该数据集为全球植被生产力数据，包含总初级生产力（GPP）、净初级生产力（NPP）和净生态系统生产力（NEP）3部分，由耦合模式比较计划第6阶段（CMIP6）中BCC-ESM1模式在Historical情景下模拟得到。数据时间范围为1850-2014年，时间分辨率为月，空间分辨率约为2.8125°。模拟数据详细说明可见链接https://www.wdc-climate.de/ui/cmip6?input=CMIP6.CMIP.BCC.BCC-ESM1。
郑周涛
生物圈对大气的反馈是全球变化研究的核心内容之一，在大气CO2浓度上升的情况下，陆地生态系统的行为是预测这种反馈效应的主要不确定性因素。CO2浓度升高（eCO2）可以通过增加羧化作用和抑制光呼吸速率直接刺激植物生长和生态系统C的吸收。通过CO2施肥效应（CFE）对光合作用和碳固存的影响，陆地生态系统可以缓冲大气CO2浓度的激增，进而减缓气候变化。为研究CO2加富对植被生产力的影响，在青藏高原北部那曲草原站（31°38′31″N, 92°00′54″E，海拔4600m）开展了CO2加富试验。试验采用分区设计，CO2为主处理因子，N为次处理因子；总共四个实验处理，跨越两个CO2浓度水平[环境CO2 (aCO2)，升高CO2（eCO2）： +100ppm]。考虑到研究区域的植被高度低和多风的天气，采用八角形开顶室（OTCs）来控制二氧化碳浓度，而不是自由FACE系统。OTC设计高2.5米，每边长1.5米，每个OTC占地7.7平方米。
张扬建
该数据集是那曲通量站点（31.64°N 92.01°E, 4598 m a.s.l.）的每日涡度相关通量观测数据，包括生态系统净生态系统生产力（NEP）、总初级生产力（GPP）和生态系统呼吸（ER）数据。该数据预处理主要步骤包括野点去除（±3σ）、坐标轴旋转（三维风旋转）、Webb-Pearman-Leuning校正、异常值剔除、碳通量插补与分解等，缺失数据通过CO2通量值（Fc）与环境因子之间的非线性经验公式进行插补。
张扬建
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。青藏高原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。本数据集包括2019年藏北样带上47个采样点的的地上生物量和盖度数据，采样时间为7-8月。样方大小为50cm×50cm，烘干后称取植物干重。本数据集可用于生产力的空间分析与模型的校准工作。
张扬建, 朱军涛
该数据集是那曲通量站点（31.64°N 92.01°E, 4598 m a.s.l.）的每日涡度相关通量观测数据，包括净生态系统生产力（NEP）、总初级生产力（GPP）、生态系统呼吸（ER）、蒸散、潜热、感热、空气温度、相对湿度、风速、土壤温度、土壤含水量等数据。该数据预处理主要步骤包括野点去除（±3σ）、坐标轴旋转（三维风旋转）、Webb-Pearman-Leuning校正、异常值剔除、碳通量插补与分解等，缺失数据通过CO2通量值（Fc）与环境因子之间的非线性经验公式进行插补。
张扬建
该数据集为全球呼吸数据，包含自养呼吸（ra）和异养呼吸（rh）两部分，由耦合模式比较计划第6阶段（CMIP6）中TaiESM1模式在Historical情景下模拟得到。数据时间范围为1850-2014年，时间分辨率为月，空间分辨率约为0.9°x1.25°。模拟数据详细说明可见链接https://www.wdc-climate.de/ui/cmip6?input=CMIP6.CMIP.AS-RCEC.TaiESM1.historical。
美国气候模式诊断和对比计划委员会
本数据集为基于PEW模型的全球地表蒸散发产品， PEW模型是基于等比例假设建立的水-能平衡蒸散发模型（Proportionality hypothesis-based surface Energy-Water balance model），其原理是在Priestley Taylor（PT）蒸散发算法的基础上，耦合基于等比例假设构造的水热平衡框架。PEW模型可以同时考虑水量平衡约束和能量收支过程的影响，使得PEW模型模拟精度相较于以往的模型有一定程度的提升。PEW的输入数据包括ERA5-land数据集气象和土壤含水量变化等数据，本数据集时间跨度为1982年-2018年，时间分辨率为逐月，空间分辨率为0.1°。本数据集可为研究长时间尺度水循环和气候变化提供基础。
傅健宇, 王卫光
本数据集为过去40年黄河源和祁连山区水量平衡（降水、蒸散发、径流、土壤液态含水量）、能量平衡（短波辐射、感热、潜热和表层土壤温度）数据集。初始数据源为ERA5-Land月平均数据，通过时间聚合累积/平均到年尺度。数据的时间范围为1981-2020年，空间范围为88.5°E – 104.5°E、32°N - 43°N，空间分辨率0.1°。数据集可进一步用于黄河源区与祁连山区生态-水文过程相关研究，为“山水林田湖草”系统优化调配提供科学依据。
郑东海
本数据集来源于论文：（1）He, C., Liu, Z., Tian, J., & Ma, Q., (2014). Urban expansion dynamics and natural habitat loss in China: a multiscale landscape perspective. Global change biology, 20(9), 2886-2902.（2）Xu, M., He, C., Liu, Z., Dou, Y. (2016). How Did Urban Land Expand in China between 1992 and 2015? A Multi-Scale Landscape Analysis. PLoS ONE 11(5): e0154839。本数据集的制作流程主要包括：（1）对夜间灯光数据、植被指数数据和地表温度数据进行预处理，得到了1992-2020年覆盖全国范围的多源遥感数据；（2）通过经济分区、选取训练样本、支持向量机分类和年际序列订正，获取城市建成区动态信息。利用Landsat TM/ETM+数据进行精度评价，得到Kappa系数为0.60，总体精度为92.62%。该数据集已用于评估城市扩展过程对自然生境和耕地的影响，能够为理解中国城市扩展过程及其影响提供数据支持。
何春阳, 刘志锋, 许敏, 卢文路
在全球变化的大背景下，时空连续的高质量高分辨率长时间序列降水数据集对理解全球“水-碳-能”和生物地球化学的循环机制具有重要意义。研究提出的基于总量控制的日尺度融合矫正算法（Daily Total Volume Controlled Merging and Disaggregation Algorithm, DTVCMDA），有效考虑了再分析降水数据时空连续且高时空分辨率的特点，以及地面分析数据高质量的特性，制作了一套亚洲地区七十余年长时间序列高质量高时空分辨率降水数据集AERA5-Asia (0.1°, hourly, 1951-2015, Asia)。该数据集的主要特点如下：（1）AERA5-Asia是一套具有高分辨率、高质量、时空连续以及长时间序列的数据集；（2）AERA5-Asia显著优于IMERG-Final和ERA5-Land降水数据，尤其是在系统偏差方面，总体来看，AERA5-Asia、IMERG-Final和ERA5-Land相比地面观测的偏差分别为~5%，~11%和~20%；（3）在极端强降水中（如台风“潭美”和“天兔”），AERA5-Asia的质量也是显著优于ERA5-Land和IMERG-Final。 AERA5-Asia将为亚洲地区、尤其是中国区域的天气气候和水文等领域的相关研究提供稳定可靠的降水数据支撑。
马自强, 马耀明, 马伟强, 许金涛
作物物候是指农作物达到关键生育期时对应的日期。华北平原的主要种植模式是冬小麦和夏玉米轮作，冬小麦和夏玉米关键物候期的变化反映了其生长发育对气候条件和生产管理措施的响应情况和适应性，是评估该地区作物生长状态、灌溉耗水情况的关键参数。 本研究以华北平原冬小麦-夏玉米稳定种植区为研究范围，使用1982-2015年GIMMS3g NDVI数据，综合曲线最大值、最小值、斜率、百分量值等多个特征参数，提取了冬小麦和夏玉米的关键物候期：开始日（SOS），峰值日（PEAK）和结束日（EOS）。提取物候与农气站点记录物候期进行对比，R²在0.9以上，准确度高。（详细过程请见参考文献） 该物候数据集可应用于该地区计算冬小麦和夏玉米生产力、对气候变化响应、灌溉耗水量估算等相关研究。
雷慧闽
华北平原是我国重要的粮食产区，耕地面积广大，种植结构复杂，准确识别该地区典型农作物分布，及时追踪种植结构的动态变化，是检测作物生长、评估作物灌溉耗水和优化农业水资源配置的重要基础。 本研究使用遥感MOD13Q1 NDVI数据，经傅里叶变换后选取0-5级谐波的振幅和初相位作物分类底图。基于现场调研的实测样本点和最大似然监督分类，识别了2001-2018年华北平原6类典型作物（冬小麦-夏玉米、冬小麦-水稻、其他双峰类作物、春玉米、棉花、其他单峰类作物）的种植区分布。识别结果经过混淆矩阵、与县级统计年鉴的冬小麦播种区比较以及与Landsat提取冬小麦占比比较进行了精度评价，均表现良好，准确度高。（详细过程请看参考文献） 数据可被应用于华北平原作物生产、灌溉耗水估算、地下水保护等相关研究分析。
雷慧闽
本数据集来源于论文：He, C., Liu, Z., Wu, J., Pan, X., Fang, Z., Li, J., Bryan., B.A. (2021). Future global urban water scarcity and potential solutions. Nature Communications, 12, 4667。本数据集包括2020-2070年全球不同共享社会经济路径下的城市建成区信息。本数据集的制作流程主要包括：（1）基于全球1992-2016年城市建成区数据（下载地址：https://doi.pangaea.de/10.1594/PANGAEA.892684）和城市人口数据建立线性回归模型，计算未来城市建成区的数量需求；（2）使用LUSD-urban模型模拟未来城市建成区的空间格局。该数据集能够为评估全球未来城市扩展过程的影响提供数据支撑。
何春阳, 刘志锋, 杨延杰
本数据集来源于论文：Huang, M., Wang, Z.C., Pan, X.H., Gong, B.H., Tu, M.Z., & Liu, Z.F. (2022). Delimiting China's urban growth boundaries under localized shared socioeconomic pathways and various urban expansion modes. Earth's Future, 10, e2021EF002572。本套数据集展示了不同社会经济情景和不同扩展模式下中国2021-2100年城市建成区的扩展过程和城市空间增长边界（也可称为城市扩展边界）。本数据集的制作流程主要包括：（1）基于本地化后的共享社会经济路径，利用基于斑块的LUSD-urban模型，模拟了11种扩展模式下的城市扩展过程；（2）基于最大扩展范围，利用空间形态学方法对城市扩展动态信息进行处理，划定了中国各省级行政区的城市空间增长边界。作者利用该套数据分析了不同情景和不同扩展模式下城市扩展过程对生态系统服务的影响以及城市收缩压力，可为合理划定城镇开发边界提供参考。
黄妙, 王梓晨, 潘鑫豪, 龚炳华, 涂梦昭, 刘志锋
本数据集为过去20年间（2001-2020）青藏高原生长季NDVI与植被物候数据集，数据来源为MODIS（MOD13A2）产品，空间分辨率为1km。数据集内容包括：2001-2020年每年生长季（5-9月）平均NDVI、生长季开始日期（SOS）、生长季结束日期（EOS）与生长季长度（DOS）。提取物候采用了两种方法：动态阈值方法和双对数函数法。数据格式为TIFF格式，投影为Sphere_ARC_INFO_Lambert_Azimuthal_Equal_Area。
王泰华, 杨大文
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
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
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
该数据集是通过中国高分辨率对地观测中心获取了青藏工程走廊地区的高分1号卫星遥感影像资料，经过多光谱与全色波段的融合处理，得到了空间分辨率2 m的影像数据，在获取地面植被信息过程中，采用面向对象的计算机自动解译与人工目视解译相结合的分类技术，面向对象分类技术是集合邻近像元为对象来识别感兴趣的光谱要素，充分利用高分辨率的全色和多光谱数据空间、纹理和光谱信息来分割和分类，以高精度的分类结果或者矢量输出。在实际操作中，借助 eCognition 软件对影像进行自动提取，主要过程为影像分割、信息提取和精度评价。经过与实地定点调查验证，整体提取精度大于90%。
牛富俊
本数据包括青藏高原中部的25个湖泊的细菌16S核糖体RNA基因序列数据，样品采集时间为2015年7月-8月，使用2.5升采样器对地表水进行了三次重复采样。样品采集后立即带回北京青藏高原研究所生态实验室，所取盐湖的盐度梯度为0.14 ~ 118.07 g/L。本数据为扩增子测序结果。将湖水在0.6 atm过滤压力下浓缩到至0.22μm膜上，然后通过FastDNA SPIN Kit 提试剂盒提取DNA，16S rRNA基因片段扩增引物为515F (5'-GTGCCAGCMGCCGCGGTAA-3') and 909r (5'-GGACTACHVGGGTWTCTAAT-3')。使用Illumina MiSeq PE250测序仪进行对端测序，原始数据通过Mothur软件进行分析，序列与Silva128数据库进行比对并以97%的同源性将序列划分为操作分类单元（OTU）。本数据可用于分析青藏高原湖泊微生物多样性研究。
孔维栋
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
