该数据集是基于16个动态全球植被模式（TRENDY v8）在S2情景下（CO2+Climate）模拟的GPP，表征生态系统总初级生产力。数据来源于Le Quéré et al. (2019)，具体信息和方法参见文章。源数据范围为全球，本数据集选取了青藏高原区域，空间上用最近邻方法插值到0.5度，时间上保持了原有的月尺度。该数据集是标准的模型输出数据，常被用作评定总初级生产力的时间和空间格局，且与其它遥感观测、通量观测等数据进行比较和参考，具有实际意义和理论价值。
Stephen Sitch
本数据集为青藏高原城镇化地区（湟水流域、黑河流域及青藏高原主要城镇）主要植被类型的光合作用相关参数与叶面积指数数据集。 1） 测量目的 生态调查数据可以用于青藏高原城镇化地区生态水文模型研究的参数化与验证工作。 2） 测量仪器 LI-6800便携式光合作用测量仪，LAI2200冠层分析仪。 3） 测量时间与地点 2019年7-8月在黑河流域测量，2020年7-8月在湟水流域及青藏高原重点城镇地区测量。 4） 测量参数与数据处理 根据生态水文模型实际需要，我们从Li-6800与LAI-2200测量的原始数据中筛选出E：蒸腾速率（mol m⁻² s⁻¹），A：净光合速率（µmol m⁻² s⁻¹）， Ci：胞间CO2浓度（µmol mol⁻¹）等12个主要指标。 5）数据存储 数据集采用Excel格式进行存储，配套数据包括测量样地的经纬度、主要植被类型等。
何春阳, 刘志锋, 陈奔新
本数据为青藏高原地区季度合成卫星遥感影像集，通过对Sentinel-2表观反射率时间序列产品进行去云合成处理得到，含可见光和近红外共4波段，空间分辨率约为10米。每年按1月-3月、4月-6月、7月-9月、10月-12月分为4个季度，综合利用Sentinel-2数据的可见光波段、卷云波段、气溶胶波段及近红外波段信息得到各时相影像的云掩膜，并按中位数原则对一个季度内所有掩膜后的影像进行合成，得到青藏高原地区的无云卫星遥感影像。
龙腾飞
数据集为第二次青藏高原综合科学考察青海省祁连县地区植被样方调查照片。包括2020年祁连县地区的28个样点的调查照片，以手机或相机拍摄。每个样点的照片放置在单独的一个文件夹内，文件夹命名为样点的编号，每个样点的照片包括采样点周围的景观照片，采样样方内植物群落的照片以及优势种的特写照片，可观察到样方内植被群落状况，土壤表面状况以及周围采样区的坡向坡度、人为干扰情况等等，照片均为原图，jpg格式。采样点的具体经纬度信息在压缩包内的单独Excel表格中，可对照查看。
尚占环
数据包含每个采样点5个样方的样方群落物种调查信息，包括物种名称、盖度、高度（5株）和株数，共28个样点（28个Excel表格），命名方式从QZKK-03-001到QZKK-03-028，在一个压缩文件包内，另外三个文件为分种的物种地上生物量、地下生物量以及采样点的经纬度信息，需相互对照使用（物种高度、盖度、株数、地上/地下生物量的采集调查样方面积为1m*1m，每个样点有10个样方，其中2、4、6、8、10等样方为分种采集样方，以P2、P4、P6、P8、P10表示，盖度以百分比表示，高度为厘米cm，株数以物种数量表示，每个样方（plot）的根系生物量分为3层，每层10cm，每项指标的单位均在标题标注）。数据全为实地采集和测量数据，高度为卷尺量取，盖度为估算法获取。数据质量完好，可用于计算生物多样性和物种分布等方向。
尚占环
数据包括2019年拉萨市和那曲地区的47个样点、2020年阿里和那曲地区的49个样点的调查照片，每个样点的照片包括采样点周围的景观照片，采样样方内植物群落的照片以及优势种的特写照片，可观察到样方内植被群落状况，土壤表面状况以及周围采样区的坡向坡度、人为干扰情况等等，照片均为原图，jpg格式，以手机或相机拍摄，采样点的具体经纬度信息在压缩包内的单独Excel表格中，可对照查看。
田大栓
数据包含采样点的基本调查数据，样方的群落物种盖度、高度和密度，以及分种的物种地上生物量、0-10cm表层土壤的温度、水分、PH、有效氮、有效磷、全碳、全氮含量（样点基本信息中有采集地点、日期、采集地的土壤状况，处理中的CK不分种采样的样方（5个），D是退化草地分种采样的样方（5个），凋落物、立枯、覆沙…盐碱斑的信息分别用0代表没有、1代表少，2代表多，裸地面积为百分比；物种高度、盖度、密度、地上生物量的采集调查样方面积为50cm*50cm，每个样点（site）有10个样方（sample），盖度以百分比表示，高度为厘米cm，密度以物种数量表示，0-10cm表层土壤信息每个样点（site）有3个重复，退化程度分为高度退化（HG）、中度退化(MG)、轻度退化(LG)，利用率有重（Heavy）轻（Light）,每项指标的单位均在标题标注）。数据全为实地采集和测量数据，全碳为元素分析法、全氮为凯氏定氮法，有效氮为碱解扩散法，有效磷为浸提—钼锑抗比色法，PH为电位法，温度和水分为土温计和土壤水分仪测定。数据质量完好，可用于计算生物多样性和物种存在的驱动因素分析等方向。
田大栓
青海可可西里地区的草地资源，数据来源于1990年5月-8月开展的对可可西里地区的综合科学考察，植物区系的特征形成与演变，不仅与植物的进化有关，而且也严格地受到过去和现代生态条件的制约。可可西里地区由于高寒、干旱，现在的植物区系比较贫乏，青海可可西里地区的草地，是一个基本上未被人类干扰的自然生态系统。在这个系统中，草地牧草是各类草食野生动物和放牧家畜赖以生存和繁衍的物质基础。因此，了解和掌握该区草地资源的数、质量及分布特征，是合理利用草地资源及建立自然保护区的基本条件。
冯祚建
本数据集包括6个数据文件，分别是：(1)高寒草甸海拔梯度土壤温度和水分数据_西藏当雄（2019-2020），该数据是2019-2020年西藏当雄高寒草甸海拔4400m，4500m，4650m，4800m，4950m，5100m不同土壤深度（5cm和20cm）的温度和含水量的逐小时观测数据。(2)色季拉山林线气象环境数据_西藏林芝(2019)，该数据是2019年西藏林芝色季拉山林线（包括阴坡林外、阴坡林内、阳坡林外、阳坡林内）的逐小时气象环境（包括风速、距离地表1m气温、距离地表1m相对湿度、距离地表3m气温、距离地表3m相对湿度、大气压、总辐射、净辐射、光合有效辐射、660nm红光辐射、730nm红外辐射、地表温度、大气长波辐射、地表长波辐射、地下5cm\20cm\60cm热通量、地下5cm\20cm\60cm土壤温度和湿度、雨量、雪厚）逐小时观测数据，其中由于高原地区设备电力故障，导致部分观测数据缺失，已在数据中说明。(3)主要气象站点的植被NDVI_青藏高原（2020），包括青藏高原25个气象站点附近的植被NDVI调查数据和计算平均值。(4)土地利用调查数据集_川藏铁路沿线(2019)，包括川藏铁路沿线35个调查点的土地利用调查数据，包括调查时间、地点、经纬度、海拔、坡度坡向、主要植被类型和优势物种。(5)叶面积指数调查数据_川藏铁路沿线（2019），包括川藏铁路沿线主要植被类型的叶面积指数调查数据和计算平均值，使用Sunscan冠层分析仪和LAI-2200测量。(6)土壤温湿度调查数据_川藏铁路沿线(2019)，包括川藏铁路沿线34个调查点：地点、经纬度、海拔、土壤表面温度、土壤30cm处湿度，数据记录为每个调查点3次重复测量。该数据集可用于青藏高原植被环境变化规律分析研究。
周广胜, 吕晓敏, 罗天祥, 杜军, 王玉辉, 周怀林
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
该数据集包含了3类数据，分别是：（1）2020年青藏高原热熔塌陷区土壤理化指标和碳氮、植物碳氮和微生物碳氮数据。这些数据为评估青藏高原碳氮循环过程提供了重要参考。该数据主要是通过2020年在青海刚察考察时实地观测获得。获得的植物和土壤样品带回实验室后进行初步分类、去除杂质，再放入65°C的烘箱中烘干至恒重。测量土壤和植物中的碳氮组分。共获得了4个典型样点的40个样方。该数据可用于揭示土壤和植物碳氮组分的空间变化规律，理解碳氮组分在土壤-植物-微生物体系中的分配情况。 （2）2019年青藏高原草原水平样带土壤营养成分的数据。该数据主要是通过2019年的样带考察时实地打土钻获得。样方土壤样品带回实验室进行初步分类、去根、筛去杂碎石头等杂质。将土壤样品自然风干，然后混合均匀平均分成两份（每份100g左右），一份用2mm土壤筛过筛获得过筛样，另一份使用球磨仪进行土样研磨获得研磨样。包含的内容要素有：壤全C、N、P、K、Fe、Mn 、Cu、Zn、Ca、Na 和全Mg的含量；土壤速效P、K、Fe、Mn、Cu、Zn、Ca、Na 和Mg的含量。土壤全C、全N的测定：对研磨样进行包样，然后采用CHNOS元素分析仪（Vario EL III，GmbH, Hanau, Germany）测定全C、全N的含量。土壤全量元素测定：使用压片机对研磨样进行压片，然后采用X射线荧光光谱仪（XRF, PANalytical Axios mAX, Almelo, The Netherlands）测定样品的全P、K、Fe、Mn 、Cu、Zn、Ca、Na 和全Mg的含量。土壤速效态元素测定：对过筛样进行浸提处理，提取滤液通过电感耦合等离子体发射光谱仪（iCAP 6300, Thermo Electron Corporation, Waltham, MA, USA）测定速效P、K、Fe、Mn、Cu、Zn、Ca、Na 和Mg的含量。共获得了13个样带样点。39个样方，每个样方获得三个土壤层次（即0~10，10~20，20~30cm的土壤层次）。因此，每个样方的每个土壤营养元素共有117个数据(C、N、P、Mn、Zn等)；该该数据是此此科考获得的直接获得的实地土壤样品，风干过筛研磨后通过相关分析仪（上述）按相应测试规范测定，质量可靠，可供分析不同区域土壤碳氮含量或密度的分布规律、评估土壤养分状况、生态系统的可持续性等，特别是可供降水变化驱动的碳氮循环研究及其建模使用，具有较为广泛的使用价值和应用前景。 （3）2019年青藏高原草原水平样带植被生产力数据。该数据主要是通过2019年的样带考察时实地观测获得。获得样方植物样品后带回实验室进行初步分类、去除碎石等杂质，再放入65°C的烘箱中烘干至恒重。根据其样方生物量换算为生态系统碳循环关键要素--植被生产力（NPP）。共获得了13个样带样点，39个样方的观测数据。数据的内容要素包含地上、地上生物量及NPP。单位为克每平方米；该数据是此此科考获得的实地观测资料，质量可靠，可供分析不同区域植被生产力的分布规律、植被覆盖、生态系统的碳储量评估等，特别是供降水变化驱动的碳循环研究及其建模使用，具有较为广泛的使用价值和应用前景。
许振柱, 杨元合, 张峰
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
本数据集来源于论文：Tang, H. et al. (2020). Early Oligocene vegetation and climate of southwestern China inferred from palynology. Palaeogeography, Palaeoclimatology, Palaeoecology, 560, 109988. doi:10.1016/j.palaeo.2020.109988 数据中包含论文中的补充数据，主要包括：(1)利用采集的孢粉样品统计计算得到的孢粉百分比；(2)重建的早渐新世文山、吕合，晚始新世剑川三处古植物群的植被功能类型。 研究人员在青藏高原东南缘，云南省吕合镇发现了一个含化石的剖面，根据火山凝灰岩的铀-铅同位素测得其年代为早渐新世(~33-32 Ma)。剖面总厚度约为18米，本研究中，研究人员在剖面上采集了55份孢粉样品，每个样品为2-2.5 g，后用 KOH (10%)、 HCl (10%)和 HF (39%)处理，然后在超声槽中用5μm 尼龙网过滤样品，保留残余物。利用光学显微镜和扫描电子显微镜对孢子和花粉进行了鉴定。用毛细管采集单个孢粉粒，转移到铜质扫描电镜样品台上，后镀金，用 Zeiss EVO LS10扫描电镜对单个孢粉粒进行观察。在400倍的光学显微镜下进行孢粉统计，每个样品至少计300粒，之后计算不同类群孢粉的百分比。 随后，研究人员按照Prentice et al. (1996)，Prentice and Jolly (2000) 和Ni et al. (2010)的方法重建了古植被。根据已发表的数据(Ni et al. 2010)，通过古植物群与现代植物功能类型的相似性比较，重建了古生物群面貌。利用欧几里德距离(Prentice et al., 1996)和Jaccard指数系数(Pound and Salzmann, 2017)研究了古植物群与现代植物群的相似性，采用 R 包“ clusteval”中的“ Jaccard 指数系数”计算了相似度。古植物群落被划分为相似性得分最高的生物群落，同时考虑到了优势类群或关键类群。
唐赫
本数据集以大量的地面实测草地地上生物量数据为基础，以1980s中国植被类型图划分出温性草地类型，借助Google Earth Engine平台上的Landsat遥感数据，在不同草地类型分别构建了草地地上实测生物量-遥感数据的随机森林模型，在验证可靠的基础上，对1993～2019年间逐年的草地地上生物量进行了估算，从而形成了1993～2019年中国北方温性草地地上生物量的逐年空间数据集。地上生物量定义为单位面积内地面以上实存生活的植被有机物质总量。已对原有栅格值乘以系数100，单位：0.01克/平方米（g/m²）。本数据集可为中国北方温性草地资源、生态环境的动态监测和评价提供科学基础。
张娜
数据包含兰州大学地质科学与矿产资源学院古生物教研室2019年至2020年期间采自于甘肃、青海、云南的新生代植物大化石；化石均由团队成员赴野外采集而来，并在实验室中通过常规化石修复方法与角质层实验方法进行加工；化石保存基本完好，其中部分保存有角质层，可以进行实验并一步观察到气孔等微细结构，有助于分类鉴定及恢复古气候条件；对这些植物大化石的研究有助于深入了解青藏高原东部新生代古环境、古气候、古地理变化以及认识当时的植被面貌。
杨涛
瓜达尔深水港位于巴基斯坦俾路支省西南部瓜德尔城南部，在巴基斯坦靠近伊朗一侧，东距卡拉奇约460km，西距巴基斯坦伊朗边境约120km，南临印度洋的阿拉伯海，向西则是霍尔木兹海峡和红海，与阿曼首都马斯喀特(Muscat)遥遥相对，是一个极具战略地位的海港。 本数据为瓜达尔及其周边土地覆盖数据，数据源于GlobeLand30 (Chen, 2014)，数据空间分辨率为30米，数据格式为tiff。 GlobeLand30数据集研制所使用的分类影像主要包括美国陆地资源卫星(Landsat)的TM5、ETM+、OLI多光谱影像和中国环境减灾卫星(HJ-1)多光谱影像，采用基于像元对象知识(POK-based)的分类方法 (Chen, 2015)，总体精度为83.50%，Kappa系数0.78 (Xie, 2015)。
吴骅
本数据集来源于论文：Deng, W. et al. (2020). Sharp changes in plant diversity and plant-herbivore interactions during the Eocene–Oligocene transition on the southeastern Qinghai-Tibetan Plateau. Global and Planetary Change, 194, 103293. doi:10.1016/j.gloplacha.2020.103293 数据主要包含青藏高原东南部芒康县卡均植物群在始新世晚期与早渐新世早期由草食动物损坏后的植物叶片化石记录数据。 叶片化石上食草动物的损害类型对探索古环境变化下的动植物相互作用发展和更好的理解土壤生态系统进化历史十分重要。始新世-渐新世过渡期(EOT)是一个古气候剧烈变化的时期，对全球生态系统产生了重大影响，研究人员对青藏高原东南部芒康县卡均植物群的分类组成进行了鉴定，对始新世晚期(MK-3，~ 34.6 Ma)与早渐新世早期(MK-1，~ 33.4 Ma)两个时期植物化石叶片上保存完好的草食动物造成的破坏进行了研究。 本数据中包含了研究中的植物化石叶片记录数据，数据表中包含字段如下： Basic Code（基础编号）; Database RFID（数据库编号）; Family code（家族编码）; Genera code（基因编码）; Species code（种类编码）; Marks（标记）; Plant-herbivore（植食性破坏）; Leaves for damage（损害叶片数量）; FFGs & DTs（昆虫损害类型）; Code marks（损害类型标记）; Hole feeding（虫洞取食）; Margin feeding（边缘取食）; Skeletonization（留脉取食）; Surface feeding（表面取食）; Piercing & Sucking（刺吸式）; Oviposition（产卵式）; Mining（潜叶式）; Galling（虫瘿式）; Fungal（真菌式）; Incertae Sedis（地位未定式）; Boring（钻孔式）; Undefined（未定义） 数据中也包含论文中部分图形数据。
邓炜煜东, 苏涛
1）数据内容：泛第三极地区基于遥感反演的主要生态环境数据，包含PM2.5浓度、森林覆盖率、EVI、土地覆被、CO2等指标；2）数据来源及加工方法：PM2.5数据来源于the Atmospheric Composition Analysis Group Web site at Dalhousie University、森林覆盖度数据来源于MODIS Vegetation Continuous Fields (VCF)，CO2数据来源于ODIAC Fossil fuel emission dataset，EVI数据来源于MODIS Vegetation Index Products，土地覆被数据来源ESA CCI Land cover。提取出泛第三极65个国家和地区，其他未进行加工；3）数据质量描述：数据2000-2015年数据时间序列较好；4）数据应用成果及前景：可用于生态环境变化分析。
李广东
本数据集记录了阿姆河流域karakul地区荒漠土地2019.9-2020.9的气象要素数据，以及为探明咸海高矿化度咸水用于植被建设的可行性，课题成员于2020年6月在新疆塔里木河下游农二师31团2连开展咸水灌溉种植盐地碱蓬试验和在巴州33团沙漠边缘区进行了高矿化度水（18.94g/L）滴灌种子繁殖造林试验，用以研究不同植物在高矿化度咸水灌溉下的表型特征。收集到的数据包括土壤含水量、电导率、土壤盐分等土壤理化性质以及耐盐植物生理等数据。
李新荣, 何明珠, 赵振勇
该数据集包含中亚地区1982-2015年逐次干旱事件的开始时间（年、月）、发生位置（经度、纬度）、持续时间（月）、干旱强度，以及植被响应干旱的脆弱性数据，空间分辨率为1/12°。其中，干旱事件通过12月尺度的标准化降水蒸散指数（SPEI12）<-1.0识别。干旱特征及植被脆弱性的具体算法详见引文。该数据集已在中亚植被响应干旱脆弱性等研究上得到应用，并在干旱事件时空特征、干旱-植被影响机理、干旱风险评估等研究领域具有应用前景。
邓浩宇
1）数据内容：数据为围栏工程实地采样数据，包含样方编号、草地类型、调查县、调查地点、工程类型、采样时间、工程开始时间、持续时间、"经度（°E）"、"纬度（°N）"、"海拔（m）"、"总盖度（%）" "高度平均（cm）"、地上生物量(g/m2)、地下生物量(g/m2)、总生物量(g/m2)， 2）数据来源：实地采样数据 3）数据质量：质量较高。 4）数据应用前景：青藏高原草地围栏工程将在保护草地、恢复区域植被生产力上获得显著成效，工程的实施为区域畜牧业发展提供了更广阔的空间, 保障了当地农牧民收入与地区经济为稳定的增长。此外，工程的实施保证并支持了藏区牧民的正常生产和生活, 实现了牧区草地保护与牧民畜牧业生产的稳定发展, 这对维护西藏社会全面稳定，促进西藏地区又好又快发展具有重要意义。
洪江涛, 王小丹
为了解析蔓菁如何、何时进入青藏高原，探讨蔓菁在青藏高原传播与驯化与早期人类活动的高原定居和古丝绸交流之间的关系，2018年6月，课题组利用三代基因组测序技术，对青海省囊谦县的蔓菁自交F1代品种进行全基因组测序和De Novo组装，得到组装基因组大小为409.69 Mb，Contig N50为1.21 Mb。这一结果可为研究植物扩散与人类活动之间的关系提供遗传基础。同时，这项研究有助于揭示人工驯化和人类选择对蔓菁的遗传分化的影响，以及蔓菁适应高原生态环境的适应性机制。
段元文
本数据集来源于论文：Su, T. et al. (2019). No high tibetan plateau until the Neogene. Science Advances, 5(3), eaav2189. doi:10.1126/sciadv.aav2189 数据为该论文的补充数据，主要包含研究人员搜集的棕榈化石记录，与伦坡拉盆地棕榈化石相近的棕榈属的气候范围数据，以及伦坡拉盆地化石与现代棕榈属化石的形态比较数据。 2016年，研究团队在青藏高原中部伦坡拉盆地(32.033°N, 89.767°E)发现了保存较为完好的棕榈化石，将其与已有的棕榈化石进行了比较，发现它和已有的棕榈化石形态都不相同，因此，研究人员建立了一个新种——西藏似沙巴棕（<em>Sabalites tibensis</em> T. Su et Z.K. Zhou）。研究人员利用棕榈化石结合古气候模型重建了青藏高原中部的古高程，得出结论：新近纪之前青藏高原还没有出现。 数据中包含的表格如下： （1）Table S1. Fossil records of palms around the world（世界范围内的棕榈化石记录） （2）Table S2. Morphological comparisons between fossils from Lunpola Basin and modern palm genera（伦坡拉盆地化石与现代棕榈属化石的形态比较数据） （3）Table S3. Climate ranges of 12 living genera that show the closest morphological similarity to S. tibetensis T. Su et Z.K. Zhou sp. nov.（与新发现的西藏似沙巴棕化石（<em>S. tibetensis</em> T. Su et Z.K. Zhou sp. nov）形态最接近的12个现存棕榈属的气候范围） 数据也包含论文补充数据中的图形数据。
苏涛
本数据集来源于论文：Chen, J.*#, Huang, Y.*#, Brachi, B.*#, Yun, Q.*#, Zhang, W., Lu, W., Li, H., Li, W., Sun, X., Wang, G., He, J., Zhou, Z., Chen, K., Ji, Y., Shi, M., Sun, W., Yang, Y.*, Zhang, R.#, Abbott, R. J.*, & Sun, H.* (2019). Genome-wide analysis of Cushion willow provides insights into alpine plant divergence in a biodiversity hotspot. Nature Communications, 10(1), 5230. doi:10.1038/s41467-019-13128-y. 本数据集包含青藏高原高山植物小垫柳Fasta格式的基因组组装文件，包括核苷酸（DNA）、核糖核酸（RNA）、蛋白质编码序列（Protein）序列数据，以及gff格式的基因组组装注释文件。 组装等级：染色体级别 基因组覆盖程度：全基因组 参考基因组：是 组装方法：SMARTdenovo 1.0; CANU 1.3 测序方法及测序深度： PacBio, 125×; Illumina Hiseq X Ten, 43×; Oxford Nanopore Technologies, 74× 基因组组装统计： 基因组大小（bp）：339,587,529 GC含量：34.15% 染色体数量：19 细胞器基因组数量：2 基因组组装序列数量：30 最大组装序列长度（bp）：39,688,537 最小组装序列长度（bp）：57,080 平均组装序列长度（bp）：11,319,584 基因组组装序列N50（bp）：17,922,059 基因组组装序列N90（bp）：13,388,179 全基因组组装注释： Protein：30,209 tRNA：784 rRNA：118 ncRNA：671 详细的注释信息请参见附件。 本数据集中也包含文章中Supplementary Information中的表格数据，数据列表参见附件。 基因组项目号为：GWHAAAA00000000（https://bigd.big.ac.cn/gwh/Assembly/663/show）。
陈家辉, 杨永平, Richard John Abbott, 孙航
（1）本数据集是申扎高寒湿地2016-2019年的碳通量数据集，包含空气温度、土壤温度、降水、生态系统生产力等参数。（2）该数据集以野外涡度相关实测数据为基础，采用国际上公认的涡度相关数据标准处理方法，基本流程包括：野点剔除-坐标旋转-WPL校正-储存项计算-降水同期数据剔除-阈值剔除-异常值剔除-u*校正-缺失数据插值-通量分解与统计。本数据集还包含了基于涡度相关数据集标定后的模型模拟数据。（3）该数据集已经过数据质量控制，数据缺失率为37.3%，缺失数据已采用插值方式补充。（4）该数据集对认识高寒湿地碳汇功能具有科学价值，也可以用于机理模型的矫正和验证等。
魏达
该数据集包含了2019年05月01日至2019年12月31日青海湖流域地表过程综合观测网高寒草甸草原混合超级站的物候相机观测数据。站点位于青海省天峻县苏里路旁侧，下垫面是高寒草甸和高寒草原的混合。观测点经纬度为：东经 98°35′41.62″E，北纬 37°42′11.47″N，海拔3718m。该物候相机采用垂直向下的方式采集数据，拍摄数据分辨率为2592*1944，本数据集中的物候照片是在每天12:10拍摄的，拍摄时间误差在±10 min。图片命名方式为BSDCJZ BEIJING_IR_Year_Month_Day_Time.
李小雁
本数据集包括祁连山地区重点区域2019年5月至2019年10月的归一化植被指数、植被覆盖度、植被净初级生产力、草地生物量、森林蓄积量植被参数遥感产品，空间分辨率为10m。本数据集采用高分一号、高分六号、哨兵、资源三号等遥感数据源，结合气象、地面监测等基础数据，采用波段比值法、混合像元分解模型、CASA模型等植被参数反演算法和模型，生成祁连山重点区域生长季逐月植被指数遥感产品。本数据集通过构建以高分卫星为主的高时空分辨率生态环境监测数据集，为区域生态环境问题诊断与生态环境动态评估提供数据支持。
祁元, 张金龙, 曹永攀, 周圣明, 王宏伟
地表温度是地表能量平衡的重要参量之一。本数据集为2019年7-9月逐月的黑河流域典型站点无人机遥感地表温度数据；飞行使用大疆M600 pro无人机搭载FLIR VUE pro热像仪，分别以湿地内的SD站、绿洲内的DM站和荒漠内的HZ站为中心，观测了地表温度获取了地表亮温图像，无人机的飞行高度约300m，热像仪的像素为336x256，图像的空间分辨率为0.4m。地表温度反演算法为改进的单通道算法，将该算法应用于无人机热红外遥感传感器获取的地表亮温数据，最终得到0.4m空间分辨率的地表温度数据。
周纪, 刘绍民, 王子卫
地表反照率是地表能量平衡的重要参量之一。本数据集为2019年植被生长季逐月的黑河流域典型站点无人机遥感地表反照率数据。地表反照率算法为统计回归方法，即基于6S模型和大量的典型地物光谱反射率数据，建立的从窄波段反射率到宽波段反照率的经验回归模型。将该回归模型应用于无人机多光谱遥感传感器获得的地表反射率，最终得到0.2 m空间分辨率的地表反照率数据。本数据集经过了辐射定标、几何校正，与地面站点实测数据的验证结果显示，均方根误差为0.049。本数据集提供了超高分辨率的地表反照率数据，可以作为卫星遥感尺度和地面观测尺度之间的“桥梁”，并为从事高分辨率和超高分辨率遥感数据工作的科研工作者提供数据支持。
周纪, 刘绍民, 董惟琛
本数据集包括黑河流域2019年5月至2019年10月的归一化植被指数、植被覆盖度、植被净初级生产力、草地生物量、森林蓄积量植被参数遥感产品，空间分辨率为10m。本数据集采用高分一号、高分六号、哨兵、资源三号等遥感数据源，结合气象、地面监测等基础数据，采用波段比值法、混合像元分解模型、CASA模型等植被参数反演算法和模型，生成祁连山重点区域生长季逐月植被指数遥感产品。本数据集通过构建以高分卫星为主的高时空分辨率生态环境监测数据集，为区域生态环境问题诊断与生态环境动态评估提供数据支持。
祁元, 张金龙, 曹永攀, 周圣明, 王宏伟
归一化植被指数在研究植被长势、地物分类方面有重要作用。本数据集为2019年植被生长季逐月的黑河流域典型站点无人机遥感NDVI（Normalized Differential Vegetation Index）数据，空间分辨率为0.2 m。NDVI数据获取流程为将无人机拍摄后的单幅影像通过pix4D mapper进行拼接，并由pix4D mapper自动进行拼接后影像的植被指数计算。最后将pix4D mapper拼接的单航次影像利用ArcGIS镶嵌得到整个飞行区域影像。
周纪, 刘绍民, 金子纯
该数据集包含了2019年6月1日至2019年9月20日的黑河水文气象观测网下游混合林站叶面积指数观测数据。站点位于内蒙古额济纳旗四道桥，海拔870 m，下垫面是胡杨与柽柳混合。观测在混合林站（101.1335E, 41.9903N）旁开展，样方大小约30m×30m，每个样方内布设5个冠层下节点和1个冠层上节点。 本数据集由叶面积指数无线传感网（LAINet）获取，该仪器原始观测数据为仪器自动获取的每个节点逐日逐小时的光照数据（Level0），利用LAINet软件对原始观测数据进行处理，逐节点计算每天LAI（Level1），进一步对无效值识别与填充，并7天滑动平均消除天气变化对LAI计算的影响（Level2），对有多个LAINet节点的观测子区，节点的均值为该子区的最终观测值（Level3）。 本次发布的数据集为处理后的Level3产品，数据以*.xls格式存储。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)，观测数据处理请参考Qu et al. (2014)。
刘绍民, 屈永华, 徐自为, 李新
该数据集包含2019年1月1日至12月31日石羊河流域地表过程综合观测网西营河站的物候相机观测数据，该仪器由北京师范大学自主研发并进行处理。物候相机集成数据获取与数据传输功能。该物候相机采用垂直向下的方式采集数据，拍摄数据分辨率为2592*1944，可指定拍摄时间频率。对于绿度指数物候期计算，需要根据感兴趣区域计算相对绿度指数（GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值），然后进行无效值填充和滤波平滑，最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等；对于覆盖度，首先进行数据预处理，选择光照不太强的图像，然后将图像分割为植被和土壤，计算每张图像的植被像素占计算区域内的比例作为该图像对应的覆盖度，在时间序列数据提取完成以后，再按用户指定的时间窗口对原始覆盖度数据进行平滑滤波，滤波后的结果为最终的时间序列覆盖度。本数据集包括相对绿度指数（Gcc）、物候期及覆盖度（Fc）。
赵长明, 张仁懿
该数据集包含2019年4月26日至10月31日大通河流域地表过程综合观测网连城站的物候相机观测数据，该仪器由北京师范大学自主研发并进行处理。物候相机集成数据获取与数据传输功能。该物候相机采用垂直向下的方式采集数据，拍摄数据分辨率为2592*1944，可指定拍摄时间频率。对于绿度指数物候期计算，需要根据感兴趣区域计算相对绿度指数（GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值），然后进行无效值填充和滤波平滑，最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等；对于覆盖度，首先进行数据预处理，选择光照不太强的图像，然后将图像分割为植被和土壤，计算每张图像的植被像素占计算区域内的比例作为该图像对应的覆盖度，在时间序列数据提取完成以后，再按用户指定的时间窗口对原始覆盖度数据进行平滑滤波，滤波后的结果为最终的时间序列覆盖度。本数据集包括相对绿度指数（Gcc）、物候期及覆盖度（Fc）。
赵长明, 张仁懿
该数据集包含2019年3月26日至10月31日疏勒河流域地表过程综合观测网瓜州站的物候相机观测数据，该仪器由北京师范大学自主研发并进行处理。物候相机集成数据获取与数据传输功能。该物候相机采用垂直向下的方式采集数据，拍摄数据分辨率为2592*1944，可指定拍摄时间频率。对于绿度指数物候期计算，需要根据感兴趣区域计算相对绿度指数（GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值），然后进行无效值填充和滤波平滑，最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等；对于覆盖度，首先进行数据预处理，选择光照不太强的图像，然后将图像分割为植被和土壤，计算每张图像的植被像素占计算区域内的比例作为该图像对应的覆盖度，在时间序列数据提取完成以后，再按用户指定的时间窗口对原始覆盖度数据进行平滑滤波，滤波后的结果为最终的时间序列覆盖度。本数据集包括相对绿度指数（Gcc）、物候期及覆盖度（Fc）。
赵长明, 张仁懿
该数据集包含了2019年6月1日至2019年9月20日的黑河水文气象观测网下游四道桥超级站叶面积指数观测数据。站点位于内蒙古额济纳旗四道桥，海拔870 m，下垫面是柽柳。观测在四道桥超级站（101.1374E, 42.0012N）旁开展，样方1个，大小约30m×30m，每个样方内布设5个冠层下节点和1个冠层上节点。 本数据集由叶面积指数无线传感网（LAINet）获取，该仪器原始观测数据为仪器自动获取的每个节点逐日逐小时的光照数据（Level0），利用LAINet软件对原始观测数据进行处理，逐节点计算每天LAI（Level1），进一步对无效值识别与填充，并7天滑动平均消除天气变化对LAI计算的影响（Level2），对有多个LAINet节点的观测子区，节点的均值为该子区的最终观测值（Level3）。 本次发布的数据集为处理后的Level3产品，数据以*.xls格式存储。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)，观测数据处理请参考Qu et al. (2014)。
刘绍民, 屈永华, 徐自为, 李新
本数据为2018年哈萨克斯坦首都努尔苏丹生态屏障空间分布图，图中的地物类型主要包括防护林、道路、建筑、湖泊以及河流等。数据源为2018年8月的四景哨兵影像，分辨率为10米。同时，叠加OpenStreetMap（OSM）全球地物矢量图。该数据集经过校正处理，较为准确。防护林斑的提取通过目视解译与实地野外调查相结合，精度较高。数据反映了哈萨克斯坦首都努尔苏丹城市生态屏障空间分布现状，同时，对于长时间的防护林时空格局的变化监测，也具有重要的参考价值。
王永东
该数据集包含2019年8月28日至2019年12月31日黑河流域地表过程综合观测网中游大满超级站的物候相机观测数据，该仪器由北京师范大学自主研发并进行处理。物候相机集成数据获取与数据传输功能。该物候相机采用垂直向下的方式采集数据，拍摄数据分辨率为1280*720，可指定拍摄时间频率。对于绿度指数物候期计算，需要根据感兴趣区域计算相对绿度指数（GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值），然后进行无效值填充和滤波平滑，最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等；对于覆盖度，首先进行数据预处理，选择光照不太强的图像，然后将图像分割为植被和土壤，计算每张图像的植被像素占计算区域内的比例作为该图像对应的覆盖度，在时间序列数据提取完成以后，再按用户指定的时间窗口对原始覆盖度数据进行平滑滤波，滤波后的得结果为最终的时间序列覆盖度。本数据集包括相对绿度指数（Gcc）、物候期及覆盖度（Fc）。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)。
刘绍民, 屈永华, 徐自为, 李新
该数据集包含2019年8月28日至2019年12月31日黑河流域地表过程综合观测网下游混合林站的物候相机观测数据，该仪器由北京师范大学自主研发并进行处理。物候相机集成数据获取与数据传输功能。该物候相机采用垂直向下的方式采集数据，拍摄数据分辨率为1280*720，可指定拍摄时间频率。对于绿度指数物候期计算，需要根据感兴趣区域计算相对绿度指数（GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值），然后进行无效值填充和滤波平滑，最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等；对于覆盖度，首先进行数据预处理，选择光照不太强的图像，然后将图像分割为植被和土壤，计算每张图像的植被像素占计算区域内的比例作为该图像对应的覆盖度，在时间序列数据提取完成以后，再按用户指定的时间窗口对原始覆盖度数据进行平滑滤波，滤波后的得结果为最终的时间序列覆盖度。本数据集包括相对绿度指数（Gcc）。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)。
刘绍民, 屈永华, 徐自为, 李新
该数据集包含2019年8月28日至2019年12月31日黑河流域地表过程综合观测网中游阿柔超级站的物候相机观测数据，该仪器由北京师范大学自主研发并进行处理。物候相机集成数据获取与数据传输功能。该物候相机采用垂直向下的方式采集数据，拍摄数据分辨率为1280*720，可指定拍摄时间频率。对于绿度指数物候期计算，需要根据感兴趣区域计算相对绿度指数（GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值），然后进行无效值填充和滤波平滑，最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等；对于覆盖度，首先进行数据预处理，选择光照不太强的图像，然后将图像分割为植被和土壤，计算每张图像的植被像素占计算区域内的比例作为该图像对应的覆盖度，在时间序列数据提取完成以后，再按用户指定的时间窗口对原始覆盖度数据进行平滑滤波，滤波后的得结果为最终的时间序列覆盖度。本数据集包括相对绿度指数（Gcc）和归一化绿度指数。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)。
刘绍民, 屈永华, 徐自为, 李新
该数据集包含了2019年6月1日至2019年9月20日的黑河水文气象观测网中游大满超级站叶面积指数观测数据。站点(100.376° E, 38.853° N)位于甘肃省张掖市大满灌区内，海拔1556m，下垫面是玉米。观测样方共计7个，每个样方大小约30m×30m，经纬度分别为(100.376°E, 38.853°N)、(100.377° E, 38.858°N)、(100.374°E, 38.855°N)、(100.374°E, 38.858°N)、(100.371°E, 38.854°N)、(100.369°E, 38.854°N)、(100.369°E, 38.854°N)。每个样方内布设5个冠层下节点和1个冠层上节点。 本数据集由叶面积指数无线传感网（LAINet）获取，该仪器原始观测数据为仪器自动获取的每个节点逐日逐小时的光照数据（Level0），利用LAINet软件对原始观测数据进行处理，逐节点计算每天LAI（Level1），进一步对无效值识别与填充，并7天滑动平均消除天气变化对LAI计算的影响（Level2），对有多个LAINet节点的观测子区，节点的均值为该子区的最终观测值（Level3）。 本次发布的数据集为处理后的Level3产品，数据以*.xls格式存储。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)，观测数据处理请参考Qu et al. (2014)。
刘绍民, 屈永华, 徐自为, 李新
大气中的花粉是植物在开花期散布在大气中产生的，受植物的开花物候和气候等因素的影响。作为一种大气生物颗粒，大气花粉能够反映植物物候、气候条件、大气环流等的变化。大气花粉由珠峰站Burkard大气花粉采样器收集，该收集器是容积式花粉收集器，每分钟气流为10L，大气花粉颗粒被吸附在聚酯薄膜上，每周更换一次，收集下来的样品用甘油胶制成玻片，放在奥林巴斯显微镜400倍下进行鉴定，统计花粉科属类型和数量。数据集的时间覆盖范围是2011-2013年，时间分辨率为逐日。所采用的大气花粉采样装备为国际通用的采样器，遵循标准的采样和实验室处理流程，并由经验丰富的孢粉鉴定人员鉴定，确保数据真实、可靠。该数据可供该区域利用花粉分析重建古环境、植物物候响应气候变化等生态学研究做参考。
吕新苗
该数据集包含2019年8月28日至2019年12月31日黑河流域地表过程综合观测网下游四道桥超级站的物候相机观测数据，该仪器由北京师范大学自主研发并进行处理。物候相机集成数据获取与数据传输功能。该物候相机采用垂直向下的方式采集数据，拍摄数据分辨率为1280*720，可指定拍摄时间频率。对于绿度指数物候期计算，需要根据感兴趣区域计算相对绿度指数（GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值），然后进行无效值填充和滤波平滑，最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等；对于覆盖度，首先进行数据预处理，选择光照不太强的图像，然后将图像分割为植被和土壤，计算每张图像的植被像素占计算区域内的比例作为该图像对应的覆盖度，在时间序列数据提取完成以后，再按用户指定的时间窗口对原始覆盖度数据进行平滑滤波，滤波后的得结果为最终的时间序列覆盖度。本数据集包括相对绿度指数（Gcc）。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)。
刘绍民, 屈永华, 徐自为, 李新
本数据集来源于论文：Gao, S., Zhou, T., Yi, C., Shi, P., Fang, W., Liu, R., Liang, E., & Julio Camarero, J. (2020). Asymmetric impacts of dryness and wetness on tree growth and forest coverage. Agricultural and Forest Meteorology, 288-289, 107980. doi:10.1016/j.agrformet.2020.107980. 数据提取自论文内Supplementary Materials中的表格数据。 此论文以美国西南部科罗拉多高原半干旱区森林为研究对象，综合应用大量的树轮宽度数据，结合遥感森林覆盖数据，通过在区域尺度设计“自然试验”（natural experiments），探讨了年际水分亏缺叠加影响下的滞后效应，并对比了年际间水分状况变化对树轮宽度和森林盖度影响的异同。研究发现，树轮形成当年的水分状况可显著影响滞后效应的持续时间及强度；树轮宽度与森林盖度对年际间水分状况的响应存在差异。 数据中包含357个采样点，111个水文年（1902-2012年）的年轮宽度指数（RWI）和与之匹配的年度水分亏缺异常（Dya）数据。 研究中使用的年轮数据由研究区域内三个主要物种的357个标准年表组成，时间跨度为1902年至2012年，总共有29,969个站点-年。三个主要物种的357个树年轮宽度年表来自国际树轮数据银行（International Tree-Ring Data Bank，https://www.ncdc.noaa.gov/data-access/paleoclimatology-data/datasets/tree-ring）。使用ARSTAN程序通过负指数曲线消除了由老化和树干直径增加引起的长期趋势（Cook, 1985），将树木年轮宽度数据转换成了年轮宽度指数（RWI）。进行标准化后，为了减少这些树环站点之间的空间异质性，所有年表均按具有可比方差的标准均值（RWI = 1000）进行了缩放。 研究中使用了年度水分亏缺异常（Dya）来探讨水分亏缺变异性对树木径向生长和生长遗产的影响。将网格化的Dya与RWI进行了匹配，为了减少由于气候数据的粗略解析而引起的偏差，对于同一网格内的树木年轮年表，将它们进行了每年平均。 数据集包含1个Excel数据文件，Ring-width indices and annual water deficit anomaly (1902-2012) 包含三张数据表，数据表名称分别为： raw_data：原始数据 processed_data：加工后的数据 variables：变量 数据中包含以下字段： sitename：树木年轮采样点的名称 Year：年轮形成年 RWI：年轮宽度指数 latitude：树木年轮采样点的纬度 lontitude：树木年轮采样点的经度 altitude：树木年轮采样点的高程 lon Grid No .：树木年轮采样点的经度网格号 lat Grid No .：树木年轮采样点的纬度网格号 Dya_3：年轮形成年（即“年”列）前第三年的缺水异常 Dya_2：年轮形成年（即“年”列）前第二年的缺水异常 Dya_1：年轮形成年（即“年”列）前第一年的缺水异常 Dya_curr：年轮形成年（即“年”列）的缺水异常 Dya_std：111个水文年（即1902-2012年）的标准年平均网格缺水量
高姗
本数据集是2009年欧亚大陆草地遥感三级分类图，数据为tif栅格格式，空间分辨率为1公里，三级草地分类为：温性草甸草原、温性典型草原、温性荒漠化草原、温性草原化荒漠、温性荒漠几个类型。 该数据是根据欧空局全球陆地覆盖数据（ESA GlobCover）2009产品GlobCover 2009 land cover map，结合ECMWF网站历史气象数据（降水量，年积温，湿润系数，蒸发量）及DEM数据等加工而成。该数据可为欧亚大陆温性草地分布信息以及时空变异分析提供依据。
唐家奎
本数据集为针对黑河上游和黄河源区域的分布式水文模型SWAT模型的应用而构建的相关数据库，主要为土壤和植被，以及DEM。土壤和植被涉及的参数较多，包括常规的土壤物理参数和化学参数，植被参数以及生物量参数，参数值的确定方式包括采样测定、文献和其他相关数据库，以及通过相关软件进行计算。由于SWAT模型的土壤和植被数据库涉及的参数较为全面，因此本数据集除了用于SWAT模型外，其中大部分参数也可作为其他生态水文模型驱动数据的参考。
邹松兵
Data set contains tree age of trees growing at different glacier moraines in the central Himalayas. The data were obtained using tree ring samples. Cores samples were collected (almost near to the ground level to estimate the minimum age of the related moraine) using an increment borer. Samples were processed by using standard dendrochronological techniques.
Shalik Ram Sigdel, Hui Zhang, Haifeng Zhu, Sher Muhammad, Eryuan Liang
通过对青藏高原宗日遗址、河西走廊三角城、火石梁、缸缸洼、一个地窝南、砂锅梁、官地、茂林山、冬给错那、诺木洪、曲贡、立定等40余处新石器-青铜时代遗址进行考古调查和发掘，获取了各遗址经纬度、高程、文化属性、文化遗物等基本信息；同时，对遗址调查和发掘过程中的动植物遗存进行科学收集、鉴定和实验室分析，得到了一批遗址碳十四年代数据、光释光年代数据、动物遗存鉴定数据、植物遗存鉴定数据、碳氮稳定同位素数据、孢粉数据、真菌孢子数据和环境指标数据。该数据集为研究青藏高原新石器-青铜时代先民的活动历史和生业模式提供了数据支撑。
杨晓燕, 吕红亮, 刘向军, 候光良
西亚地区荒漠化专题数据主要包括：西亚地区沙化土地分布图和西亚地区退化草地分布图，空间分辨率为30m。西亚地区沙化土地分布图包含的土地类型有沙地、盐碱地、裸土地和裸岩石砾地，西亚地区退化草地分布图将草地划分为高覆盖草地、中覆盖草地和低覆盖草地三类。数据由中国科学院新疆生态与地理研究所遥感与GIS重点实验室生产，生产费用由“中国科学院战略性先导科技专项XDA20030101资助”，数据空间分辨率为30m。数据主要是基于2015年TM、ETM遥感影像数据，基于去云、镶嵌与裁剪、拼接、阴影处理等预处理，借助eCognition软件进行面向对象的地类分类，实现软件自动分类和人工信息提取相结合，最后对分类结果进行人工检查与修正。数据验证方式为野外实地验证和高精度影像验证两种方式，验证精度达到85%以上。
数据集包含1980，1990，2000，2010，2017年青藏高原草地产草量空间分布。基于中国科学院地理科学与资源研究所具有自主知识产权的生态水文动力模型VIP（Vegetation Interface Process) 模拟了青藏高原草地总初级生产力（GPP），利用经验系数估算了净初级生产力（NPP），将NPP换算为干物质，再根据根冠比估算了干草产量。空间分辨率1公里。该数据集将为草地资源管理、开发、利用以及“以草定畜”策略的制定提供依据。
莫兴国
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
