本数据采用Chen et al. 2017 JHM研究的方法，利用MYD11C3.00６和MＯD11C3.006两种产品计算得到全天空的地表温度结果，具体计算程序见本数据集的Global_monthly_LST.m。数据格式为*.mat, Global_monthly_LST.m程序给出了实例如何读取该数据。该数据空间分辨率为0.05度，网格中心的经纬度信息分别保存在latitude.mat和Lonitud.mat，由于内陆湖泊、水体的发射率反演的问题，本数据将所有内陆湖泊和水体的地表温度给了NaN值，具体采用的mask见mask.mat文件。经过与全球156个站点观测的LST的验证，总体RMSE为2.69k,mean bias为0.4K，在干旱和半干旱地区的RMSE为2.62K, mean bias为0.94.K.
陈学龙, Bob Su, 马耀明
塔吉克斯坦西帕米尔冰川气象站（38°3′15″N，72°16′52″E，3730m），该站为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、塔吉克斯坦水文气象局合作建设。观测数据包括逐时气象要素（风向平均值(°)、内风速平均值(m/s)、风速最大时的风向(°)、风速最大值(m/s)、平均气温(℃)、最高气温(℃)、最低气温(℃)、平均相对湿度(%)、最低相对湿度(%)、平均大气压(hPa)、最高大气压(hPa)、最低大气压(hPa)）。 资料时段为2019年11月1日至2020年11月30日 气象观测资料可以为研究西帕米尔山区气候变化、冰川、水资源之间的关系提供重要基础数据，为塔吉克斯坦阿姆河流域下游经济建设提供重要的数据。
霍文, 张瑞波
本数据为锡尔河中游苦盏水文站水文资料。该站为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、塔吉克斯坦水文气象局合作建设。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：2019年11月2日至2020年12月5日。 资料要素：逐小时流速（m/s）、逐小时水位（m）和逐小时降雨量（m） 站点位置：40°17′38″N, 69°40′18″E，320m 一、300W-QX河流流速、水位观测仪 （一）流速参数： 1供电电压 12（9~27）V(DC) 2工作电流 120（110~135）mA 3工作温度（-40 ~85） °C 4测量范围 （0.15 ~20）m/s 5测量精度 ±0.02m/s 6分辨率 1mm 7探测距离 0.1~50 m 8安装高度0.15~ 25 m 9采样频率 20sps （二）水位参数： 1测量范围 0.5~20 m 2测量精度 ±3 mm 3分辨率 1 mm 4重复性 ±1mm 二、SL3-1翻斗式雨量传感器 1承水口径 ф200mm 2测量降水强度 4mm/min以内 3测量最小分度 0.1mm降水量 4最大允许误差 ±4%mm 三、流速、观测仪数据获取的频率：传感器每隔5S测量一次流速和水位数据 四、小时平均流速计算：小时平均流速和水位数据由一小时内所有每隔5S测量的流速和水位数据取平均计算得出 五、水位数据中大量出现的0值的说明：水位数据中0值是供电不足引起传感器断电重启，重启后第一条数据为0，导致小时平均值出现0。2019年12月5日供电改造后恢复正常 六、雨量数据中有部分缺失及-8.191mm等非正常数据，应该予以剔除和说明。 数据缺失4.10-5.3数据，已补充，-8.191mm类似这种异常数据已经标记
霍文, 尚华明
吉尔吉斯斯坦西天山Kara-Batkak冰川气象站（42°9'46″N，78°16'21″E，3280m）。 观测数据包括逐时气象要素（小时雨量(mm)、瞬时风向(°)、瞬时风速(m/s)、2分钟风向(°)、2分钟风速(m/s)、10分钟风向(°)、10分钟风速(m/s)、最大风速时风向(°)、最大风速(m/s)、最大风速时间、极大风速时风向(°)、极大风速(m/s)、极大风速时间、分钟内极大瞬时风速风向(°)、分钟内极大瞬时风速(m/s)、气压(hPa)、气压最高(hPa)、气压最高出现时间、气压最低(hPa)、气压最低出现时间）。 气象观测要素，经过积累和统计，加工成气候资料，为农业、林业、工业、交通、军事、水文、医疗卫生和环境保护等部门进行规划、设计和研究，提供重要的数据。
霍文
本数据集包括1985-2018年间，中亚地区五国（哈萨克斯坦、吉尔吉斯斯坦、塔吉克斯坦、土库曼斯坦和乌兹别克斯坦）的城市建设用地变化的逐年数据。该数据空间分辨率为30m，时间分辨率为一年，源自基于Landsat遥感影像提取的1985-2018年全球人工不透水面（GAIA）变化数据（宫鹏等）。研究者对该数据在1985至2015年间每隔5年的7组数据进行了评估，其平均整体精度超过90%，并且是唯一跨越30年的城市建设用地数据集。
徐晓凡, 谈明洪
本数据集包括2010、2015和2020年间，中亚地区五国（哈萨克斯坦、吉尔吉斯斯坦、塔吉克斯坦、土库曼斯坦和乌兹别克斯坦）的归一化差值植被指数（NDVI）数据。本数据源自美国地球观测系统（EOS）计划所使用的中分辨率成像光谱仪（MODIS）影像数据，产品编号MOD13A2.006。该产品时间分辨率为16天，空间分辨率1km，产品算法从16天期间的所有观测数据中，以低云、低探测角度和最高NDVI值为标准，选择最佳的可用像元值。
徐晓凡, 谈明洪
该数据集基于未来人口预测数据，城市扩张驱动因子数据（路网密度、居民点、夜间灯光、GDP）等，利用FUTURES未来城市扩张模型模拟预测2050年西宁市城市扩张格局，及土地利用分布。数据集包含了4个数据结果，分别对应不同情景下2050年西宁市城市格局。分别是维持现状（BAU），城市紧凑发展型（infill），延续现有格局并保护耕地（Protect），紧凑发展并保护耕地（infill_protect）四种。
沈石
本数据是基于Chen et al. 2016, Chen et al. 2011, Chen et al. 2013 所使用的2008年改则无线电探空观测数据基础之上再加工处理成的资料，加工的大气风速、风向、气温、相对湿度、气压的垂直分辨率为20m，共处理了2008年三个观测阶段的资料，即IOP1，IOP2和IOP3。IOP1从2008年2月25日开始到2008年3月19日，IOP2从2008年5月13日到6月12日，IOP3从2008年7月7日到7月16日，一天4次观测。原始无线电探空仪型号为Vaisala RS-92，原数据为每2s一条数据记录，根据Chen et al. 的文章需要对该资料采用高度等间距法对所有变量进行了线性插值。
陈学龙, 马耀明
1）意义：建设用地是人类活动的最高级表现之一。自然资源的消耗与生态环境的变化可以与建设用地的发展紧密的联系起来。本数据反映了中国7个省/直辖市，同时也是城镇化快速推进的重要地区，从1990年到2019年的30m空间分辨率的高精度建设用地演变情况。 2）数据来源：Landsat系列卫星数据；中国区域地面气象要素驱动数据集（1979-2018）；SRTM 30m 高程数据 3）加工方法：采用监督分类的方法，利用随机森林算法和傅里叶变换处理特征波段，并基于目视解译的控制点进行分类。 3-1）光谱特征的获取：首先筛选出含运量<20%的Landsat图像，并以3年为单位将这些图像叠加，然后取每个叠加像元的中间值作为目标像进行拼接，得到整个研究区的无云图像。此方法也能较好的去除Landsat7数据的条带影响。 3-2）时间特征的获取：对云量筛选并进行3年叠加的每个像元，遵循最小均方差的拟合原则进行离散傅里叶变换，得到每个像元在时间纬度上的“波峰”，“波谷”和“相位”作为时间特征。 此方法能较好的消除“裸地”对建设用地提取的影响，因为裸地有可能在春夏季节被植被覆盖，其时间特征与建设用地具有较大的差别。 3-3）气象与地形特征的提取：气象特征由中国区域地面气象要素驱动数据集（1979-2018）计算获得：将该数据集按照与Landsat相同的时间间隔进行叠加，并且求得每个像元的平均值作为气象特征（由于缺少2019的气象数据，最后一期的气象特征由2017和2018两年数据计算得到）。地形特征（高程，坡度）采用SRTM-30m数据。 详细方法和代码可见：https://github.com/wangjinzhulala/North_China_Plain_GEE_Organized 4）数据质量：所有年限的总体精度均优于94%。 5）应用前景：区域城市扩张模拟；城市化的环境影响估算；粮食安全和可持续发展量化。
王金柱
全面估算了1132个大于1 km2湖泊的水量变化。总的来说，1976至2019年间，湖泊水储量增加了169.7±15.1 Gt（3.9±0.4 Gt yr-1），主要发生在内流区（157.6±11.6或3.7±0.3 Gt yr-1）。1976至1995年间，湖泊水量显示减少（-45.2±8.2Gt或-2.4±0.4Gt yr-1），但在1995至2019年间，大幅增加（214.9±12.7Gt或9.0±0.5Gt yr-1）。2010至2015年间，水量增速减缓（23.1±6.5 Gt或4.6±1.3 Gt yr-1），随后在2015至2019年间再次出现高值（65.7±6.7 Gt或16.4±1.7 Gt yr-1）。在1976-2019年间，冰川补给湖水量增加（127.1±14.3 Gt）远远高于非冰川补给湖（42.6±4.9 Gt），这也与冰川补给湖数量多，面积广有关。另外，封闭湖水量增幅（161.9±14.0 Gt）大大高于外流湖（7.8±5.8 Gt）。
张国庆
（1）阿里站大气黑碳日平均值(ng/m3)。（2）观测仪器：黑碳仪（AE33）；仪器采样间隔为1分钟；日平均值计算方法参考《GB 3095-2012环境空气质量标准》中PM2.5方法。（3）仪器刚开机和仪器故障时的异常数据已经剔除；2018年5月8日至11月，阿里站旁边野生动物保护站施工，不时排放大量颗粒物质，黑碳含量远高于历年同期，该时段数据请谨慎使用；其它时段由于仪器故障或供电故障等原因，数据有缺失。（5）仪器放置于中国科学院阿里荒漠环境综合观测研究站观测场（79.70°E，33.39°N，海拔4270m）。
王茉, 徐柏青, 赵华标, 杨松
青藏科考区历史溪河洪水分布数据包括经纬度、发生的地址、基本引发类型、日期以及造成的危害等属性信息。数据来源于灾害调查部门的调查统计。在原数据基础上，进行必要的数据质量控制。根据原数据的类型描述、主要引发因素、发生的位置结合30米基础地形进行洪水类型的分析和划分。该数据可以作为分析历史洪水灾害的参考数据。数据格式为点矢量shp格式，可以直接用ArcGIS打开。该数据结合降水、气象等观测资料，可以用于青藏高原对应区域的洪水风险分析。
王中根
（1）数据内容：卡拉库里湖2011-2019年水位日变化，观测点坐标为东经75.03°，北纬38.43°，海拔3670米。（2）数据来源和处理方法：所用仪器为HOBO压力式自动水位计（U20-001-01），记录频率为30分钟。结合附近的气象站气压数据进行矫正，剔除错误数据和异常值之后，通过计算获取水位日值的变化数据。（3）数据质量描述：由于冬季标尺遭到破坏，该数据以每年开始观测为基准。受施工等人为因素的影响，部分时段的数据缺失。（4）数据应用前景：该数据可应用于湖泊水文、高寒区水文过程等科研领域。
谢营
（1）本数据是慕士塔格站2015-2018年的气象数据，观测点位置为东经75.29°，北纬38.40°，海拔4924米，参数包括：气温，相对湿度，气压, 降水量和风速。 （2） 数据来源及加工方法：数据来源于该站点自动气象站的半小时数据，首先剔除原始记录中的异常数据，然后计算这些参数的日值。 （3）数据质量描述：在1月至3月份部分时段数据不连续 （4）该气象数据可用于如大气科学、气候学、自然地理学和冰川学等方面的研究工作。
谢营
（1）本数据是慕士塔格站2019年的气象数据，观测点位置为东经75°03.35′，北纬38°24.77′，海拔3650米，参数包括：气温，相对湿度，气压，降水量，辐射，风速，土壤温度和土壤湿度。 （2） 数据来源及加工方法：数据来源于该站点自动气象站的半小时数据，首先剔除原始记录中的异常和错误数据，然后计算这些参数的日值。 （3）该数据可用于如大气科学、气候学、自然地理学和生态学等方面的研究工作。
谢营
本数据目标是围绕“一带一路”沿线关节点区域气候变化相关环境问题，选择34个关键节点（重要城市，重大工程、港口和工业园区）区域的极端干旱气候事件，开展极端干旱的风险评估，支撑绿色“一带一路”建设空间路线图的研究，服务于绿色“一带一路”建设。对于各个节点的干旱灾害风险评估的脆弱性，一方面取决于不同土地覆盖类型对于干旱灾害的敏感性；另一方面，反映生态环境的健康程度，决定地区对于干旱灾害的承受能力、遭受干旱灾害的恢复能力，表现为不同土地覆被类型下的地物在干旱灾害时受到不利影响的倾向。利用“2018丝路环境专项”源数据百米级地表2015年土地覆盖数据，通过因子分析法衡量不同土地覆盖类型的脆弱性特点对土地脆弱性的权重赋值，得到每个节点100m分辨率的极端干旱脆弱性指标，可以为我国海外园区、港口和重大工程建设规划、运营管理、环境问题应急与防治提供应对干旱灾害的科学依据和对策建议，推进和保障“一带一路”泛第三极地区的区域发展战略的顺利实施。
吴骅, 张丹, 陈报章
该数据集是2014-2020年每年4-11期间不定期在然乌湖中湖岸边利用YSI EXO2水质多参数测量仪测量的实测值，采样时间间隔为0.25s-1s，此数据为仪器稳定后的平均值，采样地理坐标为：经度96.795296，纬度29.459066，海拔高度3925m。 测量参数为水温、电导率、溶解氧和浊度等，具体参数单位在表头中标明。数据剔除部分明显异常值，文档中为空值，使用时请注意。该数据将不定期更新，可为然乌湖流域的水化学、湖泊微生物或湖泊理化性质等的相关科研人员使用。
罗伦
本数据集包含2000-2015年青藏高原地区城镇分布、城镇人口和建成区。城镇分布数据为2015年县级矢量边界，城镇人口及建成区数据年份为2000年、2005年、2010年和2015年。其中，城镇分布与建成区数据来源于中国科学院地理科学与资源研究所匡文慧老师研究团队，城镇人口数据来源于各年份人口普查数据、青藏高原所含各省统计年鉴等数据。数据质量优良，可用于青藏高原人口增长趋势分析、城镇扩展分析以及人类活动对城镇周边环境影响分析。
匡文慧
该数据为中国科学院藏东南高山环境综合观测研究站2016年在色季拉山西坡山顶架设自动气象站数据（AWS，Campbell公司），地理坐标为北纬29.5919，东经94.6102，海拔4640m，下垫面为高山草地。 数据包括气温（℃）、相对湿度（%）、风速（m/s）和气压(mb)日算术平均数据和降水的日累计值，原始数据2018年10月之前为30分钟一个平均值，此后为10分钟记录一个平均值。温湿度采用HMP155A温湿度探头测定，降雨量仪器型号为RG3-M，大气压力传感器探头为PTB210，风速传感器为05103，这些探头离地面2 m。数据质量方面：剔除了明显异常值，2019年上半年积雪导致电池损坏，数据有缺失，缺失的气温数据利用了附近站点4390m气温拟合回归矫正，已在数中标据黄，使用时请注意；降水量的监测从2019年8月开始。该数据站点为藏东南地区较高海拔的气象站，后续会不定期更新，可供研究生态、气候、水文、冰川等的科研工作者使用。
罗伦
过去50年，在全球气候变化的大背景下，随着人口增加和经济发展，欧亚草地已发生了较严重的退化。土壤理化性质作为草原质量评估的重要指标，其时空格局分布与变化都能直观反映草原退化情况，有效评估草原质量对沿线国家的可持续性发展和中国“一带一路”战略的推进都具有重要的意义。在以往研究中，土壤属性指标的时空分布表达在精度和准确性上均存在着可提升的空间。随着地理信息系统、全球定位系统、各类传感器等工具及土壤制图技术的日益强大，数字土壤制图逐渐成为一种高效表达土壤空间分布的方法。本研究以土壤景观学和空间自相关理论为基础，融合多源样点数据与环境协变量数据，使用机器学习模型，分别预测2000年前后欧亚大陆温性草地1km分辨率表层土壤属性空间分布。为了解决土壤样点据标准化的问题，使用等面积样条函数将不同剖面土层属性拟合至表层20cm土壤属性，采用土壤颗粒分布参数模型将不同土壤质地分类标准统一转换为美国制。为了解决土壤样点数不足的问题，使用伪专家观测点补充欠采样区土壤有机质和含砂量样点；采用逐步回归结合支持向量机模型，并通过计算阈值筛选有效土壤容重模拟样点。针对地形气候条件复杂的特征，结合多源遥感数据，应用NGBoost模型挖掘基于样点的土壤属性与环境景观因子（地形、气候、植被、土壤类型等）及空间位置之间的关系，分别预测研究区内1980-1999年和2000-2019年的土壤有机质、含砂量与容重，并给出对应指标的不确定性空间分布。模拟的土壤属性指标的空间分布趋势总体符合实际情况。模拟值与实测值较为吻合，线性关系显著，2000年前土壤有机质含量、容重和含砂量R²分别为0.64、0.35和0.44，RMSE分别为0.25、0.07和13.94；2000年后R²分别为0.79、0.77和0.86，RMSE分别为0.2、0.13和6.61。研究结果表明，本方法能有效反演欧亚大陆温性草地的土壤理化性质，为评估该地区草原退化与构建草原质量评价体系提供基础。
李振宇, 张娜
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
