历史极端降水导致地表淹没范围数据集评估了一带一路重点区域在极端降水下地表被淹没的范围，为当地政府部门决策提供依据和参考，以便在极端降水发生前进行预警，降低极端降水所带来的生命财产损失。 此数据集以极端降水阈值集和极端降水识别数据为基础，确认发生极端降水的时间节点和区域，再到NASA网站上下载对应时间和地区的淹没范围产品，利用ArcGIS空间分析结合连接以上数据，构建了34个关键节点历史极端降水导致地表淹没范围数据集。 数据主要包括34个关键节点（万象、中缅石油天然气管道、中老泰柬铁路、亚历山大港、仰光、关丹、加尔各答、华沙、卡拉奇、叶卡捷琳堡、叶卡捷琳堡等区域）
吴骅
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，是土壤相对湿度与田间持水量的比值，能直接反映作物可利用水分的状况。土壤湿度数据由SMAP遥感土壤水分数据产品通过降尺度方法得到，田间持水量数据来源于世界土壤数据库(HWSD)。详细计算公式与方法可参见：《农业干旱等级国家标准》标准号：GB/T 32136-2015。数据覆盖一带一路沿线34个关键节点区域。
吴骅
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。相对湿润度指数为某时间段的降水量与同时期潜在蒸散量之差除以潜在蒸散量。
葛咏, 吴骅
体感温度是指人体感受到的冷热程度，受温度、风速和湿度的影响。该数据的空间范围覆盖泛第三极区域34个关键节点（万象、仰光、加尔各答、华沙、卡拉奇、叶卡捷琳堡、吉大港、塔什干等地区）；空间分辨率为100m。 数据处理过程：以气象站点监测数据为基础数据源，基于Humidex指数计算体感温度，再使用基于高程校正的温度插值方法获得整个区域1km格网化数据,并将其降尺度为100m。高温热浪危险性数据集主要以强度为评价指标。空间范围、空间分辨率与体感温度数据集一致，时间分辨率为年。 判断高温热浪的标准为：体感温度连续3天超过29℃的天气过程判断为一次高温热浪。
杨飞, 武夕琳, 殷聪
本数据集的数据源为Landsat-5卫星的大气顶层反射率数据第1、2、3波段。Landsat卫星为太阳同步卫星，卫星由北向南运行，地球自西向东旋转，卫星每天绕地球14．5圈，每圈在赤道西移159km，每16天重复覆盖一次。本数据集主要覆盖孟加拉国达卡市，基于2010年的Landsat-5大气顶层反射率数据，本数据从地理空间数据云平台下载，利用ArcGIS对数据进行波段合成，最终得到了TIFF格式的达卡区域2010的30米分辨率多光谱遥感影像数据。
葛咏, 杨飞
本数据为中亚大湖区2017年逐6小时分辨率常规和卫星资料。其中常规资料包含中亚大湖区及其周边地区（中国、哈萨克斯坦、吉尔吉斯斯坦、土库曼斯坦、塔吉克斯坦、乌兹别克斯坦、阿富汗、俄罗斯、伊朗、巴基斯坦、印度等）的地面台站和探空站点观测，观测要素包含气温、气压、风速和湿度，每个时次的站点数平在600个左右，站点间距离在10-100km之间；卫星资料来源于极轨气象卫星（NOAA-18、NOAA-19、METOP-A和METOP-B）反演的云导风，并重采样到30km水平分辨率。云导风通过追踪示踪云的移动来估计风速，由示踪云的高度确定风场高度。本数据全部来源于全球电信系统Geostationary Tether Satellite（GTS），经过质量控制剔除了质量较差的观测资料。该数据可应用于中亚大湖区的资料同化，也可用于检验和评估模式对中亚大湖区的数值模拟。
姚遥
本数据总结了2016年中亚五国(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)农业以及社会经济现状。本数据来源于中亚五国统计年鉴，包括总人口、耕地面积、粮食生产面积、GDP、农业GDP占总GDP比重、工业GDP占总GDP比重、森林面积等六个要素。详细的统计了中亚五国六个社会经济要素的情况。通过统计可以看出中亚五国六个要素之间各有侧重。本数据为项目提供了基础数据，便于后续分析中亚生态与社会的情况，为项目数据分析提供了数据支持。
刘铁
数据集包含2000年，2010年，2018年青藏高原县级理论载畜量数据和1980年, 1990年, 2000年, 2010年, 2017年县级超载程度。基于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学模型VIP（Vegetation interface process) 模拟的NPP数据计算了产草量数据（1km分辨率），按照县行政区域尺度，计算县域产草量，并根据载畜量计算标准（NY/T 635-2015）计算得到县域范围内的理论载畜量。基于县级实际载畜量数据，计算了超载程度。数据将为草地恢复、管理和利用策略的制定提供借鉴。
莫兴国
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。相对湿润度指数为某段时间的降水量与同时段内潜在蒸散量之差再除以同时段内潜在蒸散量得到。降水量数据来自TRMM/GPM卫星降水数据降尺度，潜在蒸散量的估算采用Thornthwaite方法。详细算法请参考《气象干旱国家标准》(GB/T 20481-2017)。数据仅覆盖一带一路沿线34个关键节点区域。
吴骅
此数据集以百米级危险性评估数据集和百米级脆弱性评估数据集为基础，分别赋予危险性和脆弱性不同的权重（其中危险性权重为0.8，脆弱性权重为0.2），相加计算获得了34个关键节点百米级的风险评估数据集。该数据集评估了“一带一路”重点区域在极端降水事件下的洪涝灾害风险，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
阿姆河流域人工绿洲格局图包括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”。阿姆河流域人工绿洲格局图是基于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。绿洲内土地利用类型分为水域、耕地、建设用地、草地、林地、湿地、灌丛、滩地和未利用地。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
本数据集是藏猪转录组数据，分别是对照组和实验组，对照组3个个体，不进行任何处理，实验组也是3个个体，用口蹄疫病毒进行攻毒，攻毒浓度是ID50，所有样品都是藏猪的脾脏样品的转录组测序结果。试验进行和样品采集都在兰州的兰兽研。编号分别是Z1-Z6，每个数据分为R1和R2，表示的是双头测序的结果，Z1-Z3为对照组个体结果，Z4-Z6为实验组个体。将对照组和实验组数据进行对比分析可以找到在口蹄疫病毒对藏猪机体进行攻击时其体内免疫系统的反应情况，找到在对抗口蹄疫病毒时启动的免疫基因和免疫通路，为藏猪抵抗口蹄疫病毒的能力找到相关的基因和通路，在今后家猪育种过程中增加对于口蹄疫的免疫能力提供理论基础。
段子渊
分别于2014年4月和2016年5月在黄河源区（黄河沿以上）采集的21个湖泊（7个非热融湖塘，14个热融湖塘），在加拿大维多利亚Inno Tech Alberta实验室通过Delta V Advantage Dual Inlet/HDevice system 测试氢氧同位素丰度，同位素丰度表达为δ（‰）形式（相对于维也纳平均海水丰度） 测试误差：δ18O： 0.1‰，δD： 1‰ ，数据还包括通过Google earth engine中 Landsat 2017影像数据提取得到的湖泊面积和湖泊流域面积。 通过的长期气象资料数据（多年平均气温，多年平均相对湿度，多年平均年降水量，多年平均年水面蒸发量），基于水量平衡及同位素质量守恒模型（模型参数也包括在数据集中）对湖泊水文信息，包括蒸发/入流比例（E/I）和湖泊流域产水量（WY）进行估算。
万程炜
青藏高原农业活动强度数据集是基于县级农业统计数据，包括逐年耕地面积、农林牧渔劳动力、农机总动力、农村用电量、有效灌溉面积、农药使用量、化肥使用量、粮食作物总产量、农林牧渔生产总值，构建以农业投入指数和产出指数为一级指标，单位耕地面积农机总动力、单位耕地面积化肥施用量、劳动生产率等10个指标为二级指标的农业活动强度指标体系。利用熵值法确定各级指标权重，并通过层次分析法获得青藏高原县级农业投入和产出指数。基础数据来自国家统计局发布的统计数据，并对原始数据进行了核准与校正，具有较高可信度。数据集包括的1980s-2015年青藏高原县级投入产出指标和投入、产出指数一定程度上反映了青藏高原农业生产活动强度时空变化特征，为当地农业发展提供数据支持和理论参考。
刘玉洁
本数据集基础数据源来自于美国国家海洋和大气管理局（NOAA）网站，NOAA卫星是气象观测卫星，可提供逐小时、逐日到逐年时间分辨率不等的气象数据，观测站基础观测数据可提供包括温度、降水、露点、风速等在内的气象环境信息。本数据集主要覆盖泛第三极东南亚及中东地区关键节点区域。数据处理主要步骤如下：首先按照我国国家标准《GB/T 29457-2012》中对高温热浪的定义，基于基础气象数据，判断高温热浪发生情况，进而统计得到高温热浪发生频次，最后依据高温热浪持续时间及发生强度整理得到历史高温热浪灾害事件数据集。该数据集有助于明确各研究区极端高温灾害的发生情况，为判断各地区高温热浪强度提供参考资料和有力依据。
葛咏, 刘庆生
青藏高原由于高云覆盖，通常用来监测湖泊面积的光学遥感影像数据，如Landsat只能用来监测湖泊年尺度面积变化，而对湖泊季节变化研究了解较少。使用Sentinel-1 SAR数据，对青藏高原大于50平方公里湖泊月尺度面积进行了提取。研究显示，湖泊的季节变化显示出截然不同的模式，面积较大的湖泊（> 100 km2）在8-9月达到峰值，而较小的湖泊（50-100 km2）面积在6-7月达到峰值。封闭湖泊面积的季节峰值更突出，而外流湖的季节峰值更平缓。冰川补给湖相对于非冰川补给湖显示了延迟的面积峰值。同时，大尺度的大气环流，如西风、印度季风、和东亚季风也影响着湖泊面积的季节变化。此研究为监测湖泊面积年内变化弥补了空白。
张宇, 张国庆
为描述青藏高原及周边地区主要驯化动物遗传多样性的分布格局，厘清其相关遗传背景。2019年我们选取云南地区品种猪可作为低海拔参考，采集2只品种猪脑区RNA组织样品提取总RNA，建库并做转录组测序。测序产生了一批322G转录组测序原始数据。为研究青藏高原家养动物适应高原极端环境提供基础数据，为探索该地区主要驯化动物的驯化、迁徙、扩张等群体历史事件，并进一步探讨驯化动物对缺氧、高寒、干燥等恶劣环境的适应机理提供资料。
彭旻晟
泛第三极是全球变化的敏感地区，其增温速率为全球的2倍以上，并且受到了西风和季风协同作用的影响。该地区植被如何响应气候变化，将深刻的影响区域生态安全。然而现有产品对泛第三极地区生态系统净初级生产力（NPP）的估算仍旧存在较大的不确定性。为此，本产品结合多源遥感数据，包括AVHRR NDVI，MODIS 反射率数据，多种气候变量（温度、降水、辐射、VPD）以及大量野外实测数据，利用机器学习算法，反演获得了泛第三极生态系统净初级生产力。
汪涛
热带气旋（TC）最佳路径数据已经作为单独的风暴路径存在于其他机构。 IBTrACS将这些数据集合并到一个全球TC数据库中。目的是克服数据可用性问题，通过直接与所有区域专门气象中心和其他国际中心和个人合作，创建全球最佳轨道数据集，将多个中心的风暴信息合并成一个产品，并将数据存档供公众使用。 世界气象组织热带气旋方案已批准IBTrACS作为热带气旋最佳路径数据的官方归档和分发资源。 IBTrACS 包含最完整的全球历史热带气旋集，结合来自许多热带气旋数据集的信息 ， 通过在一个地方提供来自多个源的风暴数据，简化机构间比较， 提供流行格式的数据以方便分析， 检查风暴库存、位置、压力和风速的质量，将信息传递给用户。在集中位置提供热带气旋最佳路径数据，以帮助我们了解全球热带气旋的分布、频率和强度。IBTrACS的主要目的是支持科学研究工作。
葛咏, 李强子, 董文
2015年百米尺度的人口格网数据，每个格网表达该范围内的人口总的数量。该数据来源于英国南安普顿大学地球数据研究所，对该数据进行投影转换、裁剪等处理加工得到“一带一路”沿线34个关键节点区域的百米尺度的人口格网数据。该数据是以行政单元的人口普查数据，通过空间尺度转换得到规则的百米尺度的人口格网数据，每个格网人口是按各行政单元人口和多源辅助数据利用随机森林方法计算得到。人口数据可用于诸多领域，包括城市规划、选举、风险评估、灾害救援、疾病防控、减贫扶贫等。注：该数据仅为初始数据，后续将结合人口普查、建筑物以及GIS遥感等数据进一步加工处理得到更加精确的人口格网数据。
葛咏, 凌峰
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
