依据多土地覆被类型数据包括有欧空局全球陆地覆盖数据（ESA CCI-LC，300m栅格）、清华大学全球土地覆被数据（FROM-GLC，30m栅格）和美国NASA的LP DAAC 中心的MODIS全球土地覆被数据（MCD12Q1，300m栅格）等3个土地覆被产品数据。个别类别土地覆被数据包括有美国地质调查局USGS的全球耕地数据（GFSAD30，30m）、日本宇宙航空研究开发机构JAXA的全球林地数据（PALSAR/PALSAR-2，25m）、欧盟联合研究中心(JRC, EC)的全球水体数据（GSWD，Global Surface Water Data）和中山大学基于Google earth engine提取的全球城市用地数据（GULM，Global Urban Land Map）。构建了“一带一路”区域LUC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”核心国家2015年土地利用数据（V1.0）。
许尔琪
数据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). 中国境内数据源为第二次全国土地调查南京土壤所所提供的1：100万土壤数据。 该数据可为建模者提供模型输入参数,农业角度可用来研究生态农业分区,粮食安全和气候变化等。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。 土壤属性表主要字段包括: SU_SYM90（FAO90土壤分类系统中土壤名称)； SU_SYM85(FAO85分类); T_TEXTURE(顶层土壤质地); 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_GRAVEL: Real (碎石体积百分比)； T_SAND: Real (沙含量)； T_SILT: Real (淤泥含量)； T_CLAY: Real (粘土含量)； T_USDA_TEX: Real (USDA土壤质地分类)； T_REF_BULK: Real (土壤容重)； T_OC: Real (有机碳含量)； T_PH_H2O: Real (酸碱度) T_CEC_CLAY: Real (粘性层土壤的阳离子交换能力)； T_CEC_SOIL: Real (土壤的阳离子交换能力) T_BS: Real (基本饱和度)； T_TEB: Real (交换性盐基)； T_CACO3: Real (碳酸盐或石灰含量) T_CASO4: Real (硫酸盐含量)； T_ESP: Real (可交换钠盐)； T_ECE: Real (电导率)。 其中以T_开头属性字段表示上层土壤属性（0-30cm），以S_开头属性字段表示下层土壤属性（30-100cm）。 具体属性值代表何意义请参考文件夹下说明文档*.pdf及数据库*.mdb。
Food and Agriculture Organization of the United Nations（FAO）, aa
该数据集提供1978年10月24日到2012年12月31日逐日的中国范围的积雪厚度分布数据，其空间分辨率为25km。用于反演该雪深数据集的原始数据来自美国国家雪冰数据中心（NSIDC）处理的SMMR（1978-1987年)，SSM/I（1987-2008年)和AMSR-E(2002-2012)逐日被动微波亮温数据。由于三个传感器搭载在不同的平台上，所以得到的数据存在一定的系统不一致性。通过对不同传感器的亮温进行交叉定标提高亮温数据在时间上的一致性。然后利用车涛博士在Chang算法基础上针对中国地区进行修正的算法进行雪深反演。具体反演方法参考“数据说明文档”。 该数据集包含EASE-Grid和经纬度两种投影方式，分别放入两个不同的文件夹中：ease-grid_rar(数据仅到2010年)和lon-lat_rar。两种投影的数据都逐年打包，文件命名方式为：传感器名称简写+年份，如ease-grid_rar目录下的SR1985表示用SMMR亮温数据反演的1985年的雪深；SI1990表示用SSM/I亮温数据反演的1990年的雪深；AE2005表示用AMSR-E亮温数据反演的2005年的雪深，这些数据的投影方式都是EASE-Grid。lon-lat_rar目录下，上面的数据集名称解释相同，只是其投影方式为经纬度投影。详细数据说明请参考数据文档。
车涛, 李新, 戴礼云
该数据集分析了2018-2019年全球典型洪水灾害事件的时空分布规律、影响及损失情况。2018年，全球洪水灾害发生次数共109起，死亡人口1995人，受灾人口总数达1262万人次，直接经济损失约为45亿美元，在全球近30年中处于较低水平。2018年全球洪灾事件发生次数上半年较下半年多，5月至7月发生频次较高。因此，以2018年美国弗罗伦斯飓风洪水、2018年尼日利亚尼日尔河洪水及2018年中国山东寿光洪水等三个典型灾害事件为案例，从灾害背景、致灾因子、受灾情况等方面进行了分析。
蒋梓杰, 蒋卫国, 武建军, 周红敏
全球台风路径数据集包含了2018年29个发生在西北太平洋的台风路径点的数据，包含时间、经纬度、中心气压、风速风力、未来移向、未来移速、风力等级等指标；数据来源于中央气象台台风网（http://typhoon.nmc.cn/web.html），使用python抓取了网页发布的台风路径数据，并将抓取的excel数据表整理导成shapefile形式，按照台风风力等级划分标准赋予每一个路径点风力等级； 可以应用于基于台风路径点的移动情况、风速风力等的特征、影响分析。
陈怡婷, 杨华, 武建军, 周红敏
本数据集是2015年青藏高原地区的土地覆被数据，数据为栅格TIFF格式，空间分辨率为300米，包含耕地、林地、草地、水体、城市用地等22个大类，可用于青藏高原城镇化与生态环境交互胁迫的地理本底研究。该数据来自欧空局CCI-LC项目生产的土地覆被数据产品。该数据集采用了WGS84的地理坐标系统，有22个大类。数据的生产融合多种卫星数据资料，包括MERIS FR/RR，AVHRR，SPOT-VGT，PROBA-V等。经验证，该数据集的总体精度在70%以上，当然精度会在不同的地区和覆被类型上存在差异。
杜云艳
此数据集包含2018全年及2019上半年全球重大林火案例数据，包括2018年11月美国加州林火、2018年7月希腊阿提卡区林火及2019年3月中国山西省林火3个案例数据。具体数据包括：监测范围的火烧强度数据及灾前灾后植被指数变化数据。该数据集主要用于描述2018-2019上半年全球重大林火事件的发生、发展、影响及恢复，数据主要来源于NASA官网和EM-DAT数据库，在EXCEL和ArcGIS中运用统计与空间分析方法，对数据进行处理。数据来源可靠，处理方法科学严谨，可有效运用于全球（林火）灾害案例分析研究。
杨雨晴, 宫阿都, 武建军, 周红敏
此数据集是对近30年全球的强震（Mw≥5）活动性水平进行分析，并将其进行空间化呈现，可以得到近年来全球强震频发、活动性水平高的分布区域，将2018年强震分布与其进行对比，得到2018年全球强震活动的分布特征。强震原始数据来自USGS，对其进行局部密度计算作为频度信息，对所有震例的震级进行全球范围的插值，之后对频度和震级进行相乘作为其强震活动性水平。该数据集为TIff格式，空间分辨率约为80km。该数据集可以在全球尺度上对强震的活动水平强弱分析提供参考，对全球地震危险性分析、防震减灾体系的构建具有一定辅助意义。
陈晋, 唐宏, 武建军, 周红敏
数据内容：本数据集包含3种分辨率（0.25度、0.75度和2度）青藏高原多年平均月温度递减率（单位：℃/m）网格数据 数据来源及加工方法：基于高程标准差和相关性阈值动态检测不同分辨率网格内MODIS地温-海拔样本的有效性来获得局部可靠的温度递减率 数据质量描述：基于青藏高原113个站点的1980-2014年间日平均气温观测，对ERA-Interim气温数据应用0.75度气温递减率产品进行日平均气温的空间降尺度，使其验证误差（均方根误差）由~4℃降低到~2℃。 数据应用成果及前景：该数据集可应用于多种再分析资料的气温降尺度。
张凡, 张宏波
本数据集是2011年青藏高原地区的土地覆被数据，数据为栅格TIFF格式，空间分辨率为300米，包含耕地、林地、草地、水体、城市用地等22个大类，可用于青藏高原城镇化与生态环境交互胁迫的地理本底研究。该数据来自欧空局CCI-LC项目生产的土地覆被数据产品。该数据集采用了WGS84的地理坐标系统，有22个大类。数据的生产融合多种卫星数据资料，包括MERIS FR/RR，AVHRR，SPOT-VGT，PROBA-V等。经验证，该数据集的总体精度在70%以上，当然精度会在不同的地区和覆被类型上存在差异。
杜云艳
该数据集是通过青藏高原矢量边界对中国湖泊图裁剪而来，湖泊数据库的内容是经过实地考察，调查研究和用遥感分析得到的面积大于10平方公里的2015年湖泊的数据。湖泊编码的依据是湖泊分类，湖泊的分类体系不是层次分类，而是根据不同指标形成多重性平行式的。中国湖泊编码目前采用8位数字，第一、二位表示湖泊所在省区代号；第三、四、五位表示该省区内湖泊的顺序号；第六位表示湖泊属于内外流域和湖面面积的大小；第七位表示湖水水量亦即湖泊的容积。
杜云艳
中蒙俄经济走廊气象站基础气象数据集包括风速、风向、降水量、气温及雪深。时间分辨率为3小时。站点散布在走廊周围，站点数量为29个。该数据集基于美国国家海洋和大气管理局的国家环境信息中心（NCEI）小时/亚小时观测数据集提取得到。各个数据除了包括数据本身之外，还包括数据质量评估结果、数据获取方式等信息。此外，各个站点降水量数据由4个检测设备共同获取组成，以确保数据稳定性。雪深数据包括雪深度和等效水深尺寸，即雪融化后成水的深度。
李生宇, 范敬龙
数据包含了2019年3月发生于南半球的热带气旋“伊代”的路径数据，以及由其引发的南部非洲洪灾受淹范围的数据，是2019年全球重大热带气旋灾害的重要数据源补充。热带气旋路径数据整理自国家卫星气象中心的监测数据，使用ArcGIS软件读取经纬度坐标获得；南部非洲洪灾的受淹范围数据是中科院遥感所基于高分三号卫星影像提取的。 数据可用于热带气旋“伊代”的路径分析、受影响情况分析和灾损评估等。
陈怡婷, 杨华, 武建军, 周红敏
结合Landsat影像(4215景)、地形图，利用半自动水体提取及人工目视检查编辑，完成了过去60多年来（1960s, 1970s, 1990, 1995, 2000, 2005, 2010, 2015, 2020）详细的中国湖泊(大于1平方公里)数量与面积变化研究。从1960s到2020年，中国湖泊总数量（≥ 1 km^2）从2127个增加到2621个，面积从68537 km^2扩张到82302 km^2 。
张国庆
高分二号（GF-2）卫星是我国自主研制的首颗空间分辨率优于1米的民用光学遥感卫星，搭载有两台高分辨率1米全色、4米多光谱相机，星下点空间分辨率可达0.8米。 该数据集为2017年的6景高分二号卫星遥感影像数据。文件夹列表为： GF2_PMS1_E100.5_N37.2_20171013_L1A0002678101 GF2_PMS1_E100.5_N37.4_20171013_L1A0002678097 GF2_PMS1_E100.6_N37.6_20171013_L1A0002678096 GF2_PMS2_E100.3_N37.4_20170810_L1A0002534662 GF2_PMS2_E100.5_N36.7_20170805_L1A0002526723 GF2_PMS2_E100.7_N37.2_20171013_L1A0002672923 GF2_PMS2_E100.7_N37.4_20171013_L1A0002672921 文件命名规则：卫星名称_传感器名称_中心经度_中心纬度_成像时间_L****
中国资源卫星应用中心
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）由四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，以及帕里网络。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：逐时 - 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统计值 - 单位：土壤水分，cm ^ 3 cm ^ -3； 土壤温度， ℃
Bob Su, 阳坤
对未来气候变化的有效评价，特别是对未来降水量的预测，是西北地区生态环境脆弱、干旱半干旱地区合理制定适应战略的重要依据。本数据是基于RegCM4.6模型和HadGEM2-ES的未来四种不同碳排放浓度（RCP2.6、RCP4.5、RCP6.0和RCP8.5）情景下，未来2007-2099年空间分辨率为0.25度，时间分辨率分别为3小时，逐日和逐年的多套中国西北（甘肃、宁夏、青海、新疆和陕西5省）气候预测。这些数据表明，在RCP8.5情景下，未来中国西北地区近地表气温将持续变暖，到21世纪末，气温将变得更为显著，超过6℃，未来的降水量将继续增加，到21世纪末将增加100毫米；极端气候指数夏季高温天数将继续增加，这表明中国西北地区的高温将更加频繁，相比之下，连续干燥日将减少。
潘小多, 张磊
在高寒网各野外站和泛第三极地区境外台站的长期观测数据基础上，建立泛第三极地区气象、水文及生态要素系列数据集；通过重点区域的强化观测与样地和样点验证，完成气象要素、湖泊水量与水质、地上植被生物量、冰川冻土变化等数据产品的反演；基于物联网技术，研制建立多站联网的气象、水文、生态数据管理平台，实现联网数据实时获取与远程控制及共享。 2018年中国高寒地区地表过程与环境观测网络水文数据集，主要收集：祁连山站、藏东南站、珠峰站、玉龙雪山站、纳木错站、阿里站、慕士塔格等七个站 点逐日实测水文（径流、水位、水温等）数据。
朱立平, 彭萍
该数据集是从中国科学院青藏高原研究所开发的一套中国区域近地面气象与环境要素再分析数据集中提取得到。该数据集是以国际上现有的 Princeton 再分析资料、GLDAS 资料、GEWEX-SRB 辐射资料，以及 TRMM 降水资料为背景场，融合了中国气象局常规气象观测数据制作而成。其时间分辨率为 3 小时，水平空间分辨率 0.1°，包含近地面气温、近地面气压、近地面空气比湿、近地面全风速、地面向下短波辐射、地面向下长波辐射、地面降水率，共 7 个要素（变量）。 各变量的物理意义： 气象要素 变量名 单位 物理意义 近地面气温 temp K 瞬时近地面（2m）气温 地表气压 pres Pa 瞬时地表气压 近地面空气比湿 shum kg/ kg 瞬时近地面空气比湿 近地面全风速 wind m /s 瞬时近地面（风速仪高度）全风速 向下短波辐射 srad W /平方米 3 小时平均 （-1.5hr ～ +1.5hr） 向下短波辐射 向下长波辐射 lrad W /平方米 3 小时平均 （-1.5hr ～ +1.5hr） 向下长波辐射。 降水率 prec mm/hr 3 小时平均 （-3.0hr ～ 0.0hr） 降水率。 更多信息，请参见随数据一同发布的《User’s Guide for China Meteorological Forcing Dataset》。
阳坤
生态承载力是指在不损害生态系统生产能力与功能完整性的前提下，生态系统可持续承载具有一定社会经济发展水平的最大人口规模，单位为人/平方公里。生态承载力空间分布数据基于VPM模型模拟的NPP数据和FAO农业、林业和畜牧业生产与贸易数据计算得到；以NPP数据为基础结合CCI-CI土地利用数据与各类生态系统地上地下生物量配比参数得到ANPP数据，作为生态供给量；以农林牧生产与贸易数据为基础结合人口数据得到“一带一路”沿线国家人均生态消耗标准，然后将国家尺度数据空间栅格化；将空间栅格化的生态供给量数据与人均生态消耗标准相除得到空间栅格化的生态承载数据。
闫慧敏
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
