本数据采用由滑坡崩塌灾害致灾因子、滑坡崩塌易发性模型，暴露人口和人口伤亡率四大模块共同构成的喜马拉雅山周边及亚洲水塔区多灾种人口综合风险评估模型。致灾因子模块包括DEM、坡度、降雨、气温、积雪覆盖度、GDP、植被覆盖度因素。滑坡灾害崩塌易发性模型是利用logistic回归模型进行统计分析，得到滑坡崩塌灾害易发概率值。人口暴露度模块是利用滑坡崩塌灾害易发性值与人口数据叠乘。人口伤亡率模块是基于滑坡崩塌灾害历史伤亡人口与同时期滑坡崩塌灾害暴露人口的比值得到。最后，代入2020年人口数据，计算滑坡崩塌灾害易发性不同等级下的暴露人口，并与历史时期滑坡崩塌灾害人口伤亡率相乘，评估2020年喜马拉雅山周边及亚洲水塔区多灾种人口综合风险。
2022-02-25
本数据为东南亚地区2015年的地表类型数据，空间分辨率为30米，数据类型为NetCDF，变量名为“land cover type”。该数据基于FROM-GLC数据加工而成，通过对原始影像的拼接、裁剪得到覆盖东南亚的地表类型数据，剔除东南亚地区不存在的雪冰等下垫面类型并重新整合图例。修改下垫面类型编码生成包含东南亚的地表类型数据。该数据提供耕地、森林、草地、灌木、湿地、水体、不透水面、及裸地共8种下垫面的信息。数据总体精度为71% （Gong et al., 2019），可为水文模型、区域气候模式等提供东南亚地区的下垫面信息。
2022-01-03
在国家重点研发计划“冰冻圈和极地环境变化关键参数观测与反演”第一课题“冰冻圈关键参数多尺度观测与数据产品研制“的资助下，中国科学院青藏高原研究所张寅生课题组发展了青藏高原地区降尺度雪深产品。青藏高原积雪深度降尺度数据集来源于积雪概率数据和中国雪深长时间序列数据集的融合结果,采用新发展的亚像元时空分解算法对原始0.25度的积雪深度数据进行时空降尺度，得到0.05度逐日积雪深度产品。通过降尺度前后的雪深产品精度评估的对比，发现降尺度后雪深产品的均方根误差由原产品的2.15 cm减少到了1.54 cm。 青藏高原积雪深度降尺度数据集（2000-2018）的产品信息细节如下。投影为经纬度，空间分辨率0.05 度（约5公里），时间范围为2000年9月1日-2018年9月1日，为Tif格式文件，命名规则为：SD_YYYYDDD.tif，其中YYYY代表年，ddd代表儒略日（001-365）。积雪深度（SD），单位：厘米（cm）。空间分辨率为0.05度。时间分辨率为逐日。
2021-10-08
湖泊盐度是湖泊水环境的重要参数，是水资源的重要体现，也是气候变化研究的重要组成部分。本数据基于实测获取的青藏高原湖泊盐度数据，其中盐度以实用盐度单位（psu）进行表征，该盐度值使用电导率传感器测量获得的比电导率（SpC）转换得到。使用Arcgis软件将测量数据转化为空间矢量.shp格式，得到实测盐度空间分布数据文件。该数据可作为地区湖泊环境、水文、水生态、水资源等科学研究的基础数据以及相关研究参考。
2021-05-30
本数据集提供青藏高原124个湖泊实测水质参数，湖泊总面积为24,570 平方千米，占青藏高原湖泊总面积的53% 。实测湖泊水质参数包括水温、盐度、pH、叶绿素a浓度、蓝绿藻（BGA）浓度、浊度、溶解氧（DO）、荧光溶解有机物（fDOM）和水体透明度（SD）。测量方法中，盐度使用电导率是传感器测量获得的比电导率（SpC）转换得到，叶绿素a和蓝绿藻（BGA）浓度使用总藻类荧光传感器测量，温度使用温度传感器测量，pH使用pH传感器测量，溶解氧（DO）使用光学溶解氧传感器测量，fDOM使用荧光传感器测量，单位是硫酸奎宁单位（QSU），浊度使用浊度传感器测量，以Formazin比浊法为单位（FNU）。上述传感器测量获取的参数均使用YSIEXO或HACH多参数水质仪测量，测量时，传感器位于湖面以下约10-20厘米处。湖泊水体透明度使用塞氏盘测量法进行测量。
2021-05-30
该数据集是2015年青藏高原基础数据，原始数据来源于国家基础地理信息中心，通过分幅数据拼接裁剪，形成青藏高原区域的数据。数据内容包括1：100万省级行政区划、1：100万道路、1：25万水系的地理图层。行政区划数据属性包括NAME、CODE、pinyin（名称、代码、拼音）；道路数据属性包括：GB、RN、NAME、RTEG、TYPE（基础地理信息分类码、道路编码、道路名称、道路等级、道路类型）；水系数据属性包括：GB、HYDC、NAME、PERIOD（基础地理信息分类码、水系名称代码、名称、时令）。
2021-05-18
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。
2021-05-15
数据集包含1982、1990、2000、2010和2018年青藏高原252个地区县级人口统计资料和1988、1995、2000、2010、2015年GDP数据，人口统计资料内容包括各地户籍人口、常住人口、城镇人口、农村人口、男性人口、女性人口、非农业人口等；GDP数据包括总GDP产值和第一、第二、第三产业GDP产值。资料有利于研究人类活动对青藏高原生态气候的影响，探究青藏高原地区城市化发展、各地城乡人口流动、常住人口变动、当地出生率情况以及农业人口变化。数据获取通过第二次青藏高原科学考察与当地统计局接洽、各地相关统计年鉴与年度统计公报获得。
2021-04-27
本数据包括北极Barrow地区不同年龄冻土土壤细菌物种组成数据，可用来探索土壤微生物对冻土消融的响应及不同年龄冻土的土壤细菌差异；本数据为扩增子测序结果，引物为Earth Microbiome Project 标准引物 515F–806R，扩增范围为V4区，测序平台为Illumina Hiseq PE250; 数据通过质量控制，至少达到Q30水平；本数据用于发表于Cryospshere文章Permafrost thawing exhibits a greater influence on bacterial richness and community structure than permafrost age in Arctic permafrost soils. The Cryosphere, 2020, 14, 3907–3916, https://doi.org/10.5194/tc-14-3907-2020。本数据还可用于三极土壤微生物比较分析研究
2021-03-30
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）。
2021-03-04
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
