无论从全球尺度亦或是局地尺度而言，土壤数据及其重要，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。数据格式:grid栅格格式，投影为WGS84。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。
孟现勇, 王浩
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
该数据集包含了2017年1月1日至2017年12月31日的宇宙射线仪器（crs）观测数据。站点位于甘肃省张掖市大满灌区农田内，下垫面是玉米地。观测点的经纬度是100.3722E, 38.8555N，海拔1556m，仪器探头底部距地面0.5m，采样频率是1小时。 宇宙射线仪器的原始观测项目包括：电压Batt（V）、温度T（℃）、相对湿度RH（%）、气压P（hPa）、快中子数N1C（个/小时）、热中子数N2C（个/小时）、快中子采样时间N1ET（s）及热中子采样时间N2ET（s）。发布的数据为经过处理计算后的数据，数据表头包括：Date Time（日期 时间）、P（气压 hPa）、N1C（快中子数 个/小时）、N1C_cor（气压订正的快中子数 个/小时）和VWC（土壤体积含水量 %），其处理的主要步骤包括： 1） 数据筛选 数据筛选共四条标准：（1）剔除电压小于和等于11.8伏特的数据；（2）剔除空气相对湿度大于和等于80%的数据；（3）剔除采样时间间隔不在60±1分钟内的数据；（4） 剔除快中子数较前后一小时变化大于200的数据。此外缺失数据用-6999补充。 2） 气压订正 根据仪器说明手册中提到的快中子气压订正公式，对原始数据进行气压订正，得到订正后的快中子数N1C_cor。 3） 仪器率定 在计算土壤水分的过程中需要对计算公式中的N0进行率定。N0为土壤干燥条件下的快中子数，通常使用测量源区内的土样得到实测土壤水分（或者通过比较密集的土壤水分无线传感器获取）θm（Zreda et al. 2012）和对应时间段内的快中子校正数据N，再通过公式反求得到N0。 在此，根据仪器源区内的Soilnet土壤水分数据对仪器进行率定，建立土壤体积含水量θv和快中子之间的关系。分别选取干湿状况差异比较明显的2012年6月26日-27日和7月16日-17日四天的数据，其中6月26日-27日率定数据显示土壤水分较小，因此选取4厘米、10厘米和20厘米的三个值平均值作为率定数据，其变化范围为22%-30%，而7月16日-17日率定数据显示土壤水分较大，因此选取4厘米、10厘米的两个值平均值作为率定数据，其变化范围为28%-39%，最后平均N0为3597。 4） 土壤水分计算 根据公式，计算得到每小时的土壤含水量数据。 水文气象网或站点信息请参考Liu et al. (2018)，观测数据处理请参考Zhu et al. (2015)
刘绍民, 朱忠礼, 徐自为, 李新, 车涛, 谭俊磊, 任志国
采用供需平衡的分析方法，分别计算流域总体及各县区水资源供给量及需求量的基础上，评估流域水资源系统脆弱性。采用IPAT等式设置未来水资源需求情景，即通过设定未来的人口增长率、经济增长速度、单位GDP耗水量等变量来建立需水情景。以2005年为基准年，预测未来2010-2050年的各县市水资源需求情景。人口规模、经济规模采用配套预测数据。应用瑞典水文气象研究所HBV概念性水文模型的基本结构，设计了在气候变化下流域变化趋势的模型，以冰川融化情景为模型的输入，构建气候变化下出山径流情景。依据流域水资源配置的国家地方规定设置配水方案，综合计算水资源供给量。综合供需情况，以缺水率为指标评价水资源系统脆弱性。通过计算流域主要县市的（小麦生产）土地压力指数，分析了流域气候变化、冰川融化及人口增长情景下土地资源的供需平衡，评价了农业系统脆弱性。分别运用迈阿密公式及HANPP模型计算了未来情景下，流域各主要县市净初级生物生产量及初级生物量的人类占用，以供需平衡角度评估生态系统脆弱性。
杨林生, 钟方雷
数据集包含了黄土高原地区影响土壤侵蚀的30m分辨率坡向因子，基于黄土高原地区高程数据提取的坡向数据。然后每个专题按1:25万地图标准分幅方式划分图幅，用1:25万标准图幅号命名。地理坐标系为WGS1984；精度可满足区域尺度水文和土壤侵蚀分析、预报的要求。
刘宝元, 史海静
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
该数据集包含了2017年8月3日至2017年8月9日期间在曲麻莱、玛多和可可西里的植物群落样方调查数据。主要调查内容为盖度、高度和地上生物量。涵盖了高寒草原、高寒湿地和高寒草甸三种植被类型。记录了样方的经纬度、海拔、总体覆盖度、物种名称及数量、每个物种选三株测量其高度、总的地上生物量、分类别的地上生物量。
胡林勇, 李奇, 胡林勇, 徐世晓, 李奇
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
该数据集是玛多地区2016年7月、8月、9月的植被指数（NDVI），基于高分一号的多光谱数据计算得到，空间分辨率为16m。对高分一号数据进行镶嵌、转投影、裁切等处理，然后在7月、8月、9月中每个月进行最大化合成。
李飞, 张志军
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
本数据集包括青海果洛军牧场草甸碳通量站观测的气象数据，时间范围为2005-2009年，数据的时间分辨率为1天。气象和碳通量数据观测方法：采用涡度相关观测仪器，均为自动记录；生物量观测方法：收获法，置于60度烘箱中48小时称重。碳通量和气象数据均为仪器自动记录，并进行了人工检查。数据观测过程中，仪器的操作、观测对象的选择等严格按照专业要求进行。数据可以用在植物叶片光合参数模拟和生产力估算中。 数据包含如下观测指标： 气温 ℃ 降水量 mm 风速 m/s 5cm处土壤温度 ℃ 光合有效辐射 umol/m²s 总辐射 W/m²
赵新全
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
