亚洲蝮是一类小型剧毒蛇，也是我国分布最广，数量最多的毒蛇。亚洲蝮属（Gloydius）隶属蝰蛇科，蝮亚科，该属成员20余种，主要分布于亚洲及欧洲边缘。 本研究中发现并描述了两个未知的高原蝮蛇新种，分别为来自四川阿坝藏族羌族自治州黑水县的冰川蝮（Gloydius swild）和来自西藏察隅怒江流域的怒江蝮（Gloydius lipipengi）。 数据为新种怒江蝮和冰川蝮的论文原文（PDF版本）骨骼三维重建图、标本图以及生境图等原始数据资料。 数据来源为拍摄或绘制。数据包括原始图片，清晰度高。可用于进一步引用及科学传播等工作。
史静耸
热融滑塌是由于富冰多年冻土退化而导致的一种类似滑坡的热喀斯特地貌。一旦形成，它们会以较高的速度（几米至几十米每年）溯上坡方向扩张，垮塌的土壤和岩石会流向周边，对基础设施构成威胁，并可能释放冻土中的碳。已有研究表明，热融滑塌广泛地分布于多年冻土区，并且最近十多年它们的数量和影响范围显著增加。青藏工程走廊跨越多年冻土区，是连接内地与西藏的动脉，但已有研究对热融滑塌的分布和影响的认识还十分缺乏。为了对整个青藏工程走廊的热融滑塌进行详细和全面的调查，本研究使用深度学习方法以及目视解译和实地验证，识别并勾勒了2019 年该区域的热融滑塌。使用的高分辨率遥感影像是PlanetScope微小卫星影像，分辨率为 3 米，有4个波段，完全覆盖了整个工程走廊的多年冻土区（ 约54,000 平方公里）。该方法结合深度学习的高效性及自动化和人工解译的可靠性，对整个区域进行接近十次的迭代制图，最大程度地避免漏检和误检。目视解译根据其地貌特征和时间变化（2016至2020）检查深度学习算法自动勾绘的热融滑塌。结果中包含 875 个热融滑塌的边界，以及它们的一些属性，包括编号、经纬度、置信概率和时间等信息。该结果为研究青藏工程走廊多年冻土退化以及相应的影响提供了一个重要的基准数据集。
夏卓璇, 黄灵操, 刘琳
1）数据内容：面对未来气候变化青藏高原10种两栖类爬行类遗传多样性的变化。2）数据来源及加工方法：基于青藏高原10种两栖爬行类条形码数据，结合SDM、MPTP approach等软件构建未来2050年、2070年、2090年等时期的遗传多样性及分布情况。3）数据质量描述：数据质量经过核查，分析数据人员经过实验室严格培训。4）数据应用成果及前景：发现分布于青藏高原北部的两栖爬行类需要在保护上给与更多的关注。
沈文菁
地应力是指存在于地壳中的应力，即由于岩石形变而引起的介质内部单位面积上的作用力。本专题通过青藏高原重大工程区的文献搜集与钻孔测试得到重大工程区地应力数据。原始数据资料精度可靠，并有专人负责质量审查；经多人复查审核，其数据完整性、位置精度、属性精度均符合有关技术规定和标准的要求，质量优良可靠。该数据能够为研究青藏高原重大工程扰动灾害、重大自然灾害的发育规律以及其他与地应力相关研究工作提供基础数据支撑。
祁生文
该数据集包含西藏念青唐古拉山沿海拔梯度（30°30′-30°32′N, 91°03′E; 4500m, 4600m, 4700m, 4800m, 4900m, 5000m, 5100m, 5200m）的生态系统呼吸及土壤温度和水分含量的数据。数据来自兰州大学生态学创新研究院科考团队在2021年，利用Li-8100 CO2气体分析仪实时测定的数据。数据集为原始未经过处理的数据，是在高原实际气压条件下的观测数据。该数据集可用来分析西藏念青唐古拉山海拔梯度生态系统呼吸的季节动态极其调控因子，数据集补充了青藏高原腹地山地碳循环观测数据的不足。
赵景学
该数据是以青藏高原1:50万地质图为基础，参照国标《工程岩体分级标准》（GB50218-2014）岩石饱和单轴抗压强度UCS及其对应的代表性岩石，将岩石类别划分为坚硬岩组、较坚硬岩组、较软弱岩组、软弱岩组和松散岩组五类。工程地质岩组是构成岩土体的主要物质成分，是工程设计的依据，是评价岩土体工程稳定性的必要条件，同时可以作为灾害风险分析的评价因子，避免了由于岩性种类过多对风险评价造成的困难，未来可应用于青藏高原重大工程建设和灾害风险分析 。
祁生文
以“全新世温度难题”为焦点，全新世地球气温变化已成为过去气候变化研究的热点问题。该项工作基于云南星云湖的化石孢粉，利用新发展起来的基于随机数据开展定量重建显著性检验新方法定量重建了研究区过去14000年以来的夏季温度（平均7月温度），发现其与基于该湖沉积物碳酸盐氧同位素的夏季降水记录在变化趋势上存在差异，主要体现在早全新世二者的不耦合变化，即早全新世夏季降水较高，但夏季温度较低。作者进一步提出了以云、气溶胶、北半球高纬冰盖边界条件等主导的地球系统内部反馈作用是造成中国西南地区早全新世夏季降水与温度不耦合的主要原因。
吴铎
1) 数据内容：本数据库包含空间范围：①我国青藏高原、新疆；②中亚（哈萨克斯坦、吉尔吉斯斯坦、塔吉克斯坦、乌兹别克斯坦）；③西亚（巴基斯坦、阿富汗、伊朗）；④东南亚（泰国、越南、老挝、缅甸、柬埔寨）。数据内容主要有：①1:500万地质数据集（地质体和构造）；②1:100万各国地质矿产数据集（地质体、构造、矿产）；②金属矿产数据集（矿床、矿点、矿化点）；③新疆-中亚成矿地质背景数据集（岩石建造组合、构造分区、成矿区带、远景区、靶区、矿产）；主要图件包括：泛第三极地质矿产图（1:500万）、中亚四国地质矿产图（1:150万）、巴基斯坦地质矿产图（1:100万）、阿富汗地质矿产图（1:100万）、伊朗地质矿产图（1:100万）、中国新疆-中亚廊带地质矿产图（1:250万）、中国新疆-中亚廊带成矿规律图（1:250万）、我国青藏高原地质矿产图（1:150万）。空间数据库采用ArcGIS平台，可为区域成矿规律研究、资源潜力评估、战略远景区圈定以及各类专题图件编制提供基础数据支撑。数据库格式为文件数据库（.GDB），图件包括工程文件（MXD）和栅格图（JPG）,也可根据需要生成各类常见图形格式（PDF、TIF、EPS等）。泛第三极全区（1:500万）采用兰伯特等形圆锥投影，中央经线为东经84度，双纬分别为20度和55度。中国新疆-中亚廊带地质矿产数据采用兰伯特等形圆锥投影，中央经线为东经75度，双纬分别为30度和50度。中亚和西亚主要国别1:100万地质矿产数据采用采用兰伯特等形圆锥投影，中央经线和双纬根据各国所在位置具体确定。 2) 数据来源及加工方法；基础地质数据主要来源于任继舜院士编亚洲地质图（2015）（1:500万）、中欧亚构造成矿图和地质图（2008）（1:250万）、域内各国地质调查部门地质图（1:100万）；②矿产数据主要来源包括全国矿产资源潜力评价项目成果（2012）、英国伦敦自然历史博物馆中亚矿产数据库及专题图（2014）、美国地质调查局阿富汗数据集（2008）、域内各国地质调查部门相关资料数据、域内矿产相关论文论著。此外，为满足各类数据修改及完善大量采用遥感数据，具体包括：ETM+、OLI、ASTER、Worldview等影像数据以及90m、30米、12.5mDEM数据等。 3) 数据质量描述；为满足泛第三极区域成矿规律研究、地质矿产图和成矿预测图编制需要，在数据空间准确性、逻辑一致性和数据完整性方面进行编辑、处理以及补充完善。具体包括：①矢量化，基于前述资料进行了大量矢量化工作，用于补充数字资料缺失区域（伊朗、巴基斯坦），同时根据资料更新程度合并、分割各类面要素和线要素，矢量化工作按照我国相关规范要求比例尺精度要求下完成；②拓扑处理，消除重叠面、空区等拓扑错误；③完善要素属性结构和补充要素属性内容，围绕区域成矿规律研究、地质矿产图和成矿预测图编制目标，依据我国相关规范，结合具体资料和数据内容，建立了相应数据模型，完善了地质体、构造、矿产要素类属性结构并完成了相应属性的填写工作；④基于以上数据处理内容，结合泛第三极研究成果和最新认识，对区内相关地质内容进行了进一步修改和完善。 4) 数据应用成果及前景：泛第三极地质矿产数据库主要服务于泛第三极全区、重要成矿带以及国别区域成矿规律研究、地质矿产图和成矿预测图编制，比例尺为1:500万（泛第三极全区）、1:250万（中国新疆-中亚廊带）、1:100万（重要成矿带、中西亚各国别）。
刘琰
采用三种广泛使用的基于模型的蒸散发数据集，包括ERA5，MERRA2和GLDAS2-Noah再分析数据，使用变异系数选取具有高一致性的融合区域，基于可靠性集合平均法融合获得了空间分辨率为0.25°的长序列（1980-2017年）全球逐日蒸散发产品（REA ET）。以GLEAM3.2a和通量塔观测数据作为参考数据和验证数据，结果表明，融合产品很好地捕捉了不同地区的蒸散发趋势，在所有植被覆盖情景下表现良好。数据集以NetCDF格式存储，包含变量E，代表陆地实际蒸散发，以毫米(mm)为单位。数据集包含三个维度：经度、纬度和时间，经度范围为-179.875E~179.875E，纬度范围为-59.875N~89.875N。完整时间覆盖范围为1980年1月1日~2017年12月31日。
陆姣, 王国杰, 陈铁喜, 李世杰, Daniel Fiifi Tawia Hagan, Giri Kattel, 彭建, 姜彤, 苏布达
利用野外调查和文献调研收集到的青海沙蜥（Phrynocephalus vlangalii）分布点，结合五个来自于WorldClim数据库的气候因子，分别将当前（1960-1990年）和未来（2061-2080年）的气候数据输入训练好的物种分布模型，对当前和未来的适宜栖息地进行预测。预测结果表明，在青海沙蜥在气候变化下将会丧失大量原有栖息地，针对青海沙蜥的保护措施应重点关注青藏高原东缘，柴达木盆地北部和东部这些地区。模型也预测在气候变化后，新的适宜栖息地将在原本不适宜青海沙蜥生存的地区出现。然而，由于爬行动物的扩散能力非常有限（文献记录的最大年扩散距离不足500m），新出现的适宜栖息地不一定能被青海沙蜥利用。同时，通过野外工作收集三个海拔种群青海沙蜥的生理、生活史、行为及形态数据并结合微气候数据，利用机制生态位模型预测了气候变化在当前适宜分布区对青海沙蜥造成的生理后果。模型预测的结果表明，无论在SSP245还是SSP585气候变化情景下，青海沙蜥的活动时间在当前适宜分布区的大部分范围（> 93%）内都会增加，热安全阈在当前适宜分布区的所有地点都会减少。高海拔种群的活动时间增幅小于低海拔种群，而其热安全阈减少的幅度却大于低海拔种群。研究结果揭示了气候变化可能对分布在高海拔地区的蜥蜴种群造成更大影响。
曾治高
数据内容：伊塞克湖流域2019年种植结构数据集。 数据来源及加工方法：从2019年中提取出5月-6月，7月-8月和9月-10月三个时间段，将每个时间段内云量最少，质量最高的哨兵2号数据拼接为一张完整地图，得到咸海流域三期哨兵2号遥感影像。在此基础上求出三期影像的NDVI结果，以哨兵2数据的不同波段和NDVI结果为基础，再结合耕地数据和实地采样数据，用随机森林算法对其分类，最终得到每个地块上的种植结构类型。 数据质量：空间分辨率为10m×10m，时间分辨率为年，Kappa系数0.8。 数据应用成果：可用于农作物产量估算和水资源利用效率计算。
刘铁
数据内容：咸海流域2019年归一化植被指数数据。 数据来源及加工方法：来源于美国国家航空航天局中分辨率成像光谱仪，提取MOD13A2产品第一波段作为归一化植被指数数据，乘以比例因子0.0001。 数据质量：空间分辨率为1000m×1000m，时间分辨率为一个月，每个像元的值为每个月的归一化植被指数的平均值。 数据应用成果：在气候变化背景下，可用于气象要素和植被特征相关关系分析，也可以与其它植被数据相结合分析某种植被类型的区域分布。
刘铁
数据内容：咸海流域2019年反照率数据。 数据来源及加工方法：来源于美国国家航空航天局中分辨率成像光谱仪，提取MCD43A1产品中的"BRDF_Albedo_Parameters_nn. Num_Parameters_01"，“BRDF_Albedo_Parameters_nn. Num_Parameters_02“和“BRDF_Albedo_Parameters_nn. Num_Parameters_03”波段，参考MODIS官方算法，计算得出白天反照率和夜间反照率，乘以比例因子0.001。 数据质量：空间分辨率为500m×500m，时间分辨率为8天，每个像元的值为八天地表反照率的平均值。 数据应用成果：作为重要参数可反演地表蒸散发。
刘铁
数据内容：咸海流域2019年地表温度数据。 数据来源及加工方法：来源于美国国家航空航天局中分辨率成像光谱仪，提取MOD11A2产品第一波段作为地表温度数据，乘以比例因子0.02。 数据质量：空间分辨率为1000m×1000m，时间分辨率为8天，每个像元的值为八天地表温度的平均值。 数据应用成果：在气候变化背景下，可用于气象要素和植被特征相关关系分析，也可以与其它气象数据相结合分析某种植被类型的区域分布。
刘铁
（1）本数据集包含多介质中多种重金属浓度数据，对水体重金属污染评价与重金属在水体中分配内在关系的探究有重要意义；（2）数据来源为实地采集湟水河及其支流水体、土壤、作物等样品，送至实验室后经过前处理，用相关仪器完成检测；（3）该数据集具有较高质量，采样过程规范，样品收集后迅速放入-4℃冰箱保存，并送至实验室检测，检测过程遵循相关标准严格进行；（4）该数据集主要可应用于生态风险及健康风险评价、空间分布分析、源解析、相关性分析等用途。
张丰松
本数据集为未来50年黄河源和祁连山区水量平衡数据集（径流、降水、蒸散发、土壤液态含水量），采用基于地貌的生态水文模型GBEHM模拟获取，数据集变量包含月径流、月降水、月蒸散发、月均5cm土壤液态含水量以及月均50cm土壤液态含水量，数据时间范围为2020-2070年，空间分辨率为1km。模型输入数据包含气象驱动、植被、土壤、土地利用等，气象驱动采用38个CMIP6模型SSP2-4.5情景下的集合平均结果，模拟结果能够较好反映黄河源区与祁连山区水文变量的时空变异特征。数据集可进一步用于黄河源区与祁连山区生态-水文过程相关研究，为“山水林田湖草”系统优化调配提供科学依据。
王泰华, 杨大文
数据内容：咸海流域2019年土壤湿度数据。 数据来源及加工方法：来源于美国国家航空航天局，对每天的土壤湿度数据相加得到各月土壤湿度之和，再除以天数得到每月土壤湿度的平均值。 数据质量：空间分辨率为0.25°×0.25°，时间分辨率为月，每个像元的值为每月土壤湿度的平均值。 数据应用成果及前景：在气候变化背景下，可用于气象要素和植被特征相关关系分析，也可以与其它气象数据相结合分析某种植被类型的区域分布
刘铁
冰川区域内的近地表气温变化和温度预测的可靠性是水文和冰川学研究的重要问题，由于缺乏高海拔观测，这些问题仍然难以捉摸。本研究基于从 6 个不同流域的 12 个自动气象站、43 个温度记录仪和 6 个国家气象站收集的 2019 年气温数据，展示了不同冰川/非冰川地区的气温变化，并评估了不同温度预测的可靠性，以减少消融估计中的误差。结果表明，不同气候背景下温度递减率 (LRs) 的空间异质性很大，最陡峭的 LRs 位于寒冷干燥的青藏高原西北部，最低的 LRs 位于受暖湿季风影响的青藏高原东南部。青藏高原西部和中部高海拔冰川区的近地表气温受下降风的影响较小，因此可以从冰川外的记录中线性预测。相比之下，青藏高原东南部温带冰川上盛行的局地降风风对环境气温的降温作用明显，因此，冰川上气温明显低于同等海拔的非冰川地区。因此，来自低海拔非冰川站的线性温度预测可能导致正度日数高估 40%，特别是对于流线距离长且冷却效果显着的大型冰川。这些发现提供了值得注意的证据，表明在估算青藏高原冰川融化时，应仔细考虑不同气候条件下高海拔冰川的不同 LR 和相关冷却效应。
杨威
本数据集为过去40年黄河源和祁连山区水量平衡数据集（径流、降水、蒸散发、土壤液态含水量），采用基于地貌的生态水文模型GBEHM模拟获取，数据集变量包含月径流、月降水、月蒸散发、月均5cm土壤液态含水量以及月均50cm土壤液态含水量，数据时间范围为1980-2019年，空间分辨率为1km。模型输入数据包含气象驱动、植被、土壤、土地利用等，模拟结果能够较好反映黄河源区与祁连山区水文变量的时空变异特征。数据集可进一步用于黄河源区与祁连山区生态-水文过程相关研究，为“山水林田湖草”系统优化调配提供科学依据。
王泰华, 杨大文
数据内容：咸海流域2019年叶面积指数数据。 数据来源及加工方法：来源于美国国家航空航天局中分辨率成像光谱仪，提取MOD15A2产品第二波段作为叶面积指数数据，乘以比例因子0.1。 数据质量：空间分辨率为500m×500m，时间分辨率为8天，每个像元的值为八天叶面积指数的平均值。 数据应用成果：在气候变化背景下，可用于气象要素和植被特征相关关系分析，也可以与其它植被数据相结合分析某种植被类型的区域分布。
刘铁
数据内容：咸海流域2019年蒸散发数据集。 数据来源及加工方法：借助IDL平台，利用SEBS算法和美国国家航空航天局中分辨率成像光谱仪（MODIS）相关数据，求出2019年咸海流域蒸散发结果。 数据质量：空间分辨率为1000m×1000m，时间分辨率为8天。 数据应用成果及前景：在气候变化背景下，可用于气象要素和植被特征相关关系分析，也可以与其它植被数据和生态数据相结合分析土地退化和水资源利用效率情况。
刘铁
（1）数据内容：该数据集包含了咸海流域2000-2020年的土地利用情况；（2）数据来源及加工方法：该数据集来源于欧洲航天局的气候变化倡议土地覆盖地图（http://maps.elie.ucl.ac.be/CCI），在此基础上用咸海流域的边界数据进行掩膜处理，提取出咸海流域的土地利用，同时，根据一定的规则进行合并，将原始的二级类数据合并为包含7个土地利用类型的一级类数据，坐标系为：WGS-1984；（3）数据质量描述：根据现有研究，该数据集的整体准确率达到80%；（4）该数据集可以为生态保护和环境评估提供基础数据支撑，也可以做为土地利用模拟的原始数据。
刘铁
采用样方调查方法，在西藏江湖源区布设天然草地、围栏天然草地、人工草地等样方，调查草地类型、盖度、物种构成、地上生物量以及土壤温度、土壤容重、土壤含水量、土壤质地、土壤pH、土壤有机质、土壤全P、土壤全K，对比分析不同草地利用方式下的植被群落和土壤质量特征，研究草地利用对植被和土壤环境的影响。数据采集年份为2019年8月-2021年8月，采集地点为江湖源区及周边地区。样点海拔为GPS记录数据，植被类型为样点在中国植被图中的映射，土壤温湿度为土壤4参数速测仪数据，土壤容重为样点实测数据，草本物种数、草地盖度、地上生物量为样方调查数据，土壤粒径、有机质和养分含量为样品实验室分析数据。
徐增让, 靳茗茗, 乔添
于2020年8月~9月在西藏自治区的河湖源区开展规范的野外调查和土壤样品采集工作，采集土壤样品共150个。数据集包括序号、样地号、经纬度、海拔、土壤含水量、容重、有机质、全氮、全磷、全钾、pH和机械组成（砂粒、粉粒和粘粒含量），数据格式为Excel表。各项土壤性质的测定参考《土壤环境质量监测技术规范》的要求，通过野外采样和室内测试获得。土壤容重分别测量5–10 cm和15-20 cm土层。机械组成根据国际制分类标准，划分为砂粒（2–0.02 mm）、粉粒（0.02–0.002 mm）和粘粒（< 0.002 mm）。土壤去除石砾、根系等杂质并粉碎，土壤有机质、全氮、全磷、全钾的测定是全样。pH用电位法测定，水土比为2.5：1。土壤样品的采集参照土壤样品采集规范，室内分析测试参照标准的分析方法，通过测定重复样品和标准样品对数据质量进行控制。此数据可以为综合评估典型土地利用变化的环境效应提供数据支撑。
汪霞
2019年3月，中科院南古所与巴基斯坦Comsats大学学者组成的联合科考团队对巴基斯坦南部盐岭地区开展合作研究，研究的目的是揭示特提斯喜马拉雅北缘在二叠纪晚期的地层的演化和动物群的演化并建立和西藏藏南的对比关系。此次测量的剖面是科考团队在野外用米尺测量并高分辨率采集有孔虫化石。共测量了2个剖面, 分别是Zaluch Nala A和B剖面。有孔虫化石是通过实验室切片并制成薄片，在显微镜下观察并鉴定。该数据集包含了Zaluch Nala A剖面和B剖面中的䗴类和小有孔虫动物群的鉴定名单。该区二叠系剖面露头出露良好，主要由Amb组、Wargal组和Chhidru组组成。Amb组主要以钙质砂岩为主，仅含有一个䗴类Monodiexodina kattaensis. 时代相当于中二叠世。Wargal组下段是以中薄层灰岩为主，上部是薄层瘤状灰岩。Chhidru组中主要是以灰岩夹有砂岩为主。Wargal组和Chhidru组中的䗴类主要有Codonofusiella, Nankinella, Nanlingella, Reichelina组成，分异度较低。小有孔虫类是以Colaniella, Climacammina, Multidiscus等为主。有孔虫显示Wargal组中上部和Chhidru组的时代是晚二叠世。盐岭地区位于冈瓦纳北缘，因此，从古生物地理上来看，中晚二叠世的有孔虫的分异度要比西藏拉萨地块、雅鲁藏布江中灰岩外来体要低的多，但它比西藏南部色龙和曲布一带晚二叠世中的环境暖，因为后者在晚二叠世完全处于冷水环境中，并不发育䗴类化石。
张以春
于2020年8月~9月在西藏自治区的河湖源区开展规范的野外调查，共调查样点25个，75个样方。数据集包括样点编号、样方号、经纬度、海拔、样方的地上生物量、物种数和盖度，数据格式为Excel表。调查样方面积为100cm*100cm，每个样点（site）有3个样方，命名为Plot1、Plot2、Plot3。数据全为实地采集和测量数据，野外调查按照植被调查规范确保数据质量完好。该数据集为合理利用草地资源提供理论依据，并为综合评估典型土地利用变化的环境效应提供数据支撑。
汪霞
2019年3月，中科院南古所与巴基斯坦Comsats大学学者组成的联合科考团队对巴基斯坦南部盐岭地区开展合作研究，研究的目的是揭示特提斯喜马拉雅北缘在二叠纪晚期的地层的演化和动物群的演化并建立和西藏藏南的对比关系。此次测量的剖面是科考团队在野外用米尺测量并高分辨率采集有孔虫化石。共测量了2个剖面。Zaluch Nala A和B剖面位于盐岭地区Mianwali市的东北方向。该剖面保存了Amb组、Wargal组的上部和Chhidru组的地层。其中A剖面包含了Wargal组上部的Kalabagh段以及Chhidru组；B剖面位于A剖面的层位之下，主要包括Wargal组的下部和Amb组。Amb组主要以钙质砂岩为主，仅含有一个䗴类分子Monodiexodina kattaensis，时代属于中二叠世；Wargal组下段是以中薄层灰岩为主，从Wargal组中下部出现Pseudocolaniella,指示时代已经进入晚二叠世。Wargal组上部（A剖面）是薄层瘤状灰岩，称为Kalabagh段；Chhidru组中主要是以灰岩夹有砂岩为主。Wargal组上部和Chhidru组中含有Reichelina, Codonofusiella, Reichelina等，动物群的时代属于晚二叠世。
张以春
城市建成区的变化反映了城市的发展情况，因此对建成区变化过程的信息提取是研究城市发展和区域经济的重要前提。该数据集包含1985 年至 2018 年关键节点建成区表面积的年变化信息，分辨率为 30m。 使用监督分类和时间一致性检查的组合方法，以汉班托塔、仰光和达卡三个关键节点为研究区域，确定从非建成区到建成区的变化。 建成区像素定义为 50% 以上不透水。 发生转变的年份（从非建成区到建成区）可以从像素值中识别，范围从34（年份：1985）到1（年份：2018）。 例如，1990 年的建成区可以显示为像素值大于 29。 在从非建成区到建成区单调转换之后，该数据集在时间上是一致的。
刘林志, 凌峰
遥感为大范围地表监测提供重要的技术手段。得益于Landsat TM、ETM+、和OLI/TIRS丰富的时序影像数据和高性能的Google Earth Engine（GEE）云平台，大尺度地表覆盖制图成为了可能。本数据以仰光、汉班托塔、达卡三个关键节点为研究区域，借助 Google Earth Engine 平台，利用现有多套全球土地覆盖产品、Landsat卫星系列影像，结合多数据融合、时序变化检测和机器学习等方法，研制了一套高时空一致性的2000–2020年30 m分辨率逐年土地覆盖变化数据集。
刘林志, 凌峰
道路噪音屏障（RNBs）是建设宜居城市的重要城市基础设施。然而，缺乏关于RNBs的大规模、准确的地理空间数据，阻碍了城市的合理规划、城市可持续发展和城市环境的不断改善。为了解决这个问题，本研究提出了一个地理空间人工智能框架，使用街景图像在中国创建矢量化RNB数据集。首先，基于OpenStreetMap对每个城市的路网进行密集采样，作为下载 600 万张百度街景 (BSV) 图像的地理参考。此外，还开发了基于集成学习策略的包含图像背景信息 (IC-CNN) 的卷积神经网络，以从BSV图像中检测RNB。随后，基于识别出的RNB位置生成以折线形式呈现的RNB数据集，总长度为2667.02公里，分布于222个城市。最后从两个角度评价RNB数据集的质量：一是检测精度；二是完整性和定位精度。基于一组随机选择的包含 10,000 张 BSV 图像的样本，计算了四个量化指标：总体准确率为 98.61%，召回率为 87.14%，准确率为 76.44%，F1-score 为 81.44%。此外，使用BSV图像对不同城市总长度254公里的道路进行人工调查，以评估生成的和调查的RNB之间的里程偏差和交并比：里程偏差的均方根误差为0.08公里，交并比为88.08 % ± 2.95 %。评估结果表明，生成的 RNB 数据集质量高，可作为准确可靠的数据集用于各种大规模城市研究。
陈旻
那曲土壤温湿度观测网位于青藏高原中部100 km x 100 km的空间范围，站点平均海拔4650米。观测网提供三个空间尺度（1°、0.3°、0.1°）的土壤水分、温度以及冻融信息，旨在为一系列卫星遥感和水文气象研究提供支持。 观测网详细信息： （1）站点数目：57 （2）观测变量：土壤湿度、土壤温度 （3）观测深度：0-5 cm、10 cm、20 cm、40cm （4）空间范围：31°-32°N； 91.5°-92.5°E （5）空间尺度：1°x 1°（对应GCM网格尺度）、0.3°x 0.3°（对应被动微波卫星象元尺度）、0.1°x 0.1°（对应主被动融合微波象元尺度） （6）记录间隔：30 min （7）测量精度： ±2%（土壤水分）；±1℃（土壤温度） 数据文件字段描述： （1）变量1-6：观测时间（yyyy-mm-dd-hh-mm-ss；北京时间，UTC+8） （2）变量7-78：各站点观测值（实型，缺省值：-99.00） （3）土壤水分（SM）：体积含量，单位：%vol（m3/m3） （4）土壤温度（ST）： 单位：℃ 数据校正与质量控制： （1）土壤水分：基于实测土壤质地和有机质对“介电常数-土壤水分”转换公式进行校正 （2）土壤温度：针对实测数据进行合理物理范围内的质量控制
阳坤, 陈莹莹, 赵龙, 秦军, 拉珠, 周旭, 姜尧志, 田佳鑫
本数据集记录了沙化土地植被恢复重建技术模拟区（宁夏/中卫/沙坡头）2021.01-2021.12的气象要素以及不同深度土壤三参数数据，以及为探明咸海高矿化度咸水用于植被建设的可行性，课题成员于2020-2021年在新疆塔里木河下游农二师31团2连、甘泉堡、克拉玛依、轮台、图木舒克等盐碱地开展咸水灌溉种植盐地碱蓬试验，用以研究不同植物在高矿化度咸水灌溉下的表型特征。收集到的数据包括土壤含水量、电导率、土壤盐分等土壤理化性质以及耐盐植物生理等数据。
李新荣, 何明珠, 赵振勇
本数据为末次冰盛期以来亚洲高山区冰川分布的模拟数据，其中包括典型区域（亚洲高山区、天山、喜马拉雅山、帕米尔高原）年分辨率的冰川面积变化序列以及典型时期（LGM（20000~19000ka），HS1（17000~16000ka），BA（~14900~14350ka），YD（12900~12000ka），EH（9500~8500ka），MH（6500~5500ka），LH（3500~2500ka）和Modern（1951~1990））1km分辨率的亚洲高山区冰川分布。该数据以基于CCSM3气候模式的TRACE全强迫模拟试验数据为外强迫场，驱动1km分辨率的PISM冰盖模式，从而获取末次盛冰期以来亚洲高山区冰川的可能分布。该数据可以用于研究末次冰盛期以来亚洲高山区冰川分布的变化及其对湖泊水位、径流、地貌等环境和气候要素的影响。
燕青
The site data used in this study are mainly from many years of archaeological excavations in Xinjiang. Based on publications such as “China Cultural Relics Atlas · Xinjiang Volume”, “A compilation of cultural relics and archaeological materials in Xinjiang”, “China Statistical Yearbook on Archaeology” and the third national cultural relics survey results, site data in the study area were collected, and the sites with unknown dates were eliminated. In this study, the name, latitude and longitude coordinates, site type, civilization and cultural age, time elapsed, area, altitude, slope, aspect, soil type, vegetation type, landform type and other information on the site were collected. Digital elevation model (DEM) elevation data with a resolution of 30 m were obtained from the geospatial data cloud website (http://www.gcloud.cn), and 1:1 million-scale vegetation type spatial distribution data for China come from the Chinese Academy of Sciences Resource and Environmental Science Data Center (http://www.resdc.cn/Default.aspx). Chinese soil attribute data come from the National Qinghai-Tibet Plateau Science Data Center (http://data.tpdc.ac.cn/zh-hans/), and Chinese landform type data come from the geographical conditions detection cloud platform (http://www.dsac.cn/). Based on the above data, ArcGIS10.2 was used to extract and produce data on elevation, slope, water system, slope, slope direction, soil type and landform type for each site.
谈波
该数据集的评价区域为青藏高原地区。该数据集以地质灾害危险性、地震危险性、洪水危险性和冻融危险性空间分布数据集为基础，分别赋予0.25、0.4、0.15和0.05的权重，将灾害危险性分为5级，分别代表极低、低、中、高、极高危险性等级，最终得到了青藏高原多灾种灾害危险性评价结果。 青藏高原多灾种灾害危险性数据利用考察调查数据和公开数据，在ArcGIS中将各单灾种危险性数据进行加权分析，得到青藏高原多灾种灾害危险性数据。
刘连友
该数据集使用了( Ye et al. 2019)构建的青藏高原牲畜多灾种风险评估模型，对因冬季雪灾、大风、低温、高海拔缺氧以及夏季干旱等多个灾种对牲畜的综合叠加影响造成的牲畜死亡开展模型模拟，评估年期望死亡数。该数据可以提供喜马拉雅山周边及亚洲水塔区多灾种牲畜死亡风险信息。数据来源于中国气象科学数据共享服务系统CN05.1、国家青藏高原数据中心青藏高原多源遥感合成1km积雪覆盖数据集（1995-2018）、MOD13Q1.006植被指数数据、SRTM 1 Arc-Second Global高程数据。
叶涛
本数据组合了地震和地质灾害的直接经济损失风险评估结果，按所得损失评估结果大小将研究区按风险等级划分为九类，分别为地震地质低风险区，地质中地震低风险区，地震中地质低风险区，地震地质中风险区，地质高地震中风险区，地震高地质低风险区，地质高地震低风险区，地震高地质低风险区以及地震地质高风险区。本次多灾种直接经济损失风险评估的数据结果为亚洲水塔区和喜马拉雅山周边地区未来直接经济损失在空间上的分布提供了依据。
吴吉东
数据采集于海北高寒草甸生态系统研究站样地（101°19′E，37°36′N，海拔3250m），位于青藏高原东北隅祁连山北支冷龙岭东段，高寒草甸是该地区主要的植被类型。数据记录了高山植物冠层上方光照、空气温湿度以及风温风速数据。通过LI-190R 光合有效辐射传感器（LI-COR，Lincoln NE，USA）和LR8515数据采集器（Hioki E. E. Co., Nagano, Japan）记录高山植物冠层上方辐射强度，记录间隔为每秒一次。用S580-EX温湿度记录仪（深圳华图）以及万向风速记录仪（北京天建华仪）记录空气温湿度以及风温风速的日动态，记录间隔为每三秒一次。记录时间为从北京时间7月13日10点至8月17日21点，由于每日需要使用USB存储时间以及更换电池，所以每日有3-5min的数据缺失，缺失的时间段不固定。目前该数据暂未发表。通过研究该数据可以进一步探讨高山植物叶片所处的微环境以及可能的对叶片生理反应的影响。
唐艳鸿, 郑天宇
基于青藏科考实地收集的各灾种的损毁率进行单灾种相对风险等级的划分。采用综合自然灾害风险等级评估方法，在单灾种灾害风险评价结果的基础上，根据各灾种发生频次所得到的权重进行综合评价。喜马拉雅周边地区道路交通综合风险数据包括喜马拉雅周边地区道路矢量数据，以及各个路段的综合风险等级，共分为低风险（1）、中低风险（2）、中风险（3）、中高风险（4）和高风险（5）五个等级。表征研究区域内多种自然灾害的综合影响下，可能导致的道路交通系统损失或损害的相对大小，可以为道路风险防范与应急管理提供参考依据。
杨赛霓
该数据集包含了2020年青藏高原草原水平及垂直样带土壤和植被碳氮含量。土壤中碳（C）、氮（N）元素作为植物生长发育所需的重要营养元素，其含量高低及其化学计量特征不仅可以反映植物制造同化产物的能力和养分利用效率，还能判断影响植物生长发育的限制性元素。其中，C:N是判定叶片光合作用固碳能力的重要依据，因此分析高原地区水平及垂直样带上土壤及植物的碳氮含量，对生态环境建设具有重要意义。该数据主要是通过2020年的样带考察时实地观测获得（此后在实验室内进行分析测定）。获得样方植物样品后利用中科院植物所分析中心元素分析仪及总碳/总氮分析仪测试。其中，土壤有机碳及总氮为三个重复取样所得平均数。共获得了8个样点不同草地类型水平样带样点的土壤碳氮含量及22个水平样带样方、5个垂直样带样方的植被叶片碳氮含量。
许振柱
该数据集包含青藏高原东南地区和东北地区两个典型环境（鲁朗：29.8oN，94.7oE，3300 m a.s.l.，西海镇：36.9oN，100.9oE，3080 m a.s.l.）的气象要素、大气常规痕量气体、PM2.5/PM10、气溶胶粒径分布（12-530纳米）、气溶胶化学成分（PM2.5颗粒物中硫酸盐和硝酸盐成分）的定点观测数据。数据集时间段分别为2021年4-5月（藏东南地区）和2021年6月（藏东北地区）。数据来自南京大学大气科学学院科考团队在2021年利用南京大学移动观测平台中多台在线观测仪器，在鲁朗和西海镇所进行的两期定点观测实验。数据集中的数据为经过数据矫正和数据质控后的数据，其中数据矫正根据仪器标定结果进行，数据质控根据多台仪器之间的数据闭合研究结果进行。大气成分数据，包括痕量气体、PM2.5/PM10、气溶胶粒径分布和气溶胶化学成分，是高原实际气压条件下的观测数据。该数据集可直接用来分析青藏高原东南和东北地区的大气物理化学过程相关科学问题，数据集补充了青藏高原东北地区大气环境相关外场观测数据的不足。
聂玮, 迟旭光
全新世单独温室气体浓度变化对年平均200hPa纬向风速（代表高层西风）和夏季平均850hPa经向风速（代表夏季风）影响的模拟结果（11.5-0 ka）数据集是利用地球系统模式CESM模式（水平分辨率：大气与陆面模块约为2°、海洋与海冰模块约为1°），开展考虑温室气体浓度变化的全新世瞬变模拟试验。空间分辨率为2°；空间范围：北：90°N，南：90 °S，西：-180 °，东：180°；地域范围为：全球；时间范围为全新世。模拟结果可用于开展全新世单独温室气体浓度变化影响下欧亚大陆西风季风等变化的分析研究。
田芝平, 张冉
本数据包括1971-2021年青藏高原亚洲水塔区域和喜马拉雅山区域的地震数据，主要属性有地震发生时间（UTC），经度，纬度，地震深度，震级，震级类型和发生区域，分为shp文件和表格数据，可以更加方便相关人员的使用。本数据可帮助相关人员了解青藏高原地震分布情况，判读地震发生位置和相关构造带之间的关系。本数据来源于https://earthquake.usgs.gov/data/pager/，通过选择初始目标区域和时间进行下载，利用ArcGIS工具进行进行导出，根据青藏高原科考区域编辑文件进行筛选，进行制作。
刘吉夫
本洪水危险性等级数据集是基于最近邻河道相对高度模型划定了洪泛区，建立了研究区洪泛区的洪水危险性等级空间分布。将研究区的洪水危险性分为1-5个等级，其中5代表极高的危险性，4代表高危险性，3代表中危险性，2代表低危险性，1代表极低的危险性。研究表明，HAND相对于经典的DEM能够补充提供局地地形信息，更有利于建立局地地形与水文响应之间的关系，基于HAND的洪水危险性等级结果具有合理性，可为洪水风险管理提供参考。
陈波
监测段位于楚玛尔河高平原（DK1043＋500-DK1067＋022），断面处路基下冻土为以多冰冻土、饱冰冻土及厚层地下冰为主，属于低温基本稳定多年冻土亚区（Ⅲ区）。该段共布设5个监测断面，其中素土路基断面2个，块石基底路基、块石护坡路基、U型块石路基断面各1个。每个断面布置4-5个测试孔，每孔测试深度15～20m，段内最深孔为40m，监测的主要要素为多年冻土地温，监测周期为2003至2021年。该数据基于冻土工程国家重点实验室自制的测温探头通过现场监测获得。每年现场通过CR3000型数据采集仪收集各监测断面的监测数据，通过一定的质量控制包括剔除传感器未完全适应土壤环境时的数据和传感器出现故障造成的系统误差。经过矫正的最终数据以excel文件存储。获取的现场数据经多人复查审核，数据完整性和准确度达到95%以上。该数据可为块石路基长期稳定性评估提供参考。
牛富俊
冻融灾害是由冻土热学力学稳定性变化引起的冻胀和融沉，以及由此引起的地质灾害，如冻胀丘、冰锥、热融滑塌、热融沉陷、融冻泥流等。为揭示喜马拉雅山周边与亚洲水塔区冻融灾害的区域危险性特征，开展喜马拉雅山周边及亚洲水塔区冻融灾害的致灾因子危险性评价意义十分重要。冻融灾害致灾因子的危险性评价主要以评价区的气候、地理、环境等要素为主，同时考虑区内地质条件作为本次危险性评价的主要因子，进行致灾因子危险性分级评价。
张国明
本数据集整理和收集了各类地质灾害点位、地形起伏度、等滑坡、高程、土地利用等影响因子，分辨率为90米，利用以上因子图层以及样本数据，用随机森林得出危险性等级图。 数据集/图集产生的方式主要包括：原始数据（考察调查、收集购置等），加工处理数据（计算模拟）。部分数据源来自开源网站下载，精度为90米，利用自己的随机森林代码在SPIDER进行计算训练集80%，测试集20%。使用可以运行ARCGIS的电脑打开。
杨文涛
数据集包括4个数据文件，分别是（1）土地利用数据集_祁连山-阿尔金综合区（2021），包括祁连山-阿尔金综合区31个点的土地利用调查数据，包括调查时间、地点、经纬度、海拔、坡度坡向、主要植被类型和优势物种；（2）优势物种叶绿素含量数据集_祁连山-阿尔金综合区（2021），包括祁连山-阿尔金综合区31个调查点优势物种的叶绿素含量，每株植物选择5片叶，分别测定叶片上部、中部和下部的叶绿素含量；（3）叶面积调查数据_祁连山-阿尔金综合区（2021），包括祁连山-阿尔金综合区31个调查点主要植被类型的叶面积指数调查数据和计算求得的平均值，使用Sunscan冠层分析仪进行测量；（4）土壤温湿度数据集_祁连山-阿尔金综合区（2021），包括祁连山-阿尔金综合区31个调查点的经纬度、海拔、土壤表面温度、土壤30cm处湿度，数据记录为每个调查点3次重复测量。该数据集可用于青藏高原植被环境变化规律分析研究。
周广胜, 周怀林, 王玉辉
本土壤水分数据集是一个包含8年（2011-2018）的全球时空连续一致的日尺度地表土壤水分数据集，空间格网分辨率为25km，时间分辨率为每天，数据单位为cm3/cm3。数据集采用基于三重配置分析 (TCA: Triple Collocation Analysis)的土壤水分线性融合算法，对SMOS，ASCAT，FY3B，CCI，SMAP五种土壤水分产品分两步进行了融合：第一步，融合2011~2018年SMOS，FY3B和ASCAT土壤水分数据产品；第二步，对第一步融合的2015~2018年间的结果与相应年份的CCI以及SMAP数据产品进行再融合，最终获得2011~2018年间融合的土壤水分产品。最终融合的土壤水分数据在全球空间覆盖比达80%以上。此外，利用全球7个地面观测网络的站点实测土壤水分数据对上述融合的土壤水分产品进行了评价分析，最小RMSE (Root Mean Square Error) 为0.036 cm3/cm3。
贾立, 谢秋霞, 胡光成
本数据集是一个包含接近35年（1984-2018）的全球高分辨率光合有效辐射数据集，其分辨率为3小时/逐日/逐月，10公里，数据单位为W/㎡，瞬时值。该数据集可用于生态过程模拟和全球碳循环的理解。该数据集是基于改进的物理参数化方案并以ISCCP-HXG云产品、ERA5再分析数据、MERRA-2气溶胶数据以及MODIS反照率产品为输入而生成的。验证并和其他全球卫星辐射产品比较表明，该数据集的精度通常比CERES全球卫星辐射产品的精度要高。该全球辐射数据集将有助于未来生态过程模拟的研究和全球二氧化碳通量的估算。
唐文君
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
