川藏交通廊道泥石流分布数据包含两个图层，一个为点图层，主要标注泥石流沟口位置，另外一个为面状图层，为泥石流沟的流域范围。该数据的来源为遥感判识和地面调查的方法相结合，首先使用遥感影像对区域的泥石流沟位置进行解译，进而沿着川藏铁路和川藏公路等交通干线进行泥石流沟的地面调查，对遥感解译的数据进行校验，最终获取较为可靠的泥石流分布数据。该数据可以用于川藏交通廊道泥石流分布规律分析、多尺度泥石流危险性评估和风险评估。
陈华勇, 柳金峰, 杨东旭, 陈兴长
化学风化研究对于理解高原隆升如何调节气候变化机制、圈层元素物质循环等有重要意义。该数据集为发源于青藏高原的黄河流域水文站河水的季节性常量元素浓度及稳定同位素数据。共两个水文站：1、黄河中游龙门水文站，为2013年采集的高分辨率（逐周）样品数据，元素浓度包括K、Ca、Na、Mg、SO4、HCO3、Cl等。采集水样的阳离子数据均在中国科学院地球环境研究所的ICP-AES上测试，阴离子数据在中国科学院南京地理与湖泊研究所的离子色谱仪（ICS1200）上测试, 不确定度均为5%以内，HCO3为滴定法测试。河水高分辨率（每周）Li同位素数据，于2017年在中国科学院地球环境研究所MC-ICP-MS测试，测试精度2SD好于5‰；2、黄河唐乃亥水文站，为2012年7月至2014年6月采集的河水（逐月）数据集，常量元素浓度包括K、Ca、Na、Mg、SO4、HCO3、Cl等，稳定同位素数据包括S、O、H。该数据集可以用于研究青藏高原隆升背景下现代风化过程，为研究流域物理侵蚀、化学风化提供了第一手可靠资料。
金章东, 赵志琦
数据源为Copernicus Global Land Service (CGLS)，下载地址为：（https://lcviewer.vito.be/）。该数据提供了一期川藏交通廊道（含G317、G318、川藏铁路）的土地覆盖/土地利用类型。土地覆被数据使用遥感影像自动提取的方法，遥感影像获取时间介于2015年至2019年间，分类算法采用PROBA-V，分类精度为80%。土地利用类型包括常绿阔叶林、落叶阔叶林、常绿针叶林、落叶针叶林、灌木、草地、落地、实体、建筑用地等类型。数据的原始空间分辨率为100m，经重采样后空间分辨率为250m。数据地理坐标系为WGS1984，投影坐标系为墨卡托投影。数据存储格式为Tiff文件。
眭天波
川藏交通廊道植被分类数据由《1：400万中国植被图》（1979年）数字化而成，数字化后的数据也采用等积圆锥投影,并可利用GIS软件转换为其他投影，完成时间为1990年。该数据为面shp数据，其属性包含植被编码及其含义，具体情况可参考《中国植被编码设计说明》，其中有对1:400万中国植被图的植被编码的详细说明。数据基本包括自然植被和农业植被两部分，区域为川藏交通廊道。植被根系的发育、是否喜水等特性是影响地质灾害发育的重要因素，统计研究植被类型与灾害之间的关系对防灾减灾具有重要意义，植被类型也可作为评价灾害风险评价的关键因子。
王俪璇
中国土壤类型空间分布数据根据全国土壤普查办公室1995年编制并出版的《1：100万中华人民共和国土壤图》数字化生成， 采用了传统的“土壤发生分类”系统，基本制图单元为亚类，共分出12土纲，61个土类，227个亚类。土壤属性数据库记录数达2647条，属性数据项16个，基本覆盖了全国各种类型土壤及其主要属性特征。数据来自中科院资源环境科学与数据中心。根据1：100万中国土壤图数字化生成。比例尺为1：100w
王俪璇
使用Landsat5，7，8影像的NDVI对川藏交通廊道1985-2020年植被覆盖度进行提取。数据一共分为7期，每期时间跨度为5年。来源于USGS（https://www.usgs.gov/core-science-systems/nli/landsat/landsat-surface-reflectance）。 植被覆盖度一共分为7期，每期时间跨度为5年。其计算流程主要分为三步，一是获取该时间段内云量分数低于20的所有影像，计算其NDVI值，在使用中位数合成的方法合成当期的NDVI图；第二步是计算该区域的NDVI最大值与最小值NDVImax与NDVImin；第三步通过公式FVC=（NDVI-NDVImin）/(NDVImax-NDVImin)，得到植被覆盖度。由于使用了Landsat数据，原始植被覆盖度产品空间分辨率为30m，采样1000m后得到此数据。
眭天波
青藏高原东北缘新生代地形演化历史对于检验高原生长动力学模型和理解高原隆升过程十分重要。本研究对柴达木盆地东北部的怀头他拉剖面进行了综合物源分析。物源分析结果显示，在13-8 Ma期间，碳酸质岩屑比例显著增加 (由< 7 %增加到> 20 %)，Al2O3/SiO2比值逐步上升(由20 %上升到29 %)，显著的εNd值下降 (由-9.9下降到-12.4)，前寒武纪(>550 Ma)的碎屑锆石的比例显著增加 (由24 %增加到60 %)。通过与周缘潜在物源区的对比，新的数据指示柴达木盆地东北部的物源区在13-8 Ma期间由东昆仑山转变为祁连山。于是，我们推断祁连山南部在中-晚中新世经历了显著的地形生长。综合遍布祁连山的中-晚中新世构造变形记录和同时期周缘盆地的沉积环境、物源区和气候指标的转变，本研究认为祁连山与周缘盆地之间高起伏地形形成于中-晚中新世。
李朝鹏, 郑德文
数据覆盖区域为川藏交通廊道，为矢量线数据。数据定义了其活动时期，并对其进行了命名。描述了断层走向、性质、活动时期、出露情况。但内容有所缺失，次级断裂带没有命名。此数据集川藏交通廊道范围内共有590条线状要素，但有部分线状要素为同一断裂带的多部分要素。活动断裂带往往是不同板块、不同地块的结合带，是地壳的相对薄弱带，易诱发极为严重的地震灾害，也是崩塌、滑坡、泥石流等地质灾害的集中发育带。对断裂带位置及性质的判断对地质灾害的风险易发性评价具有重要意义，是研究地质灾害的关键因子。
王俪璇
数据集包含川藏交通廊道河流、湖泊数据。按照等级将河流划分为1-4级。并对河流进行了编号及地理编码。该数据既可作为区域地理底图的基本要素，也可作为水文区域划分的基本条件。该数据来源未全国1：100万基础地理数据，覆盖全国陆地范围和包括台湾岛、海南岛、钓鱼岛、南海诸岛在内的主要岛屿及其临近海域，共77幅1:100万图幅，该数据整体现势性为2015年。数据采用2000国家大地坐标系，1985国家高程基准，经纬度坐标。
王俪璇
数据源于全国1∶100w数字地质图空间数据库矢量化而成。根据川藏交通廊道区域范围及1：100w地形图图幅划分方式，使用了H45、H46、H47、H48、I45、I46、I47、I48八幅标准图幅的地质图，数据源格式为wp区文件，利用相关软件转化为shp格式的矢量文件，可用ARCIGS软件查看、编辑。本数据含有含地层、地层符号、岩石类型等基础地质信息。地质数据的获取，能够基本了解到川藏交通廊道范围内的地层、岩性情况，有利于追溯泥石流、滑坡灾害发生的地质条件。
王俪璇
地球表面的起伏形态成为地貌。此数据集为川藏交通廊道区域范围内，精度为90m的地貌数据，数据格式为tif.。数据自《中华人民共和国地貌图集（1:100万）》数字化而成，根据海拔、起伏程度等对平原、丘陵、台地等地貌进行了分类，数据的精度较低，研究区范围内地貌种类较少。各类地貌在地域上的组合和垂向上的分异，不仅对气候、水文的变化和土壤、生物的分布有密切的关系，对工农业生产、水利和交通建设有重大的影响，而且还是生态环境演化、治理中必须考虑的重要因素。
王俪璇
数据源自雷达地形测绘SRTM产品，下载地址为http://gdex.cr.usgs.gov/gdex/。在下载网站导入川藏交通廊道shp边界，以选择研究区范围的图幅，利用ARCGIS软件合并成一幅。数据的精度90m，格式为栅格数据。数据大小136MB。区域为川藏交通廊道。该数据适用于1:10万的相关地形数据的提取，如坡度、坡向、河道河网等地形因子数据等，作为川藏交通廊道地形分析的基础数据，有助于认识全区的地形地貌特征，对于大区域的灾害风险管理和决策水平具有重要意义。
王俪璇
青藏高原土壤温湿度观测网（Tibet-Obs）始建于2008年，包括玛曲、那曲、阿里和狮泉河四个站网，目前已连续运行超过十年，并被NASA的土壤水分主被动卫星SMAP选定为其产品的地面验证点，促进了青藏高原遥感产品和模型模拟的评估和改进。本研究详细梳理了各观测站网的现状及其应用情况，并基于已有观测数据发展了一套长时序（2009-2019）地表土壤湿度（5 cm）观测数据集，主要包含四个站网各站点的15分钟原始观测数据以及玛曲和狮泉河站网的升尺度区域土壤湿度数据。
张佩, 郑东海, 文军, 曾亦键, 王欣, 王作亮, 马耀明, 苏中波
该数据集包含了2020年1月至2020年10月的兰州大学祁连山区寺大隆样区红外相机数据。寺大隆样区的典型生境是森林，主要树种为祁连圆柏和青海云杉，典型的哺乳动物有马鹿、马麝、狍、蓝马鸡等。 红外相机数据处理的主要步骤包括： 1.数据存储，在计算机、移动硬盘或其他存储介质上设置目录存储照片及录像文件。 2.处理误拍或无效照片。删除风吹草动、曝光、没有动物存在或者任意形式的无效照片。3.物种鉴定。 （1）动物识别图像库建设，每一个调查单元建立一个动物识别图像库，该库主要用于物种识别人员的培训，便于其快速掌握物种鉴别特征，准确识别物种。 （2）有效照片的处理：对于能够准确识别物种的照片（录像），在自动相机（视频）记录表填写动物名称、数量、环境信息等；如果一张照片上有两种动物或两种以上动物，则各填写一行；对于不能准确识别物种的照片，在动物名称一栏填写无法识别，并填写数量、环境信息等，并在照片处理一栏填写“未处理”；对于家禽家畜等，填写动物家禽家畜的名称及数量；对于人，在动物名称处填写“牧民、游客、护林员”等。 （3）其它信息：环境信息记录，应根据照片（录像），填写以下环境信息：温度：依照照片上显示的温度填写。天气：晴、阴、雨、雪。需要仔细判断。积雪：有或无。行为：觅食、饮水、捕食、交配、打斗、争食、驱赶、嬉戏、奔跑、休息、行走、警戒等。动物年龄：幼、亚、雌、雄、未知。 发布的观测数据包括：文件编号，文件格式，文件夹编号，相机编号，布设点位编号，拍摄日期，拍摄时间，工作天数（天），要素，物种名称，幼，亚，雌，雄，未知，总数，行为，温度（℃），天气，积雪。
张立勋
该数据集包含了2020年1月至2020年11月的兰州大学祁连山区祁丰样区红外相机数据。隶属甘肃省张掖市肃南裕固族自治县，处肃南裕固族自治县西北面，西走廊西部、祁连山北麓，东与大河乡相望，南接青海省祁连县、天峻县，西连酒泉市肃北县，北靠酒泉肃州区、嘉峪关市、玉门市，祁丰样区的典型生境是荒漠、高山裸岩，典型的哺乳动物有雪豹、猞猁、白唇鹿、岩羊等。 红外相机数据处理的主要步骤包括： 1.数据存储，在计算机、移动硬盘或其他存储介质上设置目录存储照片及录像文件。 2.处理误拍或无效照片。删除风吹草动、曝光、没有动物存在或者任意形式的无效照片。3.物种鉴定。 （1）动物识别图像库建设，每一个调查单元建立一个动物识别图像库，该库主要用于物种识别人员的培训，便于其快速掌握物种鉴别特征，准确识别物种。 （2）有效照片的处理：对于能够准确识别物种的照片（录像），在自动相机（视频）记录表填写动物名称、数量、环境信息等；如果一张照片上有两种动物或两种以上动物，则各填写一行；对于不能准确识别物种的照片，在动物名称一栏填写无法识别，并填写数量、环境信息等，并在照片处理一栏填写“未处理”；对于家禽家畜等，填写动物家禽家畜的名称及数量；对于人，在动物名称处填写“牧民、游客、护林员”等。 （3）其它信息：环境信息记录，应根据照片（录像），填写以下环境信息：温度：依照照片上显示的温度填写。天气：晴、阴、雨、雪。需要仔细判断。积雪：有或无。行为：觅食、饮水、捕食、交配、打斗、争食、驱赶、嬉戏、奔跑、休息、行走、警戒等。动物年龄：幼、亚、雌、雄、未知。 发布的观测数据包括：文件编号，文件格式，文件夹编号，相机编号，布设点位编号，拍摄日期，拍摄时间，工作天数（天），要素，物种名称，幼，亚，雌，雄，未知，总数，行为，温度（℃），天气，积雪。
张立勋
该数据集包含了2019年7月至2020年10月的兰州大学祁连山区哈溪样区红外相机数据。哈溪样区的典型生境是森林，主要树种为祁连圆柏和青海云杉，典型的哺乳动物有马鹿、马麝、狍、蓝马鸡等，该区放牧严重，人类活动频繁。 红外相机数据处理的主要步骤包括： 1.数据存储，在计算机、移动硬盘或其他存储介质上设置目录存储照片及录像文件。 2.处理误拍或无效照片。删除风吹草动、曝光、没有动物存在或者任意形式的无效照片。3.物种鉴定。 （1）动物识别图像库建设，每一个调查单元建立一个动物识别图像库，该库主要用于物种识别人员的培训，便于其快速掌握物种鉴别特征，准确识别物种。 （2）有效照片的处理：对于能够准确识别物种的照片（录像），在自动相机（视频）记录表填写动物名称、数量、环境信息等；如果一张照片上有两种动物或两种以上动物，则各填写一行；对于不能准确识别物种的照片，在动物名称一栏填写无法识别，并填写数量、环境信息等，并在照片处理一栏填写“未处理”；对于家禽家畜等，填写动物家禽家畜的名称及数量；对于人，在动物名称处填写“牧民、游客、护林员”等。 （3）其它信息：环境信息记录，应根据照片（录像），填写以下环境信息：温度：依照照片上显示的温度填写。天气：晴、阴、雨、雪。需要仔细判断。积雪：有或无。行为：觅食、饮水、捕食、交配、打斗、争食、驱赶、嬉戏、奔跑、休息、行走、警戒等。动物年龄：幼、亚、雌、雄、未知。 发布的观测数据包括：文件编号，文件格式，文件夹编号，相机编号，布设点位编号，拍摄日期，拍摄时间，工作天数（天），要素，物种名称，幼，亚，雌，雄，未知，总数，行为，温度（℃），天气，积雪。
张立勋
该数据集包含2020年3月1日至2020年12月31日大通河流域兰州大学寒旱区科学观测网络连城的物候相机观测数据，观测点的经纬度是102.737E，36.692N，海拔2903m。该数据使用北京师范大学自主研发的软件包进行处理。该物候相机采用向下的方式采集数据，拍摄数据分辨率为2592*1944，可指定拍摄时间频率。对于绿度指数物候期计算，需要根据感兴趣区域计算相对绿度指数（GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值），然后进行无效值填充和滤波平滑，最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等；对于覆盖度，首先进行数据预处理，选择光照不太强的图像，然后将图像分割为植被和土壤，计算每张图像的植被像素占计算区域内的比例作为该图像对应的覆盖度，在时间序列数据提取完成以后，再按用户指定的时间窗口对原始覆盖度数据进行平滑滤波，滤波后的得结果为最终的时间序列覆盖度。本数据集包括相对绿度指数（GCC）和覆盖度。因物候相机内置时钟错误，3月1日之前的影像为夜间拍照，照片无法使用，因此数据缺失。
赵长明, 张仁懿
数据集包含2002年至2018年中国陆地土壤水分数据，单位为m³/m³，时间分辨率为月，空间分辨率为0.05°。它由3个被动微波遥感产品制成：日本宇宙航空研究开发机构（JAXA）的 AMSR-E 的 Level 3 土壤水分数据和 AMSR2 的 Level 3 土壤水分数据，以及由法国农业科学研究院（INRA）和法国空间生物圈研究中心（CESBIO）研发的 SMOS 产品的土壤水分数据。为了应对被动微波土壤水分产品空间分辨率低的不足，研究人员基于温度植被干旱指数（TVDI）建立了空间权重分解（SWD）模型，其中，TVDI由中分辨率成像光谱仪（MODIS）的地表温度（LST）MYD11C3数据和归一化植被指数（NDVI）MYD13C2数据计算而来。整体而言，降尺度的土壤水分产品与实地测量结果一致（R >0.78），且均方根误差较低（ubRMSE < 0.05 m³/m³），这表明数据在整个时间序列中具有良好的准确性。数据集可以广泛应用于水文及干旱监测，并且可以作为生态和其他地球物理模型的重要输入参数。
毛克彪
该数据集包含了2020年01月01日至2020年12月31日青海湖流域地表过程综合观测网高寒草甸草原混合超级站的物候相机观测数据。站点位于青海省天峻县苏里路旁侧，下垫面是高寒草甸和高寒草原的混合。观测点经纬度为：东经 98°35′41.62″E，北纬 37°42′11.47″N，海拔3718m。该物候相机采用垂直向下的方式采集数据，拍摄数据分辨率为2592*1944，本数据集中的物候照片是在每天12:10拍摄的，拍摄时间误差在±10 min。图片命名方式为BSDCJZ BEIJING_IR_Year_Month_Day_Time.
李小雁
该数据集包含了2020年9月14日至2020年12月31日的兰州大学寒旱区科学观测网络连城站涡动相关仪观测数据，该站由于设备损坏，本年度数据缺失严重。站点位于甘肃永登连城吐鲁沟国家森林公园吐鲁坪，下垫面为森林。观测点的经纬度是102.737E，36.692N，海拔2903m。涡动相关仪的架高4m，采样频率是10Hz，超声朝向是正北向，超声风速温度仪（CSAT3）与CO2/H2O分析仪（Li7500A）之间的距离是17cm。 涡动相关仪的原始观测数据为10Hz，发布的数据是采用Eddypro软件处理的30分钟数据，其处理的主要步骤包括：野点值剔除，延迟时间校正，坐标旋转（二次坐标旋转），频率响应修正，超声虚温修正和密度（WPL）修正等。同时对各通量值进行质量评价，主要是大气平稳性（Δst）和湍流相似性特征（ITC）的检验。对Eddypro软件输出的30min通量值也进行了筛选：（1）剔除仪器出错时的数据；（2）剔除降水前后1h的数据；（3）剔除10Hz原始数据中每30min内缺失率大于10%的数据。观测数据的平均周期为30分钟，一天48个数据，缺失数据标记为-6999。 发布的观测数据包括：日期/时间Date/Time，风向Wdir（°），水平风速Wnd（m/s），侧向风速标准差Std_Uy（m/s），超声虚温Tv（℃），水汽密度H2O（g/m3），二氧化碳浓度CO2（mg/m3），摩擦速度Ustar（m/s），奥布霍夫长度L（m），感热通量Hs（W/m2），潜热通量LE（W/m2），二氧化碳通量Fc（mg/(m2s)），感热通量的质量标识QA_Hs，潜热通量的质量标识QA_LE，二氧化碳通量的质量标识QA_Fc。感热、潜热、二氧化碳通量的质量标识分为九级（质量标识1-3数据质量好，4-6数据质量较好，7-8数据质量较差（较插补数据好）；9数据质量差）。数据时间的含义，如0:30代表0:00-0:30的平均。
赵长明, 张仁懿
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
