数据集包含了2020年9月，2021年6月，2021年9月测量得到的3幅廓琼岗日冰川高精度表面地形数据及对应的正射影像图。该数据集的生成使用了大疆精灵4 RTK无人机拍摄的影像数据，经倾斜摄影测量技术计算生成了相关产品，数据空间分辨率达到了0.15米。该数据是对目前低分辨率开源地形数据的补充，能够反映2020年-2021年间廓琼岗日冰川的表面形态变化，有助于精确研究气候变化下廓琼岗日冰川的消融过程。
刘金涛
年楚河干流河床表面均是由宽级配卵砾石颗粒组成，洲滩及河床上有丰富的卵砾石颗粒。本次考察对年楚河干流和支流的床面级配进行了测量，本数据集包含年楚河流域5个干流和2个支流的采样地点信息（表1）、河床表面级配（表2）。采样位置一般选择在有明显河床断面附近且水流长期流经的地方。由于是枯水期采样，其河滩上的床面级配可以认为是上一场洪水期所携带的卵砾石推移质运动停留下来的，故认为枯水期河滩上采样区域的床面级配是洪水期的推移质输沙级配。床面级配测量方法是采用基于图像处理的全粒径自动识别法（Basegrain软件）进行的，泥沙颗粒识别精度较高。研究年楚河的床面级配分布特征对揭示水系源汇过程与演变、推移质泥沙输移、洪水模拟计算、山洪水沙灾害预警与防治、重大基础工程建设等具有重要科学与社会价值。
罗铭, 黄尔, 闫旭峰, 马旭东, 王路
青藏高原及周边地区孕灾、致灾、承灾数据集包含了地貌数据、归一化植被指数数据、年均气温与降雨数据、承灾价值等级数据，覆盖656万平方公里的范围。该数据集主要是为了进行灾害、风险评价而准备。由于覆盖范围巨大，地貌数据采用了150m空间分辨率，其他数据采用了1000m空间分辨率。地貌、植被指数、气温降雨数据主要通过加工开源数据生产，承灾价值等级数据为叠加计算生产，综合考虑了人口数据、夜间灯光指数、建筑物、地表覆被类型。
唐晨晓
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
青藏高原及其邻区的新生代地层中蕴含丰富的构造、环境、气候等信息，对揭示高原碰撞隆升变形历史及其气候环境效应等具有重要意义。本数据集对来自青藏高原及其邻区的临夏盆地、伦坡拉盆地、剑川盆地、曲靖盆地和思茅盆地的新生代地层，开展了系统野外地质考察，确定了一些出露发育良好的研究剖面。依靠GPS、地质罗盘等工具，对相关研究剖面进行了构造、地貌、岩性等方面的调查测量描述，并进行了相关图件的绘制，具体涉及：临夏盆地对康剖面90 m黄土沉积地层，伦坡拉盆地达玉剖面1890 m、剑川盆地双河剖面300 m、曲靖盆地蔡家冲剖面252 m的河湖相沉积地层，以及思茅盆地江城剖面932 m的咸水湖相夹膏盐沉积地层。本数据集为后续开展相关地层年代学、构造演化、气候环境等研究奠定了坚实的地质学基础。
方小敏, 颜茂都, 张伟林, 张大文
中巴经济走廊及天山山脉地形数据由日本宇宙航空研究所（Japan Aerospace Exploration Agency，简称JAXA）生产。中巴经济走廊及天山山脉30m数字高程模型（DEM）（2006-2011）描述的是地面高程信息，其是研究分析地形、流域、地物识别的重要原始资料。它在测绘、水文、水文、气象、地貌、地质、土壤、工程建设等国民经济以及人文和自然科学领域有着广泛的应用。在防洪减灾方面，DEM是进行水文分析如汇水区分析、水系网络分析、降雨分析、蓄洪计算、淹没分析等的基础；同时，DEM数据能够反映一定分辨率的局部地形特征，通过DEM可提取大量的地表形态信息，可用于绘制等高线、高程图、坡度图、坡向图、水系图、立体透视图、立体景观图，并应用于制作正射影像、立体地形模型与地图修测。该数据水平分辨率为30m（1弧秒），高程精度5米，是目前世界上最精确的地形数据之一。该数据下载地址为https://www.eorc.jaxa.jp/ALOS/en/aw3d30/data/。
邱海军
通过不同层次的旅游点、旅游线和旅游区的考察，形成景点、景区、廊道和重要的旅游交通节点、旅游村、旅游城镇等的旅游资源、旅游服务和旅游设施等的照片、视频数据，记录旅游发展状况，发现旅游发展中的问题，并形成相应的世界旅游目的地建设的思路；数据来源为无人机、行车记录仪和摄像机、手机、GPS，并按照景区、数据类别分成不同文件夹；数据资料经过多次核对，确保真实无误；本数据可为青藏高原世界旅游目的地建设提供可追溯的依据。
时珊珊
专题组于2019年10月24日、2021年6月9日在西藏自治区林芝市波密县的迫隆沟、天磨沟、古乡沟泥石流沟进行了无人机飞行作业，生成了示范区泥石流沟的实景三维模型与数字表面模型（DSM）；于2020年在波密县卡达村进行作业，生成了实景三维模型与数字表面模型，数字正射影像（DOM）以及数字高程模型（DEM）；于2021年6月9日在古乡沟再次作业，得到实景三维模型与数字表面模型。上述产品的空间分辨率在0.1米左右，主要加工方式如下： （1）基于无人机遥感的实景三维建模方法，利用无人机摄影测量技术能够获取丰富的纹理信息，生成密集的三维点云，结合自动化实景三维建模技术可以得到真实的三维场景。 （2）对得到的三维模型进行空洞修补和滤波等优化处理，有效填补了三维模型中的水体空洞。 （3）基于三维建模，在CC中可以直接生成示范区的DSM数据。 （4）使用MapMatrix对DSM进行多边形内插，抹除植被等地物的高度，得到DEM数据。 （5）通过刺点操作，对三维建模精度进行优化。
黄方, 彭书颖
该数据为使用购买的示范区资源三号卫星遥感影像，基于立体像对匹配方法生成对泥石流沟区域的大范围DSM数据。加工方法如下： （1）由于原始影像中存在大量云层和阴影噪声，本研究运用IDL语言进行开发，制作形成专用于多云山区的卫星影像的去噪和信息补全程序。 （2）将正视校正影像作为左影像，前视校正影像为右影像，使用ENVI进行DSM的生产。 （3）使用30 m分辨率的ASTER-DEM数据，选定至少4个典型的地面控制点对进行地理校正，确保地理坐标误差在1″的量级。 （4）使用交叉熵，均方根误差和面误差信息熵作为精度评价指标，与经原始数据得到的DSM进行对比，验证处理后的DSM成像精度得到提升。
黄方, 彭书颖
利用野外调查和文献调研收集到的青海沙蜥（Phrynocephalus vlangalii）分布点，结合五个来自于WorldClim数据库的气候因子，分别将当前（1960-1990年）和未来（2061-2080年）的气候数据输入训练好的物种分布模型，对当前和未来的适宜栖息地进行预测。预测结果表明，在青海沙蜥在气候变化下将会丧失大量原有栖息地，针对青海沙蜥的保护措施应重点关注青藏高原东缘，柴达木盆地北部和东部这些地区。模型也预测在气候变化后，新的适宜栖息地将在原本不适宜青海沙蜥生存的地区出现。然而，由于爬行动物的扩散能力非常有限（文献记录的最大年扩散距离不足500m），新出现的适宜栖息地不一定能被青海沙蜥利用。同时，通过野外工作收集三个海拔种群青海沙蜥的生理、生活史、行为及形态数据并结合微气候数据，利用机制生态位模型预测了气候变化在当前适宜分布区对青海沙蜥造成的生理后果。模型预测的结果表明，无论在SSP245还是SSP585气候变化情景下，青海沙蜥的活动时间在当前适宜分布区的大部分范围（> 93%）内都会增加，热安全阈在当前适宜分布区的所有地点都会减少。高海拔种群的活动时间增幅小于低海拔种群，而其热安全阈减少的幅度却大于低海拔种群。研究结果揭示了气候变化可能对分布在高海拔地区的蜥蜴种群造成更大影响。
曾治高
本数据集为全球高精度高程控制点数据集，包含各个高程控制点地理定位，高程，采集时间等信息。 从卫星激光测高数据中提取的激光足印高程的精度受到许多因素的影响，如大气、有效载荷仪器噪声、激光足迹中的地形起伏等，导致精度不确定。该数据集通过评估标签和测距误差模型所构建的筛选准则对ICESat卫星从2003年到2009年的测高观测数据进行筛选提取，以期地形测图或依赖良好高程信息的其他科学领域提供高精度的全球高程控制点。经验证，平地（坡度<2°）、丘陵（2°≤坡度<6°）、山地（6°≤坡度<25°）区域的高程精度分别满足0.5m、1.5m、3m的精度要求。
谢欢, 李彬彬, 童小华, 唐鸿, 刘世杰, 金雁敏, 王超, 叶真, 陈鹏, 许雄, 柳思聪, 冯永玖
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
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
数据源于JAXA地球观测研究中心（http://www.eorc.jaxa.jp/ALOS/en/aw3d30/），产品为ALOS World 3D - 30m (AW3D30)。通过导入川藏交通廊道shp边界选择图幅并下载，利用相关软件合并成一幅。格式为栅格数据，空间分辨率为30m，数据大小为1.3GB。该DEM数据可利用相关软件生成坡度、坡向、河道河网等地形因子数据，它们是川藏交通廊道地形分析的基础数据，有助于认识流域地貌形态，也是灾害区划研究、风险性评价的关键因子。高精度DEM的获取对于灾害风险管理和决策水平、减轻重大地质灾害的损失具有重要意义。
眭天波
基于中国地面逐日气象要素数据集、全国地理基础数据、自然环境基础数据集，运用像元二分模型、密度分析、RclimDex、非平稳标准化降水蒸散指数(NSPEI)和双线性内插法等多种指标计算方法计算了横断山区的极端降水、极端气温、干旱强度、干旱频率等多种指标。该数据集包括横断山区的孕灾环境基础数据集、极端降水指标基础数据集、极端气温指标基础数据集、干旱强度和干旱频率基础数据集。该数据集可为区域内极端高温、降水和干旱风险评估提供基本的指标体系。我们得出横断山区内90%以上站点的极端气温暖指数显著上升，极端气温冷指数显著下降。南北气温差异显著，以青藏高原为界，北部气温日较差大，平均在13.83℃，南部气温日较差小，平均为11.38℃，南部平均的冰冻日数在1d左右。随着重现期的增加，持续干燥期（CDD）大于110d的区域逐渐由西部扩大到金沙江下游流域；在不同重现期下，持续降雨期（CWD）和年降水总量（PRCPTOT）的高值区集中在西部和南部的边缘；北部的日最大降水量（RX1day）在不同重现期下变化不显著，在60mm以下；最低气温极小值（TNn）和最高气温极大值（TXx）在空间分布上北低南高，40℃以上的高温普遍发生在南部的干旱河谷。
孙鹏
横断山多尺度致灾、孕灾、承灾数据时空统一数据集包含了由高程数据衍生的一系列地貌数据、年均归一化植被指数数据、年均气温与降雨数据、VIIRS夜间灯光数据。其中地貌数据覆盖横断山地区，植被与气候相关数据覆盖青藏高原，夜间灯管指数数据覆盖全国范围。数据收集时间根据来源不同而异，最早为2000年，最晚为2018年。该数据集主要是为了进行灾害、风险评价而准备。本数据集将这些数据整理进行了重采样、空间校正、光学校正、地貌因子计算、空间统计等流程加工，数据精度与其数据源的原始精度数据一致，未经过降采样等模糊处理。处理过程中采用了科学标准流程，区分了连续与不连续型数据，将处理过程中的数据损失降到最低。
唐晨晓
1) 数据内容 本数据集包含澜沧江-湄公河流域流向、汇流累积和矢量河网信息。 2) 数据来源及加工方法 本数据集采用了遥感蚀刻方法（Remote Sensing Stream Burning, Wang et. al, 2021），融合了高精度高程模型MERIT-DEM和哨兵2号光学影像。 3) 数据质量描述 经验证，本数据集具备较高的空间精度（Wang et. al, 2021）。<br /> 4) 数据应用成果及前景 本数据集提供了基础的河流网络及其汇流信息，可用于水文模型、陆面过程模型、地球系统模式等模拟用途，也可以用于制图和空间统计分析。
王子丰
仰光深水港地区10m级高程数据集是仰光深水港主要城区的DEM数据，DEM是数字高程模型的英文简称(Digital Elevation Model)，是流域地形、地物识别的重要原始资料。该数据集能够反映仰光深水港主要城区10m级分辨率的局部地形特征，因此通过该数据集，可提取大量的地表形态信息，这些信息包含流域网格单元的坡度、坡向以及单元格之间的关系等，可以为仰光深水港主要城区的研究提供精确的地形数据以及可靠的验证数据。
葛咏, 李强子, 李毅
本数据集来源于论文：Su, T. et al. (2019). No high tibetan plateau until the Neogene. Science Advances, 5(3), eaav2189. doi:10.1126/sciadv.aav2189 数据为该论文的补充数据，主要包含研究人员搜集的棕榈化石记录，与伦坡拉盆地棕榈化石相近的棕榈属的气候范围数据，以及伦坡拉盆地化石与现代棕榈属化石的形态比较数据。 2016年，研究团队在青藏高原中部伦坡拉盆地(32.033°N, 89.767°E)发现了保存较为完好的棕榈化石，将其与已有的棕榈化石进行了比较，发现它和已有的棕榈化石形态都不相同，因此，研究人员建立了一个新种——西藏似沙巴棕（<em>Sabalites tibensis</em> T. Su et Z.K. Zhou）。研究人员利用棕榈化石结合古气候模型重建了青藏高原中部的古高程，得出结论：新近纪之前青藏高原还没有出现。 数据中包含的表格如下： （1）Table S1. Fossil records of palms around the world（世界范围内的棕榈化石记录） （2）Table S2. Morphological comparisons between fossils from Lunpola Basin and modern palm genera（伦坡拉盆地化石与现代棕榈属化石的形态比较数据） （3）Table S3. Climate ranges of 12 living genera that show the closest morphological similarity to S. tibetensis T. Su et Z.K. Zhou sp. nov.（与新发现的西藏似沙巴棕化石（<em>S. tibetensis</em> T. Su et Z.K. Zhou sp. nov）形态最接近的12个现存棕榈属的气候范围） 数据也包含论文补充数据中的图形数据。
苏涛
"坡度、坡向等地貌参数数据（Digital data including slope and aspect,Slope and Aspect）数据是地理信息系统的基础数据，可以作为描述地形特征信息的两个重要指标,不但能够间接表示地形的起伏形态和结构,而且是水文模型、滑坡监测与 分析、地表物质运动、土壤侵蚀、土地利用规划等 地学分析模型的基础数据。目前，坡度和坡向数据一般在数字高程模型( Digital Elevation Model, DEM)上通过一定的计算模型计算得到。本数据以泛第三极34个关键节点为研究区域，以分辨率30米DEM数据为基底，实现对地面地形数据中坡度及坡向的数字化模拟（即地形表面数据中坡度坡向形态的数字化表达），最终得到了泛第三极关键节点坡度、坡向等地貌参数数据。 数据的区域为泛第三极34个关键节点（阿巴斯、阿斯塔纳、科伦坡、瓜达尔、孟巴、德黑兰、万象等地区）。
尚成
本数据集是2009年欧亚大陆草地遥感三级分类图，数据为tif栅格格式，空间分辨率为1公里，三级草地分类为：温性草甸草原、温性典型草原、温性荒漠化草原、温性草原化荒漠、温性荒漠几个类型。 该数据是根据欧空局全球陆地覆盖数据（ESA GlobCover）2009产品GlobCover 2009 land cover map，结合ECMWF网站历史气象数据（降水量，年积温，湿润系数，蒸发量）及DEM数据等加工而成。该数据可为欧亚大陆温性草地分布信息以及时空变异分析提供依据。
唐家奎
中国冰冻圈是指中国范围内，大气圈、水圈、生物圈、岩石圈的冻结部分。中国冰冻圈资源与环境信息系统是对中国冰冻圈资源与环境数据进行管理与分析的综合性信息系统。建立中国冰冻圈资源与环境信息系统一方面是满足地球系统科学的需要，为研制地理信息系统支持下的冻土、冰川以及雪盖对全球变化的响应与反馈模型提供参数与验证数据；另一方面系统整理和抢救宝贵的冰冻圈数据，为其提供一个科学、高效、安全的管理与分析工具。 中国冰冻圈资源与环境信息系统包含三个不同空间的基础数据库。其中青藏公路沿线部分的研究区域主要是青藏公路自西大滩到那曲约700公里长、公路两侧20～30公里宽的区域,这一区域广泛分布着多年冻土。青藏公路沿线基础数据库包含以下类型的数据： 1、冰冻圈数据。包括：积雪深度分布。 2、自然环境与资源。包括： 基础地质：第四纪地质（Quatgeo） 3、公路沿线冻土钻孔观测数据（Borehole）：青藏公路沿线200个钻孔探测资料。 工程地质剖面图（CAD）：岩性分布、含水量、颗分资料等 4、青藏公路沿线地区冰川质量平衡分布模型（Model）：预测冻土格网数据。 青藏公路沿线图形数据包括13幅的比例尺为1：250000图幅；格网尺寸为100×100m。 详情请查看数据中的文档“中国冰冻圈资源与环境信息系统设计.doc”、“中国冰冻圈资源与环境信息系统数据字典.DOC”、“数据库-青藏公路.DOC”。
李新
本数据集是欧亚大陆温性草地类型时空变异图—中国内蒙古区域三级分类（2009年），数据为tif栅格格式，空间分辨率为1公里，三级草地分类为：温性草甸草原、温性典型草原、温性荒漠化草原、温性草原化荒漠、温性荒漠几个类型。该数据是在已有内蒙古草原的草类型图基础上加工而成。内蒙古草原的草类型图是依据野外调查资料，以内蒙旗县为单位，根据草原类型分类系统，在预判基础上，叠加野外样地资料、遥感影像等信息数据，参考当地历史草原调查数据及相关资料，野外调绘修正而成。 我们选择2000-2009历史气象数据，结合卫星数据进一步分析修正，并进行空间插值计算。得出内蒙区域温性草地三级分类。该数据可用于欧亚大陆温性草地分布信息以及时空变异分析提供依据。
唐家奎
该数据集分析了2018-2019年全球典型洪水灾害事件的时空分布规律、影响及损失情况。2018年，全球洪水灾害发生次数共109起，死亡人口1995人，受灾人口总数达1262万人次，直接经济损失约为45亿美元，在全球近30年中处于较低水平。2018年全球洪灾事件发生次数上半年较下半年多，5月至7月发生频次较高。因此，以2018年美国弗罗伦斯飓风洪水、2018年尼日利亚尼日尔河洪水及2018年中国山东寿光洪水等三个典型灾害事件为案例，从灾害背景、致灾因子、受灾情况等方面进行了分析。
蒋梓杰, 蒋卫国, 武建军, 周红敏
黑河流域上游土壤容重，孔隙度，含水量，水分特征曲线，饱和导水率，颗粒分析，入渗率，以及采样点位置信息。 1、数据为2014年针对2012年补充取样，用环刀取原状土； 2、该土壤容重为土壤干容重，采用烘干法测量。将野外采集的原状环刀土样在烘箱中以105℃恒温24小时，土壤干重除以土壤体积（100立方厘米），单位：g/cm3 。 3、土壤孔隙度，根据土壤容重与土壤孔隙度的关系得到；， 4、土壤入渗分析数据集，数据为2013-2014年野外实验测量数据。 5、入渗数据是用“MINI DISK PORTABLE TENSION INFILTROMETER”进行测量，得到一定负压下的近似饱和导水率。 6、土壤粒度数据是在兰州大学西部教育部重点实验室粒度实验室进行测量。测量仪器为马尔文激光粒度仪MS2000。 7、饱和导水率是依据依艳丽(2009)的定水头发自制仪器进行测量。使用马利奥特瓶在实验过程中始终保持定水头；同时最后将当时测量的Ks转化为10℃时的Ks值进行分析计算。 8、土壤含水量数据是用ECH2O进行测量，包括5层的土壤含水量、土壤温度。 9、水分特征曲线采用离心机法测量：将野外采集的环刀原状土放入离心机，分别用转速0，310，980，1700，2190，2770，3100，5370，6930，8200，11600测量每次的转子重量得到。
贺缠生
DEM是数字高程模型的英文简称(Digital Elevation Model)是流域地形、地物识别的重要原始资料。DEM 的原理是将流域划分为m 行n列的四边形(CELL)，计算每个四边形的平均高程，然后以二维矩阵的方式存储高程。由于DEM 数据能够反映一定分辨率的局部地形特征，因此通过DEM 可提取大量的地表形态信息，这些信息包含流域网格单元的坡度、坡向以及单元格之间的关系等。同时根据一定的算法可以确定地表水流路径、河流网络和流域的边界。因此从DEM 提取流域特征，一个良好的流域结构模式是设计算法的前提和关键。 高程数据图是根据中国1:25万等高线和高程点形成的1km数据，包括DEM、山影（hillshade）、坡度（Slope）、坡向（Aspect）图 数据集投影： 两种投影方式 ： 正轴割圆锥等面积投影 Albers Conical Equal Area（105、25、47) 大地坐标WGS84坐标系
汤国安
本数据集为祁连山地区数据高程模型数据集，空间分辨率为30m。本数据集基于先进星载热发射和反射辐射仪的全球数字高程模型（ASTER-GDEM）数据，该数据集垂直精度20m，水平精度30m。通过对数据下载、预处理、拼接，生成祁连山地区30m×30m数字高程模型数据集，通过本数据集可以提取大量的地表形态信息，是祁连山地区地形分析、地物识别的重要基础数据，服务于祁连山地区生态环境监测、生态环境保护与治理工程实施、水文水资源分析与评价等工作。
祁元, 张金龙, 周圣明, 王宏伟
本数据集为祁连山重点区域2018年数字高程模型（DEM）数据集，空间分辨率5m。本数据集基于高分辨率立体测绘卫星资源三号数据，通过空间分辨率为2.1m（正视）和3.5m（后视）的三线阵立体CCD测绘数据，并结合高精度地形图等基础资料，利用前后视立体相对及平差模型提取祁连山重点区域DEM数据，最后通过GIS软件的Mosaic工具拼接成的5m×5m的祁连山重点区域DEM数据集。该数据能够应用于祁连山重点区域开展三维空间数据处理、水文分析、地形分析、灾害监测、人类活动监测等。
祁元, 张金龙, 周圣明, 王宏伟
数字高程模型（Digital Elevation Model)，简称DEM，是通过有限的地形高程数据实现对地面地形的数字化模拟（即地形表面形态的数字化表达），它是用一组有序数值阵列形式表示地面高程的一种实体地面模型。 第三极地区为40°1′52″N~23°11′59″N、105°43′45″E~61°28′45″E的世界屋脊生态地理区，其中包括青藏高原、横断山脉、喜马拉雅山脉、兴都库什山脉、帕米尔高原。划分依据：以海拔高度4000 m为基准，融合地形坡度，参考山体完整性和生态系统整体性，空间分辨率为0.008°×0.008°。
National Aeronautics and Space Administration
该数据集提供了南极洲1公里分辨率数字高程模型(DEM)。DEM结合了欧洲遥感卫星-1 (ERS-1)卫星雷达高度计(SRA)和冰、云和陆地高度计(ICESat)地球科学激光高度计系统(GLAS)的测量数据。ERS-1数据来自1994年3月开始的168天的两个长重复周期，GLAS数据来自2003年2月20日至2008年3月21日。数据集大约为240mb，由两个网格化二进制文件和两个用于可视化图像(ENVI)头文件的环境组成，可以使用ENVI或其他类似软件包查看。这些数据可以通过FTP获得。
National Aeronautics and Space Administration
数字高程模型（Digital Elevation Model)，简称DEM，是通过有限的地形高程数据实现对地面地形的数字化模拟（即地形表面形态的数字化表达），它是用一组有序数值阵列形式表示地面高程的一种实体地面模型。 北极地区指北极圈66°34′以内的区域和格陵兰岛在北极圈以外的部分。高程数据包括北极数字dem及山影数据(hillshade)，tif格式。范围为66°N~90°N，空间分辨率为0.008°×0.008°。 数据下载自NASA全球高程数据 DEM描述的是地面高程信息，它在测绘、水文、气象、地貌、地质、土壤、工程建设、 通讯、军事等国民经济和国防建设以及人文和自然科学领域有着广泛的应用。
National Aeronautics and Space Administration
该数据集主要是第四版本由 CIAT（国际热带农业中心）利用新的插值算法得到的SRTM地形数据，此方法更好的填补了SRTM 90的数据空洞。插值算法来自于Reuter et al.（2007）. SRTM的数据组织方式为：每5度经纬度方格划分一个文件，共分为24行（-60至60度）和72列（-180至180度），数据分辨率90米。 数据使用: SRTM的数据是用16位的数值表示高程数值的（-/+/32767米），最大的正高程9000米，负高程（海平面以下12000米），空值用-32767来表示。
Food and Agriculture Organization of the United Nations（FAO）
本数据集为近几年依据地质考察成果绘制的青藏高原北部的尼玛盆地和伦坡拉盆地等地点的地质剖面图。地质剖面采用方法为人工测量各个不同地层的厚度，由经验丰富的地质工作者鉴定各个不同地层的岩性，回到室内后将所获得的地层数据资料和岩性资料进行系统整理，使用绘图软件进行地质剖面图的绘制。地貌图使用相关地区的卫星观测图，使用绘图软件进行图片截取，添加文字说明。各图的描绘非常细致全面，对青藏高原北部的重要地点，尼玛盆地和伦坡拉盆地的地质地貌研究，尤其是古高度和高原隆升过程的研究有着重要作用。
吴飞翔
中亚-西亚地区资源环境基础地理数据集主要包括6部分：中亚-西亚地区行政区划图、地形地貌图、水系图、年累积降水图、年平均温度图和潜在蒸散发分布图。其中行政区划图为最新的国家边界数据，地形地貌图DEM分辨率为90米，水系图为最新的一级河流矢量数据。年累积降水图和年平均温度图中降水和温度数据由长时间序列的站点数据插值得到，而潜在蒸散发分布图中的潜在蒸散数据是基于Penman-Monteith公式计算得到，降水、温度和潜在蒸散数据均由原始0.5°的CRU数据基于ArcGIS软件的双线性插值方法重采样为0.25°得到，且数据集经过严格的质量控制和一致性检查，相关研究(Deng and Chen, 2017; Li et al., 2017; Li et al., 2016)表明该数据集在中西亚地区对气候相关研究具有很好的适用性。数据由中国科学院新疆生态与地理研究所遥感与GIS重点实验室生产，生产费用由“中国科学院战略性先导科技专项XDA20030101资助”。
许文强
地形起伏度是区域海拔高度和地表切割程度的综合表征｡在参考封志明等(2007)中国人居环境评价背景下的地形起伏度定义及其计算公式基础上，将数字高程模型（ASTER GDEM 30 m）数据重采样成1 km，运用模型计算得到绿色丝绸之路沿线国家地形起伏度公里网格数据集｡该数据集包括：（1）绿色丝绸之路沿线国家地形起伏度公里网格空间数据；（2）绿色丝绸之路沿线国家海拔数据；（3）绿色丝绸之路沿线国家平地数据。
肖池伟
ASTER Global Digital Elevation Model （ASTER GDEM）是美国航空航天局 （NASA）和日本经济产业省（METI）联合发布的全球数字高程数据产品，该DEM数据是根据NASA新一代对地观测卫星TERRA的观测结果完成，是由ASTER（Advanced Space borne Thermal Emission and Reflection Radio meter）传感器搜集的130万个立体像对数据制作，其覆盖范围超过了地球99%陆地表面。本数据下载自ASTER GDEM数据分发网站，为了便于用户使用数据，在分幅ASTER GDEM数据的基础上，我们使用erdas软件进行拼接制备青藏高原ASTER GDEM镶嵌图。 ASTER GDEM发布了两个版本，第一个版本于2009年6月发布，第二个版本于2011年10月发布，本数据集为青藏高原地区第二版本的ASTER GDEM数据集。 本数据集共包括三个数据文件： ASTER_GDEM_TILES ASTERGDEM_MOSAIC_DEM ASTERGDEM_MOSAIC_NUM 青藏高原地区ASTER GDEM数据，精度30米，原始数据为tif格式，镶嵌数据使用img格式存储。 本数据集原始数据下载于ASTERGDEM网站，完全保留了数据的原貌，ASTER GDEM在分发时被分割为若干1×1度的数据块，分发格式为zip压缩格式，每个压缩包包括两个文件，文件命名格式如下： ASTGTM_NxxEyyy_dem.tif ASTGTM_NxxEyyy_num.tif 其中xx为起始纬度，yyy为起始经度。_dem.tif为dem数据文件，_num.tif为数据质量文件。 ASTER GDEM TILES：原始数据保留数据原貌，未进行处理 ASTERGDEM_MOSAIC_DEM：使用erdas软件对dem.tif数据进行镶嵌，参数设置使用默认值 ASRERGDEM_MOSAIC_NUM：使用erdas软件对num.tif数据进行镶嵌，参数设置使用默认值 原始数据保留数据原貌，精度同ASTERGDEM数据分发网站的数据精度，该数据的水平精度30米，高程精度为20米。镶嵌数据使用erdas制作，参数使用默认值。
METI, NASA
绿色丝绸之路坡度数据集可以用来表征地表单元陡缓的程度，对地形表面陡缓程度的定量化描述. 运用来源于USGS的GMTED2010 DEM数据，计算坡度数据。首先，对数据进行预处理，包括投影、裁剪等，得到绿色丝绸之路区域的DEM数据，其次，在ArcGIS软件中选择度数法计算坡度，生成绿色丝绸之路坡度数据集。该数据集质量优良，能精确反映绿色丝绸之路地区的地表缓陡程度。该数据可以应用于测绘、遥感、环境资源、农林土地规划、城市规划、灾害监测、水电工程及军事等资源环境和社会经济等领域。
杨小唤
数据来源于美国地质勘探局（USGS）开发的30秒全球高程数据集，于1996年完成。从NCAR和UCAR联合的数据下载中心（https://rda.ucar.edu/datasets/ds758.0/）下载了泛第三极区域的数据，并通过数据中心重新分发。GTOPO30在分发时将全球分为33个区块，采样间隔为30弧秒， 即0.008333333333333度，坐标参考为WGS84，其值为垂直方向高出海平面的距离，即海拔，单位为m，海拔范围-407到8752，这里不包含海洋深度信息，负值为大陆架的海拔；海洋处标记为-9999，海岸线以上大陆海拔至少为1；小于1平方千米的岛不考虑。详细说明信息请见说明文档。 为了便于用户使用方便，在分块数据的基础上，将-10S-90N，20W-180E内10个区块进行拼接，没有经过任何重采样处理。本数据文件为DEM_ptpe_Gtopo30.nc
何永利
该数据为涵盖六大经济走廊的DEM数据，能够反映出六大经济走廊的海拔高度，单位米(m)。该数据空间分辨率为0.016度，约为1.8km，经度范围12.09°E-180°，纬度范围10.99°S-90°N，来源自美国国家海洋和大气管理局构建的Global Relief Model，并基于现阶段“一带一路”主要边界裁剪得到。该数据是评估六大经济走廊中的自然灾害(包括泥石流、滑坡、山洪等灾害)风险所必需的基础数据之一，应用频率高与前景广泛。
美国国家海洋和大气管理局, 邹强
中亚地区2017年输沙势数据集，为tif格式。其空间范围涵盖里海在内的中亚五国地区，包括乌兹别克斯坦、哈萨克斯坦、土库曼斯坦、塔吉克斯坦和吉尔吉斯坦。此输沙势为绝对输势，即各个方向的输沙通量的综合，不考虑输沙势的方向。该数据由GLDAS全球三小时同化数据提取计算获得。时间分辨率为月，空间分辨率为0.25°，时间范围为2017年。该数据可以作为沙尘传输模型的重要参数输入，也可用于评估中亚五国沙通量的总体分布情况。该数据集可作为风沙灾害评估的重要参考数据。
高鑫
该数据为涵盖六大经济走廊的坡度数据，能够反映出六大经济走廊地表单元陡缓的程度，单位°。该数据空间分辨率为0.016度，约为1.8km，经度范围12.09°E-180°，维度范围10.99°S-90°N，来源自美国国家海洋和大气管理局构建的Global Relief Model，基于“一带一路”国家边界裁剪得到。该数据是评估六大经济走廊中的自然灾害(包括泥石流、滑坡、山洪等灾害)风险所必需的基础数据之一，应用频率高与前景广泛。
邹强
中亚地区植被覆盖度数据，数据格式为“.tif”的栅格数据集。范围包含了里海在内的中亚五国地区。该数据由MODIS-NDVI数据集，根据干旱区植被盖度与NDVI之间的经验关系计算得到。该数据空间分辨率为500m，时间分辨率为16天，时间范围为2017年1月1日至2017年12月18日，其坐标系统为大地坐标系统。该数据集可为中亚地区沙漠油气田与绿洲城镇风沙灾害评估提供数据基础。该数据由中国科学院新疆生态与地理研究所提供。
高鑫
中亚地区粗糙度数据，数据格式为“.tif”的栅格数据集。范围包含了里海在内的中亚五国地区。该数据由MODIS-NDVI数据集，根据地表植被覆盖度与地表中值粒径计算得到。该数据空间分辨率为500m，时间分辨率为16天，时间范围为2017年1月1日至2017年12月18日，其坐标系统为大地坐标系统。该数据集可为中亚地区沙漠油气田与绿洲城镇风沙灾害评估提供数据基础。该数据由中国科学院新疆生态与地理研究所提供。
高鑫
数字高程模型（Digital elevation model dataset of all nodes area,DEM）数据是地理信息系统的基础数据，可用于土地利用现状的分析、合理规划及洪水险情预报等，描述的是地面高程信息，对自然地理要素以及与地面有关的社会经济及人文要素等研究具有重要研究意义。 数据集以泛第三极范围内31个关键节点（Abbas, Alexander, Ankara, Astana, Bangkok, Chittagong, Colombo, Dhaka, Djibouti, Ekaterinburg, Gwadar, Hambantota, Karachi, Kolkata, Kuantan, Kyaukpyu, Maldives, Mandalay, Melaka, Minsk, Mumbai, Novosibirsk, Piraeus, Rayong, Sihanouk, Tashkent, Teheran, Valencia, Vientiane, Warsaw, Yangon）为研究区域，ASTER GDEM(第二版)数字高程模型为数据源，实现对地面地形的数字化模拟（即地形表面形态的数字化表达），最终得到了关键节点区域的数字高程模型数据。其他如坡度、坡向及坡度变化率等地貌特性可在本数据集的基础上派生。
尚成
数据集包含了黄土高原地区影响土壤侵蚀的30m分辨率坡向因子，基于黄土高原地区高程数据提取的坡向数据。然后每个专题按1:25万地图标准分幅方式划分图幅，用1:25万标准图幅号命名。地理坐标系为WGS1984；精度可满足区域尺度水文和土壤侵蚀分析、预报的要求。
刘宝元, 史海静
SRTM（Shuttle Radar Topography Mission，即航天飞机雷达地形测绘任务）数据，2000年2月由美国太空总署(NASA)和国防部国家测绘局(NIMA)联合发射的“奋进”号航天飞机测量得到，“奋进”号上搭载的SRTM系统共计进行了222小时23分钟的数据采集工作，获取北纬60度至南纬56度之间，覆盖全球陆地表面的80%以上，覆盖中国全境。该计划获取的雷达影像数据经过两年多的处理，制成了数字地形高程模型。 本数据集原始数据下载自SRTM数据分发网站（http://srtm.csi.cgiar.org）。为了便于用户使用数据，在分幅STRM数据的基础上，我们使用erdas软件进行拼接制备青藏高原STRM镶嵌图。 精度30米，数据格式为geotif格式。 本数据集的原始数据下载于SRTM数据分发网站（http://srtm.csi.cgiar.org ） SRTM数据每经纬度方格提供一个文件，经度有1 arc-second和3 arc-second两种，称作SRTM1与SRTM3，或者称作30m与90m数据。本数据集为90m分辨率的SRTM3数据，数据版本SRTM V4.1（Geotiff格式）。
Food and Agriculture Organization of the United Nations（FAO）
本数据集为青藏高原数字高程模型，可用来辅助青藏高原区域的基础地理信息分析研究工作。 原始资料数据为Global Land Cover Network (GLCN)提供的Shuttle Radar Topography Mission (SRTM)数据，原数据是分幅、经纬度的数据，WGS84坐标系，空间分辨率3″。经过镶嵌处理，对镶嵌过程中产生的Nodata空值数据进行插值填补，完成数据的填补工作后，进行投影转换处理，生成数据为Albers等面积圆锥投影，投影转换后数据空间分辨率为90m，最后用青藏高原的边界进行切割，获得最终数据。 本数据表共有两个字段 字段1：value 数据类型：长整型 解释：海拔高程 单位：米 字段2：count 数据类型：长整型 解释：对应海拔高程的图斑个数 数据精度：空间分辨率90m
Global Land Cover Network
本数据集包含青藏高原数字坡向分布及坡向度数数据，可用来辅助青藏高原区域的基础地理信息分析研究工作。 原始资料数据为Global Land Cover Network (GLCN)提供的Shuttle Radar Topography Mission (SRTM)数据，原数据是分幅、经纬度的数据，WGS84坐标系，空间分辨率3″。经过镶嵌处理，对镶嵌过程中产生的Nodata空值数据进行插值填补，完成数据的填补工作后，进行投影转换处理，生成数据为Albers等面积圆锥投影，转换投影后，空间分辨率90m。最后用青藏高原的边界进行切割，获得DEM数据。在ArcMap下使用空间分析模块，计算坡向，生成坡向图。 像元值：value 数据类型：浮点型 解释：坡向度数 量纲：度 数据精度：空间分辨率90m
GLCN
本数据集包含青藏高原数字坡度分布及坡度度数数据，可用来辅助青藏高原区域的基础地理信息分析研究工作。原始资料数据为Global Land Cover Network (GLCN)提供的Shuttle Radar Topography Mission (SRTM)数据，原数据是分幅、经纬度的数据，WGS84坐标系，空间分辨率3″。经过镶嵌处理，对镶嵌过程中产生的Nodata空值数据进行插值填补，完成数据的填补工作后，进行投影转换处理，生成数据为Albers等面积圆锥投影，转换投影后，空间分辨率90m。最后用青藏高原的边界进行切割，获得DEM数据。在ArcMap下使用空间分析模块，计算坡向，生成坡度图。 字段：value 数据类型：浮点型 解释：坡度度数 量纲：度 数据精度：空间分辨率90m
Global Land Cover Network
青藏高原典型冰川DEM采用双站InSAR方法制作，数据采集时间为2013年11月21日，覆盖范围为普若岗日和祁连山西部地区，空间分辨率10米，高程精度0.8m的DEM结果，精度可满足国家1∶10000地形制图的要求。冰川DEM采用TanDEM-X双站InSAR数据，采用改进的SAR干涉处理方法，顾及了双站InSAR在成像几何和相位解缠等方面的特点，高分辨率、高精度地生成了上述两个典型冰川的表面DEM。该数据集采用Geotiff格式，每个典型冰川DEM存储为一个文件夹。 数据的详细情况见青藏高原典型冰川DEM数据集-数据说明。
江利明
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
