The dataset integrated glacier inventory data and 426 Landsat TM/ETM+/OLI images, and adopted manual visual interpretation to extract glacial lake boundaries within a 10-km buffer from glacier terminals using ArcGIS and ENVI software, normalized difference water index maps, and Google Earth images. It was established that 26,089 and 28,953 glacial lakes in HMA, with sizes of 0.0054–5.83 km2, covered a combined area of 1692.74 ± 231.44 and 1955.94 ± 259.68 km2 in 1990 and 2018, respectively. The current glacial lake inventory provided fundamental data for water resource evaluation, assessment of glacial lake outburst floods, and glacier hydrology studies in the mountain cryosphere region.
WANG Xin, GUO Xiaoyu, YANG Chengde, LIU Qionghuan, WEI Junfeng, ZHANG Yong, LIU Shiyin, ZHANG Yanlin, JIANG Zongli, TANG Zhiguang
土地覆盖数据是了解人类活动与全球变化之间复杂相互作用的关键信息来源。基于清华大学制作的30 m分辨率的FROM-GLC全球土地覆盖产品，利用34个泛第三极关键节点区域矢量对其进行裁剪等处理，获得本数据集。本数据集的一级分类体系为：10.农田；20.森林；30.草地；40.灌木丛；50.湿地；60.水体；70.苔原；80.不透水面；90.裸地；100.冰雪；120.云。其数据质量取决于FROM-GLC产品质量，本数据集作为所有遥感数据的研究基础，为项目提供了基底数据。
葛咏, 凌峰, 张一行
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。全球陆表实际蒸散发数据集(2013-2014) (ETMonitor-GlobalET-2013-2014) 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国家重大科学研究计划（973）项目“全球陆表能量与水分交换过程及其对全球变化作用的卫星观测与模拟研究”（2015CB953700）提供的较高空间分辨率的陆表净辐射和较高时间分辨率的水体等数据集，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日蒸散发量。计算在1km分辨率上开展，最终聚合到5km分辨率。利用FLUXNET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。该数据集覆盖全球，空间分辨率为5公里，时间步长为每天，单位为mm/d，数据类型为整型，缩放系数为0.1。
郑超磊, 贾立, 胡光成
中亚地区地形复杂，站点稀少且分布不均匀，尤其在山区高海拔地区缺乏气象观测资料。三套气候数据集来自于最近开发的全球再分析数据集。MERRA使用最新版本的全球地球观测系统（GEOS-5），该系统可以吸收卫星辐射和常规观测结果。ERA-Interim是一个全球陆地表面再分析数据集，以T255（80公里）水平分辨率生成，产品更新距实时大约1个月的延迟。CFSR是最新的全球再分析气候数据集之一，已广泛应用于气候变化研究。这些数据集具有不同的空间分辨率，并且涵盖1979年-2014年。大气再分析资料是在多种数据驱动下，结合严格质量控制的观测数据，利用资料同化技术和数值预报模式得到历史观测数据。近几年，新一代的历史再分析数据因其较高的空间分辨率而适用于降水空间异质性高、地形复杂的中亚区域的气候格局研究。 更多三套历史再分析数据精度验证及适用性可参考： 胡增运, 倪勇勇, 邵华, et al. CFSR、ERA-Interim和MERRA降水资料在中亚地区的适用性[J]. 干旱区地理, 2013, 36(4):700-708. 徐婷, 邵华, 张弛, et al. 近32a中亚地区气温时空格局分析[J]. 干旱区地理, 2015, 38(1):25-35. Hu Z , Zhang C , Hu Q , et al. Temperature Changes in Central Asia from 1979 to 2011 Based on Multiple Datasets*[J]. Journal of Climate, 2014, 27(3):1143-1167. 相关数据集已成功应用中亚生态领域研究，如朱士华, 艳燕, 邵华, et al. 1980—2014年中亚地区植被净初级生产力对气候和CO变化的响应[J]. 自然资源学报, 2017, 32(11):1844-1856.
张弛
1) 数据内容：为了描述青藏高原上的大气水资源，我们提供了两个变量。 一种叫做大气柱水汽收入（CWI），定义为单位面积大气柱水汽通量散度和地表面蒸发之和。 CWI变量为0.25×0.25度网格资料，单位为kg/m2或毫米。 另一个是大气水塔指数（AWTI），是整个TP区域大气水资源净收入的总和，AWTI即cwi乘以高原（75-105E， 25-40N， altitude> 2.5km）格点面积之和，单位为Gt. 2) 数据来源：基于ERA5再分析数据产品计算得到 3) 数据质量描述：ERA5是目前精度较高的再分析数据 4) 数据应用成果及前景: 上述两个变量提供了高原大气中水汽净收入量，
阎虹如
人类活动造成的全球气候变化是生物多样性的主要威胁之一，预测气候变化对物种分布的可能影响，对生物多样性保护具有重要的意义。我们通过长期野外考察和文献收集，获得了12个青藏高原独有的广布两栖爬行动物的分布数据。为保证数据质量，所有物种文献记录的分布点均有DNA测序数据。之后我们使用最大熵值法（Maxent）构建了物种分布模型，评估模型后预测了未来不同时期的物种潜在分布范围。这一结果为青藏高原生物多样性保护，青藏高原物种遗传多样性保护提供了理论支撑。
车静
古地磁学在认识"原青藏高原"中生代演化中起着重要的作用。我们在这里展示了来自北羌塘东部东部雁石坪地区中上侏罗统五个沉积序列的最新古磁数据（ 共99个采点，1,702个样品），揭示雀莫错组的古磁极为79.1°N/306.9°E (dp=3.9°, dm=6.3°) 、布曲组为68.9°N/313.8°E (dp=2.1°, dm=3.7°)、夏里组为66.1°N/332.1°E (dp=2.7°, dm=4.6°)、索瓦组为72.4°N/318.6°E (dp=3.9°, dm=6.7°)和雪山组为76.9°N/301.1°E (dp=7.9°, dm=13.2°)；这些结果表明，雁石坪在171.2-<157.5 Ma期间位于北纬〜24.5°-〜22.0º，伴随着〜171.2-161.7 Ma间〜19.8±9.4º逆时针旋转在〜161.7和<157.2 Ma之间〜15.4±13.4º顺时针旋转。这个旋转变形的调整可能指示拉萨和羌塘地块在~161Ma剪刀式碰撞引起的。结合拉萨、羌塘和塔里木地块其他已有古地磁数据，以及诸如构造相关的沉积序列，火山作用和HP变质作用等其他地质证据，我们提出了包括南-北羌塘地块、羌塘-松潘甘孜地块和拉萨羌塘地块3次陆陆碰撞和碰后拉张环境在内的中生代羌塘和特提斯洋新的演化模型。
颜茂都
针对青藏高原特色，按照科学性、系统性、完整性、可操作性、可度量性、简明性、独立性的原则，重点包含农牧业活动、工矿业发展、城镇化发展、旅游业活动、重大生态工程建设、污染物排放等主要人类活动构建了适宜青藏高原的人类活动强度评估指标体系，基于遥感数据、地面观测数据、气象数据及社会统计年鉴数据等，采用层次分析法，对人类活动的正面和负面效应进行了定量评价，综合评估了人类活动强度及其变化特征。数据不仅有助于增强人类活动在全球变化敏感区植被变化中所扮演角色的认识，而且可以为青藏高原社会经济可持续发展提供理论基础，同时为保护青藏高原生态环境和筑牢国家生态安全屏障提供科学依据。
张海燕, 辛良杰, 樊江文, 袁秀
海陆热力差异是形成季风的重要原因，印度夏季风的建立与欧亚大陆和印度洋之间产生的海陆热力差异有关。对流层中高层青藏高原和热带印度洋的热力差异与印度夏季风的爆发及其年际和年代际变化紧密相关。青藏高原和热带东印度洋上空温度是对印度夏季风变化最敏感的两个区域，基于此，用500-200hPa温度场定义了一个青藏高原与印度洋热力差异指数： TCI = Nor[T(25°N-38°N, 65°E-95°E) - T(5°S-8°N, 65°E-95°E)] 其中，Nor表示标准化，T表示500hPa-200hPa温度场。 青藏高原与印度洋热力差异指数（TCI）分为逐候、月、夏季3种时间分辨率序列。它可以从多种时间尺度反映高原与北印度洋之间的热力差异及其与后期印度夏季风变率的关系。并且，与单独的青藏高原或印度洋热力状况相比，该指数表现得更好，指数大时，后期印度夏季风强度往往偏强。另外，TCI的逐候增量对印度季风的演变具有预测意义，TCI逐候增量超前印度季风指数3候开始显著相关，且超前15候的时候相关最大。同时，TCI逐候增量前25候平均值的大小对印度季风爆发的早晚有一定的预报意义。 资助项目： 中国科学院战略性先导科技专项泛第三极环境变化与绿色丝绸之路建设（XDA20060501 印度洋-第三极热力差异对季风的影响及其经向输送效应）
李张群, 肖子牛, 赵亮
1） 数据内容：该数据是对青藏高原雅江下游包括：昌果沟、立定、列那和曲贡等4个考古遗址点研究产生的古环境DNA数据，包括4个考古遗址点中10个古环境样本的HiseqX宏基因组测序。可以用来研究青藏高原考古遗址中古环境DNA的研究方法和可行性，及其在古代农业发展历程研究中可能具有的重要作用。 2） 数据来源及加工方法：课题组自有数据，利用Pair-end建库测序方法和illumina HiseqX测序平台检测获取。 3） 数据质量：279M数据量，Q30>85%。 4） 数据应用成果及前景：数据用于在古环境DNA水平揭示青藏高原古代农业的特征。
杨晓燕
采用sanger测序的方法，对青藏高原东南缘（云南西北部）258个样本进行线粒体DNA高变区测序。基于系统发育思想，我们对这些数据进行质量控制，确保没有样本污染等质量问题。以修订后的剑桥标准序列参考，进行突变位点的输出。根据世界范围内的人群的线粒体DNA系统发育树（PhyloTree.org），对每个样本进行单倍型类群划分。结合已发表的欧亚大陆其他人群的测序数据，系统研究青藏高原东南缘人群的母系遗传结构及其形成机制。结果表明，该地区人群中有着大量的古老世系，可能代表了早期迁徙到达东亚南部的人群遗传印记。此外，该地区人群中还包含有大量的东亚，尤其是东亚北部组分，可能与粟黍农业人群的迁徙和扩散有关。
孔庆鹏
中巴经济走廊，北起中国新疆喀什，南至巴基斯坦最南端瓜达尔港，全长3 000 km，是贯通南北丝路的关键枢纽，也是“一带一路”的重要组成部分，区内复杂的地质、地貌、气候、水文条件导致该区成为滑坡泥石流易发、频发区。通过野外考察和卫星影像结合，建立的中巴经济走廊典型滑坡泥石流影像解译标志；结合交互解译和野外调查验证，确定中巴经济走廊范围内滑坡、泥石流灾害空间分布数据集，对后续开展中巴经济走廊滑坡泥石流灾害风险分析以及防灾减灾提供重要的数据支撑。
邹强
黑河上游山区山体阴影时空分布图（2018年），本数据基于STRM数字高程模型和太阳位置变化(http://www.esrl.noaa.gov/gmd/grad/solcalc/azel.html)，采用通视分析计算得到，空间分辨率为100m，时间分辨率为15分钟，可用于冻土、积雪、生态水文和遥感研究等领域。利用黑河上游多个自动气象站观测的太阳辐射进行综合对比分析，对计算结果进行了精度验证，可以准确地捕捉气象站位置山体阴影的时空变化，其中时间误差20分钟以内。
张艳林
该数据集内包含2012-2015年月值净初级生产力数据，数据基于中国地面气候资料日值数据集的温度、降水、太阳辐射等气候要素以及蒸散ET、潜在PET、光合有效吸收比例FPAR、NDVI、最大光能利用率等数据通过CASA模型计算得到，计算结果用三江源采样点数据进行验证，相关系数达到0.718。该数据集可直接用于青藏高原草地植被变化的分析，为草地变化动态动态监测提供基础，为青藏高原草地变化治理提供依据。
樊江文, 辛良杰, 张海燕, 袁秀
本数据为青藏高原东部甘孜XS黄土剖面的粒度数据集，整个剖面厚10米，按照2.5cm间隔进行了粒度分析，共获得粒度数据398组。实验分析在兰州大学西部环境教育部重点实验室完成。测量前通过双氧水和盐酸去除了样品中的有机质和碳酸盐，加入分散剂经超声波震荡后，利用Mastersizer 2000仪器进行粒度测量。该数据反应了该高原东部地区末次间冰期以来的黄土序列的粒径变化，对青藏高原东部古环境记录研究研究具有十分重要的作用。
杨胜利
青藏高原是全球气候变化的敏感区域。地表温度（Land Surface Temperature, LST）作为地表能量平衡中的主要参数，表征了地气间能量和水分交换的程度，广泛应用于气象气候、水文、生态等领域的研究中。青藏高原的陆地-大气相互作用等研究，迫切需要较长时间序列和较高时空分辨率的全天候地表温度数据集。然而，该区域较为频繁的云覆盖特征，使现有卫星热红外遥感地表温度数据集的使用受到较大的局限。 相较于2019年发布的前一个版本——中国西部逐日1km空间分辨率全天候地表温度数据集（2003-2018）V1，本数据集（V2）采用了一种新的制备方法，即基于新型地表温度时间分解模型的卫星热红外遥感-再分析数据集成方法。方法的主要输入数据为Aqua MODIS LST产品和GLDAS等数据，辅助数据包括卫星遥感提供的植被指数、地表反照率等。该方法充分利用了卫星热红外遥感和再分析数据提供的地表温度高频分量、低频分量以及地表温度的空间相关性。 评价结果表明，本数据集具有良好的图像质量和精度，不仅在空间上无缝，还与当前学术界广泛采用的逐日1 km Aqua MODIS LST产品在幅值和空间分布上具有较高的一致性。以MODIS LST为参考值时，该数据集在白天和夜间平均偏差（MBE）分别为-0.28 K和-0.29 K，偏差标准差（STD）分别为1.25 K和1.36 K。基于青藏高原和黑河流域的6个站点实测数据的检验结果表明，晴空条件下，本数据集在白天/夜间与实测LST均具有高度的一致性，其MBE为-0.42~0.25 K/-0.35~0.19 K；均方根误差 （RMSE）为1.03~2.28 K/1.05~2.05 K；非晴空条件下，本数据集在白天/夜间的MBE为-0.55~1.42 K/-0.46~1.27 K；RMSE为2.24~3.87 K/2.03~3.62 K。与V1版本的数据相比，两种全天候地表温度均在空间维度上表现除了空间无缝（即无缺失值）的特性，且在大部分区域内，两种全天候地表温度的空间分布和幅值均与MODIS地表温度高度一致。然而，在AMSR-E/AMSR2轨道间隙亮温缺失的区域内，V1版本的地表温度产生了低估。TRIMS地表温度与V1版本地表温度在AMSR-E/AMSR2轨道间隙外的质量接近，而在轨道间隙内前者的质量更加可靠。因此，建议用户使用V2版本。 本数据集的时间分辨率为逐日2次，空间分辨率为1km，时间跨度为2000年-2021年（注：通过外推方式将缺少Aqua MODIS LST产品时段内的全天候地表温度补齐）。本数据集的空间范围包括青藏高原为核心的我国西部及周边地区（72°E-104°E，20°N-45°N）。因此，本数据集的缩写名为TRIMS LST-TP（Thermal and Reanalysis Integrating Moderate-resolution Spatial-seamless LST – Tibetan Plateau），以便用户使用。
周纪, 张晓东, 唐文彬, 丁利荣, 马晋, 张旭
为了了解北半球气温变化的时空变化特征，该研究用 CRU（Climatic Research Unit）网格数据计算了 30 年（1971-2000）年平均气温的空间分布。年平均气温随着纬度的升高而降低，变化范围从大于 30 °C 到小于-25 °C。在相同纬度地区，高海拔地区（比如青藏高原、蒙古高原和西西伯利亚山区）的年平均气温凸显低温的趋势。同时我们完成了分辨率为0.5 °× 0.5 °北半球1901-2016年间的年平均气温变化趋势分布图。
尹国安, 石亚亚
本数据为青藏高原东部甘孜XS黄土剖面的磁化率数据集，我们按照5cm间隔对剖面顶部的10m进行了磁化率分析，共获得磁化率数据200组。实验分析在兰州大学西部环境教育部重点实验室完成。将样品风干研磨后放入无磁塑料盒，再使用英国产的 Bartington MS2 磁化率仪完成。该数据反应了该高原东部地区末次间冰期以来的黄土序列的低频磁化率的变化特征，对于青藏高原东部黄土古环境记录研究研究具有十分重要的作用。
杨胜利
利用长时间序列Landsat遥感数据，获取了整个青藏高原近50年（1970s~2021）共15期湖泊观测数据，对大于1平方公里湖泊的数量及面积变化进行了详细分析。研究发现青藏高原湖泊数量从1970年代的1080个增加到2021年的~1400个。相应地，湖泊面积从1970年代的4万平方公里增加到了2021年的5万平方公里，净增加了1万平方公里。青藏高原湖泊并非持续单调地增加。在1970s至1995年间，大部分湖泊呈现萎缩状态；但在1995年之后，除2015年外，青藏高原湖泊的数量和面积总体呈现出持续增加趋势。流域尺度上，除雅鲁藏布流域外，均在扩张。
张国庆
1）数据内容：青藏高原钩虾分布图；2）数据来源及加工方法：基于西藏地区的钩虾物种名录及其分布基础数据库：包括经纬度、海拔，运用ArcView软件制作青藏高原钩虾分布图；3）数据质量描述：样品的采集和经纬度、海拔信息经过核对，确保分布数据的质量，分析人员均经过实验室的严格培训；4）数据应用成果及前景：综合分析西藏地区钩虾分布数据、物种多样性和遗传多样性，从进化、遗传的视角探讨气候环境变化对钩虾多样性的影响以及钩虾对环境变化的响应，为西藏地区生物多样性评估和生态保护提供科学依据；5）图例信息：褐色圆圈代表天山分布点；粉色圆圈代表青藏高原面上雅鲁藏布江以北分布点，其分化时间约为2-4个百万年；绿色三角代表雅鲁藏布江以南分布点，其分化时间约为4-6个百万年；黄色圆圈代表喜马拉雅分布点，其分化时间约为3个百万年；橙色正方形代表横断山分布点，其分化时间约为5-7个百万年；蓝色圆点为青藏高原东部分布点。
侯仲娥
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
