采用温湿指数开展绿色丝绸之路沿线国家气候适宜性评价。相对湿度是计算温湿指数的基础参数之一。在参考唐焰等（2008）计算温湿指数公式的基础上，基于国家气象信息中心提供的1981-2017年气象站点观测数据，计算各站点相对湿度的多年平均数据。基于GIS技术，采用克里格方法对分布在绿色丝绸之路沿线国家的气象站点多年平均数据进行插值，得到1km×1km的栅格数据集。该数据集空间分辨率高，基于该数据集计算得到的气候适宜性评价结果更能凸显区域差异。
封志明
采用温湿指数开展绿色丝绸之路沿线国家气候适宜性评价。温度是计算温湿指数的基础参数之一。在参考唐焰等（2008）计算温湿指数公式的基础上，基于国家气象信息中心提供的1981-2017年气象站点观测数据，计算各站点温度的多年平均数据。基于GIS技术，在考虑海拔、经纬度要素对温度影响的基础上，采用克里格方法对分布在绿色丝绸之路沿线国家的气象站点多年平均数据进行插值，得到1km×1km的栅格数据集。该数据集空间分辨率高，基于该数据集计算得到的气候适宜性评价结果更能凸显区域差异。
林裕梅
无论从全球尺度亦或是局地尺度而言，土壤数据极其重要，而由于缺乏可靠的土壤数据，土地退化评估、环境影响研究和可持续的土地管理干预措施收到了极大的瓶颈阻碍。受到土壤信息数据在全世界的迫切需要，特别是在气候变化公约的背景下，国际应用系统分析研究所（IIASA）及联合国粮农组织（FAO）和京都协议对土壤碳测量和联合国粮农组织/国际全球农业生态评价研究(GAEZ v3.0)共同倡导下建立了新一代世界土壤数据库(Harmonized World Soil Database version 1.2 )(HWSD V1.2)。其中，中国地区数据源为1995年全国第二次土地调查由南京土壤所所提供的1:1,000,000土壤数据。分辨率为30秒（约0.083度，1km）。采用的土壤分类系统主要为FAO-90。 核心土壤制度单元唯一验证标识符： MU_GLOBAL-HWSD数据库土壤制图单元标示符，连接了GIS图层。 MU_SOURCE1 和 MU_SOURCE2- 源数据库制图单元标识符 SEQ-土壤制图单元组成中的土壤单元序列； 土壤分类系统利用FAO-7分类系统或 FAO-90分类系统(SU_SYM74 resp. SU_SYM90)或FAO-85(SU_SYM85). 土壤属性表主要字段包括： ID(数据库ID) MU_GLOBAL(土壤单元标识符)（全球） SU_SYMBOL 土壤制图单元 SU_SYM74(FAO74分类); SU_SYM85(FAO85分类); SU_SYM90（FAO90土壤分类系统中土壤名称)； SU_CODE 土壤制图单元代码 SU_CODE74 土壤单元名称 SU_CODE85 土壤单元名称 SU_CODE90 土壤单元名称 DRAINAGE(19.5); REF_DEPTH(土壤参考深度); AWC_CLASS(19.5); AWC_CLASS(土壤有效水含量); PHASE1: Real (土壤相位); PHASE2: String (土壤相位)； ROOTS: String (到土壤底部存在障碍的深度分类)； SWR: String (土壤含水量特征)； ADD_PROP: Real (土壤单元中与农业用途有关的特定土壤类型)； T_TEXTURE(顶层土壤质地); T_GRAVEL: Real (顶层碎石体积百分比)；(单位：%vol.) T_SAND: Real (顶层沙含量)； (单位：% wt.) T_SILT: Real (表层粉沙粒含量)； (单位：% wt.) T_CLAY: Real (顶层粘土含量)； (单位：% wt.) T_USDA_TEX: Real (顶层USDA土壤质地分类)； (单位：name) T_REF_BULK: Real (顶层土壤容重)； (单位：kg/dm3.) T_OC: Real (顶层有机碳含量)； (单位：% weight) T_PH_H2O: Real (顶层酸碱度) (单位：-log(H+)) T_CEC_CLAY: Real (顶层粘性层土壤的阳离子交换能力)； (单位：cmol/kg) T_CEC_SOIL: Real (顶层土壤的阳离子交换能力) (单位：cmol/kg) T_BS: Real (顶层基本饱和度)； (单位：%) T_TEB: Real (顶层交换性盐基)；(单位：cmol/kg) T_CACO3: Real (顶层碳酸盐或石灰含量) (单位：% weight) T_CASO4: Real (顶层硫酸盐含量)；(单位：% weight) T_ESP: Real (顶层可交换钠盐)；(单位：%) T_ECE: Real (顶层电导率)。 (单位：dS/m) S_GRAVEL: Real (底层碎石体积百分比)；(单位：%vol.) S_SAND: Real (底层沙含量)； (单位：% wt.) S_SILT: Real (底层淤泥含量)； (单位：% wt.) S_CLAY: Real (底层粘土含量)； (单位：% wt.) S_USDA_TEX: Real (底层USDA土壤质地分类)； (单位：name) S_REF_BULK: Real (底层土壤容重)； (单位：kg/dm3.) S_OC: Real (底层有机碳含量)； (单位：% weight) S_PH_H2O: Real (底层酸碱度) (单位：-log(H+)) S_CEC_CLAY: Real (底层粘性层土壤的阳离子交换能力)； (单位：cmol/kg) S_CEC_SOIL: Real (底层土壤的阳离子交换能力) (单位：cmol/kg) S_BS: Real (底层基本饱和度)； (单位：%) S_TEB: Real (底层交换性盐基)；(单位：cmol/kg) S_CACO3: Real (底层碳酸盐或石灰含量) (单位：% weight) S_CASO4: Real (底层硫酸盐含量)；(单位：% weight) S_ESP: Real (底层可交换钠盐)；(单位：%) S_ECE: Real (底层电导率)。 (单位：dS/m) 本数据库分两层，其中以顶层（T）土壤厚度为（0-30cm），底层（S）土壤厚度为（30-100cm）。 其他属性值请参考说明HWSD1.2_documentation文档.pdf，The Harmonized World Soil Database (HWSD V1.2) Viewer-中文说明及HWSD.mdb。
何永利
Koppen Geiger 气候类型地图为Rubel（2017）降尺度后的高分辨率格点数据集，提供了两个数据子集：一个数据Netcdf文件和一个用于单独可视化的NCL代码。数据集代表了1986-2010年的气候类型分布，分辨率为5弧分（1/12度，约10km）。 使用Rubel等人（2017）发展的降尺度算法，重新分析的Köppen-Geiger气候类型数据得到了5弧分的高分辨率版本。它代表了最近的25年气候类型的分布。 此外，颜色表针对更高的分辨率进行了优化，导致地图外观略有不同。
何永利
地形起伏度是区域海拔高度和地表切割程度的综合表征｡在参考封志明等(2007)中国人居环境评价背景下的地形起伏度定义及其计算公式基础上，将数字高程模型（ASTER GDEM 30 m）数据重采样成1 km，运用模型计算得到绿色丝绸之路沿线国家地形起伏度公里网格数据集｡该数据集包括：（1）绿色丝绸之路沿线国家地形起伏度公里网格空间数据；（2）绿色丝绸之路沿线国家海拔数据；（3）绿色丝绸之路沿线国家平地数据。
肖池伟
MODIS土地覆盖类型产品第六版（MCD12Q1_v06）是根据一年的Terra和Aqua观测所得的数据经过处理，描述土地覆盖的类型产品。该土地覆盖数据集中包含了17个主要土地覆盖类型，根据国际地圈生物圈计划（IGBP），其中包括11个自然植被类型，3个土地开发和镶嵌的地类和3个非草木土地类型定义类。 1-常绿针叶林；2-常绿阔叶林；3-落叶针叶林；4-落叶阔叶林；5-混交林；6-稠密灌丛；7-稀疏灌丛；8-木本稀树草原；9-稀树草原；10-草地；11-永久湿地；12-农用地；13-城市和建筑区；14-农用地/自然植被拼接；15-雪和冰；16-裸地；17-水 为了便于用户使用方便，在分块数据的基础上，我们将0-90N，0-180E内所有区块进行拼接，没有经过任何重采样处理。数据分辨率为500m，投影为正弦投影 数据下载地址：https://ladsweb.modaps.eosdis.nasa.gov/search/order/1/MCD12Q1--6
何永利, 美国陆面过程数据分发中心
GPCC月平均降水数据集基于全球每月约80,000个台站的全球陆地表面降水数据产品，其记录持续时间长达近百年。 每月的数据覆盖范围从~6,000（1900年之前）到超过50,000个站。 完整数据每月产品将在重大数据库改进后的不定时间间隔进行更新。 此产品的空间分辨率为0.5°x 0.5°。 对站点处的降水异常进行插值，然后以相应的分辨率叠加在GPCC气候态V2018 (DOIs: 10.5676/DWD_GPCC/Clim_M_V2018_050)上。数据集的时间范围从1891年1月到2016年12月。 GPCC月平均数据产品是最准确的站点降水再分析数据集。此外，它还支持区域气候监测，模型验证，气候变率分析和水资源评估研究。
何永利
数据来源于美国地质勘探局（USGS）开发的30秒全球高程数据集，于1996年完成。从NCAR和UCAR联合的数据下载中心（https://rda.ucar.edu/datasets/ds758.0/）下载了泛第三极区域的数据，并通过数据中心重新分发。GTOPO30在分发时将全球分为33个区块，采样间隔为30弧秒， 即0.008333333333333度，坐标参考为WGS84，其值为垂直方向高出海平面的距离，即海拔，单位为m，海拔范围-407到8752，这里不包含海洋深度信息，负值为大陆架的海拔；海洋处标记为-9999，海岸线以上大陆海拔至少为1；小于1平方千米的岛不考虑。详细说明信息请见说明文档。 为了便于用户使用方便，在分块数据的基础上，将-10S-90N，20W-180E内10个区块进行拼接，没有经过任何重采样处理。本数据文件为DEM_ptpe_Gtopo30.nc
何永利
采用板块构造、古地理学、含油气盆地分析和沉积盆地动力学理论作为指导，在大量收集泛第三极近年来地质研究和油气地质研究的各种资料成果，包括地层、沉积、古生物、古地理、古环境、古气候、构造、油气（钾盐）地质等基础材料，特别是以古地磁、古生物以及碎屑锆石、地球化学等资料的基础上，结合典型实测地层剖面的成果，对三叠纪时期岩相和气候古地理格局进行恢复与重建，得到泛第三极早、中、晚三叠世岩相古地理图（3张）及泛第三极早、中、晚三叠世气候古地理图（3张），旨在探讨古地理、古构造、古气候等对油气（含钾盐）资源的控制和影响作用，以揭示油气形成的地质条件和资源分布规律，为我国海外和境内油气勘探部署提供科学依据和技术支撑。 不同的岩相、气候之间界线清晰，较好的揭示了三叠纪时期岩相和气候古地理格局，对于研究古地理、古构造、古气候等对油气（含钾盐）资源的控制和影响作用，揭示油气形成的地质条件和资源分布规律有一定的指示意义。
李亚林
植被指数是反映植被物候变化的关键参数，高时间和空间分辨率的植被指数数据能够为全球变化研究提供可靠数据支持。目前，MODIS卫星数据产品是获取植被指数的一项重要数据源。MOD13Q1以每像素为基础提供植被指数（VI）值。有2个主要植被层。第一个是归一化差异植被指数（NDVI），第二个植被层是增强植被指数（EVI）。以17个关键节点为研究区域，基于2000至2016年MOD13Q1数据，对不同地区植被的NDVI、EVI各种数据进行了裁剪和估算，最终得到了关键节点区域2000-2016年16天百米级植被指数数据。
葛咏, 凌峰, 张一行
泛第三极地区地震活动强烈，其地震活动的动力来源于印度板块、阿拉伯板块与欧亚板块的俯冲碰撞。在泛第三极地区（北纬0-56度，东经43-139度）1960年以来发生M≥6级地震3809次，其中M≥8级地震59次，M=7.0-7.9级地震689次， M=6.0-6.9级地震3061次。地震主要发生在印度板块与欧亚板块的碰撞边界印缅山脉、喜马拉雅山脉 、苏来曼山脉的山麓地区，以及阿拉伯板块与欧亚板块碰撞的扎格罗斯山脉地区。
王继
该数据集记录了“一带一路”沿线65个国家1960-2017年国民总收入等相关数据。国民总收入是一个国家所有常住单位在一定时期内获得的劳动者报酬、生产税、补贴、固定资产折旧、营业盈余和财产收入等原始收入总额。数据来源：世界银行国民账户数据和经合组织国民账户数据文件（World Bank national accounts data, and OECD National Accounts data files.）。 数据集包含个5数据表：国民总收入(2010年不变价美元)，国民总收入(不变价本币单位)，国民总收入(现价本币单位)，国民总收入(现价美元)，国民总收入增长率(年百分比)。
徐新良
该数据为涵盖六大经济走廊的坡度数据，能够反映出六大经济走廊地表单元陡缓的程度，单位°。该数据空间分辨率为0.016度，约为1.8km，经度范围12.09°E-180°，维度范围10.99°S-90°N，来源自美国国家海洋和大气管理局构建的Global Relief Model，基于“一带一路”国家边界裁剪得到。该数据是评估六大经济走廊中的自然灾害(包括泥石流、滑坡、山洪等灾害)风险所必需的基础数据之一，应用频率高与前景广泛。
邹强
基于2015年欧空局全球陆地覆盖数据（ESA CCI-LC，300m栅格），结合清华大学全球土地覆被数据（FROM-GLC，30m栅格）、美国NASA的MODIS全球土地覆被数据（MCD12Q1，300m栅格）、美国地质调查局USGS的全球耕地数据（GFSAD30，30m）、日本全球林地数据的（PALSAR/PALSAR-2，25m），构建了“一带一路”区域LUCC分类系统以及其余数据分类系统的转换规则，构建土地覆被分类置信度函数和地类融合规则，进行土地覆被产品融合与修正，完成了“一带一路”区域土地利用数据V1.0（64+1个国家，2015，1 km×1 km栅格，一级分类）。
许尔琪
基于2000至2018年间对青藏高原及泛第三极野外科考基础上，记录该地区淡水甲壳动物钩虾的物种组成和分布范围。以青藏高原湖泊中的优势类群钩虾为研究对象，围绕气候环境变化对生物多样性的影响以及生物对环境变化的响应这一主题，获取青藏高原及泛第三极湖泊水系中钩虾的物种数量、分布相关数据。根据《中国动物志甲壳动物亚门端足目钩虾亚目(三）》鉴定物种，根据海拔、经纬度等信息分析物种多样性及分布格局，为评估生物多样性格局及制定保护策略提供理论依据。
侯仲娥
土地利用/覆被是环境问题与灾害风险防控研究最基础的本底数据。在分析现有土地利用产品的基础上，基于10m分辨率的多时相Sentinel数据，对其进行大气校正、辐射定标、裁剪等预处理后，采用eCognition平台的面向对象遥感分类方法，多尺度分割、构建特征空间、对关键节点区域土地利用/覆被进行遥感监测。分类体系为：10.Forest森林；20.Cultivated Land 耕地；21.Paddy filed 水田；22.Dry farmland 旱地；30.Water 水体；31.River 河流；32.Lake 湖泊（含水库、坑塘）；33.wetland 沼泽湿地；40.Artificial surface 人工表面；43. Mining area 采矿区；50.Bareland 裸土、裸岩、荒漠等；60.Grassland 草地；70.Shrubland 灌丛。基于有限样本对数据进行精度分析，分类精度约在90%以上，数据质量精度有待进一步分析。本年度获取了8个节点区域（缅甸皎漂港、仰光、吉布提、曼德勒、汉班托塔港、科伦坡港、泰中罗勇工业区、曼谷）2017年10m分辨率的土地利用/覆被数据。
王立辉
基于2008年至2018年在青藏高原进行的野外科考基础上，通过文献证据整理进行补充，我们获得了所有青藏高原两栖爬行类广布种群体水平的遗传数据。以这些广布物种为研究对象，围绕环境指示动物类群对气候环境变化的响应过程这一主题，我们首先分析了第四纪气候变化对物种遗传结构的影响，重建了第四纪冰期以来物种群体变化趋势，并确定了各个物种的冰期避难点。同时，构建了青藏高原两栖爬行类遗传多样性地理分布格局，确定了遗传多样性热点。这一结果对整个青藏高原生物多样性保护具有重要的意义。
车静
基于夜间灯光数据，运用Elvidge在2009年和2012年提出的方法，反演出“一带一路”沿线国家的贫困发生率。该数据与世界银行等发布的基尼系数具有较强的可比性，具有以下四大突出优点：（1）计算单元可根据行政区边界调整，可反映统计上很难实现的大国次区域尺度上的贫困差距等；（2）基于夜间灯光数据估算的空间基尼系数受调查过程等主观因素影响较小，较为客观，且国家之间可比性强，克服了统计口径之间难以统一的难题；（3）调查及汇总周期限制了国家及大国次区域尺度上的更新速度，而基于夜间灯光数据估算的方法更新便捷。（4）因夜间灯光数据有1992-2017年多年连续的年际数据，克服了贫富差距等表征贫困的较长时间序列指标数据难以获取的困难。也正鉴于以上四大突出优点，该套数据集可以更好地支撑课题研究工作，并为摸清“一带一路”沿线国家贫困的基本状况提供科学数据。
张倩
数字高程模型（Digital elevation model dataset of all nodes area,DEM）数据是地理信息系统的基础数据，可用于土地利用现状的分析、合理规划及洪水险情预报等，描述的是地面高程信息，对自然地理要素以及与地面有关的社会经济及人文要素等研究具有重要研究意义。 数据集以泛第三极范围内31个关键节点（Abbas, Alexander, Ankara, Astana, Bangkok, Chittagong, Colombo, Dhaka, Djibouti, Ekaterinburg, Gwadar, Hambantota, Karachi, Kolkata, Kuantan, Kyaukpyu, Maldives, Mandalay, Melaka, Minsk, Mumbai, Novosibirsk, Piraeus, Rayong, Sihanouk, Tashkent, Teheran, Valencia, Vientiane, Warsaw, Yangon）为研究区域，ASTER GDEM(第二版)数字高程模型为数据源，实现对地面地形的数字化模拟（即地形表面形态的数字化表达），最终得到了关键节点区域的数字高程模型数据。其他如坡度、坡向及坡度变化率等地貌特性可在本数据集的基础上派生。
尚成
为研究青藏高原及周边地区主要马属驯化动物的群体演化历史和局部适应遗传机制，并建立相应的种质遗传资源库。我们对截止2018年底在青海省、西藏自治区、新疆自治区采集的青藏高原及周边地区的236份马属样本进行全基因组重测序：包括藏马、藏家驴、平原家驴、家马平原地方品种。并对75份样本（包括73份驴的样本和两份马的样本）进行线粒体基因组测序以及D-loop测序。测序产生了一批基因组学数据，为追溯该地区主要马属驯化动物的驯化、迁徙、扩张等群体历史事件，并进一步探讨马属动物对缺氧、高寒、干燥等恶劣环境的适应机理提供资料。
李艳
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
