基于全球热带气旋路径数据、全球灾害事件及损失数据、全球潮位观测数据以及一带一路区域的DEM数据、海岸线分布数据、土地覆盖信息、人口及其他相关数据，以百米网格为评估单元，提取并计算每个单元里与风暴潮灾害危险性、暴露度和脆弱性相关的指标，如节点潮位历史强度、风暴历史到达频次、历史损失、人口密度、土地覆盖类型等指标。在此基础上，构建风暴潮灾害风险综合指数，利用加权方法综合上述各指标得到风暴潮风险指数。最后对风暴潮风险指数进行归一化处理，得到0-1之前的风险指数值，以此来评价各评估单元风暴潮风险的高低，并可用于进行风暴潮风险等级评估。同时，数据集还包括了对应的危险性、暴露度和脆弱性评估结果。 数据集中仅包含了存在风险的11个节点区域(孟加拉吉大港、缅甸皎漂港、印度加尔各答、缅甸仰光港、巴基斯坦卡拉奇、孟加拉达卡、印度孟买、斯里兰卡汉班托塔港、泰国曼谷、中缅石油天然气管道、雅万高铁）
董文
数据主要包括“一带一路”沿线国家和地区的主要沿海港口和机场的点位分布，数据来自Natural Earth全球港口和机场数据，依据“一带一路”沿线65国标准底图对数据进行裁剪，并对数据进行校正处理，获得沿线地区港口和机场的点位分布。本数据主要用于分析“一带一路”沿线地区重要交通设施的空间布局和主要特征，在后续研究中获取港口和机场的其他属性数据包括港口不同货种的吞吐量、进港和出港吞吐量、码头泊位数、机场乘客人数、港口和机场的航线航班数据后，可对港口和机场分布的空间分异有进一步的认识。
王成金
基于全球热带气旋路径数据、全球灾害事件及损失数据、全球潮位观测数据以及一带一路区域的DEM数据、海岸线分布数据、土地覆盖信息、人口及其他相关数据，以百米网格为评估单元，提取并计算每个单元里与风暴潮灾害脆弱性相关的指标，如人口密度、GDP值、土地覆盖类型等指标。在此基础上，构建风暴潮灾害脆弱性综合指数，利用加权方法综合上述各指标得到风暴潮脆弱性指数。最后对风暴潮风险指数进行归一化处理，得到0-1之前的脆弱性指数值，以此来评价各评估单元风暴潮脆弱性的高低，并可用于进行风暴潮脆弱等级评估。 关键节点数据集中仅包含了存在风险的11个节点区域 (孟加拉吉大港、缅甸皎漂港、印度加尔各答、缅甸仰光港、巴基斯坦卡拉奇、孟加拉达卡、印度孟买、斯里兰卡汉班托塔港、泰国曼谷、中缅石油天然气管道、雅万高铁）。
董文
Snow is a significant component of the ecosystem and water resources in high-mountain Asia (HMA). Therefore, accurate, continuous, and long-term snow monitoring is indispensable for the water resources management and economic development. The present study improves the Moderate Resolution Imaging Spectroradiometer (MODIS) onboard Terra and Aqua satellites 8 d (“d” denotes “day”) composite snow cover Collection 6 (C6) products, named MOD10A2.006 (Terra) and MYD10A2.006 (Aqua), for HMA with a multistep approach. The primary purpose of this study was to reduce uncertainty in the Terra–Aqua MODIS snow cover products and generate a combined snow cover product. For reducing underestimation mainly caused by cloud cover, we used seasonal, temporal, and spatial filters. For reducing overestimation caused by MODIS sensors, we combined Terra and Aqua MODIS snow cover products, considering snow only if a pixel represents snow in both the products; otherwise it is classified as no snow, unlike some previous studies which consider snow if any of the Terra or Aqua product identifies snow. Our methodology generates a new product which removes a significant amount of uncertainty in Terra and Aqua MODIS 8 d composite C6 products comprising 46 % overestimation and 3.66 % underestimation, mainly caused by sensor limitations and cloud cover, respectively. The results were validated using Landsat 8 data, both for winter and summer at 20 well-distributed sites in the study area. Our validated adopted methodology improved accuracy by 10 % on average, compared to Landsat data. The final product covers the period from 2002 to 2018, comprising a combination of snow and glaciers created by merging Randolph Glacier Inventory version 6.0 (RGI 6.0) separated as debris-covered and debris-free with the final snow product MOYDGL06*. We have processed approximately 746 images of both Terra and Aqua MODIS snow containing approximately 100 000 satellite individual images. Furthermore, this product can serve as a valuable input dataset for hydrological and glaciological modelling to assess the melt contribution of snow-covered areas. The data, which can be used in various climatological and water-related studies, are available for end users at https://doi.org/10.1594/PANGAEA.901821 (Muhammad and Thapa, 2019).
Sher Muhammad
This data set is output from WRF model. The data include ‘LU_INDEX’ (land use category), ‘ZNU’(eta values on half (mass) levels), ‘ZNW’(eta values on full (w) levels)，’ZS’(depths of centers of soil layers), ‘DZS’ (thicknesses of soil layers), ‘VAR_SSO’ (variance of subgrid-scale orography), ‘U’(x-wind component), ‘V’(y-wind component),’W’(z-wind component),’T’(perturbation potential temperature (theta-t0)), ‘Q2’ ('QV at 2 M), ‘T2’ (TEMP at 2 M), ‘TH2’ ('POT TEMP at 2 M), ‘PSFC’ (SFC pressure), ‘U10’ (U at 10 M), ‘V10’ (V at 10 M), ‘QVAPOR’ (Water vapor mixing ratio), ‘QLOUD’ (Cloud water mixing ratio),’QRAIN’ (Rain water mixing ratio), ‘QICE’ (Ice mixing ratio), ‘QSNOW’ (Snow mixing ratio), ‘SHDMAX’ (annual max veg fraction), ‘SHDMIN’ (annual min veg fraction), ‘SNOALB’ (annual max snow albedo in fraction), ‘TSLB’ (soil temperature), ‘SMOIS’ (soil moisture), ‘GRDFLX’ (ground heat flux), ‘LAI’ (Leaf area index),’ HGT’ (Terrain Height), ‘TSK’ (surface skin temperature), ‘SWDOWN’ (downward short wave flux at ground surface), ‘GLW’ (downward long wave flux at ground surface), ‘HFX’ (upward heat flux at the surface), ‘QFX’ (upward moisture flux at the surface), ‘LH’ (latent heat flux at the surface), ‘SNOWC’ (flag indicating snow coverage (1 for snow cover)), and so on. The data is in netCDF format with a spatial resolution of 10 km.
Xuelong Chen
“一带一路”沿线国家风险评级、信用风险评级、穆迪国家主权评级，反映了各国的主权风险结构.穆迪国家主权评级级别由最高的Aaa级到最低的C级，一共有二十一个级别。数据来源：作者整理。数据质量良好。评级级别分为两个部分，包括投资等级和投机等级。Aaa级级别最高，为优等级主权评级。表示信用质量最高，信用风险最低。利息支付有充足保证，本金安全。为还本付息提供保证的因素即使变化，也是可预见的。发行地位稳固。C级是最低等级评级，表示不能用来做真正的投资。
宋涛
1）数据内容：包含中亚地区，区域范围：30°N～60°N，40°E～90°E； 2）数据来源：对CMIP数据集进行加工，采用双线性插值方法将不同分辨率模式数据插值到0.5°× 0.5°,CRU观测数据1901年——2014年； 3）数据质量：时间长度较长，数据质量良好，缺测值统一用999标识； 3）数据应用成果集前景：数据已用于进行对中亚地区温度模拟能力评估，通过计算并分析中亚地区的温区的域平均、相对误差、均方根误差、泰勒图、EOF分解、季节变化等评估气候系统模式模拟中亚地区历史气候变化的能力。 4) 数据可靠性：通过对比分析观测和模拟资料的年变化，数据结果均呈显著的增温趋势，通过对数据结果进行相关性检验，均通过99%信度检验。同时，CMIP计划数据和CRU数据也是较为常用的数据集，在很多进行气候变化的研究中，也经常采用这样的数据。
马金玉
本数据集包括了位于喜马拉雅山脉中段亚东河谷共计九个地面降水观测站的降水资料；观测数据由Onset公司开发的Hobo翻斗式雨量计采集，通过配套的数据读取软件导出；数据存储方式为计次累积，雨量计翻斗一次，表示记录了0.2 mm的降水,，无降水事件发生则用-999缺省值表示，我们对所采数据进行了筛查，剔除了异常值以保证其质量；本数据集目前已在该地区降水特征分析、卫星数据验证和模式模拟评估方面取得了一定进展，发表学术论文两篇, 为缺乏地面观测资料的喜马拉雅高海拔河谷地区的降水特征分析研究提供了有力支持。
阳坤
在全球变暖的背景下，干旱发生的频率和强度呈增加趋势，由于干旱灾害所引发的水资源匮乏、粮食危机、生态恶化（如荒漠化）等，直接威胁到国家的粮食安全和社会经济发展，干旱灾害风险评估及应急管理的技术水平亟待提高。“一带一路”沿线区域生态环境脆弱、农业耕地集中、干旱灾害频繁，利用遥感卫星监测大区域的干旱水平及其时空变化，对于科学掌握“一带一路”地区的干旱格局、区域分异特征，及其对农业耕地的影响具有重要的科学和现实意义。土壤相对湿度指数是表征土壤干旱的指标之一，能直接反映作物可利用水分的状况。
葛咏, 吴骅
三江源国家公园包括长江源、黄河源、澜沧江源3 个园区，总面积为12.31 万平方公里，介于东经89°50'57"—99°14'57"，北纬32°22'36"—36°47'53"，占三江源国土面积的31.16%。 本数据集是基于《三江源国家公园总体规划》中的三江源国家公园区位图进行数字化而产生。数据包含长江源园区、黄河源园区和澜沧江园区的边界。 数据格式为Shapefile格式。推荐使用arcmap打开数据。
王旭峰
数据集包含1980，1990，2000，2010，2017年青藏高原草地产草量空间分布。基于中国科学院地理科学与资源研究所具有自主知识产权的生态水文动力模型VIP（Vegetation Interface Process) 模拟了青藏高原草地总初级生产力（GPP），利用经验系数估算了净初级生产力（NPP），将NPP换算为干物质，再根据根冠比估算了干草产量。空间分辨率1公里。该数据集将为草地资源管理、开发、利用以及“以草定畜”策略的制定提供依据。
莫兴国
本数据集是欧亚大陆温性草地类型时空变异图—中国内蒙古区域三级分类（2009年），数据为tif栅格格式，空间分辨率为1公里，三级草地分类为：温性草甸草原、温性典型草原、温性荒漠化草原、温性草原化荒漠、温性荒漠几个类型。该数据是在已有内蒙古草原的草类型图基础上加工而成。内蒙古草原的草类型图是依据野外调查资料，以内蒙旗县为单位，根据草原类型分类系统，在预判基础上，叠加野外样地资料、遥感影像等信息数据，参考当地历史草原调查数据及相关资料，野外调绘修正而成。 我们选择2000-2009历史气象数据，结合卫星数据进一步分析修正，并进行空间插值计算。得出内蒙区域温性草地三级分类。该数据可用于欧亚大陆温性草地分布信息以及时空变异分析提供依据。
唐家奎
脆弱性是指由于系统对系统内外扰动的敏感性以及缺乏应对能力从而使系统的结构和功能容易发生改变的一种属性，即高温热浪发生时区域应对灾害以减少损失的能力。本数据集以2015年为基准年，泛第三极区域路网数据、GDP数据、医疗设施空间分布数据、植被覆盖度数据、水体分布数据为基础数据。采取欧式距离计算法明确区域内路网、水体及医疗设施的空间分布情况，并以距道路距离、距水体距离、距医疗设施距离、GDP及植被覆盖度为评价指标，采取等权重叠加法评估各节点高温热浪脆弱性。为消除单位差异性带来的影响，评估前对各指标层数据进行归一化处理，最后利用自然间断点法划分各节点脆弱性等级。
葛咏, 杨飞, 刘庆生
数据来源于美国国家环境信息中心（National Centers for Environmental Information, NCEI），该中心提供了全球范围内各站点自建站以来的气象记录，包括气温、风速、露点和降水等信息。达卡市附近有4个有记录的站点。先从NCEI下载了全球范围内站点监测数据，再根据经纬度筛选达卡市范围内的4个站点。该数据级记录了2016年1月1日-2019年12月31日的日气象站点监测数据。
葛咏, 杨飞
该数据集描述了雅鲁藏布江流域的降水时空分布，融合了 CMA、GLDAS、ITP-Forcing、MERRA2、TRMM五套再分析降水产品和卫星降水产品， 并结合流域内9个国家气象站和166个水利部雨量筒的观测降水制作而成，时间范围为1981-2016年，时间分辨率为3 h，空间分辨率为5 km，单位是mm/h。该数据将为雅江流域的研究提供更好的数据支撑，可用于研究流域水文过程对气候变化的响应等领域。具体使用信息请看随数据一同上传的说明文档。
汪远伟, 王磊, 李秀萍, 周璟
气候变化背景下中亚各国水土资源的匹配和分区，可以为中亚国家水土资源开发和农业生产提供支撑，对于“丝绸之路经济带”核心区域的社会稳定具有重要意义。利用收集的气象、水资源、土地利用和遥感数据，对中亚地区水土资源开发利用现状进行了分析。在对农业水土资源匹配特征及短缺程度进行评估基础上，依据DPSIR模型和供需理论构建的分区指标结构框架（SDCSL），运用主成分分析和聚类分析法对区域水土资源利用状况进行分区，最后提出实现不同分区农业水土资源有效匹配的措施和途径。
姚海娇, 李莉, Food and Agriculture Organization of the United Nations（FAO）
此数据集以2015年为基准年，分别选取人口密度、高危人口分布、GDP为评价指标，完成34个关键节点高温热浪暴露度评估。暴露度是指灾害发生时某地区可能受到灾害影响的程度，在极端高温发生时，人类与经济是受高温热浪影响最为明显的两类因素。其中将高危人口分别定义为年龄小于五岁的儿童及大于65岁的老人，评估采取等权重叠加方法，为消除单位差异影响，在评估前对各指标层数据进行归一化处理，此次评估结果空间分辨率为100m，范围覆盖泛第三极34个关键节点区域。
葛咏, 杨飞, 刘庆生
UHSLC提供了具有两个质量控制级别（QC）的潮汐测量数据。 其中快速交付（FD）数据是在数据收集的1-2个月内发布的，并且只接收关注于大级别转移和明显异常值的基本QC。GLOSS/CLIVAR（以前称为WOCE）“快速”海平面数据是按小时、每天和每月的价值进行分配。这个项目得到了NOAA的气候和全球变化计划的支持。其中每个文件都有一个名称“h######dat”，其中“h”表示每小时的海平面数据，而“###”表示站点号码，每个站点都存在一个文件。UHSLC数据集是GLOSS数据流。在UHSLC数据库中有许多潮汐记录，但骨干是光缆核心网（GCN）——全球300个验潮站的全球集合，它是全球原位海平面网络的基础。该网络被设计成在各种时间尺度上提供全球沿海海平面变化的均匀分布采样。
董文, University of hawaii sealevel center （UHSLC）
基于全球热带气旋路径数据、全球灾害事件及损失数据、全球潮位观测数据以及34个关键接诶单区域的DEM数据、海岸线分布数据、土地覆盖信息、人口及其他相关数据，以百米网格为评估单元，提取并计算每个单元里与风暴潮灾害危险性相关的指标，如节点潮位历史强度、风暴历史到达频次、历史损失、离岸线的距离等指标。在此基础上，构建风暴潮灾害危险性评估指数，利用加权方法综合上述各指标得到风暴潮危险指数。最后对风暴潮危险指数进行归一化处理，得到0-1之前的危险指数值，以此来评价各评估单元风暴潮危险性的高低，并可用于进行风暴潮危险等级评估。数据集包括“一带一路”沿线34个节点中有风暴潮灾害危险的11个节点的危险性评估结果图。
葛咏, 李强子, 董文
此数据集以1984-2018年全球地表水数据（WOD）为基础，选取了降水、地形、土地利用类型几个指标，结合ArcGIS中的空间分析方法，构建评估了34个关键节点在极端降水条件下发生洪涝灾害的危险性等级。34个关键节点百里级危险性评估数据集评估了“一带一路”重点区域在极端降水事件下的洪涝灾害危险性，为当地政府部门决策提供依据，同时以便在洪涝灾害发生前进行预警，从而可以争取到宝贵的时间采取防灾减灾措施，降低洪涝灾害所带来的人民群众生命财产损失。
葛咏, 李强子, 李毅
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
