该数据集共包含717个文件,其中station.txt文件主要描述716个站的站点信息,每列分别对应为:经度、纬度和高程;另外以站号命名的716个文件对应716个站的数据,文件中每列分别为:年、月、日和日平均太阳辐射。 该数据是基于中国气象局常规气象观测要素:温度、湿度、气压和日照时数等估算得到的。估算方法采用两个模型得到,分别为:人工神经网络模型和Yang混合模型。Yang混合模型在晴天情况下考虑了气溶胶散射和吸收、瑞利散射、水汽吸收、臭氧吸收和均一混合气体吸收五中衰减过程,云天情况下通过日照时数来参数化云对辐射的影响;而人工神经网络模型利用ANN模型在每个辐射站上建立了辐射和地面常规气象变量的关系。由于人工神经网络模型精度要比Yang混合模型估算精度高,因此通过人工神经网络模型估算值在月尺度上动态校正Yang混合模型估算值最终得到数据集合。
唐文君
采用温湿指数开展绿色丝绸之路沿线国家气候适宜性评价。温度是计算温湿指数的基础参数之一。在参考唐焰等(2008)计算温湿指数公式的基础上,基于国家气象信息中心提供的1981-2017年气象站点观测数据,计算各站点温度的多年平均数据。基于GIS技术,在考虑海拔、经纬度要素对温度影响的基础上,采用克里格方法对分布在绿色丝绸之路沿线国家的气象站点多年平均数据进行插值,得到1km×1km的栅格数据集。该数据集空间分辨率高,基于该数据集计算得到的气候适宜性评价结果更能凸显区域差异。
林裕梅
基于Google earth高清卫星影像,根据青藏高原矢量图,通过目视解译获取青藏高原全区2018年设施农业用地。所用影像拍摄时间集中于2017.11—2018.11。其中,基于2018年影像提取的设施农业面积约占总面积的70.47%;基于2017年11月以来拍摄影像提取的设施农业面积占比更是高达86.87%;部分地区影像拍摄时间相对较早,但多人烟稀少,没有或很少有设施农业分布,对研究结果影响不大。该数据有利于充分摸清青藏高原全区设施农业的空间分布情况,有利于当地设施农业空间规划调整。
吕昌河, 魏慧
1)数据内容包括西藏11个小流域5米分辨率2017年的土壤水蚀模数数据。2)采用中国土壤侵蚀模型CSLE方法,在面图层降雨侵蚀力R、土壤可蚀性K、坡度坡长因子LS、植被盖度FVC、轮作分区抽样调查单元的基础上,分别计算40个抽样单元土壤水蚀模数,评估土壤侵蚀状况。通过空间数据运算(包括图表链接及转换、矢栅转换、重采样等),将区域专题图降雨侵蚀力、土壤可蚀性、DEM转换为抽样单元的R、K、LS因子;通过半月FVC、NPV、半月降雨侵蚀力权重、其他地类B因子表分别计算抽样单元内各地类的B因子;通过遥感解译结果、工程措施因子表,计算抽样单元工程措施因子值;通过耕作分区图及耕作措施表获取抽样单元内耕作因子值,进而计算各抽样单元内土壤侵蚀模数。11个小流域的选取依据泛第三极地区抽样单元布设图。 3)通过和同年同区域已有土壤侵蚀强度数据对比,无明显差异,数据质量良好。4)土壤侵蚀模数数据对研究泛第三极土壤侵蚀现状,更好的贯彻“一带一路”发展政策具有重要的意义。
采用WRF模式制备的青藏高原近地表大气驱动和地表状态数据集,时间范围:2000-2010,空间范围:25-40 ºN,75-105 ºE,时间分辨率:逐时,空间分辨率:10 km,格点数为150*300。 总计有33个变量,其中包含的近地表大气变量11个: 地面上2m高度的温度、 地面上2m高度的比湿、地面气压、地面上10m风场的纬向分量、地面上10m风场的经向分量、固体降水比例、累积的积云对流降水、累积的格点降水、地表处的向下短波辐射通量、地表处的向下长波辐射通量、累计的潜在蒸发。 包含的地表状态变量有19个:各层土壤温度、各层土壤湿度、 各层土壤液态水含量、雪相态改变的热通量、土壤底部温度、地表径流、地下径流、植被比例、地面热通量、雪水当量、实际雪厚、雪密度、冠层中的水、地表温度、反照率、背景反照率、更低边界处的土壤温度、地表面处向上的热量通量(感热通量)、地表面处向上的水量通量(感热通量)。 其他变量3个:经度、纬度和行星边界层高度。
潘小多
2017年“一带一路”沿线64国民族人口占总人口的比重。数据来源:作者整理。数据质量良好。数据可在“一带一路”经济、社会、人口、治理结构等综合研究方面具有广阔的前景。“一带一路”涵盖亚太、欧亚、中东、非洲地区等,包括65个国家,总人口超过44亿,占全世界人口的63%。同时,“一带一路”沿线的民族人口分布众多,本数据集将“一带一路”不同区域,各个国家的主要民族人口比重进行阐述,一期为“一带一路”的系统研究与综合应用做出贡献。
宋涛
无论从全球尺度亦或是局地尺度而言,土壤数据极其重要,而由于缺乏可靠的土壤数据,土地退化评估、环境影响研究和可持续的土地管理干预措施收到了极大的瓶颈阻碍。受到土壤信息数据在全世界的迫切需要,特别是在气候变化公约的背景下,国际应用系统分析研究所(IIASA)及联合国粮农组织(FAO)和京都协议对土壤碳测量和联合国粮农组织/国际全球农业生态评价研究(GAEZ v3.0)共同倡导下建立了新一代世界土壤数据库(Harmonized World Soil Database version 1.2 )(HWSD V1.2)。其中,中国地区数据源为1995年全国第二次土地调查由南京土壤所所提供的1:1,000,000土壤数据。分辨率为30秒(约0.083度,1km)。采用的土壤分类系统主要为FAO-90。 核心土壤制度单元唯一验证标识符: MU_GLOBAL-HWSD数据库土壤制图单元标示符,连接了GIS图层。 MU_SOURCE1 和 MU_SOURCE2- 源数据库制图单元标识符 SEQ-土壤制图单元组成中的土壤单元序列; 土壤分类系统利用FAO-7分类系统或 FAO-90分类系统(SU_SYM74 resp. SU_SYM90)或FAO-85(SU_SYM85). 土壤属性表主要字段包括: ID(数据库ID) MU_GLOBAL(土壤单元标识符)(全球) SU_SYMBOL 土壤制图单元 SU_SYM74(FAO74分类); SU_SYM85(FAO85分类); SU_SYM90(FAO90土壤分类系统中土壤名称); SU_CODE 土壤制图单元代码 SU_CODE74 土壤单元名称 SU_CODE85 土壤单元名称 SU_CODE90 土壤单元名称 DRAINAGE(19.5); REF_DEPTH(土壤参考深度); AWC_CLASS(19.5); AWC_CLASS(土壤有效水含量); PHASE1: Real (土壤相位); PHASE2: String (土壤相位); ROOTS: String (到土壤底部存在障碍的深度分类); SWR: String (土壤含水量特征); ADD_PROP: Real (土壤单元中与农业用途有关的特定土壤类型); T_TEXTURE(顶层土壤质地); T_GRAVEL: Real (顶层碎石体积百分比);(单位:%vol.) T_SAND: Real (顶层沙含量); (单位:% wt.) T_SILT: Real (表层粉沙粒含量); (单位:% wt.) T_CLAY: Real (顶层粘土含量); (单位:% wt.) T_USDA_TEX: Real (顶层USDA土壤质地分类); (单位:name) T_REF_BULK: Real (顶层土壤容重); (单位:kg/dm3.) T_OC: Real (顶层有机碳含量); (单位:% weight) T_PH_H2O: Real (顶层酸碱度) (单位:-log(H+)) T_CEC_CLAY: Real (顶层粘性层土壤的阳离子交换能力); (单位:cmol/kg) T_CEC_SOIL: Real (顶层土壤的阳离子交换能力) (单位:cmol/kg) T_BS: Real (顶层基本饱和度); (单位:%) T_TEB: Real (顶层交换性盐基);(单位:cmol/kg) T_CACO3: Real (顶层碳酸盐或石灰含量) (单位:% weight) T_CASO4: Real (顶层硫酸盐含量);(单位:% weight) T_ESP: Real (顶层可交换钠盐);(单位:%) T_ECE: Real (顶层电导率)。 (单位:dS/m) S_GRAVEL: Real (底层碎石体积百分比);(单位:%vol.) S_SAND: Real (底层沙含量); (单位:% wt.) S_SILT: Real (底层淤泥含量); (单位:% wt.) S_CLAY: Real (底层粘土含量); (单位:% wt.) S_USDA_TEX: Real (底层USDA土壤质地分类); (单位:name) S_REF_BULK: Real (底层土壤容重); (单位:kg/dm3.) S_OC: Real (底层有机碳含量); (单位:% weight) S_PH_H2O: Real (底层酸碱度) (单位:-log(H+)) S_CEC_CLAY: Real (底层粘性层土壤的阳离子交换能力); (单位:cmol/kg) S_CEC_SOIL: Real (底层土壤的阳离子交换能力) (单位:cmol/kg) S_BS: Real (底层基本饱和度); (单位:%) S_TEB: Real (底层交换性盐基);(单位:cmol/kg) S_CACO3: Real (底层碳酸盐或石灰含量) (单位:% weight) S_CASO4: Real (底层硫酸盐含量);(单位:% weight) S_ESP: Real (底层可交换钠盐);(单位:%) S_ECE: Real (底层电导率)。 (单位:dS/m) 本数据库分两层,其中以顶层(T)土壤厚度为(0-30cm),底层(S)土壤厚度为(30-100cm)。 其他属性值请参考说明HWSD1.2_documentation文档.pdf,The Harmonized World Soil Database (HWSD V1.2) Viewer-中文说明及HWSD.mdb。
何永利
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
1)数据内容包括青海11个小流域30米分辨率2017年的土壤水蚀模数数据。2)采用中国土壤侵蚀模型CSLE (A=R•K•LS•B•E•T)方法,在面图层降雨侵蚀力R、土壤可蚀性K、坡度坡长因子LS、植被盖度FVC、轮作分区抽样调查单元的基础上,分别计算11个抽样单元土壤水蚀模数,评估土壤侵蚀状况。通过空间数据运算(包括图表链接及转换、矢栅转换、重采样等),将区域专题图降雨侵蚀力、土壤可蚀性、DEM转换为抽样单元的R、K、LS因子;通过半月FVC、NPV、半月降雨侵蚀力权重、其他地类B因子表分别计算抽样单元内各地类的B因子;通过遥感解译结果、工程措施因子表,计算抽样单元工程措施因子值;通过耕作分区图及耕作措施表获取抽样单元内耕作因子值,进而计算各抽样单元内土壤侵蚀模数。11个小流域的选取依据泛第三极地区抽样单元布设图。 3)通过和同年同区域已有土壤侵蚀强度数据对比,无明显差异,数据质量良好。4)土壤侵蚀模数数据对研究泛第三极土壤侵蚀现状,更好的贯彻“一带一路”发展政策具有重要的意义。
章文波
2017年“一带一路”沿线65国宗教人口占总人口的比重。数据来源:作者整理。数据质量良好。数据可在“一带一路”经济、社会、人口、治理结构等综合研究方面具有广阔的前景。“一带一路”涵盖亚太、欧亚、中东、非洲地区等,包括65个国家,总人口超过44亿,占全世界人口的63%。同时,“一带一路”沿线的不同宗教人口分布众多,本数据集将“一带一路”不同区域,各个国家的主要宗教人口比重进行阐述,以期为“一带一路”的系统研究与综合应用做出贡献。
宋涛
该数据集是2017年河湖源考察期间昂拉仁错的水质多参数数据,用于获取湖泊基本理化指标数据,为后续湖泊现代观测研究作准备。 数据观测时间为2017年8月29日至2017年8月30日。测量仪器为YSI EXO2水质多参数测量仪。仪器在每次测量之前都根据湖面海拔高度和当地气压进行校正,测量的时间间隔定为0.25s, 投放速度较慢,保证高连续性地获取数据;得到的原始数据包括了水面以上暴露在空气中的测量数据,在后期处理中予以剔除。数据以excel文件存储。
王君波
遥感影像解译标志也称判读要素,它能直接反映判别地物信息的影像特征,解译者利用这些标志在图像上识别地物或现象的性质、类型或状况,因此它对于遥感影像数据的人机交互式解译意义重大。本数据建立解译标志所采用的影像避免了植被覆盖度高的夏季,也避免了积雪较多、云层遮盖或烟雾影响较大的数据,并按照基础地理信息数据提取要求选择遥感影像波段组合顺序及与全色波段进行融合。在对数据进行增强处理时,避免引起信息损失。在影像上选择典型的标志建立区的要求是:范围适中以便反映该类地貌的典型特征,尽可能多的包含该类地貌中的各种基础地理信息要素类且影像质量好。标志区的选取完成后,寻找标志区内包含的所有基础地理信息要素类,然后选择各类典型图斑作采集标志,然后去实地进行野外校验,通过均匀布点采样设计(约52km为间隔均匀采点),收集整理了采样参考点3429个,照片数1870个,建立了解译标志库,并对不合理的部分进行修改,直到与实地相符为止。同时拍摄该图斑地面实地照片,以便于影像和实际地面要素建立关联,表达遥感影像解译标志的真实性和直观性,加深使用者对解译标志的理解。
刘铁
中亚地区荒漠化(土地沙化、盐渍化和植被退化)专题数据主要包括:中亚地区沙化土地分布图、中亚地区盐渍化土地分布图和中亚地区土地植被退化分布图,空间分辨率为1km,时间分辨率为年。中亚地区盐渍化土地分布图将盐渍化土地分为了轻度、中度、重度和极重度盐渍化土地四类。中亚地区土地植被退化分布图将植被退化状况分为了显著改善、轻微改善、稳定或无植被、轻微退化和显著退化五类。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”。
许文强
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
Koppen Geiger 气候类型地图为Rubel(2017)降尺度后的高分辨率格点数据集,提供了两个数据子集:一个数据Netcdf文件和一个用于单独可视化的NCL代码。数据集代表了1986-2010年的气候类型分布,分辨率为5弧分(1/12度,约10km)。 使用Rubel等人(2017)发展的降尺度算法,重新分析的Köppen-Geiger气候类型数据得到了5弧分的高分辨率版本。它代表了最近的25年气候类型的分布。 此外,颜色表针对更高的分辨率进行了优化,导致地图外观略有不同。
何永利
本数据集包含了自1010至2005年内各年代氧同位素数据,用于研究青藏高原希夏邦马地区环境变化。 冰芯氧同位素利用仪器测量得出,由仪器或者实验完成后直接得到数据,各个环节严格按照相关操作规程进行样品和数据采集,符合各实验室操作标准规范。 本数据包含两个字段: 字段1:年代 AD 字段2:氧同位素 ‰
田立德
该数据集是色林错流域地下水水位数据,可应用于气候学和环境变化、寒区水文过程等学科领域。 数据观测时间为2017年6月20日至2017年8月18日,利用自动水位计,每60分钟记录一条数据。内容包含色林错西侧地下水水位观测点的水压、水温。 原始数据压强精度为0.001kPa,水温精度为0.001℃。原始数据经过质量控制后形成连续时间序列,通过计算得到每日均值指标数据。数据以excel文件存储。
张寅生
本数据集为近几年依据地质考察成果绘制的青藏高原北部的尼玛盆地和伦坡拉盆地等地点的地质剖面图。地质剖面采用方法为人工测量各个不同地层的厚度,由经验丰富的地质工作者鉴定各个不同地层的岩性,回到室内后将所获得的地层数据资料和岩性资料进行系统整理,使用绘图软件进行地质剖面图的绘制。地貌图使用相关地区的卫星观测图,使用绘图软件进行图片截取,添加文字说明。各图的描绘非常细致全面,对青藏高原北部的重要地点,尼玛盆地和伦坡拉盆地的地质地貌研究,尤其是古高度和高原隆升过程的研究有着重要作用。
喜马拉雅东构造结是喜马拉雅造山带地壳缩短和构造旋转变形最为强烈的部位。北京时间2017年11月18日06时34分,西藏自治区林芝市米林县发生一次6.9级地震.地震定位于喜马拉雅东构造结内印度板块向欧亚板块插入的东北犄角。我们在该地区布设了宽频带地震观测台站,用以记录地震波形数据。由于原始连续波形数据量庞大,该数据库提供2017年11月18日至2018年12月31日在研究区内发生的3级以上地震的波形记录。
白玲
中亚-西亚地区资源环境基础地理数据集主要包括6部分:中亚-西亚地区行政区划图、地形地貌图、水系图、年累积降水图、年平均温度图和潜在蒸散发分布图。其中行政区划图为最新的国家边界数据,地形地貌图DEM分辨率为90米,水系图为最新的一级河流矢量数据。年累积降水图和年平均温度图中降水和温度数据由长时间序列的站点数据插值得到,而潜在蒸散发分布图中的潜在蒸散数据是基于Penman-Monteith公式计算得到,降水、温度和潜在蒸散数据均由原始0.5°的CRU数据基于ArcGIS软件的双线性插值方法重采样为0.25°得到,且数据集经过严格的质量控制和一致性检查,相关研究(Deng and Chen, 2017; Li et al., 2017; Li et al., 2016)表明该数据集在中西亚地区对气候相关研究具有很好的适用性。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”。
包含了西藏地区各地海拔高度,1988-1994年气温特征数据。数据整理自统计年鉴:《西藏社会经济统计年鉴》和《西藏统计年鉴》,精度同数据所摘取的统计年鉴。 数据表共有10个字段 字段1:年份 解释:数据的年份 字段2:地点 字段3:海拔 米 字段4:极端最高气温日期 字段5:极端最高气温 ℃ 字段6:极端最低气温日期 字段7:极端最低气温 ℃ 字段8:年平均温度 ℃ 字段9:一月平均温度 ℃ 字段10:七月平均温度 ℃
西藏自治区统计局
中亚-西亚地区典型流域荒漠化关键要素数据集由4部分组成,分别是阿姆河流域农用地分布及变化、阿姆河流域草地分布及变化、阿姆河流域灌丛分布及变化和阿姆河流域森林分布及变化,数据空间分辨率为30m。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,数据生产费用由“中国科学院战略性先导科技专项XDA20030101资助”。阿姆河流域荒漠化关键要素数据集由1990年、2000年和、2010年三期数据组成,是基于TM/ETM遥感影像解译获得。
该数据集记录了青海省1985-2016年社会消费品零售总额、批发零售贸易总额、住宿餐饮及其他行业零售总额序列数据。数据整理自统计年鉴:《青海社会经济统计年鉴》和《青海统计年鉴》,精度同数据所摘取的统计年鉴。 数据表共有5个字段 字段1:年份 解释:数据的年份 字段2:社会消费品零售总额 万元 字段3:批发零售贸易 解释:批发零售贸易额 万元 字段4:住宿餐饮 解释:住宿餐饮总额 万元 字段5:其他行业 解释:其他行业零售总额 万元
青海省统计局
地形起伏度是区域海拔高度和地表切割程度的综合表征。在参考封志明等(2007)中国人居环境评价背景下的地形起伏度定义及其计算公式基础上,将数字高程模型(ASTER GDEM 30 m)数据重采样成1 km,运用模型计算得到绿色丝绸之路沿线国家地形起伏度公里网格数据集。该数据集包括:(1)绿色丝绸之路沿线国家地形起伏度公里网格空间数据;(2)绿色丝绸之路沿线国家海拔数据;(3)绿色丝绸之路沿线国家平地数据。
肖池伟
中亚-西亚地区荒漠化关键要素数据集(阿姆河流域)主要包括:阿姆河流域湖泊分布图、植被覆盖度图和净初级生产力图,其中阿姆河流域湖泊分布图和植被覆盖度图空间分辨率为30m,时间分辨率为1990、2000和2010年三期;净初级生产力图空间分辨率为500m,时间分辨率为2001和2010年两期(由于1990年还没有发射MODIS卫星,所以没有1990年数据)。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”。阿姆河流域湖泊分布和植被覆盖度数据是基于1990年、2000年和2010年TM/ETM遥感影像解译和计算得出。净初级生产力数据是基于MODIS影像数据计算的净初级生产力(NPP)年累计值。
许文强
1) 数据内容(包含的要素及意义): 大气柱总含水量/可降水量、 儒略日Julian Day、经纬度和海拔高度; 2) 数据来源及加工方法: ECMWF-interm逐月再分析资料集 monthly mean analysis; 3) 数据质量描述:时间分辨率为逐月,空间分辨率:0.7°*0.7°; 4) 数据应用成果及前景:数据集给出了高原空中大气水资源的空间情况,用于分析高原空中水汽的时空变化及对周边地区降水的影响。
阎虹如
ASTER Global Digital Elevation Model (ASTER GDEM)是美国航空航天局 (NASA)和日本经济产业省(METI)联合发布的全球数字高程数据产品,该DEM数据是根据NASA新一代对地观测卫星TERRA的观测结果完成,是由ASTER(Advanced Space borne Thermal Emission and Reflection Radio meter)传感器搜集的130万个立体像对数据制作,其覆盖范围超过了地球99%陆地表面。本数据下载自ASTER GDEM数据分发网站,为了便于用户使用数据,在分幅ASTER GDEM数据的基础上,我们使用erdas软件进行拼接制备青藏高原ASTER GDEM镶嵌图。 ASTER GDEM发布了两个版本,第一个版本于2009年6月发布,第二个版本于2011年10月发布,本数据集为青藏高原地区第二版本的ASTER GDEM数据集。 本数据集共包括三个数据文件: ASTER_GDEM_TILES ASTERGDEM_MOSAIC_DEM ASTERGDEM_MOSAIC_NUM 青藏高原地区ASTER GDEM数据,精度30米,原始数据为tif格式,镶嵌数据使用img格式存储。 本数据集原始数据下载于ASTERGDEM网站,完全保留了数据的原貌,ASTER GDEM在分发时被分割为若干1×1度的数据块,分发格式为zip压缩格式,每个压缩包包括两个文件,文件命名格式如下: ASTGTM_NxxEyyy_dem.tif ASTGTM_NxxEyyy_num.tif 其中xx为起始纬度,yyy为起始经度。_dem.tif为dem数据文件,_num.tif为数据质量文件。 ASTER GDEM TILES:原始数据保留数据原貌,未进行处理 ASTERGDEM_MOSAIC_DEM:使用erdas软件对dem.tif数据进行镶嵌,参数设置使用默认值 ASRERGDEM_MOSAIC_NUM:使用erdas软件对num.tif数据进行镶嵌,参数设置使用默认值 原始数据保留数据原貌,精度同ASTERGDEM数据分发网站的数据精度,该数据的水平精度30米,高程精度为20米。镶嵌数据使用erdas制作,参数使用默认值。
METI, NASA
该数据集记录了“一带一路”沿线65个国家1960-2017年城市人口统计数据。数据来源:(1)联合国人口司,世界人口前景:2017、2018年修订;(2)国家统计局的人口普查报告和其他统计出版物;(3)欧盟统计局:人口统计;(4)联合国统计司,人口和生命统计报告(不同年份);(5)美国人口普查局:国际数据库;(6)太平洋共同体秘书处:统计和人口统计方案。 数据集包含3个数据表:城市人口数,城市人口比例,城市人口增长率。
徐新良
MODIS土地覆盖类型产品第六版(MCD12Q1_v06)是根据一年的Terra和Aqua观测所得的数据经过处理,描述土地覆盖的类型产品。该土地覆盖数据集中包含了17个主要土地覆盖类型,根据国际地圈生物圈计划(IGBP),其中包括11个自然植被类型,3个土地开发和镶嵌的地类和3个非草木土地类型定义类。 1-常绿针叶林;2-常绿阔叶林;3-落叶针叶林;4-落叶阔叶林;5-混交林;6-稠密灌丛;7-稀疏灌丛;8-木本稀树草原;9-稀树草原;10-草地;11-永久湿地;12-农用地;13-城市和建筑区;14-农用地/自然植被拼接;15-雪和冰;16-裸地;17-水 为了便于用户使用方便,在分块数据的基础上,我们将0-90N,0-180E内所有区块进行拼接,没有经过任何重采样处理。数据分辨率为500m,投影为正弦投影 数据下载地址:https://ladsweb.modaps.eosdis.nasa.gov/search/order/1/MCD12Q1--6
何永利, 美国陆面过程数据分发中心
1.数据来源: MODIS/Terra Vegetation Indices 16-Day L3 Global 250m SIN Grid V006产品(2000-2017) 下载地址 https://search.earthdata.nasa.gov/ 2.数据名称: (1)resize为批量裁剪过程中自动生成,表示已经过掩膜提取,处理后数据范围为新疆自治区; (2)七位数字代表数据获取时间,前四位为年份,后三位表示一年中的第几天。如“2000049”,表示数据获取年份为2000年,具体时间为当年第49天; (3)250m表示地面分辨率,即250米; (4)16_days表示时间分辨率,即16天; (5)NDVI表示数据类型,即归一化植被指数; 3.数据时间范围: 2000049-2017353,数据间隔为16天; 4..tif文件与.hdr文件 .tif文件为原始NDVI数据,同名.hdr文件为支持.tif文件正常使用的掩膜数据,请勿删除或重命名; 5. 用于冰冻圈生态效应分析
吴雪娇
该数据集是利用Flow Tracker便携式水文流速流量仪观测获取的波曲藏布入湖口的流量数据,可应用于寒区水文过程等学科领域。 数据获取时间为2017年8月16日,数据内容包含测量时间、位置、水深、流速及流量。 数据以excel文件存储。
张寅生
“一带一路”土地资源生产力数据内容包括:1、区域及沿线国家耕地资源面积数据;2、区域及沿线国家粮食播种面积及粮食总产量数据;3、区域及沿线国家主要农作物(水稻、小麦、玉米)种植面积及产量数据;4、区域及沿线国家草地资源面积数据;5、区域及沿线国家牲畜(牛、羊)数量。数据来源:耕地及人口数据来源于世界银行数据库;粮食、作物、草地、牲畜数据来源于FAO。数据应用:根据所提供数据可以进行“一带一路”区域及沿线国家的土地资源基本特征分析、土地资源产出分析,从而进行土地资源生产力评价分析。
杨艳昭
Randolph冰川目录(Randolph Glacier Inventory,RGI)是GLIMS(Global Land Ice Measurements from Space)发布的全球冰川轮廓的完整目录,青藏高原冰川数据来自2015年版本的RGI数据集。 数据按照不同地区进行组织,每个地区包括一个shape文件(.shp文件及其相应的.dbf、.prj和.shx等文件),一个测高数据的.csv文件,每条冰川包含一条记录。 数据来源于GLIMS: Global Land Ice Measurements from Space(http://www.glims.org/RGI/) 数据质量检查包括几何、拓扑和属性检查,包括: 1) 所有多边形都使用ArcGIS Repair Geometry工具进行检查; 2) 删除了小于0.01平方公里的冰川; 3) 拓扑使用Does Not Overlap规则进行检查; 4) 属性表利用Fortran子程序和Python脚本进行数据质量检查。
National Snow and Ice Data Center(NSIDC), Global Land Ice Measurements from Space(GLIMS)
通过野外调查、监测、采样和室内检测,测定了西天山伊塞克湖地区的水化学指标和土壤样品中有机污染物。伊塞克湖区域土壤的有机氯农药农药含量整体较低,其中含量较高的点出现在废弃物处理点和城市污水排放处。主成分和相关分析显示,污染物主要是历史残留来源,除了DDT,可能是当地非法使用及其在废弃物处理点讲解较慢引起的。伊塞克湖区域的有机氯农药主要是当地的内在源,而西部和南部主要是大气长距离传输。风险评估显示,该区域的有机氯农药不会造成生态风险。
吴敬禄
该数据集记录了青海省2000-2016年企业信息及1985-2016年利用外资情况。数据整理自统计年鉴:《青海社会经济统计年鉴》和《青海统计年鉴》,精度同数据所摘取的统计年鉴。 数据集包含2个数据表,分别为:分县企业统计,利用外资概况。 数据表1:分县企业统计 表共有5个字段 字段1:区县 字段2:年份 字段3:规模以上工业企业个数 字段4:规模以上工业总产值 万元 字段5:城镇固定资产投资完成额 万元 数据表2:利用外资概况 表共有4个字段 字段1:年份 解释:数据的年份 字段2:外商投资项目 解释:外商投资项目数目 个 字段3:利用外资额 解释:外资利用数额 万美元 字段4:实际利用额 解释:实际利用外资额度 万美元
青海省统计局
绿色丝绸之路坡度数据集可以用来表征地表单元陡缓的程度,对地形表面陡缓程度的定量化描述. 运用来源于USGS的GMTED2010 DEM数据,计算坡度数据。首先,对数据进行预处理,包括投影、裁剪等,得到绿色丝绸之路区域的DEM数据,其次,在ArcGIS软件中选择度数法计算坡度,生成绿色丝绸之路坡度数据集。该数据集质量优良,能精确反映绿色丝绸之路地区的地表缓陡程度。该数据可以应用于测绘、遥感、环境资源、农林土地规划、城市规划、灾害监测、水电工程及军事等资源环境和社会经济等领域。
杨小唤
该数据集为中亚五国599个气象站点的气温和降水数据包括以下要素:*每日最高温度、*每日最低温度、*观察时的温度、*降水(即下雨,融化的雪),涵盖日期包括:1980年-1986年;1996年-2005年;2010年;2014年;2015年 数据来源于GHCN-D-一个包含全球陆地区域日观测数据的数据集,GHCN-Daily综合了气候记录。 数据为直接测量表面温度,无需插值或模型假设,包含许多长期的站点记录。缺点是空间覆盖不均,由于观察时间,站点位置和使用的温度计类型的变化,记录包含许多不均匀性。 有关此数据集的详细信息,可参考https://www.ncdc.noaa.gov/ghcnd-data-access
张弛
GPCC月平均降水数据集基于全球每月约80,000个台站的全球陆地表面降水数据产品,其记录持续时间长达近百年。 每月的数据覆盖范围从~6,000(1900年之前)到超过50,000个站。 完整数据每月产品将在重大数据库改进后的不定时间间隔进行更新。 此产品的空间分辨率为0.5°x 0.5°。 对站点处的降水异常进行插值,然后以相应的分辨率叠加在GPCC气候态V2018 (DOIs: 10.5676/DWD_GPCC/Clim_M_V2018_050)上。数据集的时间范围从1891年1月到2016年12月。 GPCC月平均数据产品是最准确的站点降水再分析数据集。此外,它还支持区域气候监测,模型验证,气候变率分析和水资源评估研究。
何永利
本数据内容为黑河上游西支流域水文地质图,包含地层、河流、断层、现代冰川等信息;本数据由野牛台幅综合水文地质图、祁连山幅综合水文地质图、祁连幅综合水文地质图、肃南幅地质图(1:20万)等扫描纠正,进行矢量得出,并根据野外调查情况对地层进行整合。本数据可供我们更好地了解黑河上游西支地区的岩性、构造、地貌、水文地质条件等,方便各研究者对我们所做的工作范围和研究领域产生更加清晰明了的认识和理解,便于进行检索下载。
孙自永
纳木错观测的大气和湖水中持久性有机污染物的浓度,包括:大气气态有机氯农药(OCPs)、多氯联苯(PCBs)、多环芳烃(PAHs)浓度的时间序列;大气颗粒态PAHs浓度的时间序列;湖水中溶解态持久性有机污染物(POPs)的浓度;湖水悬浮颗粒物中POPs的浓度。大气样品由纳木错多圈层综合观测站的大气主动采样器采集,采样器的流量为60 L min-1,隔天采集,每半个月为1个样品,采样体积约为600 m3。每个大气样品包括吸附颗粒态POPs的玻璃纤维滤膜(GFF,0.45 μm,Whatman)和收集气态POPs的聚氨酯泡沫(PUF,7.5×6 cm)。湖水样品为环纳木错15个采样点采集的表层湖水样品,水深0-1 m,每个样品体积为200 L。水样先通过0.7 μm的GFF膜过滤得到水中的总悬浮颗粒物,然后使用XAD-2填充的固相萃取柱富集水中的溶解态POPs。各介质样品均在青藏高原研究所环境变化与地表过程重点实验室进行样品前处理和仪器分析。样品前处理步骤包括索式提取、硅胶-氧化铝柱净化、过GPC柱去除大分子杂质、浓缩定容等步骤。分析测试仪器为美国热电公司生产的气相色谱-质谱联用仪(GC-MS, Finnigan-Trace GC/PolarisQ)。分离OCPs和PCBs的色谱柱为CP-Sil 8CB毛细柱(50 m×0.25 mm×0.25 μm),分离PAHs的色谱柱为DB-5MS毛细柱(60 m×0.25 mm×0.25 μm)。采样和实验室分析过程均遵循严格的质量控制措施,设置了实验室空白和野外空白。PAHs的回收率在65-92%之间,OCPs的回收率在64-112%之间,样品浓度未使用回收率进行校正。
王小萍
植被净初级生产力指数(Net PrimaryProductivity,NPP)反映的是植物固定和转化光能为化合物的效率,是指绿色植物在单位时间、单位面积内所累积有机物数量,是由植物光合作用所产生的有机质总量(Gross Primary Productivity,GPP)中减去自养呼吸(Autotrophic Respiration,RA)后的剩余部分,也称净第一生产力。NPP作为地表碳循环的重要组成部分,不仅直接反映了植被群落在自然环境条件下的生产能力,而且也是衡量区域土地利用/覆被变化的重要组成部分。净初级生产力数据产品,采用光能利用率(GLOPEM)模型算法通过多种卫星遥感数据(Landsat、MODIS等)反演得到的多种尺度栅格数据产品,该数据也是判定和调节生态过程的主要因子。
刘铁
数据来源于美国地质勘探局(USGS)开发的30秒全球高程数据集,于1996年完成。从NCAR和UCAR联合的数据下载中心(https://rda.ucar.edu/datasets/ds758.0/)下载了泛第三极区域的数据,并通过数据中心重新分发。GTOPO30在分发时将全球分为33个区块,采样间隔为30弧秒, 即0.008333333333333度,坐标参考为WGS84,其值为垂直方向高出海平面的距离,即海拔,单位为m,海拔范围-407到8752,这里不包含海洋深度信息,负值为大陆架的海拔;海洋处标记为-9999,海岸线以上大陆海拔至少为1;小于1平方千米的岛不考虑。详细说明信息请见说明文档。 为了便于用户使用方便,在分块数据的基础上,将-10S-90N,20W-180E内10个区块进行拼接,没有经过任何重采样处理。本数据文件为DEM_ptpe_Gtopo30.nc
何永利
“一带一路”沿线国家食物消费数据内容包括:1.区域及沿线食物消费总量,主要包括谷物(除啤酒)、肉类、蛋类、奶类(除奶酪)、水果(除酒类)、蔬菜、豆类、根茎类、油料、糖料十大类食物;2.区域及沿线营养素摄入量,主要包括热量、蛋白质、脂肪三大宏量营养素;数据来源:FAO。数据应用:根据提供数据可以进行“一带一路”区域及沿线国家食物消费基本特征分析、营养水平特征分析、食物消费压力分析,从而进行膳食消费结构和食物需求特征评价。
杨艳昭
采用板块构造、古地理学、含油气盆地分析和沉积盆地动力学理论作为指导,在大量收集泛第三极近年来地质研究和油气地质研究的各种资料成果,包括地层、沉积、古生物、古地理、古环境、古气候、构造、油气(钾盐)地质等基础材料,特别是以古地磁、古生物以及碎屑锆石、地球化学等资料的基础上,结合典型实测地层剖面的成果,对三叠纪时期岩相和气候古地理格局进行恢复与重建,得到泛第三极早、中、晚三叠世岩相古地理图(3张)及泛第三极早、中、晚三叠世气候古地理图(3张),旨在探讨古地理、古构造、古气候等对油气(含钾盐)资源的控制和影响作用,以揭示油气形成的地质条件和资源分布规律,为我国海外和境内油气勘探部署提供科学依据和技术支撑。 不同的岩相、气候之间界线清晰,较好的揭示了三叠纪时期岩相和气候古地理格局,对于研究古地理、古构造、古气候等对油气(含钾盐)资源的控制和影响作用,揭示油气形成的地质条件和资源分布规律有一定的指示意义。
李亚林
本数据集来源于欧洲中期天气预报中心(ECMWF)所发布的基于4维变分(4D-Var)的全球大气再分析数据集ERA-Interim。 ERA-Interim是欧洲中期天气预报中心(ECMWF)的一项主要任务,旨在通过改进的大气模型和同化系统来进行再分析,以取代ERA-40中使用的模型和同化系统,尤其在数据丰富的1990年代和2000年代下,并将继续作为ECMWF气候数据同化系统(ECDAS),直到被新的系统所取代。 自1997年起,由于计算力的系统性提升,使得4维变分同化(4D-Var)逐步可行并成为了ECMWF同化系统的一部分,这为ERA-Interim基于4D-Var打下了基础。计算力的加强还将水平分辨率从T159提升到了T255,且可以开始应用最新的集成预测系统(IFS CY31r1和CY31r2)和经过改进的物理参数化方案。 在垂直层上,ERA-interim与ERA-40一样又60层,最高层为0.1 hPa。此外,ERA-Interim的数据同化效果的提高还得益于质量控制,该质量控制借鉴了ERA-40和JRA-25的经验,卫星辐射数据的偏差校正以及通过改进的快速辐射传输模型更广泛地使用辐射。 在数据上,ERA-Interim使用了新的ERS(欧洲遥感卫星)高度波高度,EUMETSAT(欧洲气象卫星开发组织)重新处理的风和晴空辐射,来自卢瑟福·阿普尔顿实验室的GOME(全球臭氧监测实验)臭氧数据以及CHAMP(具有挑战性的微型卫星有效载荷),GRACE(重力恢复和气候实验)和COSMIC(气象,电离层和气候星座观测系统)由UCAR(大学大气研究公司)处理和存档的GPS无线电掩星测量。
邓创武
植被指数是反映植被物候变化的关键参数,高时间和空间分辨率的植被指数数据能够为全球变化研究提供可靠数据支持。目前,MODIS卫星数据产品是获取植被指数的一项重要数据源。MOD13Q1以每像素为基础提供植被指数(VI)值。有2个主要植被层。第一个是归一化差异植被指数(NDVI),第二个植被层是增强植被指数(EVI)。以17个关键节点为研究区域,基于2000至2016年MOD13Q1数据,对不同地区植被的NDVI、EVI各种数据进行了裁剪和估算,最终得到了关键节点区域2000-2016年16天百米级植被指数数据。
葛咏, 凌峰, 张一行
高频连续GPS观测可以有效监测地壳形变的运动学特征,祁连山区域作为青藏高原东北缘的重要约束边界,对该区域的研究可以给青藏高原生长隆升与大陆内部形变的动力学过程提供重要启示,在局部上可以探讨海原断裂是否存在蠕滑以及东北缘运动方式;数据来源于本课题组在祁连山区域布设的26个固定站点,选址要求严格,接收机为trimble公司提供的高频连续GPS接收机,数据质量良好,数据不仅可以应用于地球动力学研究,还可应用于气象学降水等相关地球科学研究。
何建坤
青藏高原逐日无云MODIS积雪面积比例数据集(2000-2015)是在MODIS逐日积雪产品—MOD10A1的基础上,采用一种基于三次样条函数插值的去云算法进行去云处理后得到。 该数据集采用UTM(横轴等角割圆柱)投影方式,空间分辨率500m,提供逐日的青藏高原地区积雪面积比例(Fractional Snow Cover-FSC)结果。数据集为逐日文件,从2000年2月24日到2015年12月31日。每个文件为当日的积雪面积比例结果,数值为0-100(%),为ENVI标准文件,命名规则为:YYYYddd_FSC_0.5km.img,其中YYYY代表年,ddd代表儒略日(001-365/366)。文件可直接用ENVI或者ARCMAP等软件打开察看。 进行去云处理的原始MODIS积雪数据产品来源于由美国国家雪冰数据中心(NSIDC)处理的MOD10A1产品,这一数据集为hdf格式,采用sinusoidal投影。 青藏高原逐日无云MODIS积雪面积比例数据集(2000-2015)属性由该数据集的时空分辨率、投影信息、数据格式组成。 时空分辨率:时间分辨率为逐日,空间分辨率为500m,经度范围为72.8°~106.3°E,纬度为25.0°~40.9°N。 投影信息:UTM(横轴等角割圆柱)投影。 数据格式:ENVI标准格式。文件命名规则:“YYYYddd”+“_FSC_0.5km”+“.img”,其中YYYY代表年,ddd代表儒略日(001-365/366),其中“.img”是为了方便在ARCMAP等软件打开察看而添加的文件后缀。例如2000055_FSC_0.5km.img代表2000年第55天的结果。其中该数据集的ENVI文件是由头文件和主体内容构成。头文件包括行数、列数、波段数、文件类型、数据类型、数据记录格式、和投影信息等;以2000055_FSC_0.5km.img 文件为例,其头文件信息如下: ENVI description = { ENVI File, Created [Sat Apr 27 18:40:03 2013]} samples = 5760 lines = 3300 bands = 1 header offset = 0 file type = ENVI Standard data type = 1 :代表byte型 interleave = bsq :数据记录格式为BSQ sensor type = Unknown byte order = 0 map info = {UTM, 1.500, 1.500, -711320.359, 4526650.881, 5.0000000000e+002, 5.0000000000e+002, 45, North, WGS-84, units=Meters} coordinate system string = {PROJCS["UTM_Zone_45N",GEOGCS["GCS_WGS_1984",DATUM["D_WGS_1984",SPHEROID["WGS_1984",6378137.0,298.257223563]],PRIMEM["Greenwich",0.0],UNIT["Degree",0.0174532925199433]],PROJECTION["Transverse_Mercator"],PARAMETER["False_Easting",500000.0],PARAMETER["False_Northing",0.0],PARAMETER["Central_Meridian",87.0],PARAMETER["Scale_Factor",0.9996],PARAMETER["Latitude_Of_Origin",0.0],UNIT["Meter",1.0]]} wavelength units = Unknown,band names = {2000055}
唐志光, 王建
该数据集是利用HS-2便携式水文流速流量仪观测获取的扎加藏布入湖口的流量数据,可应用于寒区水文过程等学科领域。 数据获取时间为2017年8月15日,数据内容包含测量时间、位置、水深、流速及流量。 数据以excel文件存储。
张寅生
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