本数据集成了多种现状自然地理图数据，结合土地适宜性评价、作物生长模型和情景分析等方法，生成了2015-2100年1km网格尺度下中国生物质资源及能源技术潜力，时间分辨率为5年，空间分辨率为1km。该数据集包括了3大类11种生物质资源类型（剩余物有旱地农业剩余物、水田农业剩余物、森林剩余物、灌丛剩余物、果园剩余物和草地剩余物6种，废弃物有禽畜粪便、MSW和COD 3种，能源作物有甜高粱和柳枝稷2种），全面覆盖了可资源化利用的生物质类型。数据格式为栅格数据（.tiff），可用ArcGIS及R/Python等编程语言打开。 生物质是未来中国实现碳中和技术体系中负碳技术的依赖性资源，本研究开发的生物质数据同时具备覆盖范围广（全国）、空间分辨精细（1km网格）、时间跨度广（2015-2100年）三大优点，能够为我国制定低碳减排战略及部署生物质能源技术策略提供详细的支撑定量数据。
蔡闻佳, 聂耀昱, 汪蕊
提供1990-2015年逐年的中国土地覆盖类型详细空间分布状况，空间精度为0.25°，地理坐标系为WGS84。每个栅格显示了土地利用类型占网格面积的比值（0-1之间）。数据来源于马里兰大学的全球土地利用空间分布图，对原始数据进行时间线性插值、中国区域掩膜提取以及坐标系转换后得到历史均一化中国土地利用数据，以geotiff文件格式保存。历年数据的方法、标准一致，覆盖范围完整，采集处理过程可溯、可靠。实现了现有人口数据产品的均一化，为分析人文要素规律、人文要素和自然要素的相互作用机制提供基础。
王灿, 王嘉琛
提供中国范围内人口数据在1990-2015年逐年的详细空间分布状况，数据为1km栅格数据，以人口数pop作为指标。本栅格数据综合考虑多因素进行权重分配实现人口的空间化，便于数据共享、进行空间统计分析。数据来源于中国科学院地理科学与资源研究所资源环境科学与数据中心，对原始数据进行时间的线性插值得到逐年数据，以geotiff文件格式保存。历年数据的方法、标准一致，覆盖范围完整，采集处理过程可溯、可靠。
王灿, 王嘉琛
提供中国1990-2015年农业灌溉、市政、工业生产、畜牧业、一次能源开采、发电六个部门取水量的空间分布，空间精度为0. 5°，地理坐标系为WGS84。数据来源于JGCRI论文数据集，对原始数据进行时间线性插值、中国区域掩膜提取以及坐标系转换后得到历史均一化中国取水量数据，以geotiff文件格式保存。历年数据的方法、标准一致，覆盖范围完整，采集处理过程可溯、可靠。本数据实现了现有数据产品的均一化，为分析人文要素规律、人文要素和自然要素的相互作用机制提供基础。
王灿, 王嘉琛
青藏工程走廊北起格尔木，南至拉萨，其穿越青藏高原核心区域、是连通内地与西藏的重要通道。活动层厚度不仅是研究多年冻土区地面热状态的重要指标，而且是冻土工程建设中需考虑的关键因子。GIPL1.0的核心是Kudryavtesv方法，该模型考虑了雪盖、植被和不同土层的热物理性质，但尹国安等发现相比Kudryavtesv方法，引入TTOP模型后精度更高，因此结合冻结/融化指数对模型做了改进，通过实地监测数据验证发现：活动层厚度模拟误差小于50cm。因此利用改进后的GIPL1.0 模型模拟了青藏工程走廊的活动层厚度，并预测了SSP2-4.5气候变化情景下未来活动层的厚度。
牛富俊
提供中国1990-2015年逐年农业、能源开采、工业及燃料燃烧、地表交通、居民及商业住宅、溶剂生产、废弃物处置、国际船运8个部门BC，CH4，CO2，CO，NH3，NMVOC，NOx，OC，SO2排放量的空间分布，单位为kg/m2/yr。空间精度为0. 5°，地理坐标系为WGS84。数据来源于CEDs数据集，对原始数据进行时间线性插值、中国区域掩膜提取以及坐标系转换后得到历史均一化中国土地利用数据，以geotiff文件格式保存。历年数据的方法、标准一致，覆盖范围完整，采集处理过程可溯、可靠。
王灿, 王嘉琛
提供中国范围内GDP数据在1990-2015年逐年的详细空间分布状况，数据为1km栅格数据，单位为万元/平方千米。本栅格数据综合考虑多因素进行权重分配实现GDP的空间化，便于数据共享、进行空间统计分析。数据来源于资源环境科学数据注册与出版系统，对原始数据进行时间的线性插值得到逐年数据，以geotiff文件格式保存。历年数据的方法、标准一致，覆盖范围完整，采集处理过程可溯、可靠。生成日期：2022.07.15，版本：V1.0
王灿, 王嘉琛
地表实际蒸散发是陆表水循环的关键环节，同时也是能量平衡的重要支出项，且与地表碳收支密切相关，其准确估算不仅对于研究地球系统和全球气候变化具有重要意义，而且对于水资源有效开发利用、农作物需水生产管理、旱情监测和预测、天气预报等方面具有十分重要的应用价值。ETMonitor全球逐日1公里分辨率地表实际蒸散发数据集是基于多参数化、适用于不同土地覆盖类型的地表蒸散发遥感估算模型ETMonitor计算得到，输入数据主要采用的遥感数据包括GLASS产品（叶面积指数、植被覆盖度和反照率）、MODIS产品（地表覆盖、积雪覆盖）、动态地表水体覆盖、ESA CCI土壤水分、GPM降水等，并结合欧洲中期天气预报中心的ERA5全球大气再分析数据等。利用ETMonitor模型在日尺度上估算1公里分辨率像元尺度的植被蒸腾、土壤蒸发、冠层降水截留蒸发、水面蒸发和冰雪升华，并对各分量求和获得逐像元逐日蒸散发量。利用FLUXNET等地面观测数据进行直接验证，估算结果与地面实测数据一致性较好，逐日蒸散发验证RMSE为0.93mm/d，误差为0.08 mm/d，相关系数为0.75。本数据集将ETMonitor估算获得的逐日蒸散发值（https://doi.org//10.12237/casearth.6253cddc819aec49731a4bc2）进行累积求和运算，获得逐月蒸散发，并转为经纬度投影进行公开发布。本数据集覆盖全球，时间步长为每月，空间分辨率为1公里，单位为mm/月，数据类型为整型，缩放系数为0.1，无效值填充-1。
郑超磊, 贾立, 胡光成
日照时数重建可以较好的反应地表太阳辐射的长期变化趋势，但只是站点数据。因此要得到高分辨率网格点数据，同时保证其在长期变化方面上的精度，需要融合多种地表太阳辐射相关数据。利用地理加权回归（GWR）方法，融合了MODIS 0.1°分辨率云量和气溶胶反演以及地面日照时数重建地表太阳辐射站点数据。通过增加相邻点数方案的组合判断，有效地提高了地理加权回归降尺度结果的准确性，得到的中国区域多年平均值、长期趋势与观测和卫星遥感反演结果基本一致。采用地理加权回归等方法，生成0.1度网格的地表风速和相对湿度数据；利用改进的彭曼公式计算了陆表蒸散数据。
王开存
持续的全球变暖和冰冻圈退化正在引起人们对适应山区环境不稳定的关注。近几十年来，与冰川有关的斜坡崩塌，如冰崩、冰川上的岩崩，已被频繁记录。在这项研究中，我们建立了一个与冰川有关的滑塌的全球清单，以研究它们的分布、趋势、断裂以及与气候变化的关系。在1901-2019年期间，共记录了737起与冰川相关的滑塌事件，包括156次冰崩，89次冰-岩崩，26次冰川滑塌，以及466次冰川上岩崩。西北太平洋地区有记录的案例最多（N=440，60%），其中以冰川上岩崩最为主要。此外，整合与完善了目前公布的地区或全球性质的冰湖溃决洪水清单，并单独分离出了冰碛湖溃决洪水事件。1901-2020年间共统计到380起冰碛湖溃决洪水事件，是目前最为完善的全球范围内的清单。
张太刚, 王伟财
云覆盖着70%的地球表面，是影响大气辐射收支平衡以及气候变化的重要因素之一，同时也是全球水循环的重要组成部分。考虑到东亚-太平洋（EAP）地区缺乏具有高时空分辨率的可靠云参数数据，利用下一代地球静止卫星Himawari-8开发了2016年、时间辨率为1h、空间分辨率为0.1°、0.25°、1°的云参数数据集。本数据集所提供的云产品包括宏观参数和微观参数，其中宏观参数包括：云量（CF）、云检测（CM）、云相态检测（CP）、云顶压强（CTP）、云顶高度（CTH）、云顶温度（CTT）、云类型（CT）、过冷水检测（SWC）；微观参数包括：云光学厚度（COT）、云粒子有效半径（CER）。所生产的这些云参数在精度方面均达到了国际先进水平。
胡斯勒图
水体覆盖是水循环、能量平衡的基本参数之一。本数据集以1982-2020年AVHRR逐日反射率时间序列为基础，生产了青藏高原39年超长期逐日水体制图产品（包含水体结冰信息）。本数据集包含39个文件夹，以年份命名（从1982年到2020年），每个文件夹包含365/366个GeoTiff文件，每个文件包含两个波段：（1）水体制图波段（WaterLayer）；（2）质量控制信息波段（QC）。本产品为青藏高原水体遥感监测提供数据支撑。
计璐艳
数据集是基于CESM2.1.3模式进行数值模拟数据集。数据集为全球多情景逐月气候数据。空间分辨率为1.9x2.5度，时间为2015年1月-2100年12月(里面还包含了历史数据1850-2014)，数据为NetCDF格式。 数据集包括1850-2014年的历史数据（简称为Hist）以及SSP情景(SSP126、SSP245、SSP370、SSP585),其中每个情景包含三组（默认排放数据CMIP6（简称为CMIP6）、中国区域CO2排放实现碳中情景（简称为CNCN）和中国区域实现碳中和情景下，且CH4和N2O的伴随着碳中和情景下的变化（简称为CNCNext），数据集地理空间范围：90°N–90°S，180°E–180°W。
李龙辉
森林碳密度是量化区域碳储量及其变化的重要参数，然而现有研究存在分辨率粗且不确定大的问题。为此，研究基于地面调查数据，结合星载激光雷达(GEDI)和Landsat图像，利用深度学习自动挖掘了多维度图像特征，绘制了30米空间分辨率中国东北地区的森林地上碳密度。结果与野外实测数据具有较好的一致性（R2=0.84 RMSE=6.28 ），研究提供的结果将为区域碳动态监测提供基准数据。 碳密度数据单位MgC ha-1
王晓昳, 汪涛, 吕冠廷
（1）数据内容：1500-2000年年平均的北半球环状模指数和南半球环状模指数；（2）数据来源及加工方法：该数据由作者自主生产，基于PAGES2k代用资料数据集，利用机器学习模型（随机森林、极端随机树、轻量梯度提升机、CatBoost）重建而产生。（3）数据质量描述：该数据集与多个器测数据在器测时段内有较高的一致性，重建效果更好。数据可用于研究多时间尺度（年际、年代际、多年代际）上南北半球主要大气环流的变化规律及机理。
杨佼
基于12套过去千年温度资料（包括2套青藏高原夏季温度格点重建数据集、2条北极温度重建序列、1套北极格点温度重建序列、6套全球温度格点重建数据集，以及1套过去千年全球再分析数据集），利用最优信号提取法重建了过去千年（900–1999 CE）青藏高原和北极夏季年分辨率气温变化序列。青藏高原的选取范围是（27°N–36°N, 77°E–106°E），北极的选取范围是（60°N–90°N）。重建目标是仪器观测数据CRUTEM4v数据集6月至8月夏季平均气温基于1961–1990 CE时段的异常值。数据可用于研究过去千年青藏高原和北极的温度变化规律及机理。
史锋
（1）数据内容：过去200年南极区域海冰范围（最北边界）数据集；（2）数据来源及加工方法：该数据利用6条年分辨率的代用指标（冰芯MSA、积累率等），基于统计模型产生；（3）数据质量描述：年分辨率；包含区域：印度洋-西太平洋（50°–150°E, IndWPac），罗斯海 (160°E–140°W, RS)，阿蒙森海(90°–140°W, AS)，别林斯高晋海 (50°–90°W, BS)，威德尔海 (50°W–20°E, WS)；（4）可用于研究南极海冰的年代际演变特征。
杨佼
青藏高原（TP）在春季和夏季作为一个巨大的高架式地表和大气热源，对区域和全球气候和气候具有重要影响。为了探讨TP的热强迫效应，制备了青藏高原感热异常的全球模拟 敏感性试验数据集。 本数据包含三组敏感性试验：（1）全耦合模式CESM1.2.0中春季3-5月高原感热偏强cgcm_lar_mon_3-12-2.nc和高原感热偏弱cgcm_sma_mon_3-12-2.nc的敏感性试验；（2）单独大气环流模式CAM4.0中春季3-5月高原感热偏强cam_lar_mon3-8.nc和高原感热偏弱cam_sma_mon3-8.nc的敏感性试验。 包括：三维风、位势高度、气温、地表温度、比湿、感热通量、潜热通量、降水等常规变量 空间范围：全球模拟结果
段安民
数据来源于课题组在帕米尔高原，天山造山带和塔里木盆地交汇区布设的20个宽频带流动地震台站，选址严格，记录周期是2019年10月至2020年7月。该数据集为P波初至前50 s和之后150 s的波形数据，事件震级大于等于6.0，震中距范围为30-95度。数据可被用于走时成像，剪切波分裂和接收函数等地震学方法，获得研究区的壳幔速度结构、典型间断面的深度和各向异性特征，为阐明印度-欧亚碰撞远程效应下的陆内变形机制提供重要约束。
徐强
数据为excel文件，文件包括4个表格，表格名称分别为：阿勒泰积雪DOC时间系列、阿勒泰积雪雪坑数据、阿勒泰积雪MAC（吸收截面）和中亚木斯岛冰川BC、OC、DUST数据四个表格。 阿勒泰积雪DOC表格含：样品编号、采样日期、采样时间、采样深度、DOC-PPM、BC-PPb和TN-PPM共七列，47个样品数据。 阿勒泰积雪雪坑表格含：雪坑号、样品编号、采样日期、采样时间、采样深度、DOC-PPM、BC-PPb和TN-PPM共8列，238个样品数据。 阿勒泰积雪MAC表格含：采样时间、MAC和AAE共3列，46个样品数据。 中亚木斯岛冰川BC、OC、DUST数据表格含：code no(样品号)、Latitute(纬度)、Longitude(经度)、/m a.s.l(海拔高度)、snow type(积雪类型)、BC、OC和DUST共8列，按采样时间分析。共105行数据。 缩写解释： DOC：Dissolved Organic Carbon 溶解性有机碳 MAC：mass absorption cross section吸收截面 BC：black Carbon黑碳 DUST：粉尘 OC：有机碳 TN：Total Nitrate （总氮） PPM：ug g-1 （微克每克 ） PPb：ng g-1（ 纳克每克）
张玉兰
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
