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
中亚干旱区极端降水指数长时间序列数据集包含了49个站点的10项极端降水指数长时间序列数据。该数据集以全球日气候历史数据网络（GHCN-D）的逐日降水数据为基础，经过数据质量控制和异常值剔除，选取符合极端降水指数计算的站点，计算了气候变化检测和指数联合专家组（ETCCDI）定义的10项极端降水指数（PRCPTOT、SDII、RX1day、RX5day、R95pTOT、R99pTOT、R10、R20、CWD、CDD）。其中，有15站时间序列为1925-2005年。本数据集可以作为在全球气候变化下中亚干旱区极端降水事件发生频率和趋势探测分析的材料，也可以作为基础数据来探索极端降水事件对农牧业生产和生命财产损失的影响。
姚俊强, 陈静, 李建刚
数据内容主要包括青藏高原可可西里至拉萨板块部分岩浆岩全岩的主微量数据。样品分布地区主要有可可西里湖、南羌塘果干加年、都古尔，以及冈底斯纳如松多、萨嘎县等地区。岩石样品包括橄榄白榴岩、石英二长岩、闪长岩和花岗岩等主微量元素累计300余件，对青藏高原岩石圈演化研究具有重要意义。数据主要来自已经发表的文章或正在接受。主量元素测试采用XRF光谱方法，微量测试采用ICP-MS。数据质量高度可信，测试单位包括中国科学院广州地球化学研究所国家重点实验室等。数据发表在高级别期刊，包括《Geology》、《BSA Bulletin》以及《Journal of Petrology》等。
唐功建, 王军, 齐玥, 周金胜, 但卫
北半球过去千年（1000-2000 AD)、年分辨率、2°空间分辨率气温场数据集（距平值）。本数据集通过古气候数据同化方法产生，同化的模型算子是MPI-ESM-P，观测数据为396条年分辨率的代用资料，同化方法为集合平方根滤波算法（EnSRF）。同化重建的气温场和气温观测资料、代用资料重建的气温具有很好的一致性（平均相关系数>0.6, p-value < 0.01）。数据可为研究过去千年北半球尺度和区域尺度气温变化提供高质量的基础数据。
方苗, 李新, CHEN Hans W., CHEN Deliang
该数据集依据中分辨率长时间序列遥感影像Landsat，通过影像融合、遥感解译、数据反演等多种方式获得青藏高原1990/1995/2002/2005/2010/2015六期生态系统类型情况分布图，作出25年（1990-2015）青藏高原生态本底图，空间参考系统为Krasovsky_1940_Albers，空间分辨率为1000m。青藏高原各类生态系统面积统计表明，1990-2015年间，林地、草地面积略有减少，城镇用地、农村居民点及其他建设用地面积增加，河流、湖泊等水体面积增加，永久性冰川积雪面积减少。该图集可用于青藏高原生态工程的规划、设计及管理，并可作为生态系统现状的基准，用于阐明青藏高原重大生态工程建设的时空格局，揭示青藏高原生态系统格局和功能的变化规律和区域差异。
赵慧, 王小丹
青藏高原是陆地表面中低纬度地区多年冻土分布最为广泛的地区，大量研究表明，青藏高原多年冻土的存在和变化强烈影响着区域乃至全球的水文、生态和气候系统。但由于青藏高原高寒缺氧、生存条件恶劣、交通极不便利，数据资源非常贫乏，尤其是在极高海拔的多年冻土区，这种状态不仅严重地限制了对于该区域气候、环境和冻土等诸多方面的研究和理解，也严重限制了适应于该区域遥感反演算法的研发、各类陆面乃至于地球系统模型的模拟和改进，而且也限制了该区域经济发展和国家战略的规划。过去几十年，我们研究团队在青藏高原多年冻土区建立了综合观测网络，展开了对多年冻土地温、活动层水热以及气象因子的系统监测，形成了能够基本覆盖青藏高原高平面的、与多年冻土有关的多要素观测数据。本数据集包括在这一区域的6个自动气象观测站、12个活动层及84个钻孔长时间序列观测数据，主要观测要素包括气象（气温、降水、风速、比湿等）、土壤水热、活动层厚度及冻土温度等观测数据。各观测数据在收集和处理过程中都已经过了严格的质量控制。本数据集面向多学科背景的科学家发布（如：冰冻圈、水文学、生态学和气象科学等），将进一步促进青藏高原水文模型、陆面过程模型和气候模型的验证、发展和改进。
赵林, 胡国杰, 邹德富, 吴通华, 杜二计, 刘广岳, 肖瑶, 李韧, 庞强强, 乔永平, 吴晓东, 孙哲, 幸赞品, 盛煜, 赵拥华, 史健宗, 谢昌卫, 汪凌霄, 王翀, 程国栋
该数据集记录了长江、黄河、湟水国控地表水监测断面水质评价结果(2010-2012年)。数据统计自玉树州生态环境局，数据集包含18个文件，分别为：2010年4月长江干流国控断面水质状况评价，2010年5月长江干流国控断面水质状况评价，2010年9月长江干流国控断面水质状况评价，2010年10月长江干流国控断面水质状况评价等，数据表结构相同。 每个数据表共有7个字段，2010年4月长江干流国控断面水质状况评价表： 字段1：监测断面 字段2：水环境功能区类划分 字段3：水质类别 字段4：主要污染指标 字段5：水质状况 字段6：上月水质状况 字段7：上年同期水质状况
玉树州生态环境局
该数据集记录了青海省2011-2018年突发性地质灾害主要分布。数据统计自青海省生态环境厅，数据集包含7个数据表，分别为：2011年突发性地质灾害主要分布，2012年青海省突发性地质灾害主要分布，2014年青海省突发性地质灾害主要分布统计表，2015年青海省突发性地质灾害主要分布统计表，2016年青海省突发性地质灾害主要分布统计表，2017年青海省突发性地质灾害分布表，2018青海省年突发性地质灾害分布表，数据表结构相同。 每个数据表共有5个字段，例如2016年青海省突发性地质灾害主要分布统计表： 字段1：县(市) 字段2：滑坡 字段3：崩塌 字段4：泥石流 字段5：黄土湿陷
青海省生态环境厅
该数据集记录了青海省海西州2018年7月-2019年9月污染源监控中心运行情况。数据整理自海西州生态环境局，数据集包含42个文本文件，记录了2018年7月至2019年9月期间海西州污染源监控中心运行周报，每个文件记录一次周报内容。包括视频监控系统运行情况、在线监控系统运行情况、新建在线监测系统建设验收情况、在建在线监测系统建设验收情况、在线监测数据分析情况和传输有效率等。数据覆盖时间范围：2018年7月16日至2019年9月1日。
青海省海西州生态环境局
该数据集记录了2015-2018年青海省各监测区地下水水位动态变化统计情况表。数据统计自青海省自然资源厅，数据集包含4个数据表，分别为：2015年青海省各监测区地下水水位动态变化统计表，2016年青海省各监测区地下水水位动态变化统计表，2017年青海省各监测区地下水水位动态变化统计表，2018年青海省各监测区地下水水位动态变化统计表，数据表结构相同，共包含7个字段： 字段1："地理位置" 字段2："基本平衡区(km2)" 字段3："占监测面积的百分比（(%)" 字段4："弱下降区(km2)" 字段5："占监测面积的百分比(%)" 字段6："强下隆区(km2)" 字段7："占监测面积的百分比(%)"
青海省自然资源厅
该数据集记录了青海省格尔木市2012-2018年监测区地下水水位动态统计数据，同时按照年份和数量分类统计。数据整理自青海省自然资源厅官方网站。数据集包含7个数据表，分别为：2012、2013、2014、2015、2016、2017、2018年的格尔木监测区地下水水位动态统计，数据表结构相同。例如2012年的数据表共有5个字段： 字段1：年份 字段2：钾观5 字段3：观4 字段4：观39 字段5：钾观1
赵虎
青藏高原地面光谱数据集主要是利用光谱仪测定不同土地利用类型的光谱特征，测定的地物类型主要分为林地、（高寒）灌木、（高寒）草地、湿地、耕地与裸地等。包含拉萨、林芝、日喀则、阿里、那曲部分县区的实地观测点。林地数据采集测定植被不同生长阶段的光谱特征；草地数据采集测定不同覆盖度的光谱特征；耕地测定常见作物油菜花与青稞田块的光谱特征；湿地则主要测定长流水河流旁的湿地、低洼谷地自然形成的湿地、湖泊旁的湿地等；裸地则测定无植被覆盖的荒漠、戈壁、道路等的光谱特征。观测时间为2019年7-8月，数据为日观测数据。数据集可以为遥感解译的实地验证提供参考。
冯晓明
该数据集是来自CMIP5的3个全球气候模式（CCSM4、HadGEM2-ES和MPI-ESM-MR)的高分辨率动力降尺度结果，使用的区域模式是WRF，覆盖中亚五国，空间分辨率是9km，未来时段是2031-2050(包含1.5-2℃升温阈值对应的10年区间），历史参考时段是1986-2005，碳排放情景是RCP4.5，包含的变量是2米气温和降水（对流和非对流降水），时间分辨率是年。该数据可以用于中亚气候预估。
邱源
本数据集包括中亚大湖区五国（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）的内陆水域数据，包括河流，运河和湖泊的分布。各个国家的线状和面状要素分别存储在不同文件中。该数据集来自世界数字地图（DCW），其主要来源是美国，澳大利亚，加拿大和英国制作的美国国防测绘局（DMA）的操作导航图（ONC）1：1,000,000比例纸质地图系列。DCW数据库最后更新至1992年，并于2006年开始免费提供。
徐晓凡, 谈明洪
面向中亚五国农业可持续发展，以耕地为目标，从土地资源开发利用风险角度开展了土地资源脆弱性评价。以耕地为目标的土地资源开发利用风险评价因子包括：地形因子（高程、坡度）、土地利用类型、土壤质地等，农业可持续发展评价因子包括：人均GDP、人均谷物产量、农业经济增长率、城市化水平、人口自然增长率、土壤有机质含量等。将上述指标中直接代表土地资源属性的土地利用类型、土壤质地、土壤有机质含量等作为土地资源脆弱性评价指标，基于指标加权平均获取了土地资源脆弱性，并将土地资源脆弱性评价作为土地资源开发利用风险评价的一部分，进行土地资源开发利用风险评估时采用多元线性回归方法确定土地资源脆弱性评价指标的权重。数据提供了1995s (1992-1996), 2000s (1997-2001), 2005s (2002-2006), 2010s (2007-2011), 2015s (2012-2017)和1995-2015六个时间段的中亚五国土地资源脆弱性，空间分辨率为0.5°×0.5°。数据集可为中亚五国土地资源开发利用和农业发展等提供基础数据支撑。
李兰海, 黄法融
1）沙尘、硫酸盐、有机碳、黑碳和海盐气溶胶以及总气溶胶的光学厚度、垂直质量浓度和消光系数； 2）数据来源：数值模拟，加工方法：基于CALIPSO卫星垂直观测和全球气溶胶模式，通过四维局地集合转换卡尔曼滤波同化方法产生； 3）数据质量良好； 4）该气溶胶同化数据时空覆盖完整，可用于泛第三极地区气溶胶及其化学组分的时空分布特征及其演变规律研究，还可用于气溶胶-云互馈对降水和水汽输送及其辐射、气候以及环境效应研究。
戴铁, 程越茗
CMIP5（Coupled Model Intercomparison Project Phase 5）是气候耦合模型相互比较项目的第五阶段实验，提供了一个多气候模式环境，可用于预估“一带一路”关键节点区域未来气候变化，以应对关键节点区域的环境气候问题。本数据集以“一带一路”关键节点区域为研究区，对CMIP5的43个气候模式对研究区未来气候变化的预估能力进行评估，以模拟结果的均方根误差为标准，分别选取RCP4.5及RCP8.5情景下模拟能力最优的气候模式，对研究区进行气候模拟，得到研究区2006至2065年降雨量、气温的未来预估数据，并使用统计降尺度方法使数据集空间分辨率达到10km，时间分辨率为每月。每一期数据具有三个波段，分别是气温最大值、气温最小值和降雨量。本数据集中，降雨量单位为kg/(m^2*s)，气温单位为K。本数据集为应对关键节点区域的环境气候问题提供数据基础。
李炘妍, 凌峰
青藏高原蒸散发是利用遥感、气象、以及野外通量观测站等数据，采用多尺度-多源数据协同的陆表蒸散遥感模型-ETWatch进行计算的。ETWatch采用了余项法与P-M公式相结合的方法计算蒸散。首先根据数据影像的特点选择适用的模型反演晴好日蒸散；遥感模型常常因为天气状况无法获取清晰的图像而造成数据缺失，为获得逐日连续的蒸散量的，引入Penman-Monteith公式，将晴好日的蒸散结果作为“关键帧”，将关键帧的地表阻抗信息为基础，构建地表阻抗时间拓展模型，填补因无影像造成的数据缺失，利用逐日的气象数据，重建蒸散量的时间序列数据，并通过数据融合模型，将中低分辨率的蒸散时间变化信息与高分辨率的蒸散空间差异信息的相结合，构建高时空分辨率蒸散数据集，从而生成青藏高原8km分辨率蒸散数据集(1990-2015)。
王晓峰
1）数据内容：泛第三极地区基于遥感反演的主要生态环境数据，包含PM2.5浓度、森林覆盖率、EVI、土地覆被、CO2等指标；2）数据来源及加工方法：PM2.5数据来源于the Atmospheric Composition Analysis Group Web site at Dalhousie University、森林覆盖度数据来源于MODIS Vegetation Continuous Fields (VCF)，CO2数据来源于ODIAC Fossil fuel emission dataset，EVI数据来源于MODIS Vegetation Index Products，土地覆被数据来源ESA CCI Land cover。提取出泛第三极65个国家和地区，其他未进行加工；3）数据质量描述：数据2000-2015年数据时间序列较好；4）数据应用成果及前景：可用于生态环境变化分析。
李广东
本数据集包含青藏高原地区近50年（1950-2002）的自然灾害统计信息，包括干旱、雪灾、霜灾、冰雹、洪涝、风灾、雷电灾害、寒潮和强降温、低温冻害、大风沙尘暴、虫灾、鼠害等气象灾害产生的时间地点及所造成的损失及影响。 青海和西藏是青藏高原的主体，青藏高原是我国生物物种形成、演化的中心之一，也是国际科技界瞩目的研究气候和生态环境变化的敏感区和脆弱带，其复杂的地形条件，高峻的海拔高度和严酷的气候条件决定了生态环境十分脆弱,，成为我国自然灾害发生最频繁的地区。 数据摘录自《中国气象灾害大典·青海卷》、《中国气象灾害大典·西藏卷》，人工录入总结校对。
统计局
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
