中亚作为典型干旱半干旱区，其土地和农业的可持续发展受到了不同的程度的水热限制和环境限制。分析和预测土地利用的潜力，对保障区域粮食安全和减少气候变化的不利影响至关重要。本数据集面向中亚五国农业可持续发展，以旱作农业、灌溉农业、林业、草牧业为土地利用目标，从土地资源开发利用潜力角度开展了土地利用和农业生态的潜力评价。多目标土地资源开发利用评价因子包括：气候（热量、水资源）、地形、灌溉及取水条件、土壤条件等多个方面，它们分别是大于10℃积温，一月平均温度，七月平均温度，降水，降水变差系数，高程，坡度，取水距离，地下水位，土壤有机质，土壤质地，土壤酸碱度，其中降水变差系数基于降水转换而得，坡度信息从高程数据中提取。可变的气候要素包括未来月尺度的降水、平均温度、最大和最小气温、湿度，均来源于经过偏差校正和降尺度的CMIP6的ACCESS-CM2, BCC-CSM2-MR, CanESM5, CAS-ESM2–0, CESM2-WACCM, EC-Earth3, GFDL-ESM4, KACE-1–0-G多模式集合平均数据，其实验均为r1i1p1f1。该数据可为中亚五国未来土地资源开发利用和农业发展等提供基础数据支撑。
姚林林, 周宏飞
面向中亚五国农业可持续发展，基于ESA的CCI-LC Maps数据，绘制了中亚的农业格局图，具体包含哈萨克斯坦、土库曼斯坦、塔吉克斯坦、吉尔吉斯斯坦以及乌兹别克斯坦五国，将现有的农业用地分为雨养耕地，雨养耕地（草本覆盖），雨养耕地（林木覆盖），灌溉耕地，耕地（>50%）/自然植被（<50%）以及耕地（<50%）/自然植被（>50%）六类。数据年份为2020年，数据的空间分辨率为300m×300m，即约0.003°×0.003°。数据集可为中亚五国未来土地资源开发利用和农业发展等提供基础数据支撑。
张俊俊, 蒋晓辉
面向中亚五国农业可持续发展，以土地资源为目标，为探究近20年气候变化下中亚地区的土地资源评价以及未来30年气候变化下中亚土地资源状况，收集了中亚的土地资源评价要素，包括：土壤要素（土壤盐渍化程度、土壤质地、土壤有机质含量、土壤pH值、土壤全氮）、地形要素（高程、坡度）、气候要素（降雨、气温、太阳辐射）。地形要素与土壤要素均以2020年为基准，气候要素包括2000年，2010年，2020年，以及采用CMIP6中的ESM1气候模式预估的未来SSP5-8.5情景下2030年和2050年的平均降水和气温，空间分辨率介于0.05°-0.1°。数据集可为中亚五国未来土地资源开发利用和农业发展等提供基础数据支撑。
张俊俊, 蒋晓辉
本数据集以国家为单位进行收集和预测，1992-2020年数据主要来源于FAOSTAT网站和全球贸易流网站（https://resourcetrade.earth/），2021-2050年数据主要基于不同时间序列法寻优进行预测。数据包括（1）生产数据：不同农作物总产和单产、收获面积，肉蛋奶等畜牧产品产量；（2）消费数据：主要粮食作物（小麦、大米、大麦、玉米及其他）、蔬菜、水果、畜牧产品（肉类和奶类）；（3）贸易数据：进出口贸易量与贸易额（粮食作物、蔬菜水果、畜牧产品）。
杨永辉, 韩淑敏
面向中亚五国农业可持续发展，以耕地为目标，开展了未来气候变化变化变化影响下的耕地资源开发潜力评价。耕地开发潜力评价因子包括：地形因子（高程、坡度、坡向、与水资源距离）、土壤因子（盐渍化、土壤质地、土壤有机质含量、土壤pH值）、气候因子（降雨、气温、太阳辐射）、经济因子（道路密度、人口密度）。以2020年为基准年，在其他指标不变的条件下，采用CMIP6中的ESM1气候模式的平均降水和气温，预估了未来SSP5-8.5情景下的中亚耕地开发潜力。数据提供了2020s、2030s（2021-2040）和2050s（2041-2060）时间段的中亚五国耕地开发潜力的评价结果，空间分辨率为0.01°×0.01°。数据集可为中亚五国未来土地资源开发利用和农业发展等提供基础数据支撑。
蒋晓辉, 张俊俊
1) 数据内容：中亚大湖区数据库的2020年度更新数据库文件，包含2020年中亚大湖区生态站点中辐射总量的观测数据。 2) 数据来源及加工方法：数据来源于6个生态站点（站点号：1130、1131、1132、1133、1134、1137）的站点观测数据未经加工处理。 3) 数据质量描述：本数据为站点数据，时间分辨率为1分钟。数据质量控制过程包括2个步骤（1）内部一致性检查；（2）时间一致性检查。 4) 数据应用成果及前景：本数据为基本观测数据，为中亚大湖区数据库的重要年度补充，可为后续的气象、生态、水文、环境等研究领域提供数据支持、为项目研究的开展提供支撑。
刘铁
1) 数据内容：中亚大湖区数据库文件，包含2020-2021年中亚大湖区基础生态站点中总辐射要素的观测数据。 2) 数据来源及加工方法：数据来源于8个生态站点（站点号：1130、1131、1132、1133、1134、1135、1137、1138）的站点观测数据未经加工处理。 3) 数据质量描述：本数据为站点数据，时间分辨率为每1分钟。数据质量控制过程包括2个步骤（2）内部一致性检查；（2）时间一致性检查。 4) 数据应用成果及前景：本数据为基本观测数据，为中亚大湖区数据库的重要组成部分，可为后续的气象、生态、水文、环境等研究领域提供数据支持、为项目研究的开展提供支撑。
刘铁
本数据为青藏高原CHNAB005号网格植物多样性与分布数据，包含此网格中植物的中文名、拉丁名、纬经度、海拔、采集编号、分子材料份数、标本份数、行政区划、小地点、采集人、采集时间及创建者等信息。该数据获取自e科考网站（http://ekk.kib.ac.cn/web/index/#/），并部分完成鉴定。此数据已涵盖本区系中植物名录和具体分布信息。此数据既可用于本区域的区系性质研究，亦可用于探讨本区域植物水平和垂直梯度格局等。 较去年不同的是，今年科考数据最多的网格发生了变化，可能有受到疫情或者环境的影响。
邓涛
中亚是一个高度农业化的地区，其农业资源有限且非常脆弱。为了评估未来气候变化对中亚农业的潜在影响，我们基于3个全球气候模式的9千米动力降尺度结果生产了一个中亚农业气候指数（agroclimatic indicators）高分辨率预估数据集。这些农业气候指数是生长季长度（growing season length, GSL, days），有效积温（biologically effective degree days, BEDD, ℃），霜冻天数（frost days, FD, days），夏日天数（summer days, SU, days），热浪天数（warm spell duration index, WSDI, days）和热夜天数（tropical nights, TR, days）。时段是1986-2005和2031-2050，空间分辨率为0.1°。由于这些指数（除了WSDI）都是基于温度的绝对阈值定义的，对区域模拟结果的系统偏差非常敏感，我们首先用分位数映射法（quantile mapping, QM）订正了模拟的气温，然后基于订正后的气温计算指数。评估结果显示：QM方法大幅减小了指数的偏差。预估结果显示：GSL，SU，WSDI和TR在整个中亚将显著增大，而FD将显著减小；BEDD的变化具有明显的空间差异性，在中亚北部和山区是增大的，在平原的中部和南部是减小的。这个高分辨率的数据集可被用于评估未来气候变化对中亚农业的风险影响。
邱源
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
本数据为基于WRF模式4.1.2版本和WRFDA同化系统4.1.2版本建立的中亚区域再分析资料，变量包含气温、气压、风速、降水、辐射。再分析的建立使用了循环同化的方式，每6小时使用3DVAR同化一次，同化的资料包括常规大气观测和卫星辐射资料。其中常规资料主要来源为GTS，来源包括人工站、自动站、探空和飞机报，观测要素包括气温、气压、风速和湿度。卫星观测包括反演数据和辐射数据，反演数据主要为极轨气象卫星（NOAA-18、NOAA-19、METOP-A和METOP-B）反演的云导风，并重采样到54km水平分辨率；辐射数据包含了MSU、AMSU和MHS等微波辐射和HIRS红外辐射数据。模拟采用双层嵌套的方式，水平分辨率分别为27公里和9公里，垂直方向共38层，模式层顶为10hPa。模式的侧边界条件由ERA-Interim再分析逐6小时的分析场提供，模式使用的物理方案为Thompson微物理方案，CAM辐射方案，MYJ边界层方案、Grell对流方案和Noah陆面模式。本资料覆盖区域包括中亚地区的哈萨克斯坦、塔吉克斯坦、吉尔吉斯斯坦、土库曼斯坦和乌兹别克斯坦五个国家以及里海、咸海、巴尔喀什湖、伊萨克湖等中亚地区的湖泊，可用于该区域的气候、生态、水文等方面的研究。以中亚地区台站观测的降水为参照，本数据的模拟效果和融合降水产品MSWEP相似，优于ERA5和ERA-Interim。
姚遥
此数据包含1992年-2020年时间段的中亚，南亚和中南半岛地区的空间分辨率为300m土地覆盖数据，包含10个一级类别，由原数据的二级类别合并而来。数据基于欧空局的1992年-2020年时间段地表覆盖产品 CCI-LC，对耕地、建设用地和水体等地类进行修正。基于清华大学全球土地覆被数据（FROM-GLC，30m栅格）、美国NASA的MODIS全球土地覆被数据（MCD12Q1，500m栅格）、美国地质调查局USGS的全球耕地数据（GFSAD30，30m）、日本全球林地数据的（PALSAR/PALSAR-2，25m）的一致区获取训练样本，应用谷歌地球数字引擎及其随机森林算法，对研究区待修正区域进行机器判别，获得修正的土地覆被产品。应用2019年和2020年的谷歌地球高清影像，对耕地、建设用地和水体变化区域的精度进行分层随机抽样验证，三种地类分别抽取了1200个、共计3600个，相比 CCI-LC数据，本修正产品在该变化区域的精度提升了11%到26%。
许尔琪
基于台站历史逐日最高温数据以及再分析资料数据集，发展了一个基于一阶自回归和多元线性回归模型的逐日最高温统计降尺度模型，并由全球气候模型（CNRM-CM6-1）的 IPCC CMIP6 情景数据驱动该统计降尺度模型，预估中亚65个台站2015-2100年5种热浪指数（热浪事件数 （HWM），热浪频数（HWF）， 热浪强度（HWM）， 热浪最大持续时间（HWD），热浪振幅（HWA））的未来变化情景。最终获得2015-2100年四种排放情景下（SSP126，SSP245，SSP370，SSP585），中亚65个台站热浪变化情景数据集。
范丽军
中亚西亚野外气象站观测数据集（2019-2020）包括哈萨克斯坦（5个站），吉尔吉斯斯坦（1个站），塔吉克斯坦（3个站），乌兹别克斯坦（1个站），伊朗（2个站）共12个野外气象观测站的气象月数据，涉及21个观测指标：月平均气温（TA）、月平均气压（PA）、月平均相对湿度（RH）、月总降雨量（Pr）、月平均风速（WS）、月平均风向（WD）、0cm月平均土壤温度（TS1）、5cm月平均土壤温度（TS2）、10cm月平均土壤温度（TS3）、15cm月平均土壤温度（TS4）、20cm月平均土壤温度（TS5）、40cm月平均土壤温度（TS6）、60cm月平均土壤温度（TS7）、100cm月平均土壤温度（TS8）、月总太阳总辐射（SR）、月总反射辐射（GR）、月总紫外辐射（UVR）、月总净辐射（NR）、月总光合有效辐射（PAR）、月总土壤热通量（HF）、月总日照时长（SD）。 12个野外站涵盖农田、森林、草地、沙漠、荒漠、湿地、高原、山地等不同生态系统类型，资料时间长度从2019年10月开始，至2020年12月。本数据集由地面气象观测站收集到的气象原始数据经筛查和审核后，进行格式转换后获得，数据质量良好。中亚地区气候类型多样，生态环境脆弱，气象灾害频繁，本数据集的建立对于开展长期的中亚生态环境监测、防灾减灾、中亚地区气候变化与生态环境等领域的研究提供了数据支撑，目前已经在中亚生态环境监测研究中获得了应用。
李耀明
中亚的生态系统脆弱，自然灾害频发，水资源短缺，冰川加速融化，是气候变化敏感区之一。在评估该地区的脆弱性、影响性和适应性时，急需高分辨率的气候预估数据集。为此，我们对来自CMIP5的三个偏差订正后的全球气候模式（MPI-ESM-MR、CCSM4和HadGEM2-ES），在中亚地区开展了9千米的动力降尺度，继而生产了一个中亚高分辨率气候预估数据集，将其命名为HCPD-CA（High-resolution Climate Projection Dataset in Central Asia）。它的历史时段是1986-2005，未来时段是2031-2050，排放情景是RCP4.5。这个数据集有4个静态变量和10个常被用于驱动生态和水文模型的气象要素。静态变量有地形高度（HGT, m）、土地利用类型（LU_INDEX, 21 categories）、陆地水体（LANDMASK, 1代表陆地, 0代表水体）和土壤类型（ISLTYP, 16 categories）。10个气象要素是日降水量（PREC，mm/day）、2米日平均/最高/最低温（T2MEAN/T2MAX/T2MIN，K）、2米日平均相对湿度（RH2MEAN，%）、10米日平均维向和经向风（U10MEAN/V10MEAN，m/s）、日平均向下短波/长波辐射（SWD/LWD，W/m2）和日平均地表气压（PSFC，Pa）。评估结果显示：这个数据产品在描述中亚各个气象要素的平均态上有很高的质量，这保证了其可用性。未来气候变化的主要特征是：升温剧烈（年均温升高1.62-2.02℃），向下短波和长波辐射显著增强，其他气象要素变化很小。HCPD-CA数据集可被用于评估未来气候变化对中亚的多方面影响，特别是在生态和水文系统上。
邱源
通过资料整理和数字化，基于ArcGIS平台，广泛收集中亚地区最新的活动断裂和地震构造研究资料，编制了中亚地区地震构造图和地震区划图。图件范围包括哈萨克斯坦、乌兹别克斯坦、吉尔吉斯斯坦、塔吉克斯坦和土库曼斯坦。地震构造图中标绘了发震断层（活动断层）的位置、活动性质和断层名称，以及1960年至2020年5级以上地震的震中位置。区划图中以未来50年超越概率10%的地震动加速率峰值（PGA）为指标，进行地震危险性分区。这些图件可用于中亚地区的活动构造和地震灾害研究，为中亚地区的大型工程与基础设施建设提供地震安全保障。
罗浩
本数据集包括2010、2015和2020年间，中亚地区五国（哈萨克斯坦、吉尔吉斯斯坦、塔吉克斯坦、土库曼斯坦和乌兹别克斯坦）的植被覆盖度（FVC）数据。该数据由MODIS-NDVI数据集（产品编号MOD13A2.006），根据干旱区植被盖度与NDVI之间的经验关系计算得到。该产品时间分辨率为1年，空间分辨率1 km。算法从当年所有观测数据中，以低云、低探测角度和最高NDVI值为标准，选择最佳的可用像元值，并进行换算。
徐晓凡, 谈明洪
本数据集包括1985-2018年间，中亚地区五国（哈萨克斯坦、吉尔吉斯斯坦、塔吉克斯坦、土库曼斯坦和乌兹别克斯坦）的城市建设用地变化的逐年数据。该数据空间分辨率为30m，时间分辨率为一年，源自基于Landsat遥感影像提取的1985-2018年全球人工不透水面（GAIA）变化数据（宫鹏等）。研究者对该数据在1985至2015年间每隔5年的7组数据进行了评估，其平均整体精度超过90%，并且是唯一跨越30年的城市建设用地数据集。
徐晓凡, 谈明洪
本数据集包括2010、2015和2020年间，中亚地区五国（哈萨克斯坦、吉尔吉斯斯坦、塔吉克斯坦、土库曼斯坦和乌兹别克斯坦）的归一化差值植被指数（NDVI）数据。本数据源自美国地球观测系统（EOS）计划所使用的中分辨率成像光谱仪（MODIS）影像数据，产品编号MOD13A2.006。该产品时间分辨率为16天，空间分辨率1km，产品算法从16天期间的所有观测数据中，以低云、低探测角度和最高NDVI值为标准，选择最佳的可用像元值。
徐晓凡, 谈明洪
1970年土地利用由MSS影像目视解译而成，整体解译精度达90%以上，土地分类按照中国科学院土地利用分类系统进行，具体分类细则请阅读数据说明文档。 2005年和2015年两期数据集从欧洲太空局 (ESA) 全球土地覆被类型数据获取，包括中亚五国（哈萨克斯坦、吉尔吉斯斯坦、塔吉克斯坦、土库曼斯坦和乌兹别克斯坦）和中国新疆，该数据集有22种土地利用类型，采用IPCC土地利用分类系统，具体分类细则请参阅说明文档。
张弛, 罗格平
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
