通过美国NOAH的陆面过程模式模拟得到，NDVI数据来自MODIS数据产品。降水和蒸发分辨率为0.5°*0.5°，水储量和土壤水变化数据分辨率为1°*1°。数据为水资源管理和决策提供参考依据。植被数据可为生态变化评估提供基础数据。
许民
中亚地区2017年输沙势数据集，为tif格式。其空间范围涵盖里海在内的中亚五国地区，包括乌兹别克斯坦、哈萨克斯坦、土库曼斯坦、塔吉克斯坦和吉尔吉斯坦。此输沙势为绝对输势，即各个方向的输沙通量的综合，不考虑输沙势的方向。该数据由GLDAS全球三小时同化数据提取计算获得。时间分辨率为月，空间分辨率为0.25°，时间范围为2017年。该数据可以作为沙尘传输模型的重要参数输入，也可用于评估中亚五国沙通量的总体分布情况。该数据集可作为风沙灾害评估的重要参考数据。
高鑫
采用实地调查的方法，收集了青藏高原藏北那曲、东部若尔盖高原、风火山2015-2017年植被地上地下生物量及土壤碳氮数据，并对数据进行整理和初步分析。数据集主要包括不同增温梯度、不同海拔梯度（亚高山草甸、高山草甸、高山灌丛草甸）、不同水分梯度（沼泽湿地、退化沼泽、沼泽草甸、湿草甸、干草甸、退化草甸）和不同沙化程度（轻度沙化、中度沙化、重度沙化、完全沙化）下的高寒地区植被地上和地下生物量以及土壤碳含量。综合分析了以上不同梯度下植被生物量和土壤碳氮含量的差异和变化趋势。该数据集为了解及合理利用草地资源提供理论依据，也为探讨全球气候变化背景下高寒草地生产力预测提供有力支持。
张宪洲, 张扬建, 苏培玺, 杨燕
径流是大气降水形成的，并通过流域内不同路径进入河流、湖泊或海洋的水流。习惯上也表示一定时段内通过河流某一断面的水量，即径流量。径流数据在水文水资源研究中占据着重要的地位，影响中亚当地社会经济的发展。本数据为中亚五国（哈萨克斯坦、吉尔吉斯斯坦、塔吉克斯坦、乌兹别克斯坦和土库曼斯坦）流量，来源于中亚各国水文气象局。时间尺度为2015年的年均数据。本数据为项目提供了基础数据，便于分析中亚生态水文水资源的情况，为项目数据分析提供了数据支持。
刘铁
该数据为涵盖六大经济走廊的坡度数据，能够反映出六大经济走廊地表单元陡缓的程度，单位°。该数据空间分辨率为0.016度，约为1.8km，经度范围12.09°E-180°，维度范围10.99°S-90°N，来源自美国国家海洋和大气管理局构建的Global Relief Model，基于“一带一路”国家边界裁剪得到。该数据是评估六大经济走廊中的自然灾害(包括泥石流、滑坡、山洪等灾害)风险所必需的基础数据之一，应用频率高与前景广泛。
邹强
基于2015年欧空局全球陆地覆盖数据（ESA CCI-LC，300m栅格），结合清华大学全球土地覆被数据（FROM-GLC，30m栅格）、美国NASA的MODIS全球土地覆被数据（MCD12Q1，300m栅格）、美国地质调查局USGS的全球耕地数据（GFSAD30，30m）、日本全球林地数据的（PALSAR/PALSAR-2，25m），构建了“一带一路”区域LUCC分类系统以及其余数据分类系统的转换规则，构建土地覆被分类置信度函数和地类融合规则，进行土地覆被产品融合与修正，完成了“一带一路”区域土地利用数据V1.0（64+1个国家，2015，1 km×1 km栅格，一级分类）。
许尔琪
阿姆河流域土地利用分布图包括1990年、2000年、2010年和2015年四期数据，由中国科学院新疆生态与地理研究所遥感与GIS重点实验室生产，数据空间分辨率为30m。数据生产费用由“中国科学院战略性先导科技专项XDA20030101资助”。阿姆河流域土地利用分布图是基于1990年、2000年、2010年和2015年TM、ETM遥感影像数据，基于去云、镶嵌与裁剪、拼接、阴影处理等预处理，借助eCognition软件进行面向对象的地类分类，实现软件自动分类和人工信息提取相结合，最后对分类结果进行人工检查与修正。土地利用类型二级类有25个，分别是水田、水浇地、旱地、有林地、灌木林地、疏林地、其他林地、高覆盖度草地、中覆盖度草地、低覆盖度草地、城镇用地、农村居民点、其他建设用地、机场用地、河渠、湖泊、水库坑塘、永久性冰川雪地、滩地、沙漠、戈壁、盐碱地、湿地、裸土地和裸岩石砾地。数据验证方式为野外实地验证和高精度影像验证两种方式，解译精度达到85％。
许文强
中亚地区植被覆盖度数据，数据格式为“.tif”的栅格数据集。范围包含了里海在内的中亚五国地区。该数据由MODIS-NDVI数据集，根据干旱区植被盖度与NDVI之间的经验关系计算得到。该数据空间分辨率为500m，时间分辨率为16天，时间范围为2017年1月1日至2017年12月18日，其坐标系统为大地坐标系统。该数据集可为中亚地区沙漠油气田与绿洲城镇风沙灾害评估提供数据基础。该数据由中国科学院新疆生态与地理研究所提供。
高鑫
阿拉木图土地使用数据，分辨率30米，数据格式为TIF，时间分别为1990.05.03和2018.04.14。数据来源GLC，其全球陆地覆盖数据的原始数据来自Envisat卫星，由MERIS（Medium Resolution Imaging Spectrometer）传感器拍摄完成。目前共有两期，GlobCover（Global Land Cover Map）和GlobCover （Global Land Cover Product）.
黄金川, 马海涛
土地利用/覆被是环境问题与灾害风险防控研究最基础的本底数据。在分析现有土地利用产品的基础上，基于10m分辨率的多时相Sentinel数据，对其进行大气校正、辐射定标、裁剪等预处理后，采用eCognition平台的面向对象遥感分类方法，多尺度分割、构建特征空间、对关键节点区域土地利用/覆被进行遥感监测。分类体系为：10.Forest森林；20.Cultivated Land 耕地；21.Paddy filed 水田；22.Dry farmland 旱地；30.Water 水体；31.River 河流；32.Lake 湖泊（含水库、坑塘）；33.wetland 沼泽湿地；40.Artificial surface 人工表面；43. Mining area 采矿区；50.Bareland 裸土、裸岩、荒漠等；60.Grassland 草地；70.Shrubland 灌丛。基于有限样本对数据进行精度分析，分类精度约在90%以上，数据质量精度有待进一步分析。本年度获取了8个节点区域（缅甸皎漂港、仰光、吉布提、曼德勒、汉班托塔港、科伦坡港、泰中罗勇工业区、曼谷）2017年10m分辨率的土地利用/覆被数据。
王立辉
1:10万黑河流域植被图，区域范围以黄委会黑河边界为准，面积约为14.29×104km2，数据格式为GIS矢量格式，本版本为3.0版。该数据以地面观察数据为主、综合各类遥感数据、1：100万植被图、气候、地形、地貌、土壤数据制图，并进行交叉验证编制而成。采用《中华人民共和国植被图 (1:1,000,000), 2007》的分类标准、图例单位和系统，包括植被型组、植被型、群系、亚群系四个单位。新版主要是对新群系代码进行了统一（共74个代码，区分群系和亚群系）。将2.0版本的9个植被型组，22个植被型，74个群系（亚群系）改为9个植被型组，22个植被型，67个群系（7个亚群系）。 数据包含2.0版本和3.0版本。
郑元润, 周继华
1、以野外涡度相关实测数据为基础，采用国际上公认的涡度相关数据标准处理方法，基本流程包括：野点剔除-坐标旋转-WPL校正-储存项计算-降水同期数据剔除-阈值剔除-异常值剔除-u*校正-缺失数据插值-通量分解与统计。本数据集包括青藏高原上典型的高寒草地生态系统，当雄高寒草甸、海北高寒草甸、那曲高寒草甸、若尔盖高寒草地和祁连山高寒草地，2003年到2016年间的碳通量数据和同时观测的小气候数据。数据的时间分辨率高，全年数据插值完整。本数据集可以应用于高原区碳通量评估、对比与预测，影响碳通量的气候因素归因，以及模型模拟结果的校正等。 2、以MCDGF43数据为基础，采用标准栅格数据投影、拼接和裁切的处理方法，基本流程包括：拼接-重采样-裁切。 本数据集包括青藏高原的地表反照率数据（可见光波段和近红外波段），时间分辨率为8天，空间分辨率500m，时间跨度为2003-2016年。
张扬建, 苏培玺, 杨燕
基于环境敏感区指数（ESAI）方法，计算获得中西亚的栅格荒漠化风险数据。ESAI方法考虑土壤，植被，气候和管理质量，是监测荒漠化风险最广泛的方法之一。根据ESAI指标框架，选择了14个指标计算四个质量领域，每个质量指数均由几个指标参数计算获得。参考前人研究，确定每个参数分类及其阀值。然后，根据每个类别在荒漠化的敏感性中的重要性以及与荒漠化过程的开始或不可逆转的退化关系，把每个类别分配了1（最低敏感度）和2（最高敏感度）之间的敏感性得分。关于如何选取指标以及与荒漠化风险和得分相关性，在Kosmas的研究中提供了更全面的描述。主要指标数据集来源于联合国粮农组织的世界土壤数据，欧空局的土地覆盖数据和AVHRR数据。所有栅格数据集重采样到1km并合成年度值。尽管验证综合评估指数存在困难，但根据ESAI值的时空比较，对荒漠化风险进行了间接验证，包括对ESAI与稀疏植被和草地转变关系的定量分析和分析ESAI与植被净初级生产力之间的关系。验证结果表明中西亚地区的荒漠化风险数据精度可靠。
许文强
数字高程模型（Digital elevation model dataset of all nodes area,DEM）数据是地理信息系统的基础数据，可用于土地利用现状的分析、合理规划及洪水险情预报等，描述的是地面高程信息，对自然地理要素以及与地面有关的社会经济及人文要素等研究具有重要研究意义。 数据集以泛第三极范围内31个关键节点（Abbas, Alexander, Ankara, Astana, Bangkok, Chittagong, Colombo, Dhaka, Djibouti, Ekaterinburg, Gwadar, Hambantota, Karachi, Kolkata, Kuantan, Kyaukpyu, Maldives, Mandalay, Melaka, Minsk, Mumbai, Novosibirsk, Piraeus, Rayong, Sihanouk, Tashkent, Teheran, Valencia, Vientiane, Warsaw, Yangon）为研究区域，ASTER GDEM(第二版)数字高程模型为数据源，实现对地面地形的数字化模拟（即地形表面形态的数字化表达），最终得到了关键节点区域的数字高程模型数据。其他如坡度、坡向及坡度变化率等地貌特性可在本数据集的基础上派生。
尚成
塔什干土地使用数据，分辨率30米，数据格式为TIF，测量时间分别为1990.03.03和2018.03.16。数据来源GLC，其全球陆地覆盖数据的原始数据来自Envisat卫星，由MERIS（Medium Resolution Imaging Spectrometer）传感器拍摄完成。目前共有两期，GlobCover（Global Land Cover Map）和GlobCover （Global Land Cover Product）
黄金川, 马海涛
本数据集为2017年6-12月份色林错水深2m、15m、18m、28m、38m处的水质数据。该数据集由HOBO水温计测得，记录间隔时间为1h，具体变量包含水温和电导率。 数据集可以用于湖泊理化性质及其气候响应、湖泊环境变化等多领域的研究。
王君波
水系与流域分区数据（Inland water system and river basin regional dataset）是全球变化研究中的关键水文参数，其分布对研究节点各类水体性质、形态特征、变化和时程分配以及地域分异规律等具有重要研究意义。 本数据的基底数据从DIVA-GIS下载，以泛第三极范围内31个关键节点（Abbas, Alexander, Ankara, Astana, Bangkok, Chittagong, Colombo, Dhaka, Djibouti, Ekaterinburg, Gwadar, Hambantota, Karachi, Kolkata, Kuantan, Kyaukpyu, Maldives, Mandalay, Melaka, Minsk, Mumbai, Novosibirsk, Piraeus, Rayong, Sihanouk, Tashkent, Teheran, Valencia, Vientiane, Warsaw, Yangon）为研究区域，以行政边界数据为研究范围，保留了湖泊水库（面状水系）与江流河流（线状流域）的分布。最终得到了31个关键节点区域的水系与流域分区数据。 本数据集作为所有水文遥感数据的研究基础，为项目提供了水文基底数据。根据官方或节点所在政府信息和水系的变化趋势，本数据集可实时更新。
尚成
本数据集包括了2017年6-7月份江湖源考察期间在色林错、格仁错、错鄂湖等地采集的水样氢氧同位素比值数据，水样采集时间集中在6-7月份，数据可以用于湖泊水循环、湖泊环境变化、同位素地球化学研究等多领域的研究。 数据由青藏高原研究所环境实验室测得，所用仪器为美国Picarro公司波长扫描光腔衰荡光谱仪。测量时，每个样品都进行两次测量，得到两个数据。分析时，采用每个样品的同一指标两个数据的平均值。
王君波
青藏高原生态资产评估遥感反演基础数据集包括了青藏高原自2000年起年度的植被覆盖度(FVC)，净初级生产力(NPP)和叶面积指数(LAI)等基于遥感反演的生态参数，以供区域尺度生态资产评估研究使用。其中净初级生产力数据基于CASA模型的NPP估算方法完成。在某些极端或环境因子迅速变化的情况下，如果完全适应不可能，或者植物还来不及适应新的环境，NPP则受到最紧缺资源的限制，它们可以通过一个转换因子连接起来，这一转换因子可以是一个复杂的模型，也可以是一个简单的比率常数。
刘文俊
生态系统总初级生产力（ Ecosystem Gross Primary Productivity, GPP）是全球变化研究中的关键参数，为应用生态学方法研究生态系统的碳通量、碳储量以及碳循环过程，评价生态系统在全球的碳平衡以及区域贡献和响应提供了基础。目前，MODIS卫星数据产品是反演生态系统总初级生产力的一项重要数据源。以18个关键节点为研究区域，基于2000至2016年MOD17A2H数据，对不同地区的生物积累量或有机碳的积累量进行了裁剪和估算，最终得到了关键节点区域2000-2016年8-16天GPP数据。
葛咏, 凌峰, 张一行
MODIS三级数据土地覆盖类型产品（Land Cover data）是基于Terra和Aqua卫星的年度观测数据提取而来的。根据国际地圈生物圈计划（IGBP）定义的土地覆盖类型，该数据产品集中包含了17个主要土地覆盖类型，其中包括11个自然植被类型，3个土地开发和镶嵌的地类和3个非草木土地类型。MODIS Terra/Aqua三级土地覆盖年度全球500米产品MCD12Q1采用了五种不同的土地覆盖分类方案，而信息提取主要技术则是监督决策树分类。以主要覆盖东南亚和中东的18个关键节点为研究区域，基于2001至2016年的MCD12Q1数据，利用MatLab对数据进行研究区的掩模裁剪，最终得到了东南亚18个关键节点区域2001-2016逐年的地表土地覆盖数据。
葛咏, 凌峰, 张一行
为了解析蔓菁如何、何时进入青藏高原，探讨蔓菁在青藏高原传播与驯化与早期人类活动的高原定居和古丝绸交流之间的关系，2018年6月，课题组利用三代基因组测序技术，对一个青藏高原的蔓菁自交F1代品种进行全基因组测序和De Novo组装，得到组装基因组大小为409.69 Mb，Contig N50为1.21 Mb。这一结果可为研究植物扩散与人类活动之间的关系提供遗传基础。高原各地的传统蔓菁品种是人类选择和基于区域气候环境自然选择的综合作用结果，因此这项研究有助于揭示人工驯化和人类选择对蔓菁的遗传分化的影响，以及蔓菁适应高原生态环境的适应性机制。
段元文
中亚五国1980-2015年农业水资源供需和开发利用数据集，来源全球陆面数据同化系统，分别包括基于Noah、Mosaic和VIC模型输出的降水、蒸发和径流数据。该数据集时间和空间分辨率高，具有较好的数据精度，在全球尺度和区域尺度研究中应用广泛。Noah、Mosaic和VIC模型的降水、蒸发和径流模拟结果在空间分布上的表现较为一致。可用于中亚地区水资源时空变化特征、农业水资源供需关系分析和水资源开发潜力评估等。
张永勇
青藏高原生态资产评估遥感反演基础数据集包括了青藏高原自2000年起年度的植被覆盖度(FVC)，净初级生产力(NPP)和叶面积指数(LAI)等基于遥感反演的生态参数，以供区域尺度生态资产评估研究使用。其中植被覆盖度数据以MODIS NDVI数据为主体，基于像元二分模型，利用多尺度遥感影像，结合植被群落类型、分布特征等高精度遥感参数，发展植被覆盖度模型，用混合像元分解法构建。精度验证估测值与实测值的RMSE为0.21，在样本值0-0.5之间均存在一定的高估情况。
刘文俊
中亚沙漠油气田分布城镇分布数据，数据格式为“.shp”格式矢量数据。包括了中亚五国油气田及主要城镇居民点的分布。该数据由MODIS-MCD12Q产品提取裁切而成，该产品空间分辨率为500 m，时间分辨率为1年，其分类标准采用的是IGBP全球植被分类方案，该方案共分为17种土地覆被类型，其中城镇数据利用该分类方案中的建筑与城镇用地。该数据可为中亚地区沙漠油气田与绿城城镇风沙灾害评估和防治提供数据支撑。
高鑫
生态系统净初级生产力（ Ecosystem Net Primary Productivity, NPP）是全球变化研究中的关键参数，为应用生态学方法研究生态系统的碳通量、碳储量以及碳循环过程，评价生态系统在全球的碳平衡以及区域贡献和响应提供了基础。目前，MODIS卫星数据产品是反演生态系统总初级生产力的一项重要数据源。以18个关键节点（Bangkok, Burma_Port, Chittagong, Colombo, Dhaka, Gwadar_Port, Hambantota, Huangjing_Port_and_Malacca, Karachi, Kolkata, Kuantan, Maldives, Mandalay, Mumbai, Sihanouk, Taizhong_Luoyong, Vientiane, Yangon）为研究区域，基于2002至2014年MYD17A3H数据，对不同地区的生物积累量或有机碳的积累量进行了裁剪和估算，最终得到了关键节点区域2002-2014年年平均NPP数据。
葛咏, 凌峰, 张一行
蒸散发(evapotranspiration，ET)是水文循环中自降水到达地面后由液态或固态转化为水汽返回大气的过程，通常指地表土壤水分的蒸发(evaporation, E)和植物体内水分的蒸腾(transpiration, T)的总和，是全球变化研究中的关键参数是地气相互作用中水分平衡的重要部分。目前，MODIS卫星蒸散发数据产品是监测地表时空变化的一项重要数据源，地表蒸散发是地气相互作用中水分平衡的重要部分。本数据以具有较高时空分辨率的MODIS16全球陆地蒸散发产品为基础，以一带一路整个区域划分出来的31个关键节点以及中老泰柬铁路、中缅石油天然气管道和雅万高铁三个重点核查区域范围的ET进行了裁剪、估算，得到的关键节点区域8-16天的ET产品，时间范围为2000-2016年。相比一些主要用于一带一路相关区域地表水分和能量平衡过程的模拟和动态监测以及合理管理区域水资源，尤其是对水资源的科学配置、实现水资源的高效利用具有重要的现实意义，能够有目的性的对一带一路区域的相关研究提供数据支持和参考。
阴海明
青藏高原生态资产评估遥感反演基础数据集包括了青藏高原自2000年起年度的植被覆盖度(FVC)，净初级生产力(NPP)和叶面积指数(LAI)等基于遥感反演的生态参数，以供区域尺度生态资产评估研究使用。叶面积指数数据主要基于已有MODIS MCD15A2产品，通过基于TSF滤波的叶面积指数估算改进方法及尺度下推方法来完成。为了验证数据精度，在全国范围内均匀布设了746个样地，包括76个农田样点、47个草地样点、467个森林样点和156个灌木样点，均为在30米*30米样地内使用LAI-2000、LAI-2200或TRAC等专用设备获得。
刘文俊
1、 数据内容：云南省金沙江流域白水河站2018年月平均流量统计数据 2、 数据来源及加工方法：利用澳大利亚Unidata超声波流速传感器在设置的白水河水文断面自动测量河流流速，利用HOBO水位计所记录的水位数据，结合对应的水文断面面积数据，用流量与流速关系式计算公式，计算得出流量数据。 3、 数据质量描述：数据自动连续获取, 每隔2小时进行连续测量。 4、 数据应用成果及前景：数据可为冰川积雪-径流模型模拟等提供数据支持
蒲焘
根据项目实施计划进度安排，受项目组管理委员会委托，中国科学院新疆生态与地理研究所组织一行6人考察队针对咸海周边土地沙化、盐渍化及植被建设情况，于11月15日至11月26日深入咸海周边进行了实地考察。初步了解了咸海周边土壤沙化、盐渍化的历史、现状、开展的治理工作、取得的成效、当前紧迫的问题等情况。并进行了植被和土壤取样，提出了解决问题的技术思路，即提用地下微咸、咸水种植盐生植物，实现盐碱地植被快速建植。通过实地考察，考察组认为实施盐碱地植被建设应以盐生植物为主，以乡土树种为重。根据当地盐生植物分布规律和盐碱地主要建群种特征，结合实施地的气候条件，应该重点选择盐穗木等7种盐生植物进行种植示范。考察组在实际调查后，提出了关于盐碱地植被建设的三条具体建议。
赵振勇
地表温度（Land Surface Temporature, LST）是全球变化研究中的关键参数，其对生态系统和生物地球化学等具有重要研究意义。目前，Landsat热红外系列卫星数据（包括Landsat TM，ETM+和OLI热红外波段）是地表温度反演的一项重要数据源。以达卡关键节点为研究区域，基于2000至2016年Landsat TM/ETM+/TIRS系列质量较好（云量低于30%）的数据，采用单通道算法（single channel，SC算法）进行地表温度反演。同时，考虑了基于NDVI来源的反射率校正，以便对不同地区和条件进行更准确的LST估算。最终得到了达卡关键节点区域2000-2016逐年每季度（近似）地表温度数据。注：由于该区域数据受云干扰严重，对数据种进行了云掩膜处理。
葛咏, 凌峰, 张一行
MODIS卫星的MOD09A1 Version 6产品提供了针对气体、气溶胶和瑞利散射等大气条件校正的第1至7波段的地表光谱反射率的估计值。它是由500m分辨率的MOD09GA组成的3级数据合成的产品，每个产品像元包含了基于高观测覆盖率、低视角、云覆盖以及气溶胶负载而选择的8天期间可能的最佳L2G观测值。除了7个500米的反射波段之外，还有一个质量图层和四个观测波段。对于每个像元，从8天合成周期内采集的所有观测值中选择一个值。像元选择的标准包括云量和太阳天顶角。 本数据集基于National Aeronautics and Space Administration（NASA）下载的2000-2016年8天合成的MOD09A1 V6版本数据，空间分辨率500米，利用MatLab对数据进行研究区的掩模裁剪，最终得到了18个关键节点区域2000-2016年8日合成的地表土地覆盖数据。 数据涉及的18个关键区域主要包括：曼谷、缅甸港口、吉大港、科伦坡、达卡、瓜达尔港、汉班托特、黄荆港和马六甲、关丹、马尔代夫、曼德勒、西哈努克、万象、仰光等区域）
李炘妍
地表温度（Land Surface Temporature, LST）是全球变化研究中的关键参数，其对生态系统和生物地球化学等具有重要研究意义。目前，MODIS卫星数据是地表温度反演的一项重要数据源。以18个关键节点为研究区域，基于2000至2016年MOD11A2数据，Modis采用的是劈窗算法，在此种算法的基础之上，对不同地区的温度反演数据加入了经验拟合的修正，进行了裁剪和估算，最终得到了18个关键节点区域2000-2016逐年8天1km的地表温度数据。
葛咏, 凌峰, 张一行
MODIS百米级森林覆盖度是反映森林总体覆盖情况的关键参数，森林在岩石圈、生物圈、土壤圈和大气圈中充当特殊的“转化”作用，为评价生态系统在全球的碳平衡以及区域贡献和响应提供了基础。目前，MODIS卫星数据产品是反演森林覆盖度的一项重要数据源。以18个关键节点为研究区域，基于2000至2016年MOD44B数据，对不同地区的森林覆盖度数据进行了裁剪和估算，最终得到了关键节点区域2000-2016年MODIS百米级森林覆盖度数据。
葛咏, 凌峰, 张一行
采用野外调查、取样以及室内测试分析的方法，系统汇集了内蒙古不同退化阶段的三类温性草原，即自东向西的草甸草原、典型草原和荒漠草原的植被和土壤数据。具体包括：样地采集点坐标信息、植物调查样方表、植物生长繁盛期地上生物量、植物有机碳含量、植物全氮、植物全钾；土壤水分含量、土壤PH值、土壤电导率、土壤无机氮含量、土壤容重、土壤团聚体占比、土壤有机碳含量、土壤全氮、土壤全钾。这些数据均是采用标准化测试方法，为系统研究内蒙古温性草地具有一定的参考价值。
马秀枝
本数据为小满玉米地（2012-06-25日至2012-08-24日）的LAINet数据集。 测量仪器：北京师范大学自制无线传感器网络叶面积指数观测仪 测量方式：LAINet观测系统由三类传感器节点组成，分别是（1）冠层下节点，传感器近水平向上放置，用来测量冠层透过辐射，（2）冠层上节点，传感器近似水平向上放置，用来测量太阳入射总辐射，（3）汇聚节点，用来接收并转发由（1）和（2）两类节点测量到的数据。 数据处理：从传感器接收到原始数据是按照汇聚节点进行接收的，经过预处理之后形成以天为时间单位的原始数据集。仪器对冠层透过率的观测是通过计算一天之内不同太阳高度角下冠层下透过辐射与冠层上的入射总辐射的比值而得到的。叶面积指数是基于多角度透过率数据进行反演计算得到。 LAINet数据集包括计算的原始LAI数据、经过5天平均之后的LAI数据以及测量节点的经纬度。所有数据以Excel保存。其中5天平均处理后的数据以汇聚节点编号为表单名称，每个表单（sheet）保存是一个汇聚节点下所有子节点的测量数据。原始数据记录了每个节点在所有观测日期内能够计算得到的LAI数值。以上两类数据的每个表单中，各列的含义如下：测量日期，DOY，节点1，节点2，...,节点N。
马明国
本数据来源于“中国1:10万土地利用数据”。中国1:10万土地利用数据是由中国科学院“八五”重大应用项目《全国资源环境遥感宏观调查与动态研究》组织了中国科学院所属19个研究所的遥感科技队伍，以卫星遥感为手段，在三年内基于Landsat MSS，TM和ETM遥感数据构建的。本数据采用一个分层的土地覆盖分类系统，将全国分为6个一级类（耕地、林地、草地、水域、城乡、工矿、居民用地和未利用土地），31个二级类。这是目前我国精度最高的土地利用数据产品，已经在国家土地资源调查、水文、生态研究中发挥着重要作用。
刘纪远, 庄大方, 王建华, 周万村, 吴世新
无论从全球尺度亦或是局地尺度而言，土壤数据及其重要，而由于缺乏可靠的土壤数据，土地退化评估、环境影响研究和、可持续的土地管理干预措施收到了极大的瓶颈阻碍。受到土壤信息数据在全世界的迫切需要，特别是在气候变化公约的背景下，国际应用系统分析研究所（IIASA）及联合国粮农组织（FAO）和京都协议对土壤碳测量和联合国粮农组织/国际全球农业生态评价研究(GAEZ v3.0)共同倡导下建立了新一代世界土壤数据库(Harmonized World Soil Database version 1.2 )(HWSD V1.2).其中，中国地区数据源为1995年全国第二次土地调查由南京土壤所所提供的1:1,000,000土壤数据。数据格式:grid栅格格式，投影为WGS84。采用的土壤分类系统主要为FAO-90。 核心土壤制度单元唯一验证标识符： MU_GLOBAL-HWSD数据库土壤制图单元标示符，连接了GIS图层。 MU_SOURCE1 和 MU_SOURCE2- 源数据库制图单元标识符 SEQ-土壤制图单元组成中的土壤单元序列； 土壤分类系统利用FAO-7分类系统或 FAO-90分类系统(SU_SYM74 resp. SU_SYM90)或FAO-85(SU_SYM85). 土壤属性表主要字段包括: ID(数据库ID) MU_GLOBAL(土壤单元标识符)（全球） SU_SYMBOL 土壤制图单元 SU_SYM74(FAO74分类); SU_SYM85(FAO85分类); SU_SYM90（FAO90土壤分类系统中土壤名称)； SU_CODE 土壤制图单元代码 SU_CODE74 土壤单元名称 SU_CODE85 土壤单元名称 SU_CODE90 土壤单元名称 DRAINAGE(19.5); REF_DEPTH(土壤参考深度); AWC_CLASS(19.5); AWC_CLASS(土壤有效水含量); PHASE1: Real (土壤相位); PHASE2: String (土壤相位)； ROOTS: String (到土壤底部存在障碍的深度分类)； SWR: String (土壤含水量特征)； ADD_PROP: Real (土壤单元中与农业用途有关的特定土壤类型)； T_TEXTURE(顶层土壤质地); T_GRAVEL: Real (顶层碎石体积百分比)；(单位：%vol.) T_SAND: Real (顶层沙含量)； (单位：% wt.) T_SILT: Real (表层粉沙粒含量)； (单位：% wt.) T_CLAY: Real (顶层粘土含量)； (单位：% wt.) T_USDA_TEX: Real (顶层USDA土壤质地分类)； (单位：name) T_REF_BULK: Real (顶层土壤容重)； (单位：kg/dm3.) T_OC: Real (顶层有机碳含量)； (单位：% weight) T_PH_H2O: Real (顶层酸碱度) (单位：-log(H+)) T_CEC_CLAY: Real (顶层粘性层土壤的阳离子交换能力)； (单位：cmol/kg) T_CEC_SOIL: Real (顶层土壤的阳离子交换能力) (单位：cmol/kg) T_BS: Real (顶层基本饱和度)； (单位：%) T_TEB: Real (顶层交换性盐基)；(单位：cmol/kg) T_CACO3: Real (顶层碳酸盐或石灰含量) (单位：% weight) T_CASO4: Real (顶层硫酸盐含量)；(单位：% weight) T_ESP: Real (顶层可交换钠盐)；(单位：%) T_ECE: Real (顶层电导率)。 (单位：dS/m) S_GRAVEL: Real (底层碎石体积百分比)；(单位：%vol.) S_SAND: Real (底层沙含量)； (单位：% wt.) S_SILT: Real (底层淤泥含量)； (单位：% wt.) S_CLAY: Real (底层粘土含量)； (单位：% wt.) S_USDA_TEX: Real (底层USDA土壤质地分类)； (单位：name) S_REF_BULK: Real (底层土壤容重)； (单位：kg/dm3.) S_OC: Real (底层有机碳含量)； (单位：% weight) S_PH_H2O: Real (底层酸碱度) (单位：-log(H+)) S_CEC_CLAY: Real (底层粘性层土壤的阳离子交换能力)； (单位：cmol/kg) S_CEC_SOIL: Real (底层土壤的阳离子交换能力) (单位：cmol/kg) S_BS: Real (底层基本饱和度)； (单位：%) S_TEB: Real (底层交换性盐基)；(单位：cmol/kg) S_CACO3: Real (底层碳酸盐或石灰含量) (单位：% weight) S_CASO4: Real (底层硫酸盐含量)；(单位：% weight) S_ESP: Real (底层可交换钠盐)；(单位：%) S_ECE: Real (底层电导率)。 (单位：dS/m) 本数据库分两层，其中以顶层（T）土壤厚度为（0-30cm），底层（S）土壤厚度为（30-100cm）。 其他属性值请参考说明HWSD1.2_documentation文档.pdf，The Harmonized World Soil Database (HWSD V1.2) Viewer-中文说明及HWSD.mdb。
孟现勇, 王浩
青藏高原湖泊面积长时间序列数据集包含1970s至2013年364个面积大于10平方公里湖泊的面积序列数据。根据Landsat影像得来，以Landsat 10月份数据为主，每隔3年取一个数据，减少季节变化的同时，可利用数据达到最大。 数据使用NDWI水体指数提取，每个湖泊经过人工目视检查与编辑。 数据应用于青藏高原湖泊变化、湖泊水量平衡、气候变化的研究。 数据类型：矢量。 投影方式：WGS84。
张国庆
基于微波数据同化的中国土壤水分数据集包含2002-2011年3层土壤水分数据（0-5cm，5-20cm，20-100cm）。数据采用Yang et al.(2007) 发展的自动标定参数的陆面同化系统（ITPLDAS），以中国区域高时空分辨率的地面气象要素数据集（ITP-forcing数据集）驱动陆面过程模型SiB2，同化AMSR-E 卫星观测亮温，输出三层土壤水分数据。土壤水分均方根误差：5%VWC（在青藏高原那曲和玛曲的评估精度）。 数据文件名称： Soil-Moisture_from_ITPLDAS_daily_0.25deg_v2.1.nc 数据内容变量描述： 文件主要包括5个变量：lon、lat、lev、time及www； www(time, lev, lat, lon)是土壤水分含量（缺值为：-999.0）, 其中lon、lat、lev、time分别是经度、纬度、深度及时间四个维度坐标。 变量单位描述： 土壤水分体积含量（www）：m3/m3。 附：ncdump –h 命令可以直接查看头文件信息。
阳坤
该数据集包含了2017年1月1日至2017年12月31日的宇宙射线仪器（crs）观测数据。站点位于甘肃省张掖市大满灌区农田内，下垫面是玉米地。观测点的经纬度是100.3722E, 38.8555N，海拔1556m，仪器探头底部距地面0.5m，采样频率是1小时。 宇宙射线仪器的原始观测项目包括：电压Batt（V）、温度T（℃）、相对湿度RH（%）、气压P（hPa）、快中子数N1C（个/小时）、热中子数N2C（个/小时）、快中子采样时间N1ET（s）及热中子采样时间N2ET（s）。发布的数据为经过处理计算后的数据，数据表头包括：Date Time（日期 时间）、P（气压 hPa）、N1C（快中子数 个/小时）、N1C_cor（气压订正的快中子数 个/小时）和VWC（土壤体积含水量 %），其处理的主要步骤包括： 1） 数据筛选 数据筛选共四条标准：（1）剔除电压小于和等于11.8伏特的数据；（2）剔除空气相对湿度大于和等于80%的数据；（3）剔除采样时间间隔不在60±1分钟内的数据；（4） 剔除快中子数较前后一小时变化大于200的数据。此外缺失数据用-6999补充。 2） 气压订正 根据仪器说明手册中提到的快中子气压订正公式，对原始数据进行气压订正，得到订正后的快中子数N1C_cor。 3） 仪器率定 在计算土壤水分的过程中需要对计算公式中的N0进行率定。N0为土壤干燥条件下的快中子数，通常使用测量源区内的土样得到实测土壤水分（或者通过比较密集的土壤水分无线传感器获取）θm（Zreda et al. 2012）和对应时间段内的快中子校正数据N，再通过公式反求得到N0。 在此，根据仪器源区内的Soilnet土壤水分数据对仪器进行率定，建立土壤体积含水量θv和快中子之间的关系。分别选取干湿状况差异比较明显的2012年6月26日-27日和7月16日-17日四天的数据，其中6月26日-27日率定数据显示土壤水分较小，因此选取4厘米、10厘米和20厘米的三个值平均值作为率定数据，其变化范围为22%-30%，而7月16日-17日率定数据显示土壤水分较大，因此选取4厘米、10厘米的两个值平均值作为率定数据，其变化范围为28%-39%，最后平均N0为3597。 4） 土壤水分计算 根据公式，计算得到每小时的土壤含水量数据。 水文气象网或站点信息请参考Liu et al. (2018)，观测数据处理请参考Zhu et al. (2015)
刘绍民, 朱忠礼, 徐自为, 李新, 车涛, 谭俊磊, 任志国
采用供需平衡的分析方法，分别计算流域总体及各县区水资源供给量及需求量的基础上，评估流域水资源系统脆弱性。采用IPAT等式设置未来水资源需求情景，即通过设定未来的人口增长率、经济增长速度、单位GDP耗水量等变量来建立需水情景。以2005年为基准年，预测未来2010-2050年的各县市水资源需求情景。人口规模、经济规模采用配套预测数据。应用瑞典水文气象研究所HBV概念性水文模型的基本结构，设计了在气候变化下流域变化趋势的模型，以冰川融化情景为模型的输入，构建气候变化下出山径流情景。依据流域水资源配置的国家地方规定设置配水方案，综合计算水资源供给量。综合供需情况，以缺水率为指标评价水资源系统脆弱性。通过计算流域主要县市的（小麦生产）土地压力指数，分析了流域气候变化、冰川融化及人口增长情景下土地资源的供需平衡，评价了农业系统脆弱性。分别运用迈阿密公式及HANPP模型计算了未来情景下，流域各主要县市净初级生物生产量及初级生物量的人类占用，以供需平衡角度评估生态系统脆弱性。
杨林生, 钟方雷
数据集包含了黄土高原地区影响土壤侵蚀的30m分辨率坡向因子，基于黄土高原地区高程数据提取的坡向数据。然后每个专题按1:25万地图标准分幅方式划分图幅，用1:25万标准图幅号命名。地理坐标系为WGS1984；精度可满足区域尺度水文和土壤侵蚀分析、预报的要求。
刘宝元, 史海静
该数据集是基于MODIS 16天合成的NDVI产品（MOD13A2 collection6）估算的三江源地区的植被生长季开始（Start of Season: SOS）和生长季结束的日期（End of Season: EOS）。分别用了两种常见的物候期估算方法，分别是基于多项式拟合的阈值提取法（文件名中有poly字符）和基于双逻辑曲线（double logistic function）拟合后的拐点提取法（文件名中有sig字符）。该数据可以用来分析植被物候期与气候变化的关系。时间范围为2001年至2014年。空间分辨率为1km。
王旭峰
该数据集是基于SPOT卫星的Vegetation传感10天合成的NDVI产品估算的三江源地区去的植被生长季开始（Start of Season: SOS）和生长季结束的日期（End of Season: EOS）。分别用了两种常见的物候期估算方法，分别是基于多项式拟合的阈值提取法（文件名中有poly字符）和基于双逻辑曲线（double logistic function）拟合后的拐点提取法（文件名中有sig字符）。该数据可以用来分析植被物候期与气候变化的关系。时间范围为1999年至2013年。空间分辨率为1km。
王旭峰
该数据集包含了2017年8月3日至2017年8月9日期间在曲麻莱、玛多和可可西里的植物群落样方调查数据。主要调查内容为盖度、高度和地上生物量。涵盖了高寒草原、高寒湿地和高寒草甸三种植被类型。记录了样方的经纬度、海拔、总体覆盖度、物种名称及数量、每个物种选三株测量其高度、总的地上生物量、分类别的地上生物量。
胡林勇, 李奇, 胡林勇, 徐世晓, 李奇
该数据集包含位于雅鲁藏布江流域源区的谢通门县、昂仁县、萨嘎县、仲巴县布设4个土壤温湿仪器观测点，观测时间在2017年8月23日-12月10日之间，时间间隔10 min。观测深度为10cm, 40cm, 80cm, 120cm，共4层。 具体的观测地点及时间范围如下： 萨嘎大桥2017/8/31 12:50:00-2017/12/10 17:20:00 马泉河大桥2017/8/30 19:30:00-2017/12/10 13:10:00 多雄藏布 2017/8/24 17:20:00-2017/12/8 12:20:00 旁达雅江大桥 2017/8/23 11:30:00-2017/12/4 9:10:00 土壤湿度数据精确到小数点后3位，土壤温度数据精确到小数点后1位。质量控制包括剔除传感器未完全适应土壤环境时的数据和传感器出现故障造成的系统误差。数据以excel文件存储。
兰措, 刘哲
本数据集是通过卫星数据和地表能量平衡法得到的全球陆地地表每天和每月的蒸散发量。该数据集的空间分辨率是5公里。ET数据生产的算法主要采用Chen et al. 2019 JGR 和Chen et al. 2013 (JAMC)最新修订的SEBS 算法。如何采用热红外得到无缝的每日蒸发资料请参考 Chen et al. 2021 JGR, 该文还对不同蒸发产品做了对比，结果发现该产品在灌溉区显著优于Landflux, GLEAM, MOD16, GLDAS, 和ERA-Interim 产品，再分析驱动数据的降尺度详见该文。MODIS LST，NDVI，全球森林高度，GlobAlbedo都已经用于此ET数据集的计算中。模型产生的全球地表感热通量、净辐射通量和潜热通量可以联系作者获得。 日蒸散发文件命名规则: 20001201-ET-V1.mat, 2000-year, 12-month,01-day, ET-Evapotranspiration, V1-version 1;蒸发单位: 毫米每天 (数据存储采用unit8格式，需转成单精度或双精度，转换后需要除10再使用)；数据类型: 为了减小数据保存空间，采用unit8的数据保存格式，海洋和陆地水体象元为固定值255. 月蒸散发文件命名规则: ETm200012-ET-V1.mat, 2000-year, 12-month, ET-Evapotranspiration, V1-version 1; 蒸发单位:毫米每月 (数据存储采用int16格式，转成单精度或双精度使用，另外转换后需要除10); 数据类型:为减少存储空间采用int16的数据格式，海洋和陆地水体象元为固定值0.
陈学龙
该数据集是基于GIMMS 最新版本的NDVI数据集GIMMS3g version 1.0估算的三江源地区去的植被生长季开始（Start of Season: SOS）和生长季结束的日期（End of Season: EOS）。分别用了两种常见的物候期估算方法，分别是基于多项式拟合的阈值提取法（文件名中有poly字符）和基于双逻辑曲线（double logistic function）拟合后的拐点提取法（文件名中有sig字符）。该数据可以用来分析植被物候期与气候变化的关系。时间范围为1982年至2015年，空间分辨率为8km。
王旭峰
该数据集是2017年河湖源考察期间茶卡热觉湖的水质多参数数据，用于获取湖泊基本理化指标数据，为后续湖泊现代观测研究作准备。 数据观测时间为2017年8月30日。测量仪器为YSI EXO2水质多参数测量仪。仪器在每次测量之前都根据湖面海拔高度和当地气压进行校正，测量的时间间隔定为0.25s，投放速度较慢，保证高连续性地获取数据；得到的原始数据包括了水面以上暴露在空气中的测量数据，在后期处理中予以剔除。数据以excel文件存储。
王君波
本数据包含两个数据文件，GLOBELAND30 TILES（原始数据）和TIBET_ GLOBELAND30_MOSAIC（镶嵌数据）。 原始数据下载自全球地表覆盖数据网站（GlobalLand3）（http://www.globallandcover.com），范围涵盖青藏高原及周边地区。原始数据分幅存储，为了便于用户使用数据，在分幅数据的基础上，我们使用Erdas软件对原始数据进行了拼接镶嵌。 全球地表覆盖数据（GlobalLand30）是国家863计划重点项目“全球地表覆盖遥感制图与关键技术研究”的科研成果，该数据利用美国陆地卫星影像（TM5、ETM+）和中国环境减灾卫星（HJ-1）影像数据，采用基于像素分类-对象提取-知识检核的综合方法提取而成。数据包括耕地、森林、草地、灌木、湿地、水体、苔原、人造覆盖、裸地、冰川和永久积雪10个一级地表覆盖类型，没有进行二级类型提取。在准确度评估方面，评估九种类型和超过150,000个测试样品。GlobeLand30-2010的整体精度达到80.33％。Kappa指标为0.75。 GlobeLand30数据采用WGS84坐标系，UTM投影，6度分带，参考椭球为WGS 84椭球。根据不同的纬度情况，采用2种分幅方式进行数据组织。在南北纬60°区域内，按照5°（纬度）×6°（经度）大小进行分幅；在南北纬60°至80°区域内，按照5°（纬度）×12°（经度）大小进行分幅，按照奇数6°带的中央经线进行投影。 GLOBELAND30 TILES：原始数据保留数据原貌，未进行处理。 TIBET_ GLOBELAND30_MOSAIC：使用erdas软件对原始数据进行镶嵌，参数设置使用默认值原始数据保留数据原貌，精度同下载网站。
陈军
本数据集是建立在青藏高原基础上的高原土壤水分和土壤温度观测数据，用于量化粗分辨率卫星和土壤水分和土壤温度模型产物的不确定性。青藏高原土壤温湿度观测数据（Tibet-Obs）由三个区域尺度的原位参考网络组成，包括寒冷半干旱气候的那曲网络，寒冷潮湿气候的玛曲网络和寒冷干旱的阿里网络。这些网络提供了对青藏高原不同气候和地表水文气象条件的代表性覆盖。 - 时间分辨率：15分钟 - 空间分辨率：点测量 - 测量精度：土壤水分，0.00001；土壤温度，0.1℃；数据集尺寸：标称深度为5，10，20，40和80厘米的土壤水分和温度测量值 - 单位：土壤水分，cm ^ 3 cm ^ -3； 土壤温度， ℃
Bob Su
数据集综合了纳木错多圈层综合观测研究站、珠穆朗玛大气与环境综合观测研究站、藏东南高山环境综合观测研究站的大气、水文和土壤的长期监测数据。数据有三种分辨率，包括0.1秒、10分钟、30分钟、24小时不等。 野外的大气边界层塔（PBL）所使用的温湿度和气压传感器由芬兰的Vaisala公司生产，风速风向传感器由美国的MetOne公司生产，辐射传感器由美国的APPLEY公司和日本的EKO公司生产，气体分析仪由美国的Licor公司生产，土壤含水量、超声风速仪和数据采集器等由美国的CAMPBELL公司生产。定期（每年2-3次）由专业人员对观测系统进行维护，对传感器进行标定和更换，对采集的数据进行下载和整编，满足国家气象局和世界气象组织（WMO）的气象观测规范。 数据集加工方法为原始数据经过质量控制后形成时间连续序列，质量控制包括剔除曳点数据和传感器出现故障造成的系统误差。
马耀明
该数据集是2017年河湖源考察期间拉昂错的水质多参数数据，用于获取湖泊基本理化指标数据，为后续湖泊现代观测研究作准备。 数据观测时间为2017年9月8日。测量仪器为YSI EXO2水质多参数测量仪。仪器在每次测量之前都根据湖面海拔高度和当地气压进行校正，测量的时间间隔定为0.25s, 投放速度较慢，保证高连续性地获取数据；得到的原始数据包括了水面以上暴露在空气中的测量数据，在后期处理中予以剔除。数据以excel文件存储。
王君波
青藏高原东缘贡嘎山森林生态系统试验站观测的气象、土壤、植被等数据，时间主要是从2005-2008年。 气象数据：气温、气压、相对湿度、露点温度、水气压、地温、土壤温度（5cm、10cm、20cm、40cm）、10分钟平均风、10分钟最大风速、降水、总辐射、净辐射 乔木层生物观测数据：胸径、树高、生活型 灌木层生物观测数据：株数、高度、盖度、生活型、地上生物量、地下生物量 草本层生物观测数据：株（丛）数、平均高度、盖度、生活型、地上生物量、地下生物量 叶面积指数：乔木层叶面积指数、灌木层叶面积指数、草木层叶面积指数 土壤有机质及养分：土壤有机质、全氮、全磷、全钾、硝态氮、铵态氮、速效氮（碱解氮)、有效磷、速效钾、缓效钾、水溶液提pH值 土壤含水量：深度、含水量
王小丹
该数据集是色林错湖泊水位数据，可应用于气候学和环境变化、寒区水文过程等学科领域。 数据观测时间为2016年9月17日至2017年2月15日，利用自动水位计，每60分钟记录一条数据。内容包含色林错东岸水位观测点的水压、水温。 原始数据压强精度为0.001kPa，水温精度为0.001℃。原始数据经过质量控制后形成连续时间序列，通过计算得到每日均值指标数据。数据以excel文件存储。
张寅生
SRTM（Shuttle Radar Topography Mission，即航天飞机雷达地形测绘任务）数据，2000年2月由美国太空总署(NASA)和国防部国家测绘局(NIMA)联合发射的“奋进”号航天飞机测量得到，“奋进”号上搭载的SRTM系统共计进行了222小时23分钟的数据采集工作，获取北纬60度至南纬56度之间，覆盖全球陆地表面的80%以上，覆盖中国全境。该计划获取的雷达影像数据经过两年多的处理，制成了数字地形高程模型。 本数据集原始数据下载自SRTM数据分发网站（http://srtm.csi.cgiar.org）。为了便于用户使用数据，在分幅STRM数据的基础上，我们使用erdas软件进行拼接制备青藏高原STRM镶嵌图。 精度30米，数据格式为geotif格式。 本数据集的原始数据下载于SRTM数据分发网站（http://srtm.csi.cgiar.org ） SRTM数据每经纬度方格提供一个文件，经度有1 arc-second和3 arc-second两种，称作SRTM1与SRTM3，或者称作30m与90m数据。本数据集为90m分辨率的SRTM3数据，数据版本SRTM V4.1（Geotiff格式）。
Food and Agriculture Organization of the United Nations（FAO）
本数据集包含了雅鲁藏布江主要水文站径流年际变化特征值（多年平均径流量，年极值比，离差系数等），可用于研究雅鲁藏布江水文特征分析。原始数据为国家水文站数据，质量要求同国家相关标准。 空间范围：雅鲁藏布江流域干流拉孜、奴各沙、羊村、奴下等四个水文站。 本数据表共有五个字段 字段1：站名 字段2：多年平均径流量 字段3：年极值比 字段4：离差系数 字段5：资料系列长度
姚治君
本数据集包括拉萨农田试验站观测的春青稞试验样地的生物量和光合作用数据以及当雄草地试验站观测的气象数据。时间范围为2006-2009年。 生物量观测方法：每个样方取样面积25cm*25cm；光合作用数据观测：仪器为LiCor-6400。 生物量数据是人工根据记录本录入；光合数据是仪器自动记录；气象数据日值中的平均风速、主风向、气温、大气压和相对湿度用半小时数据进行日平均所得，降水量和总辐射数据是观测系统自动记录数据。 生物量数据的观测过程中，严格按照农学方法，可以应用于农业生产力的估算；光合数据观测过程中，仪器的操作、观测对象的选择等严格按照专业要求进行，可以用在植物叶片光合参数模拟和生产力估算中。 青藏高原农田生态系统观测数据，包含：1）地上生物量；2）CO2响应光合数据；3）光响应光合数据；4）当雄监测点气象数据日值。 数据采集地点中国科学院拉萨农业生态试验站，经度：91°20’，纬度：29°41’，海拔：3688m；当雄高寒草甸碳通量观测站，经度：91°05′，纬度：30°25′，海拔：4333m。
张宪洲
该数据集是2017年河湖源考察期间仁青休布错的水质多参数数据，用于获取湖泊基本理化指标数据，为后续湖泊现代观测研究作准备。 数据观测时间为2017年9月1日。测量仪器为YSI EXO2水质多参数测量仪。仪器在每次测量之前都根据湖面海拔高度和当地气压进行校正，测量的时间间隔定为0.25s, 投放速度较慢，保证高连续性地获取数据；得到的原始数据包括了水面以上暴露在空气中的测量数据，在后期处理中予以剔除。数据以excel文件存储。
王君波
该数据集是利用Flow Tracker便携式水文流速流量仪观测获取的色林错流域甲岗雪山融水流量数据，可应用于冰川、寒区水文过程等学科领域。 数据获取时间为2016年9月15日，数据内容包含测量时间、位置、水深、流速及流量。 数据以excel文件存储。
张寅生
该数据集记录了青藏高原中部土壤温湿度观测网数据。 数据内容（数据文件、表名称，包含的观测指标内容） （1）57个观测站点 （2）2个观测变量（土壤湿度、土壤温度） （3）4个观测深度（0-5、10、20和40cm） （4）3个典型空间尺度，分别对应GCM网格（1°）、被动微波卫星象元（0.3°）、以及雷达卫星象元（0.1°） 观测网的建立将为一系列水文气象研究提供支持，主要包括：提供三个空间尺度（1°、0.3°、0.1°）的土壤水分和冻融实测数据集；为土壤水分升尺度研究提供数据基础；完善那曲地区中尺度水文气象观测。 青藏高原中部土壤温湿度观测网位于青藏高原中部10000km²的空间范围，站点平均海拔为4650米。纬度：31°-32°N；经度：91.5°-92.5°E。 数据文件字段描述： 例如 “SM_NQ-30 minutes-05cm.txt”，“ST_NQ-30 minutes-05cm.txt” 其中SM指土壤水分，ST指土壤温度，NQ指那曲，30minutes指代数据时间分辨率，05cm指采样土壤层深度。 数据内容字段描述： （1）30min分辨率 变量1-6：日期（整型：yyyy-mm-dd-hh-mm-ss） 变量7-63：各站点观测数据值（实型，缺测值：-99.00） （2）daily分辨率 变量1-3：日期（整型：yyyy-mm-dd） 变量4-60：各站点观测数据值（实型，缺测值：-99.00） 土壤水分体积含量（SM） 单位：%vol（m³/m³） 土壤温度（ST） 单位：℃ 30min分辨率温度数据是进行质量控制后的直接采样数据，土壤水分体积含量是以烘干法测量土壤水分为基础的校正值。 daily 分辨率数据是在30min分辨率基础上的算术平均值。 土壤水分测量精度和分辨率：±3%VWC和0.1%VWC。
阳坤, 陈莹莹, 赵龙, 秦军, 拉珠, 周旭, 姜尧志, 田佳鑫
该数据集包括藏东南站2007年到2019年12月，土壤温度，湿度和碳通量的日平均数据。 数据采集地点为中国科学院藏东南高山环境综合观测研究站大气环境观测场地，经度：94°44'18"；纬度：29°45'56"；海拔：3326米。 观测仪器型号 土壤温度： Campbell Co 107； 土壤湿度：Campbell Co CS616； 碳通量采集器型号：C3000，采集时间： 10秒钟； 严格按照仪器操作规范进行观测和数据采集，并已经在相关学术期刊发表，剔除了一些明显误差数据，缺失数据用空格。 2013年土壤热通量值停止观测。2015年由于台站探头损坏，土壤温度和湿度只有前两个月数据，探头16年4月修复。
罗伦
该数据集是2017年河湖源考察期间玛旁雍措的水质多参数数据，用于获取湖泊基本理化指标数据，为后续湖泊现代观测研究作准备。 数据观测时间为2017年9月4日和2017年9月7日。测量仪器为YSI EXO2水质多参数测量仪。仪器在每次测量之前都根据湖面海拔高度和当地气压进行校正，测量的时间间隔定为0.25s, 投放速度较慢，保证高连续性地获取数据；得到的原始数据包括了水面以上暴露在空气中的测量数据，在后期处理中予以剔除。数据以excel文件存储。
王君波
本数据集为西藏珠峰绒布河上游冰川水文站2010年流量数据。 测量断面位置为28º22'03''N，86º56'53''E，海拔高度4290米。采用LS20B型螺旋桨流速仪，采用一点法测量。 严格按照仪器操作规范进行观测和数据采集。
张国帅
本数据集包含5个数据实体。分别为使用1995年、2000年、2005年、2010年、2015年，每年9-11月Landsat影像提取的青藏高原湖泊空间分布数据。 数据由青藏高原科学数据中心和地理空间数据云联合制作。 使用面向对象的方法进行湖泊提取： (1) 首先是数据预处理，由于本文只用到Landsat 8数据的前7个波段，所以对1~7波段进行波段合成，并检查其云量对湖泊提取的影响，如影响太大，则替换数据； (2) 在eCognition中进行影像多尺度分割，由于湖泊光谱特征均一，所以在此基础上再次使用光谱分割； (3) 然后使用5、6、7三波段的均值特征（Brigh-567）进行水体初步提取，同时对于某些未提取的湖泊，使用NDWI进行补充提取； Brigh - 567 = (Band5 + Band6 + Band7)/3 NDWI = (Band3 - Band5)/(Band3 + Band5) (4) 这时，仍有部分阴影误提取，使用NDWI<0.05，可排除大部分。同时，根据实际情况，可使用第一波段的值对阴影进行排除； (5) 为保证精度，这时人工检查未提取的独立湖泊以及误提取的对象，手动修改； (6) 在此基础上，在已提取出的水体周围使用NDWI>0条件进行第二次提取，以及湖泊边缘的明确； (7) 再次检查，然后合并对象，导出结果。 数据有效去除了山体阴影、云及云的阴影、积雪、冰川等非水体地物的影响，湖泊边界准确、清晰，误差控制在了一个像元内。精度要求为30米，即一个像元。
三极观测与大数据中心, 地理空间数据云
本数据集包含自1982年至2006年基于生态学模式与遥感数据计算青藏高原植被净初级生产力（Net Primary Productivity，NPP）的结果。 基于遥感Advanced Very High Resolution Radiometer（AVHRR）数据和Carnegie-Ames-Stanford Approach（CASA）模型生成的青藏高原生态系统NPP（1982-2006），基于第二次土壤普查数据生成的土壤碳含量，以及基于High Resolution Biosphere Model（HRBM）模型生成的生物量碳数据。 青藏高原森林生态系统NPP（1982-2006年）： npp_forest82.e00，npp_forest83.e00，npp_forest84.e00，npp_forest85.e00，npp_forest86.e00， npp_forest87.e00，npp_forest88.e00，npp_forest89.e00，npp_forest90.e00，npp_forest91.e00， npp_forest92.e00，npp_forest93.e00，npp_forest94.e00，npp_forest95.e00，npp_forest96.e00， npp_forest97.e00，npp_forest98.e00，npp_forest99.e00，npp_forest00.e00，npp_forest01.e00， npp_forest02.e00，npp_forest03.e00，npp_forest04.e00，npp_forest05.e00，npp_forest06.e00 青藏高原草地生态系统NPP（1982-2006年）： npp_grass82.e00，npp_grass83.e00，npp_grass84.e00，npp_grass85.e00，npp_grass86.e00， npp_grass87.e00，npp_grass88.e00，npp_grass89.e00，npp_grass90.e00，npp_grass91.e00， npp_grass92.e00，npp_grass93.e00，npp_grass94.e00，npp_grass95.e00，npp_grass96.e00， npp_grass97.e00，npp_grass98.e00，npp_grass99.e00，npp_grass00.e00，npp_grass01.e00， npp_grass02.e00，npp_grass03.e00，npp_grass04.e00，npp_grass05.e00，npp_grass06.e00 青藏高原生物量碳、土壤碳： Biomass.e00，Socd.e00 土壤碳含量数据（Socd）是参考全国第二次土壤普查的数据与《中国1:100万土壤图》按土壤亚类插值生成。 NPP数据来自CASA模型与AVHRR数据模拟生成： Potter CS, Randerson JT, Field CB et al. Terrestrial ecosystem production: a process model based on global satellite and surface data. Global Biogeochemical Cycles, 1993, 7: 811–841. 生物量碳数据来自HRBM模型模拟生成： McGuire AD, Sitch S, et al. Carbon balance of the terrestrial biosphere in the twentieth century: Analyses of CO2, climate and land use effects with four process-based ecosystem models. Global Biogeochem. Cycles, 2001, 15 (1), 183-206. 原始资料主要是遥感数据和野外观测数据。精度较好；生产过程中与野外实测数据进行的验证和调参，是模拟结果尽量与野外实测数据保持在可接受的误差范围内；NPP数据与野外实测数据的验证结果表明，误差保持在15%的范围内。 空间分辨率0.05度×0.05度（经度×纬度）。
周才平
本数据集包含沉错化石硅藻，沉错电导率重建，纳木错化石硅藻，纳木错电导率重建。可用于研究青藏高原湖泊现生硅藻种属组成特征及古环境定量重建。硅藻资料根据样品鉴定统计而得出，水环境资料由仪器测量得到；重建的电导率由硅藻-盐度转换函数计算得出。本数据集由实验室测量获取，由仪器或者实验完成后直接得到数据在各个环节严格按照相关操作规程进行样品和数据采集和分析。 本数据集共有6个子表： 子表1为湖泊环境，共有18个字段，分别为湖泊名称、编号、湖泊序号、纬度、经度、水深、海拔和各水环境指标； 子表2为表层沉积物硅藻，共有4个字段，分别为湖泊序号，硅藻缩写，硅藻名称和其含量； 子表3为沉错化石硅藻，有6个字段，分别为样品编号、分析编号和深度，硅藻缩写，硅藻名称和其含量； 子表4为沉错电导率重建，有3个字段，分别为深度、年龄、硅藻重建的电导率。 子表5为纳木错化石硅藻，有5个字段，前两个字段分别为深度和年龄，以后所有字段为不同种属硅藻的含量； 子表6为纳木错电导率重建，有3个字段，分别为深度、年龄、硅藻重建的电导率。 各子表中硅藻含量量纲为百分含量%，样品深度、水深、年龄、经度、纬度、海拔、离子含量、电导率的单位分别为：cm、m、AD、°东经、°北纬、m、mg/L、μS/cm。 硅藻样品采自青藏高原共约90个湖泊，经度范围为84.528-102.360°E，纬度范围为28.148-38.897°N；海拔：2797-5180m。
羊向东
该数据集是2017年河湖源考察期间在昂拉仁错、仁青休布错、玛旁雍错、拉昂错等地采集的水样氢氧同位素比值数据，用于获取湖泊基本理化指标数据，为后续湖泊现代观测和环境研究作准备。 水样采集时间为2017年8月至2017年9月。采样地点为昂拉仁错、仁青休布错、玛旁雍错、拉昂错等。数据由青藏高原研究所环境实验室测得，所用仪器为美国Picarro公司波长扫描光腔衰荡光谱仪。测量时，每个样品都进行两次测量，得到两个数据。分析时，采用每个样品的同一指标两个数据的平均值。测试精度：（standard deviation,SD）：δO18≤0.15‰，δD≤1.0‰。数据以excel文件存储。
王君波
本数据集为藏东南帕隆藏布流域冰川水文站点观测数据，包含帕隆四号冰川径流和24K冰川径流表，分为两不同类型冰川（非表碛覆盖型和表碛覆盖型冰川）的径流月均值数据。 观测仪器：旋桨式流速仪(LS1206B)，Hobo水位仪器。 帕隆四号冰川：经度：96°55.19′；纬度：29°13.57′；海拔：4650米 。 24K冰川：经度：95°43.81′；纬度：29°45.41′；海拔：3800米。 数据表包含两个字段： 字段1：日期 字段2：径流量 m³/s
姚檀栋
青藏高原湖泊水位观测数据集包含扎日南木错，巴木错，达瓦错，达则错和蓬错湖泊的水位日变化数据。 湖水水位通过安装在湖岸边的HOBO水位计（U20-001-01）观测，再通过安装在岸边的气压计或附近气象站气压数据进行校正，然后得到真实的水位变化。精度小于0.5cm。 数据集包含以下内容： 2010-2017年扎日南木错湖水水位日变化数据； 2013-2017年巴木错湖水水位日变化数据； 2013-2017年达瓦错湖水水位日变化数据； 2013-2017年达则错湖水水位日变化数据； 2013-2017年蓬错湖水水位日变化数据。 水位，单位：m。
类延斌
青藏高原混合土壤水分数据产品是利用了遥感观测、原位测量和模型模拟技术。原位土壤水分（SM）观测结合了青藏高原气候带的分类，用于在高原尺度上产生原位测量的SM气候学。使用产生的青藏高原尺度原位SM气候学来缩放模型模拟的SM数据，其随后用于缩放SM卫星观测。然后通过应用三重配置和最小二乘法来客观地混合气候学尺度的卫星和模型模拟的SM。最终的混合SM可以复制不同气候区的SM动力学，从亚湿润地区到青藏高原的半干旱和干旱地区。 - 时间分辨率：天，从01/05/2008开始 - 空间分辨率：0.25°×0.25° - 数据集尺寸：61×121×975 - 单位：cm^3 cm^-3 数据质量开放评估。
Yijian Zeng
该数据集包含了位于色林错湖畔大营所观测的气象数据，其中包含无线电探空数据，湍流通量与辐射观测数据，近地层常规气象要素等。其中无线电探空数据观测时间分别为2017/7/2 14时，18时，2017/7/3 8时，12时，16时，20时 2017/7/4 8时，12时，16时，20时，23时 2017/7/5 6时。湍流通量及辐射观测数据的观测时间为2017/6/29 17:30-2017/7/6 10:00。近地层常规气象要素观测时间为2017/6/29 18:30-2017/7/6 10:10。激光测风雷达观测时间为2017/6/30 02:24-2017/7/6日 03:49。 数据以excel格式存储。
韩熠哲, 马伟强
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
