本数据集是基于青藏高原多年冻土分布区1114个样点的土壤调查数据,重点考虑了古气候在估算青藏高原土壤碳储量中的重要作用,在综合了气候(古气候和现代气候条件)、植被、土壤(土层厚度和土壤理化属性等)和地形等因素后,通过机器学习算法重新评估得到的青藏高原3m深度土壤碳储量。结果集表明当前陆地生态系统模型普遍低估了青藏高原冻土碳库大小,模型中缺乏对古气候影响的考虑是导致模拟偏差的重要原因。因此,未来模型模拟土壤碳循环应该将古气候的作用考虑在内。
丁金枝
1)数据内容: 生物标志物数据能够用于重建古气候,本套数据除了重建气候外,还尝试用于重建古海拔,并获得了较好的结果 2)数据来源及加工方法 生物标志物分析:样品经过超声萃取后,通过柱层析分离从而获得甲醇洗脱组分,定容后在LC-MS上机测试分析,得到GDGT数据(数据表述为无纲量的峰面积) 3)数据质量 样品采集、实验处理均按照严格的标准进行,所获数据质量可靠。 4) 数据应用成果及前景 应用这套数据发表SCI论文1篇(Frontiers in Earth Science)。
聂军胜
本数据集是中巴经济走廊及天山山脉土壤类型图(1971-1981),来源于世界粮农组织(FAO)和谐世界土壤数据库(v1.2),覆盖范围为全球,空间分辨率为0.0833333°。该土壤数据是世界粮农组织与世界土壤信息机构、中国科学院土壤研究所及欧盟委员会联合研究中心合作的结果。统一的世界土壤数据库是一个拥有15000多个不同土壤测绘单元的30弧秒栅格数据库,结合了全世界现有的土壤信息与世界粮农组织的1:5 000 000比例尺世界土壤图(粮农组织,1971-1981)中的信息。该栅格数据库由21600行和43200列组成,并使用标准化的结构将属性数据与栅格地图联系起来,以显示或查询土壤单位的组成和选定的土壤参数的特征。土壤类型图可以为土地利用规划,地质灾害防治和管理等提供基础科学参考。
裴艳茜
本数据集包括祁连山地区2020年日值0.05°×0.05°地表土壤水分产品。采用耦合小波分析的随机森林优化降尺度模型(RF-OWCM),通过对SMAP L3级被动微波36km地表土壤水分产品(SMAP L3 Radiometer Global Daily 36 km EASE-Grid Soil Moisture, V8)进行降尺度,得到0.05°×0.05°地表土壤水分产品。参与降尺度模型的数据包括GLASS Albedo,MUSES LAI/FVC,中国西部逐日1 km全天候地表温度数据集(TRIMS LST-TP;2000-2021)V2,以及经/纬度等信息。
柴琳娜, 朱忠礼, 刘绍民
土壤冻结深度(SFD)是评估冻土区水资源平衡、地表能量交换和生物地球化学循环变化所必需的,是冰冻圈气候变化的重要指标,对季节性冻土和多年冻土都至关重要。 本数据是基于Stefan方程,对CanEMS2 (RCP 45和RCP85)、GFDL-ESM2M (RCP26、RCP45、RCP60和RCP85)、HadGEM2-ES(RCP26、RCP45和RCP85)、IPSL-CM5A-LR(RCP26、RCP45、RCP60和RCP85)、MIROC5(RCP26、RCP45、RCP60和RCP85)和NorESM1-M(RCP26、RCP45、RCP60和RCP85)等多模型不同情景下,利用逐日气温的预测数据及E-factor数据,获得2007-2065年空间分辨率为0.25度,青藏高原区域年平均土壤冻结深度数据集。
潘小多, 李虎
土壤剖面指从地面垂直向下的土壤纵剖面,也就是完整的垂直土层序列,是土壤成土过程中物质发生淋溶、淀积、迁移和转化形成的。不同类型的土壤,具有不同形态的土壤剖面,土壤剖面可以表示土壤的外部特征,也能反映土壤的形成过程及土壤性质。阿尔金山-柴达木盆地荒漠带土壤剖面照片集(2019-2021)反映了该区域不同取样点的土壤剖面特征。本数据集土壤剖面照片均来源于2019年至2021年阿尔金山-柴达木盆地荒漠带植被与土壤调查。该数据集对于解析土壤剖面地球化学组成特征、土壤形成的地质背景以及成壤作用具有重要的指示意义。
秦树高
该数据集包含了青海湖千户里小流域的高寒草甸观测的季节性冻土土壤活动层土壤温度和湿度高频观测数据,站点位于青海刚察县,处于沙柳河流域的支流上游,处于河谷东侧,海拔高度介于3565-3716m,海拔落差151 m,是典型的高寒草甸下垫面,观测点的经纬度为E100°15,37°25'N。 10层土壤水分SM(5cm、10cm、20cm、40cm、80cm、100cm、120cm、140cm、160cm和180cm)10层土壤温度ST(5cm、10cm、20cm、40cm、80cm、100cm、120cm、140cm、160cm和180cm)及10层土壤介电常数EC(5cm、10cm、20cm、40cm、80cm、100cm、120cm、140cm、160cm和180cm)。数据1-10编号对应相应(5cm、10cm、20cm、40cm、80cm、100cm、120cm、140cm、160cm和180cm)的土壤深度。 原始的采集器输出数据统一整理成30分钟采样周期并经过初步质量控制,将整理后的将数据30分钟存储,命名规则为:数据日期。 数据观测时段为2018年11月5日至2011年12月21日。2020年下半年数据缺失较多。时间分辨率半小时。该数据集可为率定土壤水热模型,及土壤活动层动态刻画提供数据支撑。
李小雁, 王佩
土壤水分是地气交互作用的重要边界条件,是全球观测系统提出的关键气候变量之一;植被光学厚度是微波辐射传输过程中衡量植被衰减特性的物理量,在表征植被水分与生物量动态变化中具有重要作用。 本数据集使用多通道协同反演算法获取SMAP观测的土壤水分与植被光学厚度。该算法利用参数间的自约束关系与通道间的理论转换关系进行地表参数反演,反演过程不依赖于其他辅助数据,并适用于多种不同载荷配置。本数据集的土壤水分反演结果包含了融化期的土壤水分含量与冻结期的液态水含量;同时反演了水平和垂直两个极化的植被光学厚度,是全球第一套具有极化差异的L波段植被光学厚度产品。 本数据集基于国际土壤水分观测网络、美国农业部及研究室自建发布的共19个土壤水分密集观测站网(其中包含9个SMAP核心验证站点以及SMAP尚未使用的10个密集观测站点)以及被广泛使用的土壤气候分析网络SCAN进行验证,结果发现MCCA土壤水分反演结果精度优于其它SMAP产品。
赵天杰, 彭志晴, 姚盼盼, 施建成
本数据集为TCA(Triple Collocation Analysis)算法代码集,用于生成2011-2018年全球日尺度土壤水分融合数据。
谢秋霞, 贾立, 胡光成
2019-2021年的复杂山区泥石流、堰塞湖沉积物测年数据。数据采集地点为青藏高原东缘、南缘等区域泥石流易发的复杂山区。主要在中国科学院青海盐湖研究所盐湖化学分析测试中心、中国科学院成都山地所分析测试中心等完成实验分析。使用的仪器包括Risø TL/OSL–DA–20全自动释光仪等。建立了典型复杂山区泥石流沉积物年代数据集,定量研究了复杂山区泥石流沉积物的形成年代,确定了复杂山区的古泥石流灾害活动历史。
胡桂胜
本数据集是一个包含10年(2010-2019)的全球日尺度地表土壤水分数据集,分辨率为36 km,采用EASE-Grid2投影坐标系,数据单位为m3/m3. 数据集采用Yao et al.(2017,2021)发展的土壤水分神经网络反演算法,将SMAP的优势传递到FY-3B/MWRI,利用人工神经网络方法,以SMAP标准土壤水分产品为训练目标,以FY-3B/MWRI的亮温为输入,最终输出长时序土壤水分数据。土壤水分精度和SMAP接近,达到5%左右。( 全球14个密集观测站网的验证精度 )。
姚盼盼, 卢麾, 赵天杰, 武胜利, 施建成
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
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
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
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
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
1)数据内容:草地围栏工程内外对比土壤理化性质数据集,包含样方编号、草地类型、调查县、调查地点、工程类型、采样时间、工程开始时间、持续时间、"经度(°E)"、"纬度(°N)"、"海拔(m)"、"pH (0-15cm)"、"pH(15-30cm)"、"SOM (0-15cm(‰))"、"SOM(15-30cm(‰))"、"TN(0-15(‰))"、"TN(15-30(‰))"、"TP(0-15(‰))"、"TP(15-30(‰))" 2)数据来源:实地采样数据 3)数据质量:质量较高 4)数据应用前景:青藏高原草地围栏工程将在保护草地、恢复区域植被生产力上获得显著成效,工程的实施为区域畜牧业发展提供了更广阔的空间,保障了当地农牧民收入与地区经济的稳定增长。此外,工程的实施保证并支持了藏区牧民的正常生产和生活, 实现了牧区草地保护与牧民畜牧业生产的稳定发展,这对维护西藏社会全面稳定,促进西藏地区又好又快发展具有重要意义。
洪江涛, 王小丹
"基于青藏高原不同的退化过程,分别将1990和2015的冻土退化、植被退化、盐碱化、沙漠化、土壤侵蚀过程作为主要的退化类型,选择对高原土地退化影响显著的退化过程进行叠加,评估从1990到2015时期内青藏高原土地退化变化趋势。土地退化类型分类:0 - No degradation; 1 - Salinization; 10 - Permafrost degradation; 11 - Salinization and permafrost degradation; 100 - Soil erosion; 101 - Soil erosion and salinization; 110 - Soi erosion and permafrost degradation; 111 - Soi erosion, permafrost degradation and salinization; 1000 - Desertification; 1001 - Desertification and salinization; 1010 - Desertification and permafrost degradation; 1011 - Desertification, permafrost degradation and salinization; 1100 - Desertification and soil erosion; 1101 - Desertification, soil erosion and salinization; 1110 - Desertification, soil erosion and permafrost degradation; 1111 - Desertification, soil erosion, permafrost degradation and salinization; 10000 - Vegetation degradation; 10001 - Vegetation degradation and salinization; 10010 - Vegetation degradation and permafrost degradation; 10011 - Vegetation degradation, permafrost degradation and salinization; 10100 - Vegetation degradation and soil erosion; 10101 - Vegetation degradation, soil erosion and salinization; 10110 - Vegetation degradation, soil erosion and permafrost degradation; 10111 - Vegetation degradation, soil erosion, permafrost degradation and salinization; 11000 - Vegetation degradation and desertification; 11001 - Vegetation degradation, desertification and salinization; 11010 - Vegetation degradation, desertification and permafrost degradation; 11011 - Vegetation degradation, desertification, permafrost degradation and salinization; 11100 - Vegetation degradation, desertification and soil erosion; 11101 - Vegetation degradation, desertification, soil erosion and salinization; 11110 - Vegetation degradation, desertification, soil erosion and permafrost degradation; 11111 - Vegetation degradation, desertification, soil erosion, permafrost degradation and salinization;"
赵广举
泛第三极土壤可蚀性因子(K)数据集,基于国际土壤信息参比中心(International Soil Reference and Information Centre, ISRIC)网站(https://files.isric.org/soilgrids/latest/data/)下载的7.5弧秒分辨率土壤属性数据计算,所用数据包括土壤黏粒含量(%)、粉粒含量(%)、砂粒含量(%)、土壤有机碳含量(g/kg)、土壤质地类型。利用Wischmeier(1978)在USLE手册第二版中提出的土壤可蚀性因子算法、本项目研发的土壤可蚀性因子计算工具(K_Tool),计算得到与输入数据分辨率(30弧秒,尺度地区约1000m)相同分辨率的土壤可蚀性因子图。泛第三极土壤可蚀性因子数据,是基于CSLE进行土壤侵蚀速率计算的必备数据,同时也是分析泛第三极土壤特征的基础数据。
杨勤科
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