雪鸡作为青藏高原珍稀濒危动物,其种群遗传多样性和种群结构、种群数量变化动态及其关键影响因素的研究对青藏高原气候变化和人类干扰具有重要价值。为阐明两种雪鸡(藏雪鸡和喜马拉雅雪鸡)种群动态及其关键影响因素,基于3S(GPS、GIS 和RS)理论的样线调查技术,本子课题于2020年7月在祁连山地区记录收集两种雪鸡分布信息,采用最大熵、随机森林等统计模型推断物种分布。完成祁连山-阿尔金山区两种雪鸡遗传资源采集、种群调查和栖息地评估。本数据集包含物种、学名、经纬度、调查区域、调查人、调查日期信息。
张立勋
利用卫星追踪技术,我们对黑颈鹤中部分越冬种群开展追踪工作。通过脚扣法捕捉黑颈鹤后,我们采取背包式方法固定追踪器,追踪器加绑绳,总重量在45克,占黑颈鹤体重不到1%。放飞后,我们以每小时获取1个活动点的采样评论,获取黑颈鹤的追踪数据,并将这些数据绘制在地图上,从而获得黑颈鹤越冬期间的活动轨迹情况。相关结果显示,黑颈鹤对越冬地的选择具有高度的稳定性,初步的分析发现黑颈鹤的越冬地和繁殖地之间,具有强连接线。强的迁徙连接性,预示着黑颈鹤更容易受到环境改变的伤害。这些结果,提示我们,加强越冬栖息地保护的重要性。同时,需要采取多种方法,对黑颈鹤的种群健康和动态开展监测。本数据集包含物种名、地点、时间、经纬度、海拔、速度、温度等信息。
伍和启
高原鼢鼠(Eospalax baileyi)是鼹形鼠科、鼢鼠属的动物,长期生活于地下黑暗封闭洞穴中,不冬眠,主要采食植物的地下根系,1年繁殖1次,每胎产仔数1-6只,主要栖息于高寒草甸、草甸化草原、草原化草甸、高寒灌丛、高原农田、荒坡等比较湿润的河岸阶地、山间盆地、滩地和山麓缓坡,仅分布在中国西部和西北部,海拔2800-4500米。分布在高海拔地区的高原鼢鼠不仅面临着地下洞穴的低氧胁迫,还面临着高原低氧的双重压力。长期的低氧生活除了在基因组序列上积累适应性突变,也会在基因组的结构和基因表达调控上体现适应性调控改变,通过分析不同海拔的高原鼢鼠的DNA甲基化和转录组数据,可以尝试解析高原鼢鼠在表观调控和基因表达水平的适应性进化和调控机制。
吕雪梅
2020年9月5日至9月26日,由子课题负责人张德志等8人组成的中科院动物所鸟类科考分队分别对喜马拉雅地区的日喀则市亚东县亚东沟、定结县陈塘沟和聂拉木县樟木沟进行了考察,顺利完成了本年度的野外科考。该观测数据由鸟类物种名称、观测地点和观测时间组成,既包括了考察的目标区域喜马拉雅地区,同时也含有少量的考察途经地点。采集的鸟类物种数据同时并入了该数据集。相应照片视频汇总至动物专题《第二次青藏科考高原动物多样性保护和可持续利用(2019QZKK0501)照片视频(2020)》数据集。
张德志
为了揭示鸟类多样性分布空间格局,探讨喜马拉雅鸟类群落的构建机制。2020年集中在西藏自治区林芝地区察隅县和墨脱县共采集775个鸟类调查样点信息。本数据集包含1个样点信息表,样点信息表包含4029条鸟类观测数据,每条信息包含物种名、拉丁名、采样地、调查时间、调查人、海拔、生境类型、距离中点距离等基本信息,以excel表形式存储。相应照片视频汇总至动物专题《第二次青藏科考高原动物多样性保护和可持续利用(2019QZKK0501)照片视频(2020)》数据集。
吴飞
本数据集为祁连山区域2019年日分辨率地表反照率产品,空间分辨率500m。采用耦合地形因子的基于MODIS反射率数据协同反演的BRDF\反照率模型,并引入先验知识进行质量控制。MODIS地表反射率数据为官方网站下载,以5天为周期合成日分辨率BRDF,进而估算日分辨率的反照率。经过验证评估,满足反照率应用精度要求,相较于同类产品对快速变化地表特征的捕捉更具有优势,且时空连续性更好。可有效支撑祁连山地区辐射平衡、环境变化研究。
闻建光, 唐勇, 游冬琴
本数据集为青藏高原区域2016年日分辨率0.02° x0.02°地表反照率产品。采用耦合地形因子的多源遥感数据协同反演的BRDF\反照率模型,并引入先验知识进行质量控制,联合极轨卫星数据MODIS反射率和静止卫星葵花8-AHI地表反射率数据反演时空连续的日分辨率的高精度BRDF/反照率。MODIS地表反射率数据及AHI天顶反射率数据集为官方网站下载,经过配准、大气校正等处理,以5天为周期合成日分辨率BRDF,进而估算日分辨率的反照率。经过验证评估,满足反照率应用精度要求,相较于同类产品对快速变化地表特征的捕捉更具有优势,且时空连续性更好。可有效支撑青藏高原地区辐射平衡、环境变化研究。
闻建光, 唐勇, 游冬琴
本数据集包括祁连山区域1982、1985、1990、1995、2000、2005、2010、2015、2017 年度地表短波反照率产品,空间分辨率为0.01°,时间分辨率为月。采用AVHRR长时间系列地表反射率,通过多角度多波段核驱动模型联合月度内多角度红光和近红外波段的AVHRR反射率数据反演核系数,积分得到短波波段的黑空反照率和白空反照率,经过重采样为0.01°空间分辨率。AVHRR地表反射率数据通过官网下载,经过月度累计多角度数据集进行反演,产品具有较好的时空连续性,可用于长时间系列的环境变化监测等。
闻建光, 游冬琴, 唐勇, 吴善龙, 仲波
该数据集包含纳木那尼冰川(北支)2008-2018年的年物质平衡数据,侧碛和末端自动气象站2011-2019年日气象数据及冰面上2018-2019年的月均气温和相对湿度数据。 冰川物质平衡数据观测时间为每年9月底或10月初,采用冰面测杆和雪坑结合的方法进行观测,获取测杆点的物质平衡数据,然后计算整条冰川的年净物质平衡(具体方法见参考文献)。 2台自动气象站(AWSs,Campbell公司)分别安装在纳木那尼冰川侧碛和末端。AWS1观测时间为2011年10月1日-2018年11月30日,观测数据包括气温(℃)、相对湿度(%)、太阳辐射(W/m2),仪器半小时记录一次气象资料。AWS2观测时间为2010年10月19日-2018年11月30日,观测数据包括风速(m/s)、大气压(hPa)、降水 (mm),仪器每小时记录一次气象资料。首先剔除原始记录中的少量异常数据,然后计算这些参数的日值。数据质量方面:原始数据质量较好,缺失较少。 两个温湿度探头(型号:Hobo MX2301)于2018年安装于冰面,半小时记录一次数据。将半小时数据处理为月均值。原始数据质量较好,没有缺失。 数据以excel文件存储。 该观测资料可以为研究喜马拉雅西段北坡气候、冰川、水资源及其之间的关系提供重要的基础数据,可供研究气候、水文、冰川等的科研工作者使用。
赵华标
现代花粉与植被和气候的关系是利用花粉定性解释和定量重建过去植被和气候的重要参考依据。提取湖泊沉积物中的花粉组合所蕴含的古植被和古气候信号,需要组建一个高质量的湖泊表层沉积物现代孢粉数据集。然而,青藏高原已有的湖泊表层沉积物花粉数据集并不能很好地代表其植被类型和气候梯度,仍存在空白区域,如青藏高原中东部的高寒草甸区尚缺乏现代湖泊花粉数据,影响了重建研究的可靠性。 为了构建高寒草甸区样点空间分布均匀的现代孢粉数据集,作者于2018年7月~8月采集了青藏高原中部和东部117个湖泊的表层沉积物样品。每个样品选取约10克(湿样)采用常规酸碱法和过筛法(7 μm)提取花粉。每个花粉样品至少鉴定、统计500粒陆生植物花粉粒。 本高寒草甸现代花粉数据集花粉组合以莎草科花粉为主(Cyperaceae;平均值68.4%,最大值95.9%),其他草本植物花粉如禾本科(Poaceae;平均值10.3%,最大值87.7%)、毛茛科(Ranunculaceae;平均值4.8%,最大值33.6%)、蒿属(Artemisia;平均值3.7%,最大值24.5%)、菊科(Asteraceae;平均值2.1%,最大值33.6%)等为常见花粉类型。柳属(Salix;平均值0.4%,最大值5.3%)为主要的灌木植物花粉,而乔木植物花粉含量低(平均值0.9%,最大值5.8%),主要包括松属(Pinus;平均值0.3%,最大值1.8%)、桦属(Betula;平均值0.1%,最大值0.9%)和桤木属(Alnus;平均值0.1%,最大值0.7%)。花粉组合尽管受到远源花粉(如乔木花粉)的影响,但仍能很好地代表高寒草甸植物群落组成。 本数据集除包含花粉类型的原始统计数据和百分比数据,也包括每个采样点现代气候数据。每个样点现代气候数据采用中国区域地面气象要素驱动数据集(1979-2018;0.1°空间分辨率)中最近栅格数据代替,并计算样点的年降水量(Pann)、年均气温(Tann)、最冷月均温(Mtco)和最热月均温(Mtwa),用于构建花粉-气候校准集。
曹现勇, 田芳, 李凯, 倪健
数据内容:咸海流域2015年-2018年土壤湿度数据。 数据来源及加工方法:来源于美国国家航空航天局,对每天的土壤湿度数据相加得到八天土壤之和,再除以天数得到八天降雨量平均值。 数据质量:空间分辨率为0.25°×0.25°,时间分辨率为8天,每个像元的值为八天土壤湿度的平均值。 数据应用成果及前景:在气候变化背景下,可用于气象要素和植被特征相关关系分析,也可以与其它气象数据相结合分析某种植被类型的区域分布。
刘铁
数据内容:咸海流域2015年-2018年降雨量数据。 数据来源及加工方法:来源于美国国家航空航天局新一代的全球降水计划GPM(Global Precipitation Measurement,V06,全球降水观测计划),对三小时的降雨量数据相加得到日降雨量,再累计相加得到八天降雨量。 数据质量:空间分辨率为0.1°×0.1°,时间分辨率为8天,每个像元的值为八天降雨量之和。 数据应用成果:在气候变化背景下,可用于气象要素和植被特征相关关系分析。
刘铁
数据内容:咸海流域2015-2018年蒸散发数据集。 数据来源及加工方法:借助IDL平台,利用SEBS算法和美国国家航空航天局中分辨率成像光谱仪(MODIS)相关数据,求出2015-2018年咸海流域蒸散发结果。 数据质量:空间分辨率为1000m×1000m,时间分辨率为8天。 数据应用成果及前景:在气候变化背景下,可用于气象要素和植被特征相关关系分析,也可以与其它植被数据和生态数据相结合分析土地退化情况。
刘铁
数据内容:咸海流域2019年种植结构数据集。 数据来源及加工方法:将2019年分为三个时间段,将每个时间段内云量最少,质量最高的哨兵2号数据拼接为一张完整地图,得到咸海流域三期哨兵2号遥感影像,并求出三期影像的NDVI值,再结合得到的耕地数据和实地采样数据,用随机森林算法对其分类,最终得到每个地块上的种植结构类型。 数据质量:空间分辨率为10m×10m,时间分辨率为年,Kappa系数0.8。 数据应用成果:可用于农作物产量估算和水资源利用效率计算。
刘铁
数据内容:咸海流域耕地数据。 数据来源及加工方法:原始卫星影像来源于美国谷歌地球,为了获得高分辨率下的无云影像,谷歌地球采用拼接方法将不同年份的数据整合到一起,因此下载的影像数据时间跨度为2016-2019年。使用机器识别方法预测出地块边界,将边界转为矢量数据,之后再将结果与谷歌影像叠加,由人工逐个检查修改错误信息,得到咸海流域耕地数据。最终结果采用WGS-1984坐标系。 数据质量:空间分辨率为0.45m×0.45m,准确率达90.32%。 数据应用成果:在气候变化背景下,可与气象要素和植被特征相结合分析土地退化情况;可结合植被特征与采样点分析种植结构,也可以与气象数据和统计数据结合计算水资源利用效率和粮食产量。
刘铁
数据内容:咸海流域2010年-2018年净初级生产力数据。 数据来源及加工方法:结合土地利用、温度、植被指数、降雨量、太阳辐射和蒸散发等数据,借助于CASA模型计算反演得出NPP。 数据质量:空间分辨率为10km×10km,时间分辨率为月,每个文件有12个波段,分别对应当年每个月份的NPP结果,投影坐标为GCS_WGS_1984。 数据应用成果:在气候变化背景下,可用于气象要素和植被特征相关关系分析,也可以与其它植被数据和生态数据相结合分析土地退化情况。
刘铁
数据内容:咸海流域2015年-2018年反照率数据。 数据来源及加工方法:来源于美国国家航空航天局中分辨率成像光谱仪,提取MCD43A1产品中的"BRDF_Albedo_Parameters_nn. Num_Parameters_01",“BRDF_Albedo_Parameters_nn. Num_Parameters_02“和“BRDF_Albedo_Parameters_nn. Num_Parameters_03”波段,参考MODIS官方算法,计算得出白天反照率和夜间反照率,乘以比例因子0.001。 数据质量:空间分辨率为500m×500m,时间分辨率为8天,每个像元的值为八天地表反照率的平均值。 咸海流域边界说明:咸海流域的边界来源于世界自然基金会的HydroBASINS Version 1,详细信息请参考:https://www.hydrosheds.org/page/hydrobasins 数据应用成果:作为重要参数可反演地表蒸散发。
刘铁
数据内容:咸海流域2015年-2018年叶面积指数数据。 数据来源及加工方法:来源于美国国家航空航天局中分辨率成像光谱仪,提取MOD15A2产品第二波段作为叶面积指数数据,乘以比例因子0.1。 数据质量:空间分辨率为1000m×1000m,时间分辨率为8天,每个像元的值为八天叶面积指数的平均值。 数据应用成果:在气候变化背景下,可用于气象要素和植被特征相关关系分析,也可以与其它植被数据相结合分析某种植被类型的区域分布。
刘铁
数据内容:咸海流域2015年-2018年地表温度数据。 数据来源及加工方法:来源于美国国家航空航天局中分辨率成像光谱仪,提取MOD11A2产品第一波段作为地表温度数据,乘以比例因子0.02。 数据质量:空间分辨率为1000m×1000m,时间分辨率为8天,每个像元的值为八天地表温度的平均值。 数据应用成果:在气候变化背景下,可用于气象要素和植被特征相关关系分析,也可以与其它气象数据相结合分析某种植被类型的区域分布。
刘铁
数据内容:咸海流域2015年-2018年归一化植被指数数据。 数据来源及加工方法:来源于美国国家航空航天局中分辨率成像光谱仪,提取MOD13A2产品第一波段作为叶面积指数数据,乘以比例因子0.0001。 数据质量:空间分辨率为1000m×1000m,时间分辨率为8天,每个像元的值为八天归一化植被指数的平均值。 数据应用成果:在气候变化背景下,可用于气象要素和植被特征相关关系分析,也可以与其它植被数据相结合分析某种植被类型的区域分布。
刘铁
联系方式
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