中亚是一个高度农业化的地区，其农业资源有限且非常脆弱。为了评估未来气候变化对中亚农业的潜在影响，我们基于3个全球气候模式的9千米动力降尺度结果生产了一个中亚农业气候指数（agroclimatic indicators）高分辨率预估数据集。这些农业气候指数是生长季长度（growing season length, GSL, days），有效积温（biologically effective degree days, BEDD, ℃），霜冻天数（frost days, FD, days），夏日天数（summer days, SU, days），热浪天数（warm spell duration index, WSDI, days）和热夜天数（tropical nights, TR, days）。时段是1986-2005和2031-2050，空间分辨率为0.1°。由于这些指数（除了WSDI）都是基于温度的绝对阈值定义的，对区域模拟结果的系统偏差非常敏感，我们首先用分位数映射法（quantile mapping, QM）订正了模拟的气温，然后基于订正后的气温计算指数。评估结果显示：QM方法大幅减小了指数的偏差。预估结果显示：GSL，SU，WSDI和TR在整个中亚将显著增大，而FD将显著减小；BEDD的变化具有明显的空间差异性，在中亚北部和山区是增大的，在平原的中部和南部是减小的。这个高分辨率的数据集可被用于评估未来气候变化对中亚农业的风险影响。
邱源
本数据为基于WRF模式4.1.2版本和WRFDA同化系统4.1.2版本建立的中亚区域再分析资料，变量包含气温、气压、风速、降水、辐射。再分析的建立使用了循环同化的方式，每6小时使用3DVAR同化一次，同化的资料包括常规大气观测和卫星辐射资料。其中常规资料主要来源为GTS，来源包括人工站、自动站、探空和飞机报，观测要素包括气温、气压、风速和湿度。卫星观测包括反演数据和辐射数据，反演数据主要为极轨气象卫星（NOAA-18、NOAA-19、METOP-A和METOP-B）反演的云导风，并重采样到54km水平分辨率；辐射数据包含了MSU、AMSU和MHS等微波辐射和HIRS红外辐射数据。模拟采用双层嵌套的方式，水平分辨率分别为27公里和9公里，垂直方向共38层，模式层顶为10hPa。模式的侧边界条件由ERA-Interim再分析逐6小时的分析场提供，模式使用的物理方案为Thompson微物理方案，CAM辐射方案，MYJ边界层方案、Grell对流方案和Noah陆面模式。本资料覆盖区域包括中亚地区的哈萨克斯坦、塔吉克斯坦、吉尔吉斯斯坦、土库曼斯坦和乌兹别克斯坦五个国家以及里海、咸海、巴尔喀什湖、伊萨克湖等中亚地区的湖泊，可用于该区域的气候、生态、水文等方面的研究。以中亚地区台站观测的降水为参照，本数据的模拟效果和融合降水产品MSWEP相似，优于ERA5和ERA-Interim。
姚遥
此数据包含1992年-2020年时间段的中亚，南亚和中南半岛地区的空间分辨率为300m土地覆盖数据，包含10个一级类别，由原数据的二级类别合并而来。数据基于欧空局的1992年-2020年时间段地表覆盖产品 CCI-LC，对耕地、建设用地和水体等地类进行修正。基于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（MCD12Q1，500m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）的一致区获取训练样本，应用谷歌地球数字引擎及其随机森林算法，对研究区待修正区域进行机器判别，获得修正的土地覆被产品。应用2019年和2020年的谷歌地球高清影像，对耕地、建设用地和水体变化区域的精度进行分层随机抽样验证，三种地类分别抽取了1200个、共计3600个，相比 CCI-LC数据，本修正产品在该变化区域的精度提升了11%到26%。
许尔琪
中亚的生态系统脆弱，自然灾害频发，水资源短缺，冰川加速融化，是气候变化敏感区之一。在评估该地区的脆弱性、影响性和适应性时，急需高分辨率的气候预估数据集。为此，我们对来自CMIP5的三个偏差订正后的全球气候模式（MPI-ESM-MR、CCSM4和HadGEM2-ES），在中亚地区开展了9千米的动力降尺度，继而生产了一个中亚高分辨率气候预估数据集，将其命名为HCPD-CA（High-resolution Climate Projection Dataset in Central Asia）。它的历史时段是1986-2005，未来时段是2031-2050，排放情景是RCP4.5。这个数据集有4个静态变量和10个常被用于驱动生态和水文模型的气象要素。静态变量有地形高度（HGT, m）、土地利用类型（LU_INDEX, 21 categories）、陆地水体（LANDMASK, 1代表陆地, 0代表水体）和土壤类型（ISLTYP, 16 categories）。10个气象要素是日降水量（PREC，mm/day）、2米日平均/最高/最低温（T2MEAN/T2MAX/T2MIN，K）、2米日平均相对湿度（RH2MEAN，%）、10米日平均维向和经向风（U10MEAN/V10MEAN，m/s）、日平均向下短波/长波辐射（SWD/LWD，W/m2）和日平均地表气压（PSFC，Pa）。评估结果显示：这个数据产品在描述中亚各个气象要素的平均态上有很高的质量，这保证了其可用性。未来气候变化的主要特征是：升温剧烈（年均温升高1.62-2.02℃），向下短波和长波辐射显著增强，其他气象要素变化很小。HCPD-CA数据集可被用于评估未来气候变化对中亚的多方面影响，特别是在生态和水文系统上。
邱源
通过资料整理和数字化，基于ArcGIS平台，广泛收集中亚地区最新的活动断裂和地震构造研究资料，编制了中亚地区地震构造图和地震区划图。图件范围包括哈萨克斯坦、乌兹别克斯坦、吉尔吉斯斯坦、塔吉克斯坦和土库曼斯坦。地震构造图中标绘了发震断层（活动断层）的位置、活动性质和断层名称，以及1960年至2020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。这些图件可用于中亚地区的活动构造和地震灾害研究，为中亚地区的大型工程与基础设施建设提供地震安全保障。
罗浩
本数据集包括2010、2015和2020年间，中亚地区五国（哈萨克斯坦、吉尔吉斯斯坦、塔吉克斯坦、土库曼斯坦和乌兹别克斯坦）的植被覆盖度（FVC）数据。该数据由MODIS-NDVI数据集（产品编号MOD13A2.006），根据干旱区植被盖度与NDVI之间的经验关系计算得到。该产品时间分辨率为1年，空间分辨率1 km。算法从当年所有观测数据中，以低云、低探测角度和最高NDVI值为标准，选择最佳的可用像元值，并进行换算。
徐晓凡, 谈明洪
1970年土地利用由MSS影像目视解译而成，整体解译精度达90%以上，土地分类按照中国科学院土地利用分类系统进行，具体分类细则请阅读数据说明文档。 2005年和2015年两期数据集从欧洲太空局 (ESA) 全球土地覆被类型数据获取，包括中亚五国（哈萨克斯坦、吉尔吉斯斯坦、塔吉克斯坦、土库曼斯坦和乌兹别克斯坦）和中国新疆，该数据集有22种土地利用类型，采用IPCC土地利用分类系统，具体分类细则请参阅说明文档。
张弛, 罗格平
本数据集包括中亚大湖区五国（哈萨克斯坦、吉尔吉斯斯坦、塔吉克斯坦、土库曼斯坦和乌兹别克斯坦）的内陆水域数据，包括河流，运河和湖泊的分布。各个国家的线状和面状要素分别存储在不同文件中。该数据集来自世界数字地图（DCW），其主要来源是美国，澳大利亚，加拿大和英国制作的美国国防测绘局（DMA）的操作导航图（ONC）1：1,000,000比例纸质地图系列。DCW数据库最后更新至1992年，并于2006年开始免费提供。
徐晓凡, 谈明洪
1）数据内容：包含中亚地区，区域范围：30°N～60°N，40°E～90°E； 2）数据来源：对CMIP数据集进行加工，采用双线性插值方法将不同分辨率模式数据插值到0.5°× 0.5°,CRU观测数据1901年——2014年； 3）数据质量：时间长度较长，数据质量良好，缺测值统一用999标识； 3）数据应用成果集前景：数据已用于进行对中亚地区温度模拟能力评估，通过计算并分析中亚地区的温区的域平均、相对误差、均方根误差、泰勒图、EOF分解、季节变化等评估气候系统模式模拟中亚地区历史气候变化的能力。 4) 数据可靠性：通过对比分析观测和模拟资料的年变化，数据结果均呈显著的增温趋势，通过对数据结果进行相关性检验，均通过99%信度检验。同时，CMIP计划数据和CRU数据也是较为常用的数据集，在很多进行气候变化的研究中，也经常采用这样的数据。
马金玉
中亚地区气温和辐射数据时间分辨率为月尺度，空间分辨率分别为0.5度和0.05度，采用GCS_WGS_1984投影坐标系统。其中，辐射数据计算采用了GLDAS的下行短波辐射、空气温度数据和空气水汽压数据、MOD11C3的地表温度/发射率数据、MCD43C3地表反照率数据和ASTER_GEDv4.1比辐射率数据计算得到；温度数据计算采用了MOD06_L2云产品和MOD07_L2大气剖面数据计算得到。本数据基于先进的遥感算法，充分利用目前精度较高的遥感数据和产品，区别于传统的气候模式对气候要素的估算原理。本数据可用于中亚地区水资源时空变化特征、农业水资源供需关系分析和水资源开发潜力评估等。
宋进喜, 蒋晓辉
湖泊的形成与消失、扩张与收缩对生态环境演化和社会经济发展都有重要影响。由于受气候、生态环境和人类活动等因素的综合影响，湖泊水域范围的变化速度快、幅度大，对观测的频率和分布都有很高的要求。近几十年以来，卫星遥感技术以其快速、覆盖面广、成本低廉等优点，为较大区域的湖泊动态监测提供了重要数据基础。针对大范围、高精度、长时间序列的湖泊变化分析对遥感数据时空分辨率的需求，本数据集基于 Landsat 卫星数据的自动湖泊提取方法（Feng et al., 2015），利用 2000 年以来的 Landsat 多颗卫星的观测数据，收集了2000 年以来的云量小于 80%的所有Landsat 数据，获得共 96278 景影像（约 25T 数据量），结合高性能数据存储和处理能力，提取了青藏高原和中亚地区 2000-2015 年湖泊分布记录，形成了时空一致的逐月水域范围数据集。利用分层随机采样采集样点，通过人工解译，获取能够代表不同时空分布的验证样点。评价结果表明：研究区时间序列水体数据总体精度为 99.45%(±0.59)，水体用户精度（错分）为 85.37% （±3.74），制图精度(漏分)为 98.17%（±1.05）。
冯敏, 车向红
中亚野外气象站观测数据集包括中亚10个野外气象站气温、降水、风向风速、相对湿度、气压、辐射、土壤热通量、日照时间和土壤温度等实地观测数据。10个野外站涵盖农田、森林、草地、沙漠、荒漠、湿地、高原、山地等不同生态系统类型。本数据集由地面气象观测站收集到的气象原始数据经筛查和审核后，进行格式转换后获得。数据质量良好。中亚地区气候类型多样，生态环境脆弱，气象灾害频繁，本数据集的建立对于开展长期的中亚生态环境监测、防灾减灾、中亚地区气候变化与生态环境等领域的研究提供了数据支撑，目前已经在中亚生态环境监测研究中获得了应用。
李耀明
中亚五国1980-2015年农业水资源供需和开发利用数据集，来源全球陆面数据同化系统，分别包括基于Noah、Mosaic和VIC模型输出的降水、蒸发和径流数据。该数据集时间和空间分辨率高，具有较好的数据精度，在全球尺度和区域尺度研究中应用广泛。Noah、Mosaic和VIC模型的降水、蒸发和径流模拟结果在空间分布上的表现较为一致。可用于中亚地区水资源时空变化特征、农业水资源供需关系分析和水资源开发潜力评估等。
张永勇
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
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
