植被覆盖度（Fractional vegetation cover, FVC）表示植被地面垂直投影面积与研究区总面积的百分比，是衡量生态保护和生态恢复有效性的重要指标，被广泛应用于气候、生态和土壤侵蚀等领域。FVC不仅是反映植被生产能力的理想参数，而且在评估地形差异、气候变化和区域生态环境质量时也能发挥较好的作用。本研究工作主要是对两套GLASS FVC数据进行后处理，通过数据融合、剔除异常值和剪裁后给出较为可靠的2013年和2018年的环北极圈（范围为北纬66°以北）和青藏高原（范围为北纬26°到39.85°，东经73.45°到104.65°）的植被覆盖度情况。
叶爱中
三极多年冻土活动层厚度融合了两套数据产品，主要参考数据为通过GCM模型模拟生成的1990-2015年活动层厚度逐年值。本数据集的数据格式为NetCDF4格式，数据空间分辨率为0.5°，时间分辨率为年。参考校正数据集为利用统计和机器学习（ML）方法模拟得到2000-2015年的活动层厚度平均值，数据格式为GeoTIFF格式，空间分辨率为0.1°，数据单位为m。本研究工作通过对两套数据进行数据格式转换、空间插值、数据校正等后处理操作，生成了NetCDF4格式的多年冻土活动层厚度数据，其空间分辨率为0.1°，时间分辨率为年，时间范围为1990-2015年，数据单位为cm。
叶爱中
三极多年冻土区碳通量原始数据通过GCM模型模拟生成，原始数据来源于http://www.cryosphere.csdb.cn/portal/metadata/5abef388-3f3f-4802-b3de-f4d233cb333b。本数据集包含了未来2046-2065年间不同典型浓度路径（Representative Concentration Pathways，RCP）下的未来情景预估，包括RCP2.6情景、RCP4.5情景、RCP8.5情景。原始数据包括青藏高原多年冻土区NPP和GPP等表征碳通量的参数，数据格式为NetCDF4格式，数据空间分辨率为0.5°，时间分辨率为年。本研究工作通过对其进行数据格式转换、空间插值等后处理操作，生成了NetCDF4格式的多年冻土区NPP和GPP数据，其空间分辨率为0.1°，时间分辨率为年，时间范围为2046-2065年，数据单位为gc/m2yr。
叶爱中
三极多年冻土活动层厚度原始数据通过GCM模型模拟生成，原始数据来源于http://www.cryosphere.csdb.cn/portal/metadata/5abef388-3f3f-4802-b3de-f4d233cb333b。本数据集包含了未来2046-2065年间不同典型浓度路径（Representative Concentration Pathways，RCP）下的未来情景预估，包括RCP2.6情景、RCP4.5情景、RCP8.5情景。原始数据内容是青藏高原冻土区活动层厚，数据格式为NetCDF4格式，数据空间分辨率为0.5°，时间分辨率为年。本研究工作通过对其进行数据格式转换、空间插值等后处理操作，生成了NetCDF4格式的多年冻土区活动层厚度，其空间分辨率为0.1°，时间分辨率为年，时间范围为2046-2065年，单位为cm。
叶爱中
数据为青藏高原新生代植物大化石数据名录。包括叶片、种子、果。内容包括科属种的拉丁名和中文名、时代、产地、形态描述、讨论、标本和参考文献。物种名参照原始文献。对于有后人修订的化石记录，以修订后的记录为准；产地（化石点）年代以该化石产地的最新文献结果为准。叶形态描述的术语和描述范式以《叶结构手册》为准；描述中涉及的长度、角度等测量数据以原始文献的数据和图片为准。文档的化石记录按科、属拉丁名首字母升序排序。数据可为研究新生代青藏高原环境气候演变与植被和植物多样性演化之间的耦合关系提供重要参考资料。
周浙昆, 刘佳, 陈琳琳, Robert A. Spicer, 李树峰, 黄健, 张世涛, 黄永江, 贾林波, 胡瑾瑾, 苏涛
青藏高原被誉为“亚洲水塔”，其提供的径流作为重要的、易获取的水资源，维系着周边数十亿人口的生产生活，支撑着生态系统的多样性。准确估算青藏高原的径流，揭示径流的变化规律，有利于高原及周边地区的水资源管理和灾害风险规避。青藏高原五大河源区冰川径流分割数据集覆盖时间从1971年到2015年，时间分辨率为逐年，覆盖范围为青藏高原五条大江大河源区（黄河源，长江源，澜沧江源，怒江源，雅鲁藏布江源），空间分辨率为流域，以多源遥感和实测数据为基础使用耦合了冰川模块的分布式水文模型VIC-CAS模拟获得，使用站点实测数据对模拟结果进行了验证，其所有数据进行了质量控制。
王世金
归一化植被指数（Normalized Difference Vegetation Index , NDVI）广泛应用于植被监测。本数据集利用2000-2020年青藏高原区域所有可用的Landsat 5/7/8数据（影像10万+），通过MODIS-Landsat数据融合算法（gap filling and Savitzky–Golay filtering；GF-SG），重建了青藏高原植被区域2000-2020年高时空分辨率（30米-8天）NDVI时间序列数据集（QTP-NDVI30）（算法细节请参考论文）。 本数据集具有良好的验证精度。定量评价结果显示重建NDVI影像数据的平均绝对误差MAE为0.02，平均相关系数R为0.96，图像结构相似性SSIM为0.94。选取典型区域与PlanetScope 3米空间分辨率影像比较，空间细节信息得到了较好的保持（产品评价细节请参考论文）。 本数据集地理坐标系为GCS_WGS_84, 空间范围覆盖青藏高原植被区域，植被区域定义为7-9月平均NDVI大于0.15。
曹入尹, 徐子超, 陈洋, 沈妙根, 陈晋
第二次青藏高原综合科学考察研究任务五专题三“高原微生物多样性保护和可持续利用”（2019QZKK0503）第一、二年度共计开展30余次野外科学考察，足迹覆盖了青藏高原大部分地区，包括对藏东南、羌塘高原、可可西里、喜马拉雅区等区域冰川（如枪勇冰川、唐古拉冰川、珠峰东绒布冰川、杰马央宗冰川、帕隆4号冰川等）、湖泊（昂仁金错、错果、托素湖等）、河流（雅鲁藏布江等）、溪流、土壤、真菌地衣、动物多圈层微生物的考察。该数据集包含本专题第一、二年度野外考察收集的生境照、工作照、科考影像等电子数据，共计6,471个照片视频（其中照片6,124张）。
刘勇勤
青藏高原及其周边高山地区孕育了高度的植物多样性，其成分来源复杂，既是现代高山植物的分布中心，也与其它地区的植物有着千丝万缕的联系。生长在这一地区的植物具有适应高原环境的独特基因资源，但受限于技术的发展，对这一地区植物的基因资源挖掘和利用仍然处于起步阶段。通过对龙胆科植物卵萼花锚和大花花锚开展比较基因组学研究，可解析植物交配系统进化的基因组效应，发掘与自交相关的关键基因，探讨植物混合交配系统的维持机制。本次数据汇交的内容主要为：卵萼花锚和大花花锚的基因组原始数据，包含卵萼花锚和大花花锚的三代Pacbio测序数据以及卵萼花锚和大花花锚的二代illumina测序数据。
段元文
本数据集为1960-2019年青藏高原逐年的降雨侵蚀力的栅格数据集。利用青藏高原及周围150km范围内129个站点1960-2019年的日降雨资料计算降雨侵蚀力，其中74个站点位于青藏高原内部，55个站点位于外部，计算方法与全国第一次水利普查的算法一致，采用WGS_1984坐标系和Albers投影（中央经线105°E，标准纬线25°N和47°N），然后逐年进行克里金插值生成栅格图，空间分辨率为250m。降雨侵蚀力是土壤侵蚀的主要动力因子，也是CSLE、RUSLE等模型计算的基础因子。整编完善的长时间序列日降雨资料的数据精度高，提高降雨侵蚀力估算的准确性，也有助于进一步精确估算青藏高原土壤侵蚀量。
章文波
从青海、西藏、新疆、甘肃、四川和云南连续多年省级和地市级统计年鉴中提取人口、粮食、粮食播种面积和年末生出数据集，对于缺失的数据进行插补，插补方法如下：1、为保证县域数据的准确性，本数据将部分县市进行了合并（按比例拆分插补20年的数据可能有误差，但合并肯定不会有问题，且县域面积较小，故予以合并）2、夏河县与合作市合并为夏河县（1998年合作市由夏河县分出）3、古城区和玉龙县合并为古城区（2003年丽江县被分为古城区和玉龙县）4、西宁市的城中区、城东区、城西区、城北区4个区已合并为西宁市市直辖区（因4区的人口数量或分别给出，或给出总和，且4区总面积仅有487平方公里，故予以合并）5、对于部分缺失数据，已结合相近年份进行曲线拟合，R2皆在0.85-0.99之间 6、为保证数据准确性，已逐县制作变化图
张路
该数据集产品包含1990-2020年每5年1期的青藏高原地上生物量和植被覆盖度数据产品，即1990年、1995年、2000年、2005年、2010年、2015年和2020年共7期。青藏高原地上生物量是根据不同的土地覆被类型，分别建立草地、森林等的地上生物量反演模型形成的地上生物量遥感反演产品；青藏高原植被覆盖度是采用像元二分法模型形成的植被覆盖度遥感反演产品。其中2000-2020年5期青藏高原地上生物量和植被覆盖度是基于MODIS卫星遥感数据进行遥感反演，空间分辨率为250米；1990和1995年2期青藏高原地上生物量和植被覆盖度是基于NOAA AVHRR卫星遥感数据进行遥感反演，经重采样后空间分辨率为250米。该数据集可为揭示青藏高原土地覆被量与质的时空格局，支持生态系统、生态资产与生态安全评估提供基础数据。
吴炳方
数据文件为7z压缩包格式，可用7-Zip软件解压打开，文件共计三个，分别是文件1、青藏高原草地退化分级的文字版，文件类型为word，文件2、名称为图，共有七张图，图片类型为png，图片名称为2010-2019年青藏高原（草丛、草地、草甸、草原、高山植被、荒漠、沼泽）生长季平均NDVI变化趋势率。文件3、命名为数据的文件夹，内容为图片，共有7种图，名称同上，每种图有五种文件类型，分别是hdr、tif、xml、ovr、png.
周华坤
植被初级生产力（Net Primary Production, NPP）数据集，源数据来自MODIS产品(MOD17A3H)，经过数据格式转换、投影、重采样等预处理。现有格式为TIFF格式，投影为Krasovsky_1940_Albers投影，单位为kg C/m2/year，空间范围为整个青藏高原。数据空间分辨率为500米，时间分辨率为每5年，时间范围是2001到2020年。青藏高原NPP整体呈现从西北向东南逐渐增加的趋势。
朱军涛
土地覆盖是指地球表面当前所具有的自然和人为影响所形成的覆盖物，是地球表面的自然状态，如森林、草场、农田、土壤、冰川、湖泊、沼泽湿地及道路等。土地覆盖（Land Cover）数据集，源数据来自MODIS产品，经过数据格式转换、投影、重采样等预处理。现有格式为TIFF格式，投影为Krasovsky_1940_Albers投影。数据空间分辨率为1000米，时间上，从2001至2020年，每年提供一幅图像。土地覆盖产品的分类采用国际地圈生物圈计划（IGBP, International Geosphere Biosphere Programme）定义的17类，包括11类自然植被分类，3类土地利用和土地镶嵌，3类无植生土地分类。
朱军涛
归一化植被指数（Normalized Difference Vegetation Index, NDVI）数据集源数据来自MODIS产品，经过数据格式转换、投影、重采样等预处理流程。现有格式为TIFF格式，投影为Krasovsky_1940_Albers投影。数据空间分辨率为1000米，时间上，从2001-2020年，每年提供一幅图像。NDVI产品有红光和近红外两个波段反射率计算得到，能够用于检测植被生长状态、植被覆盖度等。-1<=NDVI<=1，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆盖，且随覆盖度增大而增大。
朱军涛
本数据集包括祁连山地区2021年日值0.05°×0.05°地表土壤水分产品。采用耦合小波分析的随机森林优化降尺度模型（RF-OWCM），通过对SMAP L3级被动微波36km地表土壤水分产品（SMAP L3 Radiometer Global Daily 36 km EASE-Grid Soil Moisture, V8）进行降尺度，得到0.05°×0.05°地表土壤水分产品。参与降尺度模型的数据包括GLASS Albedo，MUSES LAI/FVC，中国西部逐日1 km全天候地表温度数据集（TRIMS LST-TP；2000-2021）V2，以及经/纬度等信息。
柴琳娜, 朱忠礼, 刘绍民
基于“第二次青藏高原综合科学考察”和”我国土系调查和《中国土系志》编制项目“获取的土壤调查剖面资料，采用预测性数字土壤制图范式，利用地理信息与遥感技术对成土环境进行精细刻画和空间分析，研发自适应深度函数拟合方法，集成先进的集合式机器学习方法，生成了青藏高原地区系列土壤属性（土壤有机碳、PH值、全氮、全磷、全钾、阳离子交换量、砾石含量（>2mm），砂粒、粉粒、粘粒、土壤质地类型、容重、土体厚度等）三维栅格分布图，并量化了不确定性的空间分布，与已有土壤图相比，较好地表征了青藏高原地区土壤属性的空间变异特征。该数据集可为研究青藏高原地区土壤、生态、水文、环境、气候、生物等提供土壤信息支持。
刘峰, 张甘霖
为探究雅鲁藏布江上游干支流的无机水化学特征，于2020 年8 月在雅鲁藏布江上游河源和河流段采集干支流水样。现场用100ml聚乙烯（PE）塑料瓶采集河水并使用多参水质监测仪（YSI-EX02,USA）原位测定采样点的pH值（±0.2）、溶解氧（DO）（±1%）等基本理化参数，并用0.025mol/L的HCl滴定HCO3-浓度。在实验室内采用离子色谱仪（盛瀚CIC-D160型，中国）分析测定Na+、K+、Ca2+、Mg2+、SO42-、NO3-、Cl-离子浓度。采用Gibbs模型、相关性分析、主成分分析等方法，分析了雅江上游干支流主要离子浓度变化、河水水化学组成特征，并对离子来源进行了解析，旨在揭示青藏高原冰川融水径流的无机水化学特征，并为高原地区典型河流的水源解析及变化趋势预估提供基础支撑。
牛凤霞
数据集包含了2020年9月，2021年6月，2021年9月测量得到的3幅廓琼岗日冰川高精度表面地形数据及对应的正射影像图。该数据集的生成使用了大疆精灵4 RTK无人机拍摄的影像数据，经倾斜摄影测量技术计算生成了相关产品，数据空间分辨率达到了0.15米。该数据是对目前低分辨率开源地形数据的补充，能够反映2020年-2021年间廓琼岗日冰川的表面形态变化，有助于精确研究气候变化下廓琼岗日冰川的消融过程。
刘金涛
该数据集提供了位于拉萨市区北郊的夺底沟径流实验站的流量、降水、气温监测数据。其中，径流监测站点2处，提供了2019年6月至12月的径流数据，数据步长为10分钟；降水监测站点5处，提供了2018-2021年的降水数据，数据步长为1日；气温监测站点8处，提供了2018-2021年的气温数据，数据步长为30分钟。径流数据、降水和气温数据均为实测数据。该数据集可以为青藏高原的水文和气象过程研究提供数据支撑。
刘金涛
数据集包含了雅鲁藏布江流域148个点位的实测土壤厚度数据，以及40个点位的土壤样品的物理性质及水力特性（粒径、饱和含水量、有机质含量、饱和导水率等）。采样点遍布雅鲁藏布江流域上游仲巴县至下游林芝市之间。土壤厚度数据通过开挖剖面测量得到，其他土壤数据由采集的环刀样品按标准化实验流程测试得到，因此数据精度较高。该数据集提供的雅鲁藏布江流域土壤数据，可以为青藏高原尺度的大范围土壤制图提供参照，提升相关研究的预测精度。
刘金涛
于2020年9月3日-9月9日在怒江流域上游（即怒江源区那曲流域）采集地下水与地表水，样品采集后立即放入100 ml高密度聚乙烯（HDPE）瓶。18O和D采用液态水同位素分析仪（Picarro L2140-i，USA）进行分析测试，稳定同位素比率用相对于Vienna“标准平均海水”（VSMOW）的千分差来表示。δ18O和δD的分析误差分别为±0.1‰和±1‰。为后续分析那曲流域地下水的水源解析提供基础的数据支撑。
刘亚平, 陈政豪
为探究那曲流域的无机水化学特征，于2020 年9 月以及2021年9月在那曲流域采集河水以及地下水。现场用550ml塑料瓶采集河水以及地下水。主要阴阳离子（Ca2+、Na+、Mg2+、K+、SO42-和Cl-）使用离子色谱仪（Metrohm ECOIC, Switzerland）进行测量，测量误差为1μg/L。重碳酸根（HCO3-）采用酸碱指示剂滴定法，使用50ml酸式滴定管测定。旨在揭示那曲流域的各水体的无机水化学特征，并为那曲流域地下水的补给来源解析提供数据支撑。
刘亚平, 陈政豪
充分利用多源植被分类/土地覆盖分类产品各自的优势，通过专门设计与青藏高原植被类型相适应的植被分类体系，选用集成分类方法，在数据可靠性的基础上遵循一致性的原则，制作了青藏高原现状植被图，其在现势性、分类体系的针对性和分类精度上均表现更优。从分类结果的现势性来看，青藏高原现状植被图较早期中国植被图能更好地反映青藏高原植被覆盖现状；从分类体系的针对性来看，青藏高原现状植被图采用了针对青藏高原植被专门设计的分类体系，有利于从多源数据产品中充分提取出具备高可靠性和一致性的植被覆盖信息；从分类精度来看，青藏高原现状植被图的总体精度（78.09%，Kappa系数0.75）较已有相关数据产品提高了18.84% ~ 37.17%，特别是对草地、灌丛等植被类型的分类精度有明显提升。
张慧, 赵涔良, 朱文泉
1）青海省湟水流域典型工业园土壤环境质量数据，为区域工业活动导致的土壤污染管控提供基础支撑； 2）数据来源为湟水流域典型区域土壤样品，样品采集后迅速放入-4℃冰箱保存送尽快至实验室，经前处理后完成相关参数的检测； 3）样品采集、转运过程符合规范，实验检测过程遵照相关标准严格执行结果，因土壤环境各因素的变化，该结果仅针对本次调查结果； 4）该数据可用于对区域土壤污染状况、重金属风险评估等内容进行分析；
王凌青
本数据为青藏高原CHNZ016号网格植物多样性与分布数据，包含此网格中植物的中文名、拉丁名、纬经度、海拔、采集编号、分子材料份数、标本份数、行政区划、小地点、采集人、采集时间及创建者等信息。该数据获取自e科考网站（http://ekk.kib.ac.cn/web/index/#/），并部分完成鉴定。此数据已涵盖本区系中所有植物名录和具体分布信息。此数据既可用于本区域的区系性质研究，亦可用于探讨本区域植物水平和垂直梯度格局等。
邓涛
本数据为青藏高原CHNAC006号网格植物多样性与分布数据，包含此网格中植物的中文名、拉丁名、纬经度、海拔、采集编号、分子材料份数、标本份数、行政区划、小地点、采集人、采集时间及创建者等信息。该数据获取自e科考网站（http://ekk.kib.ac.cn/web/index/#/），并部分完成鉴定。此数据已涵盖本区系中91科200余属600余种植物名录和具体分布信息。此数据既可用于本区域的区系性质研究，亦可用于探讨本区域植物水平和垂直梯度格局等。
邓涛
该数据集包含2016年11月至2020年8月在青藏高原采集的15条冰川共269个冰雪样品微生物扩增子测序数据，包括24K冰川（24K）、冬克玛底冰川（DKMD）、敦德冰川（DD）、杰玛央宗冰川（JMYZ）、廓琼岗日冰川（KQGR）、来古冰川（LG）、帕隆4号冰川（PL4）、羌塘1号冰川（QT）、枪勇冰川（QY）、曲玛冰川（QM）、唐古拉龙匣宰陇巴冰川（TGL）、夏岗江冰川（XGJ）、雅拉冰川（YA）、泽普沟冰川（ZPG）、珠峰东绒布冰川（ZF）。采样区域经纬度范围为28.020°N到38.100°N和86.28°E到95.651°E。 通过聚合酶链式反应（PCR），采用515F/907R（或515F/806R）引物对16s rRNA基因的V4-V5区（或V4区）片段进行扩增，并用Illumina Hiseq2500测序平台测序获得原始数据。所选引物序列分别为：“515F_GTGCCAGCMGCCGCGGTAA; 907R_CCGTCAATTCMTTTRAGTTT”“515F_GTGCCAGCMGCCGCGG, 806R_GGACTACHVGGGTWTCTAAT”。上传的数据包括：样品编号，样品描述，采样时间，经纬度坐标，样品类型，测序目标，测序片段，测序引物，测序平台，数据格式等基础信息，测序数据以序列文件数据格式正向 *.1.fq.gz和反向 *.2.fq.gz压缩文件储存。
刘勇勤
（1）所有数据是按每次完成每条科考路线，在所在驻点测得的数据。 （2）样本编号代表参加科考的队员，数据贡献者；不同编号代表不同人。 （3）收缩压、舒张压、脉搏的数据是通过欧姆龙臂式电子血压计测得；血氧饱和度（SPO2）、心率的数据通过鱼跃指夹式血氧仪测得；各个激素是通过上海酶联试剂盒测定所得。 （4）每批血压、脉搏、血氧饱和度、心率数据有两组；一组（晚上）为到达一个新的目的地后所测得，另外一组（早上）是每日到达一个新的住宿点吃早餐前所测得；激素数据为在部分住宿点采血后拿回实验室处理测得。 （5）人体进入高原低氧环境，心率、血氧饱和度、血压等是很敏感的反应指标，血压、心率、血氧饱和度等是反映机体缺氧程度的重要指标, 尤其是连续检测受试者, 可以表现出低氧应激和调整适应的变化过程。 （6）从生理学角度分析人们面对低氧应激后，机体为维持正常生命活动而提高或降低激素水平来达到一种适应性的保护机制，这为日后开发应对低氧药物提供了理论依据；同时，在深刻了解急进或首进高原对机体产生的不利影响时，我们可以选择进阶式入高原旅行，既有效预防了高原病的发生，又有利于青藏高原旅游业的发展。
李亚兄
1. 总编号为测量年的统一编号，如：17-001（2017年的第一个测点），野外编号为单次野外编号。 2. 时间：测量时的北京时间，如： 2017/08/01 13:25（2017年8月1日13时25分）。 3. 地理位置：测量点的经纬度，如： 29.6584，101.0884（北纬29.6584°，东经101.0884°），野外由Garmin 63sc型GPS测定。 4. 海拔：测量点的绝对海拔高程，如4500m (海拔4500米)，野外由Garmin 63sc型GPS测定，精度为1 m。 5. 实测植被盖度（%）：在野外用样方（1000 m*1000 m）测得。 6. 大气压：野外用DPH-103型智能数字温湿度大气压计测得，如651.7kPa，精度：0.1 kPa。 7. 气温：野外用DPH-103型智能数字温湿度大气压计测得，如15.61℃，精度：0.01℃。 8. 相对湿度：野外用DPH-103型智能数字温湿度大气压计测得，如79.1%，精度：0.1%。 9. 相对氧含量：野外用TD400-Sh-O2便携式氧气检测仪测得，如20.16%，精度：0.01%。 其中，17-001至17-065采样点的海拔通过Garmin Oregon 450型GPS测定, 精度为1 m；大气压通过卡西欧prg-130gc型气压计测定, 精度为5 hPa；氧气相对含量利用CY-12C型数字测氧仪测得，0-50.0%量程,分辨率为0.1%，精度为±1%。
史培军
本数据为青藏高原CHNYB013号网格植物多样性与分布数据，包含此网格中植物的中文名、拉丁名、纬经度、海拔、采集编号、分子材料份数、标本份数、行政区划、小地点、采集人、采集时间及创建者等信息。该数据获取自e科考网站（http://ekk.kib.ac.cn/web/index/#/），并部分完成鉴定。此数据已涵盖本区系中大量植物名录和具体分布信息。此数据既可用于本区域的区系性质研究，亦可用于探讨本区域植物水平和垂直梯度格局等。
邓涛
本数据为青藏高原CHNAB005号网格植物多样性与分布数据，包含此网格中植物的中文名、拉丁名、纬经度、海拔、采集编号、分子材料份数、标本份数、行政区划、小地点、采集人、采集时间及创建者等信息。该数据获取自e科考网站（http://ekk.kib.ac.cn/web/index/#/），并部分完成鉴定。此数据已涵盖本区系中植物名录和具体分布信息。此数据既可用于本区域的区系性质研究，亦可用于探讨本区域植物水平和垂直梯度格局等。 较去年不同的是，今年科考数据最多的网格发生了变化，可能有受到疫情或者环境的影响。
邓涛
青藏高原1km分辨率可利用风能资源分布数据是以数值模拟得到的青藏高原地区多年年平均风速为基础，考虑地形、水体、城镇等土地利用对风能开发的制约和限制，综合得到的非常丰富、丰富、较丰富和一般几个风能资源等级。根据地形坡度、土地利用类型来设置土地可利用率，并将城镇周边3km范围扣除，将土地可利用率按照0.2的间隔划分成从0到1的5个区间，再将年平均风速大小划分成4个区间，通过土地利用可利用率和风速两个因子的组合得到风能资源的等级划分。数据主要用于风能资源详查和风电场宏观选址。
朱蓉, 孙朝阳
该数据包括雅鲁藏布江、布拉马普特拉河以及恒河流域共72个河流砂样品的主量元素、微量元素、钕同位素和锶同位素地球化学数据，包括：雅鲁藏布江及其支流48个样品、布拉马普特拉河及其支流19个样品、以及恒河5个样品。主量元素包括全部72个样品的SiO2、Al2O3、Fe2O3等共10种元素氧化物数据，以百分比表示；微量元素包括30个样品的Li、Be、Sc等44种元素含量数据，以百万分比（ppm）表示；钕同位素包括26个样品的143Nd/144Nd数据及其误差值；锶同位素包括26个样品的87Sr/86Sr数据及其误差值。主量元素分析使用PANalytical Axios X射线荧光分析仪（XRF），采用溶片法进行测试，测试误差<3%；微量元素使用Thermo Fisher VG-X7电感耦合等离子质谱仪（ICP-MS），采用溶样法测试，测试误差<5%；钕和锶同位素测试采用Thermo Fisher NEPTUNE plus多接受电感耦合等离子质谱仪（MC-ICP-MS）测试, 相对国际标样测试值与参考值锶同位素的偏差<0.005%，钕同位素的偏差<0.004%。以上全部实验室测试分析均在同济大学海洋地质国家重点实验室完成。该数据对于认识青藏高原大型流域盆地构造活动、化学风化作用、河流沉积物从源到汇搬运过程、以及评估自然过程和人类活动相互关系都具有重要的科学意义和社会应用价值。
刘志飞, 赵玉龙, 于名扬, 林宝治, H.M. Zakir Hossain, Suchana Taral, Tapan Chakraborty
制图范围：张镱锂等2002版青藏高原范围。 数据源：1980年代青藏高原植被图，气候、地形、地貌、土壤数据等。 制图方法：复原植被图是反映未受人类经济活动破坏以前的原始植被分布状况的植被图。由于缺乏青藏高原早期植被分布图，在本项目组编制的1980年代青藏高原植被图的基础上，通过以下方法编制近似复原植被图。采用1980年代青藏高原植被图，使用1980年的WorldClim19个生物气候数据，分析生物气候数据与自然植被的关系，确定各类自然植被分布所对应的气候数据变化范围。对于1980年代植被图中的人工植被，使用最早的1960年的WorldClim19个生物气候数据，根据人工植被分布区的气候数据，以及上面得到的植被分布与气候关系，判断对应的自然植被，将该区人工植被替换为自然植被。在此基础上，进一步考虑植被分布地带性规律及其与地形、地貌、土壤的关系，依据人工植被周边残存的自然植被、周边地带性植被，对前面的判断结果进行分析，交叉验证人工植被替换结果的准确性，并进行适当修正。对于1980年代植被图中的自然植被，如针叶林、阔叶林、灌丛、荒漠、草原、草甸等则保持不变。综合以上分析结果，获得近似复原植被图。植被分类单位与1980年代青藏高原植被图相同。基于制图使用数据精度，本图出图比例尺最大为1:50万。
周继华, 郑元润, 宋长青, 程昌秀, 高培超, 沈石, 叶思菁
1980年代青藏高原植被图制图说明： 制图范围：张镱锂等2021版青藏高原范围。 数据源：1980-1988年Landsat 4-5 TM 影像（空间分辨率约30米）、野外调查数据、1:100万植被图、Google Earth影像、气候、地形、地貌、土壤、土地覆盖数据等。 制图方法：（1）初步图斑分割，采用面向对象的方法初步分割遥感影像，形成初步制图斑块；（2）目视解译，综合野外调查数据、1:100万植被图、Google Earth影像、气候、地形、地貌、土壤、土地覆盖数据等，对初步制图斑块进行目视解译制图；（3）交叉验证，使用地形图、1:100万植被图、土地利用图进行逻辑验证；（4）图例系统，采用《中华人民共和国植被图 (1:1, 000, 000)，2007》的分类标准、图例单位和系统，包括植被型组、植被型2个单位，制图区域共有植被型组11个，植被型46个，无植被地段10个；（5）植被图整饰，采用图斑和数字相结合的方法，表示不同植被类型和制图单位；（6）基于制图使用数据精度，本图出图比例尺最大为1:50万。
周继华, 郑元润, 宋长青, 程昌秀, 高培超, 沈石, 叶思菁
本数据集是基于青藏高原多年冻土分布区1114个样点的土壤调查数据，重点考虑了古气候在估算青藏高原土壤碳储量中的重要作用，在综合了气候（古气候和现代气候条件）、植被、土壤（土层厚度和土壤理化属性等）和地形等因素后，通过机器学习算法重新评估得到的青藏高原3m深度土壤碳储量。结果集表明当前陆地生态系统模型普遍低估了青藏高原冻土碳库大小，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。因此，未来模型模拟土壤碳循环应该将古气候的作用考虑在内。
丁金枝
全面认识青藏高原现代孢粉与植被、气候及人类土地用的关系，是定量重建过去植被、气候及人类扰动强度的基础。依托第二次青藏高原综合科学考察研究项目，项目组开展网格状的表层土壤样品采集和植被调查工作，共采集700余个表层土壤样品。该数据集是阶段性完成的318个样品的孢粉百分比数据，这些样点已经能够涵盖青藏高原中东部地区的大部分区域，也能够涵盖高原的常见植被类型。该数据集可以用于构建孢粉与植被及气候的转换函数。
曹现勇
本数据提供了2014-2101青藏高原二氧化碳气体排放数据，数据来源于CMIP6 ScenarioMIP 对比计划，选取了三种未来社会经济共享路径下的二氧化碳排放：SSP126, SSP370, SSP585。对青藏高原格点提取了2014-2101年数据，数据精度为0.9x1.25度。txt文件中包括三列，第一列是纬度，第二列是经度，第三列是年二氧化碳通量，单位为kg m-2 s-1。本数据集提供的青藏高原不同未来情景下二氧化碳排放，可为站点观测，数值模拟提供参考。
吕雅琼
为全面贯彻《科学数据管理办法》中针对“政府预算资金资助形成的科学数据应当按照开放为常态、不开放为例外的原则，由主管部门组织编制科学数据资源目录，有关目录和数据应及时接入国家数据共享交换平台，面向社会和相关部门开放共享，畅通科学数据军民共享渠道”的精神，依据相关汇交标准规范的有关要求，现面向第二次青藏高原综合科学考察研究项目建立本规范。 本规范主要起草单位：中国科学院地理科学与资源研究所。 本规范主要起草人：第二次青藏高原综合科学考察研究任务九项目组。
杨雅萍
日志、影像是野外科考特有的、重要的一手资料，也是科学数据的重要组成部分。为了进一步规范第二次青藏高原综合科学考察研究项目的考察日志、影像资料的收集整理和入库汇交，确保考察日志、影像资料入库的可操作性、条理性、规范性，特制定本技术规范。 本规范规定了考察日志、影像资料收集整理的程序、方法，包括工作准备、野外调查、资料整理等要求，以期能更好的为考察数据资料入库服务。 本规范适用于第二次青藏高原综合科学考察研究项目组织的野外考察调查的日志、影像资料的整理入库，其他野外科考形成的相关资料也可参照本技术规范执行。
杨雅萍
青藏高原是亚洲众多主要河流的源头，为亿万人口提供生活必需的水源，被称为“亚洲水塔”。亚洲水塔的主要补给水源为青藏高原地区的降水，其中高原低涡是青藏高原上重要的降水系统之一。由于青藏高原地形复杂、观测资料匮乏，对高原低涡的气候和结构特征及其形成和变化机制的认识仍然存在很多不足之处。本数据集利用多套再分析资料和高原低涡的客观识别方法，得到了一套长时间序列高原低涡数据集，包括高原低涡的位置、半径、强度、生命史和移动路径等特征，本数据集可用于高原低涡的气候特征分析、高原低涡对降水影响、高原低涡生成发展和移出机制研究等。数据集使用的再分析数据有：NCEP1（NCEP/NCAR），NCEP2（NCEP/DOE），ERA-Interim，ERA-40，ERA-5，CFSR，MERRA2，JRA55，NCEP FNL，CRA40等共10套再分析数据，其中NCEP1和NCEP2的分辨率较低，得到的高原低涡不适用作为气候特征分析。
林志强, 郭维栋
本数据集包括祁连山地区2020年日值0.05°×0.05°地表土壤水分产品。采用耦合小波分析的随机森林优化降尺度模型（RF-OWCM），通过对SMAP L3级被动微波36km地表土壤水分产品（SMAP L3 Radiometer Global Daily 36 km EASE-Grid Soil Moisture, V8）进行降尺度，得到0.05°×0.05°地表土壤水分产品。参与降尺度模型的数据包括GLASS Albedo，MUSES LAI/FVC，中国西部逐日1 km全天候地表温度数据集（TRIMS LST-TP；2000-2021）V2，以及经/纬度等信息。
柴琳娜, 朱忠礼, 刘绍民
水源涵养服务是一种重要的生态系统服务，直接影响区域水资源的整体水平，会对区域生态系统、农业、工业、人类消费、水力发电、渔业和娱乐活动产生重要影响，对于维持生态系统稳定以及提高人类福祉具有重要意义。针对水源涵养产品生产，基于水量平衡原理耦合降雨量、蒸散发、太阳辐射、气温、植被类型等数据进行了国家屏障区生态系统水源涵养建模研究。水源涵养服务利用基于水量平衡原理的InVEST 模型进行计算，InVEST模型具有输入数据量少、导出数据量大、对抽象生态系统服务功能进行定量分析等优点，是当前水源涵养服务评估的重要手段。该方法认为水源涵养服务为降水量减去蒸散发量，计算的指标包括年降水量、年蒸散发量。其中降水量数据以气象站点数据为基础，将日气象数据累积到年尺度上，然后利用ArcGIS空间插值方法插值到空间上；蒸散发量的计算是通过Zhang模型实现。将多源数据作为InVEST模型的输入变量基于参数化模型实现对青藏高原2000-2020年1km分辨率的水源涵养服务估算。
王晓峰
土壤冻结深度(SFD)是评估冻土区水资源平衡、地表能量交换和生物地球化学循环变化所必需的，是冰冻圈气候变化的重要指标，对季节性冻土和多年冻土都至关重要。 本数据是基于Stefan方程，对CanEMS2 (RCP 45和RCP85)、GFDL-ESM2M （RCP26、RCP45、RCP60和RCP85）、HadGEM2-ES（RCP26、RCP45和RCP85）、IPSL-CM5A-LR（RCP26、RCP45、RCP60和RCP85）、MIROC5（RCP26、RCP45、RCP60和RCP85）和NorESM1-M（RCP26、RCP45、RCP60和RCP85）等多模型不同情景下，利用逐日气温的预测数据及E-factor数据，获得2007-2065年空间分辨率为0.25度，青藏高原区域年平均土壤冻结深度数据集。
潘小多, 李虎
植被净初级生产力（Net Primary Productivity, NPP）作为生态系统物质及能量循环的基础，能够反映区域和全球尺度植被的固碳能力，是评价陆地生态系统质量的重要指标。针对植被净初级生产力产品生产，基于光能利用率模型的原理耦合遥感、气象、植被及土壤类型数据进行了国家屏障区生态系统生产力建模研究。在参数的选择上，由SPOT/VEG ETATION NDVI卫星遥感数据、中国植被图、太阳总辐射值及温度等数据计算出光合有效辐射（APAR）；根据区域蒸散模型模拟水分胁迫因子，与土壤水分子模型相比，它可以简化参数，增强模型的可操作性。将光合有效辐射和实际光能利用率作为CASA（Carnegie-Ames-Stanford Approach）模型的输入变量，基于参数化模型实现对青藏高原2000-2018年1km分辨率的陆地植被净初级生产力估算。
王晓峰
生物多样性（biodiversity）是生物及其环境形成的生态复合体以及与此相关的各种生态过程的总和，表现在生命系统的各个组织水平上，包括遗传多样性、物种多样性以及生态系统多样性三个层次。生境质量越高，生物栖息地环境越好，生物多样性越高，在部分研究中采用生境质量指数来表征生物多样性（肖强 et al. 2014）。生境质量指数（Habitat Quality，HQ）是对区域土地利用类型的生境适宜性和生境退化程度状况进行评价的一个无量纲综合性指标，以耕地、道路、城镇和河流作为生境胁迫因子，打分形成敏感性参数。针对生物多样性产品生产，基于土地利用数据和InVEST模型进行了国家屏障区生态系统生物多样性建模研究。InVEST模型具有输入数据量少、导出数据量大、对抽象生态系统服务功能进行定量分析等优点，是当前生物多样性评估的重要手段。基于青藏高原地区土地利用的实际情况，选取水田、旱地、城镇用地、农村居民点和其他建设用地这5种人类活动影响极大的土地利用类型作为威胁因子。将土地利用数据作为InVEST模型的输入变量，基于参数化模型实现对青藏高原2000-2020年1km分辨率的陆地生物多样性估算。
王晓峰
调查并收集青藏高原及周边地区的蔓菁种质资源，进行同质园实验获得表型数据，利用基因组测序技术获得数据文库并构建高质量参考基因组。使用重测序技术对蔓菁群体进行结构分析，结合早期人类迁徙及扩散路线对蔓菁在青藏高原现代地理分布格局形成的历史过程进行探究。与表型数据进行关联分析，对蔓菁现代居群适应性机制进行解析。从全基因组层面上理解泛第三极的环境差异以及不同地区人类活动和文化差异对青藏高原植物迁徙、适应及驯化的影响。
段元文
调查并收集青藏高原及周边地区的蔓菁种质资源，进行同质园实验获得表型数据，利用基因组测序技术获得数据文库并构建高质量参考基因组。使用重测序技术对蔓菁群体进行结构分析，结合早期人类迁徙及扩散路线对蔓菁在青藏高原现代地理分布格局形成的历史过程进行探究。与表型数据进行关联分析，对蔓菁现代居群适应性机制进行解析。从全基因组层面上理解泛第三极的环境差异以及不同地区人类活动和文化差异对青藏高原植物迁徙、适应及驯化的影响。
段元文
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
