本数据集是建立在青藏高原基础上的高原土壤水分和土壤温度观测数据,用于量化粗分辨率卫星和土壤水分和土壤温度模型产物的不确定性。青藏高原土壤温湿度观测数据(Tibet-Obs)由四个区域尺度的原位参考网络组成,包括寒冷半干旱气候的那曲网络,寒冷潮湿气候的玛曲网络和寒冷干旱的阿里网络,以及帕里网络。这些网络提供了对青藏高原不同气候和地表水文气象条件的代表性覆盖。 - 时间分辨率:逐时 - 空间分辨率:点测量 - 测量精度:土壤水分,0.00001;土壤温度,0.1℃;数据集尺寸:标称深度为5,10,20,40和80厘米的土壤水分和温度统计值 - 单位:土壤水分,cm ^ 3 cm ^ -3; 土壤温度, ℃
Bob Su, 阳坤
植被调查数据是研究生态系统结构与功能必不可少的数据。藏北地区蕴含广袤的草地生态系统,主要包括高寒草甸、高寒草地、以及高寒荒漠化的草地。由于独特的地理位置以及高海拔缺氧的环境条件,在藏北高原的群落调查数据较为稀少。本课题组基于前期工作的积累,在2017年生长季对整个藏北高原15个县域开展了较为全面的植被调查。本数据集包括藏北样带上从那曲到日土县23个采样点的围栏内外的生物量数据。本数据集可用于生产力的空间分析与模型的校准工作。
张宪洲, 牛犇
湖泊的形成与消失、扩张与收缩对生态环境演化和社会经济发展都有重要影响。由于受气候、生态环境和人类活动等因素的综合影响,湖泊水域范围的变化速度快、幅度大,对观测的频率和分布都有很高的要求。近几十年以来,卫星遥感技术以其快速、覆盖面广、成本低廉等优点,为较大区域的湖泊动态监测提供了重要数据基础。针对大范围、高精度、长时间序列的湖泊变化分析对遥感数据时空分辨率的需求,本数据集基于 Landsat 卫星数据的自动湖泊提取方法(Feng et al., 2015),利用 2000 年以来的 Landsat 多颗卫星的观测数据,收集了2000 年以来的云量小于 80%的所有Landsat 数据,获得共 96278 景影像(约 25T 数据量),结合高性能数据存储和处理能力,提取了青藏高原和中亚地区 2000-2015 年湖泊分布记录,形成了时空一致的逐月水域范围数据集。利用分层随机采样采集样点,通过人工解译,获取能够代表不同时空分布的验证样点。评价结果表明:研究区时间序列水体数据总体精度为 99.45%(±0.59),水体用户精度(错分)为 85.37% (±3.74),制图精度(漏分)为 98.17%(±1.05)。
冯敏, 车向红
本数据集是2010年青藏高原地区的土地覆被数据,数据为栅格TIFF格式,空间分辨率为300米,包含耕地、林地、草地、水体、城市用地等22个大类,可用于青藏高原城镇化与生态环境交互胁迫的地理本底研究。该数据来自欧空局CCI-LC项目生产的土地覆被数据产品。该数据集采用了WGS84的地理坐标系统,有22个大类。数据的生产融合多种卫星数据资料,包括MERIS FR/RR,AVHRR,SPOT-VGT,PROBA-V等。经验证,该数据集的总体精度在70%以上,当然精度会在不同的地区和覆被类型上存在差异。
杜云艳
该数据集是中国科学院西北高原生物研究所调查的三江源国家公园植物采集布位点信息。该数据集时间范围是2008年至2017年,调查范围是三江源国家公园,调查内容包括采集日期、编号、科、属、种、调查日期、采集地点、采集人、经度、纬度、海拔、生境、鉴定人等信息。对国家公园的三个园区分别进行了调查,在长江源园区调查了24个科56个属的88个种的植被,总共116条记录;在黄河源园区调查了26个科64个属110个种的植被,总共159条记录;在澜沧江源园区调查了12个科22个属30个种的植被,总共33条记录。
高庆波
净初级生产力(NPP)数据基于CASA模型生产,数据内容为三江源地区2010-2015年250米分辨率逐月NPP数据集。净初级生产力定义:绿色植物单位面积、单位时间内所累积的有机物数量。 单位:0.01gC/m²/月。Monthly和Yearly NPP分别表示逐月和逐年NPP。 投影信息: Albers 等积圆锥投影 中央经线:105度 第一割线:25度 第一割线:47度 坐标西偏:4000000 meter
朱伟伟
该数据集包含青藏高原1970s,1990,2000,2010年份大于1平方公里湖泊矢量数据。 湖泊水体边界根据Landsat MSS, TM, ETM+等影像目视解译而来。 数据类型为矢量数据,属性字段包括Area (km²)。 投影坐标系为Albers Conical Equal Area。 主要用于青藏高原湖泊、水文与气象变化研究。
张国庆
基于MODIS 2000年至2018年生长季平均的NDVI(空间分辨率250m),利用Mann-Kendall趋势检测方法,计算了NDVI的变化趋势。对三江源国家公园的三个园区都进行了计算(CJYYQ:长江源园区;HHYYQ:黄河源园区;LCJYYQ:澜沧江源园区)。CJYYQ_NDVI_trend_2000_2018_ok.tif:长江源园区NDVI变化趋势。CJYYQ_NDVI_trend_2000_2018_ok_significant.tif:长江源园区NDVI变化趋势,剔除了不显著(p>0.05)的区域。CJYYQ_gs_avg_NDVI_2000.tif:长江源园区2000年生长季平均NDVI。单位为NDVI变化每年。
王旭峰
本数据集为青藏高原黄河源区2015年逐像素年内最大植被覆盖度空间分布图,该区域的面积约为4.4万平方公里。此数据是基于2015年MODIS(空间分辨率250米) 和Landsat-8 OLI(空间分辨率30米)植被生长季(5月初-9月末)的时间序列影像,并利用最大值合成方法、像元二分模型和时间插值等方式获得。植被覆盖度空间分布图的空间分辨率为30米,采用WGS 1984 UTM 投影,数据格式为grid格式。
王广军
采用WRF模式制备的青藏高原近地表大气驱动和地表状态数据集,时间范围:2000-2010,空间范围:25-40 ºN,75-105 ºE,时间分辨率:逐时,空间分辨率:10 km,格点数为150*300。 总计有33个变量,其中包含的近地表大气变量11个: 地面上2m高度的温度、 地面上2m高度的比湿、地面气压、地面上10m风场的纬向分量、地面上10m风场的经向分量、固体降水比例、累积的积云对流降水、累积的格点降水、地表处的向下短波辐射通量、地表处的向下长波辐射通量、累计的潜在蒸发。 包含的地表状态变量有19个:各层土壤温度、各层土壤湿度、 各层土壤液态水含量、雪相态改变的热通量、土壤底部温度、地表径流、地下径流、植被比例、地面热通量、雪水当量、实际雪厚、雪密度、冠层中的水、地表温度、反照率、背景反照率、更低边界处的土壤温度、地表面处向上的热量通量(感热通量)、地表面处向上的水量通量(感热通量)。 其他变量3个:经度、纬度和行星边界层高度。
潘小多
数据包含青藏高原地区的土壤有机质数据,空间分辨率为1km*1km,时间覆盖范围为1979-1985年。数据来源是基于第二次土壤普查数据生成的土壤碳含量。土壤有机质主要来源于植物、动物及微生物残体,其中高等植物为主要来源。原始土壤中最早出现在母质中的有机体是微生物。随着生物的进化和成土过程的发展,动物、植物残体及其分泌物就成为土壤有机质的基本来源。数据对于分析青藏高原的生态环境以及衡量区域土壤特征具有重要意义。
方华军
青藏高原生态资产评估遥感反演基础数据集包括了青藏高原自2000年起年度的植被覆盖度(FVC),净初级生产力(NPP)和叶面积指数(LAI)等基于遥感反演的生态参数,以供区域尺度生态资产评估研究使用。其中植被覆盖度数据以MODIS NDVI数据为主体,基于像元二分模型,利用多尺度遥感影像,结合植被群落类型、分布特征等高精度遥感参数,发展植被覆盖度模型,用混合像元分解法构建。精度验证估测值与实测值的RMSE为0.21,在样本值0-0.5之间均存在一定的高估情况。
刘文俊
青藏高原湖泊面积长时间序列数据集包含1970s至2013年364个面积大于10平方公里湖泊的面积序列数据。根据Landsat影像得来,以Landsat 10月份数据为主,每隔3年取一个数据,减少季节变化的同时,可利用数据达到最大。 数据使用NDWI水体指数提取,每个湖泊经过人工目视检查与编辑。 数据应用于青藏高原湖泊变化、湖泊水量平衡、气候变化的研究。 数据类型:矢量。 投影方式:WGS84。
张国庆
该数据集是基于MODIS 16天合成的NDVI产品(MOD13A2 collection6)估算的三江源地区的植被生长季开始(Start of Season: SOS)和生长季结束的日期(End of Season: EOS)。分别用了两种常见的物候期估算方法,分别是基于多项式拟合的阈值提取法(文件名中有poly字符)和基于双逻辑曲线(double logistic function)拟合后的拐点提取法(文件名中有sig字符)。该数据可以用来分析植被物候期与气候变化的关系。时间范围为2001年至2014年。空间分辨率为1km。
王旭峰
该数据集是基于SPOT卫星的Vegetation传感10天合成的NDVI产品估算的三江源地区去的植被生长季开始(Start of Season: SOS)和生长季结束的日期(End of Season: EOS)。分别用了两种常见的物候期估算方法,分别是基于多项式拟合的阈值提取法(文件名中有poly字符)和基于双逻辑曲线(double logistic function)拟合后的拐点提取法(文件名中有sig字符)。该数据可以用来分析植被物候期与气候变化的关系。时间范围为1999年至2013年。空间分辨率为1km。
王旭峰
该数据集是基于GIMMS 最新版本的NDVI数据集GIMMS3g version 1.0估算的三江源地区去的植被生长季开始(Start of Season: SOS)和生长季结束的日期(End of Season: EOS)。分别用了两种常见的物候期估算方法,分别是基于多项式拟合的阈值提取法(文件名中有poly字符)和基于双逻辑曲线(double logistic function)拟合后的拐点提取法(文件名中有sig字符)。该数据可以用来分析植被物候期与气候变化的关系。时间范围为1982年至2015年,空间分辨率为8km。
王旭峰
本数据包含两个数据文件,GLOBELAND30 TILES(原始数据)和TIBET_ GLOBELAND30_MOSAIC(镶嵌数据)。 原始数据下载自全球地表覆盖数据网站(GlobalLand3)(http://www.globallandcover.com),范围涵盖青藏高原及周边地区。原始数据分幅存储,为了便于用户使用数据,在分幅数据的基础上,我们使用Erdas软件对原始数据进行了拼接镶嵌。 全球地表覆盖数据(GlobalLand30)是国家863计划重点项目“全球地表覆盖遥感制图与关键技术研究”的科研成果,该数据利用美国陆地卫星影像(TM5、ETM+)和中国环境减灾卫星(HJ-1)影像数据,采用基于像素分类-对象提取-知识检核的综合方法提取而成。数据包括耕地、森林、草地、灌木、湿地、水体、苔原、人造覆盖、裸地、冰川和永久积雪10个一级地表覆盖类型,没有进行二级类型提取。在准确度评估方面,评估九种类型和超过150,000个测试样品。GlobeLand30-2010的整体精度达到80.33%。Kappa指标为0.75。 GlobeLand30数据采用WGS84坐标系,UTM投影,6度分带,参考椭球为WGS 84椭球。根据不同的纬度情况,采用2种分幅方式进行数据组织。在南北纬60°区域内,按照5°(纬度)×6°(经度)大小进行分幅;在南北纬60°至80°区域内,按照5°(纬度)×12°(经度)大小进行分幅,按照奇数6°带的中央经线进行投影。 GLOBELAND30 TILES:原始数据保留数据原貌,未进行处理。 TIBET_ GLOBELAND30_MOSAIC:使用erdas软件对原始数据进行镶嵌,参数设置使用默认值原始数据保留数据原貌,精度同下载网站。
陈军
数据集综合了纳木错多圈层综合观测研究站、珠穆朗玛大气与环境综合观测研究站、藏东南高山环境综合观测研究站的大气、水文和土壤的长期监测数据。数据有三种分辨率,包括0.1秒、10分钟、30分钟、24小时不等。 野外的大气边界层塔(PBL)所使用的温湿度和气压传感器由芬兰的Vaisala公司生产,风速风向传感器由美国的MetOne公司生产,辐射传感器由美国的APPLEY公司和日本的EKO公司生产,气体分析仪由美国的Licor公司生产,土壤含水量、超声风速仪和数据采集器等由美国的CAMPBELL公司生产。定期(每年2-3次)由专业人员对观测系统进行维护,对传感器进行标定和更换,对采集的数据进行下载和整编,满足国家气象局和世界气象组织(WMO)的气象观测规范。 数据集加工方法为原始数据经过质量控制后形成时间连续序列,质量控制包括剔除曳点数据和传感器出现故障造成的系统误差。
马耀明
本数据集包含了雅鲁藏布江主要水文站径流年际变化特征值(多年平均径流量,年极值比,离差系数等),可用于研究雅鲁藏布江水文特征分析。原始数据为国家水文站数据,质量要求同国家相关标准。 空间范围:雅鲁藏布江流域干流拉孜、奴各沙、羊村、奴下等四个水文站。 本数据表共有五个字段 字段1:站名 字段2:多年平均径流量 字段3:年极值比 字段4:离差系数 字段5:资料系列长度
姚治君
本数据集包含自1982年至2006年基于生态学模式与遥感数据计算青藏高原植被净初级生产力(Net Primary Productivity,NPP)的结果。 基于遥感Advanced Very High Resolution Radiometer(AVHRR)数据和Carnegie-Ames-Stanford Approach(CASA)模型生成的青藏高原生态系统NPP(1982-2006),基于第二次土壤普查数据生成的土壤碳含量,以及基于High Resolution Biosphere Model(HRBM)模型生成的生物量碳数据。 青藏高原森林生态系统NPP(1982-2006年): npp_forest82.e00,npp_forest83.e00,npp_forest84.e00,npp_forest85.e00,npp_forest86.e00, npp_forest87.e00,npp_forest88.e00,npp_forest89.e00,npp_forest90.e00,npp_forest91.e00, npp_forest92.e00,npp_forest93.e00,npp_forest94.e00,npp_forest95.e00,npp_forest96.e00, npp_forest97.e00,npp_forest98.e00,npp_forest99.e00,npp_forest00.e00,npp_forest01.e00, npp_forest02.e00,npp_forest03.e00,npp_forest04.e00,npp_forest05.e00,npp_forest06.e00 青藏高原草地生态系统NPP(1982-2006年): npp_grass82.e00,npp_grass83.e00,npp_grass84.e00,npp_grass85.e00,npp_grass86.e00, npp_grass87.e00,npp_grass88.e00,npp_grass89.e00,npp_grass90.e00,npp_grass91.e00, npp_grass92.e00,npp_grass93.e00,npp_grass94.e00,npp_grass95.e00,npp_grass96.e00, npp_grass97.e00,npp_grass98.e00,npp_grass99.e00,npp_grass00.e00,npp_grass01.e00, npp_grass02.e00,npp_grass03.e00,npp_grass04.e00,npp_grass05.e00,npp_grass06.e00 青藏高原生物量碳、土壤碳: Biomass.e00,Socd.e00 土壤碳含量数据(Socd)是参考全国第二次土壤普查的数据与《中国1:100万土壤图》按土壤亚类插值生成。 NPP数据来自CASA模型与AVHRR数据模拟生成: Potter CS, Randerson JT, Field CB et al. Terrestrial ecosystem production: a process model based on global satellite and surface data. Global Biogeochemical Cycles, 1993, 7: 811–841. 生物量碳数据来自HRBM模型模拟生成: McGuire AD, Sitch S, et al. Carbon balance of the terrestrial biosphere in the twentieth century: Analyses of CO2, climate and land use effects with four process-based ecosystem models. Global Biogeochem. Cycles, 2001, 15 (1), 183-206. 原始资料主要是遥感数据和野外观测数据。精度较好;生产过程中与野外实测数据进行的验证和调参,是模拟结果尽量与野外实测数据保持在可接受的误差范围内;NPP数据与野外实测数据的验证结果表明,误差保持在15%的范围内。 空间分辨率0.05度×0.05度(经度×纬度)。
周才平
青藏高原湖泊水位观测数据集包含扎日南木错,巴木错,达瓦错,达则错和蓬错湖泊的水位日变化数据。 湖水水位通过安装在湖岸边的HOBO水位计(U20-001-01)观测,再通过安装在岸边的气压计或附近气象站气压数据进行校正,然后得到真实的水位变化。精度小于0.5cm。 数据集包含以下内容: 2010-2017年扎日南木错湖水水位日变化数据; 2013-2017年巴木错湖水水位日变化数据; 2013-2017年达瓦错湖水水位日变化数据; 2013-2017年达则错湖水水位日变化数据; 2013-2017年蓬错湖水水位日变化数据。 水位,单位:m。
类延斌
青藏高原混合土壤水分数据产品是利用了遥感观测、原位测量和模型模拟技术。原位土壤水分(SM)观测结合了青藏高原气候带的分类,用于在高原尺度上产生原位测量的SM气候学。使用产生的青藏高原尺度原位SM气候学来缩放模型模拟的SM数据,其随后用于缩放SM卫星观测。然后通过应用三重配置和最小二乘法来客观地混合气候学尺度的卫星和模型模拟的SM。最终的混合SM可以复制不同气候区的SM动力学,从亚湿润地区到青藏高原的半干旱和干旱地区。 - 时间分辨率:天,从01/05/2008开始 - 空间分辨率:0.25°×0.25° - 数据集尺寸:61×121×975 - 单位:cm^3 cm^-3 数据质量开放评估。
Yijian Zeng
将冰湖划分为冰面湖、与冰川末端相连和非相连湖泊等三种类型。在分类的基础上,研究第三极地区各流域冰湖的数量与面积、不同大小面积变化幅度、与冰川距离远近、有冰川融水径流补给与无冰川融水径流补给冰湖面积的变化差异以及冰湖面积随海拔梯度变化特征等内容。 数据源:Landsat TM/ETM+ 1990,2000,2010。 数据通过目视解译,包括面积大于0.003平方公里的冰湖数据,结合原始影像与Google Earth检查编辑。 数据应用于第三极地区冰湖变化与冰湖溃决洪水( GLOF) 评估。 数据类型:矢量。 投影坐标系:Albers Conical Equal Area。
张国庆
本数据集为基于Landsat卫星影像获取的喜马拉雅中段波曲流域1976、1991、2000、2010年四期冰川、冰湖的矢量数据。 数据源来自Landsat遥感影像 1976:LM21510411975306AAA05、LM21510401976355AAA04 1991:LT41410401991334XXX02、LT41410411991334XXX02 2000:LE71410402000279SGS00、LE71400412000304SGS00、LE71410402000327EDC00、LE71410412000327EDC00 2010:LT51400412009288KHC00、LT51410402009295KHC00、LT51410412009311KHC00、LT51410402011237KHC00。 从各期遥感影像上人工提取冰川、冰湖边界。 冰川、冰湖边界提取误差估计为0.5个像元。 数据文件: Glacial_1976:1976年冰川矢量数据 Glacial_1991:1991年冰川矢量数据 Glacial_2000:2000年冰川矢量数据 Glacial_2010:2010年冰川矢量数据 Glacial_Lake_1976:1976年冰湖矢量数据 Glacial_Lake_1991:1991年冰湖矢量数据 Glacial_Lake_2000:2000年冰湖矢量数据 Glacial_Lake_2010:2010年冰湖矢量数据 冰湖矢量数据字段包括: 编号、名字、经纬度、海拔、面积、朝向、冰湖类型、长度、宽度、与冰川的距离
王伟财
数据集综合了藏北高原大气、水文和土壤的多站点长期监测项目,包含了藏北高原青藏公路/铁路沿线9个站点(D66,NewD66,沱沱河,D105,D110,安多,MS3478/NPAM,那曲布交,MS3608)多层或单层大气基本要素(风、温、湿、压和降雨/雪等),地面辐射各分量及多层土壤温、湿和热流等观测资料。 数据集通过架设在野外的自动气象站(AWS)、大气边界层塔(PBL)所获得的监测数据组成。所使用的温湿度和气压传感器由芬兰的Vaisala公司生产;风速风向传感器由美国的MetOne公司生产;辐射传感器由美国的APPLEY公司和日本的EKO公司生产;气体分析仪由美国的Licor公司生产;土壤含水量、超声风速仪和数据采集器等由美国的CAMPBELL公司生产。定期(每年2-3次)由专业人员对观测系统进行维护,对传感器进行标定和更换,对采集的数据进行下载和整编。 数据集加工方法为原始数据经过质量控制后形成时间连续序列。满足国家气象局和世界气象组织(WMO)对气象观测原始数据的精度,质量控制包括剔除曳点数据和传感器出现故障造成的系统误差。 数据包含如下观测指标: 空气温度,单位:℃,精度:0.05℃; 空气相对湿度,单位:%,精度:2%; 风速,单位:m/s,精度:0.1m/s; 气压,单位:hPa,精度:0.5hPa; 风向,单位:°,精度:4°; 降水,单位:mm,精度:0.05mm; 辐射,单位:W/m²,精度:5%; 土壤热流,单位:W/m²,精度:2%; 土壤温度,单位:℃,精度:0.2℃; 土壤体积含水量,单位:v/v%,精度:2%。
胡泽勇
青藏高原湖泊动态数据集采用美国陆地资源卫星(Landsat)遥感数据为主,采用波段比值与阈值分割方法制作,数据覆盖时间从1984年到2016年,时间分辨率为5年一期,覆盖范围为青藏高原,空间分辨率为30m。水体面积提取方法采用波段比值(B4/B2)或者水体指数(MNDWI)为主,构建分类树,算法构建考虑水体的光谱特征在时间和空间上的变化,并且考虑水体所处的空间为主的坡度、坡向信息调整决策树的阈值。长时间序列星载卫星数据来自Landsat MSS、TM、ETM+和OLI等系列传感器。水体信息提取的最小单元为2*2个像元,小于0.36*10^-2Km²的水体全部剔除。通过高分辨率遥感数据提取的水体信息以及目视解译确定的水体检验点的验证表明青藏高原水体面积信息的总体精度优于95%。数据以shape文件保存,投影方式为Albers投影,中央经线为105 °,双标准纬线纬度为25 °和47 °。
宋开山, 杜嘉
随着SAR干涉测量技术的不断进步,使得高精度获取冰川区的多时相DEM成为了可能。特别是,2000年美国国家航空航天局(NASA)主导的航天飞机雷达制图计划(SRTM)提供了覆盖全球56ºS - 60ºN范围的DEM资料;德国宇航局(DLR)的TanDEM-X双站SAR干涉测量系统能够提供全球范围高分辨率、高精度DEM。这些高质量、大覆盖范围的SAR干涉测量数据,以及发布的DEM数据产品,为利用多时相DEM探测冰川厚度变化提供了宝贵的基础资料。 青藏高原典型冰川厚度变化数据的时间段为2000-2013年,覆盖范围为普若岗日和祁连山西部地区,空间分辨率30米。利用TanDEM-X双站InSAR数据和C波段 SRTM DEM,首先采用差分干涉测量方法高精度的生成TanDEM-X DEM,然后在进行DEM精确配准的基础上,通过对比不同时期获取的DEM数据,估算冰川厚度变化。该数据集采用Geotiff格式,每个典型冰川冰厚变化存储为一个文件夹。 数据的详细情况见青藏高原典型冰川厚度变化数据集-数据说明。
江利明
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
青藏高原土壤细菌多样性数据集提供了青藏高原土壤表层(0-2厘米)微生物分布特征。样品采集时间为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。土壤样品用冰袋保存,运回北京青藏高原研究所生态实验室。土壤DNA通过MO BIO PowerSoil DNA试剂盒提取。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515F (5'-GTGCCAGCMGCCGCGGTAA-3') and 909r (5'-GGACTACHVGGGTWTCTAAT-3')扩增16S rRNA基因片段。扩增后的片段通过Illumina Miseq PE250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。本数据系统的比较了青藏高原微生物的多样性,对研究微生物在青藏高原的分布具有重大意义。
计慕侃
青藏高原湖水微生物多样性数据。样品采集时间为2015年7月1日至7月15日,包含28个湖泊(巴木措,白马湖,班戈盐湖,班公湖,崩错,别若则错,错萼措,错愕(平措北),达瓦措,当穹错,当惹雍措,洞措,鄂雅错琼,公珠措,果根错,甲热布错,玛旁雍错,纳木错,聂尔错(盐湖),诺尔玛措,朋彦错,蓬错,枪勇,色林错,吴如错,物玛错,扎日南木措,扎西措,),138个样品。盐度梯度为0.07-118 ppm。 DNA提取方法: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,然后只在数据库中出现一次的序列被移除。最后每个样品被重取样到7,230序列/样品。 GPS坐标,进化信息,环境因子见数据内。
计慕侃
八宝河流域逐日无云MODIS积雪面积比例数据集(2008.1.1-2014.6.1)是在MODIS逐日积雪产品—MOD10A1的基础上,采用一种基于三次样条函数插值的去云算法进行去云处理后得到(唐志广,2013)。 该数据集采用UTM(横轴等角割圆柱)投影方式,空间分辨率500m,提供逐日的八宝河流域积雪反照率(Snow Albedo Daily-SAD)结果。数据集为逐日文件,从2008年1月1日到2014年6月1日。每个文件为当日的积雪反照率结果,数值为0-100(%),为ENVI标准文件,命名规则为:MOD10A1.AYYYYddd_h25v05_Snow_SAD_Grid_2D_reproj_babaohe_nocloud.img,其中YYYY代表年, ddd代表儒略日(001-365/366)。文件可直接用ENVI或者ARCMAP等软件打开察看。 进行去云处理的原始MODIS积雪数据产品来源于由美国国家雪冰数据中心(NSIDC)处理的MOD10A1产品,这一数据集为hdf格式,采用sinusoidal投影。 八宝河流域逐日无云MODIS反照率数据集(2008.1.1-2014.1.1)属性由该数据集的时空分辨率、投影信息、数据格式组成。 时空分辨率:时间分辨率为逐日,空间分辨率为500m,经度范围为100.2°~101.2°E,纬度为37.6°~38.3°N。 投影信息:UTM(横轴等角割圆柱)投影。 数据格式:ENVI标准格式。文件命名规则:"MOD10A1.A"+"YYYYddd"+"_h25v05_Snow_SAD_Grid_2D_reproj_babaohe_nocloud"+".img",其中YYYY代表年,ddd代表儒略日(001-365/366),其中该数据集的ENVI文件是由头文件和主体内容构成。头文件包括行数、列数、波段数、文件类型、数据类型、数据记录格式、和投影信息等;以2000055_FSC_0.5km.img 文件为例,其头文件信息如下: ENVI description = { ENVI File, Created [Wed Nov 26 11:50:00 2014]} samples = 187 lines = 132 bands = 1 header offset = 0 file type = ENVI Standard data type = 4 :代表byte型 interleave = bsq :数据记录格式为BSQ sensor type = Unknown byte order = 0 map info = {UTM, 1.000, 1.000, 596240.026, 4244174.613, 5.0000000000e+002, 5.0000000000e+002, 47, North, WGS-84, units=Meters} coordinate system string = {PROJCS["UTM_Zone_47N",GEOGCS["GCS_WGS_1984",DATUM["D_WGS_1984",SPHEROID["WGS_1984",6378137.0,298.257223563]],PRIMEM["Greenwich",0.0],UNIT ["Degree",0.0174532925199433]],PROJECTION["Transverse_Mercator"],PARAMETER["False_Easting",500000.0],PARAMETER["False_Northing",0.0],PARAMETER ["Central_Meridian",99.0],PARAMETER["Scale_Factor",0.9996],PARAMETER["Latitude_Of_Origin",0.0],UNIT["Meter",1.0]]} wavelength units = Unknown
王建, 潘海珠
我国西部干旱环境的演变规律与发展趋势项目属于国家自然科学基金“中国西部环境与生态科学”重大研究计划,负责人为中国科学院地球环境研究所安芷生院士,项目运行时间为2002.1-2004.12。 该项目汇交的数据包括: 1、西部干旱区历史与变率数据: 1) Chinese Loess Plateau Mass Accumulation Rate Data(3600-0 KYrBP) :字段包括Age,MAR(Mass Accumulation Rate).(txt文档) 2) Chinese Loess Plateau Grain Size and Magnetic Susceptibility Data(3600-0 KYrBP) :字段包括Age,Stacked Mean Grain Size,Stacked magnetic,susceptibility.( txt文档) 2、陕西耀县塬区12KaBP以来不同黄土层孢粉含量数据(excel表格):包括0-397厘米共67层黄土样品的27个科属孢粉含量分布. 3、10Be记录数据(表格) 79.67- 0.09 kyr BP不同厚度黄土的10Be浓度、磁化率及容重数据. 4、青藏高原隆升对东亚季风轨道尺度变率调制的模拟室数据: ah0-sum.nc nc文档、 hh0-sum.nc nc文档、 jfh0-sum.nc nc文档、 kdh0-sum.nc nc文档、lfh0-sum.nc nc文档、mask.nc nc文档、phis.nc nc文档
安芷生
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。其中青藏高原基础数据库主要以青藏高原为研究区域,范围在东经70—105°,北纬20—40°之间,主要包含以下类型的数据: 1、冰冻圈数据。包括: 冻土类型; 积雪深度分布; 第四纪冰川遗迹图; 2、自然环境与资源。包括: 水文:地表水; 基础地质:第四纪地质、水文地质; 地表特性:植被类型; 气象站观测数据:气温、地表温度、降水量; 3、社会经济资源: 青藏高原及毗邻地区气象台站分布图; 4、高原冻土对全球变化的响应模型(Fgmodel):预测了2009年、2049年和2099年的多年冻土分布数据。 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-青藏高原.DOC”和“数据库-青藏高原 附表.DOC”。
李新
GAME/ Tibet 项目于1997 年夏季在安多(Amdo) 站作过短期预试验观测( PIOP) 。1998 年5~9 月, 安排了连续5 个加强观测期( IOP) , 每个IOP 约一个月。中、日、韩三国80 余名科学工作者分批赴青藏高原,进行了艰苦而卓有成效的工作。 各项观测试验计划顺利完成。并且从1998 年9 月加强观测结束后,5 个自动气象站(AWS) 、1 个自动气象综合观测站( PAM) 、1 个边界层塔及辐射综合观测站(Amdo) 及9 个土壤温度和湿度观测站一直连续观测至今, 取得了连续8 年零6 个月(从1997 年6 月开始) 极其珍贵的资料。 试验区设在藏北那曲地区的一个150 km ×200 km 的区域内(图1),同时在青藏公路沿线的D66,沱沱河和唐古拉山口(D105) 也建立了观测点。包括高原草甸、高原湖泊、荒漠化草原等不同下垫面上, 设置了以下观测站(点):(1) 两个包括大气和土壤的多学科综合观测站:安多(Amdo) 和那曲(NaquFx) 。这两个站含有多分量辐射观测系统、梯度观测塔、湍流通量直测系统、土壤温湿度梯度观测、无线电探空以及作为卫星资料地面真值利用的地面土壤湿度观测网和多角度光谱仪观测等;(2) 6 个自动气象站(D66 、沱沱河、D105 、D110 、Naqu 和MS3608) 。每个测站都有风、温、湿、压、辐射、地表温度、土壤温湿度和降水等观测;(3) 设在那曲北和南各约80 km 处的PAM( Portable Automated Meso - net) 站(MS3478和MS3637) 有类似于上述两个综合观测站(Amdo和NaquFx) 的主要项目, 同时有风、温、湿的湍流观测;(4) 9 个土壤温度和湿度观测点(D66 、沱沱河、D110 、WADD、NODA、Amdo 、MS3478、MS3478和MS3637) , 每个测站都包含有6 层土壤温度和9 层土壤湿度测量;(5) 一个设在那曲以南的三维多普勒雷达站和邻近(约100 km) 区域内的7 个加密雨量站( Precipitation gauge) , 辐射观测系统主要研究高原云与降水系统, 并作为TRMM 卫星一个地面真值站。 GAME-Tibet项目力求通过不同空间尺度的加强观测试验和长期监测,深入了解青藏高原的地气相互作用以及对亚洲季风系统的影响。 GAME/ Tibet 项目2000 年结束后, 已加入GEWEX(全球能量和水循环试验) 与CL IVAR (气候变化和预测) 两个大型国际计划联合组织的“全球协调加强观测计划(CEOP) ”, 开始执行“全球协调加强观测计划(CEOP) 亚澳季风之青藏高原试验研究”(CAMP/ Tibet ) 数据内容分为Prephase Observation Preriod (POP)1997年和IOP1998年 一、POP1997年数据内容: 1、Precipitation Guage Network (PGN) 2、Radiosonde Observation at Naqu 3、Analysis of Stable Isotope for Water Cycle Studies 4、Doppler radar observation 5、Large-Scale Hydrological Cycle in Tibet (Link to Numaguchi's home page) 6、Portable Automated Mesonet (PAM) [Japanese] 7、Ground Truth Data Collection(GTDC) for Satellite Remote Sensing 8、Tanggula AWS ( D105 station in Tibet ) 9、Syamboche AWS (GEN/GAME AWS in Nepal) 二、IOP1998年数据内容: 1、Anduo (1)PBL Tower 、(2)Radiation 、(3)Turbulence SMTMS 2、D66 (1)AWS (2)SMTMS (3)GTDC(4)Precipitation 3、Toutouhe (1)AWS(2)SMTMS(3)GTDC 4、D110 (1)AWS (2)SMTMS (3)GTDC(4)SMTMS 5、MS3608 (1)AWS (2)SMTMS (3)Precipitation 6、D105 (1)Precipitation (2)GTDC 7、MS3478(NPAM) (1)PAM (2)Precipitation 8、 MS3637 (1)PAM (2)SMTMS (3)Precipitation 9、NODAA (1)SMTMS (2)Precipitation 10、WADD (1)SMTMS (2)Precipitation (3)Barometricmd 11、AQB (1)Precipitation 12、Dienpa( RS2 ) (1)Precipitation 13、Zuri (1)Precipitation(2)Barometricmd 14、Juze (1)Precipitation 15、Naqu hydrological station (1)Precipitation 16、MSofNaqu(1)Barometricmd 16、Naquradarsite (1)Radarsystem(2)Precipitation 17、Syangboche[Nepal](1)AWS 18、Shiqu-anhe(1)AWS(2)GTDC 19、Seqin-Xiang(1)Barometricmd 20、NODA(1)Barometricmd(2)Precipitation(3)SMTMS 21、NaquHY(1)Barometricmd(2)Precipitation 22、NaquFx(BJ)(1)GTDC(2)PBLmd(3)Precipitation 23、MS3543(1)Precipitation 24、MNofAmdo(1)Barometricmd 25、Mardi(1)Runoff 26、Gaize(1)AWS(2)GTDC(3)Sonde
马耀明
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