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
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
该数据集包含了2016年9月份在玛多县高寒草原和高寒草甸的样方调查数据。样方大小为50cm×50cm。调查内容包括覆盖度、物种名称、植被高度、生物量（干重和鲜重）、样方的经纬度坐标、坡度、坡向、坡位、土壤类型、植被类型、地表特征（凋落物、砾石、风蚀、水蚀、盐碱斑等）、利用方式、利用强度等。
李飞, 张志军, 张志军
CMADS(The China Meteorological Assimilation Driving Datasets for the SWAT model)土壤温度分量(以下简称CMADS-ST)利用中国大气同化系统(China Meteorological Administration Land Data Assimilation System [CLDAS])强迫公用陆面模式 (Community Land model 3.5 [CLM3.5]), 进行陆面数值模拟实验，循环10次进行spin-up模拟，得到基本稳定的模式初始场，获取高时空分辨率的土壤温度数据集，最终利用数据模式分层提取、质量控制、循环嵌套、重采样,及双线性插值等多种技术手段最终建立。 CMADS-ST系列数据集空间覆盖整个东亚(0°N-65°N, 60°E-160°E), 空间分辨率分别为CMADS-ST V1.0版本: 1/3°, CMADS-ST V1.1版本: 1/4°, CMADS-ST V1.2版本: 1/8°及CMADS-ST V1.3版本: 1/16°, 以上分辨率均为逐日(CLM3.5模式输出土壤温度分量基本分辨率为1/16°,保证了CMADS-ST数据集最高分辨率达1/16°),时间尺度为2009-2013年。本页发布的数据集为CMADS-ST V1.0版本数据集(空间分辨率:1/3°。时间分辨率:逐日。空间覆盖范围:东亚(0°N-65°N,60°E-160°E)。站点数量:58500站。提供要素:日平均10层土壤温度 (节点层次深度依次为, 第一层:0.00710063521m, 第二层:0.0279249996m, 第三层:0.0622585751m, 第四层:0.118865065m, 第五层:0.2121934m, 第六层:0.3660658m, 第七层:0.619758487m, 第八层:1.03802705m, 第九层:1.72763526m, 第十层:2.8646071m)。提供数据格式: txt。 CMADS-ST V1.0 土壤温度数据集路径为: CMADS-ST-V1.0\2009\layer1 至CMADS-ST V1.0\2009\layer10 CMADS-ST-V1.0\2010\layer1 至CMADS-ST V1.0\2010\layer10 CMADS-ST-V1.0\2011\layer1 至CMADS-ST V1.0\2011\layer10 CMADS-ST-V1.0\2012\layer1 至CMADS-ST V1.0\2012\layer10 CMADS-ST-V1.0\2013\layer1 至CMADS-ST V1.0\2013\layer10 CMADS-ST V1.0子集文件路径及文件名说明 其中layer1-layer10\目录下为逐日土壤温度(十层)。分别位于以下目录(以2009年为例): \2009\layer1\ 2009年第一层(0.00710063521m)土壤温度目录 \2009\layer2\ 2009年第二层(0.0279249996m)土壤温度目录 \2009\layer3\ 2009年第三层(0.0622585751m)土壤温度目录 \2009\layer4\ 2009年第四层(0.118865065m)土壤温度目录 \2009\layer5\ 2009年第五层(0.2121934m)土壤温度目录 \2009\layer6\ 2009年第六层(0.3660658m)土壤温度目录 \2009\layer7\ 2009年第七层(0.619758487m)土壤温度目录 \2009\layer8\ 2009年第八层(1.03802705m)土壤温度目录 \2009\layer9\ 2009年第九层(1.72763526m)土壤温度目录 \2009\layer10\ 2009年第十层(2.8646071m)土壤温度目录 CMADS-ST V1.0数据子集命名格式 (以尾站:195-300为例): CMADS_V1.0_SOIL_TMP_L1_195_300.txt 195_300格网站点第一层土壤温度(K) CMADS_V1.0_SOIL_TMP_L2_195_300.txt 195_300格网站点第二层土壤温度(K) CMADS_V1.0_SOIL_TMP_L3_195_300.txt 195_300格网站点第三层土壤温度(K) CMADS_V1.0_SOIL_TMP_L4_195_300.txt 195_300格网站点第四层土壤温度(K) CMADS_V1.0_SOIL_TMP_L5_195_300.txt 195_300格网站点第五层土壤温度(K) CMADS_V1.0_SOIL_TMP_L6_195_300.txt 195_300格网站点第六层土壤温度(K) CMADS_V1.0_SOIL_TMP_L7_195_300.txt 195_300格网站点第七层土壤温度(K) CMADS_V1.0_SOIL_TMP_L8_195_300.txt 195_300格网站点第八层土壤温度(K) CMADS_V1.0_SOIL_TMP_L9_195_300.txt 195_300格网站点第九层土壤温度(K) CMADS_V1.0_SOIL_TMP_L10_195_300.txt 195_300格网站点第十层土壤温度(K)
孟现勇, 王浩
该土地覆盖类型产品是欧空局气候变化行动第二阶段产品，其空间分辨率为300米，时间覆盖范围为1992-2015. 空间覆盖范围纬向－90~90度，经向－180~180度，坐标系统为地理坐标WGS84.土地覆盖产品该地表覆盖的分类依据联合国粮食农业组织土地覆盖分类系统(LCCS, Land Cover Classification System)。 该数据用于科研目的需要致谢ESA CCI Land Cover project，并且将发表的文章发送给contact@esalandcover-cci.org
徐希燕
MODIS土地覆盖类型产品是每年从Terra数据中提取的土地覆盖特征不同分类方案的数据分类产品（MOD12Q1）。本数据为标准MODIS土地覆盖产品MOD12Q1经过重新投影到地理坐标，空间分辨率为0.5度的产品。基本的土地覆盖分类为国际地圈生物圈计划（IGBP, International Geosphere Biosphere Programme）定义的17类，包括11类自然植被分类，3类土地利用和土地镶嵌，3类无植生土地分类。其覆盖经度范围－180－180度，纬度范围为－64-84度。数据格式为GeoTIFF。 该数据可免费使用，版权属于 University of Maryland, Department of Geography and NASA
S.Channan, Channan, 徐希燕
青藏高原湖泊动态数据集采用美国陆地资源卫星（Landsat）遥感数据为主，采用波段比值与阈值分割方法制作，数据覆盖时间从1984年到2016年，时间分辨率为5年一期，覆盖范围为青藏高原，空间分辨率为30m。水体面积提取方法采用波段比值（B4/B2）或者水体指数（MNDWI）为主，构建分类树，算法构建考虑水体的光谱特征在时间和空间上的变化，并且考虑水体所处的空间为主的坡度、坡向信息调整决策树的阈值。长时间序列星载卫星数据来自Landsat MSS、TM、ETM+和OLI等系列传感器。水体信息提取的最小单元为2*2个像元，小于0.36*10^-2Km²的水体全部剔除。通过高分辨率遥感数据提取的水体信息以及目视解译确定的水体检验点的验证表明青藏高原水体面积信息的总体精度优于95%。数据以shape文件保存，投影方式为Albers投影，中央经线为105 °，双标准纬线纬度为25 °和47 °。
宋开山, 杜嘉
该NDVI数据集是由NASA EOSDIS LP DAAC 和美国地质调查 USGS EROS共同发布的第六版MODIS均一化植被指数产品（2001-2016）。该产品的时间分辨率是16天，空间分辨率0.05度。该版本是在原有1公里分辨率的NDVI产品（MYD13A2）基础上生成的气候模拟格点（CMG）数据产品。 请在致谢中以下方式说明该数据的来源： The MOD13C NDVI product was retrieved from the online in courtesy of the NASA EOSDIS Land Processes Distributed Active Archive Center (LP DAAC), USGS/Earth Resources Observation and Science (EROS) Center, Sioux Falls, South Dakota, The [PRODUCT] was (were) retrieved from the online [TOOL], courtesy of the NASA EOSDIS Land Processes Distributed Active Archive Center (LP DAAC), USGS/Earth Resources Observation and Science (EROS) Center, Sioux Falls, South Dakota.
NASA
本数据为盈科绿洲农田、湿地、戈壁、沙漠与荒漠观测的一个生长周期内的植被覆盖度数据集。数据观测从2012年5月25日开始到9月14日结束，7月下旬之前每5天观测1次，之后10天观测1次。 测量仪器与原理： 采用数码相机拍照的方法测量了盈科绿洲的农田、湿地、戈壁、沙漠与荒漠的典型地物的植被覆盖度。样方的设计、照片拍摄方法和数据处理方法都经过一定的分析和考虑。 具体分几条进行描述： 0. 测量仪器：简易观测架搭配数码相机，将数码相机置于支撑杆前端的仪器平台，保持拍摄的竖直向下，远程控制相机测量数据。观测架可以用来改变相机的拍摄高度，面向不同类型植被实现有针对性的测量。 1. 样方设置和“真值”获取：玉米等低矮植被样方大小10×10米，果树样方30米×30米。每次测量时沿两条对角线依次拍照，共取9张照片（当地表覆盖非常均一时也有少于9张的情况），均匀分布在样方内。9张相片处理得到各自覆盖度之后取平均，最终得到一个样方的覆盖度“真值”。 2. 拍摄方法：针对低矮植被如玉米，直接采用观测架观测，保证观测架上的相机距离植被冠层的高度远大于植被冠幅，在方形样方内沿着对角线采样，然后做算术平均。在视场角度不大(<30°)的情况下，视场内包括大于2个整周期的垄行，相片的边长与垄行平行；针对较高植被如果树，在树冠下面从下向上拍摄照片，叠加配合对树冠下地表低矮植被从上向下的拍摄，得到植株附近的覆盖度，再拍摄植株之间非树冠投影区域的低矮植被，计算植株间隙的覆盖度。最后通过树冠投影法，获得树冠的平均面积。根据垄行距离计算植株树冠下与植株间隙的面积比例，加权获得整个样方的覆盖度。 3. 数据处理方法：采用一种自动分类方法，具体见“参考文献”第３条文献（Liu et al., 2012)。通过RGB颜色空间转换到更容易区分绿色植被的Lab空间，对绿度分量a的直方图进行聚类，分离出绿色植被和非绿色背景2组分，获得单张相片的植被覆盖度。该方法的优点在于其算法简单、易于实现而且自动化程度和精度较高。今后还需要更多的快速、自动、准确的分类方法，最大限度发挥数码相机方法的优势。 配套数据： 在记录表中文字记录了植被的种类、株高、垄宽、行宽、拍摄高度信息，同时附有数码相机拍摄的场景照片和田埂照片（农田）。 数据处理： 基于数字图像里面的分类方法，对植被和非植被像元分类后得到相片代表样方的植被覆盖度。
穆西晗, 黄帅, 马明国
该NDVI数据集是最新发布的NOAA全球模拟和绘图项目（GIMMS，Global Inventory Monitoring and Modeling System）长序列（1981-2015）均一化植被指数产品，版本号3g.v1。 该产品的时间分辨率是每月两次，空间分辨率1/12度。时间跨度1981年7月至2015年12月。该产品为共享数据产品，可直接从ecocast.arc.nasa.gov下载。 详情请参考https://nex.nasa.gov/nex/projects/1349/
NCAR
本数据为在盈科绿洲观测的植被FPAR数据集。数据观测从2012年5月25日开始，至2012年7月8日结束。 测量仪器与原理： 利用北京师范大学ACCUPAR测量冠层的FPAR。在盈科绿洲5km*5km样方内选择18个玉米样方，1个果园和1个人工白杨林样方进行测量。 其中玉米地样方测量四个PAR分量：冠层上总入射PAR，冠层下透过PAR，冠层上反射PAR和冠层下反射PAR。 对于果园和人工林，测量两个量：冠层外总入射PAR，冠层下透射PAR。 配套数据： 植被的种类、株高、垄行结构等信息。 数据格式： EXcel格式。
马明国
本数据包括大满超级站、湿地、沙漠、荒漠和戈壁五个站点植被一个生长周期内的覆盖度数据集以及大满超级站玉米和湿地芦苇两种植被一个生长周期内的生物量数据集。观测时间自2013年5月19日开始，9月15日结束。 1覆盖度观测 1.1观测时间 1.1.1超级站：观测时间段2013年5月20日-9月15日， 7月31日以前每5天观测一次，7月31后每10天观测一次，共做了18次观测，具体观测时间如下； 超级站：2013-5-20、2013-5-25、2013-5-30、2013-6-5、2013-6-10、2013-6-16、2013-6-22、2013-6-27、2013-7-2、2013-7-7、2013-7-12、2013-7-17、2013-7-27、2013-8-3、2013-8-13、2013-8-25、2013-9-5、2013-9-15 1.1.2其它四个站：观测时间段2013年5月20日-9月15日，每10天观测一次，共做了12次观测，具体观测时间如下； 其它四个站：2013-5-20、2013-6-5、2013-6-16、2013-6-27、2013-7-7、2013-7-17、2013-7-27、2013-8-3、2013-8-13、2013-8-25、2013-9-5、2013-9-15 1.2观测方法 1.2.1测量仪器与原理： 采用数码相机拍照的方法测量，将数码相机置于简易支撑杆前端的仪器平台，保持拍摄的竖直向下，远程控制相机测量数据。观测架可以用来改变相机的拍摄高度，面向不同类型植被实现有针对性的测量。 1.2.2样方的设计 超级站：共取3块样地，每块样地样方大小10×10米，每样地每次测量时沿两条对角线依次拍照，共取9-10张照片； 湿地站：共取2块样地，每块样地样方大小10×10米，每样地每次测量拍9-10张照片； 其它3个站：选取1块样地，每块样地样方大小10×10米，每样地每次测量拍9-10张照片； 1.2.3拍摄方法 针对超级站玉米和湿地站芦苇，直接采用观测架观测，保证观测架上的相机距离植被冠层的高度远大于植被冠幅，在方形样方内沿着对角线采样，然后做算术平均。在视场角度不大(<30°)的情况下，视场内包括大于2个整周期的垄行，相片的边长与垄行平行；其它三个站点由于植被比较低矮，直接用相机垂直向下拍照（未使用支架）。 1.2.4 覆盖度计算 覆盖度计算由北京师范大学完成，采用一种自动分类方法，具体见 “建议参考文献”第1条文献。通过RGB颜色空间转换到更容易区分绿色植被的Lab空间，对绿度分量a的直方图进行聚类，分离出绿色植被和非绿色背景2组分，获得单张相片的植被覆盖度。该方法的优点在于其算法简单、易于实现而且自动化程度和精度较高。今后还需要更多的快速、自动、准确的分类方法，最大限度发挥数码相机方法的优势。 2生物量观测 2.1观测时间 2.1.1玉米：观测时间段2013年5月20日-9月15日， 7月31日以前每5天观测一次，7月31后每10天观测一次，共做了18次观测，具体观测时间如下； 玉米：2013-5-20、2013-5-25、2013-5-30、2013-6-5、2013-6-10、2013-6-16、2013-6-22、2013-6-27、2013-7-2、2013-7-7、2013-7-12、2013-7-17、2013-7-27、2013-8-3、2013-8-13、2013-8-25、2013-9-5、2013-9-15 2.1.2芦苇：观测时间段2013年5月20日-9月15日，每10天观测一次，共做了12次观测，具体观测时间如下； 芦苇：2013-5-20、2013-6-5、2013-6-16、2013-6-27、2013-7-7、2013-7-17、2013-7-27、2013-8-3、2013-8-13、2013-8-25、2013-9-5、2013-9-15 2.2观测方法 玉米：选取3块样地，每块样地每次观测选取代表样地平均水平的三株玉米分别称每株玉米的鲜重（地上生物量+地下生物量）和相应的干重（85℃恒温烘干），根据种植的株距和行距计算单位面积玉米的生物量； 芦苇：设置2个0.5mÍ0.5m的样方，齐地刈割，分别称取芦苇的鲜重（茎叶）和干重（85℃恒温烘干）。 2.3观测仪器 天平（精度0.01g）、烘箱。 3数据的存储 所有观测数据先手薄记录后整理到Excel表中存储，同时整理了玉米种植结构数据，包括种植的株距、行距，种植时间、灌水时间、除父本时间以及收割时间等相关信息。
耿丽英, 家淑珍, 李艺梦, 马明国
随着SAR干涉测量技术的不断进步，使得高精度获取冰川区的多时相DEM成为了可能。特别是，2000年美国国家航空航天局（NASA）主导的航天飞机雷达制图计划（SRTM）提供了覆盖全球56ºS - 60ºN范围的DEM资料；德国宇航局（DLR）的TanDEM-X双站SAR干涉测量系统能够提供全球范围高分辨率、高精度DEM。这些高质量、大覆盖范围的SAR干涉测量数据，以及发布的DEM数据产品，为利用多时相DEM探测冰川厚度变化提供了宝贵的基础资料。 青藏高原典型冰川厚度变化数据的时间段为2000-2013年，覆盖范围为普若岗日和祁连山西部地区，空间分辨率30米。利用TanDEM-X双站InSAR数据和C波段 SRTM DEM，首先采用差分干涉测量方法高精度的生成TanDEM-X DEM，然后在进行DEM精确配准的基础上，通过对比不同时期获取的DEM数据，估算冰川厚度变化。该数据集采用Geotiff格式，每个典型冰川冰厚变化存储为一个文件夹。 数据的详细情况见青藏高原典型冰川厚度变化数据集-数据说明。
江利明
本数据集包括甘肃省张掖市甘州区五星村农田2013年11月21日-22日车载微波辐射计观测亮温、同步测量的土壤质地，粗糙度和地表温度连续观测数据集。地表温湿度包括温度传感器在土壤深度1cm、5cm，10cm，20cm四层和湿度传感器在土壤深度0-5cm处，观测的土壤温度，土壤水分数据。土壤温湿度的常规观测的时间频率为5分钟。 数据细节： 1. 时间：2013年11月21日-22日 2. 数据： 亮温： 使用车载多频被动微波辐射计观测，包括6.925、18.7和36.5GHz V极化和H极化数据（10.65GHz 波段损坏） 土壤温度：使用安装在dt80上的传感器测量1cm，5cm，10cm，20cm土壤温度 土壤湿度：使用H-probe传感器测量0-5cm土壤湿度，该传感器可以同时测量0-5cm土壤温度 土壤质地：取土样在北京师范大学测量 土壤粗糙度：使用东北地理所提供的粗糙度仪测量 3. 数据大小：2.5M 4. 数据格式：.xls
赵少杰, 寇晓康, 叶勤玉, 马明国
本数据集包括甘肃省张掖市甘州区五星村农田2013年11月19日-20日车载微波辐射计观测亮温、同步测量的土壤质地，粗糙度和地表温度连续观测数据集。地表温湿度包括温度传感器在土壤深度1cm、5cm，10cm，20cm四层和湿度传感器在土壤深度0-5cm处，观测的土壤温度，土壤水分数据。土壤温湿度的常规观测的时间频率为5分钟。 数据细节： 1. 时间：2013年11月19日-20日 2. 数据： 亮温： 使用车载多频被动微波辐射计观测，包括6.925、18.7和36.5GHz V极化和H极化数据（10.65GHz 波段损坏） 土壤温度：使用安装在dt80上的传感器测量1cm，5cm，10cm，20cm土壤温度 土壤湿度：使用H-probe传感器测量0-5cm土壤湿度，该探头可以同时测量0-5cm土壤温度 土壤质地：取土样在北京师范大学测量 土壤粗糙度：使用东北地理所提供的粗糙度仪测量 3. 数据大小：2.5M 4. 数据格式：.xls
赵少杰, 寇晓康, 叶勤玉, 马明国
本数据集包括甘肃省张掖市甘州区五星村农田2013年11月18日-19日车载微波辐射计观测亮温、同步测量的土壤质地，粗糙度和地表温度连续观测数据集。地表温湿度包括温度传感器在土壤深度1cm、5cm，10cm，20cm四层和湿度传感器在土壤深度0-5cm处，观测的土壤温度，土壤水分数据。土壤温湿度的常规观测的时间频率为5分钟。 数据细节： 1. 时间：2013年11月18日-19日 2. 数据： 亮温： 使用车载多频被动微波辐射计观测，包括6.925、18.7和36.5GHz V极化和H极化数据（10.65GHz 波段损坏） 土壤温度：使用安装在dt80上的传感器测量1cm，5cm，10cm，20cm土壤温度 土壤湿度：使用H-probe传感器测量0-5cm土壤湿度，该探头可以同时测量0-5cm土壤温度 土壤质地：取土样在北京师范大学测量 土壤粗糙度：使用东北地理所提供的粗糙度仪测量 3. 数据大小：3.5M 4. 数据格式：.xls
赵少杰, 寇晓康, 叶勤玉, 马明国
青藏高原典型冰川DEM采用双站InSAR方法制作，数据采集时间为2013年11月21日，覆盖范围为普若岗日和祁连山西部地区，空间分辨率10米，高程精度0.8m的DEM结果，精度可满足国家1∶10000地形制图的要求。冰川DEM采用TanDEM-X双站InSAR数据，采用改进的SAR干涉处理方法，顾及了双站InSAR在成像几何和相位解缠等方面的特点，高分辨率、高精度地生成了上述两个典型冰川的表面DEM。该数据集采用Geotiff格式，每个典型冰川DEM存储为一个文件夹。 数据的详细情况见青藏高原典型冰川DEM数据集-数据说明。
江利明
青藏高原土壤细菌多样性数据集提供了青藏高原土壤表层（0-2厘米）微生物分布特征。样品采集时间为2015年7月1日至7月15日，包含草甸，草原，荒漠3种生态系统。土壤样品用冰袋保存，运回北京青藏高原研究所生态实验室。土壤DNA通过MO BIO PowerSoil DNA试剂盒提取。土壤表层样品采集后用液氮保存，运回悉尼实验室，通过FastPrep DNA试剂盒提取。提取后的DNA样品使用515F (5'-GTGCCAGCMGCCGCGGTAA-3') and 909r (5'-GGACTACHVGGGTWTCTAAT-3')扩增16S rRNA基因片段。扩增后的片段通过Illumina Miseq PE250方式测序，原始数据通过Mothur软件分析。首先去除测序质量不佳序列，之后进行排序并去除嵌合体序列。之后计算序列之间相似度，相似度在97%以上的序列聚类为一个OTU，并定义OTU代表序列。OTU代表序列通过与Silva数据库进行比对，在可靠性大于>80%的情况下鉴定到属一级水平。本数据系统的比较了青藏高原微生物的多样性，对研究微生物在青藏高原的分布具有重大意义。
计慕侃
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
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
南极冰盖高程数据采用雷达高度计数据(Envisat RA-2)和激光雷达数据(ICESat/GLAS)制成。为提高ICESat/GLAS数据的精度,采用了五种不同的质量控制指标对GLAS数据进行处理,滤除了8.36%的不合格数据。这五种质量控制指标分别针对卫星定位误差、大气前向散射、饱和度及云的影响。同时,对Envisat RA-2数据进行干湿对流层纠正、电离层纠正、固体潮汐纠正和极潮纠正。针对两种不同的测高数据,提出了一种基于Envisat RA-2和GLAS数据光斑脚印几何相交的高程相对纠正方法,即通过分析GLAS脚印点与Envisat RA-2数据中心点重叠的点对,建立这些相交点对的高度差(GLAS-RA-2)与表征地形起伏的粗糙度之间的相关关系,对具有稳定相关关系的点对进行Envisat RA-2数据的相对纠正。通过分析南极冰盖不同区域的测高点密度,确定最终DEM的分辨率为1000 m。考虑到南极普里兹湾和内陆地区的差异性,将南极冰盖分为16个区,利用半方差分析确定最佳插值模型和参数,采用克吕金插值方法生成了1000 m分辨率的南极冰盖高程数据。利用两种机载激光雷达数据和我国多次南极科考实测的GPS数据对新的南极DEM进行了验证。结果显示,新的DEM与实测数据的差值范围为3.21—27.84 m,其误差分布与坡度密切关系。
黄华兵
该数据为2005年格陵兰岛地区ENVISAT-1卫星ASAR传感器获取的Wide Swath模式Level 1B级SAR数据，幅宽400km，空间分辨率为75m，绝对定位精度约为200米。 该SAR数据在存储时都是以时间增长为序的方式存储的，这使的下行轨道的图象为左右镜象，而上行轨道的图象为上下镜象。 该数据的命名规则如下例所示： ASA_IMS_1PPIPA 20050402_095556_000000162036_00065_16151_0388.N1 ASA: 产品标识,ASAR传感器 IMS: 数据的接收、处理信息(成像模式，如WS，WSS，IM，...) 1PPIPA:订制的编号 20050402: 数据获取的时间（UTC时间) 095556:地理位置（开始、结束） 000000162036:卫星轨道信息 00065:产品信任数据 16151:产品大小、结构信息 0388 => 校验码
惠凤鸣
青藏高原湖水微生物多样性数据。样品采集时间为2015年7月1日至7月15日，包含28个湖泊(巴木措,白马湖,班戈盐湖,班公湖,崩错,别若则错,错萼措,错愕（平措北）,达瓦措,当穹错,当惹雍措,洞措,鄂雅错琼,公珠措,果根错,甲热布错,玛旁雍错,纳木错,聂尔错（盐湖）,诺尔玛措,朋彦错,蓬错,枪勇,色林错,吴如错,物玛错,扎日南木措,扎西措,)，138个样品。盐度梯度为0.07-118 ppm。 DNA提取方法：湖水过滤到0.45膜上，然后通过MO BIO PowerSoil DNA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')。测序方式为Illumina MiSeq PE250，原始数据通过Mothur软件分析，包括quality filtering, chimera removal, 序列分类依据Silva109数据库，古菌、真核和未知来源序列已被移除。OTU以97%相似度分类，然后只在数据库中出现一次的序列被移除。最后每个样品被重取样到7，230序列/样品。 GPS坐标,进化信息，环境因子见数据内。
计慕侃
黑河流域月均植被指数数据是基于MODIS 的1km及250m NDVI产品，从250m产品中提出黑河流域格点值作为精度控制，对1km产品利用HASM方法修正。利用HASM方法对多源NDVI数据进行融合获得的黑河流域2001-2011年月均植被指数。分辨率：1KM*1KM 黑河流域平均降水数据集采用黑河计划数据管理中心提供的黑河流域及周边地区21个气象常规观测站及黑河周边13个全国基准站的站点数据信息，对逐日降水进行统计整理，计算逐个站点的1961-2010年多年逐日降水数据。对其进行空间平稳性分析，计算变异系数，若变异系数大于100%，则采用地理加权回归计算站点与地理地形因素关系，得逐日降水分布趋势；若变异系数小于等于100%，则采用普通最小二乘回归计算站点降水值与地理地形因素（经纬度、高程）的关系，得逐日降水分布趋势；对去掉趋势后的残差采用HASM（High Accuracy Surface Modeling Method）进行拟合修正。最后将趋势面结果与残差修正结果相加即得1961-2010年黑河流域多年日平均降水分布。时间分辨率：1961-2010年多年日平均降水。空间分辨率：500m。
岳天祥, 赵娜
该数据集包含了2015年1月1日至2017年7月31日黑河中下游绿洲植被生态属性的观测数据，共包含355条数据，其中，胡杨208条，柽柳147条。生态属性包括4组生态参数共15类74个指标，具体如下： 植被结构参数（5类25个指标）： 盖度：总盖度、乔灌草三层分盖度、冠幅平均直径； 高度：乔灌草三层高度、冠层厚度、凋落物厚度、苔藓层厚度、最大根深； 密度：乔木层密度、乔木平均胸径； 叶面积指数：乔灌草三层最大叶面积指数、最小叶面积指数； 物候期：开始展叶期、盛叶期、开始落叶期、完全落叶期。 植被生产力参数（3类16个指标）： 地上生物量：总生物量、乔灌草三层茎生物量、叶生物量； 根生物量：根生物量、0-5、5-15、15-30、30-50、50-100、100-250cm细根生物量； 其他生物量：凋落物层、苔藓层生物量和碳储量。 生理生态参数（4类24个指标）： 生物量分配：根茎叶分配比例； 元素含量：根茎叶碳含量、碳氮比、凋落物碳含量、苔藓碳含量； 叶片形状：比叶面积、叶片长宽、叶倾角； 气体交换特征：叶水势、净光合速率、气孔导度、蒸腾速率、气温、胞间CO2浓度、光合有效辐射等； 植被水文参数（3类9个指标）： 降雨再分配：最大截留能力、冠层截留、穿透雨、树干茎流‘ 产流：产流量、产流系数； 蒸发散：植物蒸腾量、土壤蒸发量、土壤蒸发深度。
李小雁, 赵文武
样地调查数据为，于2013年8月份，在天涝池流域设置森林样地30块，样地规格为10 m×20 m，样地长边与山坡走向平行，其中青海云杉林26块，祁连圆柏林2块，云杉圆柏混交林2块，在样地内，采用围尺测量每株树木的胸径（树干1.3 m高度处的直径），采用手持超声波测高器测量每株树木的树高、枝下高（树冠下端第一活枝的高度），采用皮尺测量南北方向和东西方向冠幅，利用差分GPS对样地进行定位.以样地碳储量数据为优化控制条件，以Kriging插值得到的生物量空间分布图驱动场，采用HASM算法模拟天涝池森林生物量空间分布图，模拟结果符合研究区的植被分布规律，获得较好的效果。分辨率1m
岳天祥, 赵娜
该数据集包含了2016年1月1日至2016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
该数据集包含了2015年5月20日至2016年3月11日的黑河中游径流加密观测中4号点的河流水位观测数据。仪器维修重新与2015年5月20日安装调试完毕。观测点位于甘肃省张掖市靖安乡上堡村黑河桥，河床为砂砾石，断面不稳定。观测点的经纬度是N39.065°，E100.433056°，海拔1431米，河道宽度58米。2012年水位观测采用HOBO压力式水位计，采集频率30分钟；2013年起采用采用SR50超声测距仪，采集频率30分钟。2014年6月25日仪器损毁，重新购置。2015年5月20日重新开始记录。数据包括以下部分： 水位观测，观测频率30分钟，单位（cm）； 水文气象网或站点信息请参考Li et al. (2013), 观测数据处理请参考He et al.(2016)。
何晓波, 刘绍民, 李新, 徐自为
该数据集包含了2015年1月1日至2016年3月11日的黑河中游径流加密观测中7号点的河流水位和流速观测数据。2014年底传感器出现异常，维修后3月25日调试正常。观测点位于甘肃省张掖市临泽县平川乡黑河桥，河床为砂砾石，断面不稳定。观测点的经纬度是N39.331667°，E 100.099722°，海拔1375米，河道宽度130米。2015年水位观测采用SR50超声波测距仪，采集频率30分钟。数据说明包括： 水位观测，观测频率30分钟，单位（cm）；缺值数据统一采用字符串-6999表示。 水文气象网或站点信息请参考Li et al. (2013)，观测数据处理请参考He et al.(2016)。
刘绍民, 李新, 徐自为
样地调查数据为，于2013年8月份，在天涝池流域设置森林样地30块，样地规格为10 m×20 m，样地长边与山坡走向平行，其中青海云杉林26块，祁连圆柏林2块，云杉圆柏混交林2块，在样地内，采用围尺测量每株树木的胸径（树干1.3 m高度处的直径），采用手持超声波测高器测量每株树木的树高、枝下高（树冠下端第一活枝的高度），采用皮尺测量南北方向和东西方向冠幅，利用差分GPS对样地进行定位.以样地碳储量数据为优化控制条件，以Kriging插值得到的生物量空间分布图驱动场，采用HASM算法模拟天涝池森林生物量空间分布图，模拟结果符合研究区的植被分布规律，获得较好的效果。
岳天祥, 赵娜
黑河流域1km/5天合成叶面积指数（LAI）数据集提供了2010-2014年的5天LAI合成结果，该数据利用Terra/MODIS、Aqua/MODIS、以及国产卫星FY3A/MERSI和FY3B/MERSI传感器数据构建空间分辨率1km、时间分辨率5天的多源遥感数据集。多源遥感数据集可在有限时间内提供比单一传感器更多的角度和更多次的观测，但是，由于传感器的在轨运行时间及性能差异，多源数据集的观测质量参差不齐。因此，为更有效的利用多源数据集，算法首先对多源数据集进行了质量分级，根据观测合理性分为一级数据、二级数据、三级数据。三级数据为受薄云污染的观测，不用于计算。质量评估及分级的目的是为LAI反演时最优数据集的选择及反演算法流程设计提供依据。叶面积指数产品反演算法设计为区分山地平地、区分植被类型使用不同模型的神经网络法反演。基于全球DEM图和地表分类图，针对草地和农作物等连续植被采用PROSAIL模型，针对森林和山地植被采用坡面GOST模型。利用黑河上游森林和中游绿洲的地面实测数据生成的参考图，并将对应的高分辨率参考图升尺度到1km分辨率，与LAI产品进行比较，产品在农田和森林区域与参考值间均具有良好的相关性，总体精度基本满足GCOS规定的误差不超过 (0.5, 20%)的精度阈值。将本产品与MODIS、GEOV1和GLASS等LAI产品进行交叉对比，相比较参考值而言，本LAI产品精度优于同类产品。总之，黑河流域1km/5天合成LAI数据集综合利用多源遥感数据以提高LAI参数产品的估算精度、时间分辨率等，更好的服务于遥感数据产品的应用。
李静, 尹高飞, 仲波, 吴俊君, 吴善龙
该套数据是新发展的陆面生态水文模式CLM_LTF的模拟结果。该模式在NCAR发展的陆面过程模式CLM4.5之上，耦合了地下水侧向流动模块，并且考虑了人类灌溉作用。 模式运行时间是1981-2013年，空间分辨率为30弧秒(0.0083度)，时间步长为1800秒，模拟范围为黑河流域。1981-2012年大气强迫使用的是由中国科学院青藏高原研究所青藏高原多圈层数据同化与模拟中心开发的中国区域高时空分辨率地面气象要素驱动数据集，2013年大气强迫使用的是国家气象信息中心制作的高分辨率的风压湿温降水辐射数据集。地表覆盖数据为MICLCover黑河流域1公里土地覆盖格网数据集，灌溉数据见寒区旱区科学数据中心“黑河流域1981-2013年30弧秒分辨率月尺度地表水及地下水灌溉量数据集”。模式输出为月平均数据。 文件说明如下： 地下水埋深数据：Heihe_ZWT.nc 2cm土壤湿度数据：Heihe_H2OSOI_2CM.nc 100cm 土壤湿度数据：Heihe_H2OSOI_100CM.nc 蒸散发数据：Heihe_evaptanspiration.nc 数据为netcdf格式。有3个维度，依次为month, lat, lon. 其中month为月份，数值为0-395，代表1981-2013年逐个月份，lat为网格纬度信息，lon为网格经度信息。 数据储存在data变量中，地下水埋深数据单位为m, 土壤湿度数据单位为m^3/m^3, 蒸散发数据单位为mm/month
谢正辉
黑河水文数据：黑河分水历程的调查资料。 调查方法：现场调研、访谈、资料搜集及电子化； 内容概述：本资料包含清华大学对黑河分水历程调查所获得的文献、文档及调研报告资料，主要包括分水方案制定当事人周侃先生的访谈记录。 时空范围：1950-2010；黑河流域
王忠静, 郑航
2012年6月15日在大满加密观测区超级站附近的TerraSAR-X样方进行了卫星过境地面同步观测。TerraSAR-X卫星搭载X波段的合成孔径雷达（SAR），该日过境影像为HH/VV极化，标称分辨率3 m，入射角介于22-24°，过境时间为19:03（北京时间），主要覆盖中游人工绿洲生态水文试验区。本地面同步数据集可为发展和验证主动微波遥感反演土壤水分算法提供基本地面数据集。 样方及采样策略： 选择了超级站东南边的6个自然地块，面积约为100 m×100 m。样方西北角的一个地块为西瓜地，其他为玉米。样方的选择依据是：（1）考虑了不同植被种类，即西瓜和玉米；（2）样方的大小考虑到了可见光像元，100 m见方的大小可以保证至少4个30 m像元落在其中；（3）样方的位置选在超级站附近，交通便利，北面有超级站的观测，东西两侧各有一个WATERNET节点，为今后融入这些观测提供了可能；（4）此外，在样方四周，也有一些明显地物点，能够保证今后对SAR影像的几何纠正比较准确。 考虑到影像的分辨率，同步观测中，以5 m为间隔，采集了21条样线（东西分布），每条线5 m间隔共23个点（南北方向），使用4台Hydraprobe Data Acquisition System （HDAS，参考文献2）同时测量，通过测绳上的刻度和移动样线来控制采样间隔以弥补不能使用手持GPS的不足。 测量内容： 获取了样方上约500个点，每个点2次观测，即对覆膜玉米地，在每个采样点进行2次观测，1次膜内（数据记录中标记为a），1次膜外（数据记录中标记为b）；西瓜地虽然也覆膜，但考虑到并非水平铺设，只测量非覆膜位置土壤水分（两次数据记录中标记均为b）。由于HDAS系统采用POGO便携式土壤传感器，观测获得土壤温度、土壤水分（体积含水量）、损耗正切、土壤电导率、土壤复介电实部及虚部。植被小组完成了生物量、LAI、植被含水量、株高、行垄距、叶绿素等的测量。 数据： 本数据集包括土壤水分观测和植被观测两部分，前者保存数据格式为矢量文件，空间位置即为各采样点位置（WGS84+UTM 47N），土壤水分等测量信息记录在属性文件中；植被采样信息记录在EXCEL表格中。
王树果, 马明国, 李新
黑河流域河道温度同步观测的目的在于获取TASI飞行期间不同位置河道同步温度，用于支持航空飞行TASI资料反演河道温度的验证和尺度效应分析。 本次试验的观测时间为2012年7月3日和2012年7月4日，选取了黑河流域中游的肃南桥、滨河新区、黑河桥、铁路桥、乌江桥、高崖水文站、板桥、平川桥、伊家庄、刘家桥10个位置的河面温度进行了同步观测，利用两种仪器测量不同位置的河道辐射温度，包括固定自记点温计（北师大2#、北师大3#）和手持式红外温度计（寒旱所H1#、H2#、H3#、H4#，遥感所Y1#、Y2#，北师大B1#、B2#），其中铁路桥和高崖水文站使用的是固定自记点温计，自动每6秒记录一次温度，其它8个点的河流断面温度采用手持式红外温度计人工观测，每隔2米设置一个观测点，每15分钟可以对整个河流断面观测一次，同时记录每个观测点的下垫面特征。每个仪器在使用之前均进行了黑体标定。观测数据以Excel存储。
何晓波, 家淑珍
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
