该物候数据基于青藏高原2000-2015年MOD13A2数据（时间分辨率为16天，空间分辨率为1km），利用TIMESAT软件中分段高斯函数拟合NDVI曲线，采用动态阈值方法提取春季物候、秋季物候以及生长季长度，其中春季物候和秋季物候的阈值分别设置为0.2和0.7。此物候数据进行了掩膜处理。其中，掩膜规则为：1）必须满足NDVI的最大值出现在6-9月份之间；2）6-9月份NDVI均值不能小于0.2；3）冬季的NDVI均值不能超过0.3。
俎佳星, 张扬建
本数据包括青藏高原纳木错地区土壤细菌分布数据，可用来探索围栏和放牧对纳木错地区土壤微生物的季节性影响，样品采集时间为2015年5月至9月，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；本数据为扩增子测序结果，使用MoBio Powersoil™DNA分离试剂盒提取土壤DNA，引物为515F (5'-GTGCCAGCMGCCGCGGTAA-3')和806R (5'GGACTACNVGGGTWTCTAAT-3')，扩增后的片段通过Illumina Miseq PE250方式测序。原始数据通过Qiime软件进行分析，之后计算序列之间相似度，并在相似度在97%以上的序列聚类为一个OTU。采用Greengenes参考文库进行序列比对，去除了只在数据库中出现一次的序列。土壤含水率和土壤温度由土壤温湿度计测得，土壤pH值用pH计测定(Sartorius PB-10, Germany)，用2 M KCl(土壤/溶液，1:5)提取土壤硝态氮(NO3−)和铵态氮(NH4+)浓度，并用Smartchem200离散自动分析仪进行分析。本数据集对研究干旱半干旱草原土壤微生物多样性具有重大意义。
孔维栋
青藏高原草地土壤细菌多样性数据。样品采集时间为2017年7月至8月，包含高寒草甸，典型草原，荒漠草原3种生态系统共计120个样品。土壤表层样品采集后用冰袋保存，运回北京青藏高原研究所生态实验室，通过MO BIO PowerSoil DNA试剂盒提取土壤DNA，16S rRNA基因片段扩增引物为515F (5'-GTGCCAGCMGCCGCGGTAA-3') and 806R (5´GGACTACNVGGGTWTCTAAT-3´)，扩增后的片段通过Illumina Miseq PE250方式测序。原始数据通过Qiime软件分析，序列分类依据Silva128数据库，将相似度在97%以上的序列聚类为一个操作分类单元（OTU）。本数据系统地比较了青藏高原样带草地土壤微生物的细菌多样性，对研究微生物在青藏高原的分布具有重大意义。
孔维栋
玛曲草地观测点始建于 2005 年，海拔 3434 米，位于距离玛曲县城以南约 18公里的河曲马场（102°08′45″E，33°51′50″N），下垫面为典型的发育良好的高寒草原，属于季节性冻土区。本数据集为2017-2020年黄河源区玛曲草地观测站点的常规气象观测数据，使用Kipp&Zonen CNR4、Vaisala HMP155A、PTB110等仪器观测获得，时间分辨率为半小时，主要包括风速、风向、气温、相对湿度、气压、向下短波辐射、向下长波辐射、降水。
孟宪红, 李照国
鄂陵湖是青藏高原最大的淡水湖泊，与邻近的扎陵湖一起构成了黄河源头的“姊妹湖”，并入选了国际重要湿地名录，也是三江源国家公园的核心区。本数据集为中国科学院若尔盖高原湿地生态系统研究站2017-2020年黄河源区鄂陵湖草地观测点的常规气象观测数据，使用Kipp&Zonen CNR4、Vaisala HMP155A、PTB110等仪器观测获得，时间分辨率为半小时，主要包括风速、风向、气温、相对湿度(2020年为比湿）、气压、向下短波辐射、向下长波辐射、降水。
孟宪红, 李照国
1)数据内容 包括采样点的观测年份、经纬度、海拔、生态系统类型、不同土层（SOC0-100 (kg Cm-2)； 0-100代表土层）、地下生物量含量。 2）数据来源 此部分数据是从文献中获取,具体文献来源参考说明文档。 3）数据质量描述 数据观测覆盖范围广，包含指标全面，展示了不同土层下的土壤有机碳含量，具有较高的完整性和精确性，能满足对青藏高原草地土壤碳储量的估算。 4）数据应用成果及前景 为预测未来青藏高原土壤的碳源–汇效应及实现生态系统碳可持续发展提供基础数据。
胡中民
1)数据内容 包括采样点的观测年份、经纬度、生态系统类型、年降雨量、干旱指数、年净初级生产力、地上生物量、地下生物量等数据。 2）数据来源 一部分来源于文献（1980-1995），另一部分来源于实地采样（2005-2006）。 3）数据质量描述 数据观测年份长，时间跨度大，覆盖范围广，包含指标多，具有较高的完整性和精确性，能满足对青藏高原草地植被碳储量的估算。 4）数据应用成果及前景 为预测未来青藏高原的碳源–汇效应及实现生态系统碳可持续发展提供基础数据。
胡中民
本数据集是2019年9月川藏铁路沿线典型植被无人机高光谱观测数据，使用的是大疆M600 Resonon成像系统的机载光谱仪。包括2019年在拉萨的草原区域观测的高光谱数据，自带经纬度。高光谱调查时基本为晴天。飞行前进行了白板校准；采集数据时设有靶标（即适于草地的标准反光布），用于光谱校准；设有地面标志点（即有字母的泡沫板照片），并记录了每个标志点的经纬度坐标，用于几何精确校准。无人机高光谱相机记录的dn值，可使用Spectronon Pro软件转换为反射率。高光谱数据用于提取不同植被类型光谱特征、植被分类、反演植被覆盖度等。
周广胜, 汲玉河, 吕晓敏, 宋兴阳
采用计算草地实际净初级生产力，CASA模型是一种光能利用率模型，生产力的估算主要由植物吸收的光合有效辐射（APAR）与光能转化率（ε）2个变量决定。植被所吸收的光合有效辐射（APAR）取决于太阳总辐射和植被对光合有效辐射的吸收比例；采用TEM（Terrestrial Ecosystem Model）模型计算草地潜在生产力，首先计算草地的总初级生产力（GPP），再计算植物自养呼吸（Ra），最后得出草地净初级生产力（NPP）。TEM模型是气候驱动的生产力模型，所需的参数有：植被类型、土壤质地、土壤水分、潜在蒸散、太阳辐射、云量、降水、温度和大气CO2浓度；利用随机森林算法（RF）计算青藏高原草地潜在地上生物量，预测变量包含气候、土壤、地形等14个变量。气候变量包含生长季（5-9月）平均日较差、生长季总降水、生长季平均温度和非生长季（前一年10 - 当年4月）平均日较差、非生长季总降水、非生长季平均温度。地形变量包括高程、坡度、坡向。土壤变量包含土壤质地（砂、粉、粘土含量）、土壤pH值和土壤有机碳。 实际净初级生产力和潜在净生产力数据年限为2000-2017；潜在草地地上生物量数据年限为（2014-2018）。
牛犇, 张宪洲
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
