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
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
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
