数据内容：对外经济贸易_货物进出口总额(1952-2019) 及对外经济贸易_按贸易分进出口总额(1981-2019) 数据来源及加工方法：从世界银行官方网站、新浪网获取2015-2019年中国地区（包括第三极）对外贸易及投资原始数据，通过数据整理、筛选及清洗得到1952-2019年中国地区（包括第三极）对外贸易及投资数据集，数据起始时间为1952年至2019年，Microsoft Excel (xlsx)格式。
傅文学
数据内容：国民经济_工业增加值（月度）（2010-2019） 数据来源及加工方法：从世界银行官方网站、新浪网获取2015-2019年中国地区（包括第三极）工业经济原始数据，通过数据整理、筛选及清洗得到2010-2019年中国地区（包括第三极）工业经济数据集，数据起始时间为2010年至2019年，Microsoft Excel (xlsx)格式。
傅文学
数据内容：价格指数_居民消费价格指数(CPI)(2010-2019) 数据来源及加工方法：从世界银行官方网站、新浪网获取015-2019年第三极（中国地区）价格指数经济原始数据，通过数据整理、筛选及清洗得到2010-2019年第三极（中国地区）价格指数经济数据集，数据起始时间为2010年至2019年，Microsoft Excel (xlsx)格式。
傅文学
1990-2015年中亚大湖区土地覆被数据集，数据范围包括5个国家：哈萨克斯坦、吉尔吉斯斯坦、塔吉克斯坦、乌兹别克斯坦和土库曼斯坦。数据来源于欧空局，精度为300m。全球土地覆盖数据库使用的坐标参考系统是基于世界大地测量系统84 (WGS84)参考椭球面的地理坐标系统(GCS)。 数据共分为22个类别，在每个类别中还有亚类。分类类型使用联合国粮食及农业组织(FAO)开发的土地覆盖分类系统(LCCS)定义，其目的是尽可能与GLC2000、GlobCover 2005和2009产品兼容。
杨宇
通过资料整理和数字化，基于ArcGIS平台，构建了西亚地区地震区划图。地震区划图以伊朗地震研究机构的图件为基础，并广泛收集最新的活动断裂研究资料，图件范围包括伊朗及周边国家和地区，图中标绘了发震断层（活动断层）的位置、活动性质和主要参考文献资料，以及1960年至2019年5级以上地震的震中位置。区划图中以未来50年超越概率10%的地震动加速率峰值（PGA）为指标，进行地震危险性分区。图件可用于西亚地区的活动构造和地震灾害研究，为西亚地区的大型工程与基础设施建设提供地震安全保障。
刘志成
一个具有完整全球海洋覆盖范围的网格化海洋温度数据集是了解气候变化和气候变异性的一个非常有价值的资源。大气物理研究所（iap）通过若干创新步骤，对1990年以来2000米高空的历史海洋地下温度进行了新的客观分析。第一种方法是使用一组更新的过去的观察结果，这些新的观测结果已经被纠正了偏差（例如，在地震中）。XBT偏置校正CH14方案，XBT社区推荐。第二个是在海洋中不同地方的值之间使用协变性和来自包括一个全面海洋模型的若干气候模型的背景信息。第三个是扩大每个观测对较大区域的影响，认识到南大洋广阔开放的广阔空间的相对同质性。然后，这些观测也被用来提供更精细的尺度细节。最后，通过使用最近观测到的海洋状态的知识仔细地评估了新的分析，但是使用更遥远的过去的观测的稀疏分布进行次采样，以表明该方法产生无偏的历史重建。 海面风场数据集使用RSS第7版微波辐射计风速数据构建。输入的微波数据由遥感系统处理，资金来自美国宇航局测量计划和美国宇航局地球科学物理海洋学计划。 该风速产品用于气候研究，因为输入数据经过了仔细的相互校准和一致的处理。每个netCDF文件包含： 1）风速月平均值，网格尺寸360x180x自1988年1月以来所有月份的数量（随时间增加）； 2）一组12个月的气候学风速，网格大小为360x180，气候学是1988-2007年20年期间计算的平均值； 3）从1988年1月以来360x180x#个月的月平均数减去上述气候图得出的风速月异常（随时间增加）； 4）风速趋势图，网格尺寸360x180，趋势计算时间为1988-01-01至最近完整日历年；5）时间纬度图（有效数据至少需要10%的纬度单元），网格尺寸为自1988年1月起180 x#个月（随时间增加）
葛咏, 李强子, 董文
在全球变暖的背景下，干旱发生的频率和强度呈增加趋势，由于干旱灾害所引发的水资源匮乏、粮食危机、生态恶化（如荒漠化）等，直接威胁到国家的粮食安全和社会经济发展，干旱灾害风险评估及应急管理的技术水平亟待提高。“一带一路”沿线区域生态环境脆弱、农业耕地集中、干旱灾害频繁，利用遥感卫星监测大区域的干旱水平及其时空变化，对于科学掌握“一带一路”地区的干旱格局、区域分异特征，及其对农业耕地的影响具有重要的科学和现实意义。土壤相对湿度指数是表征土壤干旱的指标之一，能直接反映作物可利用水分的状况。
葛咏, 吴骅
三江源国家公园包括长江源、黄河源、澜沧江源3 个园区，总面积为12.31 万平方公里，介于东经89°50'57"—99°14'57"，北纬32°22'36"—36°47'53"，占三江源国土面积的31.16%。 本数据集是基于《三江源国家公园总体规划》中的三江源国家公园区位图进行数字化而产生。数据包含长江源园区、黄河源园区和澜沧江园区的边界。 数据格式为Shapefile格式。推荐使用arcmap打开数据。
王旭峰
UHSLC提供了具有两个质量控制级别（QC）的潮汐测量数据。 其中快速交付（FD）数据是在数据收集的1-2个月内发布的，并且只接收关注于大级别转移和明显异常值的基本QC。GLOSS/CLIVAR（以前称为WOCE）“快速”海平面数据是按小时、每天和每月的价值进行分配。这个项目得到了NOAA的气候和全球变化计划的支持。其中每个文件都有一个名称“h######dat”，其中“h”表示每小时的海平面数据，而“###”表示站点号码，每个站点都存在一个文件。UHSLC数据集是GLOSS数据流。在UHSLC数据库中有许多潮汐记录，但骨干是光缆核心网（GCN）——全球300个验潮站的全球集合，它是全球原位海平面网络的基础。该网络被设计成在各种时间尺度上提供全球沿海海平面变化的均匀分布采样。
董文, University of hawaii sealevel center （UHSLC）
本数据总结了2016年中亚五国(哈萨克斯坦、吉尔吉斯斯坦、塔吉克斯坦、乌兹别克斯坦和土库曼斯坦)农业以及社会经济现状。本数据来源于中亚五国统计年鉴，包括总人口、耕地面积、粮食生产面积、GDP、农业GDP占总GDP比重、工业GDP占总GDP比重、森林面积等六个要素。详细的统计了中亚五国六个社会经济要素的情况。通过统计可以看出中亚五国六个要素之间各有侧重。本数据为项目提供了基础数据，便于后续分析中亚生态与社会的情况，为项目数据分析提供了数据支持。
刘铁
在全球变暖的背景下，干旱发生的频率和强度呈增加趋势，由于干旱灾害所引发的水资源匮乏、粮食危机、生态恶化（如荒漠化）等，直接威胁到国家的粮食安全和社会经济发展，干旱灾害风险评估及应急管理的技术水平亟待提高。“一带一路”沿线区域生态环境脆弱、农业耕地集中、干旱灾害频繁，利用遥感卫星监测大区域的干旱水平及其时空变化，对于科学掌握“一带一路”地区的干旱格局、区域分异特征，及其对农业耕地的影响具有重要的科学和现实意义。相对湿润度指数为某段时间的降水量与同时段内潜在蒸散量之差再除以同时段内潜在蒸散量得到。降水量数据来自TRMM/GPM卫星降水数据降尺度，潜在蒸散量的估算采用Thornthwaite方法。详细算法请参考《气象干旱国家标准》(GB/T 20481-2017)。数据仅覆盖一带一路沿线34个关键节点区域。
吴骅
青藏高原的水土资源匹配数据，由站点气象数据（2008-2016年，国家气象数据共享网）经过彭曼公式计算得出的潜在蒸散发数据，利用土地利用的不同土地类型，根据下垫面影响系数计算现有土地利用下的蒸散发量；以及气象数据中的站点降雨数据插值得到的降雨数据，根据两者差值得到水土资源匹配系数。实际降雨与现有土地利用条件下的需水量之间的差值来反映水土资源的匹配性，数值越大匹配性越好。水土资源的匹配情况的空间分布能为进一步了解青藏高原的农牧业资源情况做铺垫。
董凌霄
The dataset integrated glacier inventory data and 426 Landsat TM/ETM+/OLI images, and adopted manual visual interpretation to extract glacial lake boundaries within a 10-km buffer from glacier terminals using ArcGIS and ENVI software, normalized difference water index maps, and Google Earth images. It was established that 26,089 and 28,953 glacial lakes in HMA, with sizes of 0.0054–5.83 km2, covered a combined area of 1692.74 ± 231.44 and 1955.94 ± 259.68 km2 in 1990 and 2018, respectively. The current glacial lake inventory provided fundamental data for water resource evaluation, assessment of glacial lake outburst floods, and glacier hydrology studies in the mountain cryosphere region.
WANG Xin, GUO Xiaoyu, YANG Chengde, LIU Qionghuan, WEI Junfeng, ZHANG Yong, LIU Shiyin, ZHANG Yanlin, JIANG Zongli, TANG Zhiguang
积雪面积比例（fractional snow cover， FSC）是定量描述单位像元内积雪覆盖面积（Snow Cover Area SCA）与像元空间范围的比值。本数据集涵盖区域为北极地区（北纬35°至北纬90°），使用Google Earth Engine平台，采用的初始数据为MOD09GA 分辨率为1000m的全球地表反射率产品，数据制备时间为2000年2月24日至2019年11月18日。方法为：在训练样本区域，使用Landsat 8地表反射率的数据和SNOMAP算法制备FSC的参考数据集，将该数据集作为训练样本区域FSC真值，从而建立训练样本区域FSC与基于MODIS地表反射率产品的雪被指数NDSI之间的线性回归模型。使用该模型，将MODIS全球地表反射率产品作为输入，制备北极地区积雪面积比例时序数据。该数据集可为区域气候模拟、水文模型等提供积雪分布的定量信息。
马媛, 李弘毅
全球台风路径数据集包含了2018年29个发生在西北太平洋的台风路径点的数据，包含时间、经纬度、中心气压、风速风力、未来移向、未来移速、风力等级等指标；数据来源于中央气象台台风网（http://typhoon.nmc.cn/web.html），使用python抓取了网页发布的台风路径数据，并将抓取的excel数据表整理导成shapefile形式，按照台风风力等级划分标准赋予每一个路径点风力等级； 可以应用于基于台风路径点的移动情况、风速风力等的特征、影响分析。
陈怡婷, 杨华, 武建军, 周红敏
该数据集包含了2018年长江源区人工采集的土地覆盖及植被类型地面验证点数据集。数据采集中，以用地类型相对较为均一、完整的斑块作为主要采集对象，在区分其他用地类型及植被类型时相对较易识别和辨识，在地物验证中具有较好的代表性。每个样地首先利用差分GPS仪记录经度（度分秒）、纬度（度分秒）、海拔（0.1米）、采集时间等位置信息，然后以人工目视识别的办法记录主要用地类型和性质、特征、建群种等属性信息，以便回实验室验证和核对。最后，对每个样地拍摄不少于1张的景观照片。在本次采集中，90%以上的样点采集了2张及以上实景照片，以便于在土地利用分类及植被类型提取中进行验证和核查。最后，通过与Google地图的位置核对，数据经过了两轮检验和核查，保证了验证点属性的绝对正确性。
王旭峰
该数据集包含了2018年8月黄河源区（扎陵湖北面）人工采集的土地覆盖及植被类型地面验证点数据集。数据采集中，以用地类型相对较为均一、完整的斑块作为主要采集对象，在区分其他用地类型及植被类型时相对较易识别和辨识，在地物验证中具有较好的代表性。每个样地首先利用差分GPS仪记录经度（度分秒）、纬度（度分秒）、海拔（0.1米）、采集时间等位置信息，然后以人工目视识别的办法记录主要用地类型和性质、特征、建群种等属性信息，以便回实验室验证和核对。最后，对每个样地拍摄不少于1张的景观照片。在本次采集中，90%以上的样点采集了2张及以上实景照片，以便于在土地利用分类及植被类型提取中进行验证和核查。最后，通过与Google地图的位置核对，数据经过了两轮检验和核查，保证了验证点属性的绝对正确性。
王旭峰
该数据集包含了2018年可可西里人工采集的土地覆盖地面验证点数据集。数据采集中，以用地类型相对较为均一、完整的斑块作为主要采集对象，在区分其他用地类型及植被类型时相对较易识别和辨识，在地物验证中具有较好的代表性。每个样地首先利用差分GPS仪记录经度（度分秒）、纬度（度分秒）、海拔（0.1米）、采集时间等位置信息，然后以人工目视识别的办法记录主要用地类型和性质、特征、建群种等属性信息，以便回实验室验证和核对。最后，对每个样地拍摄不少于1张的景观照片。在本次采集中，90%以上的样点采集了2张及以上实景照片，以便于在土地利用分类及植被类型提取中进行验证和核查。最后，通过与Google地图的位置核对，数据经过了两轮检验和核查，保证了验证点属性的绝对正确性。
王旭峰
1）数据内容包含青藏高原地区1992年、2005年、2015年三期土壤侵蚀强度栅格数据，空间分辨率为300米。2）采用中国土壤侵蚀预报模型（CSLE）计算青藏高原4000余个调查单元的土壤侵蚀量。按土地利用对青藏高原范围进行土壤侵蚀量插值。根据《土壤侵蚀分级标准》对土壤侵蚀量进行分级，得到青藏高原土壤侵蚀强度图。3）通过三期土壤侵蚀强度数据的差异变化比较，符合实际变化规律，数据质量良好。4）土壤侵蚀强度数据对青藏高原土壤侵蚀研究和当地生态系统的可持续发展具有重要意义。属性表中代码含义：Value值1，2，3，4，5，6分别代表侵蚀强度微度、轻度、中度、强烈、极强烈、剧烈；BL代表各侵蚀强度面积占总面积的百分比。
章文波
该数据集为全球植被生产力数据，包含总初级生产力（GPP）和净初级生产力（NPP）两部分，由耦合模式比较计划第6阶段（CMIP6）中CNRM-CM6-1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1.406°×1.389°。模拟数据详细说明可见链接http://www.umr-cnrm.fr/cmip6/spip.php?article11。
美国气候模式诊断和对比计划委员会
数据集包括：北极地区人口及GDP数据（1990-2015）、第三极(甘肃、青海、西藏)地区县级人口及GDP数据（1970-2016）。 社会经济统计属性包括：人口（万人）、GDP（万元）、工农业生产总值（万元）、农业总产值（万元）、工业生产总值（万元） 北极人口数据主要来自经济社会局《世界人口展望：2017年修订版》按照 区域和国家划分的人口总数。 第三极数据主要参考甘肃省统计年鉴、青海省统计年鉴、西藏自治区统计年鉴；甘肃省、青海省、西藏自治区各县县志。
经济和社会事务部, 国家统计局, 青海省统计局
本数据来源于全国地理信息资源目录服务系统中1:100万全国基础地理数据库，由国家基础地理信息中心于2017年11月份开始免费向公众提供。我们将青藏高原作为一个整体进行了拼接融合、裁切，以便于青藏高原研究中的使用。数据现势性为2017年。 本数据集为青藏高原1:100万行政边界，包括行政国界线（National_Tibet_line）、省界（Province_Tibet），市（州）界（City_Tibet）县界图层（County_Tibet_poly）和县界线图层(County_Tibet_line)。 行政境界面图层（County_Tibet_poly）属性项名称及定义： 属性项 描述 填写实例 PAC 行政区划代码 513230 NAME 名称 县界名称 行政边界线图层(BOUL)属性项名称及定义： 属性项 描述 填写实例 GB 国标分类码 630200 行政边界线图层(County_Tibet_line)属性项含义： 属性项 代码 描述 GB 630200 省级界线 GB 640200 地、市、州级行政区界 GB 650201 县级行政区界（已定）
国家基础地理信息中心
此边界数据总集包含五种类型的边界： １、TPBoundary_2500m：基于ETOPO5 Global Surface Relief，采用ENVI+IDL 提取青藏高原经度（65~105E），纬度（20~45N）范围内海拔高程2500米的数据。 ２、TPBoundary_3000m：基于ETOPO5 Global Surface Relief，采用ENVI+IDL 提取青藏高原经度（65~105E），纬度（20~45N）范围内海拔高程3000米的数据。 ３、TPBoundary_HF（high_frequency）：李炳元（1987）曾对确定青藏高原范围的原则与具体界线进行了较系统的讨论，从高原地貌形成和基本特征角度，提出了依据地貌特征、高原面及其海拔高度，同时考虑山体完整性作为确定高原范围的基本原则。张镱锂（2002） 根据相关领域研究的新成果和多年野外实践，论证确定青藏高原范围和界线的原则， 结合信息技术方法对青藏高原范围与界线位置进行了精确的定位和定量分析，得出：青藏高 原在中国境内部分西起帕米尔高原，东至横断山脉，南自喜马拉雅山脉南缘，北迄昆仑山— 祁连山北侧。 2017年4月14日，中华人民共和国民政部发布《关于增补藏南地区公开使用地名（第一批）的公告》，增加了乌间岭、米拉日、曲登嘎布日、梅楚卡、白明拉山口、纳姆卡姆等6个藏南地区地名。 ４、TPBoundary_new (2021)：伴随青藏高原研究的深入，高原内外多学科研究程度和认识的提高，及地理大数据、地球观测科学和技术的进步，张镱锂等2021年版青藏高原范围界线数据研发基于ASTER GDEM和Google Earth 遥感影像等资料综合分析完成，该范围界线北起西昆仑山-祁连山山脉北麓，南抵喜马拉雅山等山脉南麓，南北最宽达1560 km；西自兴都库什山脉和帕米尔高原西缘，东抵横断山等山脉东缘，东西最长约3360 km；经纬度范围为25°59′30″N~40°1′0″N、67°40′37″E~104°40′57″E，总面积为308.34万km2，平均海拔约4320 m。在行政区域上，青藏高原分布于中国、印度、巴基斯坦、塔吉克斯坦、阿富汗、尼泊尔、不丹、缅甸、吉尔吉斯斯坦等9个国家。 ５、TPBoundary_rectangle：根据范围Lon（63~105E） Lat（20~45N），画取长方形，数据采用经纬度投影WGS84。 青藏高原边界作为基础数据，可以为各类地学数据及科学研究青藏高原作参考依据。
张镱锂
青藏高原流域边界数据集使用2000年的航天飞机雷达地形任务收集的干涉合成孔径雷达SRTM DEM 数据、参考河流、湖泊等水系辅助数据，利用arcgis水文模型，分析、提取河网，将青藏高原划分为AmuDayra、Brahmaputra、Ganges、Hexi、Indus、Inner、Mekong、Qaidam、Salween、Tarim、Yangtze、Yellow等12个子流域。其中研究区外围边界是基于2500米等高线。
张国庆
本数据集在评价已经有土地覆盖数据的基础上，基于证据理论，将2000年中国1:10万土地利用数据、中国植被图集(1:100万)的植被型分类、中国1:10万冰川图、中国1:100万沼泽湿地图和MOD IS 2001年土地覆盖产品(MOD12Q1)进行了融合，最终基于最大信任度原则进行决策，产生了新的、IGBP分类系统的2000年1KM中国土地覆盖数据。 新的土地覆盖数据在保持了中国土地利用数据的总体精度的同时，补充了中国植被图中对植被类型及植被季相的信息，更新了中国湿地图,增加了中国冰川图最新信息，使分类系统更加通用。
冉有华, 李新
第三极1:100万道路数据集包括：青藏高原地区主要高速公路（Tibet_main_highways）、道路（Tibet_Road）和铁路（Tibet_railway）矢量空间数据及相关属性数据：道路名称（Name）、类型（Type）。 数据来自1:100万ADC_WorldMap全球数据集，数据经过拓扑，入库是全面、最新和无缝的地理数字数据。 世界地图坐标系统是经纬度，D_WGS_1984基准面。
ADC WorldMap
南极行政边界数据集包括南极范围内国家的国界（Antarctic_National）矢量空间数据集及其对应的名称、类型相关属性数据：（CITY_POP）、（ENG_NAME）、（CNTRY_NAME）、(TYPE)、(CNTRY_CODE)、（YEAR）。 数据来自1:100万ADC_WorldMap全球数据集，数据经过拓扑，入库是全面、最新和无缝的地理数字数据。 世界地图坐标系统是经纬度，WGS84基准面，南极地区数据集为南极专用投影参数（South_Pole_Stereographic）。
ADC WorldMap
本数据集是青藏高原的部分人口指标，包含青海省和西藏自治区两个省份，以省为单元进行的数据统计，可用于青藏高原城镇化和生态环境交互胁迫中评价指标体系的构建。西藏自治区的数据集时间跨度是1995-2016，数据为常住人口数，是根据人口普查、每年的人口变动抽样调查推算数。除总人口数，还分别按照性别和城乡对数据进行了统计；青海省数据集时间跨度是从1952-2015，统计了常住人口、出生、死亡和自然增加四个方面的指标。所有数据均来自统计年鉴。
杜云艳
本数据集是青藏高原的部分经济指标，包含青海省和西藏自治区两个省份，以省为单元进行的数据统计，可用于青藏高原城镇化和生态环境交互胁迫中评价指标体系的构建。西藏自治区的数据集时间跨度是1951-2016包含7个指标，分别是地区总产值，第一、第二、第三产业以及工业和建筑业，最后还包括人均地区生产总值；青海省数据集时间跨度是从1952-2015，除上述七个指标外还多出农林牧渔业这一指标。所有数据均来自统计年鉴，数据是按当年价格计算，并且依据第二次经济普查资料，对2005-2008年地区生产总值进行了修订。
杜云艳
北极行政边界数据集包括北极范围内国家的国界（Arctic_National），省界（Arctic_Provincial）、县界（Arctic_Prefecture）矢量空间数据集及其对应的名称、类型相关属性数据：（LOCAL_NAME）、（ENG_NAME）、（CNTRY_NAME）、(TYPE)、(CNTRY_CODE)、（CONTINENT） 数据来自1:100万ADC_WorldMap全球数据集，数据经过拓扑，入库是全面、最新和无缝的地理数字数据。 世界地图坐标系统是经纬度，WGS84基准面，北极地区数据集为北极专用投影参数（North_Pole_Stereographic）
ADC WorldMap
北极1:100万道路数据集包括北极范围内主要道路（Arctic_Major_Routes）、次要道路（Arctic_Minor_Routes）和铁路（Arctic_railway）矢量空间数据及相关属性数据：道路名称（Name）、类型（Type）。 数据来自1:100万ADC_WorldMap全球数据集，数据经过拓扑，入库等数据质量检查，是全面、最新和无缝的地理数字数据。 世界地图坐标系统是经纬度，WGS84基准面，北极地区数据集为北极专用投影参数（North_Pole_Stereographic）。
ADC WorldMap
该数据集包含青藏高原1970s，1990，2000，2010年份大于1平方公里湖泊矢量数据。 湖泊水体边界根据Landsat MSS, TM, ETM+等影像目视解译而来。 数据类型为矢量数据，属性字段包括Area (km²)。 投影坐标系为Albers Conical Equal Area。 主要用于青藏高原湖泊、水文与气象变化研究。
张国庆
“一带一路”沿线国家灾害数据，主要来自全球灾害数据库。该数据库记录的灾害信息来源于联合国、政府和非政府组织、研究机构和媒体等多种途径；数据指标详细记录了灾害发生国家、灾害类型、发生日期、死亡人数和经济损失估计等信息。 本研究从该数据库逐条摘录一带一路沿线国家自然灾害记录，最终形成沿线65国9大主要灾种的灾害数据库。 搜集整理的自然灾害记录，大致可以分为9类，包括：洪涝、滑坡、极端气温、风暴、干旱、林火、地震、块体运动和火山活动等。 一带一路沿线国家，1900~2018年，总计5479条灾害记录；其中，2000~2015年，有2673条灾害记录。在此基础上，从灾害频次、死亡人口、受灾人口和经济估损等4个方面，开展沿线国家的自然灾害情况调查。 整体上看，一带一路沿线国家，1900年以来，总计发生各类自然灾害5479次，导致约1900万人死亡，造成经济损失约9500亿美元。其中，发生频次最多的是洪涝和风暴；经济损失最多的是洪涝和地震；受灾人口最多的是洪涝和干旱；死亡人口最多的是干旱和洪涝。
尹君
本数据集包含青海近50年的自然灾害信息，包括干旱、洪灾、冰雹、连阴雨、雪灾、寒潮和强降温、低温冻害、大风沙尘暴、虫灾、鼠灾、地质灾害等自然灾害产生的时间地点及所造成的后果。 青海省地处青藏高原东北部，总面积72 万平方千米。境内河流纵横，冰川广布，湖泊众多，因中华民族的两条母亲河长江、黄河及著名国际河流澜沧江发源于此而素有"中华水塔"之称;全省有可利用草地33.5 万平方千米，天然草场面积仅次于内蒙古、西藏和新疆而居全国第四位，草场类型多样，草地资源十分丰富，拥有青藏高原独特气候条件下生长发育的、并对高原生态环境特征具有较强代表性的维管束植物113 科、564 属、2100 种左右。青海省作为青藏高原的主体部分，是我国生物物种形成、演化的中心之一，也是国际科技界瞩目的研究气候和生态环境变化的敏感区和脆弱带。青海境内地形、地貌复杂，高山、谷地、盆地交错，多年积雪、冰川、戈壁、沙漠、草原等广有分布。复杂的地形条件，高峻的海拔高度和严酷的气候条件决定了青海是一个气象灾害十分频繁的省份。其主要的气象灾害有干旱、洪灾、冰雹、连阴雨、雪灾、寒潮和强降温、低温冻害、大风沙尘暴等。 数据摘录自《中国气象灾害大典·青海卷》，属于人工录入总结校对。
青海省统计局
中国土地利用现状遥感监测数据库是在国家科技支撑计划、中国科学院知识创新工程重要方向项目等多项重大科技项目的支持下经过多年的积累而建立的覆盖全国陆地区域的多时相土地利用现状数据库。 数据集包括1980年代末期，1990年、1995年、2000年、2005年、2010年，2015年七期，数据生产制作是以各期Landsat TM/ETM遥感影像为主要数据源，通过人工目视解译生成。数据缺少南海部分岛屿数据。 空间分辨率1公里，投影参数：Albers_Conic_Equal_Area 中央经线105，标准纬线1: 25，标准纬线2: 47。 中国土地利用现状遥感监测数据库是目前我国精度比较高的土地利用遥感监测数据产品，已经在国家土地资源调查、水文、生态研究中发挥着重要作用。 土地利用类型包括耕地、林地、草地、水域、居民地和未利用土地6个一级类型以及25个二级类型。
中国科学院资源环境科学数据中心(http://www.resdc.cn/)
该数据集是中国科学院西北高原生物研究所在三江源国家公园野生动物多样性本底调查过程获得的野生动物分布位点信息。该数据集时间范围是2017年，调查范围是三江源国家公园，调查物种包括藏野驴（Equus kiang）、狼(Canis lupus)、赤狐(Vulpes vulpes)、马鹿(Cervus elaphus)、雀鹰(Accipiter nisus)、红腹红尾鸲(Phoenicurus erythrogastrus)、豹猫(Prionailurus bengalensis)、大鵟(Buteo hemilasius)、藏原羚(Procapra picticaudata)、藏雪鸡(Tetraogallus tibetanus)、高原山鹑(Perdix hodgsoniae)、猎隼(Falco cherrug)等多种珍稀野生动物。
张同作
本数据集包含三江源国家公园内各个县的社区情况统计表，具体内容包括： 表一包括：行政村个数、自然村个数、户数、人口数、农村劳动力人数、一二三产业总值、人均纯收入、家畜数量； 表二包括：人口民族组成（各名族人口数）、教育的相关统计（中小学个数及学生人数）、卫生相关的统计（医院、卫生室以及医护人员个数）、人口受教育水平的统计（不同教育程度的人数）； 表三包括：草地（草地总面积、可利用草场面积、中度以上退化面积、草原植被覆盖度）、林地（总面积、乔木林面积、灌木林面积和疏林地面积）、水域（总面积、河流面积、湖泊面积、冰川面积、雪山面积和湿地面积）。 总共设计四个县：玛多、曲麻莱、杂多和治多县。该数据来自政府部门的统计数据。
国家统计局
北极的两个区域是由北极监测和评估方案工作组和北极人类发展报告确定的。 AMAP北极的地理覆盖范围从高北极地区一直延伸到加拿大、丹麦王国(格陵兰和法罗群岛)、芬兰、冰岛、挪威、俄罗斯联邦、瑞典和美国的亚北极地区，包括相关海域。阿拉斯加北极包含所有《阿拉伯国家、加拿大北部60°N与魁北克省北部和拉布拉多,格陵兰岛,法罗群岛,和冰岛,北县的挪威、瑞典和芬兰。俄罗斯的局势很难用简单的语言来描述。 人口学家划定的区域包括:摩尔曼斯克大爆炸区、涅涅茨人、亚马朗涅茨人、泰梅尔和楚科塔自治州、科米共和国的沃库塔市、克拉斯诺亚尔斯基克雷的诺里尔斯克和伊戈尔卡，以及萨哈共和国边界最接近北极圈的地区。
Arctic Monitoring And Assessment Programme
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
中亚-西亚地区资源环境基础地理数据集主要包括6部分：中亚-西亚地区行政区划图、地形地貌图、水系图、年累积降水图、年平均温度图和潜在蒸散发分布图。其中行政区划图为最新的国家边界数据，地形地貌图DEM分辨率为90米，水系图为最新的一级河流矢量数据。年累积降水图和年平均温度图中降水和温度数据由长时间序列的站点数据插值得到，而潜在蒸散发分布图中的潜在蒸散数据是基于Penman-Monteith公式计算得到，降水、温度和潜在蒸散数据均由原始0.5°的CRU数据基于ArcGIS软件的双线性插值方法重采样为0.25°得到，且数据集经过严格的质量控制和一致性检查，相关研究(Deng and Chen, 2017; Li et al., 2017; Li et al., 2016)表明该数据集在中西亚地区对气候相关研究具有很好的适用性。数据由中国科学院新疆生态与地理研究所遥感与GIS重点实验室生产，生产费用由“中国科学院战略性先导科技专项XDA20030101资助”。
该数据集为中亚五国599个气象站点的气温和降水数据包括以下要素：*每日最高温度、*每日最低温度、*观察时的温度、*降水（即下雨，融化的雪），涵盖日期包括：1980年-1986年；1996年-2005年；2010年；2014年；2015年 数据来源于GHCN-D-一个包含全球陆地区域日观测数据的数据集，GHCN-Daily综合了气候记录。 数据为直接测量表面温度，无需插值或模型假设，包含许多长期的站点记录。缺点是空间覆盖不均，由于观察时间，站点位置和使用的温度计类型的变化，记录包含许多不均匀性。 有关此数据集的详细信息，可参考https://www.ncdc.noaa.gov/ghcnd-data-access
张弛
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
该数据集记录了中亚五国1991-2017年总的社会人口统计数据。其中人口指标包括年终人口数量、预计人口寿命、总出生率（1000人）、总死亡率（1000人）、婴儿死亡率、母亲死亡率、总的结婚率、总的离婚率、所有人流的迁移差额、医疗机构的数量、医院床位数（千）、学龄前机构的数量（个）、幼儿园上学学生数量（千）、中学数量、中学生数量（千）、大学数量、大学生数量、高等学校数量、高等学校学生数。数据来源中亚五国统计年鉴。
黄金川, 马海涛
中亚地区2017年输沙势数据集，为tif格式。其空间范围涵盖里海在内的中亚五国地区，包括乌兹别克斯坦、哈萨克斯坦、土库曼斯坦、塔吉克斯坦和吉尔吉斯坦。此输沙势为绝对输势，即各个方向的输沙通量的综合，不考虑输沙势的方向。该数据由GLDAS全球三小时同化数据提取计算获得。时间分辨率为月，空间分辨率为0.25°，时间范围为2017年。该数据可以作为沙尘传输模型的重要参数输入，也可用于评估中亚五国沙通量的总体分布情况。该数据集可作为风沙灾害评估的重要参考数据。
高鑫
本数据集为青藏高原土壤持久性有机污染物（POPs）的浓度数据,包括有机氯农药（OCPs）、多氯联苯（PCBs）、多溴联苯醚（PBDEs）和多环芳烃（PAHs)。本研究于 2007 年在 8 个土壤分区共采集土壤样品 40个。土壤样品主要在远离道路、居民区、农田等受人类活动影响的地区采集。采样方法是：利用不锈钢铲采集 0-5cm 表层土壤样品，在每个采样点 100 m2范围内各采集 5 个土壤样品（中心和每个角各一个样品）并混合成为一个样品。为减少可能的污染，所有土壤样品都用两层铝箔纸包裹，并放置于两层自封袋内密封保存。所有样品的分析工作均在中国科学院青藏高原环境变化与地表过程重点实验室完成。样品前处理步骤包括索式提取、硅胶-氧化铝柱净化、过GPC柱去除大分子杂质、浓缩定容等步骤。分析测试仪器为热电公司生产的气相色谱/离子阱质谱（Finnigan-TRACE GC/PolarisQ），分离OCPs和PCBs的色谱柱为CP-Sil 8CB毛细柱（50 m×0.25 mm×0.25 μm），分离PAHs的色谱柱为DB-5MS毛细柱（60 m×0.25 mm×0.25 μm）。实验过程中设置了实验流程空白。所有化合物实验室空白都没有检测到，这说明样品的分析过程中并没有造成污染。PAHs实验室样品的回收率在58-92%之间，OCPs的实验室样品的回收率在53-130%之间，样品浓度未使用回收率进行校正。
王小萍
中亚地区粗糙度数据，数据格式为“.tif”的栅格数据集。范围包含了里海在内的中亚五国地区。该数据由MODIS-NDVI数据集，根据地表植被覆盖度与地表中值粒径计算得到。该数据空间分辨率为500m，时间分辨率为16天，时间范围为2017年1月1日至2017年12月18日，其坐标系统为大地坐标系统。该数据集可为中亚地区沙漠油气田与绿洲城镇风沙灾害评估提供数据基础。该数据由中国科学院新疆生态与地理研究所提供。
高鑫
数据包含青藏高原地区的夜间灯光数据，空间分辨率为1km*1km，时间分辨率为5年，时间覆盖范围为2000年、2005年、2010年。数据来自Version 4 DMSP-OLS产品，DMSP/OLS传感器独辟蹊径，采集的是夜间灯光、火光等产生的辐射信号。DMSP/OLS传感器在夜间工作，能探测到城市灯光甚至小规模居民地、车流等发出的低强度灯光，并使之区别于黑暗的乡村背景。因此，DMSP/OLS夜间灯光影像可作为人类活动的表征，成为了人类活动监测研究的良好数据源。
方华军
中亚五国2000-2015年农业水土资源现状数据，来源于联合国粮食及农业组织的粮食统计资料数据库，主要要素包括：水资源、气温、土壤、施肥管理、生物燃量、水稻种植以及耕地、林地、草地等土地利用信息。可用于支撑中亚地区农业水资源供需态势分析、土地资源类型及空间分布格局研究、农业用地格局变化特征研究、土地资源开发利用程度评估和土地资源质量评估等。有助于了解中亚地区农业土地资源开发的潜力，保障中亚地区农业生产安全。
李发东
中亚沙漠油气田分布城镇分布数据，数据格式为“.shp”格式矢量数据。包括了中亚五国油气田及主要城镇居民点的分布。该数据由MODIS-MCD12Q产品提取裁切而成，该产品空间分辨率为500 m，时间分辨率为1年，其分类标准采用的是IGBP全球植被分类方案，该方案共分为17种土地覆被类型，其中城镇数据利用该分类方案中的建筑与城镇用地。该数据可为中亚地区沙漠油气田与绿城城镇风沙灾害评估和防治提供数据支撑。
高鑫
本数据来源于“中国1:10万土地利用数据”。中国1:10万土地利用数据是由中国科学院“八五”重大应用项目《全国资源环境遥感宏观调查与动态研究》组织了中国科学院所属19个研究所的遥感科技队伍，以卫星遥感为手段，在三年内基于Landsat MSS，TM和ETM遥感数据构建的。本数据采用一个分层的土地覆盖分类系统，将全国分为6个一级类（耕地、林地、草地、水域、城乡、工矿、居民用地和未利用土地），31个二级类。这是目前我国精度最高的土地利用数据产品，已经在国家土地资源调查、水文、生态研究中发挥着重要作用。
刘纪远, 庄大方, 王建华, 周万村, 吴世新
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
