利用野外调查和文献调研收集到的青海沙蜥(Phrynocephalus vlangalii)分布点,结合五个来自于WorldClim数据库的气候因子,分别将当前(1960-1990年)和未来(2061-2080年)的气候数据输入训练好的物种分布模型,对当前和未来的适宜栖息地进行预测。预测结果表明,在青海沙蜥在气候变化下将会丧失大量原有栖息地,针对青海沙蜥的保护措施应重点关注青藏高原东缘,柴达木盆地北部和东部这些地区。模型也预测在气候变化后,新的适宜栖息地将在原本不适宜青海沙蜥生存的地区出现。然而,由于爬行动物的扩散能力非常有限(文献记录的最大年扩散距离不足500m),新出现的适宜栖息地不一定能被青海沙蜥利用。同时,通过野外工作收集三个海拔种群青海沙蜥的生理、生活史、行为及形态数据并结合微气候数据,利用机制生态位模型预测了气候变化在当前适宜分布区对青海沙蜥造成的生理后果。模型预测的结果表明,无论在SSP245还是SSP585气候变化情景下,青海沙蜥的活动时间在当前适宜分布区的大部分范围(> 93%)内都会增加,热安全阈在当前适宜分布区的所有地点都会减少。高海拔种群的活动时间增幅小于低海拔种群,而其热安全阈减少的幅度却大于低海拔种群。研究结果揭示了气候变化可能对分布在高海拔地区的蜥蜴种群造成更大影响。
曾治高
1) 数据内容:该数据是对青藏高原林芝地区立定遗址文化层堆积剖面进行研究产生的古DNA数据,包括4个层位10个堆积物古DNA样本的HiseqX宏基因组预测序数据。可以用来初步分析林芝立定遗址堆积物古DNA记录的物种组成的历时性变化,揭示当地古代农业发展的历程。 2) 数据来源及加工方法:课题组自有数据,利用Pair-end建库测序方法和illumina HiseqX测序平台检测获取。 3) 数据质量:20.3MB数据量,Q30>85%。 4) 数据应用成果及前景:数据用于探索遗址堆积物古DNA在揭示青藏高原古代农业发展历程中的研究潜力。
杨晓燕
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
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
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
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
数据集包含2000年,2010年,2018年青藏高原县级理论载畜量数据和1980年, 1990年, 2000年, 2010年, 2017年县级超载程度。基于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学模型VIP(Vegetation interface process) 模拟的NPP数据计算了产草量数据(1km分辨率),按照县行政区域尺度,计算县域产草量,并根据载畜量计算标准(NY/T 635-2015)计算得到县域范围内的理论载畜量。基于县级实际载畜量数据,计算了超载程度。数据将为草地恢复、管理和利用策略的制定提供借鉴。
莫兴国
针对青藏高原特色,按照科学性、系统性、完整性、可操作性、可度量性、简明性、独立性的原则,重点包含农牧业活动、工矿业发展、城镇化发展、旅游业活动、重大生态工程建设、污染物排放等主要人类活动构建了适宜青藏高原的人类活动强度评估指标体系,基于遥感数据、地面观测数据、气象数据及社会统计年鉴数据等,采用层次分析法,对人类活动的正面和负面效应进行了定量评价,综合评估了人类活动强度及其变化特征。数据不仅有助于增强人类活动在全球变化敏感区植被变化中所扮演角色的认识,而且可以为青藏高原社会经济可持续发展提供理论基础,同时为保护青藏高原生态环境和筑牢国家生态安全屏障提供科学依据。
张海燕, 辛良杰, 樊江文, 袁秀
通过对青藏高原151、江西沟1、江西沟2、黑马河1、下大武遗址、耶则热、尼阿底和伶坰等8个旧石器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、动物遗存鉴定数据、植物大遗存鉴定数据、木炭鉴定数据和碳氮稳定同位素数据。该数据集为研究青藏高原旧石器时代先民的活动历史和生业模式提供了数据支撑。
张东菊, 张晓凌, 刘向军
通过对青藏高原梅诺、萨日果、容哇果、卡则、吉哈、牙日给、巴米、巴荣巴当、青土、拉布、麦松岩画、尕拉、耶则热地点1和耶则热地点4等14个历史时期遗址进行考古调查和试掘,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,得到了一批遗址的碳十四年代数据和动物遗存鉴定数据。该数据集为研究青藏高原历史时期先民的活动历史和生业模式提供了数据支撑。
董广辉, 侯光良
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,对一个青藏高原的蔓菁自交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。高原各地的传统蔓菁品种是人类选择和基于区域气候环境自然选择的综合作用结果,因此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
通过对青藏高原高苜蓿地、朵家梁、水口、棋盘山、新寨、参雄尕塑、鸟岛、邦嘎和白羊村等25个新石器-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、动物遗存鉴定数据、植物大遗存鉴定数据和碳氮稳定同位素数据。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。
董广辉, 杨晓燕, 吕红亮
本数据集包含自1982年至2006年基于生态学模式与遥感数据计算青藏高原植被净初级生产力(Net Primary Productivity,NPP)的结果。 基于遥感Advanced Very High Resolution Radiometer(AVHRR)数据和Carnegie-Ames-Stanford Approach(CASA)模型生成的青藏高原生态系统NPP(1982-2006),基于第二次土壤普查数据生成的土壤碳含量,以及基于High Resolution Biosphere Model(HRBM)模型生成的生物量碳数据。 青藏高原森林生态系统NPP(1982-2006年): npp_forest82.e00,npp_forest83.e00,npp_forest84.e00,npp_forest85.e00,npp_forest86.e00, npp_forest87.e00,npp_forest88.e00,npp_forest89.e00,npp_forest90.e00,npp_forest91.e00, npp_forest92.e00,npp_forest93.e00,npp_forest94.e00,npp_forest95.e00,npp_forest96.e00, npp_forest97.e00,npp_forest98.e00,npp_forest99.e00,npp_forest00.e00,npp_forest01.e00, npp_forest02.e00,npp_forest03.e00,npp_forest04.e00,npp_forest05.e00,npp_forest06.e00 青藏高原草地生态系统NPP(1982-2006年): npp_grass82.e00,npp_grass83.e00,npp_grass84.e00,npp_grass85.e00,npp_grass86.e00, npp_grass87.e00,npp_grass88.e00,npp_grass89.e00,npp_grass90.e00,npp_grass91.e00, npp_grass92.e00,npp_grass93.e00,npp_grass94.e00,npp_grass95.e00,npp_grass96.e00, npp_grass97.e00,npp_grass98.e00,npp_grass99.e00,npp_grass00.e00,npp_grass01.e00, npp_grass02.e00,npp_grass03.e00,npp_grass04.e00,npp_grass05.e00,npp_grass06.e00 青藏高原生物量碳、土壤碳: Biomass.e00,Socd.e00 土壤碳含量数据(Socd)是参考全国第二次土壤普查的数据与《中国1:100万土壤图》按土壤亚类插值生成。 NPP数据来自CASA模型与AVHRR数据模拟生成: Potter CS, Randerson JT, Field CB et al. Terrestrial ecosystem production: a process model based on global satellite and surface data. Global Biogeochemical Cycles, 1993, 7: 811–841. 生物量碳数据来自HRBM模型模拟生成: McGuire AD, Sitch S, et al. Carbon balance of the terrestrial biosphere in the twentieth century: Analyses of CO2, climate and land use effects with four process-based ecosystem models. Global Biogeochem. Cycles, 2001, 15 (1), 183-206. 原始资料主要是遥感数据和野外观测数据。精度较好;生产过程中与野外实测数据进行的验证和调参,是模拟结果尽量与野外实测数据保持在可接受的误差范围内;NPP数据与野外实测数据的验证结果表明,误差保持在15%的范围内。 空间分辨率0.05度×0.05度(经度×纬度)。
周才平
联系方式
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