面向中亚五国农业可持续发展,以耕地为目标,开展了土地资源开发利用风险评价。以耕地为目标的土地资源开发利用风险评价因子包括:地形因子(高程、坡度)、降水、土地利用类型、土壤质地、土壤有机质含量、人均GDP、人均谷物产量、农业经济增长率、城市化水平、人口自然增长率等。将上述指标进行无量纲的归一化处理,基于粮食生产与各因子间的多元线性回归模型确定了各指标对土地资源开发利用风险的权重。数据提供了1995年, 2000年, 2005年, 2010年, 2015年五个时间段的中亚五国土地资源开发利用风险,空间分辨率为0.5°×0.5°。数据集可为中亚五国土地资源开发利用和农业发展等提供基础数据支撑。
李兰海, 黄法融
采用红外相机调查法获取地栖大中型野生动物的出现数据。2021年布设红外相机262台,获得野生动物照片12391张,记录到大中型哺乳动物41种。小型兽类数据包含物种、多度、体重等性状数据、环境梯度数据等,可为理解环境梯度-物种多度-物种性状间的关联及垂直梯度哺乳动物群落构建的生态过程提供数据支撑。红外相机数据主要收集珍稀濒危野生动物的出现数据,可补充区域生物多样性本底,同时为生物多样性热点区及保护关键区识别提供科学依据。
李学友
为描述青藏高原重要畜禽种质资源遗传多样性分布格局,厘清其相关遗传背景,并建立相应的遗传资源库。2019-2022年期间在青海省海北藏族自治州刚察县采集2167份、1056份、516份当地藏羊和细毛羊组织样品,记录2074份、1548份产羔记录。本数据集包含3个组织样品信息表,2个产羔记录信息表。组织样品信息表记录品种、采集地、采集时间、样品类型等信息。产羔记录信息表记录品种、详细采样地、性别、出生日期、初生重等信息。信息表以excel表形式存储。
赵凯
为完成青藏高原及周边地区藏系绵羊资源调查,掌握藏系绵羊资源现状,2021-2022年度对青海、甘肃、青海、贵州、陕西、云南、新疆、四川开展藏系绵羊种质资源调查,采集1021份血液及组织样品。本数据集包含1个组织样品信息表,包含物种、品种、采集地、采集时间、样品类型等信息,以excel格式存储。拍摄个体照片230张,生境照61张,工作照22张,视频6个。照片以jpg格式存储,视频以mp4格式存储。对每个个体产生50000个基因型数据,共计1000个个体的SNP基因组分型数据,数据以“ped”和“map”格式存储。
李孟华
第二次青藏高原综合科学考察研究任务五专题三“高原微生物多样性保护和可持续利用”(2019QZKK0503)第一、二年度共计开展30余次野外科学考察,足迹覆盖了青藏高原大部分地区,包括对藏东南、羌塘高原、可可西里、喜马拉雅区等区域冰川(如枪勇冰川、唐古拉冰川、珠峰东绒布冰川、杰马央宗冰川、帕隆4号冰川等)、湖泊(昂仁金错、错果、托素湖等)、河流(雅鲁藏布江等)、溪流、土壤、真菌地衣、动物多圈层微生物的考察。该数据集包含本专题第一、二年度野外考察收集的生境照、工作照、科考影像等电子数据,共计6,471个照片视频(其中照片6,124张)。
刘勇勤
2021年仍采用样点法对岗日嘎布山沿海拔梯度的鸟类进行调查,按400米海拔跨度对考察区域分别设置海拔带,北坡从波密县通麦镇至嘎隆寺,由低到高设置了5个海拔带,南坡从墨脱县背崩乡解放大桥至嘎隆拉,由低到高设置了8个海拔带,获取岗日嘎布西北段南北坡鸟类多样性和分布数据,以期对理解这一区域鸟类多样性的形成和维持机制方面取得重大突破,进一步探讨气候变化对鸟类多样性的影响与适应策略、物种多样性对全球变化的响应与保护策略等关键科学问题。
王洁
从青海、西藏、新疆、甘肃、四川和云南连续多年省级和地市级统计年鉴中提取人口、粮食、粮食播种面积和年末生出数据集,对于缺失的数据进行插补,插补方法如下:1、为保证县域数据的准确性,本数据将部分县市进行了合并(按比例拆分插补20年的数据可能有误差,但合并肯定不会有问题,且县域面积较小,故予以合并)2、夏河县与合作市合并为夏河县(1998年合作市由夏河县分出)3、古城区和玉龙县合并为古城区(2003年丽江县被分为古城区和玉龙县)4、西宁市的城中区、城东区、城西区、城北区4个区已合并为西宁市市直辖区(因4区的人口数量或分别给出,或给出总和,且4区总面积仅有487平方公里,故予以合并)5、对于部分缺失数据,已结合相近年份进行曲线拟合,R2皆在0.85-0.99之间 6、为保证数据准确性,已逐县制作变化图
张路
承灾体脆弱性是在一定社会经济背景下,人类社会经济活动在自然灾害的扰动或压力作用之下所可能遭受的损害程度,即承灾体面临自然灾害时易于受到伤害和损失的性质。本数据在科考实际调研与专家指导的基础上,从暴露、敏感、适应能力三个方面构建承灾体脆弱性评价指标,利用修订的SERV脆弱性模型对喜马拉雅周边地区(国内部分)及亚洲水塔区进行计算。为了系统分析研究区承灾体脆弱性,本数据从人口、经济、交通线、生态环境、牲畜、建筑六方面选取指标,构建了6个一级指标、18个二级指标、29个三级指标的指标体系。将得到的人口、经济、交通线、生态环境、牲畜、建筑脆弱性评价结果进行归一化处理后经矢量叠加得到喜马拉雅周边地区(国内部分)及亚洲水塔区脆弱性评价图。
周强, 陈英明, 刘峰贵, 陈睿山, 陈琼, 夏兴生, 牛百成, 段玉方
本数据为青藏高原CHNZ016号网格植物多样性与分布数据,包含此网格中植物的中文名、拉丁名、纬经度、海拔、采集编号、分子材料份数、标本份数、行政区划、小地点、采集人、采集时间及创建者等信息。该数据获取自e科考网站(http://ekk.kib.ac.cn/web/index/#/),并部分完成鉴定。此数据已涵盖本区系中所有植物名录和具体分布信息。此数据既可用于本区域的区系性质研究,亦可用于探讨本区域植物水平和垂直梯度格局等。
邓涛
本数据为青藏高原CHNAC006号网格植物多样性与分布数据,包含此网格中植物的中文名、拉丁名、纬经度、海拔、采集编号、分子材料份数、标本份数、行政区划、小地点、采集人、采集时间及创建者等信息。该数据获取自e科考网站(http://ekk.kib.ac.cn/web/index/#/),并部分完成鉴定。此数据已涵盖本区系中91科200余属600余种植物名录和具体分布信息。此数据既可用于本区域的区系性质研究,亦可用于探讨本区域植物水平和垂直梯度格局等。
邓涛
该数据集包含2016年11月至2020年8月在青藏高原采集的15条冰川共269个冰雪样品微生物扩增子测序数据,包括24K冰川(24K)、冬克玛底冰川(DKMD)、敦德冰川(DD)、杰玛央宗冰川(JMYZ)、廓琼岗日冰川(KQGR)、来古冰川(LG)、帕隆4号冰川(PL4)、羌塘1号冰川(QT)、枪勇冰川(QY)、曲玛冰川(QM)、唐古拉龙匣宰陇巴冰川(TGL)、夏岗江冰川(XGJ)、雅拉冰川(YA)、泽普沟冰川(ZPG)、珠峰东绒布冰川(ZF)。采样区域经纬度范围为28.020°N到38.100°N和86.28°E到95.651°E。 通过聚合酶链式反应(PCR),采用515F/907R(或515F/806R)引物对16s rRNA基因的V4-V5区(或V4区)片段进行扩增,并用Illumina Hiseq2500测序平台测序获得原始数据。所选引物序列分别为:“515F_GTGCCAGCMGCCGCGGTAA; 907R_CCGTCAATTCMTTTRAGTTT”“515F_GTGCCAGCMGCCGCGG, 806R_GGACTACHVGGGTWTCTAAT”。上传的数据包括:样品编号,样品描述,采样时间,经纬度坐标,样品类型,测序目标,测序片段,测序引物,测序平台,数据格式等基础信息,测序数据以序列文件数据格式正向 *.1.fq.gz和反向 *.2.fq.gz压缩文件储存。
刘勇勤
照片包含每日(2021.6.15-2021.7.24)科考灾害点和工作照,对每天所记录的灾害点在地图上进行标识,转化为KMZ格式,在GIS上分析科考区域灾害点的分布。灾害点分布发现,在东线沿途及科考县域内灾害点多分布降雨型滑坡、泥石流及崩塌、山洪等类型灾害且分布较为密集,沿线公路及人口相对较多,存在较高综合风险。在西线则相对较多分布风沙、山地侵蚀点以及崩塌滑坡等地质灾害,科考队伍军队以上灾害典型照片影像、灾害点、路线及日志内容做出记录。以上资料是研究科考的直观资料,对科考研究的关键输入数据以及检验资料,同时对客观判识科考区域灾害类型、分布和防灾减灾措施具有基础性意义。
张正涛
通过2019和2020年度的科考工作,第二次青藏高原综合科学考察研究任务五专题3课题4地衣科考分队(2019QZKK05030400)对青藏高原地区大量的地衣采集空白区域进行了补充采集。2019年度科考首次深入对藏北阿里地区进行地衣生物多样性深度考察,2020年度对可可西里,三江源等地衣考察空白地区进行野外考察和标本采集。这些考察工作揭开了青藏高原地区地衣组成的神秘面纱,填补了国内对该地区馆藏的空白。 本数据集包含自2019年7月至2020年9月在西藏自治区、青海省、四川省、云南省采集的10,283号地衣标本信息,其中包括采集生境、采集时间、采集人、经纬度、海拔、拉丁学名等信息。包含标本照片4,328张,其中2019年815号地衣标本的2,425张照片,2020年543号标本的1,903张照片。实体标本储存于中国科学院昆明植物研究所标本馆(KUN)。标本采集信息和野外生态照片等均在Biotracks数据库和KUN标本数据库等各个数据库之间实现了同步,便于相关人员后期研究、整理和查询。标本目前在KUN标本馆内按时间、地区、属名排序并单独存放,便于后续研究,并且都保存了相应的分子材料或获得了分子序列,为后续标本的分类和系统学研究奠定了良好的材料基础。目前也正在开展各类群的DNA提取和系统分类学研究工作。
王欣宇
(1)所有数据是按每次完成每条科考路线,在所在驻点测得的数据。 (2)样本编号代表参加科考的队员,数据贡献者;不同编号代表不同人。 (3)收缩压、舒张压、脉搏的数据是通过欧姆龙臂式电子血压计测得;血氧饱和度(SPO2)、心率的数据通过鱼跃指夹式血氧仪测得;各个激素是通过上海酶联试剂盒测定所得。 (4)每批血压、脉搏、血氧饱和度、心率数据有两组;一组(晚上)为到达一个新的目的地后所测得,另外一组(早上)是每日到达一个新的住宿点吃早餐前所测得;激素数据为在部分住宿点采血后拿回实验室处理测得。 (5)人体进入高原低氧环境,心率、血氧饱和度、血压等是很敏感的反应指标,血压、心率、血氧饱和度等是反映机体缺氧程度的重要指标, 尤其是连续检测受试者, 可以表现出低氧应激和调整适应的变化过程。 (6)从生理学角度分析人们面对低氧应激后,机体为维持正常生命活动而提高或降低激素水平来达到一种适应性的保护机制,这为日后开发应对低氧药物提供了理论依据;同时,在深刻了解急进或首进高原对机体产生的不利影响时,我们可以选择进阶式入高原旅行,既有效预防了高原病的发生,又有利于青藏高原旅游业的发展。
李亚兄
本数据为青藏高原CHNYB013号网格植物多样性与分布数据,包含此网格中植物的中文名、拉丁名、纬经度、海拔、采集编号、分子材料份数、标本份数、行政区划、小地点、采集人、采集时间及创建者等信息。该数据获取自e科考网站(http://ekk.kib.ac.cn/web/index/#/),并部分完成鉴定。此数据已涵盖本区系中大量植物名录和具体分布信息。此数据既可用于本区域的区系性质研究,亦可用于探讨本区域植物水平和垂直梯度格局等。
邓涛
本数据为青藏高原CHNAB005号网格植物多样性与分布数据,包含此网格中植物的中文名、拉丁名、纬经度、海拔、采集编号、分子材料份数、标本份数、行政区划、小地点、采集人、采集时间及创建者等信息。该数据获取自e科考网站(http://ekk.kib.ac.cn/web/index/#/),并部分完成鉴定。此数据已涵盖本区系中植物名录和具体分布信息。此数据既可用于本区域的区系性质研究,亦可用于探讨本区域植物水平和垂直梯度格局等。 较去年不同的是,今年科考数据最多的网格发生了变化,可能有受到疫情或者环境的影响。
邓涛
重点考察青藏高原川藏、青藏线重要依托旅游城市和农牧区,记录收集沿线节点城市和乡村现状、城市旅游和乡村旅游规划建设情况图像数据,评估现有重要节点城市和乡村对青藏高原世界旅游目的地建设的支撑能力,提出城市和乡村旅游发展路径及世界旅游目的地重要节点支撑城市的优化提升方案。数据来源为VR全景相机、全景高清车载记录仪、数码相机,采集数据后根据不同采集地点进行数据分类。数据资料经过多次核对,确保真实无误,为青藏高原城市和乡村旅游资源支撑体系影像资料库的重要组成部分。
范书财
本数据包含:喜马拉雅山区30m山洪综合风险数据、30m山洪危险性数据、30m山洪承灾体数据、30m山洪易损性分布数据。数据基于全国山洪灾害调查评价成果,得到研究区内山洪灾害综合风险指标分布、各行政村山洪危险性指标分布、山洪承灾体指标分布、山洪易损性指标分布,形成喜马拉雅山区山洪灾害综合风险分布数据。本数据有助于对山洪灾害的空间变化特点和分布规律的分析,山洪灾害风险的分区划分对于防汛应急部门的防汛管理和防汛部署具有一定指导作用。
王中根
本数据集包含喜马拉雅山区1:100万历史山洪灾害数据、喜马拉雅山区1:100万山洪防治区分布数据、喜马拉雅山区1:100万山洪分区分布数据、喜马拉雅山区1:100万重点防治区分布数据。各项数据均基于全国山洪灾害调查评价成果,得到研究区内历史山洪灾害发生时间、地点、灾害类型、成因、经度、纬度、数量、分布及因灾遇难人数信息,以及研究区内山洪分区分布、防治区范围分布和重点防治区分布数据,形成喜马拉雅山区历史山洪灾害分布数据集。
王中根
青海省生态资源消耗数据集包括省级-市级-县级三个尺度的2000-2019年生态资源消耗数据,根据青海省实际情况,生态资源消耗主要指农牧业生产活动中消耗的生态资源量。生态资源消耗量计算是基于粮食产量数据、牲畜存栏量数据和畜产品产量数据,结合人类占用净初级生产力(HANPP)的评估方法,将生物量数据转换为碳含量数据,进而测算出生态资源消耗量。生态资源消耗量数据是生态压力与生态承载力研究的基础数据,可以直接揭示人类农牧业生产活动对生态系统带来的压力。
胡云锋
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