科考人员详细测量了位于西藏阿里地区民卓茶卡北岸的系列剖面，并采集和研究了其中的各门类化石（包括牙形类、蜓类、小有孔虫类）。牙形类以Sweetognathus, Mesogondolella等分子组成，蜓类主要有Neoschwagerina, Pseudodoliolina, Mesoschubertella等，小有孔虫类主要有Pachyphloia, Langella, Palaeotextularia, Tetrataxis等组成。从牙形来看，该牙形动物群的时代相当于早二叠世空谷晚期；从蜓类来看，它的时代是Murgabian期。因此，从年代地层上来看，国际地层标准空谷晚期相当于特提斯标准的Murgabian底界。从古生物地理上来看，当前剖面中的蜓类和牙形类都是以暖水动物群为主，但此时拉萨地块上的空谷期地层中都是以凉水动物群为主。因此，这些动物群的发现表明南羌塘地块和拉萨地块在空谷期时古生物地理完全不同。
张以春
该数据集包括青藏高原不同地区不同环境介质的碳质组分的碳同位素数据（10个青藏高原典型站点的气溶胶中黑碳和有机碳的碳同位素数据、11个雪坑不同年份的黑碳和水不溶性有机碳的碳同位素数据、及青藏高原及其周围地区11个站点季风期降水中水溶性有机碳的碳同位素数据），所有样品均为各个站点实地采集，测试了各碳质组分的含量及δ13C和Δ14C数据，利用该数据可以精确评估大气碳质气溶胶和沉降在冰川上碳质颗粒物以及降水中水溶性有机碳的来源以化石燃料和生物质燃料的贡献比例。
李潮流
本数据集为青藏高原地区各典型站点—纳木错站（2013-2017）、鲁朗站（2014-2017）、珠峰站（2015-2016）及拉萨站（2017-2018）降水中黑碳和水不溶性有机碳的含量及各个站点的降水量数据，实地采集各个站点的降水样品后，进行过滤处理，测试每个降水事件样品的黑碳和水不溶性有机碳的含量，通过该数据可评估青藏高原典型地区水不溶性碳质颗粒物湿沉降速率的时间和空间变化，是模型模拟重要的输入数据。
李潮流
本数据集包括青藏高原典型站点（然乌（2018-2021）、纳木错（2013-2016）、珠峰（2013-2016）、鲁朗站（2015-2016））的大气和降水中碳质组分的吸光数据，所有样品均来自于各个采样点实地采集，测试了黑碳和水溶性有机碳的浓度，以及吸光数据，利用表示吸光能力的指标（MAC值），计算了水溶性有机碳和黑碳的吸光的MAC值，该数据对于评估大气中碳质颗粒物的辐射强迫具有重要意义，是模型模拟输入的重要基础数据。
李潮流
中国科学院（CAS）气候系统模式FGOALS-f3-L于近期完成了第六次国际耦合模式比较计划（CMIP6）试验中的全球季风比较计划（GMMIP）的Tier-1和Tier-3试验并发布了相应数据。本文是FGOALS-f3-L参加GMMIP试验的数据描述文章。在GMMIP Tier-1试验中，基于观测的海温和海冰强迫，FGOALS-f3-L模式完成了三组不同初始场的历史模拟试验。在GMMIP Tier-3试验中，FGOALS-f3-L模式完成了5组地形和热力扰动的敏感性试验。具体来说，包括四组地形敏感性试验，分别去除了青藏高原、东非和阿拉伯半岛高原、北美马德雷山脉和南美的安第斯山脉，以及一组热力敏感性试验，去除了青藏-伊朗高原及邻近区域500m以上地形的地表感热加热。这组数据集将贡献于CMIP6用于评估海温对全球季风环流和降水的长期以及短期趋势的影响，以及更好的理解大地形在影响全球季风中的作用。
何编
青藏高原分区域动力降尺度（TPSDD）数据集是一个高空间-时间分辨率的网格数据集，用于整个青藏高原的陆地-空气交换过程和低层大气结构研究，并考虑到了青藏高原各分区域的气候特征。该数据集的时间跨度为1981年至2020年，时间分辨率为2小时，空间分辨率为10公里。数据集的气象要素包括近地表土地-空气交换参数，如向下/向上的长波/短波辐射通量、动量通量、显热通量、潜热通量等。此外，还包括从地表到对流层顶的3维风、温度、湿度和气压的垂直分布。通过比较观测数据和最新的ERA5再分析数据，对该数据集进行了独立评估。结果表明了该数据集的准确性和优越性，为未来的气候变化研究提供了巨大的潜力。
李斐, 马舒坡, 朱金焕, 邹捍, 李鹏, 周立波
青藏高原分区域动力降尺度数据集-标准年（TPSDD-Standard）是一个高空间-时间分辨率的网格数据集，用于整个青藏高原的陆地-大气交换过程和低层大气结构研究，并考虑到了青藏高原各分区域的气候特征。根据青藏高原上空500 hPa多年平均位势高度场，选取与该位势高度场空间相关系数最大的年份（2014年）作为标准年，它能粗略反映青藏高原大气多年平均状况。该数据时间分辨率为1小时，空间分辨率为5公里。数据集的气象要素包括近地表土地-空气交换参数，如向下/向上的长波/短波辐射通量、感热通量、潜热通量等。此外，还包括从地表到对流层顶的3维风、温度、湿度和气压的垂直分布。通过比较观测数据和最新的ERA5再分析数据，对该数据集进行了独立评估。结果表明了该数据集的准确性和优越性，为未来的气候变化研究提供了巨大的潜力。
李斐, 马舒坡, 朱金焕, 周立波, 李鹏, 邹捍
冰川表面运动提取在冰川动力学与物质平衡变化研究中具有重要意义，针对当前我国自主遥感卫星数据在冰川运动监测应用中存在的不足，选用GF-3卫星FSI模式下获取的2019—2020年间覆盖青藏高原高山区典型冰川的SAR数据，借助并行化偏移量跟踪算法获取了研究区冰川表面流速分布。GF-3影像凭借其良好的空间分辨率，在规模较小、运动缓慢的冰川运动提取方面具有显著的优势，能够更好地体现冰川运动细节信息及其差异性。该研究有助于分析气候变化背景下青藏高原地区冰川的运动规律及其时空演变特征。
闫世勇
本数据集数据源为：欧洲航天局多光谱卫星Sentinel-2卫星。其中包含2017年青藏高原湖泊CDOM和DOC年均值数据。使用方法：基于实测样点的CDOM数据，提取影像反射率信息，通过皮尔森相关性分析选择最佳预测变量，构建多元逐步回归CDOM 预测模型，获得青藏高原水体CDOM结果。由于CDOM与DOC具有很好的相关性，所以DOC预测结果通过CDOM计算。最终青藏高原CDOM模型的调整R²达到0.81。
宋开山
本数据集包括雅鲁藏布江和横断山区主要河流中全氟化合物的浓度和分布数据。样品采集于2020年和2021年，采样范围包括雅鲁藏布江、怒江、澜沧江和金沙江四条大河，共83个采样点。水样经固相萃取-净化-浓缩等前处理步骤制备后，由高效液相色谱-质谱联用仪进行测定。目标化合物包括10种全氟羧酸（PFCAs）和3种全氟磺酸（PFSAs），具体为全氟丁酸(PFBA)、全氟戊酸(PFPeA)、全氟己酸(PFHxA)、全氟庚酸(PFHpA)、全氟辛酸(PFOA)、全氟任酸(PFNA)、全氟癸酸(PFDA)、全氟十一烷酸(PFUnDA)、全氟十二烷酸(PFDoA)、全氟十三烷酸(PFTrA)、全氟丁烷磺酸(PFBS)、全氟戊烷磺酸(PFHxS)、全氟辛烷磺酸(PFOS)。样品前处理过程中，均加入同位素标记的回收率标志物，经计算样品回收率在53%-96%之间。河流水质检测参数包括：温度、溶解氧、pH、电导率、盐度和溶解性有机碳，参数精度分别为0.1℃、0.01mg/L、0.01、0.1μS/cm、0.01ppt和0.01mg/L。其中，溶解性有机碳采用TOC分析仪测量，其余水质参数均采用YSI ProPlus便携式多参数水质仪现场测定获得。该数据集可为青藏高原大尺度范围的有机污染空间分布制图和亚洲水塔水质安全评估提供科学依据。
任娇, 王小萍
通过国家气象信息中心、水文年鉴、中国统计年鉴及中国科学院地理科学与资源研究所等单位收集了水文气象及、土地利用及DEM等基础数据。采用具有自主知识产权的分布式时变增益水文模型进行建模，以100平方千米阈值将青藏高原划分成10937个子流域。在黑河、雅鲁藏布江、长江源、黄河源、雅砻江、岷江、澜沧江流域选取了14个流量站观测日流量数据对模型进行了拟定与验证。日尺度纳西效率系数达到0.7以上相关系数达到0.8以上。采用了CMIP6提供的13个模型4种情景输出的降水与气温数据，对未来降水与气温数据进行后处理，后处理后的降水与气温驱动水文模型，模拟出2046-2065年水循环过程，给出全青藏高原空间0.1度日尺度径流未来可能时空分布。
叶爱中
基于CMIP6模式资料（模式列表见表1）估算了历史时期（1990-2014年）和未来（2046-2065年）不同气候变化情景下（包括SSP126, SSP245, SSP585），青藏高原和环北极地区冻土分布、冻土活动层厚度，以及冻土区陆地生态系统碳通量（总初级生产力GPP和生态系统碳源汇NEP）数据，空间分辨率为1°×1°。其中冻土分布利用空间约束方法 (Chadburn et al., 2017)，基于现阶段不同温度梯度下冻土出现的概率，结合地球系统模式模拟的未来温度变化，估算未来气候变暖情景下的冻土分布。活动层厚度变化方面，利用现阶段基于遥感估算的活动层厚度对温度变化的敏感性约束地球系统模式模拟的活动层厚度变化，从而校正模型对冻土活动层厚度模拟的误差。未来冻土区碳通量为地球系统模式模拟结果的多模式集合平均值。 模拟结果表明，未来气候变化情景下青藏高原冻土将显著退化，随着未来温度升高，连续多年冻土区表现为碳源，但升温促进植被生长，在非连续冻土区碳汇能力增强。与青藏高原类似，未来环北极地区冻土也将普遍退化，未来气候变暖促进北极地区植被增长，从而增强区域碳汇。
汪涛, 刘丹, 魏建军
采用三个不同的数据源，包括1920年代的民国初期地图、1960年代的数字化地形图和1970-2020年的Landsat MSS/TM/ETM+/OLI影像。1920年代民国初期地图进行了扫描、几何校正和地理参考校正。1960年代使用1:250 000的地形图。所有地图都是以Albers等圆锥投影法进行地理参照，均方根（RMS）误差小于1.5个像元。针对早期地图，选择目视解译和手工数字化来对湖泊边界进行矢量化。从1990年开始，对Landsat影像采用半自动的水体分类方法来区分水体和非水体信息，然后提取湖泊边界，并通过与原始Landsat图像的比较进行目视检查和人工编辑。
张国庆, 冉有华
基于雅鲁藏布江流域内已有的262个雨量筒逐月降水数据、WRF和ERA5降水数据，利用随机森林学习算法重建了雅鲁藏布江流域及7个子流域1951–2020年10km分辨率的逐日降水数据。该数据经过了站点单点验证，在年和季节变化方面表现较好。并且该数据经过了水文模型反向评估，利用该数据驱动VIC水文模型模拟了雅江流域及各子流域径流变化，并利用实测径流、MODIS及冰川编目数据进行验证。该数据在原有第一版基础上考虑了降水空间分配特征，能更好描述高山区降水特征。
孙赫
青藏高原气溶胶光学特性地基观测数据集采用Cimel 318太阳光度计连续观测获得，涉及珠峰站和纳木错站共两个站点。这些产品是经过云检测之后的结果。数据覆盖时间从2021年1月1日到2021年12月31日，时间分辨率为逐日。太阳光度计在可见光至近红外设有8个观测通道，中心波长分别为：340、380、440、500、670、870、940和1120 nm。仪器的视场角为1.2°，太阳跟踪精度为0.1°。根据太阳直接辐射可获得6个波段的气溶胶光学厚度，精度估计为0.01-0.02。最终采用AERONET统一反演算法，获得气溶胶光学厚度、Ångström指数、粒度谱、单次散射反照率、相函数、复折射指数和不对称因子等。
丛志远
该物候数据基于青藏高原2000-2015年MOD13A2数据（时间分辨率为16天，空间分辨率为1km），利用TIMESAT软件中分段高斯函数拟合NDVI曲线，采用动态阈值方法提取春季物候、秋季物候以及生长季长度，其中春季物候和秋季物候的阈值分别设置为0.2和0.7。此物候数据进行了掩膜处理。其中，掩膜规则为：1）必须满足NDVI的最大值出现在6-9月份之间；2）6-9月份NDVI均值不能小于0.2；3）冬季的NDVI均值不能超过0.3。
俎佳星, 张扬建
植被调查数据是研究生态系统结构与功能必不可少的数据。青藏高原地区蕴含广袤的草地生态系统，主要包括高寒草甸、高寒草地、以及高寒荒漠化的草地。由于独特的地理位置以及高海拔缺氧的环境条件，在藏北高原的群落调查数据较为稀少。本数据集包括2019年藏北样带上47个采样点的的地上生物量和盖度数据，采样时间为7-8月。样方大小为50cm×50cm，烘干后称取植物干重。本数据集可用于生产力的空间分析与模型的校准工作。
张扬建, 朱军涛
数据包括青藏高原内流冰川1975-2000表面高程空间变化 (100 m)、内流区各子流域1975-2020冰川的平均高程变化值以及流域边界和分区三个文件。1975-2000年冰川表面高程变化，基于32对KH-9数据和NASADEM获取，其中木孜塔格和普若岗日地区的结果分别来自Zhou et al. (2018)和Bhattacharya et al.(2021)。1995-2020期间，各流域每5年的平均高程变化结果，根据Hugonnet et al.(2021)公布的数据进行计算，这里假设1995-2000的冰川厚度变化情况与2000-2005类似。受KH-9数据质量限制及内流区冰川特性的影响，空值区域较多，建议结合分区，首先计算各个高程带的变化结果，再映射到每个子流域。
陈文锋, 张国庆
青藏高原作为强大的热源，影响到亚洲季风的爆发与进退，西风带和季风带的相互作用。为了研究高原热力作用的变化及其对周边地区气候的影响，需要高原热源相关的基础数据。 本数据集由再分析资料计算得到得青藏高原及其周边地区逐月热源基础数据构成，变量包括青藏高原及周边地区大气热源、潜热通量、感热通量等，其水平范围覆盖为40°E-180°，20°S-80°N。空间分辨率为2.5°x2.5°，主要包括ERA5和NCEP/NCAR两种再分析资料数据。
李清泉
三极气溶胶类型数据产品是综合利用MEERA 2同化资料和主动卫星CALIPSO产品经过一系列数据预处理、质量控制、统计分析和对比分析等过程而融合得出的气溶胶类型结果。该气溶胶类型融合算法的关键是对CALIPSO气溶胶类型的判断。气溶胶类型数据融合时根据CALIPSO气溶胶类型的种类和质控，并参考MERRA 2气溶胶类型得到最终的三极地区气溶胶类型数据（共12种）和质量控制结果。该数据产品充分考虑了气溶胶的垂直分布以及空间分布，具有较高的空间分辨率（0.625°×0.5°）和时间分辨率（月）。
赵传峰
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
