1）本数据是依据最新的22个CMIP6耦合全球气候模式模拟结果计算的Aridity Index（干燥指数）数据；2）计算公式为P/PET(降水与潜在蒸散发的比值)，PET的计算依据PM公式；3）包括SSP2-4.5与SSP5-8.5两种情境的中亚大湖区1900年1月到2100年12月的月数据，分辨率为1度*1度；4）该数据可用于分析未来中等以及高排放情境下中亚大湖区干湿格局分布以及演变过程的预估。该数据已进行3个月滑动处理。
华丽娟
本数据集为：由CMIP6计划中MPI-ESM-HR1.2模式数据进行驱动，对CORDEX区域8（中亚区域）用WRF模式进行动力降尺度模拟得到的结果。数据包含2m温度（变量T2）和降水这两个变量，其中降水变量由对流降水（变量RAINC）和非对流降水（变量RAINNC）两部分组成。时间段包含历史试验（1995-2014年）、未来近期（2021-2040年）和未来中期（2041-2060年），其中未来时间段包含SSP1-2.6和SSP5-8.5两种情景。模拟的时间分辨率为6小时一次，空间分辨率为25km，垂直层数为51层，热启动为1994年一整年，使用了海温更新，并且选取了在该地区表现较好的参数化方案组合。该数据集能较好地反应中亚地区和青藏高原地区未来的气候变化特征，能为相关国家适应气候变化做出应对提供指导。
罗勇, 周杰威, 施文
数据主要包括“一带一路”沿线国家和重点区域的旗舰物种的面（POLYGON）、点（POINT）位分布，数据来源IUCN、GIBF。分布图制作的基础数据底图来源于ArcOnline地图下载。本数据主要用于分析“一带一路”重点区域旗舰物种的空间布局。 1）数据内容：本数据集按“一带一路”重点区域（中亚大湖区、中巴经济走廊、三江源国家公园）旗舰物种分布集成，其中哺乳动物9种、高等植物与真菌15种、鸟类20种、鱼类3种。 2）数据来源及加工方法：基于“一带一路”重点区域的旗舰物种名录及其分布基础数据：包括IUCN红色名录以及GBIF的物种地理空间数据，运用AcrMap软件制作每个物种的分布图，形成图集。 3）数据质量描述：每个物种经严格的文献调查、野外调查等，确定旗舰标准，并经哺乳动物学专家、高等植物学与真菌学专家、鸟类学专家、鱼类学专家，按“旗舰物遴选标准（6个指标中，应至少同时具有其中4个指标）”原则严格筛查打分，遴选出评分＞25分的物种进行图集制作。每个物种的地理空间数据的经纬度信息经专业人员核对，并按统一的制图标准制作出图。 4）数据应用成果及前景：考察了“一带一路”重点区域旗舰物种的生存状况、生态价值、人文经济价值等，为“泛第三极环境变化与绿色丝绸之路建设”地区的生态多样性评估和生态保护提供科学依据。
王雨华, 张元明, 杨维康, 陈毅峰, 屈延华, 陈世龙, 庄会富, 王亚楠, 林紫红
1990-2015年中亚大湖区土地覆被数据集，数据范围包括5个国家：哈萨克斯坦、吉尔吉斯斯坦、塔吉克斯坦、乌兹别克斯坦和土库曼斯坦。数据来源于欧空局，精度为300m。全球土地覆盖数据库使用的坐标参考系统是基于世界大地测量系统84 (WGS84)参考椭球面的地理坐标系统(GCS)。 数据共分为22个类别，在每个类别中还有亚类。分类类型使用联合国粮食及农业组织(FAO)开发的土地覆盖分类系统(LCCS)定义，其目的是尽可能与GLC2000、GlobCover 2005和2009产品兼容。
杨宇
本数据为中亚大湖区2017年逐6小时分辨率常规和卫星资料。其中常规资料包含中亚大湖区及其周边地区（中国、哈萨克斯坦、吉尔吉斯斯坦、土库曼斯坦、塔吉克斯坦、乌兹别克斯坦、阿富汗、俄罗斯、伊朗、巴基斯坦、印度等）的地面台站和探空站点观测，观测要素包含气温、气压、风速和湿度，每个时次的站点数平在600个左右，站点间距离在10-100km之间；卫星资料来源于极轨气象卫星（NOAA-18、NOAA-19、METOP-A和METOP-B）反演的云导风，并重采样到30km水平分辨率。云导风通过追踪示踪云的移动来估计风速，由示踪云的高度确定风场高度。本数据全部来源于全球电信系统Geostationary Tether Satellite（GTS），经过质量控制剔除了质量较差的观测资料。该数据可应用于中亚大湖区的资料同化，也可用于检验和评估模式对中亚大湖区的数值模拟。
姚遥
遥感影像解译标志也称判读要素，它能直接反映判别地物信息的影像特征，解译者利用这些标志在图像上识别地物或现象的性质、类型或状况，因此它对于遥感影像数据的人机交互式解译意义重大。本数据建立解译标志所采用的影像避免了植被覆盖度高的夏季，也避免了积雪较多、云层遮盖或烟雾影响较大的数据，并按照基础地理信息数据提取要求选择遥感影像波段组合顺序及与全色波段进行融合。在对数据进行增强处理时，避免引起信息损失。在影像上选择典型的标志建立区的要求是：范围适中以便反映该类地貌的典型特征，尽可能多的包含该类地貌中的各种基础地理信息要素类且影像质量好。标志区的选取完成后，寻找标志区内包含的所有基础地理信息要素类，然后选择各类典型图斑作采集标志，然后去实地进行野外校验，通过均匀布点采样设计（约52km为间隔均匀采点），收集整理了采样参考点3429个，照片数1870个，建立了解译标志库，并对不合理的部分进行修改，直到与实地相符为止。同时拍摄该图斑地面实地照片，以便于影像和实际地面要素建立关联，表达遥感影像解译标志的真实性和直观性，加深使用者对解译标志的理解。
刘铁
植被净初级生产力指数（Net PrimaryProductivity，NPP）反映的是植物固定和转化光能为化合物的效率，是指绿色植物在单位时间、单位面积内所累积有机物数量，是由植物光合作用所产生的有机质总量（Gross Primary Productivity，GPP）中减去自养呼吸（Autotrophic Respiration，RA）后的剩余部分，也称净第一生产力。NPP作为地表碳循环的重要组成部分，不仅直接反映了植被群落在自然环境条件下的生产能力，而且也是衡量区域土地利用/覆被变化的重要组成部分。净初级生产力数据产品，采用光能利用率（GLOPEM）模型算法通过多种卫星遥感数据（Landsat、MODIS等）反演得到的多种尺度栅格数据产品，该数据也是判定和调节生态过程的主要因子。
刘铁
气象数据是一组反映天气的数据，气象数据可分为气候资料和天气资料。本数据集主要包含了气象数据中的降雨数据以及气温数据（数据集中pre代表降雨、T2代表气温）。该数据集来自英国东安格利亚大学（University of East Anglia）提供的CRU（Climate Research Unit）全球格网数据（http://www.cgiar-csi.org/）。CRU数据集通过对中亚365个地区的观测站点资料插值得到，在中亚地区有较高的准确度。本数据集利用CRU通过Arcgis批量裁剪的方式得到中亚五国的降雨以及气温数据。数据格式：GeoTIFF；空间分辨率：0.5°；时间尺度：月尺度。该气象数据应用十分广泛，其可与不同领域资源相融合，在交通运输、新能源、农业、移动互联软件开发和服务、公共管理及基于大数据技术的智慧城市、智慧交通、智慧粮食等领域的开发建设中起到重要作用。
刘铁
土壤是岩石经过风化作用形成的不同大小的矿物颗粒。土壤不仅仅为作物提供养分和水分,同时也对各种养分有转化作用。此外，土壤还有自净功能，可以改良有机物含量、土壤温湿度、pH值、阴阳离子。而土壤污染导致几个方面的环境问题：工业污水, .酸雨, 尾气排放, 堆积物, 农业污染。土地受到污染后，含重金属浓度较高的污染表土容易在风力和水力的作用下分别进入到大气和水体中，导致大气污染、地表水污染、地下水污染和生态系统退化等其他次生生态环境问题。该数据集来源于联合国粮农组织（FAO）和维也纳国际应用系统研究所(IIASA)所构建的世界土壤数据库(Harmonized World Soil Database version 1.1 )(HWSD)，该数据为建模者提供模型输入参数，同时为生态农业分区,粮食安全和气候变化等研究提供依据。
联合国粮农组织（FAO）
径流是大气降水形成的，并通过流域内不同路径进入河流、湖泊或海洋的水流。习惯上也表示一定时段内通过河流某一断面的水量，即径流量。径流数据在水文水资源研究中占据着重要的地位，影响中亚当地社会经济的发展。本数据为中亚五国（哈萨克斯坦、吉尔吉斯斯坦、塔吉克斯坦、乌兹别克斯坦和土库曼斯坦）流量，来源于中亚各国水文气象局。时间尺度为2015年的年均数据。本数据为项目提供了基础数据，便于分析中亚生态水文水资源的情况，为项目数据分析提供了数据支持。
刘铁
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19003365号-4 | All Rights Reserved
｜ 
京公网安备11010502040845号
