数据为“一带一路”沿线国家2010年铁路线长度密度资料。它是每个国家当年实际铁路运营的总长度除以该国面积的结果，同时也是衡量一个国家交通运输能力的重要指标。数据来源于世界银行，铁路密度单位为每百万平方公里铁路公里。该数据可以直接地反映出“一带一路”沿线国家的交通运输能力，也能在侧面映射出各个国家的经济发展状况，发展需求。该数据集在中国同“一带一路”沿线各国家的共同发展中起到了一个重要的参考作用。由铁路带动经济，在中国同各国密切联系的今天，离不开铁路的运输，而铁路数据就显得至关重要。
刘振伟
“一带一路”沿线国家灾害数据，主要来自全球灾害数据库。该数据库记录的灾害信息来源于联合国、政府和非政府组织、研究机构和媒体等多种途径；数据指标详细记录了灾害发生国家、灾害类型、发生日期、死亡人数和经济损失估计等信息。 本研究从该数据库逐条摘录一带一路沿线国家自然灾害记录，最终形成沿线65国9大主要灾种的灾害数据库。 搜集整理的自然灾害记录，大致可以分为9类，包括：洪涝、滑坡、极端气温、风暴、干旱、林火、地震、块体运动和火山活动等。 一带一路沿线国家，1900~2018年，总计5479条灾害记录；其中，2000~2015年，有2673条灾害记录。在此基础上，从灾害频次、死亡人口、受灾人口和经济估损等4个方面，开展沿线国家的自然灾害情况调查。 整体上看，一带一路沿线国家，1900年以来，总计发生各类自然灾害5479次，导致约1900万人死亡，造成经济损失约9500亿美元。其中，发生频次最多的是洪涝和风暴；经济损失最多的是洪涝和地震；受灾人口最多的是洪涝和干旱；死亡人口最多的是干旱和洪涝。
尹君
数据为“一带一路”沿线区域2013年水资源利用强度资料。该数据体现了一个地区区域水资源的总体现状以及用水情况，水是制约经济社会发展的重要因素，尤其在缺水地区，水的利用关乎人们的生存和发展。该数据来源于联合国粮食和农业组织。数据集描述了世界各地区的总用水量、开发利用率、各部分用水比例等。它直接反应了各个地区的水资源含量以及用水需求量，同时也间接地反应出地区经济发展状况。水资源的利用程度能看出国家和地区的发展重心，而开发利用率也在一定程度上表现了社会的发展程度。在“一带一路”各地区密切联系的今天，水资源的状况衡量了经济发展状况，同时也反射出经济制约的因素。
刘振伟
无论从全球尺度亦或是局地尺度而言，土壤数据极其重要，而由于缺乏可靠的土壤数据，土地退化评估、环境影响研究和可持续的土地管理干预措施受到了极大的瓶颈阻碍。鉴于土壤信息数据在全世界的迫切需要，特别是在气候变化公约的背景下，国际应用系统分析研究所（IIASA）及联合国粮农组织（FAO）和京都协议对土壤碳测量和联合国粮农组织/国际全球农业生态评价研究(GAEZ v3.0)共同倡导下建立了新一代世界土壤数据库(Harmonized World Soil Database version 1.2 )(HWSD V1.2)。 青藏高原2010年土壤质地数据集裁切自世界土壤库。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。核心土壤制度单元唯一验证标识符： MU_GLOBAL-HWSD数据库土壤制图单元标示符，连接了GIS图层。 MU_SOURCE1 和 MU_SOURCE2- 源数据库制图单元标识符 SEQ-土壤制图单元组成中的土壤单元序列； 土壤分类系统利用FAO-7分类系统或 FAO-90分类系统(SU_SYM74 resp. SU_SYM90)或FAO-85(SU_SYM85). 土壤属性表主要字段包括: ID(数据库ID) MU_GLOBAL(土壤单元标识符)（全球） SU_SYMBOL 土壤制图单元 SU_SYM74(FAO74分类); SU_SYM85(FAO85分类); SU_SYM90（FAO90土壤分类系统中土壤名称)； SU_CODE 土壤制图单元代码 SU_CODE74 土壤单元名称 SU_CODE85 土壤单元名称 SU_CODE90 土壤单元名称 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_TEXTURE(顶层土壤质地); T_GRAVEL: Real (顶层碎石体积百分比)；(单位：%vol.) T_SAND: Real (顶层沙含量)； (单位：% wt.) T_SILT: Real (表层粉沙粒含量)； (单位：% wt.) T_CLAY: Real (顶层粘土含量)； (单位：% wt.) T_USDA_TEX: Real (顶层USDA土壤质地分类)； (单位：name) T_REF_BULK: Real (顶层土壤容重)； (单位：kg/dm3.) T_OC: Real (顶层有机碳含量)； (单位：% weight) T_PH_H2O: Real (顶层酸碱度) (单位：-log(H+)) T_CEC_CLAY: Real (顶层粘性层土壤的阳离子交换能力)； (单位：cmol/kg) T_CEC_SOIL: Real (顶层土壤的阳离子交换能力) (单位：cmol/kg) T_BS: Real (顶层基本饱和度)； (单位：%) T_TEB: Real (顶层交换性盐基)；(单位：cmol/kg) T_CACO3: Real (顶层碳酸盐或石灰含量) (单位：% weight) T_CASO4: Real (顶层硫酸盐含量)；(单位：% weight) T_ESP: Real (顶层可交换钠盐)；(单位：%) T_ECE: Real (顶层电导率)。 (单位：dS/m) S_GRAVEL: Real (底层碎石体积百分比)；(单位：%vol.) S_SAND: Real (底层沙含量)； (单位：% wt.) S_SILT: Real (底层淤泥含量)； (单位：% wt.) S_CLAY: Real (底层粘土含量)； (单位：% wt.) S_USDA_TEX: Real (底层USDA土壤质地分类)； (单位：name) S_REF_BULK: Real (底层土壤容重)； (单位：kg/dm3.) S_OC: Real (底层有机碳含量)； (单位：% weight) S_PH_H2O: Real (底层酸碱度) (单位：-log(H+)) S_CEC_CLAY: Real (底层粘性层土壤的阳离子交换能力)； (单位：cmol/kg) S_CEC_SOIL: Real (底层土壤的阳离子交换能力) (单位：cmol/kg) S_BS: Real (底层基本饱和度)； (单位：%) S_TEB: Real (底层交换性盐基)；(单位：cmol/kg) S_CACO3: Real (底层碳酸盐或石灰含量) (单位：% weight) S_CASO4: Real (底层硫酸盐含量)；(单位：% weight) S_ESP: Real (底层可交换钠盐)；(单位：%) S_ECE: Real (底层电导率)。 (单位：dS/m) 本数据库分两层，其中以顶层（T）土壤厚度为（0-30cm），底层（S）土壤厚度为（30-100cm）。 其他属性值请参考说明HWSD1.2_documentation文档.pdf，The Harmonized World Soil Database (HWSD V1.2) Viewer-中文说明及HWSD.mdb。
Food and Agriculture Organization of the United Nations（FAO）
本数据库依据能值理论分析对2008-2014年17个“一带一路”沿线典型国家（哈萨克斯坦、吉尔吉斯斯坦、塔吉克斯坦、乌兹别克斯坦、土库曼斯坦、蒙古、俄罗斯、巴基斯坦、孟加拉国、阿富汗、尼泊尔、泰国、缅甸、乌克兰、摩尔多瓦、白俄罗斯、阿塞拜疆）包括环境资源流量、自然资本存量、人类生产活动在内的各种生态经济资源的详细信息、商品和服务数据以太阳能值为基准进行计算、评估。数据库由3个表格构成，分别为主要资源能值分析表、主要资源类别综合能值流分析表和系统能值指标分析表。主要资源能值分析表中所有的能值转换率都根据GEB2016进行了更新。以数据库中的基础数据为依据，能有效计算包括基于能值的可持续性指数（Emergy-based sustainability index, ESI）在内的能值指标体系，并有根据性的给出分析结果产生的原因、解决方案及未来规划方向，对国家生态经济系统的发展具有重要意义，并为政府完善生态经济系统可持续发展决策提供科学依据。
李海涛
祁连山流域社会经济发展数据集包含祁连山流域的5个地级市、14个区县的1949-2015年长时间序列社会经济发展指标，如产业结构、人口规模、劳动力、就业等。分别为祁连山流域地级市社会经济发展数据子集、祁连山流域县级社会经济发展数据子集。 数据来源于甘肃省统计年鉴、甘肃发展年鉴、青海省统计年鉴、青海省国民经济与社会发展统计公报、全国农产品成本收益资料汇编、西宁市统计年鉴。 因数据源为公开发布的省级、市级统计年鉴，尚未对数据进行交叉验证，有待在数据分析与应用过程中进行数据的一致性检验和精度验证。 该数据集是反映祁连山流域社会经济发展的宏观数据集，覆盖面全，时间序列长，可对祁连山流域的社会经济发展变化提供基础信息。
吴锋
本数据集包含青海近50年的自然灾害信息，包括干旱、洪灾、冰雹、连阴雨、雪灾、寒潮和强降温、低温冻害、大风沙尘暴、虫灾、鼠灾、地质灾害等自然灾害产生的时间地点及所造成的后果。 青海省地处青藏高原东北部，总面积72 万平方千米。境内河流纵横，冰川广布，湖泊众多，因中华民族的两条母亲河长江、黄河及著名国际河流澜沧江发源于此而素有"中华水塔"之称;全省有可利用草地33.5 万平方千米，天然草场面积仅次于内蒙古、西藏和新疆而居全国第四位，草场类型多样，草地资源十分丰富，拥有青藏高原独特气候条件下生长发育的、并对高原生态环境特征具有较强代表性的维管束植物113 科、564 属、2100 种左右。青海省作为青藏高原的主体部分，是我国生物物种形成、演化的中心之一，也是国际科技界瞩目的研究气候和生态环境变化的敏感区和脆弱带。青海境内地形、地貌复杂，高山、谷地、盆地交错，多年积雪、冰川、戈壁、沙漠、草原等广有分布。复杂的地形条件，高峻的海拔高度和严酷的气候条件决定了青海是一个气象灾害十分频繁的省份。其主要的气象灾害有干旱、洪灾、冰雹、连阴雨、雪灾、寒潮和强降温、低温冻害、大风沙尘暴等。 数据摘录自《中国气象灾害大典·青海卷》，属于人工录入总结校对。
青海省统计局
基于MODIS 2000年至2018年生长季平均的NDVI（空间分辨率250m），利用Mann-Kendall趋势检测方法，计算了NDVI的变化趋势。对三江源国家公园的三个园区都进行了计算(CJYYQ：长江源园区；HHYYQ：黄河源园区；LCJYYQ：澜沧江源园区)。CJYYQ_NDVI_trend_2000_2018_ok.tif：长江源园区NDVI变化趋势。CJYYQ_NDVI_trend_2000_2018_ok_significant.tif：长江源园区NDVI变化趋势，剔除了不显著（p>0.05）的区域。CJYYQ_gs_avg_NDVI_2000.tif：长江源园区2000年生长季平均NDVI。单位为NDVI变化每年。
王旭峰
该数据集为收集到的资源三号卫星的遥感影像。资源三号卫星（ZY-3）于2012年1月9日成功发射。该卫星的主要任务是长期、连续、稳定、快速地获取覆盖全国的高分辨率立体影像和多光谱影像，为国土资源调查与监测、防灾减灾、农林水利、生态环境、城市规划与建设、交通、国家重大工程等领域的应用提供服务。文件列表： ZY3_MUX_E99.8_N36.6_20171011_L1A0003817398 ZY3_MUX_E99.9_N37.0_20171011_L1A0003817397 ZY3_MUX_E100.0_N37.4_20171011_L1A0003817396 ZY3_MUX_E100.1_N36.6_20170625_L1A0003738882 ZY3_MUX_E100.8_N36.6_20170710_L1A0003748776 ZY3_MUX_E100.9_N37.0_20170710_L1A0003748775 ZY3_NAD_E99.8_N36.6_20171011_L1A0003817439 ZY3_NAD_E99.9_N37.0_20171011_L1A0003817438 ZY3_NAD_E100.0_N37.4_20171011_L1A0003817437 ZY3_NAD_E100.1_N36.6_20170625_L1A0003746917 ZY3_NAD_E100.8_N36.6_20170710_L1A0003748580 ZY3_NAD_E100.9_N37.0_20170710_L1A0003748579
中国资源卫星应用中心
中国土地利用现状遥感监测数据库是在国家科技支撑计划、中国科学院知识创新工程重要方向项目等多项重大科技项目的支持下经过多年的积累而建立的覆盖全国陆地区域的多时相土地利用现状数据库。 数据集包括1980年代末期，1990年、1995年、2000年、2005年、2010年，2015年七期，数据生产制作是以各期Landsat TM/ETM遥感影像为主要数据源，通过人工目视解译生成。数据缺少南海部分岛屿数据。 空间分辨率1公里，投影参数：Albers_Conic_Equal_Area 中央经线105，标准纬线1: 25，标准纬线2: 47。 中国土地利用现状遥感监测数据库是目前我国精度比较高的土地利用遥感监测数据产品，已经在国家土地资源调查、水文、生态研究中发挥着重要作用。 土地利用类型包括耕地、林地、草地、水域、居民地和未利用土地6个一级类型以及25个二级类型。
中国科学院资源环境科学数据中心(http://www.resdc.cn/)
该数据集是中国科学院西北高原生物研究所在三江源国家公园野生动物多样性本底调查过程获得的野生动物分布位点信息。该数据集时间范围是2017年，调查范围是三江源国家公园，调查物种包括藏野驴（Equus kiang）、狼(Canis lupus)、赤狐(Vulpes vulpes)、马鹿(Cervus elaphus)、雀鹰(Accipiter nisus)、红腹红尾鸲(Phoenicurus erythrogastrus)、豹猫(Prionailurus bengalensis)、大鵟(Buteo hemilasius)、藏原羚(Procapra picticaudata)、藏雪鸡(Tetraogallus tibetanus)、高原山鹑(Perdix hodgsoniae)、猎隼(Falco cherrug)等多种珍稀野生动物。
张同作
草地地上生物量采用的方法为分区分类型模型，数据年份为2000、2010、2015年，为8月上旬的地上植被鲜重。地上生物量定义为单位面积内地面以上实存生活的植被有机物质总量。单位：克/平方米（g/m²）。该数据产品是中国科学院遥感与数字地球研究所基于MODIS的植被指数采用统计模型计算得到。空间分辨率为250m×250m。该数据集是三江源国家公园植被监测的重要数据源。 投影信息： Albers 等积圆锥投影 中央经线：105度 第一割线：25度 第一割线：47度 坐标西偏：4000000 meter
朱伟伟
该数据集包含青藏高原地区各县区1980-2015年农业经济相关数据，具体涵盖农村总户数、总人口、农业人口、农村劳动力、耕地面积、水田面积、旱地面积、农机动力、农用汽车、机耕面积、灌溉面积、化肥施用量、用电量、农业收入、农林牧渔业总产值、牛、猪、羊、肉、禽、鱼等的产量、粮食播种面积、粮棉油的及各类作物的产量、特色农产品和畜产品产量等相关数据。数据来源于青藏高原所含各省统计年鉴。数据质量优良，可用于青藏高原社会经济和农业发展分析。
吕昌河
本数据集包含三江源国家公园内各个县的社区情况统计表，具体内容包括： 表一包括：行政村个数、自然村个数、户数、人口数、农村劳动力人数、一二三产业总值、人均纯收入、家畜数量； 表二包括：人口民族组成（各名族人口数）、教育的相关统计（中小学个数及学生人数）、卫生相关的统计（医院、卫生室以及医护人员个数）、人口受教育水平的统计（不同教育程度的人数）； 表三包括：草地（草地总面积、可利用草场面积、中度以上退化面积、草原植被覆盖度）、林地（总面积、乔木林面积、灌木林面积和疏林地面积）、水域（总面积、河流面积、湖泊面积、冰川面积、雪山面积和湿地面积）。 总共设计四个县：玛多、曲麻莱、杂多和治多县。该数据来自政府部门的统计数据。
国家统计局
北极的两个区域是由北极监测和评估方案工作组和北极人类发展报告确定的。 AMAP北极的地理覆盖范围从高北极地区一直延伸到加拿大、丹麦王国(格陵兰和法罗群岛)、芬兰、冰岛、挪威、俄罗斯联邦、瑞典和美国的亚北极地区，包括相关海域。阿拉斯加北极包含所有《阿拉伯国家、加拿大北部60°N与魁北克省北部和拉布拉多,格陵兰岛,法罗群岛,和冰岛,北县的挪威、瑞典和芬兰。俄罗斯的局势很难用简单的语言来描述。 人口学家划定的区域包括:摩尔曼斯克大爆炸区、涅涅茨人、亚马朗涅茨人、泰梅尔和楚科塔自治州、科米共和国的沃库塔市、克拉斯诺亚尔斯基克雷的诺里尔斯克和伊戈尔卡，以及萨哈共和国边界最接近北极圈的地区。
Arctic Monitoring And Assessment Programme
本数据集为青藏高原黄河源区2015年逐像素年内最大植被覆盖度空间分布图，该区域的面积约为4.4万平方公里。此数据是基于2015年MODIS（空间分辨率250米） 和Landsat-8 OLI（空间分辨率30米）植被生长季（5月初-9月末）的时间序列影像，并利用最大值合成方法、像元二分模型和时间插值等方式获得。植被覆盖度空间分布图的空间分辨率为30米，采用WGS 1984 UTM 投影，数据格式为grid格式。
王广军
该数据集主要是第四版本由 CIAT（国际热带农业中心）利用新的插值算法得到的SRTM地形数据，此方法更好的填补了SRTM 90的数据空洞。插值算法来自于Reuter et al.（2007）. SRTM的数据组织方式为：每5度经纬度方格划分一个文件，共分为24行（-60至60度）和72列（-180至180度），数据分辨率90米。 数据使用: SRTM的数据是用16位的数值表示高程数值的（-/+/32767米），最大的正高程9000米，负高程（海平面以下12000米），空值用-32767来表示。
Food and Agriculture Organization of the United Nations（FAO）
本数据集为扎陵湖-鄂陵湖附近黄河源区沼泽空间分布图，面积约2.1万平方公里。数据集由Landsat 8 影像通过专家决策树分类，并经人工目视解译修正获得。影像的空间分辨率为30 m，采用WGS 1984 UTM 投影坐标系，数据格式为grid格式。影像区分为5种地类，地类1为“水体”，地类2为“高盖度植被”，地类3为“裸地”，地类4为“低盖度植被”，地类5为“沼泽”，其中低盖度植被及高盖度植被通过植被覆盖度进行区分，阈值选取0.1至0.4为低盖度植被，0.4至1为高盖度植被。
王广军
本数据集包括了青藏高原祁连山地区自从1980年到2013年以来的逐月的2m高的气温数据。本数据集来源于欧洲中期天气预报中心的第三代ERA-Interim再分析资料，该数据集采用四维变分分析，结合卫星数据误差校正等技术，实现了再分析资料的质量提升。数据集的空间分辨率为0.125°。本数据集是祁连山地区过去30多年以来的气温的网格数据集，可以为祁连山地区的气温变化、生态系统发展演替及相关地球系统模型的研究提供基础依据。
吴晓东
1)数据内容包括泛第三极地区65国以及中国西部抽样单元布设图。2) 从北纬70°-南纬10°，东经180°-西经180°在泛第三极范围布设抽样调查单元；纬度70°以上不布设样点；纬度60°-70°范围内，按照0.5纬度*1经度布设样点，即约为55km*55km-55km*38km网格布点；纬度40°-60°范围内，按照0.5纬度*0.75经度布设样点，即约为55km*63km-55km*42km网格布点；纬度40°以下范围内，按照0.5纬度*0.5经度布设样点；青藏高原范围内，按照0.25纬度*0. 25经度布设样点；中国西部的新疆、青海、甘肃、四川、云南5省份采用第一次全国水利普查水土保持普查中布设的调查单元。样点总数为29651个，其中青藏高原点数为4052个，中国西部普查样点数为8771个，中国以外65国样点数为16828个。 3）所选抽样单元分布均匀，数据质量良好。4）抽样调查单元布设图对研究泛第三极土壤侵蚀现状，更好的贯彻“一带一路”发展政策具有重要的意义。
魏欣
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
