2019-2021年的复杂山区泥石流、堰塞湖沉积物测年数据。数据采集地点为青藏高原东缘、南缘等区域泥石流易发的复杂山区。主要在中国科学院青海盐湖研究所盐湖化学分析测试中心、中国科学院成都山地所分析测试中心等完成实验分析。使用的仪器包括Risø TL/OSL–DA–20全自动释光仪等。建立了典型复杂山区泥石流沉积物年代数据集,定量研究了复杂山区泥石流沉积物的形成年代,确定了复杂山区的古泥石流灾害活动历史。
胡桂胜
易贡藏布下游水文观测数据主要内容包括易贡藏布下游水深及水温小时监测数据,数据采集时间为2020年。数据来源为安装在易贡湖下游基岩上的HOBO水位计采集得到,HOBO水位计为压力传感式水位计,每小时采集存储一次,水深及水温数据均为每小时均值,其中需特别注意测量获得的水深数据为压力数据,转换为水深数据时应扣减测点当地大气压。该数据质量可靠、精度较高,可用于记录易贡藏布水位年内变化,并通过控制关键河道最终达到反演径流过程的目的。
侯伟鹏
波密县天摩沟地面气象数据是由布置在帕隆藏布流域天摩沟中游的气象监测点采集获得的,数据采集时间为2020年。数据主要内容包括天摩沟雨量和气温观测数据,雨量数据通过HOBO雨量计采集得到,HOBO雨量计为翻斗式雨量计,每0.2mm降雨量记录为一次事件,输出记录的事件次数,事件次数乘以0.2mm即为雨量值;气温由数据记录仪中内置的一个10位分辨率温度传感器测量,采集方式为每小时采集存储一次,可以获得气温小时均值。该数据质量可靠、精度较高,可用于反映天摩沟雨量和气温实时变化动态,监测泥石流起动临界条件,预报该地区未来泥石流事件发生的可能性。
侯伟鹏
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。藏东南1KM植被指数(NDVI)空间分布数据集是在MODIS(https://ladsweb.modaps.eosdis.nasa.gov/)16天1KM地表反射率数据(MOD13)基础上,采用最大值合成法生成的2000年以来的月度植被指数数据集。该数据集有效反映了藏东南地区在空间和时间尺度上的植被覆盖分布和变化状况,对植被变化状况监测、植被资源合理利用和其它生态环境相关领域的研究有十分重要的参考意义。月度NDVI数据为每月NDVI数据数值的最大值,数据获取时间为2000年2月—2018年12月。下载的数据为GRID格式,空间分辨率为1km。
王浩
本数据为通过自动化雨量站、泥位监测仪、撞线传感器测量产生的中季节海泥石流综合监测数据集(2021年)。以上数据采集点为四川省阿坝藏族羌族自治州九寨沟县景区中季节海泥石流监测点。监测数据主要在四川省国土空间生态修复与地质灾害防治研究院完成数据分析。使用的仪器包括、DD-YLJ-001自动化雨量站、DD-NWJ-001泥位监测仪。数据通过Excel和origin软件处理。采集时间为2021年。
张群
基于可见光的靶标监测科学数据,来源于应用示范点迫龙沟和卡达村沟以及样机研发地,通过海康摄像机设备进行采集,数据主要内容是监测现场靶标的倾倒、人员遮挡等情况,用于测试现场算法软件——基于可见光的泥石流监测系统和可见光系统上位机软件的通信以及靶标倾倒报警、遮挡靶标报警及遮挡靶标撤销遮挡等情况下数据上报是否正常,且该数据可以为后续算法研究提供数据基础,不必重新采集。数据是未经加工处理的原始视频数据,可用于AI智能分析技术研究。
胡育昱
本数据为通过自动化雨量站、泥位监测仪、撞线传感器测量产生的纳底沟泥石流综合监测数据集(2021年)。以上数据采集点为四川省阿坝藏族羌族自治州九寨沟县景区纳底沟泥石流监测点。监测数据主要在四川省国土空间生态修复与地质灾害防治研究院完成数据分析。使用的仪器包括DD-ZXCG-001撞线传感器、DD-YLJ-001自动化雨量站、DD-NWJ-001泥位监测仪。采集时间为2021年。
张群
本数据为黑河上游1992-2015年生长季降水产生的径流、蒸散发,数据内容包括:降水(mm)、蒸散发(mm)、径流(mm)、土壤含水量(m3/m3)。时间分辨率:年(生长季),空间分辨率:0.00833°。数据是基于Eagleson生态水文模型使用气象、土壤、植被参数模拟获得的,模拟的降雨径流使用黑河上游6个子流域(黑河干流、八宝河、野牛沟、梨园河、瓦房城、洪水河)的生长季观测径流数据进行了验证,相关系数(R)的变化范围为0.53-0.74,RMSE在32.46-233.18 mm之间,相对误差范围为-0.66--0.0005;模拟蒸散发与GLEAM ET之差在−115.36 mm 到 44.1 mm之间。模拟结果可以为黑河上游水文模拟提供一定参考。
张宝庆
沱沱河源区植被类型图是基于 319 个地面采样点数据结合随机森林(RF)分类方法进行创建的。随机森林分类器的16个输入变量包括了Landsat-8的可见光、短波红外和热红外波段值及其反演的植被指数和地表温度数据等。根据研究区的植被特征及多年冻土模拟的需要,该图对高寒沼泽草甸(alpine swamp meadow)、高寒草甸(alpine meadow)、高寒草原(alpine steppe)和高寒沙漠(alpine desert )等4种植被类型进行了分类。图件的空间分辨率为30 m,可以提供更细节的植被类型的位置信息。
邹德富, 赵林, 刘广岳, 杜二计, 胡国杰, 李智斌, 吴通华, 吴晓东, 陈杰
本数据为东南亚地区2015年的地表类型数据,空间分辨率为30米,数据类型为NetCDF,变量名为“land cover type”。该数据基于FROM-GLC数据加工而成,通过对原始影像的拼接、裁剪得到覆盖东南亚的地表类型数据,剔除东南亚地区不存在的雪冰等下垫面类型并重新整合图例。修改下垫面类型编码生成包含东南亚的地表类型数据。该数据提供耕地、森林、草地、灌木、湿地、水体、不透水面、及裸地共8种下垫面的信息。数据总体精度为71% (Gong et al., 2019),可为水文模型、区域气候模式等提供东南亚地区的下垫面信息。
刘俊国
2018-2021年高山冰缘带植物功能性状分解数据库是项目组于2018-2021年对青藏高原冰缘带科学考察的系列成果之一。数据库包含青藏高原冰缘带植物物种名录,及野外实测和依据《中国植物志》、《西藏植物志》、《云南植物志》、《青海植物志》、《横断山区维管植物》等资料收集的植物根、茎、叶、花、果等关键性状信息。数据为研究高山冰缘带的功能多样性、物种适应性、高山生态系统对气候变化的响应等研究提供了重要的基础数据。
孙航
青藏高原植物群落样方调查数据集(2019)由第二次青藏科考任务三专题六的科考队于2019年8月野外调查完成,空间跨度为:北纬36.02°- 38.07°,东经91.45°- 100.84°。数据集覆盖了森林、灌丛、草地、荒漠和农田等植被类型,共48个样地。数据集由四部分组成,包括样地信息、乔木层样方、灌木层样方和草本层样方。其中乔木层数据2条,灌木层数据63条,草本层数据101条。调查条目包括物种组成,物种分盖度,物种平均高度,灌丛平均冠幅和群落总盖度。
黄永梅, 霍佳璇, 任梁
本数据集是一个包含10年(2010-2019)的全球日尺度地表土壤水分数据集,分辨率为36 km,采用EASE-Grid2投影坐标系,数据单位为m3/m3. 数据集采用Yao et al.(2017,2021)发展的土壤水分神经网络反演算法,将SMAP的优势传递到FY-3B/MWRI,利用人工神经网络方法,以SMAP标准土壤水分产品为训练目标,以FY-3B/MWRI的亮温为输入,最终输出长时序土壤水分数据。土壤水分精度和SMAP接近,达到5%左右。( 全球14个密集观测站网的验证精度 )。
姚盼盼, 卢麾, 赵天杰, 武胜利, 施建成
祁连山北麓黑河流域中下游土壤蒸发(E)逐月模拟数据(2001-2015)是由生态水文耦合模型HEIFLOW模拟得到的。HEIFLOW模型是一个三维分布式生态水文模拟,由一个地表水模型(PRMS)、一个地下水模型(MODFLOW)和几个生态模块组成,能较为完整地描述流域水循环和植被生态过程。生成此数据的建模细节请参考Han et al. (2021),关于HEIFLOW模型的技术细节请参考Han et al. (2021),Tian et al. (2018) 和Sun et al. (2018).
郑一, 韩峰, 田勇
祁连山北麓黑河流域中下游叶面积指数逐月模拟数据(2001-2015)是由生态水文耦合模型HEIFLOW模拟得到的。HEIFLOW模型是一个三维分布式生态水文模拟,由一个地表水模型(PRMS)、一个地下水模型(MODFLOW)和几个生态模块组成,能较为完整地描述流域水循环和植被生态过程。生成此数据的建模细节请参考Han et al. (2021),关于HEIFLOW模型的技术细节请参考Han et al. (2021),Tian et al. (2018)和Sun et al. (2018).
郑一, 韩峰, 田勇
祁连山北麓黑河流域中游张掖盆地玉米产量预测数据(2001-2015)是基于生态水文耦合模型HEIFLOW模拟结果将张掖市的实际玉米产量数据降尺度得到的。HEIFLOW模型是一个三维分布式生态水文模拟,由一个地表水模型(PRMS)、一个地下水模型(MODFLOW)和几个生态模块组成,能较为完整的描述流域水循环和植被生态过程。生成此数据的建模细节请参考Han et al. (2021),关于HEIFLOW模型的技术细节请参考Han et al. (2021),Tian et al. (2018)和Sun et al. (2018).
郑一, 韩峰, 田勇
祁连山北麓黑河流域中下游地下水水位逐月模拟数据(2001-2015)是由生态水文耦合模型HEIFLOW模拟得到的。HEIFLOW模型是一个三维分布式生态水文模拟,由一个地表水模型(PRMS)、一个地下水模型(MODFLOW)和几个生态模块组成,能较为完整地描述流域水循环和植被生态过程。生成此数据的建模细节请参考Han et al. (2021),关于HEIFLOW模型的技术细节请参考Han et al. (2021),Tian et al. (2018)和Sun et al. (2018).
郑一, 韩峰, 田勇
祁连山北麓黑河流域中下游土壤可用水量(SW_AWC)逐月模拟数据(2001-2015)是由生态水文耦合模型HEIFLOW模拟得到的。HEIFLOW模型是一个三维分布式生态水文模拟,由一个地表水模型(PRMS)、一个地下水模型(MODFLOW)和几个生态模块组成,能较为完整地描述流域水循环和植被生态过程。生成此数据的建模细节请参考Han et al. (2021),关于HEIFLOW模型的技术细节请参考Han et al. (2021),Tian et al. (2018)和Sun et al. (2018).
郑一, 韩峰, 田勇
祁连山北麓黑河流域中下游植被蒸腾(T)逐月模拟数据(2001-2015)是由生态水文耦合模型HEIFLOW模拟得到的。HEIFLOW模型是一个三维分布式生态水文模拟,由一个地表水模型(PRMS)、一个地下水模型(MODFLOW)和几个生态模块组成,能较为完整地描述流域水循环和植被生态过程。生成此数据的建模细节请参考Han et al. (2021),关于HEIFLOW模型的技术细节请参考Han et al. (2021),Tian et al. (2018)和Sun et al. (2018).
郑一, 韩峰, 田勇
Climatic warming alters the onset, duration and cessation of the vegetative season. While prior studies have shown a tight link between thermal conditions and leaf phenology, less is known about the impacts of phenological changes on tree growth. Here, we assessed the relationships between the start of the thermal growing season (TSOS) and tree growth across the extratropical Northern Hemisphere using 3451 tree-ring chronologies and daily climatic data for 1948-2014. An earlier TSOS promoted growth in regions with high ratios of precipitation to temperature but limited growth in cold dry regions. Path analyses indicated that an earlier TSOS enhanced growth primarily by alleviating thermal limitations on wood formation in boreal forests and by lengthening the period of growth in temperate and Mediterranean forests. Semi-arid and dry subalpine forests, however, did not benefit from an earlier onset of growth and a longer growing season, presumably due to associated water loss and/or more frequent early spring frosts. These broadly relevant patterns of how climatic impacts on wood phenology affect tree growth at regional to hemispheric scales, enhance our understanding of how future phenological changes may affect the carbon sequestration capacity of extra-tropical forest ecosystems.
梁尔源, 高姗
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