时空三极环境大数据平台

青藏高原森林地上生物量数据集（2015）

地上生物量（Aboveground biomass，AGB）是衡量生态系统生产力的一个重要指标。该数据集提供了2015年青藏高原地区30m分辨率的森林地上生物量。该生物量数据采用Landsat系列数据，基于地面实测数据和部分文献资料，同时结合森林树高数据，森林类型分类（包括针叶林、阔叶林和混合林）等估算而成。通过数据公开和免费下载服务的方式，为青藏高原森林生态系统动态变化的相关研究提供基础数据支持，也为该地区森林的可持续管理提供科学依据。

1528 2021-04-26

青藏高原土壤持久性有机污染物浓度数据集（2007-2009）

本数据集为青藏高原土壤持久性有机污染物（POPs）的浓度数据,包括有机氯农药（OCPs）、多氯联苯（PCBs）、多溴联苯醚（PBDEs）和多环芳烃（PAHs)。本研究于 2007 年在 8 个土壤分区共采集土壤样品 40个。土壤样品主要在远离道路、居民区、农田等受人类活动影响的地区采集。采样方法是：利用不锈钢铲采集 0-5cm 表层土壤样品，在每个采样点 100 m2范围内各采集 5 个土壤样品（中心和每个角各一个样品）并混合成为一个样品。为减少可能的污染，所有土壤样品都用两层铝箔纸包裹，并放置于两层自封袋内密封保存。所有样品的分析工作均在中国科学院青藏高原环境变化与地表过程重点实验室完成。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。分析测试仪器为热电公司生产的气相色谱/离子阱质谱（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）。实验过程中设置了实验流程空白。所有化合物实验室空白都没有检测到，这说明样品的分析过程中并没有造成污染。PAHs实验室样品的回收率在58-92%之间，OCPs的实验室样品的回收率在53-130%之间，样品浓度未使用回收率进行校正。

2271 2019-01-08

全球月平均地表温度（2000-2020）

本数据采用Chen et al. 2017 JHM研究的方法，利用MYD11C3.00６和MＯD11C3.006两种产品计算得到全天空的地表温度结果，具体计算程序见本数据集的Global_monthly_LST.m。数据格式为*.mat, Global_monthly_LST.m程序给出了实例如何读取该数据。该数据空间分辨率为0.05度，网格中心的经纬度信息分别保存在latitude.mat和Lonitud.mat，由于内陆湖泊、水体的发射率反演的问题，本数据将所有内陆湖泊和水体的地表温度给了NaN值，具体采用的mask见mask.mat文件。经过与全球156个站点观测的LST的验证，总体RMSE为2.69k,mean bias为0.4K，在干旱和半干旱地区的RMSE为2.62K, mean bias为0.94.K.

11411 2021-02-02

青藏高原冰川融水径流数据（2020）

冰川是西部山区河流的补给水源，是西部地区人们赖以生存、发展工、农、牧业的最基本要素之一。冰川既是宝贵的淡水资源，又是山区形成严重自然灾害的发源地，如突发性冰湖溃决洪水、冰川泥石流和冰崩等。冰川水文监测是研究冰川融水特征、冰川融水对河流的补给作用、冰川表面消融与径流关系、冰面产流和汇流过程、及冰川和季节性积雪融水诱发的洪水和泥石流计算和预报的基础。目前主要以在流域出山口建立水文监测站，开展实地监测为主。本数集为4条代表性冰川的月值径流数据 (珠西沟冰川、帕隆4号冰川、老虎沟冰川、七一冰川)。通过雷达或压力式水位计测量冰川融水相对水位变化，通过实地径流断面测流与相对水位建立径流曲线，计算每条冰川的径流总量，径流单位为m3/s。

2787 2021-06-04

泛第三极相对湿润度指数数据集（2011-2015）

在全球变暖的背景下，干旱发生的频率和强度呈增加趋势，由于干旱灾害所引发的水资源匮乏、粮食危机、生态恶化（如荒漠化）等，直接威胁到国家的粮食安全和社会经济发展，干旱灾害风险评估及应急管理的技术水平亟待提高。“一带一路”沿线区域生态环境脆弱、农业耕地集中、干旱灾害频繁，利用遥感卫星监测大区域的干旱水平及其时空变化，对于科学掌握“一带一路”地区的干旱格局、区域分异特征，及其对农业耕地的影响具有重要的科学和现实意义。相对湿润度指数为某段时间的降水量与同时段内潜在蒸散量之差再除以同时段内潜在蒸散量得到。降水量数据来自TRMM/GPM卫星降水数据降尺度，潜在蒸散量的估算采用Thornthwaite方法。详细算法请参考《气象干旱国家标准》(GB/T 20481-2017)。数据仅覆盖一带一路沿线34个关键节点区域。

1653 2020-01-26

基于USGS30秒世界高程数据库的泛第三极地形数据集

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

3053 2019-01-15

青藏高原与西北干旱区33个湖泊表层沉积植物DNA数据

数据包括青藏高原与西北干旱区33个湖泊表层沉积物中植物DNA的原始测序文件。我们使用德国Qiagen公司的PowerMax土壤试剂盒提取DNA，并采用通用植物引物g-h (Taberlet et al., 2007) 对样品中叶绿体trnL (UAA) 内含子区的P6环进行PCR扩增，PCR产物随后送至瑞士Fasteris公司进行第二代高通量双端测序，测序仪器为Illumina NextSeq 550。数据质量分数Q30为81.97。

760 2021-05-31

中亚地区荒漠化（土地沙化、盐渍化和植被退化）专题数据（2015）

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”。

4011 2019-01-21

未来100年青藏高原极端气候的多模式模拟结果（2015-2100）

在共享社会经济路径（SSP）5-8.5情景下4个CMIP6模式2015-2100年的模拟结果。选取标准为这四个模式水平分辨率均小于1°，且均有日数据。从原始模拟结果中提取了8个代表极端气候的变量，分别是日最高气温的极高值（TXx）、日最低气温的极高值（TNx）、日最高气温的极低值（TXn）、日最低气温的极低值（TNn）、连续干旱日数（CDD）、连续湿润日数（CWD）、降水强度（SDII）和强降水日数（R20mm）。数据时间分辨率为年，空间范围为青藏高原地区，时间范围为2015-2100年。

696 2021-12-10

长序列高时空分辨率月尺度温度和降水数据集（1951-2011）

本研究基于中国及周边国家共1153个气温站点和1202个降水站点数据，利用ANUSPLIN软件的局部薄盘光滑样条法进行插值，重建了1951−2011年中国月值气温和降水量的高空间分辨率0.025°（~2.5 km）格点数据集（简称LZU0025）。数据集的质量评估主要基于以下三个方面：（1）分析ANUSPLIN在日志文件中提供的一系列用于判别误差来源和插值质量的统计参数。结果表明在1951-2011年，表征最佳插值模型的广义交叉验证GCV（generalized cross validation）值较小，在气温插值时为1.06℃，在降水进行开方运算插值时为1.97mm1/2。（2）对比LZU0025格点值与预留的265个站点实测数据。结果表明在1951-2011年，LZU0025月插值数据与实测数据接近，两者的平均绝对差为0.59℃和70.5mm，标准差为1.27℃和122.6mm，并且标准差的变化与GCV变化一致。（3）将LZU0025与现有数据集进行对比。首先以插值所用站点较多的中国气象局发布的0.5°数据集（简称CMA）为基准，利用泰勒图对比了基于不同数据集刻画的气候平均状态均值（Mean）、距离平均状态的标准差（Standard deviation）以及随时间变化的气候趋势（Time trend）。结果表明与基于其他数据集衍生的三类指标相比，LZU与基准CMA相关系数较高，标准差较接近，并且归一化的均方根误差较小。其次，将LZU0025格点数据与能量和水循环观测项目-亚洲季风项目西藏地区（CAMP-Tibet）气象站数据进行对比，结果表明仅有少数台站降水数据与LZU0025相关性不显著，但多数台站气温和降水数据与LZU0025显著相关且相关性高于0.87。基于以上评估分析，LZU0025数据集可靠。高分辨率的LZU0025能刻画更多的气候类型如喜马拉雅山脉地区未被粗分辨率数据集识别的苔原和极地气候。LZU0025可作为研究全球气候变化下区域气候变化和精准农业气候的基础数据。

15254 2019-05-21