为掌握高原农牧象虫以及相关鞘翅目、脉翅目、双翅目等天敌昆虫物种组成、区系特点及寄主信息，建立高原农牧天敌昆虫的DNA条形码快速鉴定体系，评估天敌资源现状，提出天敌昆虫可持续利用建议。子课题2019QZKK05010606在青藏高原开展重点农牧区、大宗作物相关象虫以及鞘翅目、脉翅目、双翅目等天敌昆虫资源调查，天敌昆虫物种多样性数据库建设，天敌资源现状评估和可持续利用评估。2020年期间西藏自治区、云南省农牧交错区、农林交错区，农区与牧区腹地，开展农牧鞘翅目、脉翅目、双翅目等天敌昆虫关键类群调查，进行标本采集、样品采集，生物学信息与生态环境信息收集等，按照标准和规范系统整理天敌昆虫标本，并有效保藏，开展物种形态鉴定并获取DNA条形码信息，整合物种地理分布、寄主信息、生态图片等信息，构建天敌物种多样性信息库；对天敌资源现状进行评估并提出可持续利用的建议。
刘宁
为掌握高原农牧象虫以及相关鞘翅目、脉翅目、双翅目等天敌昆虫物种组成、区系特点及寄主信息，建立高原农牧天敌昆虫的DNA条形码快速鉴定体系，评估天敌资源现状，提出天敌昆虫可持续利用建议。子课题2019QZKK05010601在青藏高原开展重点农牧区、大宗作物相关象虫以及鞘翅目、脉翅目、双翅目等天敌昆虫资源调查，天敌昆虫物种多样性数据库建设，天敌资源现状评估和可持续利用评估。2020年期间西藏自治区、云南省农牧交错区、农林交错区，农区与牧区腹地，开展农牧鞘翅目、脉翅目、双翅目等天敌昆虫关键类群调查，进行标本采集、样品采集，生物学信息与生态环境信息收集等，按照标准和规范系统整理天敌昆虫标本，并有效保藏，开展物种形态鉴定并获取DNA条形码信息，整合物种地理分布、寄主信息、生态图片等信息，构建天敌物种多样性信息库；对天敌资源现状进行评估并提出可持续利用的建议。
乔格侠
该数据集依据中分辨率长时间序列遥感影像Landsat，通过影像融合、遥感解译、数据反演等多种方式获得青藏高原1990/1995/2002/2005/2010/2015六期生态系统类型情况分布图，作出25年（1990-2015）青藏高原生态本底图，空间参考系统为Krasovsky_1940_Albers，空间分辨率为1000m。青藏高原各类生态系统面积统计表明，1990-2015年间，林地、草地面积略有减少，城镇用地、农村居民点及其他建设用地面积增加，河流、湖泊等水体面积增加，永久性冰川积雪面积减少。该图集可用于青藏高原生态工程的规划、设计及管理，并可作为生态系统现状的基准，用于阐明青藏高原重大生态工程建设的时空格局，揭示青藏高原生态系统格局和功能的变化规律和区域差异。
赵慧, 王小丹
青藏高原多源遥感合成1km积雪覆盖数据集（1995-2018）基于国家卫星气象中心的青藏高原光学仪器遥感1km积雪覆盖数据集（1989-2018）和美国雪冰中心的25km近实时逐日全球冰密集度与积雪范围NISE产品数据集（1995-2019）合成得到，覆盖时间从1995年到2018年（每年1-4月和10-12月两个时段），时间分辨率为逐日，覆盖范围为青藏高原（17°N -41°N，65°E -106°E），采用等经纬度投影，空间分辨率为0.01°×0.01°。数据集以日产品表征了卫星观测时刻的地面是否为积雪所覆盖。输入数据源为NOAA或MetOp卫星AVHRR逐日积雪覆盖产品，TERRA卫星MODIS替代AVHRR对应观测通道生成的逐日积雪覆盖产品，以及DMSP卫星SSM/I或SSMIS逐日全球冰密集度和积雪范围NISE产品。数据集合成方法：以青藏高原光学仪器遥感1km积雪覆盖产品为基础，完全信任其积雪和晴空无雪信息，对有云覆盖、无法判识、缺少卫星观测等区域，在相对高空间分辨率海陆模板的辅助下，利用NISE的陆地有效判识结果进行替换。对于部分水陆边界，因NISE产品空间分辨率较低，合成结果有可能仍存在极少量的云覆盖或者无观测数据区域。基于多年地面气象台站雪深观测资料验证表明，本数据集对晴空条件下地面有无积雪的总体判识准确率在91%以上。数据采用标准的HDF4格式存储，内部有积雪覆盖和质量码两个SDS，维度均为4100列×2400行，且文件内部有完备的属性描述。
郑照军, 曹广真
青藏高原光学仪器遥感1km积雪覆盖数据集（1989-2018）基于星载光学仪器观测数据云雪判识方法制作，覆盖时间从1989年到2018年（每年1-4月和10-12月两个时段），时间分辨率为逐日，覆盖范围为青藏高原（17°N -41°N，65°E -106°E），采用等经纬度投影，空间分辨率为0.01°×0.01°。数据集以日产品表征了卫星观测时刻晴空无云或透明薄云下的地面是否为积雪所覆盖。输入数据源为NOAA与MetOp卫星的AVHRR L1数据，以及从TERRA/MODIS对应于AVHRR通道的L1数据。产品处理方法为独立于云掩模产品的动态阈值决策树算法（DT），即算法同时判别云雪，且其云检测强调保留雪信息，特别是透明卷云下的雪。DT算法针对不同情况，考虑了多种判识手段，如水云上的冰云，森林和沙地的积雪，薄雪或融雪等；根据地表类型、DEM和季节设定动态阈值；采用多种质量控制手段，如在重度气溶胶或烟尘覆盖的低纬度森林中剔除伪雪，参考最大月雪线和最小雪面亮度温度剔除伪雪；优化不同种类型云雪和晴空无雪陆地的判识流程。DT算法在正常情况下能区分大部分云雪，但会低估10月份青藏高原的积雪。基于多年地面气象台站雪深观测资料验证表明，本数据集对晴空条件下地面有无积雪的总体判识准确率在95%以上。数据采用标准的HDF4格式存储，内部有积雪覆盖和质量码两个SDS，维度均为4100列×2400行，且文件内部有完备的属性描述。
郑照军, 除多
该数据集包含青藏高原地区各县区1980-2015年农业经济相关数据，具体涵盖农村总户数、总人口、农业人口、农村劳动力、耕地面积、水田面积、旱地面积、农机动力、农用汽车、机耕面积、灌溉面积、化肥施用量、用电量、农业收入、农林牧渔业总产值、牛、猪、羊、肉、禽、鱼等的产量、粮食播种面积、粮棉油的及各类作物的产量、特色农产品和畜产品产量等相关数据。数据来源于青藏高原所含各省统计年鉴。数据质量优良，可用于青藏高原社会经济和农业发展分析。
吕昌河
本研究以青藏高原范围内土地资源为评价对象，阐明区域内适宜于农、林、牧业生产的现状及其后备土地资源数量、质量及其分布情况。通过实地调查，收集整理研究区域的相关数据，结合相关文献和专家经验确定评价因子（海拔、坡度、年降水量、积温、日照时数、土壤有效深度、质地、侵蚀强度、植被类型、NDVI）并对其分等定级和标准化，通过主成分分析法确定各评价因子的权重，采用加权指数和模型确定评价单元总分值，最后用ArcGis自然间断点分级法得出青藏高原宜农、宜林以及宜牧用地的适宜等级，输出90m分辨率的青藏高原农业适宜性图纸，并对结果校验分析。
姚明磊
该数据集由2018年青藏高原野外考察期间无人机航拍所得，数据大小为5.72 GB，包括800余张照片。照片拍摄的具体时间为2018.07.19-2018.07.26，拍摄地点主要包括羊八井、克日村、阿沛新村、仲果村、米林村、日村、冲康村、克松村、色木村、羊卓雍错及其周边地区。航拍照片较为清晰的反映了当地土地覆被状况（土地利用类型、植被密度、河流湖泊分布等等），为土地利用遥感解译工作提供了较好的验证信息，还可用于植被覆盖度的估算工作，为研究区土地利用研究提供了较好的参照信息。
吕昌河, 刘亚群
本数据为2002.07.04-2010.12.31青藏高原地区MODIS逐日无云积雪产品。由于积雪和云的反射特性，使用光学遥感监测积雪受到天气的严重干扰。本产品是在综合了目前最常用的去云算法的基础上，利用MODIS逐日积雪产品和被动微波数据AMSR-E雪水当量产品，开发的青藏高原地区逐日无云积雪产品，准确度较高，该产品对实时监测青藏高原雪盖动态变化具有重要的使用价值。 投影方式：Albers Conical Equal Area（阿尔伯斯等积投影） 基准面：D_Krasovsky_1940 空间分辨率：500 m 数据格式：tif 命名规则：maYYMMDD.tif，其中ma代表数据名称；YY代表年（01表示2001,02表示2002……）；MM代表月（01表示1月，02表示2月……）；DD表示日（01表示1日，02表示2日……）。
黄晓东
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
