青藏高原作为亚洲“水塔”为亚洲主要河流提供水资源。由生物质和化石燃料燃烧排放的BC气溶胶对辐射具有极强的吸收作用,进而对地球系统的能量收支和分布具有重要的影响,是气候环境变化不可忽视的影响因子。青藏高原周边地区排放的黑碳气溶胶经大气环流可被传输至高原内部,并沉降到雪冰表面,对降水和冰川物质平衡产生重要影响。分别在青藏高原5个台站架设黑碳仪,在线测量大气黑碳含量。这对评估黑碳对青藏高原的气候环境影响和大气污染物的跨境传输提供数据基础。
王茉
青藏高原在中国境内的部分涉及西藏、青海、新疆、云南、甘肃、四川六个省份,包括了西藏、青海全境,以及新疆、云南、甘肃、四川的部分地区。水土资源匹配研究旨在揭示一定区域尺度水资源和土地资源时空分配的均衡状况与丰缺程度。区域水资源与耕地资源分配的一致性水平越高,其匹配程度就越高,农业生产的基础条件就越优越。采用单位耕地面积的广义农业水资源量测度方法来反映研究区农业生产的水资源供给量和耕地资源空间适宜性的量比关系。 数据集的Excel文件中包含青藏高原在中国境内的市级行政区2008-2015年的广义农业水土资源匹配系数数据,矢量数据为2004年青藏高原在中国境内的市级行政区矢量边界数据,栅格数据像元值即所在地区当年广义农业水土资源匹配系数。
董前进, 董凌霄
本数据集包括大气气溶胶颗粒物的PM2.5质量浓度(单位为μg/m3)和当时的温度(摄氏度)、相对湿度(%)、大气压(hPa)。气溶胶PM2.5细颗粒物是指环境空气中空气动力学当量直径小于等于 2.5 微米的颗粒物。它能较长时间悬浮于空气中,对空气质量和能见度等有重要的影响,其在空气中含量浓度越高,就代表空气污染越严重。PM2.5的浓度特性数据以每5 min获取一组数据的频率进行产出,能实现小时、昼夜、季节和年际等不同时间尺度气溶胶质量浓度的分析,这为青藏高原地区不同位置的气溶胶质量浓度在不同时间尺度上的变化及其影响因素分析,以及当地空气质量评价,提供了重要的数据支撑。
邬光剑
本数据包含黄河源园区、澜沧江源园区、长江源园区内的乡界矢量数据。本数据根据青海省测绘地理信息局发布的青海省电子地图册中三江源国家公园所在县的电子地图数字化得到。数据为ARCGIS的shp格式,属性数据中主要包含三个属性,乡镇名称:各个乡镇的名字(如:花石峡镇);PAC:是行政区划代码(如:513230);NAME:是属县的名称(如玛多县)。数据采用2000国家大地坐标系和1985国家高程基准。该数据是三江源国家公园重要的基础地理数据,为该区域的制图、调查提供基本信息。
青海省基础地理信息中心
基于Google earth高清卫星影像,根据青藏高原矢量图,通过目视解译获取青藏高原全区2018年设施农业用地。所用影像拍摄时间集中于2017.11—2018.11。其中,基于2018年影像提取的设施农业面积约占总面积的70.47%;基于2017年11月以来拍摄影像提取的设施农业面积占比更是高达86.87%;部分地区影像拍摄时间相对较早,但多人烟稀少,没有或很少有设施农业分布,对研究结果影响不大。该数据有利于充分摸清青藏高原全区设施农业的空间分布情况,有利于当地设施农业空间规划调整。
吕昌河, 魏慧
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
本研究以青藏高原范围内土地资源为评价对象,阐明区域内适宜于农、林、牧业生产的现状及其后备土地资源数量、质量及其分布情况。通过实地调查,收集整理研究区域的相关数据,结合相关文献和专家经验确定评价因子(海拔、坡度、年降水量、积温、日照时数、土壤有效深度、质地、侵蚀强度、植被类型、NDVI)并对其分等定级和标准化,通过主成分分析法确定各评价因子的权重,采用加权指数和模型确定评价单元总分值,最后用ArcGis自然间断点分级法得出青藏高原宜农、宜林以及宜牧用地的适宜等级,输出90m分辨率的青藏高原农业适宜性图纸,并对结果校验分析。
姚明磊
该数据集由2018年青藏高原野外考察期间无人机航拍所得,数据大小为5.72 GB,包括800余张照片。照片拍摄的具体时间为2018.07.19-2018.07.26,拍摄地点主要包括羊八井、克日村、阿沛新村、仲果村、米林村、日村、冲康村、克松村、色木村、羊卓雍错及其周边地区。航拍照片较为清晰的反映了当地土地覆被状况(土地利用类型、植被密度、河流湖泊分布等等),为土地利用遥感解译工作提供了较好的验证信息,还可用于植被覆盖度的估算工作,为研究区土地利用研究提供了较好的参照信息。
吕昌河, 刘亚群
本数据集包含了自1010至2005年内各年代氧同位素数据,用于研究青藏高原希夏邦马地区环境变化。 冰芯氧同位素利用仪器测量得出,由仪器或者实验完成后直接得到数据,各个环节严格按照相关操作规程进行样品和数据采集,符合各实验室操作标准规范。 本数据包含两个字段: 字段1:年代 AD 字段2:氧同位素 ‰
田立德
包含了西藏地区各地海拔高度,1988-1994年气温特征数据。数据整理自统计年鉴:《西藏社会经济统计年鉴》和《西藏统计年鉴》,精度同数据所摘取的统计年鉴。 数据表共有10个字段 字段1:年份 解释:数据的年份 字段2:地点 字段3:海拔 米 字段4:极端最高气温日期 字段5:极端最高气温 ℃ 字段6:极端最低气温日期 字段7:极端最低气温 ℃ 字段8:年平均温度 ℃ 字段9:一月平均温度 ℃ 字段10:七月平均温度 ℃
西藏自治区统计局
该数据集记录了青海省1985-2016年社会消费品零售总额、批发零售贸易总额、住宿餐饮及其他行业零售总额序列数据。数据整理自统计年鉴:《青海社会经济统计年鉴》和《青海统计年鉴》,精度同数据所摘取的统计年鉴。 数据表共有5个字段 字段1:年份 解释:数据的年份 字段2:社会消费品零售总额 万元 字段3:批发零售贸易 解释:批发零售贸易额 万元 字段4:住宿餐饮 解释:住宿餐饮总额 万元 字段5:其他行业 解释:其他行业零售总额 万元
青海省统计局
1) 数据内容(包含的要素及意义): 大气柱总含水量/可降水量、 儒略日Julian Day、经纬度和海拔高度; 2) 数据来源及加工方法: ECMWF-interm逐月再分析资料集 monthly mean analysis; 3) 数据质量描述:时间分辨率为逐月,空间分辨率:0.7°*0.7°; 4) 数据应用成果及前景:数据集给出了高原空中大气水资源的空间情况,用于分析高原空中水汽的时空变化及对周边地区降水的影响。
阎虹如
ASTER Global Digital Elevation Model (ASTER GDEM)是美国航空航天局 (NASA)和日本经济产业省(METI)联合发布的全球数字高程数据产品,该DEM数据是根据NASA新一代对地观测卫星TERRA的观测结果完成,是由ASTER(Advanced Space borne Thermal Emission and Reflection Radio meter)传感器搜集的130万个立体像对数据制作,其覆盖范围超过了地球99%陆地表面。本数据下载自ASTER GDEM数据分发网站,为了便于用户使用数据,在分幅ASTER GDEM数据的基础上,我们使用erdas软件进行拼接制备青藏高原ASTER GDEM镶嵌图。 ASTER GDEM发布了两个版本,第一个版本于2009年6月发布,第二个版本于2011年10月发布,本数据集为青藏高原地区第二版本的ASTER GDEM数据集。 本数据集共包括三个数据文件: ASTER_GDEM_TILES ASTERGDEM_MOSAIC_DEM ASTERGDEM_MOSAIC_NUM 青藏高原地区ASTER GDEM数据,精度30米,原始数据为tif格式,镶嵌数据使用img格式存储。 本数据集原始数据下载于ASTERGDEM网站,完全保留了数据的原貌,ASTER GDEM在分发时被分割为若干1×1度的数据块,分发格式为zip压缩格式,每个压缩包包括两个文件,文件命名格式如下: ASTGTM_NxxEyyy_dem.tif ASTGTM_NxxEyyy_num.tif 其中xx为起始纬度,yyy为起始经度。_dem.tif为dem数据文件,_num.tif为数据质量文件。 ASTER GDEM TILES:原始数据保留数据原貌,未进行处理 ASTERGDEM_MOSAIC_DEM:使用erdas软件对dem.tif数据进行镶嵌,参数设置使用默认值 ASRERGDEM_MOSAIC_NUM:使用erdas软件对num.tif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ASTERGDEM数据分发网站的数据精度,该数据的水平精度30米,高程精度为20米。镶嵌数据使用erdas制作,参数使用默认值。
METI, NASA
Randolph冰川目录(Randolph Glacier Inventory,RGI)是GLIMS(Global Land Ice Measurements from Space)发布的全球冰川轮廓的完整目录,青藏高原冰川数据来自2015年版本的RGI数据集。 数据按照不同地区进行组织,每个地区包括一个shape文件(.shp文件及其相应的.dbf、.prj和.shx等文件),一个测高数据的.csv文件,每条冰川包含一条记录。 数据来源于GLIMS: Global Land Ice Measurements from Space(http://www.glims.org/RGI/) 数据质量检查包括几何、拓扑和属性检查,包括: 1) 所有多边形都使用ArcGIS Repair Geometry工具进行检查; 2) 删除了小于0.01平方公里的冰川; 3) 拓扑使用Does Not Overlap规则进行检查; 4) 属性表利用Fortran子程序和Python脚本进行数据质量检查。
National Snow and Ice Data Center(NSIDC), Global Land Ice Measurements from Space(GLIMS)
该数据集记录了青海省2000-2016年企业信息及1985-2016年利用外资情况。数据整理自统计年鉴:《青海社会经济统计年鉴》和《青海统计年鉴》,精度同数据所摘取的统计年鉴。 数据集包含2个数据表,分别为:分县企业统计,利用外资概况。 数据表1:分县企业统计 表共有5个字段 字段1:区县 字段2:年份 字段3:规模以上工业企业个数 字段4:规模以上工业总产值 万元 字段5:城镇固定资产投资完成额 万元 数据表2:利用外资概况 表共有4个字段 字段1:年份 解释:数据的年份 字段2:外商投资项目 解释:外商投资项目数目 个 字段3:利用外资额 解释:外资利用数额 万美元 字段4:实际利用额 解释:实际利用外资额度 万美元
青海省统计局
青藏高原逐日无云MODIS积雪面积比例数据集(2000-2015)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。 该数据集采用UTM(横轴等角割圆柱)投影方式,空间分辨率500m,提供逐日的青藏高原地区积雪面积比例(Fractional Snow Cover-FSC)结果。数据集为逐日文件,从2000年2月24日到2015年12月31日。每个文件为当日的积雪面积比例结果,数值为0-100(%),为ENVI标准文件,命名规则为:YYYYddd_FSC_0.5km.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。 青藏高原逐日无云MODIS积雪面积比例数据集(2000-2015)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72.8°~106.3°E,纬度为25.0°~40.9°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:“YYYYddd”+“_FSC_0.5km”+“.img”,其中YYYY代表年,ddd代表儒略日(001-365/366),其中“.img”是为了方便在ARCMAP等软件打开察看而添加的文件后缀。例如2000055_FSC_0.5km.img代表2000年第55天的结果。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 [Sat Apr 27 18:40:03 2013]} samples = 5760 lines = 3300 bands = 1 header offset = 0 file type = ENVI Standard data type = 1 :代表byte型 interleave = bsq :数据记录格式为BSQ sensor type = Unknown byte order = 0 map info = {UTM, 1.500, 1.500, -711320.359, 4526650.881, 5.0000000000e+002, 5.0000000000e+002, 45, North, WGS-84, units=Meters} coordinate system string = {PROJCS["UTM_Zone_45N",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",87.0],PARAMETER["Scale_Factor",0.9996],PARAMETER["Latitude_Of_Origin",0.0],UNIT["Meter",1.0]]} wavelength units = Unknown,band names = {2000055}
唐志光, 王建
数据包含青藏高原地区的植被指数数据,空间分辨率为1000m,时间分辨率为16d,时间覆盖范围为2000年、2005年、2010年、2015年。数据来源为MOD13A2(C6)。植被指数是研究植被覆盖时空演变特征的常用遥感数据处理模型。植被指数(NDVI)是根据植被的光谱特性,将卫星可见光和近红外波段进行组合,形成的各种植被指数。植被指数是对地表植被状况的简单、有效和经验的度量。数据对于分析青藏高原的生态环境有重要意义。
杨飞
青藏高原地区属于高原山地气候,降水量及其季节分配与降水形式变化一直是全球气候变化研究的热点之一。数据包含青藏高原地区的降水数据,空间分辨率为1km*1km,时间分辨率为月、年,时间覆盖范围为2000年、2005年、2010年、2015年。数据通过对国家气象科学信息中心气象数据进行Kring插值得到。数据可用于分析青藏高原的降水的时空分布情况,此外数据还可用于分析青藏高原的降水随时间变化的规律,对青藏高原的生态环境研究有重要意义。
方华军
本数据集包含自1951年1月至2006年12月,青藏高原地区历年各季度和历年各月份的温度距平序列。依照气候距平法(CAM),基于《中国均一化历史气温数据集(1951-2004)1.0版》与2005-2006逐日平均气温资料,对青藏高原及其邻近区域共123个站点的逐月平均气温网格化,进而以面积加权法建立了高原1951-2006年逐月平均气温距平序列。其中,为最大限度地利用观测资料,着重探讨了利用参考站订正短序列气温资料气候标准值的方法。参考文献:任雨,张雪芹,彭莉莉.青藏高原1951-2006年气温距平序列的建立与分析.高原气象,2010. 《中国均一化历史气温数据集(1951-2004)1.0版》与2005-2006逐日平均气温资料,符合相关国家标准。 年各月温度距平数据表共有五个字段 字段1:年 字段2:月份 字段3:网格数 参加计算的网格数 字段4:站点数 参加计算的站点数 字段5:月温度距平 单位 ℃ 历年及各季温度距平数据表共有五个字段 字段1:年 字段2:季度 字段3:网格数 参加计算的网格数 字段4:站点数 解释:参加计算的站点数 字段5:温距平 ℃ 其中,季度字段中 1. 如果为空值,表示为年温度距平 2. DJF:冬季(上年12月至当年2月)温度距平值 ℃ 3. MAM:春季(3-5月)温度距平值 ℃ 4. JJA:夏季(6-8月)温度距平值 ℃ 5. SON:秋季(9-11月)温度距平值 ℃ 数据精度:月均温距平到小数点后三位,年均温与季均温距平到小数点后两位。
刘林山
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
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