本数据是研究团队采用新方法定量重建获得的末次冰盛期以来青藏高原不同样点的植被变化数据。首先收集、整理青藏高原及其周边17个植被带1802条现代孢粉数据作为训练集,采用随机森林算法建立基于孢粉数据重建青藏高原植被的模型,该模型预测现代孢粉样点的植被时,与实际植被对比,显示出较高的一致性(>76%)。与传统的生物群区化法相比,新建立的随机森林模型基于孢粉数据预测青藏高原现代植被的准确性更高。随后,将新建立的随机森林模型用于青藏高原51条孢粉化石序列的古植被重建。用贝叶斯方法重新建立各孢粉化石序列的深度-年代模型,并用线性插值方法获取500年间隔的孢粉化石数据。最终用随机森林模型重建出青藏高原22000年以来500年间隔的植被时空格局变化。本数据可以为理解过去高寒植被的变化过程和机制提供依据,为研究过去气候变化对青藏高原植被的影响提供证据,为气候模拟提供边界条件。
秦锋, 赵艳, 曹现勇
自第一次工业革命以来,人类活动已经深刻影响了地球各圈层,且这种影响还将持续扩大和增强。青藏高原作为一个具有全球意义的生态系统单元,同时也是我国重要的生态安全屏障,在水土保持、生物多样性保护、水源涵养和碳收支平衡等诸多方面发挥着至关重要的作用。但近30年来,随着青藏高原人类活动范围的扩大和强度的快速增长,人类活动所造成的各种生态环境问题也日益突出,并严重影响着青藏高原生态功能的发挥。青藏高原人类活动强度空间数据的研究与制备,将有助于深入理解该地区人类活动的影响强度和范围,揭示气候变暖背景下人类活动的变化规律,对于进一步量化辨识人类活动与气候变化对生态系统的影响,以及促进该区域的可持续发展都具有重要意义。 研究人员采用人类足迹指数方法,利用人口密度、土地利用、放牧密度、夜间灯光、铁路和道路等共6种代表人类活动的空间数据,完成了1990、1995、2000、2005、2010、2015和2017年共7期青藏高原人类足迹数据集的制备。依据已有研究和青藏高原区域特点,本数据集对人类足迹方法的优化和调整主要包括:①选取人口密度、土地利用、夜间灯光、放牧密度、道路和铁路六类数据来计算人类活动强度;②调整不同土地利用类型的赋值;③设置人口密度最大强度阈值50人/平方公里,并采用对数方法赋值;④使用牛羊密度数据来表征放牧密度,设置最大强度阈值为1000羊单位/平方公里,并采用对数方法赋值;⑤使用经过校正的DMSP/OLS夜间灯光数据进行赋值;⑥将道路划分为高速公路、国道、省道、县道和其他公路等五个等级分别进行赋值;⑦铁路最大影响范围设为3.5 km;⑧利用冰川和湖泊空间数据进行质量控制。 该数据集来源于数据论文“段群滔, 罗立辉. (2020). 1990–2015年青藏高原人类足迹数据集. 中国科学数据, 5(3). https://doi.org/10.11922/csdata.2019.0082.zh”,在原有数据的基础上增加了2017年的数据。 该数据集的制备可为探究青藏高原地区人类活动空间变化特征和规律提供空间数据,也可为探索该地区人类活动与生态环境间的相互作用提供支撑,对于促进整个青藏高原地区的生态环境保护和可持续发展具有指导作用。
段群滔, 罗立辉
该数据集主要包括北温带湖泊在1985-2020年间4个时段的结冰观测频率值(ICO),以及湖泊所在位置、面积、高程等信息。其中,4个时间段分别为1985-1998(P1)、1999-2006(P2)、2007-2014(P3)以及2015-2020(P4),目的是提高计算时段内的“有效观测”次数,进而提高准确度。4个时段的ICO由各个时段内所有Landsat影像统计的“结冰”次数与“有效观测”次数的比值计算,其他的湖泊信息通过表格中的“Hylak_id”列与HydroLAKEs数据集相对应。此外,该数据仅保留了P1-P4均观测有效,且面积大于1平方千米的湖泊,约为3万个。该数据集可以反映近几十年来湖泊结冰情况对气候变化的响应。(详见论文)
王欣驰
该数据集包括中国2001~2018年月尺度或年尺度的地表短波波段反照率、植被光合有效辐射吸收比、叶面积指数、森林覆盖度和非森林植被覆盖度、地表温度、地表净辐射、地表蒸散发、地上部分自养呼吸、地下部分自养呼吸、总初级生产力和净初级生产力。空间分辨率为0.1°。此外,还包括在气候驱动下(无人类干扰)的以上11个生态系统参量在2001~2018年间的时空变化。因此,该数据集可以反映气候变化与人类活动对21世纪中国陆地生产系统的影响。
陈永喆, 冯晓明, 田汉勤, 武旭同, 高镇, 冯宇, 朴世龙, 吕楠, 潘乃青, 傅伯杰
新的北半球多年冻土图利用基于规则的GIS模型融合了新的多年冻土范围(Ran et al., 2021b)、气候条件、植被结构、土壤和地形条件以及富冰和富含有机质多年冻土图(yedoma)。与之前的多年冻土图不同,根据多年冻土与气候和生态系统的复杂交互作用,我们将北半球多年冻土分为五种类型:气候驱动型、气候驱动型/生态系统改造型、气候驱动型/生态系统保护型、生态系统驱动型和生态系统保护型。除去冰川和湖泊,北半球这五种类型的面积分别为3.66×106km2、8.06×106km2、0.62×106km2、5.79×106km2和1.63×106km2。北半球81%的多年冻土区受到生态系统的改造、驱动或保护,表明生态系统在北半球多年冻土稳定性中的主导作用。气候驱动的多年冻土只占北半球多年冻土区的19%,主要分布在高北极和高山地区,如青藏高原。
冉有华, M. Torre Jorgenson, 李新, 金会军, 吴通华, 李韧, 程国栋
该研究通过分析云南腾冲青海(Tengchongqinghai,TCQH)湖泊沉积岩芯中的支链甘油二烷基甘油四醚酯(brGDGTs)和叶蜡氢同位素,首次展示了末次冰期以来(过去8.8万年以来)低纬陆地高分辨率年均温度变化历史。根据TCQH岩心建立出的南亚年均温度,该区域存在8.8-7.1万年和4.5-2.2万年两个暖期,温度变幅约2-3 °C,这样的变幅基本达到了该区域冰期-间冰期的变幅,全新世以来温度呈持续增温趋势,升温约1-2°C。
赵成
整编了目前北半球数量最多的年平均地温(1002个)和活动层厚度(452个)地面观测数据,利用四种统计学习模型融合这些地面观测与多源遥感等数据产品,集合模拟得到了代表2000-2016年北半球多年冻土区年平均地温、活动层厚度、多年冻土发生概率和多年冻土水热分带数据集,空间分辨率为1公里,验证表明具有更高的精度。可为北半球多年冻土区的工程规划、设计、环境模拟与评价等提供数据支持,也可作为北半球多年冻土现状的数据基准,评估未来多年冻土变化及其影响。
冉有华, 李新, 程国栋, 车金星, Juha Aalto, Olli Karjalainen, Jan Hjort, Miska Luoto, 金会军, Jaroslav Obu, Masahiro Hori, 俞祁浩, 常晓丽
全面估算了1132个大于1 km2湖泊的水量变化。总的来说,1976至2019年间,湖泊水储量增加了169.7±15.1 Gt(3.9±0.4 Gt yr-1),主要发生在内流区(157.6±11.6或3.7±0.3 Gt yr-1)。1976至1995年间,湖泊水量显示减少(-45.2±8.2Gt或-2.4±0.4Gt yr-1),但在1995至2019年间,大幅增加(214.9±12.7Gt或9.0±0.5Gt yr-1)。2010至2015年间,水量增速减缓(23.1±6.5 Gt或4.6±1.3 Gt yr-1),随后在2015至2019年间再次出现高值(65.7±6.7 Gt或16.4±1.7 Gt yr-1)。在1976-2019年间,冰川补给湖水量增加(127.1±14.3 Gt)远远高于非冰川补给湖(42.6±4.9 Gt),这也与冰川补给湖数量多,面积广有关。另外,封闭湖水量增幅(161.9±14.0 Gt)大大高于外流湖(7.8±5.8 Gt)。
张国庆
该数据包含波密2008年降水稳定同位素δ18O日均值,气温和降水量;降水样品由波密气象局采集,降水稳定同位素是在法国气候与环境科学实验室(Laboratoire des Sciences du Climat et de l’Environnement, France)测定,δ18O由MAT-252质谱仪测定。气温和降水量由波密气象局在降水事件发生时记录,气温为降水事件开始与结束的平均值。降水稳定同位素δ18O精度为0.05‰。 该数据研究已发表在JOURNAL OF CLIMATE,题为Precipitation Water Stable Isotopes in the South Tibetan Plateau: Observations and Modeling。
高晶
对未来气候变化的有效评价,特别是对未来降水量的预测,是制定适应战略的重要依据。本数据是基于RegCM4.6模型,对CanEMS2 (RCP 45和RCP85)、GFDL-ESM2M (RCP2.6、RCP4.5、RCP6.0和RCP8.5)、HadGEM2-ES(RCP2.6、RCP4.5和RCP8.5)、IPSL-CM5A-LR(RCP2.6、RCP4.5、RCP6.0和RCP8.5)、MIROC5(RCP2.6、RCP4.5、RCP6.0和RCP8.5)和NorESM1-M(RCP2.6、RCP4.5、RCP6.0和RCP8.5)等多模型不同碳排放浓度情景下进行区域动力降尺度,获得2007-2099年空间分辨率为0.25度,时间分辨率分别为3小时(部分为6小时)、逐日和逐年的21套中国全境未来气候数据。
潘小多, 张磊
该数据集为孟加拉,Satkhira、Barisal、Sylhet3个观测站点2017-2018年的日降水稳定同位素数据(δ18O,δD,d-excess),由Bangladesh Atomic Energy Commission (BAEC)采集,在中国科学院青藏高原研究所环境与地表过程重点实验室用Picarro L2130i 波长扫描光腔衰荡光谱仪测得。 三个观测点样品采集地点及时间: Satkhira :2017.03.11-2018.07.16 Barisal:2017.03.05-2018.07.02 Sylhet : 2017.02.20-2018.09.04
高晶
通过近30年的研究,人们对青藏高原,特别是喜马拉雅山以北地区降水稳定同位素(2H和18O)的气候控制作用有了充分的认识。然而,尼泊尔(喜马拉雅山以南)对降水稳定同位素的控制知识还远远不够。 本研究描述了2016年5月10日至2018年9月21日期间尼泊尔加德满都降水稳定同位素的季节内和年度变化,并分析了对降水稳定同位素的可能控制因素。所有样品均位于尼泊尔首都加德满都(27°42′N, 85°20′E),平均海拔约1400m。并结合了2001年1月1日至2018年9月21日的气象资料,给出了降水量(P)、温度(T)和相对湿度(RH)的值。
高晶
采自青藏高原的冰芯样品提供了冰雪同位素组成变化的高分辨率记录。该数据集包含了自1864-2006年各年的冰芯氧稳定同位素数据,冰芯是从青藏高原南部宁金岗桑冰川钻取得到,长度为55.1米,通过利用中国科学院青藏高原研究所 环境变化与地表过程重点实验室的MAT-253同位素质谱分析仪测得氧同位素数据,测量精度为0.05%。 数据采集地点: 宁金刚桑冰川(90.2°E,29.04°N,海拔高度5950米)
高晶
降水中稳定的氧同位素比(δ18O)是全球大气过程的综合示踪剂。 自1990年代以来,一直致力于研究位于青藏高原TP上20多个站点的降水同位素组成,这些站点位于西风和季风之间的气团交汇处。 在本文中,我们建立了一个青藏高原月尺度降水δ18 O的数据库,并使用不同的模型来评估TP上降水δ18 O的气候控制。 降水δ18 O的时空格局及其与温度和降水的关系揭示了三个不同的域,分别与西风(北TP),印度季风(南TP)及其之间的过渡有关。
高晶
本数据集来源于论文:Su, T. et al. (2019). No high tibetan plateau until the Neogene. Science Advances, 5(3), eaav2189. doi:10.1126/sciadv.aav2189 数据为该论文的补充数据,主要包含研究人员搜集的棕榈化石记录,与伦坡拉盆地棕榈化石相近的棕榈属的气候范围数据,以及伦坡拉盆地化石与现代棕榈属化石的形态比较数据。 2016年,研究团队在青藏高原中部伦坡拉盆地(32.033°N, 89.767°E)发现了保存较为完好的棕榈化石,将其与已有的棕榈化石进行了比较,发现它和已有的棕榈化石形态都不相同,因此,研究人员建立了一个新种——西藏似沙巴棕(<em>Sabalites tibensis</em> T. Su et Z.K. Zhou)。研究人员利用棕榈化石结合古气候模型重建了青藏高原中部的古高程,得出结论:新近纪之前青藏高原还没有出现。 数据中包含的表格如下: (1)Table S1. Fossil records of palms around the world(世界范围内的棕榈化石记录) (2)Table S2. Morphological comparisons between fossils from Lunpola Basin and modern palm genera(伦坡拉盆地化石与现代棕榈属化石的形态比较数据) (3)Table S3. Climate ranges of 12 living genera that show the closest morphological similarity to S. tibetensis T. Su et Z.K. Zhou sp. nov.(与新发现的西藏似沙巴棕化石(<em>S. tibetensis</em> T. Su et Z.K. Zhou sp. nov)形态最接近的12个现存棕榈属的气候范围) 数据也包含论文补充数据中的图形数据。
苏涛
"一带一路"亚洲关键区域流域边界图的划定主要依据以下原则: 原则1:在丝绸之路沿线 原则2:位于干旱半干旱区 原则3:具有较高的水资源风险 原则4:流域完整性 1. 干旱区划分依据 Food and Agriculture Organization of the United Nations. FAO GEONETWORK. Global map of aridity - 10 arc minutes (GeoLayer). (Latest update: 04 Jun 2015) Accessed (6 Mar 2018). URI: http://data.fao.org/ref/221072ae-2090-48a1-be6f-5a88f061431a.html?version=1.0 2. 水资源风险数据: Gassert, F., M. Landis, M. Luck, P. Reig, and T. Shiao. 2014. Aqueduct Global Maps 2.1. Working Paper. Washington, DC: World Resources Institute. 3. 贫困指数数据: Elvidge C D, Sutton P C, Ghosh T, et al. A global poverty map derived from satellite data. Computers & Geosciences, 2009, 35(8): 1652-1660. https://www.ngdc.noaa.gov/eog/dmsp/download_poverty.html 4. 基础流域边界数据: (1) Watershed boundaries were derived from HydroSHEDS drainage basins data (Lehner and Grill 2013) based on a grid resolution of 15 arc-seconds (approximately 500 m at the equator), which can be free download via https://hydrosheds.cr.usgs.gov/hydro.php (2) AQUASTAT Hydrological basins: This dataset is developed as part of a GIS-based information system on water resources. It has been published in the framework of the AQUASTAT - programme of the Land and Water Division of the Food and Agriculture Organization of the United Nations. The map is also available in the SOLAW Report 15: “Sustainable options for addressing land and water problems – A problem tree and case studies”. Data can be free download via http://www.fao.org/nr/water/aquamaps/ (3) HydroBASINS: https://www.hydrosheds.org/downloads 5. The GloRiC provides a database of river types and sub-classifications for all river reaches globally. https://www.hydrosheds.org/page/gloric 6. HydroATLAS offers a global compendium of hydro-environmental sub-basin and river reach characteristics at 15 arc-second resolution. https://www.hydrosheds.org/page/hydroatlas 覆盖面积146.94万平方公里,具体包含如下区域:怒江流域,死海流域,锡斯坦河流域,黄河流域,约旦-叙利亚东部流域,印度河流域,伊朗内流区,乌尔米耶湖流域,石羊河流域,哈里卢德-穆尔加布河流域,两河流域,疏勒河流域,黑河流域,伊塞克库尔湖,塔里木河流域,吐鲁番-哈密盆地,艾比湖流域,准噶尔盆地,阿姆河流域,玛纳斯河流域,乌伦古河流域,额敏河流域,楚河-塔拉斯河流域,锡尔河流域,伊犁河流域,里海流域,澜沧江流域,长江流域,青海湖水系,柴达木盆地东部,柴达木盆地西部,羌塘高原区,雅鲁藏布江流域.
冉有华, 王磊, 曾甜, 盖春梅, 李虎
本数据集来源于论文:Ding, J., Wang, T., Piao, S., Smith, P., Zhang, G., Yan, Z., Ren, S., Liu, D., Wang, S., Chen, S., Dai, F., He, J., Li, Y., Liu, Y., Mao, J., Arain, A., Tian, H., Shi, X., Yang, Y., Zeng, N., & Zhao, L. (2019). The paleoclimatic footprint in the soil carbon stock of the Tibetan permafrost region. Nature Communications, 10(1), 4195. doi:10.1038/s41467-019-12214-5. 数据中包含新评估的青藏高原3m深度土壤有机碳库格点数据及相应的R代码,格点数据空间分辨率为0.1°。 以往对青藏高原土壤碳库的评估多以现代气候、植被等特性为根据,未考虑古气候条件、土层厚度等因素的影响。本研究中,研究人员综合考虑了古气候和现代气候条件、土层厚度和土壤理化属性、植被和地形等因素,通过机器学习算法重新评估了青藏高原3m深度土壤碳库。新评估得到的青藏高原土壤碳储量为36.6 Pg C (38.9-34.2 Pg C),约为陆地生态系统模型模拟均值的3倍(11.5±4.2 Pg C)。同时,研究指出,模型中缺乏对古气候影响的考虑是导致模拟偏差的重要原因。 数据中包含以下字段: Longitude (°E) Latitude (°N) SOCD (0-30cm) (kg C m-2) SOCD (0-300cm) (kg C m-2) GridArea (k㎡) 3mCstcok (10^6 kg C)
丁金枝, 汪涛
本数据集来源于论文:Chen, J.*#, Huang, Y.*#, Brachi, B.*#, Yun, Q.*#, Zhang, W., Lu, W., Li, H., Li, W., Sun, X., Wang, G., He, J., Zhou, Z., Chen, K., Ji, Y., Shi, M., Sun, W., Yang, Y.*, Zhang, R.#, Abbott, R. J.*, & Sun, H.* (2019). Genome-wide analysis of Cushion willow provides insights into alpine plant divergence in a biodiversity hotspot. Nature Communications, 10(1), 5230. doi:10.1038/s41467-019-13128-y. 本数据集包含青藏高原高山植物小垫柳Fasta格式的基因组组装文件,包括核苷酸(DNA)、核糖核酸(RNA)、蛋白质编码序列(Protein)序列数据,以及gff格式的基因组组装注释文件。 组装等级:染色体级别 基因组覆盖程度:全基因组 参考基因组:是 组装方法:SMARTdenovo 1.0; CANU 1.3 测序方法及测序深度: PacBio, 125×; Illumina Hiseq X Ten, 43×; Oxford Nanopore Technologies, 74× 基因组组装统计: 基因组大小(bp):339,587,529 GC含量:34.15% 染色体数量:19 细胞器基因组数量:2 基因组组装序列数量:30 最大组装序列长度(bp):39,688,537 最小组装序列长度(bp):57,080 平均组装序列长度(bp):11,319,584 基因组组装序列N50(bp):17,922,059 基因组组装序列N90(bp):13,388,179 全基因组组装注释: Protein:30,209 tRNA:784 rRNA:118 ncRNA:671 详细的注释信息请参见附件。 本数据集中也包含文章中Supplementary Information中的表格数据,数据列表参见附件。 基因组项目号为:GWHAAAA00000000(https://bigd.big.ac.cn/gwh/Assembly/663/show)。
陈家辉, 杨永平, Richard John Abbott, 孙航
该数据集为中国逐月降水量数据,空间分辨率为0.0083333°(约1km),时间为1901.1-2020.12。数据格式为NETCDF,即.nc格式。该数据集是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集,通过Delta空间降尺度方案在中国地区降尺度生成的。并且,使用496个独立气象观测点数据进行验证,验证结果可信。本数据集包含的地理空间范围是全国主要陆地(包含港澳台地区),不含南海岛礁等区域。为了便于存储,数据均为int16型存于nc文件中,降水单位分别为0.1mm。 nc数据可使用ArcMAP软件打开制图; 并可用Matlab软件进行提取处理,Matlab发布了读入与存储nc文件的函数,读取函数为ncread,切换到nc文件存储文件夹,语句表达为:ncread (‘XXX.nc’,‘var’, [i j t],[leni lenj lent]),其中XXX.nc为文件名,为字符串需要’’;var是从XXX.nc中读取的变量名,为字符串需要’’;i、j、t分别为读取数据的起始行、列、时间,leni、lenj、lent i分别为在行、列、时间维度上读取的长度。这样,研究区内任何地区、任何时间段均可用此函数读取。Matlab的help里面有很多关于nc数据的命令,可查看。
彭守璋
本数据集来源于论文:Ding, L., Spicer, R.A., Yang, J., Xu, Q., Cai, F.L., Li, S., Lai, Q.Z., Wang, H.Q., Spicer, T.E.V., Yue, Y.H., Shukla, A., Srivastava, G., Khan, M.A., Bera, S., and Mehrotra, R. 2017. Quantifying the rise of the Himalaya orogen and implications for the South Asian monsoon. Geology, 45:215-218.该项成果是丁林研究员团队在青藏高原开展古高度系列研究成果的一部分。该团队应用植物化石及稳定同位素方法,重建了喜马拉雅-青藏高原造山带南缘定量隆升历史。含植物化石地层锆石U-Pb年代学表明柳区地层时代为晚古新世(56Ma),恰布林地层时代为早中新世(21-19Ma)。植物化石结果表明在喜马拉雅地区完全退出海洋沉积历史前后(55-50Ma),柳区地区仍处于相对较低的海拔高度(~1000m 或更低),直到早中新世,恰布林地区的古高度也仅为~2300m。不同于古新世就具有高海拔 (~5000m)特征的冈底斯山,喜马拉雅从晚古新世时(56Ma)的~1000m 缓慢生长至早中新世时(21-19Ma)的~2300m 高度,此后~5-7 Ma 快速隆升,达到现今高度。过去56 Ma的喜马拉雅-青藏高原与喜马拉雅前陆盆地降水对比揭示,喜马拉雅山隆升可能是藏南地区逐渐干旱的原因。
丁林
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