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
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
