本数据集包括祁连山地区2020年日值0.05°×0.05°地表土壤水分产品。采用耦合小波分析的随机森林优化降尺度模型（RF-OWCM），通过对SMAP L3级被动微波36km地表土壤水分产品（SMAP L3 Radiometer Global Daily 36 km EASE-Grid Soil Moisture, V8）进行降尺度，得到0.05°×0.05°地表土壤水分产品。参与降尺度模型的数据包括GLASS Albedo，MUSES LAI/FVC，中国西部逐日1 km全天候地表温度数据集（TRIMS LST-TP；2000-2021）V2，以及经/纬度等信息。
柴琳娜, 朱忠礼, 刘绍民
水源涵养服务是一种重要的生态系统服务，直接影响区域水资源的整体水平，会对区域生态系统、农业、工业、人类消费、水力发电、渔业和娱乐活动产生重要影响，对于维持生态系统稳定以及提高人类福祉具有重要意义。针对水源涵养产品生产，基于水量平衡原理耦合降雨量、蒸散发、太阳辐射、气温、植被类型等数据进行了国家屏障区生态系统水源涵养建模研究。水源涵养服务利用基于水量平衡原理的InVEST 模型进行计算，InVEST模型具有输入数据量少、导出数据量大、对抽象生态系统服务功能进行定量分析等优点，是当前水源涵养服务评估的重要手段。该方法认为水源涵养服务为降水量减去蒸散发量，计算的指标包括年降水量、年蒸散发量。其中降水量数据以气象站点数据为基础，将日气象数据累积到年尺度上，然后利用ArcGIS空间插值方法插值到空间上；蒸散发量的计算是通过Zhang模型实现。将多源数据作为InVEST模型的输入变量基于参数化模型实现对青藏高原2000-2020年1km分辨率的水源涵养服务估算。
王晓峰
土壤冻结深度(SFD)是评估冻土区水资源平衡、地表能量交换和生物地球化学循环变化所必需的，是冰冻圈气候变化的重要指标，对季节性冻土和多年冻土都至关重要。 本数据是基于Stefan方程，对CanEMS2 (RCP 45和RCP85)、GFDL-ESM2M （RCP26、RCP45、RCP60和RCP85）、HadGEM2-ES（RCP26、RCP45和RCP85）、IPSL-CM5A-LR（RCP26、RCP45、RCP60和RCP85）、MIROC5（RCP26、RCP45、RCP60和RCP85）和NorESM1-M（RCP26、RCP45、RCP60和RCP85）等多模型不同情景下，利用逐日气温的预测数据及E-factor数据，获得2007-2065年空间分辨率为0.25度，青藏高原区域年平均土壤冻结深度数据集。
潘小多, 李虎
植被净初级生产力（Net Primary Productivity, NPP）作为生态系统物质及能量循环的基础，能够反映区域和全球尺度植被的固碳能力，是评价陆地生态系统质量的重要指标。针对植被净初级生产力产品生产，基于光能利用率模型的原理耦合遥感、气象、植被及土壤类型数据进行了国家屏障区生态系统生产力建模研究。在参数的选择上，由SPOT/VEG ETATION NDVI卫星遥感数据、中国植被图、太阳总辐射值及温度等数据计算出光合有效辐射（APAR）；根据区域蒸散模型模拟水分胁迫因子，与土壤水分子模型相比，它可以简化参数，增强模型的可操作性。将光合有效辐射和实际光能利用率作为CASA（Carnegie-Ames-Stanford Approach）模型的输入变量，基于参数化模型实现对青藏高原2000-2018年1km分辨率的陆地植被净初级生产力估算。
王晓峰
生物多样性（biodiversity）是生物及其环境形成的生态复合体以及与此相关的各种生态过程的总和，表现在生命系统的各个组织水平上，包括遗传多样性、物种多样性以及生态系统多样性三个层次。生境质量越高，生物栖息地环境越好，生物多样性越高，在部分研究中采用生境质量指数来表征生物多样性（肖强 et al. 2014）。生境质量指数（Habitat Quality，HQ）是对区域土地利用类型的生境适宜性和生境退化程度状况进行评价的一个无量纲综合性指标，以耕地、道路、城镇和河流作为生境胁迫因子，打分形成敏感性参数。针对生物多样性产品生产，基于土地利用数据和InVEST模型进行了国家屏障区生态系统生物多样性建模研究。InVEST模型具有输入数据量少、导出数据量大、对抽象生态系统服务功能进行定量分析等优点，是当前生物多样性评估的重要手段。基于青藏高原地区土地利用的实际情况，选取水田、旱地、城镇用地、农村居民点和其他建设用地这5种人类活动影响极大的土地利用类型作为威胁因子。将土地利用数据作为InVEST模型的输入变量，基于参数化模型实现对青藏高原2000-2020年1km分辨率的陆地生物多样性估算。
王晓峰
调查并收集青藏高原及周边地区的蔓菁种质资源，进行同质园实验获得表型数据，利用基因组测序技术获得数据文库并构建高质量参考基因组。使用重测序技术对蔓菁群体进行结构分析，结合早期人类迁徙及扩散路线对蔓菁在青藏高原现代地理分布格局形成的历史过程进行探究。与表型数据进行关联分析，对蔓菁现代居群适应性机制进行解析。从全基因组层面上理解泛第三极的环境差异以及不同地区人类活动和文化差异对青藏高原植物迁徙、适应及驯化的影响。
段元文
调查并收集青藏高原及周边地区的蔓菁种质资源，进行同质园实验获得表型数据，利用基因组测序技术获得数据文库并构建高质量参考基因组。使用重测序技术对蔓菁群体进行结构分析，结合早期人类迁徙及扩散路线对蔓菁在青藏高原现代地理分布格局形成的历史过程进行探究。与表型数据进行关联分析，对蔓菁现代居群适应性机制进行解析。从全基因组层面上理解泛第三极的环境差异以及不同地区人类活动和文化差异对青藏高原植物迁徙、适应及驯化的影响。
段元文
调查并收集青藏高原及周边地区的蔓菁种质资源，进行同质园实验获得表型数据，利用基因组测序技术获得数据文库并构建高质量参考基因组。使用重测序技术对蔓菁群体进行结构分析，结合早期人类迁徙及扩散路线对蔓菁在青藏高原现代地理分布格局形成的历史过程进行探究。与表型数据进行关联分析，对蔓菁现代居群适应性机制进行解析。从全基因组层面上理解泛第三极的环境差异以及不同地区人类活动和文化差异对青藏高原植物迁徙、适应及驯化的影响。
段元文
“亚洲水塔”青藏高原（TP）的降水在区域水和能源循环中发挥着关键作用，对下游国家的水资源供应有重要影响。气象站点所获取的降水信息通常被认为是最准确的，但在地形复杂、环境恶劣的青藏高原中，气象站数据却十分有限。卫星和再分析降水产品可以为地面测量提供补充信息，特别是在大面积测量不足的区域。在这里，我们通过使用人工神经网络 (ANN) 和环境变量（包括海拔、地表压力和风速）确定各种数据源的权重来最优地融合站点、卫星和再分析数据。在 1998-2017 年期间，以每日时间尺度和 0.1° 的空间分辨率生成了一个多源降水 (MSP) 数据集横跨青藏高原。与其他四颗卫星产品相比，MSP与标准观测的日降水相关系数（CC）最高（0.74），均方根误差第二低，表明MSP的质量和数据合并的有效性方法。我们使用分布式水文模型进一步评估了青藏高原长江和黄河源头测量不佳的不同降水产品的水文效用。在 2004-2014 年期间，MSP 实现了每日流量模拟的最佳 Nash-Sutcliffe 效率系数（超过 0.8）和 CC（超过 0.9）。此外，基于多重搭配评估，MSP 在未测量的西部 TP 上表现最好。该合并方法可应用于全球其他数据稀缺地区，为水文研究提供高质量的降水数据。整个 TP 的左下角的经纬度、行数和列数以及网格单元信息都包含在每个 ASCII 文件中。
洪仲坤, 龙笛
（1）数据内容为扎拉水电站高边坡环境监测数据，包含了扎拉水电站高边坡自动化监测的环境数据，对扎拉水电站边坡的稳定性具有一定的指导意义，可为扎拉水电站的防灾减灾提供数据支撑;（2）数据来源于自动化监测设备的自动传输，并通过监测预警平台的软件自动解译和处理，最终生成excel表格中的数据;（3）数据传输稳定，质量较高，可为扎拉水电站边坡稳定性提供依据;（4）数据可以反映扎拉水电站高边坡的环境变化情况，应用前景广泛。
徐昆振
（1）数据内容为扎拉水电站高边坡变形监测数据，包含了扎拉水电站高边坡自动化监测的变形数据，对扎拉水电站边坡的稳定性具有一定的指导意义，可为扎拉水电站的防灾减灾提供数据支撑;（2）数据来源于自动化监测设备的自动传输，并通过监测预警平台的软件自动解译和处理，最终生成excel表格中的数据;（3）数据传输稳定，质量较高，可为扎拉水电站边坡稳定性提供依据;（4）数据可以反映扎拉水电站高边坡的变形情况，应用前景广泛。
徐昆振
（1）数据内容为扎拉水电站高边坡应力监测数据，包含了扎拉水电站高边坡自动化监测的应力数据，对扎拉水电站边坡的稳定性具有一定的指导意义，可为扎拉水电站的防灾减灾提供数据支撑;（2）数据来源于自动化监测设备的自动传输，并通过监测预警平台的软件自动解译和处理，最终生成excel表格中的数据;（3）数据传输稳定，质量较高，可为扎拉水电站边坡稳定性提供依据;（4）数据可以反映扎拉水电站高边坡的应力变化情况，应用前景广泛。
徐昆振
（1）数据内容为扎拉水电站高边坡深部位移监测数据，包含了扎拉水电站高边坡自动化监测的深部位移数据，对扎拉水电站边坡的稳定性具有一定的指导意义，可为扎拉水电站的防灾减灾提供数据支撑;（2）数据来源于自动化监测设备的自动传输，并通过监测预警平台的软件自动解译和处理，最终生成excel表格中的数据;（3）数据传输稳定，质量较高，可为扎拉水电站边坡稳定性提供依据;（4）数据可以反映扎拉水电站高边坡的深部位移变化情况，应用前景广泛。
徐昆振
我们对碧土地区北澜沧江构造内大面积分布的花岗岩展开花岗岩岩石构造属性研究，主微量元素与Ｓｒ－Ｎｄ同位素均在中国科学院地球化学研究所矿床地球化学重点实验室完成。其中主量元素采用ＰＷ４４００型Ｘ荧光仪全岩分析，测定１０种元素氧化物含量；微量元素采用ＩＣＰ－ＭＳ电感耦合等离子体质谱分析仪进行测试，ＩＣＰ－ＭＳ由日本东京安捷伦公司制造，型号为Ａｇｉｌｅｎｔ ７７００ｘ，分析方法同张鑫等。根据对标准样品ＧＢＰＣ－１ｄｅ分析结果，分析误差＜５％。同位素测试实验采用型号为Ｎｅｐｔｕｎｅ Ｐｌｕｓ的ＭＣ－ＩＣＰ－ＭＳ双聚焦磁式质谱仪。实验检测依据为ＧＢ／Ｔ １７６７２—１９９９。
王世锋
针对青藏高原泛三江并流区的17.9万km2的区域，通过Sentinel-1升降轨，以及Palsar-1升轨三种SAR数据进行InSAR变形观测，根据获取的InSAR变形图像，结合地貌和光学影像特征进行综合解译。共识别得到海拔4000m以下的活动性滑坡949处。需要注意的是，因不同SAR数据的观测角度、敏感度和观测时相的差异，同一滑坡用不同数据解译存在一定的差异，在滑坡的范围、边界方面需要借助地面和光学影像进行修正。滑坡InSAR识别比例尺的概念与传统空间分辨率不同，主要依靠变形强度，因此一些规模较小，但与背景相比变形特征突出，整体性强，与地物具有逻辑空间关系的滑坡也能得以解译（配合SAR的强度图、地形阴影图、光学遥感影像为地物参照）。本次最小解译区域可达几个像素，如参考怒江沿江公路解译了一处只有4个像素的公路边坡滑坡。
姚鑫
在国家重点研发计划“冰冻圈和极地环境变化关键参数观测与反演”第一课题“冰冻圈关键参数多尺度观测与数据产品研制”、冰川、积雪、冻土变化与影响及应对 （2019QZKK0201）以及泛第三极环境变化与绿色丝绸之路建设（XDA20000000）等项目的资助下，中国科学院青藏高原研究所张寅生课题组发展了青藏高原地区降尺度雪水当量产品。该数据采用亚像元时空分解算法对青藏高原0.05°逐日积雪深度数据集（2000-2018）进行降尺度，并且采用雪深衰减模型补充反演微波探测不到的薄雪区域的雪深值。最后基于积雪密度格网数据，将积雪深度数据转换为雪水当量数据。
闫大江, 张寅生
1）数据内容：本数据集包含2020年青藏高原地区Landsat时序SI产品。2）数据来源及加工方法：主要是在青藏高原Landsat系列卫星地表反射率数据集的基础上，通过SI的计算公式进行生产的，即基于红光波段和蓝光波段能够很好地反映土壤盐分的原理；3）数据质量描述：为了标识云、冰雪，并相应生产了质量标识文件（QA）。4）数据应用成果及前景：该指数能很好的反映土壤的盐分程度，可用于定量化评价盐渍化土壤。
彭燕
1）数据内容：本数据集包含2020年青藏高原地区Landsat时序地表温度产品。2）数据来源及加工方法：利用中国遥感卫星地面站接收存档的Landsat数据和实用单通道算法反演得到；3）数据质量描述：root-mean-square error（RMSE）约为1.23K。4）数据应用成果及前景：地表温度是一个常用的陆地表面参数，该数据集可为资源调查、生态环境监测、全球变化研究等相关领域的研究和应用提供数据产品支撑。
张兆明
本数据是研究团队综合利用Sentinel-1 SAR数据，AMSR-2微波辐射计数据以及MODIS LST产品所生产的青藏工程走廊区域高分辨土壤冻融数据集。基于新提出的算法，本产品提供月尺度100m空间分辨土壤冻融状态检测结果，并通过气象站点和土壤温度站点进行精度验证。基于青藏工程走廊地区的4个气象站点进行精度验证，结果表明基于升轨和降轨Sentinel-1的土壤冻融检测结果的整体准确率分别为84.63%和77.09%。基于那曲土壤湿度/温度监测站点进行精度验证，升轨和降轨结果的平均整体精度为78.58%和76.66。该产品弥补了传统土壤冻融产品空间分辨率不足（>1km）的问题，为青藏工程走廊区域高分辨率土壤冻融监测提供了可能。
周欣, 刘修国, 周俊雄, 张正加, 陈启浩, 解清华
1）数据内容：本数据集包含2020年青藏高原地区MODIS时序光合有效辐射分数（FPAR）产品、地表总初级生产力产品（GPP）产品、Npp产品、蒸散发产品（ET）和叶面积指数（LAI）产品。2）数据来源及加工方法：FPAR产品和LAI产品来自第六版MODIS Terra MOD15A2H产品集，GPP和NPP产品均来自MODIS Terra MOD17A2H产品集，蒸散发产品来自MODIS Terra MOD16A2；通过USGS网站下载，利用GDAL插件进行拼接和转投影得到；3）数据质量描述：每种产品均有相应的质量文件，标识了云、雪、无效值等,以有效位编码方式存储。4）数据应用成果及前景：在森林、农业、生态等领域长时序信息挖掘分析方面具有重要的应用价值。
贡成娟
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
