《2015年第三极部分湖泊水体细菌后处理产品和常规水质参数》数据集收集了2015年期间青藏高原地区部分湖泊水体采样细菌分析结果和常规水质参数。通过整理归纳汇总得到2015年第三极部分湖泊水体细菌后处理产品,数据格式为excel,方便用户查看。样品由计慕侃老师采集于2015年7月1日至7月15日,包含28个湖泊(巴木错,白马纳木错,班戈错(盐湖), 班公错,崩错,别若则错,错鄂(申扎),错鄂(那曲),达瓦错,当穹错,当惹雍错,洞错,鄂雅错,公珠错,果根错,甲热布错,玛旁雍错,纳木错,聂尔错(盐湖),诺尔玛错,朋彦错(盐湖),蓬错,枪勇错,色林错,吴如错,物玛错,扎日南木错,扎西错),共计138个样品。其中湖泊水体细菌DNA提取方法如下:湖水过滤到0.45膜上,然后通过MO BIO PowerSoil DNA试剂盒提取DNA。16S rRNA基因片段扩增引物为515F (5'-GTGCCAGCMGCCGCGGTAA-3') and 909r (5'-GGACTACHVGGGTWTCTAAT-3')。测序方式为Illumina MiSeq PE250,原始数据通过Mothur软件分析,包括quality filtering, chimera removal,序列分类依据Silva109数据库,古菌、真核和未知来源序列已被移除。OTU以97%相似度分类,然后移除仅在数据库中出现一次的序列。常规水质检测参数包括:溶解氧、电导率、溶解性总固体、盐度、氧化还原电位、不挥发有机碳、总氮等。其中,溶解氧采用电极极谱法;电导率采用电导率仪;盐度采用盐度计;溶解性总固体采用TDS测试仪;氧化还原电位采用ORP在线分析仪;不挥发有机碳采用TOC分析仪;总氮采用分光光度法分别得到水质参数结果供参考。
叶爱中
典型年三极冰雪微生物后处理产品收集了2010-2018年期间南北极以及青藏高原地区冰川、冰川雪和冰里采样细菌分析结果。通过整理归纳汇总得到三极区域土壤微生物后处理数据产品,数据格式为excel,方便用户查看。其中南北极和青藏高原地区冰川雪和冰里原核为刘勇勤老师实验组在2010-2018年间从NCBI数据库收集的细菌16S核糖体RNA基因序列。收集的序列通过使用DOTOUR软件计算序列之间相似度,相似度在97%以上的序列聚类为一个OTU,并定义OTU代表序列。OTU代表序列通过“Classifier”软件与RDP数据库进行比对,在可靠性大于80%的情况下鉴定到属一级水平;青藏高原冰川采集时间为2010-2018年间,包含刘勇勤老师实验组分离的青藏高原7条冰川(珠峰东绒布冰川,天山一号冰川,古里雅冰川,老虎沟冰川,木孜塔格冰川,七一冰川和玉珠峰冰川),向述荣老师分离的马兰冰川和张新芳老师分离的若岗日冰川的细菌16S核糖体RNA基因序列。冰川样品采集后带回北京青藏高原院研究所生态实验室和兰州冰冻圈国家实验室,涂布平板后于不同温度下(4-25摄氏度)培养20天-90天并挑取单菌落纯化。分离的细菌提取DNA后以27F/1492R引物扩增16S核糖体RNA基因片段,并使用Sanger法测序。16S核糖体RNA基因序列通过“Classifier”软件与RDP数据库进行比对,在可靠性大于80%的情况下鉴定到属一级水平。
叶爱中
典型年三极土壤微生物后处理产品收集了2005-2006年期间南北极地区土壤采样细菌分布分析结果和2015年期间青藏高原地区土壤采样细菌分布分析结果。通过整理归纳汇总得到三极区域土壤微生物后处理数据产品,数据格式为excel,方便用户查看。其中南北极地区样品采集时间为2005年12月13日至2006年12月8日,包含北极3个地区52个样品(Spitsbergen Slijeringa,Spitsbergen Vestpynten,及Alexandra Fjord Highlands),南极5个地区171个样品(Mitchell Peninsula,Casey station main power house, Robinsons Ridge,Herring Island,Browning Peninsula);青藏高原采集时间为2015年7月1日至7月15日,包含草甸,草原,荒漠3种生态系统,共计18个采样点位,每个采样点位样品个数为3-5个。采样点降水、气温和干旱度由气象信息估算得到,供读者参考。土壤表层样品采集后用液氮保存,运回悉尼实验室,通过FastPrep DNA试剂盒提取。提取后的DNA样品使用27F(5'-GAGTTTGATCNTGGCTCA-3')和 519R (5'-GTNTTACNGCGGCKGCTG-3')扩增16S rRNA基因片段。扩增后的片段通过454方式测序,原始数据通过Mothur软件分析。首先去除测序质量不佳序列,之后进行排序并去除嵌合体序列。之后计算序列之间相似度,相似度在97%以上的序列聚类为一个OTU,并定义OTU代表序列。OTU代表序列通过与Silva数据库进行比对,在可靠性大于>80%的情况下鉴定到属一级水平。
叶爱中
玛曲草地观测点始建于 2005 年,海拔 3434 米,位于距离玛曲县城以南约 18公里的河曲马场(102°08′45″E,33°51′50″N),下垫面为典型的发育良好的高寒草原,属于季节性冻土区。本数据集为2017-2020年黄河源区玛曲草地观测站点的常规气象观测数据,使用Kipp&Zonen CNR4、Vaisala HMP155A、PTB110等仪器观测获得,时间分辨率为半小时,主要包括风速、风向、气温、相对湿度、气压、向下短波辐射、向下长波辐射、降水。
孟宪红, 李照国
采用WRF4.1.1模式制备的青藏高原高分辨率大气-水文模拟数据集,格点数为191*355,空间分辨率9km,覆盖范围如图1所示,时间分辨率为3h,模拟时采用的主要参数化方案包括:Thompson微物理方案、RRTM长波辐射方案、Dudhia短波辐射方案、MYJ边界层方案、Noah陆面过程方案。数据的时间跨度为2000-2010年,变量包括:降水(Rain),地面2m高度的温度(T2)和湿度(Q2),地表温度(TSK)、地面气压(PSFC)、地面上10m风场的纬向分量(U10)、地面上10m风场的经向分量(V10)。地表向下的长波通量(GLW)、地表向下短波通量(SWDOWN)、地表热通量(GRDFLX)、感热通量(HFX)、潜热通量(LH)、地表径流(SFROFF)、地下径流(UDROFF)等。该数据可有效支撑青藏高原地区区域气候特征及气候变化研究。
孟宪红, 马媛媛
鄂陵湖是青藏高原最大的淡水湖泊,与邻近的扎陵湖一起构成了黄河源头的“姊妹湖”,并入选了国际重要湿地名录,也是三江源国家公园的核心区。本数据集为中国科学院若尔盖高原湿地生态系统研究站2017-2020年黄河源区鄂陵湖草地观测点的常规气象观测数据,使用Kipp&Zonen CNR4、Vaisala HMP155A、PTB110等仪器观测获得,时间分辨率为半小时,主要包括风速、风向、气温、相对湿度(2020年为比湿)、气压、向下短波辐射、向下长波辐射、降水。
孟宪红, 李照国
植被指数(NDVI, Normalized Difference Vegetation Index)可以准确反映地表植被覆盖状况。目前,基于SPOT/VEGETATION以及MODIS等卫星遥感影像得到的NDVI时序数据已经在各尺度区域的植被动态变化监测、土地利用/覆被变化检测、宏观植被覆盖分类和净初级生产力估算等研究中得到了广泛的应用。EVI类似于归一化差异植被指数(NDVI),可用于量化植被绿度。然而,EVI对一些大气条件和树冠背景噪声进行了校正,并且在植被茂密的地区更为敏感。它包含一个“L”值来调整树冠背景,“C”值作为大气阻力系数,以及来自蓝色波段(B)的值。这些增强功能允许将指数计算R和NIR值之间的比率,同时在大多数情况下降低背景噪声、大气噪声和饱和度。本研究工作主要是对NDVI和EVI数据进行后处理,通过转换投影坐标系、数据融合、最大值合成法、剔除异常值和剪裁后给出较为可靠的2013年和2018年的青藏高原的植被情况。
叶爱中
植被覆盖度(Fractional vegetation cover, FVC)表示植被地面垂直投影面积与研究区总面积的百分比,是衡量生态保护和生态恢复有效性的重要指标,被广泛应用于气候、生态和土壤侵蚀等领域。FVC不仅是反映植被生产能力的理想参数,而且在评估地形差异、气候变化和区域生态环境质量时也能发挥较好的作用。本研究工作主要是对两套GLASS FVC数据进行后处理,通过数据融合、剔除异常值和剪裁后给出较为可靠的2013年和2018年的环北极圈(范围为北纬66°以北)和青藏高原(范围为北纬26°到39.85°,东经73.45°到104.65°)的植被覆盖度情况。
叶爱中
NDVI能反映出植物冠层的背景影响,如土壤、潮湿地面、雪、枯叶、粗糙度等,且与植被覆盖有关。是反映农作物长势和营养信息的重要参数之一。根据该参数,可以知道不同季节的农作物对氮的需求量, 对合理施用氮肥具有重要的指导作用。植被修正指数Correct NDVI (C-NDVI) 是剔除气候要素(气温、降水等)对NDVI的影响后的NDVI的值。以降水为例,降水对植被生长影响的滞后效应的研究表明,不同地区由于植被组成和土壤类型的差异,降水影响的滞后时间不同。本研究工作主要是对MODIS NDVI数据进行后处理,首先将当月NDVI值与本月的降水量、本月与上月的降水量的平均值、本月与上两个月的降水量的平均值等分别进行相关分析,确定最优的滞后时间。将NDVI与降水和气温做回归分析,得到相关的系数,然后通过MODIS NDVI与气候因子回归的NDVI的差值计算出校正的NDVI值。我们利用气候数据对NDVI进行修正后给出可靠的2013年和2018年的环北极圈(范围为北纬66°以北)和青藏高原(范围为北纬26°到39.85°,东经73.45°到104.65°)的植被修正指数。数据空间分辨率为0.5度,时间分辨率为月度值。
叶爱中
三极多年冻土活动层厚度融合了两套数据产品,主要参考数据为通过GCM模型模拟生成的1990-2015年活动层厚度逐年值。本数据集的数据格式为NetCDF4格式,数据空间分辨率为0.5°,时间分辨率为年。参考校正数据集为利用统计和机器学习(ML)方法模拟得到2000-2015年的活动层厚度平均值,数据格式为GeoTIFF格式,空间分辨率为0.1°,数据单位为m。本研究工作通过对两套数据进行数据格式转换、空间插值、数据校正等后处理操作,生成了NetCDF4格式的多年冻土活动层厚度数据,其空间分辨率为0.1°,时间分辨率为年,时间范围为1990-2015年,数据单位为cm。
叶爱中
三极多年冻土区碳通量原始数据通过GCM模型模拟生成,原始数据来源于http://www.cryosphere.csdb.cn/portal/metadata/5abef388-3f3f-4802-b3de-f4d233cb333b。本数据集包含了未来2046-2065年间不同典型浓度路径(Representative Concentration Pathways,RCP)下的未来情景预估,包括RCP2.6情景、RCP4.5情景、RCP8.5情景。原始数据包括青藏高原多年冻土区NPP和GPP等表征碳通量的参数,数据格式为NetCDF4格式,数据空间分辨率为0.5°,时间分辨率为年。本研究工作通过对其进行数据格式转换、空间插值等后处理操作,生成了NetCDF4格式的多年冻土区NPP和GPP数据,其空间分辨率为0.1°,时间分辨率为年,时间范围为2046-2065年,数据单位为gc/m2yr。
叶爱中
三极多年冻土活动层厚度原始数据通过GCM模型模拟生成,原始数据来源于http://www.cryosphere.csdb.cn/portal/metadata/5abef388-3f3f-4802-b3de-f4d233cb333b。本数据集包含了未来2046-2065年间不同典型浓度路径(Representative Concentration Pathways,RCP)下的未来情景预估,包括RCP2.6情景、RCP4.5情景、RCP8.5情景。原始数据内容是青藏高原冻土区活动层厚,数据格式为NetCDF4格式,数据空间分辨率为0.5°,时间分辨率为年。本研究工作通过对其进行数据格式转换、空间插值等后处理操作,生成了NetCDF4格式的多年冻土区活动层厚度,其空间分辨率为0.1°,时间分辨率为年,时间范围为2046-2065年,单位为cm。
叶爱中
青藏高原被誉为“亚洲水塔”,其提供的径流作为重要的、易获取的水资源,维系着周边数十亿人口的生产生活,支撑着生态系统的多样性。准确估算青藏高原的径流,揭示径流的变化规律,有利于高原及周边地区的水资源管理和灾害风险规避。青藏高原五大河源区冰川径流分割数据集覆盖时间从1971年到2015年,时间分辨率为逐年,覆盖范围为青藏高原五条大江大河源区(黄河源,长江源,澜沧江源,怒江源,雅鲁藏布江源),空间分辨率为流域,以多源遥感和实测数据为基础使用耦合了冰川模块的分布式水文模型VIC-CAS模拟获得,使用站点实测数据对模拟结果进行了验证,其所有数据进行了质量控制。
王世金
青藏高原被誉为“亚洲水塔”,是东南亚众多河流的源区,其提供的径流作为重要的、易获取的水资源,维系着周边数十亿人口的生产生活,支撑着生态系统的多样性。青藏高原五大河源区冰川径流数据集覆盖时间从2005年到2010年,时间分辨率为每5年一期,覆盖范围为青藏高原五条大江大河源区(黄河源,长江源,澜沧江源,怒江源,雅鲁藏布江源),空间分辨率为1km,以多源遥感、模拟、统计和实测数据为基础,使用GIS方法和生态经济学方法结合,量化了江河源区冰冻圈水资源服务的价值,其所有数据进行了质量控制。
王世金
土壤冻结深度(SFD)是评估冻土区水资源平衡、地表能量交换和生物地球化学循环变化所必需的,是冰冻圈气候变化的重要指标,对季节性冻土和多年冻土都至关重要。 本数据是基于Stefan方程,对CanEMS2 (RCP 45和RCP85)、GFDL-ESM2M (RCP26、RCP45、RCP60和RCP85)、HadGEM2-ES(RCP26、RCP45和RCP85)、IPSL-CM5A-LR(RCP26、RCP45、RCP60和RCP85)、MIROC5(RCP26、RCP45、RCP60和RCP85)和NorESM1-M(RCP26、RCP45、RCP60和RCP85)等多模型不同情景下,利用逐日气温的预测数据及E-factor数据,获得2007-2065年空间分辨率为0.25度,青藏高原区域年平均土壤冻结深度数据集。
潘小多, 李虎
“亚洲水塔”青藏高原(TP)的降水在区域水和能源循环中发挥着关键作用,对下游国家的水资源供应有重要影响。气象站点所获取的降水信息通常被认为是最准确的,但在地形复杂、环境恶劣的青藏高原中,气象站数据却十分有限。卫星和再分析降水产品可以为地面测量提供补充信息,特别是在大面积测量不足的区域。在这里,我们通过使用人工神经网络 (ANN) 和环境变量(包括海拔、地表压力和风速)确定各种数据源的权重来最优地融合站点、卫星和再分析数据。在 1998-2017 年期间,以每日时间尺度和 0.1° 的空间分辨率生成了一个多源降水 (MSP) 数据集横跨青藏高原。与其他四颗卫星产品相比,MSP与标准观测的日降水相关系数(CC)最高(0.74),均方根误差第二低,表明MSP的质量和数据合并的有效性方法。我们使用分布式水文模型进一步评估了青藏高原长江和黄河源头测量不佳的不同降水产品的水文效用。在 2004-2014 年期间,MSP 实现了每日流量模拟的最佳 Nash-Sutcliffe 效率系数(超过 0.8)和 CC(超过 0.9)。此外,基于多重搭配评估,MSP 在未测量的西部 TP 上表现最好。该合并方法可应用于全球其他数据稀缺地区,为水文研究提供高质量的降水数据。整个 TP 的左下角的经纬度、行数和列数以及网格单元信息都包含在每个 ASCII 文件中。
洪仲坤, 龙笛
针对青藏高原泛三江并流区的17.9万km2的区域,通过Sentinel-1升降轨,以及Palsar-1升轨三种SAR数据进行InSAR变形观测,根据获取的InSAR变形图像,结合地貌和光学影像特征进行综合解译。共识别得到海拔4000m以下的活动性滑坡949处。需要注意的是,因不同SAR数据的观测角度、敏感度和观测时相的差异,同一滑坡用不同数据解译存在一定的差异,在滑坡的范围、边界方面需要借助地面和光学影像进行修正。滑坡InSAR识别比例尺的概念与传统空间分辨率不同,主要依靠变形强度,因此一些规模较小,但与背景相比变形特征突出,整体性强,与地物具有逻辑空间关系的滑坡也能得以解译(配合SAR的强度图、地形阴影图、光学遥感影像为地物参照)。本次最小解译区域可达几个像素,如参考怒江沿江公路解译了一处只有4个像素的公路边坡滑坡。
姚鑫
本数据是研究团队综合利用Sentinel-1 SAR数据,AMSR-2微波辐射计数据以及MODIS LST产品所生产的青藏工程走廊区域高分辨土壤冻融数据集。基于新提出的算法,本产品提供月尺度100m空间分辨土壤冻融状态检测结果,并通过气象站点和土壤温度站点进行精度验证。基于青藏工程走廊地区的4个气象站点进行精度验证,结果表明基于升轨和降轨Sentinel-1的土壤冻融检测结果的整体准确率分别为84.63%和77.09%。基于那曲土壤湿度/温度监测站点进行精度验证,升轨和降轨结果的平均整体精度为78.58%和76.66。该产品弥补了传统土壤冻融产品空间分辨率不足(>1km)的问题,为青藏工程走廊区域高分辨率土壤冻融监测提供了可能。
周欣, 刘修国, 周俊雄, 张正加, 陈启浩, 解清华
基于长时间序列MODIS积雪产品,采用隐马尔可夫随机场(Hidden Markov Random Field, HMRF)建模框架,制备了青藏高原2002-2021年空间分辨率为500 m的逐日无云积雪数据集。该建模框架将MODIS积雪产品的光谱信息、时空背景信息,以及环境相关信息以最优形式进行整合,不仅填补了云层遮挡引起的数据空缺,而且提高了原始MODIS积雪产品的精度。特别地,本数据集在环境背景信息中引入了太阳辐射能量对积雪分布的影响,有效改进了地形复杂山区的积雪识别精度。通过与实测雪深、Landsat-8 OLI识别的积雪分布对比分析,本数据集精度依次为98.31%和92.44%,并且在积雪转化期、海拔较高、太阳辐射较多的阳坡提升效果显著。本数据集改善了原始MODIS积雪产品时空不连续和在地形复杂山区精度较低的问题,能为青藏高原气候变化研究和水资源管理提供重要的数据基础。
黄艳, 许嘉慧
1978-2016青藏高原湖冰物候数据集包含青藏高原132个湖泊(面积大于40平方公里)1978-2016年的湖冰物候(开始结冰日、完全结冰日、开始融化日、完全融化、冰期、完全结冰期)。数据集利用模型和遥感结合的方式获取物候信息,首先基于MOD11A2提取的全湖平均湖面温度率定改进的湖泊半物理模型(air2water)生成日尺度长时序湖面温度序列,再利用MOD10A1雪覆盖产品获取湖冰物候提取的温度阈值。与现有研究结果和数据集对比,相关性(R方)高于0.75。该数据集结合遥感技术和数值模型的优势,为大时空尺度上分析青藏高原湖泊水-气交换、水热平衡及湖泊中生物化学过程对气候变化的响应提供支撑。
郭立男, 吴艳红, Zheng Hongxing, 张兵, 迟皓婧, 范兰馨
联系方式
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