本数据集包含青藏高原地区近50年（1950-2002）的自然灾害统计信息，包括干旱、雪灾、霜灾、冰雹、洪涝、风灾、雷电灾害、寒潮和强降温、低温冻害、大风沙尘暴、虫灾、鼠害等气象灾害产生的时间地点及所造成的损失及影响。 青海和西藏是青藏高原的主体，青藏高原是我国生物物种形成、演化的中心之一，也是国际科技界瞩目的研究气候和生态环境变化的敏感区和脆弱带，其复杂的地形条件，高峻的海拔高度和严酷的气候条件决定了生态环境十分脆弱,，成为我国自然灾害发生最频繁的地区。 数据摘录自《中国气象灾害大典·青海卷》、《中国气象灾害大典·西藏卷》，人工录入总结校对。
2679 2020-12-18
本数据集包含了2012-2020年东亚地区高分辨率对流层二氧化氮垂直柱浓度POMINO v2.1数据，是v2.0.1错误修复后的新版本数据，为研究中国地区对流层二氧化氮的空间分布特征和时间变化趋势提供了重要的数据基础。该数据基于KNMI提供的对流层二氧化氮斜柱浓度，通过自行开发的对流层AMF反演算法，计算得到POMINO对流层二氧化氮垂直柱浓度。与地基观测资料的对比表明，POMINO的对流层二氧化氮柱浓度能够更好地抓住日际间的变化趋势，同时与地基观测数据的相关性也更好。目前该数据已被国内外多家高校以及科研机构用于科研使用，在未来，该数据集将对青藏高原科考项目提供更加全面的数据支持。
1255 2021-11-24
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NPP，表征生态系统净初级生产力。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。
2223 2021-05-15
基于2019-2020年我国高分一号及二号数据，采用深度学习分类方法，结合人工目视解译修正，生产出青藏工程走廊冻融灾害分布数据。数据地理范围为青藏公路西大滩至安多段沿线40km范围。数据包括热融湖塘分布数据及热融滑坡分布数据。该数据集可为青藏工程走廊冻融灾害的研究工作及工程防灾减灾提供数据基础。 青藏公路西大滩至安多段沿线40km范围冻融灾害空间分布基于国产高分二号影像数据自制。首先，利用深度学习方法从高分二号数据中提取泥流阶地区块；然后，利用arcgis进行人工编辑。在制作过程中，规定操作人员严格遵守操作规范，同时由专人负责质量审查。
1381 2021-12-07
青藏高原湖泊广布，近年来呈现普遍扩张的趋势。掌握这些湖泊的水位及水量变化信息对认识区域水文-气候交互机制及其演变规律意义重大。本数据集包含青藏高原52个大、中型湖泊2000 - 2017年的水位、水量变化，面积-水位关系曲线等信息，多数湖泊的水位及水量变化时间分辨率在月尺度或旬尺度。本数据基于多源测高卫星数据和Landsat光学影像制作，将光学影像观测到的湖泊岸线变动转化为水位信息(简称光学水位)，并且借助光学水位移除了多源测高水位之间系统偏差。野外实验和理论分析的结果一致表明光学水位的精度在0.1 - 0.2 m，与测高水位精度相当，测高水位的不确定性用同一周期内有效水面足迹点高程的标准差表示，已经包含在数据集中。本数据集可以应用于水资源和水安全管理，湖泊流域水文分析，水量平衡分析等，尤其在湖泊溢流洪水监测方面有较大的潜力。
7141 2019-12-01
这组数据是1974-2016年期间珠峰北坡绒布流域三条绒布冰川及表碛覆盖冰川三个时间段的年均冰储量变化数据集，采用ESRI 矢量多边形格式存储,是由三个阶段的DEM高程差数据DHPRISM2006-DEM1974（DH2006-1974）、DHSRTM2000-DEM1974（DH2000-1974）、DHASTER2016-SRTM2000（DH2016-2000），结合冰川覆盖专题矢量数据、冰密度 850 ± 60 kg m−3计算而来。DHPRISM2006-DEM1974, or DH2006-1974, 是2006年PRISM2006 数据和1974年DEM1974之间的高程差,即DH2006-1974 =PRISM2006 – DEM1974。PRISM2006是由2006年12月4日的光学立体像对遥感数据ALOS/PRISM生成。DEM1974是由我国早期1:50,000地形图生成的，这两期DEM都采用横轴墨卡托投影、Krasovsky1940椭球体。PRISM2006与DEM1974配准后，非冰川区高程数据精度为±0.24 m a-1。DHSRTM2000-DEM1974（DH2000-1974）是，2000年SRTM与DEM1974的高程差，两期DEM数据配准后，非冰川区高程数据精度为±0.03 m a-1。DHASTER2016-SRTM2000（DH2016-2000）是基于Brun et al. (2017) 发布的冰面高程差数据，采用与DH2006-1974、DH2000-1974一样的数据处理方法与处理过程而得到, 在非冰川区高程数据精度为±0.08 m a-1。表格中包括的数据项有：Shape_Area,冰川面积(m2)、Name冰川名,EC74_00表示1974-2000年间平均每条冰川每年的冰面高程变化（m a-1），EC00_16表示2000-2016年间冰川每年的冰面高程变化（m a-1），EC74_2006是1974-2006年间冰川年均冰面高程变化（m a-1），MB74_00表示1974-2000年间每条冰川年均冰川物质平衡数据（m w.e. a-1），MB00_16表示2000-2016年每条冰川年均冰川物质平衡数据（m w.e. a-1），MB74_2006表示1974-2006年每条冰川年均冰川物质平衡数据（m w.e. a-1），MC74_2000表示1974-2000年间每条冰川每年冰储量变化（m3 w.e. a-1），MC00_2016表示2000-2016年间每条冰川每年的冰储量变化（m3w.e. a-1），MC74_2006表示1974-2006年间每条冰川每年的冰储量变化（m3w.e. a-1）, Uncerty_EC,是每条冰川冰面高程变化的最大误差范围（m a-1）、Uncerty_MB,是每条冰川冰川物质平衡的最大误差（m w.e. a-1），Uncerty_MC, 是每条冰川冰储量变化的最大误差（m3w.e. a-1）。 MinUnty_EC，是每条冰川冰面高程变化的最小误差范围，MinUnty_MB，每条冰川冰川物质平衡的最小误差（m w.e. a-1），MinUnty_MC是每条冰川冰储量变化的最小误差（m3w.e. a-1）。该组数据可用于喜马拉雅山脉与高亚洲地区冰川变化、冰川消融水文水资源效应及其气候原因。
3856 2020-08-06
基于遥感的全球表层土壤水旬度数据集（RSSSM，2003~2020）是在世界11种常用的全球微波遥感土壤水数据产品基础上，采用神经网络方法，融入了9个微波遥感反演土壤水分的质量影响因子完成。数据空间分辨率是0.1度，时间分辨率为旬。原数据覆盖2003~2018年，现更新至2020年。RSSSM数据集的时间连续性突出，除冰雪和水体外实现空间全覆盖。通过全球实测数据进行检验，可证明RSSSM数据集较已有的常用全球或区域长时间序列表层土壤水产品具有更高的时空格局精度。此外，虽然RSSSM数据是基于遥感的，未融合任何降水资料，但其年际变异与降水量（如GPM IMERG降水数据）和标准化降水蒸散发指数（SPEI）的时间变异均可较好地吻合。RSSSM数据还可一定程度反映城市化、农田灌溉、植被恢复等人类活动对土壤水分的影响。数据为tiff格式，压缩后的数据量为2.48 GB。 数据论文于2021年发表在Earth System Science Data。
3875 2021-10-27
1）沙尘、硫酸盐、有机碳、黑碳和海盐气溶胶以及总气溶胶的光学厚度、垂直质量浓度和消光系数； 2）数据来源：数值模拟，加工方法：基于CALIPSO卫星垂直观测和全球气溶胶模式，通过四维局地集合转换卡尔曼滤波同化方法产生； 3）数据质量良好； 4）该气溶胶同化数据时空覆盖完整，可用于泛第三极地区气溶胶及其化学组分的时空分布特征及其演变规律研究，还可用于气溶胶-云互馈对降水和水汽输送及其辐射、气候以及环境效应研究。
1407 2020-12-24
本数据集包含了青藏高原及周边地区（南亚：尼泊尔、不丹、印度、巴基斯坦、孟加拉、斯里兰卡、马尔代夫；中亚：土克曼斯坦、吉尔吉斯斯坦、乌兹别克斯坦、塔吉克斯坦、哈萨克斯坦、阿富汗斯坦；西亚：伊朗、伊拉克、阿塞拜疆、格鲁吉亚、亚美尼亚、土耳其、叙利亚、约旦、以色列、巴勒斯坦、沙特、巴林、卡塔尔、也门、阿曼、阿拉伯联合酋长国、科威特、黎巴嫩、塞浦路斯）的2017年二氧化硫、氮氧化物、PM2.5排放网格化清单。排放清单来源于IIASA网络公开的数据集，通过使用ArcGIS软件技术将排放清单处理为50km*50km的网格数据集，其质量可以保证。该数据可用于模型工作者对于第三极区域气候及空气质量的进一步研究。
1225 2021-12-10
高分辨率冰芯孢粉记录能够指示季节性植被变化与气候指标的关系。本数据集对青藏高原作求普冰芯长32m的冰芯沉积物开展了高分辨率孢粉分析，获得了117个冰芯孢粉组合数据，所有数据为孢粉百分比数据，按照深度顺序排列。
1496 2021-05-25
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
