本数据库包含西南高山峡谷21世纪以来的报道和调查的约800种大型真菌的1,487条分布记录，涉及4省39县，分别是青海（10条记录）、四川（949条记录）、西藏（448条记录）和云南（80条记录）。数据资料主要来自项目长期野外工作的积累及国内著名植物相关网站，如横断山生物多样性数据库。数据集包括本地区大型真菌的物种名、属名、科名、目名、纲名，以及分布省和分布县信息。本数据初步摸清了西南高山峡谷区域大型真菌的多样性现状及其分布，为大型真菌保护、规划以及大型真菌资源的可持续利用提供了坚实的数据基础。
孙航, 孙航, 孙航, 孙航, 孙航
本数据库为西南高山峡谷种子植物物种名录及其分布数据集，包含本区域近8,300种植物的1977年至2018年的34,696条分布记录。本数据库的物种分布信息主要获取自野外第一手数据及国内著名植物相关网站，如横断山维管植物。此数据主要涉及本地区植物的物种名、科属名、经纬度、海拔及其生境等信息。此数据可用于探讨西南高山峡谷的植物区系、区划，亦为西南地区乃至东亚地区的植物多样性、生态系统等研究奠定了坚实基础。
孙航, 孙航, 孙航, 孙航, 孙航
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
植被指数（NDVI, Normalized Difference Vegetation Index）可以准确反映地表植被覆盖状况。目前，基于SPOT/VEGETATION以及MODIS等卫星遥感影像得到的NDVI时序数据已经在各尺度区域的植被动态变化监测、土地利用/覆被变化检测、宏观植被覆盖分类和净初级生产力估算等研究中得到了广泛的应用。藏东南1KM植被指数（NDVI）空间分布数据集是在MODIS（https://ladsweb.modaps.eosdis.nasa.gov/）16天1KM地表反射率数据（MOD13）基础上，采用最大值合成法生成的2000年以来的月度植被指数数据集。该数据集有效反映了藏东南地区在空间和时间尺度上的植被覆盖分布和变化状况，对植被变化状况监测、植被资源合理利用和其它生态环境相关领域的研究有十分重要的参考意义。月度NDVI数据为每月NDVI数据数值的最大值，数据获取时间为2000年2月—2018年12月。下载的数据为GRID格式，空间分辨率为1km。
王浩
沱沱河源区植被类型图是基于 319 个地面采样点数据结合随机森林(RF)分类方法进行创建的。随机森林分类器的16个输入变量包括了Landsat-8的可见光、短波红外和热红外波段值及其反演的植被指数和地表温度数据等。根据研究区的植被特征及多年冻土模拟的需要，该图对高寒沼泽草甸(alpine swamp meadow)、高寒草甸(alpine meadow)、高寒草原(alpine steppe)和高寒沙漠(alpine desert )等4种植被类型进行了分类。图件的空间分辨率为30 m，可以提供更细节的植被类型的位置信息。
邹德富, 赵林, 刘广岳, 杜二计, 胡国杰, 李智斌, 吴通华, 吴晓东, 陈杰
2018-2021年高山冰缘带植物功能性状分解数据库是项目组于2018-2021年对青藏高原冰缘带科学考察的系列成果之一。数据库包含青藏高原冰缘带植物物种名录，及野外实测和依据《中国植物志》、《西藏植物志》、《云南植物志》、《青海植物志》、《横断山区维管植物》等资料收集的植物根、茎、叶、花、果等关键性状信息。数据为研究高山冰缘带的功能多样性、物种适应性、高山生态系统对气候变化的响应等研究提供了重要的基础数据。
孙航, 孙航, 孙航, 孙航, 孙航
青藏高原植物群落样方调查数据集（2019）由第二次青藏科考任务三专题六的科考队于2019年8月野外调查完成，空间跨度为：北纬36.02°- 38.07°，东经91.45°- 100.84°。数据集覆盖了森林、灌丛、草地、荒漠和农田等植被类型，共48个样地。数据集由四部分组成，包括样地信息、乔木层样方、灌木层样方和草本层样方。其中乔木层数据2条，灌木层数据63条，草本层数据101条。调查条目包括物种组成，物种分盖度，物种平均高度，灌丛平均冠幅和群落总盖度。
黄永梅, 霍佳璇, 任梁
于2020年8月~9月在西藏自治区的河湖源区开展规范的野外调查，共调查样点25个，75个样方。数据集包括样点编号、样方号、经纬度、海拔、样方的地上生物量、物种数和盖度，数据格式为Excel表。调查样方面积为100cm*100cm，每个样点（site）有3个样方，命名为Plot1、Plot2、Plot3。数据全为实地采集和测量数据，野外调查按照植被调查规范确保数据质量完好。该数据集为合理利用草地资源提供理论依据，并为综合评估典型土地利用变化的环境效应提供数据支撑。
汪霞
本数据集记录了沙化土地植被恢复重建技术模拟区（宁夏/中卫/沙坡头）2021.01-2021.12的气象要素以及不同深度土壤三参数数据，以及为探明咸海高矿化度咸水用于植被建设的可行性，课题成员于2020-2021年在新疆塔里木河下游农二师31团2连、甘泉堡、克拉玛依、轮台、图木舒克等盐碱地开展咸水灌溉种植盐地碱蓬试验，用以研究不同植物在高矿化度咸水灌溉下的表型特征。收集到的数据包括土壤含水量、电导率、土壤盐分等土壤理化性质以及耐盐植物生理等数据。
李新荣, 李新荣, 何明珠, 何明珠, 何明珠, 赵振勇, 赵振勇
数据采集于海北高寒草甸生态系统研究站样地（101°19′E，37°36′N，海拔3250m），位于青藏高原东北隅祁连山北支冷龙岭东段，高寒草甸是该地区主要的植被类型。数据记录了高山植物冠层上方光照、空气温湿度以及风温风速数据。通过LI-190R 光合有效辐射传感器（LI-COR，Lincoln NE，USA）和LR8515数据采集器（Hioki E. E. Co., Nagano, Japan）记录高山植物冠层上方辐射强度，记录间隔为每秒一次。用S580-EX温湿度记录仪（深圳华图）以及万向风速记录仪（北京天建华仪）记录空气温湿度以及风温风速的日动态，记录间隔为每三秒一次。记录时间为从北京时间7月13日10点至8月17日21点，由于每日需要使用USB存储时间以及更换电池，所以每日有3-5min的数据缺失，缺失的时间段不固定。目前该数据暂未发表。通过研究该数据可以进一步探讨高山植物叶片所处的微环境以及可能的对叶片生理反应的影响。
唐艳鸿, 郑天宇
该数据集包含了2020年青藏高原草原水平及垂直样带土壤和植被碳氮含量。土壤中碳（C）、氮（N）元素作为植物生长发育所需的重要营养元素，其含量高低及其化学计量特征不仅可以反映植物制造同化产物的能力和养分利用效率，还能判断影响植物生长发育的限制性元素。其中，C:N是判定叶片光合作用固碳能力的重要依据，因此分析高原地区水平及垂直样带上土壤及植物的碳氮含量，对生态环境建设具有重要意义。该数据主要是通过2020年的样带考察时实地观测获得（此后在实验室内进行分析测定）。获得样方植物样品后利用中科院植物所分析中心元素分析仪及总碳/总氮分析仪测试。其中，土壤有机碳及总氮为三个重复取样所得平均数。共获得了8个样点不同草地类型水平样带样点的土壤碳氮含量及22个水平样带样方、5个垂直样带样方的植被叶片碳氮含量。
许振柱, 许振柱
数据集包括4个数据文件，分别是（1）土地利用数据集_祁连山-阿尔金综合区（2021），包括祁连山-阿尔金综合区31个点的土地利用调查数据，包括调查时间、地点、经纬度、海拔、坡度坡向、主要植被类型和优势物种；（2）优势物种叶绿素含量数据集_祁连山-阿尔金综合区（2021），包括祁连山-阿尔金综合区31个调查点优势物种的叶绿素含量，每株植物选择5片叶，分别测定叶片上部、中部和下部的叶绿素含量；（3）叶面积调查数据_祁连山-阿尔金综合区（2021），包括祁连山-阿尔金综合区31个调查点主要植被类型的叶面积指数调查数据和计算求得的平均值，使用Sunscan冠层分析仪进行测量；（4）土壤温湿度数据集_祁连山-阿尔金综合区（2021），包括祁连山-阿尔金综合区31个调查点的经纬度、海拔、土壤表面温度、土壤30cm处湿度，数据记录为每个调查点3次重复测量。该数据集可用于青藏高原植被环境变化规律分析研究。
周广胜, 周广胜, 周广胜, 周怀林, 王玉辉, 王玉辉, 周怀林
本数据集是2017年8月-9月于阿里地区采集的典型地物光谱测量数据。高光谱数据使用ASD便携式地物光谱仪FieldSpec 4测量。进行光谱测量时基本为光线稳定的晴天，测量时记录了云量情况。测量前使用白板进行校准；并使用GPS记录经纬度坐标；记录了测量的植被类型；同时测量了周围土壤的光谱数据。地物光谱仪记录的DN值为.asd格式文件，可使用ViewSpecPro软件读取，并利用EXCEL结合白板数据转换为反射率。光谱数据用于提取不同植被类型光谱特征、植被分类、反演植被覆盖度等。
刘林山, 张炳华
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
本数据为“泛第三极环境变化与绿色丝绸之路建设”专项数据中的生态供给NPP数据集。该数据集基于植被光合作用模型（Vegetation Photosynthesis Model，VPM）模型遥感反演生成，其中，VPM （Vegetation Photosynthesis Model） 模型是一个基于卫星遥感数据和通量观测数据发展起来的光能利用率模型，模型的主要遥感驱动数据是EVI（Enhanced Vegetation Index）与LSWI（Land Surface Water Index）时间序列数据。NPP数据集的时间尺度为2000-2015年，空间分辨率为500 m，空间范围为“一带一路”沿线国家。该数据集表现出良好的模拟能力，可用于“一带一路”地区及其中个别国家的生态供给量、生态承载力等的准确估算，以及陆地生态系统碳循环的时空动态研究。
胡云锋
1） 数据内容：该数据是对青藏高原林芝地区立定遗址文化层堆积剖面进行研究产生的古DNA数据，包括4个层位10个堆积物古DNA样本的HiseqX宏基因组预测序数据。可以用来初步分析林芝立定遗址堆积物古DNA记录的物种组成的历时性变化，揭示当地古代农业发展的历程。 2） 数据来源及加工方法：课题组自有数据，利用Pair-end建库测序方法和illumina HiseqX测序平台检测获取。 3） 数据质量：20.3MB数据量，Q30>85%。 4） 数据应用成果及前景：数据用于探索遗址堆积物古DNA在揭示青藏高原古代农业发展历程中的研究潜力。
杨晓燕
1) 数据内容（包含的要素及意义）：数据包含气温（℃）、降水（mm）、相对湿度（%）和风速（m/s）和辐射（W/m2）四个指标的日值。 2) 数据来源及加工方法：气温、相对湿度、辐射和风速为日均值，降水为日累计值；数据采集地点为色季拉山东坡林线附近：29°39′25.2″N，94°42′25.62″E，4390m；下垫面为自然草地；采集器型号：Campbell Co CR1000，采集间隔时长：10分钟。数字化自动采集数据。气温和相对湿度仪器探头为HMP155A；风速传感器为05103；降水为TE525MM；辐射为Li200X。 3) 数据质量描述：气温、相对湿度和风速原始数据为10分钟一个的平均值，降水为10分钟的累积值；分别通过算术平均或求和得到日平均气温、相对湿度、降水量和风速。由于传感器限制，冬季降水量可能有一定的误差。 4) 数据应用成果及前景：此数据是已有数据《色季拉山气象数据（2007-2017）》和《中科院藏东南站色季拉山东坡林线基本气象数据（2018）》的更新，数据时间尺度跨度大，方便大气物理、生态、大气环境等方面的科学家或研究生使用。每年会不定期更新此数据。
罗伦
冠层微细立体结构三维观测仪（CanoMIS）示范数据集包含了CanoMIS在张掖大满站、祁连山生态站、沈阳清原站、北京市区等采集的玉米、向日葵、云松、千金榆、水曲柳、胡桃楸、桃树、鸡树条等代表性植物标准枝数据。CanoMIS安装到云台上，架设到地面或者生态观测塔上，通过操作终端计算机访问CanoMIS，对感兴趣标准枝进行原位采样，获取无背景干扰的标准枝二维强度图像和距离图像（三维图像），解决了传统成像技术易受背景干扰和丢失距离信息难以量化的问题，为标准枝原位分析提供了新的技术手段。
王新伟
数据采集地点包括甘肃祁连山森林站和党寨林场（2020年8月），东北虎豹国家森林公园西北沟及东侧（2020年10月）。数据采集要素有树种、胸径(cm)、树芯质量(g)、树芯长度(cm)、生材密度(g/cm^3) 。对树木1.3米处用生长锥进行了钻芯取样，树芯质量由电子天平测量得到，树芯长度由游标卡尺测量得到，树木生材密度数据通过测量计算得到。活立木密度观测仪收发天线放置在树木两侧，输入树种、胸径后每棵树采集5次数据，分别对每棵树5次测量结果进行平均后保存测量结果。
吴方明
叶面积指数，是生态系统的一个重要结构参数，用来反映植物叶面数量、冠层结构变化、植物群落生命活力及其环境效应，为植物冠层表面物质和能量交换的描述提供结构化的定量信息，并在生态系统碳积累、植被生产力和土壤、植物、大气间相互作用的能量平衡，植被遥感等方面起重要作用。数据来源于项目自主研发的分布式叶面积指数仪（基于半球图像），定时、定点、自下向上拍摄林冠的半球图像，并通过无线网络上传。本数据采集为原始的半球图像，需进一步处理才可计算叶面积指数，可使用Hemiview等软件处理。
苏宏新
通过设计高精度位移传感器和温度补偿算法，研制了一种能在野外高频率、高精度自动记录DBH的记录仪，并通过云平台实时评估树木生长动态。数据集是应用研发的树木径向生长自动观测仪在甘肃祁连山站、北京森林站进行野外测试和示范收集的数据，数据表包括人工测量对照值、不同站点不同树号采集Vi（位移）、Ri（树木周长）和Ci（树木直径）的测量值。通过计算获得树木胸径变化动态，推进我国植被生态监测的自动化、智能化水平和自主创新，服务于国家生态系统监测网络，服务于国家“两屏三带”生态安全屏障建设以及对脆弱生态区的大范围、全天候、立体化监测需求，对推进我国生态文明建设具有重要支撑作用。
张琳, 高立瑶, 高立瑶, 吴冬秀, 吴冬秀
黑河大满站植物物候自动观测仪示范数据集数据是植物物候观测仪在黑河大满站搜集的玉米物候观测数据集，植物物候观测仪可通过基于多光谱成像仪和无线传输模块的物候观测硬件系统采集物候图像，通过在线计算与可视化的图像管理、物候信息处理和系统控制软件，实现对植物个体和群落尺度关键物候期的自动识别。通过植物物候自动观测仪采集的数据可以计算植被绿度指数、NDVI指数等指标，可以监测植物关键物候期变化过程，可以反映植被物候变化规律。
宋创业, 高立瑶, 高立瑶, 吴冬秀, 吴冬秀
20世纪70年代末，我国采用植物-生境分类方法，在全国范围内开展统一的草地资源调查工作，历时近10年，1988年才完成了全国草地资源调查工作。到20世纪90年代初期，辅以航、卫片校核，汇编完成县级1:50000或1:100000草地类型图，并缩编成1:1000000全国草地资源图。该数据集为三江源1990年代1km×1km栅格的草地类型空间分布数据。 b. 数据的时间范围： 1990年代 c. 数据的空间范围、投影方式： 空间范围：三江源地区 投影参数： ProjectedCoordinateSystem: WGS_1984_Albers Projection: Albers false_easting: 0.00000000 false_northing: 0.00000000 central_meridian: 105.00000000 standard_parallel_1: 25.00000000 standard_parallel_2: 47.00000000 latitude_of_origin: 0.00000000 Linear Unit: Meter Geographic Coordinate System: GCS_WGS_1984 Datum: D_WGS_1984 Prime Meridian: Greenwich Angular Unit: Degree d. 数据类型（文献、属性、矢量、栅格、文本等）： 栅格（GeoTIFF）
施建军
本数据为黑河中游大满站（38.85551N，100.37223E）制种玉米2020年生长期的植被覆盖度（%）、生物量（克/株）、叶面积指数以及株高（厘米）的地面连续观测数据集。地面观测在3块样地开展：其中，生物量包括地上生物量鲜重和干重、地下生物量鲜重和干重（根的鲜重和干重）的观测，植被覆盖度采用数码相机拍照法进行观测，叶面积指数采用LAI 2200进行观测，株高采用卷尺进行观测。观测时间段为2020年5月31日-9月22日，观测参数在7月31日以前每5天观测一次，7月31后每10天观测一次，整个生长期共开展了19次观测。该数据集可为地表植被参数反演和验证提供数据基础。
耿丽英, 耿丽英, 耿丽英, 耿丽英, 耿丽英, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 耿丽英, 车涛
本数据为黑河中游大满站（38.85551N，100.37223E）制种玉米2019年生长期的植被覆盖度（%）、生物量（克/株）、叶面积指数以及株高（厘米）的地面连续观测数据集。地面观测在3块样地开展：其中，生物量包括地上生物量鲜重和干重、地下生物量鲜重和干重（根的鲜重和干重）的观测，植被覆盖度采用数码相机拍照法进行观测，叶面积指数采用LAI 2200进行观测，株高采用卷尺进行观测。观测时间段为2019年5月17日-9月23日，其中LAI自6月11日开始，观测参数在7月31日以前每5天观测一次，7月31后每10天观测一次，整个生长期共开展了20次观测（LAI为15次）。该数据集可为地表植被参数反演和验证提供数据基础。
耿丽英, 耿丽英, 耿丽英, 耿丽英, 耿丽英, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 耿丽英, 车涛
本数据为黑河中游大满站（38.85551N，100.37223E）大田玉米2018年生长期的植被覆盖度（%）、生物量（克/株）、叶面积指数以及株高（厘米）的地面连续观测数据集。地面观测在3块样地开展：其中，生物量包括地上生物量鲜重和干重、地下生物量鲜重和干重（根的鲜重和干重）的观测，植被覆盖度采用数码相机拍照法进行观测，叶面积指数采用LAI 2200进行观测，株高采用卷尺进行观测。观测时间段为2018年5月26日-9月26日，其中LAI自5月31日开始，观测参数在7月31日以前每5天观测一次，7月31后每10天观测一次，整个生长期共开展了22次观测（LAI为20次）。该数据集可为地表植被参数反演和验证提供数据基础。
耿丽英, 耿丽英, 耿丽英, 耿丽英, 耿丽英, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 耿丽英, 车涛
本数据为黑河中游大满站（38.85551N，100.37223E）制种玉米2017年生长期的植被覆盖度（%）、生物量（克/株）、叶面积指数以及株高（厘米）的地面连续观测数据集。地面观测在3块样地开展：其中，生物量包括地上生物量鲜重和干重、地下生物量鲜重和干重（根的鲜重和干重）的观测，植被覆盖度采用数码相机拍照法进行观测，叶面积指数采用LAI 2200进行观测，株高采用卷尺进行观测。观测时间段为2017年5月15日-9月21日，其中LAI自6月6日开始，观测参数在7月31日以前每5天观测一次，7月31后每10天观测一次，整个生长期共开展了21次观测（LAI为17次）。该数据集可为地表植被参数反演和验证提供数据基础。
耿丽英, 耿丽英, 耿丽英, 耿丽英, 耿丽英, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 耿丽英, 车涛
本数据为黑河中游大满站（38.85551N，100.37223E）制种玉米2016年生长期的植被覆盖度（%）、生物量（克/株）、叶面积指数以及株高（厘米）的地面连续观测数据集。地面观测在3块样地开展：其中，生物量包括地上生物量鲜重和干重、地下生物量鲜重和干重（根的鲜重和干重）的观测，植被覆盖度采用数码相机拍照法进行观测，叶面积指数采用LAI 2200进行观测，株高采用卷尺进行观测。观测时间段为2016年5月19日-9月5日，其中LAI自5月30日开始，观测参数在7月31日以前每5天观测一次，7月31后每10天观测一次，整个生长期共开展了18次观测（LAI为9次）。该数据集可为地表植被参数反演和验证提供数据基础。
耿丽英, 耿丽英, 耿丽英, 耿丽英, 耿丽英, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 耿丽英, 车涛
1）数据内容包含65国植被覆盖与生物措施因子B栅格数据，空间分辨率为1km。2）基础数据源为2014~2016年的MODIS MOD13Q1产品，空间分辨率250m；24个半月降雨侵蚀力比例；上级子课题提供的土地利用类型。根据MOD13Q1产品计算得到3年平均的24个半月植被覆盖度栅格数据，然后按土地利用类型计算土壤流失比例，进一步利用24个半月的降雨侵蚀力进行加权平均，得到植被覆盖与生物措施B因子栅格图。3）MOD13Q1遥感植被数据侧重进行了去云预处理，计算的B因子按地类进行统计并进行合理性分析，最终取得的数据质量良好。4）植被覆盖与生物措施B因子反映了地表土地利用/植被覆盖对土壤侵蚀的影响，是65国的土壤侵蚀模拟及其空间格局分析的基础。
章文波
本数据为黑河中游大满站（38.85551N，100.37223E）制种玉米2015年生长期的植被覆盖度（%）、生物量（克/株）、叶面积指数以及株高（厘米）的地面连续观测数据集。地面观测在3块样地开展：其中，生物量包括地上生物量鲜重和干重、地下生物量鲜重和干重（根的鲜重和干重）的观测，植被覆盖度采用数码相机拍照法进行观测，叶面积指数采用LAI 2200进行观测，株高采用卷尺进行观测。观测时间段为2015年5月10日-9月21日，其中LAI自5月25日开始，观测参数在7月31日以前每5天观测一次，7月31后每10天观测一次，整个生长期共开展了21次观测（LAI为18次）。该数据集可为地表植被参数反演和验证提供数据基础。
耿丽英, 耿丽英, 耿丽英, 耿丽英, 耿丽英, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 耿丽英, 车涛
Accurate estimation of the gross primary production (GPP) of terrestrial vegetation is vital for understanding the global carbon cycle and predicting future climate change. Multiple GPP products are currently available based on different methods, but their performances vary substantially when validated against GPP estimates from eddy covariance data. This paper provides a new GPP dataset at moderate spatial (500 m) and temporal (8-day) resolutions over the entire globe for 2000–2016. This GPP dataset is based on an improved light use efficiency theory and is driven by satellite data from MODIS and climate data from NCEP Reanalysis II. It also employs a state-of-the-art vegetation index (VI) gap-filling and smoothing algorithm and a separate treatment for C3/C4 photosynthesis pathways. All these improvements aim to solve several critical problems existing in current GPP products. With a satisfactory performance when validated against in situ GPP estimates, this dataset offers an alternative GPP estimate for regional to global carbon cycle studies.
张尧
Satellite-retrieved solar-induced chlorophyll fluorescence (SIF) has shown great potential to monitor the photosynthetic activity of terrestrial ecosystems. However, several issues, including low spatial and temporal resolution of the gridded datasets and high uncertainty of the individual retrievals, limit the applications of SIF. In addition, inconsistency in measurement footprints also hinders the direct comparison between gross primary production (GPP) from eddy covariance (EC) flux towers and satellite-retrieved SIF. In this study, by training a neural network (NN) with surface reflectance from the MODerate-resolution Imaging Spectroradiometer (MODIS) and SIF from Orbiting Carbon Observatory-2 (OCO-2), we generated two global spatially contiguous SIF (CSIF) datasets at moderate spatiotemporal (0.05∘ 4-day) resolutions during the MODIS era, one for clear-sky conditions (2000–2017) and the other one in all-sky conditions (2000–2016). The clear-sky instantaneous CSIF (CSIFclear-inst) shows high accuracy against the clear-sky OCO-2 SIF and little bias across biome types. The all-sky daily average CSIF (CSIFall-daily) dataset exhibits strong spatial, seasonal and interannual dynamics that are consistent with daily SIF from OCO-2 and the Global Ozone Monitoring Experiment-2 (GOME-2). An increasing trend (0.39 %) of annual average CSIFall-daily is also found, confirming the greening of Earth in most regions. Since the difference between satellite-observed SIF and CSIF is mostly caused by the environmental down-regulation on SIFyield, the ratio between OCO-2 SIF and CSIFclear-inst can be an effective indicator of drought stress that is more sensitive than the normalized difference vegetation index and enhanced vegetation index. By comparing CSIFall-daily with GPP estimates from 40 EC flux towers across the globe, we find a large cross-site variation (c.v. = 0.36) of the GPP–SIF relationship with the highest regression slopes for evergreen needleleaf forest. However, the cross-biome variation is relatively limited (c.v. = 0.15). These two contiguous SIF datasets and the derived GPP–SIF relationship enable a better understanding of the spatial and temporal variations of the GPP across biomes and climate.
张尧
本数据包括第二次青藏高原野外综合科学考察的影像资料。影像资料内容包括科考途中自然保护区采集样方的样地照片，云南西北部和四川西部自然保护区的森林生态系统，草地生态系统，湖泊生态系统的影像，植被情况，野生动植物生境，保护区内的动物，植物和真菌类数据。此外，影像数据还包括科考的样品采集过程和社区调查中科考队员入户调查以及与当地保护部门访谈的影像资料。数据来源于无人机和相机拍摄，可为科学研究提供佐证和参考。
苏旭坤
本植被含水量数据集来源于滦河流域土壤水分遥感试验中的地面同步观测，包括：（1）70 km×12 km 典型试验区（南北航线）的17个样区；（2）165 km×5 km复杂试验区（东北—西南航线）的8个样区；（3）地基微波辐射计观测的6个样区。地物类型包括草地、玉米、土豆、莜麦和胡萝卜。数据测量时间为2018年9月13日到2018年9月26日。植被含水量的测量方法为收获法，行播作物按照长度进行收获，草地按照面积进行收获。本数据集经过称重、烘干和植被含水量计算等步骤处理得到。
郑兴明, 姜涛
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
该数据集包含2020年3月1日至2020年12月31日大通河流域兰州大学寒旱区科学观测网络连城的物候相机观测数据，观测点的经纬度是102.737E，36.692N，海拔2903m。该数据使用北京师范大学自主研发的软件包进行处理。该物候相机采用向下的方式采集数据，拍摄数据分辨率为2592*1944，可指定拍摄时间频率。对于绿度指数物候期计算，需要根据感兴趣区域计算相对绿度指数（GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值），然后进行无效值填充和滤波平滑，最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等；对于覆盖度，首先进行数据预处理，选择光照不太强的图像，然后将图像分割为植被和土壤，计算每张图像的植被像素占计算区域内的比例作为该图像对应的覆盖度，在时间序列数据提取完成以后，再按用户指定的时间窗口对原始覆盖度数据进行平滑滤波，滤波后的得结果为最终的时间序列覆盖度。本数据集包括相对绿度指数（GCC）和覆盖度。因物候相机内置时钟错误，3月1日之前的影像为夜间拍照，照片无法使用，因此数据缺失。
赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿
该数据集包含了2020年01月01日至2020年12月31日青海湖流域地表过程综合观测网高寒草甸草原混合超级站的物候相机观测数据。站点位于青海省天峻县苏里路旁侧，下垫面是高寒草甸和高寒草原的混合。观测点经纬度为：东经 98°35′41.62″E，北纬 37°42′11.47″N，海拔3718m。该物候相机采用垂直向下的方式采集数据，拍摄数据分辨率为2592*1944，本数据集中的物候照片是在每天12:10拍摄的，拍摄时间误差在±10 min。图片命名方式为BSDCJZ BEIJING_IR_Year_Month_Day_Time.
李小雁, 李小雁
该数据集包含了2020年7月25日至2020年10月20日的黑河水文气象观测网下游四道桥超级站叶面积指数观测数据。站点位于内蒙古额济纳旗四道桥，海拔870 m，下垫面是柽柳。观测在四道桥超级站（101.1374E, 42.0012N）旁开展，样方1个，大小约30m×30m，每个样方内布设5个冠层下节点和1个冠层上节点。 本数据集由叶面积指数无线传感网（LAINet）获取，该仪器原始观测数据为仪器自动获取的每个节点逐日逐小时的光照数据（Level0），利用LAINet软件对原始观测数据进行处理，逐节点计算每天LAI（Level1），进一步对无效值识别与填充，并7天滑动平均消除天气变化对LAI计算的影响（Level2），对有多个LAINet节点的观测子区，节点的均值为该子区的最终观测值（Level3）。 本次发布的数据集为处理后的Level3产品，数据以*.xlsx格式存储。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)，观测数据处理请参考Qu et al. (2014)。
刘绍民, 刘绍民, 屈永华, 刘绍民, 刘绍民, 刘绍民, 刘绍民, 刘绍民, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 徐自为, 车涛, 徐自为, 车涛, 车涛, 徐自为, 徐自为, 车涛, 徐自为, 徐自为, 车涛, 徐自为, 徐自为, 车涛, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 任志国, 任志国, 任志国, 任志国, 任志国
该数据集包含了2020年7月26日至2020年10月20日的黑河水文气象观测网下游混合林站叶面积指数观测数据。站点位于内蒙古额济纳旗四道桥，海拔870 m，下垫面是胡杨与柽柳混合。观测在混合林站（101.1335E, 41.9903N）旁开展，样方大小约30m×30m，每个样方内布设5个冠层下节点和1个冠层上节点。 本数据集由叶面积指数无线传感网（LAINet）获取，该仪器原始观测数据为仪器自动获取的每个节点逐日逐小时的光照数据（Level0），利用LAINet软件对原始观测数据进行处理，逐节点计算每天LAI（Level1），进一步对无效值识别与填充，并7天滑动平均消除天气变化对LAI计算的影响（Level2），对有多个LAINet节点的观测子区，节点的均值为该子区的最终观测值（Level3）。 本次发布的数据集为处理后的Level3产品，数据以*.xlsx格式存储。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)，观测数据处理请参考Qu et al. (2014)。
刘绍民, 刘绍民, 屈永华, 刘绍民, 刘绍民, 刘绍民, 刘绍民, 刘绍民, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 徐自为, 车涛, 徐自为, 车涛, 车涛, 徐自为, 徐自为, 车涛, 徐自为, 徐自为, 车涛, 徐自为, 徐自为, 车涛, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 任志国, 任志国, 任志国, 任志国, 任志国
该数据集包含了2020年5月31日以前，和2020年9月2日以后的黑河流域地表过程综合观测网下游四道桥超级站的物候相机观测数据。2020年5月31日至2020年9月2日，由于物候相机供电故障，造成时间缺失，另外，在9月2日重新安装相机时，由于相机经过移动重新安装，造成视场内的目标物与5月31日以前有所变化，可能会造成前后数据的不一致性。站点位于内蒙古额济纳旗达来呼布镇四道桥，下垫面是柽柳。观测点的经纬度是101.1374E, 42.0012N，海拔873m。仪器由北京师范大学自主研发并进行处理。物候相机集成数据获取与数据传输功能。相机采用垂直向下的方式采集数据，拍摄数据分辨率为1280*720，可指定拍摄时间频率。对于物候期的计算，首先，根据感兴趣区计算物候指标，如相对绿度指数(GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值)。然后对数据进行质量控制、无效值填充和滤波平滑。最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等。本数据集为该站点2020年相对绿度指数（GCC）。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)。
刘绍民, 刘绍民, 屈永华, 刘绍民, 刘绍民, 刘绍民, 刘绍民, 刘绍民, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 徐自为, 徐自为, 车涛, 车涛, 车涛, 徐自为, 徐自为, 车涛, 徐自为, 徐自为, 车涛, 徐自为, 徐自为, 车涛, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 任志国, 任志国, 任志国, 任志国, 任志国
该数据集包含了2020年1月1日至2020年12月31日的黑河流域地表过程综合观测网上游阿柔超级站的物候相机观测数据。站点位于青海省祁连县阿柔乡草达坂村，下垫面是亚高山山地草甸。观测点的经纬度是100.4643E, 38.0473N，海拔3033m。仪器由北京师范大学自主研发并进行处理。物候相机集成数据获取与数据传输功能。相机采用垂直向下的方式采集数据，拍摄数据分辨率为1280*720，可指定拍摄时间频率。对于物候期的计算，首先，根据感兴趣区计算物候指标，如相对绿度指数(GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值)。然后对数据进行质量控制、无效值填充和滤波平滑。最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等。本数据集为该站点2020年相对绿度指数（GCC）。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)。
刘绍民, 刘绍民, 屈永华, 刘绍民, 刘绍民, 刘绍民, 刘绍民, 刘绍民, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 徐自为, 徐自为, 车涛, 车涛, 车涛, 徐自为, 徐自为, 车涛, 徐自为, 徐自为, 车涛, 徐自为, 徐自为, 车涛, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 张阳
该数据集包含2020年1月1日至2010年12月31日黑河流域地表过程综合观测网中游大满超级站的物候相机观测数据，该仪器由北京师范大学自主研发并进行处理。物候相机集成数据获取与数据传输功能。相机采用垂直向下的方式采集数据，拍摄数据分辨率为1280*720，可指定拍摄时间频率。对于物候期的计算，首先，根据感兴趣区计算物候指标，如相对绿度指数(GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值)。然后对数据进行质量控制、无效值填充和滤波平滑。最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等。本数据集为该站点2020年相对绿度指数（GCC）。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)。
刘绍民, 刘绍民, 屈永华, 刘绍民, 刘绍民, 刘绍民, 刘绍民, 刘绍民, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 徐自为, 徐自为, 车涛, 车涛, 车涛, 徐自为, 徐自为, 车涛, 徐自为, 徐自为, 车涛, 徐自为, 徐自为, 车涛, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 任志国, 任志国, 谭俊磊, 任志国, 谭俊磊, 任志国, 任志国
该数据集包含了2020年7月10日至2020年9月20日的黑河水文气象观测网中游大满超级站叶面积指数观测数据。站点(100.376° E, 38.853° N)位于甘肃省张掖市大满灌区内，海拔1556m，下垫面是玉米。观测样方共计6个，每个样方大小约30m×30m，经纬度分别为(100.376°E, 38.853°N)、(100.377° E, 38.858°N)、(100.374°E, 38.855°N)、(100.374°E, 38.858°N)、(100.371°E, 38.854°N)、(100.369°E, 38.854°N)。每个样方内布设5个冠层下节点和1个冠层上节点。 本数据集由叶面积指数无线传感网（LAINet）获取，该仪器原始观测数据为仪器自动获取的每个节点逐日逐小时的光照数据（Level0），利用LAINet软件对原始观测数据进行处理，逐节点计算每天LAI（Level1），进一步对无效值识别与填充，并7天滑动平均消除天气变化对LAI计算的影响（Level2），对有多个LAINet节点的观测子区，节点的均值为该子区的最终观测值（Level3）。 本次发布的数据集为处理后的Level3产品，数据以*.xls格式存储。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)，观测数据处理请参考Qu et al. (2014)。
刘绍民, 刘绍民, 屈永华, 刘绍民, 刘绍民, 刘绍民, 刘绍民, 刘绍民, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 徐自为, 徐自为, 车涛, 车涛, 车涛, 徐自为, 徐自为, 车涛, 徐自为, 徐自为, 车涛, 徐自为, 徐自为, 车涛, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 任志国, 任志国, 谭俊磊, 任志国, 谭俊磊, 任志国, 任志国
该数据集包含2020年8月11日至2020年12月31日石羊河流域兰州大学寒旱区科学观测网络民勤站的物候相机观测数据，观测点的经纬度是103.668E，39.208N，海拔1020m。该数据使用北京师范大学自主研发的软件包进行处理。该物候相机采用向下的方式采集数据，拍摄数据分辨率为2592*1944，可指定拍摄时间频率。对于绿度指数物候期计算，需要根据感兴趣区域计算相对绿度指数（GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值），然后进行无效值填充和滤波平滑，最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等；对于覆盖度，首先进行数据预处理，选择光照不太强的图像，然后将图像分割为植被和土壤，计算每张图像的植被像素占计算区域内的比例作为该图像对应的覆盖度，在时间序列数据提取完成以后，再按用户指定的时间窗口对原始覆盖度数据进行平滑滤波，滤波后的得结果为最终的时间序列覆盖度。本数据集包括相对绿度指数（GCC）。该站物候相机安装时间为2020年8月11日。
赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿
该数据集包含2020年1月1日至2020年12月31日石羊河流域兰州大学寒旱区科学观测网络西营河站的物候相机观测数据，观测点的经纬度是101.855E，37.561N，海拔3616m。该数据使用北京师范大学自主研发的软件包进行处理。该物候相机采用向下的方式采集数据，拍摄数据分辨率为2592*1944，可指定拍摄时间频率。对于绿度指数物候期计算，需要根据感兴趣区域计算相对绿度指数（GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值），然后进行无效值填充和滤波平滑，最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等；对于覆盖度，首先进行数据预处理，选择光照不太强的图像，然后将图像分割为植被和土壤，计算每张图像的植被像素占计算区域内的比例作为该图像对应的覆盖度，在时间序列数据提取完成以后，再按用户指定的时间窗口对原始覆盖度数据进行平滑滤波，滤波后的得结果为最终的时间序列覆盖度。本数据集包括相对绿度指数（Gcc）。
赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿
该数据集包含2020年1月1日至2020年12月31日柴达木盆地哈尔腾河流域兰州大学寒旱区科学观测网络苏干湖站的物候相机观测数据，观测点的经纬度是94.125°E，38.992N，海拔2798m。该数据使用北京师范大学自主研发的软件包进行处理。该物候相机采用向下的方式采集数据，拍摄数据分辨率为2592*1944，可指定拍摄时间频率。对于绿度指数物候期计算，需要根据感兴趣区域计算相对绿度指数（GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值），然后进行无效值填充和滤波平滑，最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等；对于覆盖度，首先进行数据预处理，选择光照不太强的图像，然后将图像分割为植被和土壤，计算每张图像的植被像素占计算区域内的比例作为该图像对应的覆盖度，在时间序列数据提取完成以后，再按用户指定的时间窗口对原始覆盖度数据进行平滑滤波，滤波后的得结果为最终的时间序列覆盖度。本数据集包括相对绿度指数（Gcc）。
赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿
该数据集包含2020年2月3日至2020年12月31日黑河流域兰州大学寒旱区科学观测网络寺大隆站的物候相机观测数据，观测点的经纬度是99.926E，38.428N，海拔3146m。该数据使用北京师范大学自主研发的软件包进行处理。该物候相机采用向下的方式采集数据，拍摄数据分辨率为2592*1944，可指定拍摄时间频率。对于绿度指数物候期计算，需要根据感兴趣区域计算相对绿度指数（GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值），然后进行无效值填充和滤波平滑，最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等；对于覆盖度，首先进行数据预处理，选择光照不太强的图像，然后将图像分割为植被和土壤，计算每张图像的植被像素占计算区域内的比例作为该图像对应的覆盖度，在时间序列数据提取完成以后，再按用户指定的时间窗口对原始覆盖度数据进行平滑滤波，滤波后的得结果为最终的时间序列覆盖度。本数据集包括相对绿度指数（GCC）。2月3日之前的照片因设备故障无法使用。
赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿
该数据集包含2020年3月10日至2020年12月31日疏勒河流域兰州大学寒旱区科学观测网络瓜州站的物候相机观测数据，观测点的经纬度是95.673E，41.405N，海拔2014m。该数据使用北京师范大学自主研发的软件包进行处理。该物候相机采用向下的方式采集数据，拍摄数据分辨率为2592*1944，可指定拍摄时间频率。对于绿度指数物候期计算，需要根据感兴趣区域计算相对绿度指数（GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值），然后进行无效值填充和滤波平滑，最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等；对于覆盖度，首先进行数据预处理，选择光照不太强的图像，然后将图像分割为植被和土壤，计算每张图像的植被像素占计算区域内的比例作为该图像对应的覆盖度，在时间序列数据提取完成以后，再按用户指定的时间窗口对原始覆盖度数据进行平滑滤波，滤波后的得结果为最终的时间序列覆盖度。本数据集包括相对绿度指数（GCC）。3月10日之前的数据由于存储卡到达上限已覆盖；5月31日调整摄像头方位。
赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿
本数据集包括祁连山区域2020年1月-12月月度最大值合成的30m空间分辨率地表植被净初生产力产品。利用 Landsat8 OLI 和sentinel 2多光谱遥感影像的红光和近红外两个通道的反射率数据，计算NDVI实现对地表月度NDVI产品的合成，进而利用经验模型计算NPP。最后，采用最大值合成 (Max value composition, MVC) 方法对月度植被净初生产力求取最大值输出月度NPP产品。
吴俊君, 吴俊君, 吴俊君, 仲波, 仲波, 仲波, 仲波
本数据集包括祁连山区域2020年1月-12月月度最大值合成的30m空间分辨率地表植被指数产品。利用 Landsat8 OLI 和sentinel 2多光谱遥感影像的红光和近红外两个通道的反射率数据，计算NDVI实现对地表月度NDVI产品的合成。最后，采用最大值合成 (Max value composition, MVC) 方法对月度植被指数求取最大值输出月度NDVI分幅产品，数据集共计25.7GB。
吴俊君, 吴俊君, 吴俊君, 仲波, 仲波, 仲波, 仲波
本数据集包括祁连山区域2020年1月-12月月度最大值合成的30m空间分辨率地表叶面积指数产品。利用 Landsat8 OLI 和sentinel 2多光谱遥感影像的红光和近红外两个通道的反射率数据，计算NDVI实现对地表月度NDVI产品的合成，进而利用经验模型计算LAI。最后，采用最大值合成 (Max value composition, MVC) 方法对月度叶面积指数求取最大值输出月度LAI产品，
吴俊君, 吴俊君, 吴俊君, 仲波, 仲波, 仲波, 仲波
本数据集包括祁连山区域2020年1月-12月月度最大值合成的30m空间分辨率地表植被覆盖度产品。利用 Landsat8 OLI 和sentinel 2多光谱遥感影像的红光和近红外两个通道的反射率数据，计算NDVI实现对地表月度NDVI产品的合成，进而利用像元二分法计算FVC。最后，采用最大值合成 (Max value composition, MVC) 方法对月度植被覆盖度求取最大值输出月度FVC产品，
吴俊君, 仲波, 仲波, 仲波, 仲波, 吴俊君, 吴俊君
在青海和西藏的荒漠带实地调查了52个样点，于2019年和2020年7-8月植被生长最大时期对植被地上生物量进行实地采样。同时，利用手持 GPS设备，记录了实验位点的经度、纬度和海拔等信息。样方的野外设置方法为：选取一块植被均匀的地段，当植被相对茂盛时样地设置为10米x10米的正方形样地，当植被相对稀疏时样地设置为30米x30米的正方形样地或者30米x90米的长方形样地；在设置好的样地中随机投掷3-5个小样方框（1米x1米），采用样方收割法收集植物样品：在1平方米的样方面积内，登记植物的物种名目，每个物种的株数等信息。并将样方内的各种植物分种齐地面刈割，带回实验室内, 在恒温干燥箱内65℃条件下烘干至恒重, 测定植物样本的干重，计算样方地上生物量。 此外，还通过采样点的经度纬度提取了该52个样点的2种遥感净初级生产力数据。(1) 2000-2018年的增强型植被指数(EVI)，并计算年整合增强型植被指数(iEVI)，iEVI与净初级生产力(NPP)具有高相关性，可作为净初级生产力的替代指标(He et al. 2021, Science of The Total Environment)。(2) 2001-2020年遥感净初级生产力(NPP)及其质量控制百分比(QC)，遥感NPP数据来自MOD17A3HGF Version 6 product (https://lpdaac.usgs.gov/products/mod17a3hgfv006/)，由净光合值（总初级生产力-植物维持呼吸）计算得到。植被覆盖度低的样点，遥感净初级生产力可能存在空值(NA)。
叶建圣
地表反照率是地表能量平衡的重要参量之一。本数据集为2020年植被生长季（6-10月）逐月的黑河流域典型站点无人机遥感地表反照率数据（花寨子站8月份的数据由于实验开展的技术问题缺失）。地表反照率算法为统计回归方法，即基于6S模型和大量的典型地物光谱反射率数据，建立的从窄波段反射率到宽波段反照率的经验回归模型。将该回归模型应用于无人机多光谱遥感传感器获得的地表反射率，最终得到0.2 m空间分辨率的地表反照率数据。本数据集经过了辐射定标、几何校正，与地面站点实测数据的验证结果显示，均方根误差为0.029。本数据集提供了超高分辨率的地表反照率数据，可以作为卫星遥感尺度和地面观测尺度之间的“桥梁”，并为从事高分辨率和超高分辨率遥感数据工作的科研工作者提供数据支持。
刘绍民, 刘绍民, 刘绍民, 刘绍民, 周纪, 周纪, 刘绍民, 周纪, 刘绍民, 刘绍民, 周纪, 董惟琛, 董惟琛
本数据为“Major turnover of biotas across the Oligocene/Miocene boundary on the Tibetan Plateau” （中文标题“青藏高原渐新世——中新世界线生物群的重大转换”）论文的全文相关图片数据。 数据来源为论文作者绘制或拍摄的原创图片的高清原图版本。 数据加工方式：原始图片未经二次加工。 数据可作为青藏高原隆升、环境及生物群变化等研究的参考资料。 该论文数据可在征得论文相关作者同意及注明出处的前提下引用。
邓涛
数据包括青藏高原与西北干旱区33个湖泊表层沉积物中植物DNA的原始测序文件。我们使用德国Qiagen公司的PowerMax土壤试剂盒提取DNA，并采用通用植物引物g-h (Taberlet et al., 2007) 对样品中叶绿体trnL (UAA) 内含子区的P6环进行PCR扩增，PCR产物随后送至瑞士Fasteris公司进行第二代高通量双端测序，测序仪器为Illumina NextSeq 550。数据质量分数Q30为81.97。
刘兴起, 贾伟瀚
本数据为青藏高原CHNZ020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87科129属150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
本数据集是2020年8月三江源地区典型地物高光谱测量数据。使用大疆M600搭载Cubert S185高光谱成像仪拍摄。包括2020年在三江源区域观测的典型地物高光谱测量数据。高光谱拍摄当天为晴天，飞行前进行了白板校准；并使用差分GPS记录经纬度坐标，用于几何精确校准。无人机高光谱相机记录的dn值，可使用Spectronon Pro软件转换为反射率。高光谱数据用于提取不同植被类型光谱特征、植被分类、反演植被覆盖度等。
刘林山, 谷昌军, 崔伯豪, 魏博
1)数据内容 包括采样点的观测年份、经纬度、海拔、生态系统类型、不同土层（SOC0-100 (kg Cm-2)； 0-100代表土层）、地下生物量含量。 2）数据来源 此部分数据是从文献中获取,具体文献来源参考说明文档。 3）数据质量描述 数据观测覆盖范围广，包含指标全面，展示了不同土层下的土壤有机碳含量，具有较高的完整性和精确性，能满足对青藏高原草地土壤碳储量的估算。 4）数据应用成果及前景 为预测未来青藏高原土壤的碳源–汇效应及实现生态系统碳可持续发展提供基础数据。
胡中民, 胡中民
1)数据内容 包括采样点的观测年份、经纬度、生态系统类型、年降雨量、干旱指数、年净初级生产力、地上生物量、地下生物量等数据。 2）数据来源 一部分来源于文献（1980-1995），另一部分来源于实地采样（2005-2006）。 3）数据质量描述 数据观测年份长，时间跨度大，覆盖范围广，包含指标多，具有较高的完整性和精确性，能满足对青藏高原草地植被碳储量的估算。 4）数据应用成果及前景 为预测未来青藏高原的碳源–汇效应及实现生态系统碳可持续发展提供基础数据。
胡中民, 胡中民
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GPP，表征生态系统总初级生产力。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。
Stephen Sitch
本数据集为青藏高原城镇化地区（湟水流域、黑河流域及青藏高原主要城镇）主要植被类型的光合作用相关参数与叶面积指数数据集。 1） 测量目的 生态调查数据可以用于青藏高原城镇化地区生态水文模型研究的参数化与验证工作。 2） 测量仪器 LI-6800便携式光合作用测量仪，LAI2200冠层分析仪。 3） 测量时间与地点 2019年7-8月在黑河流域测量，2020年7-8月在湟水流域及青藏高原重点城镇地区测量。 4） 测量参数与数据处理 根据生态水文模型实际需要，我们从Li-6800与LAI-2200测量的原始数据中筛选出E：蒸腾速率（mol m⁻² s⁻¹），A：净光合速率（µmol m⁻² s⁻¹）， Ci：胞间CO2浓度（µmol mol⁻¹）等12个主要指标。 5）数据存储 数据集采用Excel格式进行存储，配套数据包括测量样地的经纬度、主要植被类型等。
何春阳, 刘志锋, 陈奔新
本数据为青藏高原地区季度合成卫星遥感影像集，通过对Sentinel-2表观反射率时间序列产品进行去云合成处理得到，含可见光和近红外共4波段，空间分辨率约为10米。每年按1月-3月、4月-6月、7月-9月、10月-12月分为4个季度，综合利用Sentinel-2数据的可见光波段、卷云波段、气溶胶波段及近红外波段信息得到各时相影像的云掩膜，并按中位数原则对一个季度内所有掩膜后的影像进行合成，得到青藏高原地区的无云卫星遥感影像。
龙腾飞
数据集为第二次青藏高原综合科学考察青海省祁连县地区植被样方调查照片。包括2020年祁连县地区的28个样点的调查照片，以手机或相机拍摄。每个样点的照片放置在单独的一个文件夹内，文件夹命名为样点的编号，每个样点的照片包括采样点周围的景观照片，采样样方内植物群落的照片以及优势种的特写照片，可观察到样方内植被群落状况，土壤表面状况以及周围采样区的坡向坡度、人为干扰情况等等，照片均为原图，jpg格式。采样点的具体经纬度信息在压缩包内的单独Excel表格中，可对照查看。
尚占环
数据包含每个采样点5个样方的样方群落物种调查信息，包括物种名称、盖度、高度（5株）和株数，共28个样点（28个Excel表格），命名方式从QZKK-03-001到QZKK-03-028，在一个压缩文件包内，另外三个文件为分种的物种地上生物量、地下生物量以及采样点的经纬度信息，需相互对照使用（物种高度、盖度、株数、地上/地下生物量的采集调查样方面积为1m*1m，每个样点有10个样方，其中2、4、6、8、10等样方为分种采集样方，以P2、P4、P6、P8、P10表示，盖度以百分比表示，高度为厘米cm，株数以物种数量表示，每个样方（plot）的根系生物量分为3层，每层10cm，每项指标的单位均在标题标注）。数据全为实地采集和测量数据，高度为卷尺量取，盖度为估算法获取。数据质量完好，可用于计算生物多样性和物种分布等方向。
尚占环
数据包括2019年拉萨市和那曲地区的47个样点、2020年阿里和那曲地区的49个样点的调查照片，每个样点的照片包括采样点周围的景观照片，采样样方内植物群落的照片以及优势种的特写照片，可观察到样方内植被群落状况，土壤表面状况以及周围采样区的坡向坡度、人为干扰情况等等，照片均为原图，jpg格式，以手机或相机拍摄，采样点的具体经纬度信息在压缩包内的单独Excel表格中，可对照查看。
田大栓
数据包含采样点的基本调查数据，样方的群落物种盖度、高度和密度，以及分种的物种地上生物量、0-10cm表层土壤的温度、水分、PH、有效氮、有效磷、全碳、全氮含量（样点基本信息中有采集地点、日期、采集地的土壤状况，处理中的CK不分种采样的样方（5个），D是退化草地分种采样的样方（5个），凋落物、立枯、覆沙…盐碱斑的信息分别用0代表没有、1代表少，2代表多，裸地面积为百分比；物种高度、盖度、密度、地上生物量的采集调查样方面积为50cm*50cm，每个样点（site）有10个样方（sample），盖度以百分比表示，高度为厘米cm，密度以物种数量表示，0-10cm表层土壤信息每个样点（site）有3个重复，退化程度分为高度退化（HG）、中度退化(MG)、轻度退化(LG)，利用率有重（Heavy）轻（Light）,每项指标的单位均在标题标注）。数据全为实地采集和测量数据，全碳为元素分析法、全氮为凯氏定氮法，有效氮为碱解扩散法，有效磷为浸提—钼锑抗比色法，PH为电位法，温度和水分为土温计和土壤水分仪测定。数据质量完好，可用于计算生物多样性和物种存在的驱动因素分析等方向。
田大栓
本数据集包括6个数据文件，分别是：(1)高寒草甸海拔梯度土壤温度和水分数据_西藏当雄（2019-2020），该数据是2019-2020年西藏当雄高寒草甸海拔4400m，4500m，4650m，4800m，4950m，5100m不同土壤深度（5cm和20cm）的温度和含水量的逐小时观测数据。(2)色季拉山林线气象环境数据_西藏林芝(2019)，该数据是2019年西藏林芝色季拉山林线（包括阴坡林外、阴坡林内、阳坡林外、阳坡林内）的逐小时气象环境（包括风速、距离地表1m气温、距离地表1m相对湿度、距离地表3m气温、距离地表3m相对湿度、大气压、总辐射、净辐射、光合有效辐射、660nm红光辐射、730nm红外辐射、地表温度、大气长波辐射、地表长波辐射、地下5cm\20cm\60cm热通量、地下5cm\20cm\60cm土壤温度和湿度、雨量、雪厚）逐小时观测数据，其中由于高原地区设备电力故障，导致部分观测数据缺失，已在数据中说明。(3)主要气象站点的植被NDVI_青藏高原（2020），包括青藏高原25个气象站点附近的植被NDVI调查数据和计算平均值。(4)土地利用调查数据集_川藏铁路沿线(2019)，包括川藏铁路沿线35个调查点的土地利用调查数据，包括调查时间、地点、经纬度、海拔、坡度坡向、主要植被类型和优势物种。(5)叶面积指数调查数据_川藏铁路沿线（2019），包括川藏铁路沿线主要植被类型的叶面积指数调查数据和计算平均值，使用Sunscan冠层分析仪和LAI-2200测量。(6)土壤温湿度调查数据_川藏铁路沿线(2019)，包括川藏铁路沿线34个调查点：地点、经纬度、海拔、土壤表面温度、土壤30cm处湿度，数据记录为每个调查点3次重复测量。该数据集可用于青藏高原植被环境变化规律分析研究。
周广胜, 周广胜, 周广胜, 吕晓敏, 周怀林, 罗天祥, 吕晓敏, 王玉辉, 杜军, 王玉辉, 周怀林
本数据集是2019年9月川藏铁路沿线典型植被无人机高光谱观测数据，使用的是大疆M600 Resonon成像系统的机载光谱仪。包括2019年在拉萨的草原区域观测的高光谱数据，自带经纬度。高光谱调查时基本为晴天。飞行前进行了白板校准；采集数据时设有靶标（即适于草地的标准反光布），用于光谱校准；设有地面标志点（即有字母的泡沫板照片），并记录了每个标志点的经纬度坐标，用于几何精确校准。无人机高光谱相机记录的dn值，可使用Spectronon Pro软件转换为反射率。高光谱数据用于提取不同植被类型光谱特征、植被分类、反演植被覆盖度等。
周广胜, 周广胜, 周广胜, 汲玉河, 吕晓敏, 吕晓敏, 宋兴阳
该数据集包含了3类数据，分别是：（1）2020年青藏高原热熔塌陷区土壤理化指标和碳氮、植物碳氮和微生物碳氮数据。这些数据为评估青藏高原碳氮循环过程提供了重要参考。该数据主要是通过2020年在青海刚察考察时实地观测获得。获得的植物和土壤样品带回实验室后进行初步分类、去除杂质，再放入65°C的烘箱中烘干至恒重。测量土壤和植物中的碳氮组分。共获得了4个典型样点的40个样方。该数据可用于揭示土壤和植物碳氮组分的空间变化规律，理解碳氮组分在土壤-植物-微生物体系中的分配情况。 （2）2019年青藏高原草原水平样带土壤营养成分的数据。该数据主要是通过2019年的样带考察时实地打土钻获得。样方土壤样品带回实验室进行初步分类、去根、筛去杂碎石头等杂质。将土壤样品自然风干，然后混合均匀平均分成两份（每份100g左右），一份用2mm土壤筛过筛获得过筛样，另一份使用球磨仪进行土样研磨获得研磨样。包含的内容要素有：壤全C、N、P、K、Fe、Mn 、Cu、Zn、Ca、Na 和全Mg的含量；土壤速效P、K、Fe、Mn、Cu、Zn、Ca、Na 和Mg的含量。土壤全C、全N的测定：对研磨样进行包样，然后采用CHNOS元素分析仪（Vario EL III，GmbH, Hanau, Germany）测定全C、全N的含量。土壤全量元素测定：使用压片机对研磨样进行压片，然后采用X射线荧光光谱仪（XRF, PANalytical Axios mAX, Almelo, The Netherlands）测定样品的全P、K、Fe、Mn 、Cu、Zn、Ca、Na 和全Mg的含量。土壤速效态元素测定：对过筛样进行浸提处理，提取滤液通过电感耦合等离子体发射光谱仪（iCAP 6300, Thermo Electron Corporation, Waltham, MA, USA）测定速效P、K、Fe、Mn、Cu、Zn、Ca、Na 和Mg的含量。共获得了13个样带样点。39个样方，每个样方获得三个土壤层次（即0~10，10~20，20~30cm的土壤层次）。因此，每个样方的每个土壤营养元素共有117个数据(C、N、P、Mn、Zn等)；该该数据是此此科考获得的直接获得的实地土壤样品，风干过筛研磨后通过相关分析仪（上述）按相应测试规范测定，质量可靠，可供分析不同区域土壤碳氮含量或密度的分布规律、评估土壤养分状况、生态系统的可持续性等，特别是可供降水变化驱动的碳氮循环研究及其建模使用，具有较为广泛的使用价值和应用前景。 （3）2019年青藏高原草原水平样带植被生产力数据。该数据主要是通过2019年的样带考察时实地观测获得。获得样方植物样品后带回实验室进行初步分类、去除碎石等杂质，再放入65°C的烘箱中烘干至恒重。根据其样方生物量换算为生态系统碳循环关键要素--植被生产力（NPP）。共获得了13个样带样点，39个样方的观测数据。数据的内容要素包含地上、地上生物量及NPP。单位为克每平方米；该数据是此此科考获得的实地观测资料，质量可靠，可供分析不同区域植被生产力的分布规律、植被覆盖、生态系统的碳储量评估等，特别是供降水变化驱动的碳循环研究及其建模使用，具有较为广泛的使用价值和应用前景。
许振柱, 许振柱, 杨元合, 张峰
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）。
牛犇, 张宪洲, 张宪洲, 张宪洲
本数据集来源于论文：Tang, H. et al. (2020). Early Oligocene vegetation and climate of southwestern China inferred from palynology. Palaeogeography, Palaeoclimatology, Palaeoecology, 560, 109988. doi:10.1016/j.palaeo.2020.109988 数据中包含论文中的补充数据，主要包括：(1)利用采集的孢粉样品统计计算得到的孢粉百分比；(2)重建的早渐新世文山、吕合，晚始新世剑川三处古植物群的植被功能类型。 研究人员在青藏高原东南缘，云南省吕合镇发现了一个含化石的剖面，根据火山凝灰岩的铀-铅同位素测得其年代为早渐新世(~33-32 Ma)。剖面总厚度约为18米，本研究中，研究人员在剖面上采集了55份孢粉样品，每个样品为2-2.5 g，后用 KOH (10%)、 HCl (10%)和 HF (39%)处理，然后在超声槽中用5μm 尼龙网过滤样品，保留残余物。利用光学显微镜和扫描电子显微镜对孢子和花粉进行了鉴定。用毛细管采集单个孢粉粒，转移到铜质扫描电镜样品台上，后镀金，用 Zeiss EVO LS10扫描电镜对单个孢粉粒进行观察。在400倍的光学显微镜下进行孢粉统计，每个样品至少计300粒，之后计算不同类群孢粉的百分比。 随后，研究人员按照Prentice et al. (1996)，Prentice and Jolly (2000) 和Ni et al. (2010)的方法重建了古植被。根据已发表的数据(Ni et al. 2010)，通过古植物群与现代植物功能类型的相似性比较，重建了古生物群面貌。利用欧几里德距离(Prentice et al., 1996)和Jaccard指数系数(Pound and Salzmann, 2017)研究了古植物群与现代植物群的相似性，采用 R 包“ clusteval”中的“ Jaccard 指数系数”计算了相似度。古植物群落被划分为相似性得分最高的生物群落，同时考虑到了优势类群或关键类群。
唐赫
本数据集以大量的地面实测草地地上生物量数据为基础，以1980s中国植被类型图划分出温性草地类型，借助Google Earth Engine平台上的Landsat遥感数据，在不同草地类型分别构建了草地地上实测生物量-遥感数据的随机森林模型，在验证可靠的基础上，对1993～2019年间逐年的草地地上生物量进行了估算，从而形成了1993～2019年中国北方温性草地地上生物量的逐年空间数据集。地上生物量定义为单位面积内地面以上实存生活的植被有机物质总量。已对原有栅格值乘以系数100，单位：0.01克/平方米（g/m²）。本数据集可为中国北方温性草地资源、生态环境的动态监测和评价提供科学基础。
张娜
数据包含兰州大学地质科学与矿产资源学院古生物教研室2019年至2020年期间采自于甘肃、青海、云南的新生代植物大化石；化石均由团队成员赴野外采集而来，并在实验室中通过常规化石修复方法与角质层实验方法进行加工；化石保存基本完好，其中部分保存有角质层，可以进行实验并一步观察到气孔等微细结构，有助于分类鉴定及恢复古气候条件；对这些植物大化石的研究有助于深入了解青藏高原东部新生代古环境、古气候、古地理变化以及认识当时的植被面貌。
杨涛
瓜达尔深水港位于巴基斯坦俾路支省西南部瓜德尔城南部，在巴基斯坦靠近伊朗一侧，东距卡拉奇约460km，西距巴基斯坦伊朗边境约120km，南临印度洋的阿拉伯海，向西则是霍尔木兹海峡和红海，与阿曼首都马斯喀特(Muscat)遥遥相对，是一个极具战略地位的海港。 本数据为瓜达尔及其周边土地覆盖数据，数据源于GlobeLand30 (Chen, 2014)，数据空间分辨率为30米，数据格式为tiff。 GlobeLand30数据集研制所使用的分类影像主要包括美国陆地资源卫星(Landsat)的TM5、ETM+、OLI多光谱影像和中国环境减灾卫星(HJ-1)多光谱影像，采用基于像元对象知识(POK-based)的分类方法 (Chen, 2015)，总体精度为83.50%，Kappa系数0.78 (Xie, 2015)。
吴骅
本数据集来源于论文：Deng, W. et al. (2020). Sharp changes in plant diversity and plant-herbivore interactions during the Eocene–Oligocene transition on the southeastern Qinghai-Tibetan Plateau. Global and Planetary Change, 194, 103293. doi:10.1016/j.gloplacha.2020.103293 数据主要包含青藏高原东南部芒康县卡均植物群在始新世晚期与早渐新世早期由草食动物损坏后的植物叶片化石记录数据。 叶片化石上食草动物的损害类型对探索古环境变化下的动植物相互作用发展和更好的理解土壤生态系统进化历史十分重要。始新世-渐新世过渡期(EOT)是一个古气候剧烈变化的时期，对全球生态系统产生了重大影响，研究人员对青藏高原东南部芒康县卡均植物群的分类组成进行了鉴定，对始新世晚期(MK-3，~ 34.6 Ma)与早渐新世早期(MK-1，~ 33.4 Ma)两个时期植物化石叶片上保存完好的草食动物造成的破坏进行了研究。 本数据中包含了研究中的植物化石叶片记录数据，数据表中包含字段如下： Basic Code（基础编号）; Database RFID（数据库编号）; Family code（家族编码）; Genera code（基因编码）; Species code（种类编码）; Marks（标记）; Plant-herbivore（植食性破坏）; Leaves for damage（损害叶片数量）; FFGs & DTs（昆虫损害类型）; Code marks（损害类型标记）; Hole feeding（虫洞取食）; Margin feeding（边缘取食）; Skeletonization（留脉取食）; Surface feeding（表面取食）; Piercing & Sucking（刺吸式）; Oviposition（产卵式）; Mining（潜叶式）; Galling（虫瘿式）; Fungal（真菌式）; Incertae Sedis（地位未定式）; Boring（钻孔式）; Undefined（未定义） 数据中也包含论文中部分图形数据。
邓炜煜东, 苏涛, 苏涛
1）数据内容：泛第三极地区基于遥感反演的主要生态环境数据，包含PM2.5浓度、森林覆盖率、EVI、土地覆被、CO2等指标；2）数据来源及加工方法：PM2.5数据来源于the Atmospheric Composition Analysis Group Web site at Dalhousie University、森林覆盖度数据来源于MODIS Vegetation Continuous Fields (VCF)，CO2数据来源于ODIAC Fossil fuel emission dataset，EVI数据来源于MODIS Vegetation Index Products，土地覆被数据来源ESA CCI Land cover。提取出泛第三极65个国家和地区，其他未进行加工；3）数据质量描述：数据2000-2015年数据时间序列较好；4）数据应用成果及前景：可用于生态环境变化分析。
李广东
本数据集记录了阿姆河流域karakul地区荒漠土地2019.9-2020.9的气象要素数据，以及为探明咸海高矿化度咸水用于植被建设的可行性，课题成员于2020年6月在新疆塔里木河下游农二师31团2连开展咸水灌溉种植盐地碱蓬试验和在巴州33团沙漠边缘区进行了高矿化度水（18.94g/L）滴灌种子繁殖造林试验，用以研究不同植物在高矿化度咸水灌溉下的表型特征。收集到的数据包括土壤含水量、电导率、土壤盐分等土壤理化性质以及耐盐植物生理等数据。
李新荣, 李新荣, 何明珠, 何明珠, 何明珠, 赵振勇, 赵振勇
该数据集包含中亚地区1982-2015年逐次干旱事件的开始时间（年、月）、发生位置（经度、纬度）、持续时间（月）、干旱强度，以及植被响应干旱的脆弱性数据，空间分辨率为1/12°。其中，干旱事件通过12月尺度的标准化降水蒸散指数（SPEI12）<-1.0识别。干旱特征及植被脆弱性的具体算法详见引文。该数据集已在中亚植被响应干旱脆弱性等研究上得到应用，并在干旱事件时空特征、干旱-植被影响机理、干旱风险评估等研究领域具有应用前景。
邓浩宇
1）数据内容：数据为围栏工程实地采样数据，包含样方编号、草地类型、调查县、调查地点、工程类型、采样时间、工程开始时间、持续时间、"经度（°E）"、"纬度（°N）"、"海拔（m）"、"总盖度（%）" "高度平均（cm）"、地上生物量(g/m2)、地下生物量(g/m2)、总生物量(g/m2)， 2）数据来源：实地采样数据 3）数据质量：质量较高。 4）数据应用前景：青藏高原草地围栏工程将在保护草地、恢复区域植被生产力上获得显著成效，工程的实施为区域畜牧业发展提供了更广阔的空间, 保障了当地农牧民收入与地区经济为稳定的增长。此外，工程的实施保证并支持了藏区牧民的正常生产和生活, 实现了牧区草地保护与牧民畜牧业生产的稳定发展, 这对维护西藏社会全面稳定，促进西藏地区又好又快发展具有重要意义。
洪江涛, 王小丹
为了解析蔓菁如何、何时进入青藏高原，探讨蔓菁在青藏高原传播与驯化与早期人类活动的高原定居和古丝绸交流之间的关系，2018年6月，课题组利用三代基因组测序技术，对青海省囊谦县的蔓菁自交F1代品种进行全基因组测序和De Novo组装，得到组装基因组大小为409.69 Mb，Contig N50为1.21 Mb。这一结果可为研究植物扩散与人类活动之间的关系提供遗传基础。同时，这项研究有助于揭示人工驯化和人类选择对蔓菁的遗传分化的影响，以及蔓菁适应高原生态环境的适应性机制。
段元文, 段元文
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, 苏涛
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）。
孙航, 孙航, 孙航, 孙航, 陈家辉, 杨永平, Richard John Abbott, 孙航
（1）本数据集是申扎高寒湿地2016-2019年的碳通量数据集，包含空气温度、土壤温度、降水、生态系统生产力等参数。（2）该数据集以野外涡度相关实测数据为基础，采用国际上公认的涡度相关数据标准处理方法，基本流程包括：野点剔除-坐标旋转-WPL校正-储存项计算-降水同期数据剔除-阈值剔除-异常值剔除-u*校正-缺失数据插值-通量分解与统计。本数据集还包含了基于涡度相关数据集标定后的模型模拟数据。（3）该数据集已经过数据质量控制，数据缺失率为37.3%，缺失数据已采用插值方式补充。（4）该数据集对认识高寒湿地碳汇功能具有科学价值，也可以用于机理模型的矫正和验证等。
魏达
该数据集包含了2019年05月01日至2019年12月31日青海湖流域地表过程综合观测网高寒草甸草原混合超级站的物候相机观测数据。站点位于青海省天峻县苏里路旁侧，下垫面是高寒草甸和高寒草原的混合。观测点经纬度为：东经 98°35′41.62″E，北纬 37°42′11.47″N，海拔3718m。该物候相机采用垂直向下的方式采集数据，拍摄数据分辨率为2592*1944，本数据集中的物候照片是在每天12:10拍摄的，拍摄时间误差在±10 min。图片命名方式为BSDCJZ BEIJING_IR_Year_Month_Day_Time.
李小雁, 李小雁
本数据集包括祁连山地区重点区域2019年5月至2019年10月的归一化植被指数、植被覆盖度、植被净初级生产力、草地生物量、森林蓄积量植被参数遥感产品，空间分辨率为10m。本数据集采用高分一号、高分六号、哨兵、资源三号等遥感数据源，结合气象、地面监测等基础数据，采用波段比值法、混合像元分解模型、CASA模型等植被参数反演算法和模型，生成祁连山重点区域生长季逐月植被指数遥感产品。本数据集通过构建以高分卫星为主的高时空分辨率生态环境监测数据集，为区域生态环境问题诊断与生态环境动态评估提供数据支持。
祁元, 张金龙, 祁元, 张金龙, 曹永攀, 周圣明, 曹永攀, 周圣明, 王宏伟, 王宏伟
地表温度是地表能量平衡的重要参量之一。本数据集为2019年7-9月逐月的黑河流域典型站点无人机遥感地表温度数据；飞行使用大疆M600 pro无人机搭载FLIR VUE pro热像仪，分别以湿地内的SD站、绿洲内的DM站和荒漠内的HZ站为中心，观测了地表温度获取了地表亮温图像，无人机的飞行高度约300m，热像仪的像素为336x256，图像的空间分辨率为0.4m。地表温度反演算法为改进的单通道算法，将该算法应用于无人机热红外遥感传感器获取的地表亮温数据，最终得到0.4m空间分辨率的地表温度数据。
刘绍民, 刘绍民, 刘绍民, 刘绍民, 刘绍民, 刘绍民, 周纪, 周纪, 刘绍民, 周纪, 刘绍民, 刘绍民, 刘绍民, 周纪, 王子卫
地表反照率是地表能量平衡的重要参量之一。本数据集为2019年植被生长季逐月的黑河流域典型站点无人机遥感地表反照率数据。地表反照率算法为统计回归方法，即基于6S模型和大量的典型地物光谱反射率数据，建立的从窄波段反射率到宽波段反照率的经验回归模型。将该回归模型应用于无人机多光谱遥感传感器获得的地表反射率，最终得到0.2 m空间分辨率的地表反照率数据。本数据集经过了辐射定标、几何校正，与地面站点实测数据的验证结果显示，均方根误差为0.049。本数据集提供了超高分辨率的地表反照率数据，可以作为卫星遥感尺度和地面观测尺度之间的“桥梁”，并为从事高分辨率和超高分辨率遥感数据工作的科研工作者提供数据支持。
刘绍民, 刘绍民, 刘绍民, 刘绍民, 刘绍民, 刘绍民, 周纪, 周纪, 刘绍民, 周纪, 刘绍民, 刘绍民, 刘绍民, 周纪, 董惟琛, 董惟琛
本数据集包括黑河流域2019年5月至2019年10月的归一化植被指数、植被覆盖度、植被净初级生产力、草地生物量、森林蓄积量植被参数遥感产品，空间分辨率为10m。本数据集采用高分一号、高分六号、哨兵、资源三号等遥感数据源，结合气象、地面监测等基础数据，采用波段比值法、混合像元分解模型、CASA模型等植被参数反演算法和模型，生成祁连山重点区域生长季逐月植被指数遥感产品。本数据集通过构建以高分卫星为主的高时空分辨率生态环境监测数据集，为区域生态环境问题诊断与生态环境动态评估提供数据支持。
祁元, 张金龙, 祁元, 张金龙, 曹永攀, 周圣明, 曹永攀, 周圣明, 王宏伟, 王宏伟
归一化植被指数在研究植被长势、地物分类方面有重要作用。本数据集为2019年植被生长季逐月的黑河流域典型站点无人机遥感NDVI（Normalized Differential Vegetation Index）数据，空间分辨率为0.2 m。NDVI数据获取流程为将无人机拍摄后的单幅影像通过pix4D mapper进行拼接，并由pix4D mapper自动进行拼接后影像的植被指数计算。最后将pix4D mapper拼接的单航次影像利用ArcGIS镶嵌得到整个飞行区域影像。
刘绍民, 刘绍民, 刘绍民, 刘绍民, 刘绍民, 刘绍民, 周纪, 周纪, 刘绍民, 周纪, 刘绍民, 刘绍民, 刘绍民, 周纪, 金子纯
该数据集包含了2019年6月1日至2019年9月20日的黑河水文气象观测网下游混合林站叶面积指数观测数据。站点位于内蒙古额济纳旗四道桥，海拔870 m，下垫面是胡杨与柽柳混合。观测在混合林站（101.1335E, 41.9903N）旁开展，样方大小约30m×30m，每个样方内布设5个冠层下节点和1个冠层上节点。 本数据集由叶面积指数无线传感网（LAINet）获取，该仪器原始观测数据为仪器自动获取的每个节点逐日逐小时的光照数据（Level0），利用LAINet软件对原始观测数据进行处理，逐节点计算每天LAI（Level1），进一步对无效值识别与填充，并7天滑动平均消除天气变化对LAI计算的影响（Level2），对有多个LAINet节点的观测子区，节点的均值为该子区的最终观测值（Level3）。 本次发布的数据集为处理后的Level3产品，数据以*.xls格式存储。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)，观测数据处理请参考Qu et al. (2014)。
刘绍民, 刘绍民, 屈永华, 刘绍民, 刘绍民, 刘绍民, 刘绍民, 刘绍民, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 刘绍民, 刘绍民, 屈永华, 刘绍民, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为
该数据集包含2019年1月1日至12月31日石羊河流域地表过程综合观测网西营河站的物候相机观测数据，该仪器由北京师范大学自主研发并进行处理。物候相机集成数据获取与数据传输功能。该物候相机采用垂直向下的方式采集数据，拍摄数据分辨率为2592*1944，可指定拍摄时间频率。对于绿度指数物候期计算，需要根据感兴趣区域计算相对绿度指数（GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值），然后进行无效值填充和滤波平滑，最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等；对于覆盖度，首先进行数据预处理，选择光照不太强的图像，然后将图像分割为植被和土壤，计算每张图像的植被像素占计算区域内的比例作为该图像对应的覆盖度，在时间序列数据提取完成以后，再按用户指定的时间窗口对原始覆盖度数据进行平滑滤波，滤波后的结果为最终的时间序列覆盖度。本数据集包括相对绿度指数（Gcc）、物候期及覆盖度（Fc）。
赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿
该数据集包含2019年4月26日至10月31日大通河流域地表过程综合观测网连城站的物候相机观测数据，该仪器由北京师范大学自主研发并进行处理。物候相机集成数据获取与数据传输功能。该物候相机采用垂直向下的方式采集数据，拍摄数据分辨率为2592*1944，可指定拍摄时间频率。对于绿度指数物候期计算，需要根据感兴趣区域计算相对绿度指数（GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值），然后进行无效值填充和滤波平滑，最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等；对于覆盖度，首先进行数据预处理，选择光照不太强的图像，然后将图像分割为植被和土壤，计算每张图像的植被像素占计算区域内的比例作为该图像对应的覆盖度，在时间序列数据提取完成以后，再按用户指定的时间窗口对原始覆盖度数据进行平滑滤波，滤波后的结果为最终的时间序列覆盖度。本数据集包括相对绿度指数（Gcc）、物候期及覆盖度（Fc）。
赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿
该数据集包含2019年3月26日至10月31日疏勒河流域地表过程综合观测网瓜州站的物候相机观测数据，该仪器由北京师范大学自主研发并进行处理。物候相机集成数据获取与数据传输功能。该物候相机采用垂直向下的方式采集数据，拍摄数据分辨率为2592*1944，可指定拍摄时间频率。对于绿度指数物候期计算，需要根据感兴趣区域计算相对绿度指数（GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值），然后进行无效值填充和滤波平滑，最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等；对于覆盖度，首先进行数据预处理，选择光照不太强的图像，然后将图像分割为植被和土壤，计算每张图像的植被像素占计算区域内的比例作为该图像对应的覆盖度，在时间序列数据提取完成以后，再按用户指定的时间窗口对原始覆盖度数据进行平滑滤波，滤波后的结果为最终的时间序列覆盖度。本数据集包括相对绿度指数（Gcc）、物候期及覆盖度（Fc）。
赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿
该数据集包含了2019年6月1日至2019年9月20日的黑河水文气象观测网下游四道桥超级站叶面积指数观测数据。站点位于内蒙古额济纳旗四道桥，海拔870 m，下垫面是柽柳。观测在四道桥超级站（101.1374E, 42.0012N）旁开展，样方1个，大小约30m×30m，每个样方内布设5个冠层下节点和1个冠层上节点。 本数据集由叶面积指数无线传感网（LAINet）获取，该仪器原始观测数据为仪器自动获取的每个节点逐日逐小时的光照数据（Level0），利用LAINet软件对原始观测数据进行处理，逐节点计算每天LAI（Level1），进一步对无效值识别与填充，并7天滑动平均消除天气变化对LAI计算的影响（Level2），对有多个LAINet节点的观测子区，节点的均值为该子区的最终观测值（Level3）。 本次发布的数据集为处理后的Level3产品，数据以*.xls格式存储。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)，观测数据处理请参考Qu et al. (2014)。
刘绍民, 刘绍民, 屈永华, 刘绍民, 刘绍民, 刘绍民, 刘绍民, 刘绍民, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 刘绍民, 刘绍民, 屈永华, 刘绍民, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为
本数据为2018年哈萨克斯坦首都努尔苏丹生态屏障空间分布图，图中的地物类型主要包括防护林、道路、建筑、湖泊以及河流等。数据源为2018年8月的四景哨兵影像，分辨率为10米。同时，叠加OpenStreetMap（OSM）全球地物矢量图。该数据集经过校正处理，较为准确。防护林斑的提取通过目视解译与实地野外调查相结合，精度较高。数据反映了哈萨克斯坦首都努尔苏丹城市生态屏障空间分布现状，同时，对于长时间的防护林时空格局的变化监测，也具有重要的参考价值。
王永东
该数据集包含2019年8月28日至2019年12月31日黑河流域地表过程综合观测网中游大满超级站的物候相机观测数据，该仪器由北京师范大学自主研发并进行处理。物候相机集成数据获取与数据传输功能。该物候相机采用垂直向下的方式采集数据，拍摄数据分辨率为1280*720，可指定拍摄时间频率。对于绿度指数物候期计算，需要根据感兴趣区域计算相对绿度指数（GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值），然后进行无效值填充和滤波平滑，最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等；对于覆盖度，首先进行数据预处理，选择光照不太强的图像，然后将图像分割为植被和土壤，计算每张图像的植被像素占计算区域内的比例作为该图像对应的覆盖度，在时间序列数据提取完成以后，再按用户指定的时间窗口对原始覆盖度数据进行平滑滤波，滤波后的得结果为最终的时间序列覆盖度。本数据集包括相对绿度指数（Gcc）、物候期及覆盖度（Fc）。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)。
刘绍民, 刘绍民, 屈永华, 刘绍民, 刘绍民, 刘绍民, 刘绍民, 刘绍民, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 刘绍民, 刘绍民, 屈永华, 刘绍民, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为
该数据集包含2019年8月28日至2019年12月31日黑河流域地表过程综合观测网下游混合林站的物候相机观测数据，该仪器由北京师范大学自主研发并进行处理。物候相机集成数据获取与数据传输功能。该物候相机采用垂直向下的方式采集数据，拍摄数据分辨率为1280*720，可指定拍摄时间频率。对于绿度指数物候期计算，需要根据感兴趣区域计算相对绿度指数（GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值），然后进行无效值填充和滤波平滑，最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等；对于覆盖度，首先进行数据预处理，选择光照不太强的图像，然后将图像分割为植被和土壤，计算每张图像的植被像素占计算区域内的比例作为该图像对应的覆盖度，在时间序列数据提取完成以后，再按用户指定的时间窗口对原始覆盖度数据进行平滑滤波，滤波后的得结果为最终的时间序列覆盖度。本数据集包括相对绿度指数（Gcc）。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)。
刘绍民, 刘绍民, 屈永华, 刘绍民, 刘绍民, 刘绍民, 刘绍民, 刘绍民, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 刘绍民, 刘绍民, 屈永华, 刘绍民, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为
该数据集包含2019年8月28日至2019年12月31日黑河流域地表过程综合观测网中游阿柔超级站的物候相机观测数据，该仪器由北京师范大学自主研发并进行处理。物候相机集成数据获取与数据传输功能。该物候相机采用垂直向下的方式采集数据，拍摄数据分辨率为1280*720，可指定拍摄时间频率。对于绿度指数物候期计算，需要根据感兴趣区域计算相对绿度指数（GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值），然后进行无效值填充和滤波平滑，最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等；对于覆盖度，首先进行数据预处理，选择光照不太强的图像，然后将图像分割为植被和土壤，计算每张图像的植被像素占计算区域内的比例作为该图像对应的覆盖度，在时间序列数据提取完成以后，再按用户指定的时间窗口对原始覆盖度数据进行平滑滤波，滤波后的得结果为最终的时间序列覆盖度。本数据集包括相对绿度指数（Gcc）和归一化绿度指数。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)。
刘绍民, 刘绍民, 屈永华, 刘绍民, 刘绍民, 刘绍民, 刘绍民, 刘绍民, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 刘绍民, 刘绍民, 屈永华, 刘绍民, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为
该数据集包含了2019年6月1日至2019年9月20日的黑河水文气象观测网中游大满超级站叶面积指数观测数据。站点(100.376° E, 38.853° N)位于甘肃省张掖市大满灌区内，海拔1556m，下垫面是玉米。观测样方共计7个，每个样方大小约30m×30m，经纬度分别为(100.376°E, 38.853°N)、(100.377° E, 38.858°N)、(100.374°E, 38.855°N)、(100.374°E, 38.858°N)、(100.371°E, 38.854°N)、(100.369°E, 38.854°N)、(100.369°E, 38.854°N)。每个样方内布设5个冠层下节点和1个冠层上节点。 本数据集由叶面积指数无线传感网（LAINet）获取，该仪器原始观测数据为仪器自动获取的每个节点逐日逐小时的光照数据（Level0），利用LAINet软件对原始观测数据进行处理，逐节点计算每天LAI（Level1），进一步对无效值识别与填充，并7天滑动平均消除天气变化对LAI计算的影响（Level2），对有多个LAINet节点的观测子区，节点的均值为该子区的最终观测值（Level3）。 本次发布的数据集为处理后的Level3产品，数据以*.xls格式存储。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)，观测数据处理请参考Qu et al. (2014)。
刘绍民, 刘绍民, 屈永华, 刘绍民, 刘绍民, 刘绍民, 刘绍民, 刘绍民, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 刘绍民, 刘绍民, 屈永华, 刘绍民, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为
大气中的花粉是植物在开花期散布在大气中产生的，受植物的开花物候和气候等因素的影响。作为一种大气生物颗粒，大气花粉能够反映植物物候、气候条件、大气环流等的变化。大气花粉由珠峰站Burkard大气花粉采样器收集，该收集器是容积式花粉收集器，每分钟气流为10L，大气花粉颗粒被吸附在聚酯薄膜上，每周更换一次，收集下来的样品用甘油胶制成玻片，放在奥林巴斯显微镜400倍下进行鉴定，统计花粉科属类型和数量。数据集的时间覆盖范围是2011-2013年，时间分辨率为逐日。所采用的大气花粉采样装备为国际通用的采样器，遵循标准的采样和实验室处理流程，并由经验丰富的孢粉鉴定人员鉴定，确保数据真实、可靠。该数据可供该区域利用花粉分析重建古环境、植物物候响应气候变化等生态学研究做参考。
吕新苗
该数据集包含2019年8月28日至2019年12月31日黑河流域地表过程综合观测网下游四道桥超级站的物候相机观测数据，该仪器由北京师范大学自主研发并进行处理。物候相机集成数据获取与数据传输功能。该物候相机采用垂直向下的方式采集数据，拍摄数据分辨率为1280*720，可指定拍摄时间频率。对于绿度指数物候期计算，需要根据感兴趣区域计算相对绿度指数（GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值），然后进行无效值填充和滤波平滑，最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等；对于覆盖度，首先进行数据预处理，选择光照不太强的图像，然后将图像分割为植被和土壤，计算每张图像的植被像素占计算区域内的比例作为该图像对应的覆盖度，在时间序列数据提取完成以后，再按用户指定的时间窗口对原始覆盖度数据进行平滑滤波，滤波后的得结果为最终的时间序列覆盖度。本数据集包括相对绿度指数（Gcc）。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)。
刘绍民, 刘绍民, 屈永华, 刘绍民, 刘绍民, 刘绍民, 刘绍民, 刘绍民, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 刘绍民, 刘绍民, 屈永华, 刘绍民, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为
本数据集来源于论文：Gao, S., Zhou, T., Yi, C., Shi, P., Fang, W., Liu, R., Liang, E., & Julio Camarero, J. (2020). Asymmetric impacts of dryness and wetness on tree growth and forest coverage. Agricultural and Forest Meteorology, 288-289, 107980. doi:10.1016/j.agrformet.2020.107980. 数据提取自论文内Supplementary Materials中的表格数据。 此论文以美国西南部科罗拉多高原半干旱区森林为研究对象，综合应用大量的树轮宽度数据，结合遥感森林覆盖数据，通过在区域尺度设计“自然试验”（natural experiments），探讨了年际水分亏缺叠加影响下的滞后效应，并对比了年际间水分状况变化对树轮宽度和森林盖度影响的异同。研究发现，树轮形成当年的水分状况可显著影响滞后效应的持续时间及强度；树轮宽度与森林盖度对年际间水分状况的响应存在差异。 数据中包含357个采样点，111个水文年（1902-2012年）的年轮宽度指数（RWI）和与之匹配的年度水分亏缺异常（Dya）数据。 研究中使用的年轮数据由研究区域内三个主要物种的357个标准年表组成，时间跨度为1902年至2012年，总共有29,969个站点-年。三个主要物种的357个树年轮宽度年表来自国际树轮数据银行（International Tree-Ring Data Bank，https://www.ncdc.noaa.gov/data-access/paleoclimatology-data/datasets/tree-ring）。使用ARSTAN程序通过负指数曲线消除了由老化和树干直径增加引起的长期趋势（Cook, 1985），将树木年轮宽度数据转换成了年轮宽度指数（RWI）。进行标准化后，为了减少这些树环站点之间的空间异质性，所有年表均按具有可比方差的标准均值（RWI = 1000）进行了缩放。 研究中使用了年度水分亏缺异常（Dya）来探讨水分亏缺变异性对树木径向生长和生长遗产的影响。将网格化的Dya与RWI进行了匹配，为了减少由于气候数据的粗略解析而引起的偏差，对于同一网格内的树木年轮年表，将它们进行了每年平均。 数据集包含1个Excel数据文件，Ring-width indices and annual water deficit anomaly (1902-2012) 包含三张数据表，数据表名称分别为： raw_data：原始数据 processed_data：加工后的数据 variables：变量 数据中包含以下字段： sitename：树木年轮采样点的名称 Year：年轮形成年 RWI：年轮宽度指数 latitude：树木年轮采样点的纬度 lontitude：树木年轮采样点的经度 altitude：树木年轮采样点的高程 lon Grid No .：树木年轮采样点的经度网格号 lat Grid No .：树木年轮采样点的纬度网格号 Dya_3：年轮形成年（即“年”列）前第三年的缺水异常 Dya_2：年轮形成年（即“年”列）前第二年的缺水异常 Dya_1：年轮形成年（即“年”列）前第一年的缺水异常 Dya_curr：年轮形成年（即“年”列）的缺水异常 Dya_std：111个水文年（即1902-2012年）的标准年平均网格缺水量
高姗
本数据集是2009年欧亚大陆草地遥感三级分类图，数据为tif栅格格式，空间分辨率为1公里，三级草地分类为：温性草甸草原、温性典型草原、温性荒漠化草原、温性草原化荒漠、温性荒漠几个类型。 该数据是根据欧空局全球陆地覆盖数据（ESA GlobCover）2009产品GlobCover 2009 land cover map，结合ECMWF网站历史气象数据（降水量，年积温，湿润系数，蒸发量）及DEM数据等加工而成。该数据可为欧亚大陆温性草地分布信息以及时空变异分析提供依据。
唐家奎, 唐家奎, 唐家奎
本数据集为针对黑河上游和黄河源区域的分布式水文模型SWAT模型的应用而构建的相关数据库，主要为土壤和植被，以及DEM。土壤和植被涉及的参数较多，包括常规的土壤物理参数和化学参数，植被参数以及生物量参数，参数值的确定方式包括采样测定、文献和其他相关数据库，以及通过相关软件进行计算。由于SWAT模型的土壤和植被数据库涉及的参数较为全面，因此本数据集除了用于SWAT模型外，其中大部分参数也可作为其他生态水文模型驱动数据的参考。
邹松兵
Data set contains tree age of trees growing at different glacier moraines in the central Himalayas. The data were obtained using tree ring samples. Cores samples were collected (almost near to the ground level to estimate the minimum age of the related moraine) using an increment borer. Samples were processed by using standard dendrochronological techniques.
Shalik Ram Sigdel, Hui Zhang, Haifeng Zhu, Sher Muhammad, Eryuan Liang
通过对青藏高原宗日遗址、河西走廊三角城、火石梁、缸缸洼、一个地窝南、砂锅梁、官地、茂林山、冬给错那、诺木洪、曲贡、立定等40余处新石器-青铜时代遗址进行考古调查和发掘，获取了各遗址经纬度、高程、文化属性、文化遗物等基本信息；同时，对遗址调查和发掘过程中的动植物遗存进行科学收集、鉴定和实验室分析，得到了一批遗址碳十四年代数据、光释光年代数据、动物遗存鉴定数据、植物遗存鉴定数据、碳氮稳定同位素数据、孢粉数据、真菌孢子数据和环境指标数据。该数据集为研究青藏高原新石器-青铜时代先民的活动历史和生业模式提供了数据支撑。
董广辉, 董广辉, 董广辉, 杨晓燕, 杨晓燕, 刘向军, 吕红亮, 吕红亮, 刘向军, 候光良
西亚地区荒漠化专题数据主要包括：西亚地区沙化土地分布图和西亚地区退化草地分布图，空间分辨率为30m。西亚地区沙化土地分布图包含的土地类型有沙地、盐碱地、裸土地和裸岩石砾地，西亚地区退化草地分布图将草地划分为高覆盖草地、中覆盖草地和低覆盖草地三类。数据由中国科学院新疆生态与地理研究所遥感与GIS重点实验室生产，生产费用由“中国科学院战略性先导科技专项XDA20030101资助”，数据空间分辨率为30m。数据主要是基于2015年TM、ETM遥感影像数据，基于去云、镶嵌与裁剪、拼接、阴影处理等预处理，借助eCognition软件进行面向对象的地类分类，实现软件自动分类和人工信息提取相结合，最后对分类结果进行人工检查与修正。数据验证方式为野外实地验证和高精度影像验证两种方式，验证精度达到85%以上。
许文强
数据集包含1980，1990，2000，2010，2017年青藏高原草地产草量空间分布。基于中国科学院地理科学与资源研究所具有自主知识产权的生态水文动力模型VIP（Vegetation Interface Process) 模拟了青藏高原草地总初级生产力（GPP），利用经验系数估算了净初级生产力（NPP），将NPP换算为干物质，再根据根冠比估算了干草产量。空间分辨率1公里。该数据集将为草地资源管理、开发、利用以及“以草定畜”策略的制定提供依据。
莫兴国
本数据集是欧亚大陆温性草地类型时空变异图—中国内蒙古区域三级分类（2009年），数据为tif栅格格式，空间分辨率为1公里，三级草地分类为：温性草甸草原、温性典型草原、温性荒漠化草原、温性草原化荒漠、温性荒漠几个类型。该数据是在已有内蒙古草原的草类型图基础上加工而成。内蒙古草原的草类型图是依据野外调查资料，以内蒙旗县为单位，根据草原类型分类系统，在预判基础上，叠加野外样地资料、遥感影像等信息数据，参考当地历史草原调查数据及相关资料，野外调绘修正而成。 我们选择2000-2009历史气象数据，结合卫星数据进一步分析修正，并进行空间插值计算。得出内蒙区域温性草地三级分类。该数据可用于欧亚大陆温性草地分布信息以及时空变异分析提供依据。
唐家奎, 唐家奎, 唐家奎
数据集包含2000年，2010年，2018年青藏高原县级理论载畜量数据和1980年, 1990年, 2000年, 2010年, 2017年县级超载程度。基于地理科学与资源研究所具有自主知识产权的生态水文动力学模型VIP（Vegetation interface process) 模拟的NPP数据计算了产草量数据（1km分辨率），按照县行政区域尺度，计算县域产草量，并根据载畜量计算标准（NY/T 635-2015）计算得到县域范围内的理论载畜量。基于县级实际载畜量数据，计算了超载程度。数据将为草地恢复、管理和利用策略的制定提供借鉴。
莫兴国
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。该数据是2016年8天合成的1km分辨率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
本数据集为欧亚大陆温性草地类型时空变异图-中国区域三级分类图(1980S)。数据为tif栅格格式，空间分辨率为1公里，温性草地三级分类取值1-8分别为：1-温性草甸草原；2-温性典型草原；3-温性荒漠化草原；4-温性草原化荒漠；5-温性荒漠及三个非温性草地类型(6-高寒草地、7-其他植被区、8-非植被区)。 该数据以中国科学院植物研究所为主持单位的《中华人民共和国植被图(1 ∶1 000 000)》数据集为基础，结合历史气象等辅助资料分析处理而成，中华人民共和国植被图包含我国1980年代我国植被类型11 个植被型组、55 个植被型、960 个植被群系和亚群等植被信息，我们选择1980-1989历史气象数据，结合卫星数据进一步分析修正，并进行空间插值计算，得出我国温性草地三级分类。该数据可用于欧亚大陆温性草地分布信息以及时空变异分析提供依据。
唐家奎, 唐家奎, 唐家奎
数据包括1911-2017年咸海水位-储水量-面积时序变化数据集、1977-2017年咸海湖滨的生态系统结构（NDVI）的10年际变化、2000-2018年咸海沙尘发生次数EDI指数数据。 利用地形数据融合技术进行湖盆地形的构建，基于遥感监测和实地调查采点，在对咸海地形数据分析的基础上，综合归纳分析了其水位-面积-储水量的变化关系，形成水位-储水量-面积时序变化数据集，可清晰反映咸海水体变化过程及现状，为咸海环境变化研究提供基础数据。 以植被覆盖指数NDVI(Normalized Difference Vegetation Index)反映退缩区植被生态状况。NDVI数据采用Landsat卫星数据，空间分辨率为30m，共收集了1977、1987、1997、2007、2017年5期的NDVI数据。基于ENVI和GIS软件，通过遥感图像融合，指数计算和水体提取，确定咸海湖面和湖滨线。以南咸海湖滨线为起点，向水体退缩区延伸3 km，得到0-3 km之内的湖滨带的植被NDVI变化特征，以反映湖滨生态系统结构变化。 基于MODIS影像数据提取增强型沙尘指数（EDI，Enhanced Dust Index）。这一指数是引入因子沙尘光学密度（α）以增强沙尘信息形成增强型沙尘指数。基于遥感监测，利用增强型沙尘指数（EDI），建立了咸海面积-EDI指数关系曲线，该曲线的确定为构建咸海干涸湖床粉尘释放与气象因子、土壤理化性质定量关系奠定了基础，为确定控制沙/盐尘发生所需的咸海的合理面积提供了依据。
罗毅, 郑新军, 黄粤, 吉力力·阿不都外力
叶面积指数（leaf area index）又叫叶面积系数，是指单位土地面积上植物叶片总面积占土地面积的倍数，是反映作物群体大小的较好的动态指标。叶面积指数是森林生态系统的一个重要结构参数，表征叶片的疏密程度和冠层结构特征，影响着植被冠层内的光合、呼吸和蒸腾作用等生理生化过程，是描述土壤-植被-大气之间物质和能量交换的关键参数，也是估算多种生态过程与功能的重要变量。 本数据基于2000至2016年MODIS叶面积指数数据，对泛第三极关键节点区域的MCD15A3H产品数据进行了裁剪，最终得到了关键节点区域2002-2016年4天叶面积指数数据。数据投影：正弦投影 sinusoidal 数据的区域为泛第三极34个关键节点（阿巴斯、阿斯塔纳、科伦坡、瓜达尔、孟巴、德黑兰、万象等地区）。
阴海明
该数据集是基于MODIS 16天合成的NDVI产品（MOD13Q1 collection6）估算的三江源国家公园区域的植被生长季开始（Start of Season: SOS）和生长季结束的日期（End of Season: EOS）。共用了两种常见的物候期估算方法，分别是基于多项式拟合的阈值提取法（文件名中有poly字符）和基于双逻辑曲线（double logistic function）拟合后的拐点提取法（文件名中有sig字符）。该数据可以用来分析植被物候期与气候变化的关系。时间范围为2001年至2020年。空间分辨率为250m。数据中包含4个子文件夹，CJYYQ_phen是三江源国家公园长江源园区的物候结果，HHYYQ_phen是三江源国家公园黄河源园区的物候结果，LCJYYQ_phen是三江源国家公园澜沧江源园区的物候结果，SJY_phen是整个三江源区域的物候。 数据格式为geotif，建议使用arcmap或者Python+GDAL浏览和处理数据。
王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰
PML_V2陆地蒸散发与总初级生产力数据集，包括总初级生产力（gross primary product, GPP），植被蒸腾（vegetation transpiration, Ec），土壤蒸发（soil evaporation, Es），冠层截流蒸发（vaporization of intercepted rainfall, Ei）和水体、冰雪蒸发（ET_water），共5个要素。数据格式为tiff，时空分辨率为8天、0.05°，时间跨度为2002.07-2019.08。 PML_V2在Penman-Monteith-Leuning (PML) 模型的基础上，根据气孔导度理论，耦合了GPP过程。GPP与ET相互制约、相互限制，使得PML_V2在ET模拟精度，相对于以往的模型有很大的提升。PML_V2的参数分不同的植被类型，在全球95个涡度相关通量站上率定。其后根据MODIS MCD12Q2.006 IGBP分类，将参数移植至全球。PML_V2采用GLDAS 2.1的气象驱动和MODIS 叶面积指数(LAI)、反射率(Albedo)，发射率(Emissivity)为输入，最终得到PML_V2陆地蒸散发与总初级生产力数据集。
张永强
“一带一路”沿线国家生物多样性基础数据集整合了 GBIF、NSII、中国植物物种信息数据库等国内外权威数据平台，提取了其中关于“一带一路”沿线国家的数据内容，以及历史研究文献中的研究记载。数据集建设过程中，按照Catalog of Life的物种命名体系，对沿线国家的生物多样性基础数据进行了数据清洗和科学整合。共获得历史分布数据约1.2亿条，包括物种分布信息、标本采集地信息等内容。开发了数据检索页面，通过http://pantpe.cn网站进行了发布。
王雨华, 王亚楠, 庄会富
中国科学院西北生态环境资源研究院组织一行9人于2019年4月3日至4月30日针对阿姆河流域中下游至咸海周边开展“荒漠化土地植被恢复重建关键技术研发与集成示范”研究，考察了阿姆河流域中下游至咸海周边地区，主要考察节点包括塔什干、撒马尔罕、纳沃伊、布哈拉、努库斯、木伊那克、咸海海床等，全程4000余公里，主要针对不同退化程度的荒漠化地区开展无人机低空遥感、植物群落调查、土壤类型、气候和土壤水分状况的综合调查，并对植物、土壤、水体样品进行采样。共完成30个样地的调查工作，初步获得阿姆河流域的荒漠化程度及分布特征、植被类型及分布、土壤类型及其理化性质等数据集。
李新荣, 何明珠, 何明珠, 何明珠, 赵振勇
针对青藏高原特色，按照科学性、系统性、完整性、可操作性、可度量性、简明性、独立性的原则，重点包含农牧业活动、工矿业发展、城镇化发展、旅游业活动、重大生态工程建设、污染物排放等主要人类活动构建了适宜青藏高原的人类活动强度评估指标体系，基于遥感数据、地面观测数据、气象数据及社会统计年鉴数据等，采用层次分析法，对人类活动的正面和负面效应进行了定量评价，综合评估了人类活动强度及其变化特征。数据不仅有助于增强人类活动在全球变化敏感区植被变化中所扮演角色的认识，而且可以为青藏高原社会经济可持续发展提供理论基础，同时为保护青藏高原生态环境和筑牢国家生态安全屏障提供科学依据。
樊江文, 张海燕, 辛良杰, 辛良杰, 张海燕, 樊江文, 袁秀, 袁秀
该数据集内包含2012-2015年月值净初级生产力数据，数据基于中国地面气候资料日值数据集的温度、降水、太阳辐射等气候要素以及蒸散ET、潜在PET、光合有效吸收比例FPAR、NDVI、最大光能利用率等数据通过CASA模型计算得到，计算结果用三江源采样点数据进行验证，相关系数达到0.718。该数据集可直接用于青藏高原草地植被变化的分析，为草地变化动态动态监测提供基础，为青藏高原草地变化治理提供依据。
樊江文, 张海燕, 辛良杰, 辛良杰, 张海燕, 樊江文, 袁秀, 袁秀
数据是根据《1：1,000,000中国植被图集》数字化而来，将图集中的60幅图件一一进行数字化（多边形属性），然后进行投影、匹配、拼接，最后为每个多边形赋植被属性，植被属性包括：vege_id（植被群系编号），新编号，植被群系和亚群系，植被型编号，植被型，植被型组编号，植被型组，植被大类，以及相应的英文属性信息。 《1：1,000,000中国植被图集》由著名植被生态学家侯学煜院士主编，由中国科学院有关研究所、有关部委和各省区有关部门、高等院校等53个单位250多位专家共同编制，于2001年科学出版社正式出版，国内外公开发行。 此图集是我国植被生态学工作者40多年来继《中国植被》等专著出版后又一项总结性成果，是国家自然资源和自然条件的基本图件。它详细反映了我国11个植被类型组、54个植被型的796个群系和亚群系植被单位的分布状况、水平地带性和垂直地带性分布规律，同时反映了我国2000多个植物优势种、主要农作物和经济作物的实际分布状况及优势种与土壤和地面地质的密切关系。由于此图集属于现实植被图图种，故反映出我国植被近斯的质量状况。 此图集为四开本，280页，包括1：1,000,000 分幅的中国植被类型图60幅、1：10,000,000 的中国地势图、中国植被图和中国植被区划图各1幅，附中英文对照图例。 此图集是国家自然资源和自然地理特征的基本图件，是研究全球环境变化、生物多样性、环境保护与监测等必不可少的科学资料和重要依据。植被图是现存植被空间分布在地图上的具体表达，百万分之一中国植被图是迄今为止以全国为对象的最详细、精确的植被图。数据收集时间为2011-2012年，可以服务于从事植被生态研究的学生和科研人员。本数据仅限于研究所内部交流。 图件采用 Albers投影，其参数如下： · 坐 标 系：大地坐标系 · 投 影：Albers正轴等面积双标准纬线圆锥投影 · 南标准纬线：25°N · 北标准纬线：47°N · 中央经线：105°E · 坐标原点：105°E与赤道的交点 · 纬向偏移：0 · 经向偏移：0
侯学煜
南极半岛也叫“帕默尔半岛”或“格雷厄姆地”。位于西南极洲，是南极大陆最大、向北伸入海洋最远（南纬63°）的大半岛，东西濒临威德尔海和别林斯高晋海。南极半岛被称为南极洲的“热带”。这里属于典型的副极地海洋性气候，与南极大陆相比，是南极洲最暖、最湿的地区之一，边缘区域的岛屿分布有少量的先锋植物，主要以苔藓和地衣为主。南极半岛及周边植物丰度数据产品通过实测光谱匹配遥感影像，应用纯像元PPI提取出苔藓、地衣、岩石、海、积雪的端元波谱。应用线性混合模型LMM（Linear Mixture Model）计算得到。
徐希燕
高山冰缘带植物名录与分布数据库主要包括高山冰缘带采集植物的采集信息和鉴定信息。其中，采集信息文档中包含物种名、属名、科名、生境、海拔、经纬度、采集人及采集时间；而鉴定信息文档中包含物种名、属名、科名、鉴定人及鉴定时间。该数据库中的采集信息来源于野外第一手数据；而鉴定信息来源于全球著名植物学专家的鉴定结果。数据库中数据的质量较高。其不仅可用于该区域的植物区系、区划研究，同时为该区域的植物多样性、生态系统及至全球气候变化响应等研究奠定了坚实基础。
孙航, 孙航, 孙航, 孙航, 孙航
南极半岛也叫“帕默尔半岛”或“格雷厄姆地”。位于西南极洲，是南极大陆最大、向北伸入海洋最远（南纬63°）的大半岛，东西濒临威德尔海和别林斯高晋海。南极半岛被称为南极洲的“热带”。这里属于典型的副极地海洋性气候，与南极大陆相比，是南极洲最暖、最湿的地区之一，边缘区域的岛屿分布有少量的先锋植物，主要以苔藓和地衣为主。南极半岛及周边植物丰度数据产品通过实测光谱匹配遥感影像，应用纯像元PPI提取出苔藓、地衣、岩石、海、积雪的端元波谱。应用线性混合模型LMM（Linear Mixture Model）计算得到。菲尔德斯半岛特色植被覆盖度根据其与丰度的相关线性关系获得。
徐希燕
南极半岛也叫“帕默尔半岛”或“格雷厄姆地”。位于西南极洲，是南极大陆最大、向北伸入海洋最远（南纬63°）的大半岛，东西濒临威德尔海和别林斯高晋海。南极半岛被称为南极洲的“热带”。这里属于典型的副极地海洋性气候，与南极大陆相比，是南极洲最暖、最湿的地区之一，边缘区域的岛屿分布有少量的先锋植物，主要以苔藓和地衣为主。南极半岛及周边植物光谱和标注数据为2018年1月7-22日南极半岛周边菲尔德斯半岛和阿德利岛的9个区域37个样点的光谱数据，为南极植物分布和变化研究提供本底信息。
徐希燕
斯瓦尔巴群岛（又译斯瓦尔巴特、斯匹次卑尔根群岛）。位于北极地区的群岛，是挪威最北界国土范围的属地，它坐落在欧洲大陆北方，于挪威大陆与北极点两者之间。植被主要是地衣和苔藓类，仅有的树木是小极地柳和矮桦木。该地区采集的植被光谱数据集主要是基于北极斯瓦尔巴群岛新奥尔松地区283个样点的先锋植物调查，调查时间为2018年7月6-22日，采集地点包括伦敦岛，黄河站区和冰川前，为北极苔原区植物分布和变化研究提供本底信息。
徐希燕
该数据集包含了2018年长江源区人工采集的土地覆盖及植被类型地面验证点数据集。数据采集中，以用地类型相对较为均一、完整的斑块作为主要采集对象，在区分其他用地类型及植被类型时相对较易识别和辨识，在地物验证中具有较好的代表性。每个样地首先利用差分GPS仪记录经度（度分秒）、纬度（度分秒）、海拔（0.1米）、采集时间等位置信息，然后以人工目视识别的办法记录主要用地类型和性质、特征、建群种等属性信息，以便回实验室验证和核对。最后，对每个样地拍摄不少于1张的景观照片。在本次采集中，90%以上的样点采集了2张及以上实景照片，以便于在土地利用分类及植被类型提取中进行验证和核查。最后，通过与Google地图的位置核对，数据经过了两轮检验和核查，保证了验证点属性的绝对正确性。
魏彦强, 魏彦强, 王旭峰, 王旭峰, 王旭峰, 魏彦强, 魏彦强, 王旭峰, 王旭峰, 王旭峰
该数据集包含了2018年8月黄河源区（扎陵湖北面）人工采集的土地覆盖及植被类型地面验证点数据集。数据采集中，以用地类型相对较为均一、完整的斑块作为主要采集对象，在区分其他用地类型及植被类型时相对较易识别和辨识，在地物验证中具有较好的代表性。每个样地首先利用差分GPS仪记录经度（度分秒）、纬度（度分秒）、海拔（0.1米）、采集时间等位置信息，然后以人工目视识别的办法记录主要用地类型和性质、特征、建群种等属性信息，以便回实验室验证和核对。最后，对每个样地拍摄不少于1张的景观照片。在本次采集中，90%以上的样点采集了2张及以上实景照片，以便于在土地利用分类及植被类型提取中进行验证和核查。最后，通过与Google地图的位置核对，数据经过了两轮检验和核查，保证了验证点属性的绝对正确性。
魏彦强, 王旭峰, 王旭峰, 王旭峰, 魏彦强, 魏彦强, 魏彦强, 王旭峰, 王旭峰, 王旭峰
该数据集包含了2018年可可西里人工采集的土地覆盖地面验证点数据集。数据采集中，以用地类型相对较为均一、完整的斑块作为主要采集对象，在区分其他用地类型及植被类型时相对较易识别和辨识，在地物验证中具有较好的代表性。每个样地首先利用差分GPS仪记录经度（度分秒）、纬度（度分秒）、海拔（0.1米）、采集时间等位置信息，然后以人工目视识别的办法记录主要用地类型和性质、特征、建群种等属性信息，以便回实验室验证和核对。最后，对每个样地拍摄不少于1张的景观照片。在本次采集中，90%以上的样点采集了2张及以上实景照片，以便于在土地利用分类及植被类型提取中进行验证和核查。最后，通过与Google地图的位置核对，数据经过了两轮检验和核查，保证了验证点属性的绝对正确性。
魏彦强, 魏彦强, 王旭峰, 王旭峰, 王旭峰, 魏彦强, 魏彦强, 王旭峰, 王旭峰, 王旭峰
本数据集根据最新发布的NOAA全球模拟和绘图项目（GIMMS，Global Inventory Monitoring and Modeling System）长序列（1981-2013）均一化植被指数产品，版本号3g，先将NDVI数据产品从1/12度空间分辨率重采样到0.5度，然后对每年的时间序列采用double-logistic方法进行平滑，并计算平滑后的曲率，选取春季曲率最大值作为植被的春季返青期，该数据可分析泛北极植被春季物候的时空特征。
徐希燕
植被调查数据是研究生态系统结构与功能必不可少的数据。藏北地区蕴含广袤的草地生态系统，主要包括高寒草甸、高寒草地、以及高寒荒漠化的草地。由于独特的地理位置以及高海拔缺氧的环境条件，在藏北高原的群落调查数据较为稀少。本课题组基于前期工作的积累，在2017年生长季对整个藏北高原15个县域开展了较为全面的植被调查。本数据集包括藏北样带上从那曲到日土县23个采样点的围栏内外的生物量数据。本数据集可用于生产力的空间分析与模型的校准工作。
张宪洲, 牛犇
本数据集根据NASA EOSDIS LP DAAC 和美国地质调查 USGS EROS共同发布的第六版MODIS均一化植被指数产品（2001-2014）。NDVI的时间分辨率是16天，空间分辨率0.05度，我们先将NDVI数据产品从0.05度空间分辨率重采样到0.5度，然后对每年的时间序列采用double-logistic方法进行平滑，并计算平滑后的曲率，选取春季曲率最大值作为植被的春季返青期，该数据可分析泛北极植被春季物候的时空特征。
美国国家航空航天局, 徐希燕
该数据集为全球生态系统呼吸数据，包含生态系统自养呼吸（Ra）和异养呼吸（Rh）两部分，由耦合模式比较计划第6阶段（CMIP6）中CNRM-CM6-1模式在Historical情景下模拟得到。数据时间范围为1850-2014年，时间分辨率为月，空间分辨率约为1.406°×1.389°。模拟数据详细说明可见链接http://www.umr-cnrm.fr/cmip6/spip.php?article11。
美国气候模式诊断和对比计划委员会
本数据集包括祁连山区域1986、1990、1995、2000、2005、2010、2015和2017年月度合成30m×30m地表植被覆盖度产品。采用最大值合成 (Max value composition, MVC) 方法，利用 Landsat5, Landsat8和sentinel 2红光和近红外两个通道的反射率数据，实现对地表月度NDVI产品的合成，进而计算FVC。数据通过Google Earth Engine云平台对反射率进行月度合成，通过模型计算指数，对于缺失像素进行插补，质量较好，可用于环境变化监测等领域。
吴俊君, 仲波, 仲波, 吴俊君, 吴俊君
本数据集来源于论文：Huang, R., Zhu, H.F., Liang, E.Y., Liu, B., Shi, J.F., Zhang, R.B., Yuan, Y.J., & Grießinger, J. (2019). A tree ring-based winter temperature reconstruction for the southeastern Tibetan Plateau since 1340 CE. Climate Dynamics, 53(5-6), 3221-3233. 在本文中，为了了解过去几百年冬季温度变化历史及其驱动因素，中国科学院青藏高原研究所高寒生态重点实验室、青藏高原地球科学卓越创新中心梁尔源研究员课题组，利用2007-2016年期间采集的树木年轮样本重建了青藏高原东南部地区公元1340年以来的冬季（11-2月）最低温度变化历史。 数据由论文作者提供，数据包含了1340-2007年青藏高原东南部昌都地区冬季的最低温度重建数据。 数据包含以下字段： year：年 Tmin.recon（ ℃）：重建的最低温度（ ℃） 数据详细信息参见附件：A tree ring-based winter temperature reconstruction for the southeasternTibetan Plateau since 1340 CE.pdf
黄茹, 朱海峰, 梁尔源
该数据集包含2018年6月5日至12月15日黑河流域地表过程综合观测网中游大满超级站的物候相机观测数据，该仪器由北京师范大学自主研发并进行处理。物候相机集成数据获取与数据传输功能。该物候相机采用垂直向下的方式采集数据，拍摄数据分辨率为1280*720，可指定拍摄时间频率。对于绿度指数物候期计算，需要根据感兴趣区域计算相对绿度指数（GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值），然后进行无效值填充和滤波平滑，最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等；对于覆盖度，首先进行数据预处理，选择光照不太强的图像，然后将图像分割为植被和土壤，计算每张图像的植被像素占计算区域内的比例作为该图像对应的覆盖度，在时间序列数据提取完成以后，再按用户指定的时间窗口对原始覆盖度数据进行平滑滤波，滤波后的得结果为最终的时间序列覆盖度。本数据集包括相对绿度指数（GCC）、物候期及覆盖度（FC）。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)。
屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 徐自为
该数据集包含2018年6月13日至11月16日黑河流域地表过程综合观测网中游阿柔超级站的物候相机观测数据，该仪器由北京师范大学自主研发并进行处理。物候相机集成数据获取与数据传输功能。该物候相机采用垂直向下的方式采集数据，拍摄数据分辨率为1280*720，可指定拍摄时间频率。对于绿度指数物候期计算，需要根据感兴趣区域计算相对绿度指数（GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值），然后进行无效值填充和滤波平滑，最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等；对于覆盖度，首先进行数据预处理，选择光照不太强的图像，然后将图像分割为植被和土壤，计算每张图像的植被像素占计算区域内的比例作为该图像对应的覆盖度，在时间序列数据提取完成以后，再按用户指定的时间窗口对原始覆盖度数据进行平滑滤波，滤波后的得结果为最终的时间序列覆盖度。本数据集包括相对绿度指数（Gcc）。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)。
屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 徐自为
本数据集包括祁连山区域2018年月度合成30m×30m地表NPP产品。采用最大值合成 (Max value composition, MVC) 方法，利用Landsat8和sentinel 2红光和近红外两个通道的反射率数据，实现对地表月度NDVI产品的合成，进而计算NPP。数据通过Google Earth Engine云平台对反射率进行月度合成，通过模型计算指数，对于缺失像素进行插补，质量较好，可用于环境变化监测等领域。
吴俊君, 吴金华, 仲波, 仲波, 吴俊君, 吴俊君
该数据集包含了2018年10月18日至2018年12月31日兰州大学兰州大学寒旱区科学观测网络寺大隆站气象要素梯度观测系统数据。站点位于甘肃张掖市肃南县康乐乡，下垫面是森林。观测点的经纬度是99.926E，38.428N，海拔3146m。二维超声风速/风向传感器和空气温湿度传感器分别架设在0.5m、3m、13m、24m、48m处，共5层；气压计安装在1.5m采集箱内；翻斗式雨量计安装在塔24m处；两个红外温度计分别安装在4m（冠层下）、24m（冠层下）处，探头朝向垂直向下；土壤热通量板（自校正式）（2块）依次埋设在植被下5cm和10cm处；土壤温/湿/电导率传感器和土壤水势传感器埋设在塔南侧植被下5cm、10cm、20cm、40cm、60cm处；光合有效辐射传感器分别安装在4m（冠层下）、24m（冠层下）处；日照时数传感器以及四分量辐射仪安装在24m处。 观测项目有：风速（WS_0.5m、WS_3m、WS_13m、WS_24m、WS_48m）(单位：米/秒)、风向（WD_0.5m、WD_3m、WD_13m、WD_24m、WD_48m）(单位：度)、空气温湿度（TA_0.5m、TA_3m、TA_13m、TA_24m、TA_48m和RH_0.5m、RH_3m、RH_13m、RH_24m、RH_48m）(单位：摄氏度、百分比)、气压（Press）(单位：百帕)、降水量（Rain）(单位：毫米)、四分量辐射（DR、UR、DLR_Cor、ULR_Cor、Rn）(单位：瓦/平方米)、地表辐射温度（IRT_A、IRT_B）(单位：摄氏度)、土壤热通量（Gs_5cm、Gs_10cm）(单位：瓦/平方米)、土壤水分（Ms_5cm、Ms_10cm、Ms_20cm、Ms_40cm、Ms_60cm (单位：百分比)、土壤温度（Ts_5cm、Ts_10cm、Ts_20cm、Ts_40cm、Ts_60cm）(单位：摄氏度) 、土壤水势（SWP_5cm、SWP_10cm、SWP_20cm、SWP_40cm、SWP_60cm）（单位：千帕）、土壤电导率（EC_5cm、EC_10cm、EC_20cm、EC_40cm、EC_60cm）（单位：微西门子/厘米）、光合有效辐射（PAR_A、PAR-B）(单位：微摩尔/平方米秒)、日照时数（Sun_time）（单位：小时）。 观测数据的处理与质量控制：（1）确保每天144个数据（每10min）；该地区土壤水势很低，已超出传感器的测量量程；（2）剔除有重复记录的时刻；（3）删除了明显超出物理意义或超出仪器量程的数据；（4）数据中以红字标示的部分为有疑问的数据；（5）日期和时间的格式统一，并且日期、时间在同一列。如，时间为：2018-6-10 10:30。
赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿
该数据集包含2018年5月16日至11月6日黑河流域地表过程综合观测网下游混合林站的物候相机观测数据，该仪器由北京师范大学自主研发并进行处理。物候相机集成数据获取与数据传输功能。该物候相机采用垂直向下的方式采集数据，拍摄数据分辨率为1280*720，可指定拍摄时间频率。对于绿度指数物候期计算，需要根据感兴趣区域计算相对绿度指数（GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值），然后进行无效值填充和滤波平滑，最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等；对于覆盖度，首先进行数据预处理，选择光照不太强的图像，然后将图像分割为植被和土壤，计算每张图像的植被像素占计算区域内的比例作为该图像对应的覆盖度，在时间序列数据提取完成以后，再按用户指定的时间窗口对原始覆盖度数据进行平滑滤波，滤波后的得结果为最终的时间序列覆盖度。本数据集包括相对绿度指数（Gcc）。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)。
屈永华, 刘绍民, 刘绍民, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 徐自为
该数据集包含了2018年6月11日至2018年9月18日的黑河水文气象观测网中游大满超级站叶面积指数观测数据。站点(100.372° E, 38.856° N)位于甘肃省张掖市大满灌区内，海拔1556m，下垫面是玉米。观测样方共计3个，每个样方大小约30m×30m，经纬度范围分别为(100.373297°E~100.374205°E, 38.857871°N~38.858390°N)、(100.373918° E~100.373897°E, 38.854025°N~38.854941°N)、(100.368007°E~100.369044°E, 38.850678°N~38.851580°N)。每个样方内布设5个冠层下节点和1个冠层上节点。 本数据集由叶面积指数无线传感网（LAINet）获取，该仪器原始观测数据为仪器自动获取的每个节点逐日逐小时的光照数据（Level0），利用LAINet软件对原始观测数据进行处理，逐节点计算每天LAI（Level1），进一步对无效值识别与填充，并7天滑动平均消除天气变化对LAI计算的影响（Level2），对有多个LAINet节点的观测子区，节点的均值为该子区的最终观测值（Level3）。 本次发布的数据集为处理后的Level3产品，数据以*.xls格式存储。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)，观测数据处理请参考Qu et al. (2014)。
屈永华, 刘绍民, 刘绍民, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 徐自为
该数据集包含了2018年6月16日至2018年10月18日的黑河水文气象观测网下游四道桥（包括柽柳与胡杨林）叶面积指数观测数据。站点位于内蒙古额济纳旗四道桥，海拔870 m，下垫面是柽柳与胡杨。观测在四道桥超级站（101.1374E, 42.0012N）和混合林站（101.1335E, 41.9903N）旁开展，样方共计2个，每个样方大小约30m×30m，每个样方内布设5个冠层下节点和1个冠层上节点。 本数据集由叶面积指数无线传感网（LAINet）获取，该仪器原始观测数据为仪器自动获取的每个节点逐日逐小时的光照数据（Level0），利用LAINet软件对原始观测数据进行处理，逐节点计算每天LAI（Level1），进一步对无效值识别与填充，并7天滑动平均消除天气变化对LAI计算的影响（Level2），对有多个LAINet节点的观测子区，节点的均值为该子区的最终观测值（Level3）。 本次发布的数据集为处理后的Level3产品，数据以*.xls格式存储。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)，观测数据处理请参考Qu et al. (2014)。
屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 徐自为
该数据集包含2018年6月15日至11月7日黑河流域地表过程综合观测网下游四道桥超级站的物候相机观测数据，该仪器由北京师范大学自主研发并进行处理。物候相机集成数据获取与数据传输功能。该物候相机采用垂直向下的方式采集数据，拍摄数据分辨率为1280*720，可指定拍摄时间频率。对于绿度指数物候期计算，需要根据感兴趣区域计算相对绿度指数（GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值），然后进行无效值填充和滤波平滑，最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等；对于覆盖度，首先进行数据预处理，选择光照不太强的图像，然后将图像分割为植被和土壤，计算每张图像的植被像素占计算区域内的比例作为该图像对应的覆盖度，在时间序列数据提取完成以后，再按用户指定的时间窗口对原始覆盖度数据进行平滑滤波，滤波后的得结果为最终的时间序列覆盖度。本数据集包括相对绿度指数（Gcc）。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)。
屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 屈永华, 徐自为
该数据集由三部分组成：①2018年8月16日至8月30日在祁连山石羊河流域上游7条支流及下游青土湖进行的植物样地调查数据；②2018年9月25日至10月3日在黑河、疏勒河流域主要支流进行的植物样地调查数据；③2013年8月18日至2018年8月8日在青海湖与黑河流域的植物样地调查数据。第一部分调查涉及草本、灌木、乔木的生长特性与数量信息；第二部分主要调查乔木，对草本仅作粗略估计；第三部分主要调查草甸植被。 三部分调查依据植被类型设置样地，每个样地至少选取 3 个样方(分乔木、灌木、草本)。其中，草本样方面积为 1m×1m 或 0.5m×0.5m；荒漠灌木样方面积为 10m×10m；森林灌丛面积为 2m×2m；灌木灌丛面积4m×4m；乔木样方面积为20m×20m。在每个样方内进行植物群落调查：乔木样方调查主要调查物种数量、物种多度、20株乔木每木检尺（含株高、胸径、冠幅、活枝下高）、样方内全部乔木胸径；灌木样方主要调查全部灌木的物种数量、多度、灌木冠幅、灌木株高；草本样方主要调查草本物种数量、多度或分盖度、平均株高、总盖度，地上生物量。
赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张立勋, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 黄永梅, 袁建立, 张仁懿
该数据集包含了2018年1月1日至2018年12月31日兰州大学兰州大学寒旱区科学观测网络西营河站气象要素梯度观测系统数据。站点位于青海海北门源县仙米乡讨拉村，下垫面是高寒草甸。观测点的经纬度是101.855E，37.561N，海拔3616m。二维超声风速/风向传感器和空气温湿度传感器分别架设在2m、4m、8m处，共3层，朝向正北；气压计安装在1.5m采集箱内；翻斗式雨量计安装在塔4m处；红外温度计安装在4m处，朝向正南，探头朝向垂直向下；土壤热通量板（自校正式）（2块）依次埋设在塔南侧植被下5cm和10cm处；土壤温/湿/电导率传感器和土壤水势传感器埋设在塔南侧植被下20cm和40cm处；光合有效辐射传感器、日照时数传感器以及四分量辐射仪安装在4m处，朝向正南。 观测项目有：风速（WS_2m、WS_4m、WS_8m）(单位：米/秒)、风向（WD_2m、WD_4m、WD_8m）(单位：度)、空气温湿度（Ta_2m、Ta_4m、Ta_8m和RH_2m、RH_4m、RH_8m）(单位：摄氏度、百分比)、气压（Press）(单位：百帕)、降水量（Rain）(单位：毫米)、四分量辐射（DR、UR、DLR_Cor、ULR_Cor、Rn）(单位：瓦/平方米)、地表辐射温度（IRT）(单位：摄氏度)、土壤热通量（Gs_5cm、Gs_10cm）(单位：瓦/平方米)、土壤水分（Ms_20cm、Ms_40cm）(单位：百分比)、土壤温度（Ts_20cm、Ts_40cm）(单位：摄氏度) 、土壤水势（SWP_20cm，SWP_40cm）（单位：千帕）、土壤电导率（EC_20cm、EC_40cm）（单位：微西门子/厘米）、光合有效辐射（PAR）(单位：微摩尔/平方米秒)、日照时数（Sun_time）（单位：小时）。 观测数据的处理与质量控制：（1）确保每天144个数据（每10min）；2018.8.29-10.18由于电池箱进水导致的供电不稳定，气象数据丢失严重未入库；2018.10.18日起2m超声风速/风向传感器故障，该位置风速数据错误；雨量筒程序错误，全年数据无效；由于程序故障，2018.1.1-3.2空气湿度采集错误；（2）剔除有重复记录的时刻；（3）删除了明显超出物理意义或超出仪器量程的数据；（4）数据中以红字标示的部分为有疑问的数据；（5）日期和时间的格式统一，并且日期、时间在同一列。如，时间为：2018-6-10 10:30。
赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿
该数据集包含了2018年1月1日至2018年12月31日兰州大学寒旱区科学观测网络连城站气象要素梯度观测系统数据。站点位于甘肃永登连城吐鲁沟国家森林公园吐鲁坪，下垫面是森林。观测点的经纬度是102.737E，36.692N，海拔2903m。二维超声风速/风向传感器和空气温湿度传感器分别架设在4m、8m处，共2层，朝向正北；气压计安装在1.5m采集箱内；翻斗式雨量计安装在塔2m处；红外温度计安装在2m处，朝向正南，探头朝向垂直向下；土壤热通量板（自校正式）（2块）依次埋设在塔南侧植被下5cm和10cm处；土壤温/湿/电导率传感器和土壤水势传感器埋设在塔南侧植被下5cm和10cm处；光合有效辐射传感器、日照时数传感器以及四分量辐射仪安装在4m处，朝向正南。 观测项目有：风速（WS_2m、WS_4m、WS_8m）(单位：米/秒)、风向（WD_2m、WD_4m、WD_8m）(单位：度)、空气温湿度（Ta_4m、Ta_8m和RH_4m、RH_8m）(单位：摄氏度、百分比)、气压（Press）(单位：百帕)、降水量（Rain）(单位：毫米)、四分量辐射（DR、UR、DLR_Cor、ULR_Cor、Rn）(单位：瓦/平方米)、地表辐射温度（IRT）(单位：摄氏度)、土壤热通量（Gs_5cm、Gs_10cm）(单位：瓦/平方米)、土壤水分（Ms_5cm、Ms_10cm）(单位：百分比)、土壤温度（Ts_5cm、Ts_10cm）(单位：摄氏度) 、土壤水势（SWP_5cm，SWP_10cm）（单位：千帕）、土壤电导率（EC_5cm、EC_10cm）（单位：微西门子/厘米）、光合有效辐射（PAR）(单位：微摩尔/平方米秒)、日照时数（Sun_time）（单位：小时）。 观测数据的处理与质量控制：（1）确保每天144个数据（每10min）；2018.5.30-7.6由于供电故障数据丢失；2018.1.1-5.30土壤热通量（5cm）传感器因鼠害断线，无有效数值；由于程序故障，空气湿度采集错误；（2）剔除有重复记录的时刻；（3）删除了明显超出物理意义或超出仪器量程的数据；（4）数据中以红字标示的部分为有疑问的数据；（5）日期和时间的格式统一，并且日期、时间在同一列。如，时间为：2018-6-10 10:30。
赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿
该数据集包含了2018年1月1日至2018年12月31日兰州大学兰州大学寒旱区科学观测网络临泽站气象要素梯度观测系统数据。站点位于甘肃张掖临泽新华镇古寨村，下垫面是农田。观测点的经纬度是100.062E，39.238N，海拔1402m。二维超声风速/风向传感器和空气温湿度传感器分别架设在4m、8m处，共2层，朝向正北；气压计安装在1m采集箱内；翻斗式雨量计安装在塔4m处；红外温度计安装在4m处，朝向正南，探头朝向垂直向下；土壤热通量板（自校正式）（2块）依次埋设在塔南侧植被下5cm和10cm处；土壤温/湿/电导率传感器和土壤水势传感器埋设在塔南侧植被下20cm和40cm处；光合有效辐射传感器、日照时数传感器以及四分量辐射仪安装在4m处，朝向正南。 观测项目有：风速（WS_4m、WS_8m）(单位：米/秒)、风向（WD_4m、WD_8m）(单位：度)、空气温湿度（Ta_4m、Ta_8m和RH_4m、RH_8m）(单位：摄氏度、百分比)、气压（Press）(单位：百帕)、降水量（Rain）(单位：毫米)、四分量辐射（DR、UR、DLR_Cor、ULR_Cor、Rn）(单位：瓦/平方米)、地表辐射温度（IRT）(单位：摄氏度)、土壤热通量（Gs_5cm、Gs_10cm）(单位：瓦/平方米)、土壤水分（Ms_5cm、Ms_10cm）(单位：百分比)、土壤温度（Ts_5cm、Ts_10cm）(单位：摄氏度) 、土壤水势（SWP_5cm，SWP_10cm）（单位：千帕）、土壤电导率（EC_5cm、EC_10cm）（单位：微西门子/厘米）、光合有效辐射（PAR）(单位：微摩尔/平方米秒)、日照时数（Sun_time）（单位：小时）。 观测数据的处理与质量控制：（1）确保每天144个数据（每10min）；雨量筒程序错误，雨量数据无效；由于程序故障，空气湿度采集错误；（2）剔除有重复记录的时刻；（3）删除了明显超出物理意义或超出仪器量程的数据；（4）数据中以红字标示的部分为有疑问的数据；（5）日期和时间的格式统一，并且日期、时间在同一列。如，时间为：2018-6-10 10:30。
赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 赵长明, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿, 张仁懿
植被功能型（PFT）是根据植物种的生态系统功能及其资源利用方式而对宠大的植物种进行的组合，每一种植被功能型共享相似的植物属性，是将植物种的多样性简化为植物功能和结构的多样性。植被功能型的概念受到生态学家特别是生态系统建模者的推崇。其基本假设是全球重要的生态系统动态可以通过有限的植被功能型表达和模拟。目前，植被功能型已被广泛用于生物地理模型、生物地球化学模型、陆面过程模型和全球动态植被模型，如美国国家大气研究中心（NCAR）的陆面过程模型已经将原来用土地覆盖信息变为应用植被功能型图（Bonan et al., 2002）。植被功能型已经被用于动态全球植被模型（DGVM）中，用以预测全球变化情景下生态系统结构与功能的变化。 参考全球植被功能型分类体系，根据模型需求，将土地覆盖类型与植被功能型合并考虑，确定该数据的分类体系下表。 1、植被功能型分类体系 1 Needleleaf evergreen tree, temperate 2 Needleleaf evergreen tree, boreal 3 Needleleaf deciduous tree 4 Broadleaf evergreen tree, tropical 5 Broadleaf evergreen tree, temperate 6 Broadleaf deciduous tree, tropical 7 Broadleaf deciduous tree, temperate 8 Broadleaf deciduous tree, boreal 9 Broadleaf evergreen shrub, temperate 10 Broadleaf deciduous shrub, temperate 11 Broadleaf deciduous shrub, boreal 12 C3 grass, arctic 13 C3 grass 14 C4 grass 15 Crop 16 Permanent wetlands 17 Urban and built-up lands 18 Snow and ice 19 Barren or sparsely vegetated lands 20 Bodies of water 2、制图方法 中国1公里植被功能型图是根据Bonan等（Bonan et al., 2002）提出的土地覆盖与植被功能型转换的气候规则，对MICLCover土地覆盖图(冉有华 等，2009；Ran et al., 2012)进行转换。MICLCover土地覆盖图是融合了2000年中国1：10万土地利用数据、中国植被图集（1：100万）的植被型、中国1：10万冰川分布图、中国1：100万沼泽湿地图和MODIS 2001年土地覆盖产品（MOD12Q1）的最新发布的土地覆盖数据，采用IGBP土地覆盖分类系统。评价显示，其可能是目前存在的全国1km尺度上精度最高的土地覆盖图。气候数据利用何杰等(2010)发展的1981-2008年的空间分辨率为0.1度、时间分辨率为3小时的中国大气驱动数据，是我国现存的在全国尺度上具有最高时空分辨率的气候数据，该数据融合了Princeton 陆面模式驱动数据(Sheffield et al., 2006)、GEWEX-SRB 辐射数据(Pinker et al., 2003)、TRMM 3B42 和APHRODITE 降水数据以及中国气象局740个气象台站的观测数据。根据RanYouhua等(2010)的评价结果，GLC2000在目前的全球土地覆盖数据集中，具有相对较高的精度，且其分类系统中没有混交林这一类，因此MICLCover土地覆盖图中的混交林利用GLC2000 (Bartholome and Belward, 2005; 徐文婷 等，2005)中的信息进行了替换。该数据可用于陆面过程模型等相关研究中。
冉有华, 李新
本数据集是2008年青藏高原地区的土地覆被数据，数据为栅格TIFF格式，空间分辨率为300米，包含耕地、林地、草地、水体、城市用地等22个大类，可用于青藏高原城镇化与生态环境交互胁迫的地理本底研究。该数据来自欧空局CCI-LC项目生产的土地覆被数据产品。该数据集采用了WGS84的地理坐标系统，有22个大类。数据的生产融合多种卫星数据资料，包括MERIS FR/RR，AVHRR，SPOT-VGT，PROBA-V等。经验证，该数据集的总体精度在70%以上，当然精度会在不同的地区和覆被类型上存在差异。
杜云艳, 杜云艳, 杜云艳
本数据集是2013年青藏高原地区的土地覆被数据，数据为栅格TIFF格式，空间分辨率为300米，包含耕地、林地、草地、水体、城市用地等22个大类，可用于青藏高原城镇化与生态环境交互胁迫的地理本底研究。该数据来自欧空局CCI-LC项目生产的土地覆被数据产品。该数据集采用了WGS84的地理坐标系统，有22个大类。数据的生产融合多种卫星数据资料，包括MERIS FR/RR，AVHRR，SPOT-VGT，PROBA-V等。经验证，该数据集的总体精度在70%以上，当然精度会在不同的地区和覆被类型上存在差异。
杜云艳, 杜云艳, 杜云艳
本数据集是2010年青藏高原地区的土地覆被数据，数据为栅格TIFF格式，空间分辨率为300米，包含耕地、林地、草地、水体、城市用地等22个大类，可用于青藏高原城镇化与生态环境交互胁迫的地理本底研究。该数据来自欧空局CCI-LC项目生产的土地覆被数据产品。该数据集采用了WGS84的地理坐标系统，有22个大类。数据的生产融合多种卫星数据资料，包括MERIS FR/RR，AVHRR，SPOT-VGT，PROBA-V等。经验证，该数据集的总体精度在70%以上，当然精度会在不同的地区和覆被类型上存在差异。
杜云艳, 杜云艳, 杜云艳
中蒙俄经济走廊植被覆盖度数据基于美国陆地资源卫星(Landsat)TM影响提取得到。数据集包括1990、2000和2005共三年植被覆盖度数据。先提取归一化植被指数NDVI，后转换成植被覆盖度。由于影像受云影响较大，本数据对有云数据利用附近年的同月份影像做替换。走廊土地覆被主要为草原（干草原），季节性和一次性降水对草地生长影响较大，故该数据仍存在不同时相拼接问题。此后我们将针对该问题提出适应的解决方法，并共享新版数据。如基于大量遥感数据（多时相），采用最大合成法提取植被覆盖度。
范敬龙
该数据集是中国科学院西北高原生物研究所调查的三江源国家公园植物采集布位点信息。该数据集时间范围是2008年至2017年，调查范围是三江源国家公园，调查内容包括采集日期、编号、科、属、种、调查日期、采集地点、采集人、经度、纬度、海拔、生境、鉴定人等信息。对国家公园的三个园区分别进行了调查，在长江源园区调查了24个科56个属的88个种的植被，总共116条记录；在黄河源园区调查了26个科64个属110个种的植被，总共159条记录；在澜沧江源园区调查了12个科22个属30个种的植被，总共33条记录。
高庆波
净初级生产力（NPP）数据基于CASA模型生产，数据内容为三江源地区2010-2015年250米分辨率逐月NPP数据集。净初级生产力定义：绿色植物单位面积、单位时间内所累积的有机物数量。 单位：0.01gC/m²/月。Monthly和Yearly NPP分别表示逐月和逐年NPP。 投影信息： Albers 等积圆锥投影 中央经线：105度 第一割线：25度 第一割线：47度 坐标西偏：4000000 meter
朱伟伟, 朱伟伟
基于MODIS 2000年至2018年生长季平均的NDVI（空间分辨率250m），利用Mann-Kendall趋势检测方法，计算了NDVI的变化趋势。对三江源国家公园的三个园区都进行了计算(CJYYQ：长江源园区；HHYYQ：黄河源园区；LCJYYQ：澜沧江源园区)。CJYYQ_NDVI_trend_2000_2018_ok.tif：长江源园区NDVI变化趋势。CJYYQ_NDVI_trend_2000_2018_ok_significant.tif：长江源园区NDVI变化趋势，剔除了不显著（p>0.05）的区域。CJYYQ_gs_avg_NDVI_2000.tif：长江源园区2000年生长季平均NDVI。单位为NDVI变化每年。
王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰
草地地上生物量采用的方法为分区分类型模型，数据年份为2000、2010、2015年，为8月上旬的地上植被鲜重。地上生物量定义为单位面积内地面以上实存生活的植被有机物质总量。单位：克/平方米（g/m²）。该数据产品是中国科学院遥感与数字地球研究所基于MODIS的植被指数采用统计模型计算得到。空间分辨率为250m×250m。该数据集是三江源国家公园植被监测的重要数据源。 投影信息： Albers 等积圆锥投影 中央经线：105度 第一割线：25度 第一割线：47度 坐标西偏：4000000 meter
朱伟伟, 朱伟伟
1.数据来源： MODIS/Terra Vegetation Indices 16-Day L3 Global 250m SIN Grid V006产品（2000-2017） 下载地址 https://search.earthdata.nasa.gov/ 2.数据名称： （1）resize为批量裁剪过程中自动生成，表示已经过掩膜提取，处理后数据范围为新疆自治区； （2）七位数字代表数据获取时间，前四位为年份，后三位表示一年中的第几天。如“2000049”，表示数据获取年份为2000年，具体时间为当年第49天； （3）250m表示地面分辨率，即250米； （4）16_days表示时间分辨率，即16天； （5）NDVI表示数据类型，即归一化植被指数； 3.数据时间范围： 2000049-2017353，数据间隔为16天； 4..tif文件与.hdr文件 .tif文件为原始NDVI数据，同名.hdr文件为支持.tif文件正常使用的掩膜数据，请勿删除或重命名； 5. 用于冰冻圈生态效应分析
吴雪娇
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
植被指数是反映植被物候变化的关键参数，高时间和空间分辨率的植被指数数据能够为全球变化研究提供可靠数据支持。目前，MODIS卫星数据产品是获取植被指数的一项重要数据源。MOD13Q1以每像素为基础提供植被指数（VI）值。有2个主要植被层。第一个是归一化差异植被指数（NDVI），第二个植被层是增强植被指数（EVI）。以17个关键节点为研究区域，基于2000至2016年MOD13Q1数据，对不同地区植被的NDVI、EVI各种数据进行了裁剪和估算，最终得到了关键节点区域2000-2016年16天百米级植被指数数据。
葛咏, 葛咏, 凌峰, 凌峰, 张一行, 张一行
数据包含青藏高原地区的植被指数数据，空间分辨率为1000m，时间分辨率为16d，时间覆盖范围为2000年、2005年、2010年、2015年。数据来源为MOD13A2(C6)。植被指数是研究植被覆盖时空演变特征的常用遥感数据处理模型。植被指数（NDVI）是根据植被的光谱特性，将卫星可见光和近红外波段进行组合,形成的各种植被指数。植被指数是对地表植被状况的简单、有效和经验的度量。数据对于分析青藏高原的生态环境有重要意义。
杨飞
根据树木年轮学的方法，采集天山中部（乌鲁木齐后峡）以及西部（伊犁库尔德宁）的雪岭云杉。通过传统的树木年轮学的方法进行样品的处理、定年，并建立了天山中西部雪岭云杉的宽度年表。再根据树轮同位素的方法选四根树芯进行清洗、风干后在显微镜下用手术刀进行样品的剥离。采用冷原子吸收的原理，用Hydra IIde 进行汞含量的测量。建立五年分辨率的中西部树轮汞污染记录。低频上记录的汞污染在逐渐的加强，结果和全球的汞排放有较为相似的趋势。在天山中部，人类的排放是主要的影响因素，树轮中的汞污染记录揭露了当地的汞沉降变化。相比较冰芯中的记录，二战之后树轮中汞有更为急剧的上升。结果表明在偏远地区，树轮可以作为一个区域的汞污染检测器并反映了低频的汞浓度变化趋势。
刘晓宏
采用实地调查的方法，收集了青藏高原藏北那曲、东部若尔盖高原、风火山2015-2017年植被地上地下生物量及土壤碳氮数据，并对数据进行整理和初步分析。数据集主要包括不同增温梯度、不同海拔梯度（亚高山草甸、高山草甸、高山灌丛草甸）、不同水分梯度（沼泽湿地、退化沼泽、沼泽草甸、湿草甸、干草甸、退化草甸）和不同沙化程度（轻度沙化、中度沙化、重度沙化、完全沙化）下的高寒地区植被地上和地下生物量以及土壤碳含量。综合分析了以上不同梯度下植被生物量和土壤碳氮含量的差异和变化趋势。该数据集为了解及合理利用草地资源提供理论依据，也为探讨全球气候变化背景下高寒草地生产力预测提供有力支持。
张宪洲, 张宪洲, 张扬建, 张宪洲, 苏培玺, 杨燕
1:10万黑河流域植被图，区域范围以黄委会黑河边界为准，面积约为14.29×104km2，数据格式为GIS矢量格式，本版本为3.0版。该数据以地面观察数据为主、综合各类遥感数据、1：100万植被图、气候、地形、地貌、土壤数据制图，并进行交叉验证编制而成。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、群系、亚群系四个单位。新版主要是对新群系代码进行了统一（共74个代码，区分群系和亚群系）。将2.0版本的9个植被型组，22个植被型，74个群系（亚群系）改为9个植被型组，22个植被型，67个群系（7个亚群系）。 数据包含2.0版本和3.0版本。
郑元润, 周继华
通过对青藏高原151、江西沟1、江西沟2、黑马河1、下大武遗址、耶则热、尼阿底和伶坰等8个旧石器时代遗址进行考古调查和发掘，获取了各遗址经纬度、高程、文化属性、文化遗物等基本信息；同时，对遗址发掘过程中的动植物遗存进行科学收集、鉴定和实验室分析，得到了一批遗址碳十四年代数据、动物遗存鉴定数据、植物大遗存鉴定数据、木炭鉴定数据和碳氮稳定同位素数据。该数据集为研究青藏高原旧石器时代先民的活动历史和生业模式提供了数据支撑。
张东菊, 张晓凌, 刘向军, 刘向军
通过对青藏高原梅诺、萨日果、容哇果、卡则、吉哈、牙日给、巴米、巴荣巴当、青土、拉布、麦松岩画、尕拉、耶则热地点1和耶则热地点4等14个历史时期遗址进行考古调查和试掘，获取了各遗址经纬度、高程、文化属性、文化遗物等基本信息；同时，对遗址调查和发掘过程中的动植物遗存进行科学收集、鉴定和实验室分析，得到了一批遗址的碳十四年代数据和动物遗存鉴定数据。该数据集为研究青藏高原历史时期先民的活动历史和生业模式提供了数据支撑。
董广辉, 董广辉, 董广辉, 侯光良
为了解析蔓菁如何、何时进入青藏高原，探讨蔓菁在青藏高原传播与驯化与早期人类活动的高原定居和古丝绸交流之间的关系，2018年6月，课题组利用三代基因组测序技术，对一个青藏高原的蔓菁自交F1代品种进行全基因组测序和De Novo组装，得到组装基因组大小为409.69 Mb，Contig N50为1.21 Mb。这一结果可为研究植物扩散与人类活动之间的关系提供遗传基础。高原各地的传统蔓菁品种是人类选择和基于区域气候环境自然选择的综合作用结果，因此这项研究有助于揭示人工驯化和人类选择对蔓菁的遗传分化的影响，以及蔓菁适应高原生态环境的适应性机制。
段元文, 段元文
通过对青藏高原高苜蓿地、朵家梁、水口、棋盘山、新寨、参雄尕塑、鸟岛、邦嘎和白羊村等25个新石器-青铜时代遗址进行考古调查和发掘，获取了各遗址经纬度、高程、文化属性、文化遗物等基本信息；同时，对遗址调查和发掘过程中的动植物遗存进行科学收集、鉴定和实验室分析，得到了一批遗址碳十四年代数据、动物遗存鉴定数据、植物大遗存鉴定数据和碳氮稳定同位素数据。该数据集为研究青藏高原新石器-青铜时代先民的活动历史和生业模式提供了数据支撑。
董广辉, 董广辉, 董广辉, 杨晓燕, 杨晓燕, 吕红亮, 吕红亮
生态系统净初级生产力（ Ecosystem Net Primary Productivity, NPP）是全球变化研究中的关键参数，为应用生态学方法研究生态系统的碳通量、碳储量以及碳循环过程，评价生态系统在全球的碳平衡以及区域贡献和响应提供了基础。目前，MODIS卫星数据产品是反演生态系统总初级生产力的一项重要数据源。以18个关键节点（Bangkok, Burma_Port, Chittagong, Colombo, Dhaka, Gwadar_Port, Hambantota, Huangjing_Port_and_Malacca, Karachi, Kolkata, Kuantan, Maldives, Mandalay, Mumbai, Sihanouk, Taizhong_Luoyong, Vientiane, Yangon）为研究区域，基于2002至2014年MYD17A3H数据，对不同地区的生物积累量或有机碳的积累量进行了裁剪和估算，最终得到了关键节点区域2002-2014年年平均NPP数据。
葛咏, 葛咏, 凌峰, 凌峰, 张一行, 张一行
蒸散发(evapotranspiration，ET)是水文循环中自降水到达地面后由液态或固态转化为水汽返回大气的过程，通常指地表土壤水分的蒸发(evaporation, E)和植物体内水分的蒸腾(transpiration, T)的总和，是全球变化研究中的关键参数是地气相互作用中水分平衡的重要部分。目前，MODIS卫星蒸散发数据产品是监测地表时空变化的一项重要数据源，地表蒸散发是地气相互作用中水分平衡的重要部分。本数据以具有较高时空分辨率的MODIS16全球陆地蒸散发产品为基础，以一带一路整个区域划分出来的31个关键节点以及中老泰柬铁路、中缅石油天然气管道和雅万高铁三个重点核查区域范围的ET进行了裁剪、估算，得到的关键节点区域8-16天的ET产品，时间范围为2000-2016年。相比一些主要用于一带一路相关区域地表水分和能量平衡过程的模拟和动态监测以及合理管理区域水资源，尤其是对水资源的科学配置、实现水资源的高效利用具有重要的现实意义，能够有目的性的对一带一路区域的相关研究提供数据支持和参考。
阴海明
青藏高原生态资产评估遥感反演基础数据集包括了青藏高原自2000年起年度的植被覆盖度(FVC)，净初级生产力(NPP)和叶面积指数(LAI)等基于遥感反演的生态参数，以供区域尺度生态资产评估研究使用。叶面积指数数据主要基于已有MODIS MCD15A2产品，通过基于TSF滤波的叶面积指数估算改进方法及尺度下推方法来完成。为了验证数据精度，在全国范围内均匀布设了746个样地，包括76个农田样点、47个草地样点、467个森林样点和156个灌木样点，均为在30米*30米样地内使用LAI-2000、LAI-2200或TRAC等专用设备获得。
刘文俊
MODIS卫星的MOD09A1 Version 6产品提供了针对气体、气溶胶和瑞利散射等大气条件校正的第1至7波段的地表光谱反射率的估计值。它是由500m分辨率的MOD09GA组成的3级数据合成的产品，每个产品像元包含了基于高观测覆盖率、低视角、云覆盖以及气溶胶负载而选择的8天期间可能的最佳L2G观测值。除了7个500米的反射波段之外，还有一个质量图层和四个观测波段。对于每个像元，从8天合成周期内采集的所有观测值中选择一个值。像元选择的标准包括云量和太阳天顶角。 本数据集基于National Aeronautics and Space Administration（NASA）下载的2000-2016年8天合成的MOD09A1 V6版本数据，空间分辨率500米，利用MatLab对数据进行研究区的掩模裁剪，最终得到了18个关键节点区域2000-2016年8日合成的地表土地覆盖数据。 数据涉及的18个关键区域主要包括：曼谷、缅甸港口、吉大港、科伦坡、达卡、瓜达尔港、汉班托特、黄荆港和马六甲、关丹、马尔代夫、曼德勒、西哈努克、万象、仰光等区域）
李炘妍
采用野外调查、取样以及室内测试分析的方法，系统汇集了内蒙古不同退化阶段的三类温性草原，即自东向西的草甸草原、典型草原和荒漠草原的植被和土壤数据。具体包括：样地采集点坐标信息、植物调查样方表、植物生长繁盛期地上生物量、植物有机碳含量、植物全氮、植物全钾；土壤水分含量、土壤PH值、土壤电导率、土壤无机氮含量、土壤容重、土壤团聚体占比、土壤有机碳含量、土壤全氮、土壤全钾。这些数据均是采用标准化测试方法，为系统研究内蒙古温性草地具有一定的参考价值。
马秀枝
该数据集是NOAA的 Advanced Very High Resolution Radiometer (AVHRR)传感器获取的长时间序列的NDVI数据。该数据集时间范围是1982年至2015年。为了去除NDVI数据中的噪声，进行了最大化合成、多传感器对比纠正。每半个月合成一幅NDVI影像。该数据集在植被长期变化趋势分析中被广泛应用。该数据集是从全球数据集中将三江源部分裁切出来，以便单独开展三江源地区的研究分析。 本数据集数据格式为geotiff，空间分辨率为8km，时间分辨率为2周，时间范围为1982年至2015年。数据转系系数为10000， NDVI = ND/10000。
NOAA
该数据集是MODIS的植被指数数据（MOD13Q1），将三江源区域进行了提取，以便单独开展三江源地区的研究分析。MOD13Q1是16天合成的植被指数，包含归一化植被指数（NDVI）和增强型植被指数（EVI）。三江源的空间范围覆盖两景MODIS文件（h25v05和h26v05）。数据存储格式为hdf，每个文件中包含12个波段：归一化植被指数（NDVI）、增强型植被指数（EVI）、数据质量（VI Quality）、红波段反射率（red reflectance）、近红外波段反射率（NIR reflectance）、蓝波段反射率（blue reflectance）、中红外波段反射率（MIR reflectance）、观测天顶角（view zenith angle）、太阳天顶角（sun zenith angle）、相对方位角（relative azimuth angle）、合成的时间（composite day of the year）和象元可靠性（pixel reliability）. 本数据集数据格式为hdf，空间分辨率250m，时间分辨率是16天，时间范围：2000年2月至2018年10月。
Kamel Didan*, Armando Barreto Munoz, Ramon Solano, Alfredo Huete
该数据集是SPOT卫星上的VEGETATION传感器获取的长时间序列的NDVI数据。该数据集时间范围是1998年5月至2013年。为了去除NDVI数据中的噪声，进行了最大化合成。每10天合成一幅NDVI影像。该数据集是从全球数据集中将三江源部分裁切出来，以便单独开展三江源地区的研究分析。 本数据集数据格式为geotiff，空间分辨率1km，时间分辨率是10天，时间范围：1998年5月至2013年12月。
Image Processing Centre for SPOT-VGT
本数据为小满玉米地（2012-06-25日至2012-08-24日）的LAINet数据集。 测量仪器：北京师范大学自制无线传感器网络叶面积指数观测仪 测量方式：LAINet观测系统由三类传感器节点组成，分别是（1）冠层下节点，传感器近水平向上放置，用来测量冠层透过辐射，（2）冠层上节点，传感器近似水平向上放置，用来测量太阳入射总辐射，（3）汇聚节点，用来接收并转发由（1）和（2）两类节点测量到的数据。 数据处理：从传感器接收到原始数据是按照汇聚节点进行接收的，经过预处理之后形成以天为时间单位的原始数据集。仪器对冠层透过率的观测是通过计算一天之内不同太阳高度角下冠层下透过辐射与冠层上的入射总辐射的比值而得到的。叶面积指数是基于多角度透过率数据进行反演计算得到。 LAINet数据集包括计算的原始LAI数据、经过5天平均之后的LAI数据以及测量节点的经纬度。所有数据以Excel保存。其中5天平均处理后的数据以汇聚节点编号为表单名称，每个表单（sheet）保存是一个汇聚节点下所有子节点的测量数据。原始数据记录了每个节点在所有观测日期内能够计算得到的LAI数值。以上两类数据的每个表单中，各列的含义如下：测量日期，DOY，节点1，节点2，...,节点N。
马明国, 马明国, 马明国, 马明国
该数据集是SeaWiFS获取的长时间序列的NDVI数据。该数据集时间范围是1997年9月至2007年。为了去除NDVI数据中的噪声，进行了最大化合成。每15天合成一幅NDVI影像。该数据集是从全球数据集中将三江源部分裁切出来，以便单独开展三江源地区的研究分析。 本数据集数据格式为geotiff，空间分辨率4km，时间分辨率是15天，时间范围：1997年第256天至2007年第365天。
Charles R. Mcclain
通过燃烧地表植被和土壤有机物质，野火会对冻土环境产生强烈影响。受火灾干扰的植被可能需要许多年才能恢复到火灾前期或成熟水平。在本数据集中，通过量化C 波段和 L 波段 SAR 后向散射 15 年(2002—2017)的变化，用来研究阿拉斯加北坡Anaktuvuk 河流域冻土苔原环境火灾对植被再生长的影响。火灾过后，C 和 L 波段 在严重火灾地区后向散射系数比未烧的地区分别增加了 5.5 和 4.4 dB。火灾发生后 5 年，C 波段背向散射差异在火灾区和未燃烧区之间减小，表明过火地植被水平已恢复到未燃烧区域水平。这种持续恢复时间比基于光学的 NDVI 观测的 3 年恢复要长。此外，在植被恢复 10 年后， L 波段在火灾严重区后向散射比未燃烧区依然约高 2 dB。 这种持续的差异可能是由表面粗糙度增加造成的。我们的分析表明，长期存档的星载 SAR 后向散射可以量化北极苔原环境火灾后植被恢复情况，也可以作为光学观测的补充。 后向散射数据覆盖时间从2002年到2017年，时间分辨率为逐月，覆盖范围为喀阿拉斯加北坡Anaktuvuk 河流区域，空间分辨率为30~100 m，C/L波段数据分开，每月数据的存放一个Geotiff文件。 数据的详细情况见阿拉斯加北坡Anaktuvuk 河流域SAR后向散射数据 -数据说明。
江利明
该数据集是基于MODIS 16天合成的NDVI产品（MOD13A2 collection6）估算的三江源地区的植被生长季开始（Start of Season: SOS）和生长季结束的日期（End of Season: EOS）。分别用了两种常见的物候期估算方法，分别是基于多项式拟合的阈值提取法（文件名中有poly字符）和基于双逻辑曲线（double logistic function）拟合后的拐点提取法（文件名中有sig字符）。该数据可以用来分析植被物候期与气候变化的关系。时间范围为2001年至2014年。空间分辨率为1km。
王旭峰
该数据集包含了从1992到2015年的逐年黄河源、长江源、澜沧江三个源区的土地覆盖数据集。共包括了22种基于UN Land Cover Classification System的土地覆盖类型。集成了NOAA AVHRR, SPOT, ENVISAT, PROBA-V等植被分类产品。在中国区，（1）首先结合我国1：10万植被分类（2007）进行了质量订正和控制；（2）我国植被分类中侧重与气候区的结合，在订正CCI-LC时与我国气候区划相结合，与我国气候区划类型对应的植被类型相结合，全面订正了数据标签。
魏彦强, 魏彦强, 魏彦强, 魏彦强
该数据集包含了黄河源、长江源、澜沧江三个源区的最大值合成法生产的NPP产品数据。MOD13Q1、MOD17A2以及MOD17A2H遥感产品数据来自于NASA网站（http://modis.gsfc.nasa.gov/）。MOD13Q1产品的分辨率为250 m, 16 d合成产品。MOD17A2和MOD17A2H产品数据都是8 d合成产品, MOD17A2的分辨率为 1000 m, MOD17A2H的分辨率为500 m。最终合成的MODIS NPP产品的分辨率为1km。 下载的MOD13Q1、MOD17A2、MOD17A2H遥感数据产品, 格式为HDF, 该数据已经过大气校正、辐射校正、几何校正和去云等处理。1）MRT投影转换。将下载的数据产品进行格式和投影转换, 将HDF格式转换为TIFF格式, 将投影转换为UTM投影, 输出250 m分辨率的NDVI、250 m分辨率的EVI、1000 m和500 m两种分辨率的净光合PSNnet。2）MVC最大值合成。将与地面实测数据同期的NDVI、EVI、PSNnet采用最大值合成, 得到与实测数据对应的值。采用最大值合成法可以有效减少云、大气、太阳高度角等的影响。3)基于NASA-CASA模型生成NPP年值。
Kamel Didan*, Armando Barreto Munoz, Ramon Solano, Alfredo Huete
该数据集是基于SPOT卫星的Vegetation传感10天合成的NDVI产品估算的三江源地区去的植被生长季开始（Start of Season: SOS）和生长季结束的日期（End of Season: EOS）。分别用了两种常见的物候期估算方法，分别是基于多项式拟合的阈值提取法（文件名中有poly字符）和基于双逻辑曲线（double logistic function）拟合后的拐点提取法（文件名中有sig字符）。该数据可以用来分析植被物候期与气候变化的关系。时间范围为1999年至2013年。空间分辨率为1km。
王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰, 王旭峰
该数据集包含了2017年8月3日至2017年8月9日期间在曲麻莱、玛多和可可西里的植物群落样方调查数据。主要调查内容为盖度、高度和地上生物量。涵盖了高寒草原、高寒湿地和高寒草甸三种植被类型。记录了样方的经纬度、海拔、总体覆盖度、物种名称及数量、每个物种选三株测量其高度、总的地上生物量、分类别的地上生物量。
李奇, 徐世晓, 胡林勇, 李奇, 胡林勇
该数据集是基于GIMMS 最新版本的NDVI数据集GIMMS3g version 1.0估算的三江源地区去的植被生长季开始（Start of Season: SOS）和生长季结束的日期（End of Season: EOS）。分别用了两种常见的物候期估算方法，分别是基于多项式拟合的阈值提取法（文件名中有poly字符）和基于双逻辑曲线（double logistic function）拟合后的拐点提取法（文件名中有sig字符）。该数据可以用来分析植被物候期与气候变化的关系。时间范围为1982年至2015年，空间分辨率为8km。
王旭峰
青藏高原东缘贡嘎山森林生态系统试验站观测的气象、土壤、植被等数据，时间主要是从2005-2008年。 气象数据：气温、气压、相对湿度、露点温度、水气压、地温、土壤温度（5cm、10cm、20cm、40cm）、10分钟平均风、10分钟最大风速、降水、总辐射、净辐射 乔木层生物观测数据：胸径、树高、生活型 灌木层生物观测数据：株数、高度、盖度、生活型、地上生物量、地下生物量 草本层生物观测数据：株（丛）数、平均高度、盖度、生活型、地上生物量、地下生物量 叶面积指数：乔木层叶面积指数、灌木层叶面积指数、草木层叶面积指数 土壤有机质及养分：土壤有机质、全氮、全磷、全钾、硝态氮、铵态氮、速效氮（碱解氮)、有效磷、速效钾、缓效钾、水溶液提pH值 土壤含水量：深度、含水量
王小丹
本数据集包括拉萨农田试验站观测的春青稞试验样地的生物量和光合作用数据以及当雄草地试验站观测的气象数据。时间范围为2006-2009年。 生物量观测方法：每个样方取样面积25cm*25cm；光合作用数据观测：仪器为LiCor-6400。 生物量数据是人工根据记录本录入；光合数据是仪器自动记录；气象数据日值中的平均风速、主风向、气温、大气压和相对湿度用半小时数据进行日平均所得，降水量和总辐射数据是观测系统自动记录数据。 生物量数据的观测过程中，严格按照农学方法，可以应用于农业生产力的估算；光合数据观测过程中，仪器的操作、观测对象的选择等严格按照专业要求进行，可以用在植物叶片光合参数模拟和生产力估算中。 青藏高原农田生态系统观测数据，包含：1）地上生物量；2）CO2响应光合数据；3）光响应光合数据；4）当雄监测点气象数据日值。 数据采集地点中国科学院拉萨农业生态试验站，经度：91°20’，纬度：29°41’，海拔：3688m；当雄高寒草甸碳通量观测站，经度：91°05′，纬度：30°25′，海拔：4333m。
张宪洲, 张宪洲, 张宪洲
本数据集包含自1982年至2006年基于生态学模式与遥感数据计算青藏高原植被净初级生产力（Net Primary Productivity，NPP）的结果。 基于遥感Advanced Very High Resolution Radiometer（AVHRR）数据和Carnegie-Ames-Stanford Approach（CASA）模型生成的青藏高原生态系统NPP（1982-2006），基于第二次土壤普查数据生成的土壤碳含量，以及基于High Resolution Biosphere Model（HRBM）模型生成的生物量碳数据。 青藏高原森林生态系统NPP（1982-2006年）： npp_forest82.e00，npp_forest83.e00，npp_forest84.e00，npp_forest85.e00，npp_forest86.e00， npp_forest87.e00，npp_forest88.e00，npp_forest89.e00，npp_forest90.e00，npp_forest91.e00， npp_forest92.e00，npp_forest93.e00，npp_forest94.e00，npp_forest95.e00，npp_forest96.e00， npp_forest97.e00，npp_forest98.e00，npp_forest99.e00，npp_forest00.e00，npp_forest01.e00， npp_forest02.e00，npp_forest03.e00，npp_forest04.e00，npp_forest05.e00，npp_forest06.e00 青藏高原草地生态系统NPP（1982-2006年）： npp_grass82.e00，npp_grass83.e00，npp_grass84.e00，npp_grass85.e00，npp_grass86.e00， npp_grass87.e00，npp_grass88.e00，npp_grass89.e00，npp_grass90.e00，npp_grass91.e00， npp_grass92.e00，npp_grass93.e00，npp_grass94.e00，npp_grass95.e00，npp_grass96.e00， npp_grass97.e00，npp_grass98.e00，npp_grass99.e00，npp_grass00.e00，npp_grass01.e00， npp_grass02.e00，npp_grass03.e00，npp_grass04.e00，npp_grass05.e00，npp_grass06.e00 青藏高原生物量碳、土壤碳： Biomass.e00，Socd.e00 土壤碳含量数据（Socd）是参考全国第二次土壤普查的数据与《中国1:100万土壤图》按土壤亚类插值生成。 NPP数据来自CASA模型与AVHRR数据模拟生成： Potter CS, Randerson JT, Field CB et al. Terrestrial ecosystem production: a process model based on global satellite and surface data. Global Biogeochemical Cycles, 1993, 7: 811–841. 生物量碳数据来自HRBM模型模拟生成： McGuire AD, Sitch S, et al. Carbon balance of the terrestrial biosphere in the twentieth century: Analyses of CO2, climate and land use effects with four process-based ecosystem models. Global Biogeochem. Cycles, 2001, 15 (1), 183-206. 原始资料主要是遥感数据和野外观测数据。精度较好；生产过程中与野外实测数据进行的验证和调参，是模拟结果尽量与野外实测数据保持在可接受的误差范围内；NPP数据与野外实测数据的验证结果表明，误差保持在15%的范围内。 空间分辨率0.05度×0.05度（经度×纬度）。
周才平
本数据集包含沉错化石硅藻，沉错电导率重建，纳木错化石硅藻，纳木错电导率重建。可用于研究青藏高原湖泊现生硅藻种属组成特征及古环境定量重建。硅藻资料根据样品鉴定统计而得出，水环境资料由仪器测量得到；重建的电导率由硅藻-盐度转换函数计算得出。本数据集由实验室测量获取，由仪器或者实验完成后直接得到数据在各个环节严格按照相关操作规程进行样品和数据采集和分析。 本数据集共有6个子表： 子表1为湖泊环境，共有18个字段，分别为湖泊名称、编号、湖泊序号、纬度、经度、水深、海拔和各水环境指标； 子表2为表层沉积物硅藻，共有4个字段，分别为湖泊序号，硅藻缩写，硅藻名称和其含量； 子表3为沉错化石硅藻，有6个字段，分别为样品编号、分析编号和深度，硅藻缩写，硅藻名称和其含量； 子表4为沉错电导率重建，有3个字段，分别为深度、年龄、硅藻重建的电导率。 子表5为纳木错化石硅藻，有5个字段，前两个字段分别为深度和年龄，以后所有字段为不同种属硅藻的含量； 子表6为纳木错电导率重建，有3个字段，分别为深度、年龄、硅藻重建的电导率。 各子表中硅藻含量量纲为百分含量%，样品深度、水深、年龄、经度、纬度、海拔、离子含量、电导率的单位分别为：cm、m、AD、°东经、°北纬、m、mg/L、μS/cm。 硅藻样品采自青藏高原共约90个湖泊，经度范围为84.528-102.360°E，纬度范围为28.148-38.897°N；海拔：2797-5180m。
羊向东
该数据集是玛多地区2016年7月、8月、9月的植被指数（NDVI），基于高分一号的多光谱数据计算得到，空间分辨率为16m。对高分一号数据进行镶嵌、转投影、裁切等处理，然后在7月、8月、9月中每个月进行最大化合成。
张志军, 李飞, 张志军, 李飞
本数据集包括青海果洛军牧场草甸碳通量站观测的生物量调查数据。时间范围为2005-2009年。 碳通量数据观测方法：采用涡度相关观测仪器，均为自动记录；生物量观测方法：收获法，置于60度烘箱中48小时承重。碳通量数据均为仪器自动记录，并进行了人工检查。 严格按照仪器操作规范进行观测和数据采集，并已经在相关学术期刊发表，数据观测过程中，仪器的操作、观测对象的选择等严格按照专业要求进行，可以用在植物叶片光合参数模拟和生产力估算中。 1) 果洛草甸生态系统生物观测数据 ： 日期, 站点编号, 植被类型 , 样地编号 , 地上生物量(g/m²) , 地下生物量(g/m²) , 总生物量(g/m²) 2) 果洛草甸生态系统碳通量观测数据： 站点编号, 日期 , 植被类型 , 土壤类型, 水汽通量(w/m²) , 碳通量(mg/m²·S) 数据精度良好，为定点观测数据。
赵新全
本数据集包括当雄沼泽草甸碳通量站观测的碳通量数据和土壤水分数据。时间范围为2009-2010年，碳通量数据的时间分辨率为4小时，记录凌晨00:00到20:00的数据；土壤水分数据的时间分辨率为1天。 数据均采用涡度相关观测仪器自动记录，并进行了人工检查。严格按照仪器操作规范进行观测和数据采集，数据观测过程中，仪器的操作、观测对象的选择等严格按照专业要求进行。 数据采集地点中国科学院拉萨农业生态试验站当雄湿地碳通量观测站，经度，91°07’；纬度，30°50’；海拔：4333m。 数据集可以用在植物叶片光合参数模拟和生产力估算中，用于研究湿地生态系统水碳过程及其对气候变化的响应。
石培礼
青藏高原研究所寒区地表水文学过程课题组经过3年的努力，完成色林错环湖区域的植物考察、采样与鉴定工作，共采集植物模式标本200余份，拍摄高清植物图片2000余张。目前，科研人员已鉴定出植物种类45种，分属于23科35属。该成果邀请中科院植物研究所植物分类专家对已鉴定的所有植物种名进行二次核实和校正，将色林错环湖区域的植物资源匹配相应的图解和注解说明，进行专业的排版、编校并出版成册，已出版书籍：宋洪涛，高海峰，等著. 2017. 色林错植物图鉴: 羌塘"鬼湖"的植物生灵. 北京：科学出版社. 可供该区域相关学术研究时参考之用。 色林错湖区属半干旱草原地带，罕见乔木和灌木分布，且草本植物种类也相对稀少。但植被对维持当地自然生态的完整性、野生动物栖息地及牧民生产生活起着不可或缺的作用。调查结果表明，环湖区域内植物种呈现科数多但同科物种属、种少的状况，其中：菊科物种最多，隶属7属8种，分别为火绒草属1种，蒿属2种，亚菊属1种，风毛菊属1种，狗娃花属1种，蒲公英属1种和香青属1种；其次为紫草科，共4种，均为微孔草属；毛茛科3属3种，分别为碱毛茛属1种，翠雀属1种，唐松草属1种；玄参科2属3种，分别为兔耳草属1种，马先蒿属2种；景天科3种，均为景天属；唇形科2种，均为青兰属；莎草科2种，分别为嵩草属1种，薹草属1种；蓼科2种，均为蓼属；石竹科2种，分别为无心菜属1种，蝇子草属1种；禾本科2种，分别为早熟禾属1种，披碱草属1种；百合科2种，均为葱属。此外，科内单属单种的植物12种，分别为瑞香科狼毒属、荨麻科荨麻属、龙胆科龙胆属、川续断科刺续断属、十字花科念珠芥属、蔷薇科委陵菜属、柽柳科水柏枝属、报春花科点地梅属、豆科黄芪属、蝶形花科棘豆属、藜科藜属和紫葳科角蒿属。
张寅生
该数据集包含了2016年9月份在玛多县高寒草原和高寒草甸的样方调查数据。样方大小为50cm×50cm。调查内容包括覆盖度、物种名称、植被高度、生物量（干重和鲜重）、样方的经纬度坐标、坡度、坡向、坡位、土壤类型、植被类型、地表特征（凋落物、砾石、风蚀、水蚀、盐碱斑等）、利用方式、利用强度等。
张志军, 李飞, 张志军, 张志军, 李飞
MODIS土地覆盖类型产品是每年从Terra数据中提取的土地覆盖特征不同分类方案的数据分类产品（MOD12Q1）。本数据为标准MODIS土地覆盖产品MOD12Q1经过重新投影到地理坐标，空间分辨率为0.5度的产品。基本的土地覆盖分类为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。其覆盖经度范围－180－180度，纬度范围为－64-84度。数据格式为GeoTIFF。 该数据可免费使用，版权属于 University of Maryland, Department of Geography and NASA
S.Channan, Channan, 徐希燕
该NDVI数据集是由NASA EOSDIS LP DAAC 和美国地质调查 USGS EROS共同发布的第六版MODIS均一化植被指数产品（2001-2016）。该产品的时间分辨率是16天，空间分辨率0.05度。该版本是在原有1公里分辨率的NDVI产品（MYD13A2）基础上生成的气候模拟格点（CMG）数据产品。 请在致谢中以下方式说明该数据的来源： The MOD13C NDVI product was retrieved from the online in courtesy of the NASA EOSDIS Land Processes Distributed Active Archive Center (LP DAAC), USGS/Earth Resources Observation and Science (EROS) Center, Sioux Falls, South Dakota, The [PRODUCT] was (were) retrieved from the online [TOOL], courtesy of the NASA EOSDIS Land Processes Distributed Active Archive Center (LP DAAC), USGS/Earth Resources Observation and Science (EROS) Center, Sioux Falls, South Dakota.
NASA
本数据为盈科绿洲农田、湿地、戈壁、沙漠与荒漠观测的一个生长周期内的植被覆盖度数据集。数据观测从2012年5月25日开始到9月14日结束，7月下旬之前每5天观测1次，之后10天观测1次。 测量仪器与原理： 采用数码相机拍照的方法测量了盈科绿洲的农田、湿地、戈壁、沙漠与荒漠的典型地物的植被覆盖度。样方的设计、照片拍摄方法和数据处理方法都经过一定的分析和考虑。 具体分几条进行描述： 0. 测量仪器：简易观测架搭配数码相机，将数码相机置于支撑杆前端的仪器平台，保持拍摄的竖直向下，远程控制相机测量数据。观测架可以用来改变相机的拍摄高度，面向不同类型植被实现有针对性的测量。 1. 样方设置和“真值”获取：玉米等低矮植被样方大小10×10米，果树样方30米×30米。每次测量时沿两条对角线依次拍照，共取9张照片（当地表覆盖非常均一时也有少于9张的情况），均匀分布在样方内。9张相片处理得到各自覆盖度之后取平均，最终得到一个样方的覆盖度“真值”。 2. 拍摄方法：针对低矮植被如玉米，直接采用观测架观测，保证观测架上的相机距离植被冠层的高度远大于植被冠幅，在方形样方内沿着对角线采样，然后做算术平均。在视场角度不大(<30°)的情况下，视场内包括大于2个整周期的垄行，相片的边长与垄行平行；针对较高植被如果树，在树冠下面从下向上拍摄照片，叠加配合对树冠下地表低矮植被从上向下的拍摄，得到植株附近的覆盖度，再拍摄植株之间非树冠投影区域的低矮植被，计算植株间隙的覆盖度。最后通过树冠投影法，获得树冠的平均面积。根据垄行距离计算植株树冠下与植株间隙的面积比例，加权获得整个样方的覆盖度。 3. 数据处理方法：采用一种自动分类方法，具体见“参考文献”第３条文献（Liu et al., 2012)。通过RGB颜色空间转换到更容易区分绿色植被的Lab空间，对绿度分量a的直方图进行聚类，分离出绿色植被和非绿色背景2组分，获得单张相片的植被覆盖度。该方法的优点在于其算法简单、易于实现而且自动化程度和精度较高。今后还需要更多的快速、自动、准确的分类方法，最大限度发挥数码相机方法的优势。 配套数据： 在记录表中文字记录了植被的种类、株高、垄宽、行宽、拍摄高度信息，同时附有数码相机拍摄的场景照片和田埂照片（农田）。 数据处理： 基于数字图像里面的分类方法，对植被和非植被像元分类后得到相片代表样方的植被覆盖度。
穆西晗, 黄帅, 马明国, 马明国, 马明国, 马明国
该NDVI数据集是最新发布的NOAA全球模拟和绘图项目（GIMMS，Global Inventory Monitoring and Modeling System）长序列（1981-2015）均一化植被指数产品，版本号3g.v1。 该产品的时间分辨率是每月两次，空间分辨率1/12度。时间跨度1981年7月至2015年12月。该产品为共享数据产品，可直接从ecocast.arc.nasa.gov下载。 详情请参考https://nex.nasa.gov/nex/projects/1349/
NCAR
本数据为在盈科绿洲观测的植被FPAR数据集。数据观测从2012年5月25日开始，至2012年7月8日结束。 测量仪器与原理： 利用北京师范大学ACCUPAR测量冠层的FPAR。在盈科绿洲5km*5km样方内选择18个玉米样方，1个果园和1个人工白杨林样方进行测量。 其中玉米地样方测量四个PAR分量：冠层上总入射PAR，冠层下透过PAR，冠层上反射PAR和冠层下反射PAR。 对于果园和人工林，测量两个量：冠层外总入射PAR，冠层下透射PAR。 配套数据： 植被的种类、株高、垄行结构等信息。 数据格式： EXcel格式。
马明国, 马明国, 马明国, 马明国
本数据包括大满超级站、湿地、沙漠、荒漠和戈壁五个站点植被一个生长周期内的覆盖度数据集以及大满超级站玉米和湿地芦苇两种植被一个生长周期内的生物量数据集。观测时间自2013年5月19日开始，9月15日结束。 1覆盖度观测 1.1观测时间 1.1.1超级站：观测时间段2013年5月20日-9月15日， 7月31日以前每5天观测一次，7月31后每10天观测一次，共做了18次观测，具体观测时间如下； 超级站：2013-5-20、2013-5-25、2013-5-30、2013-6-5、2013-6-10、2013-6-16、2013-6-22、2013-6-27、2013-7-2、2013-7-7、2013-7-12、2013-7-17、2013-7-27、2013-8-3、2013-8-13、2013-8-25、2013-9-5、2013-9-15 1.1.2其它四个站：观测时间段2013年5月20日-9月15日，每10天观测一次，共做了12次观测，具体观测时间如下； 其它四个站：2013-5-20、2013-6-5、2013-6-16、2013-6-27、2013-7-7、2013-7-17、2013-7-27、2013-8-3、2013-8-13、2013-8-25、2013-9-5、2013-9-15 1.2观测方法 1.2.1测量仪器与原理： 采用数码相机拍照的方法测量，将数码相机置于简易支撑杆前端的仪器平台，保持拍摄的竖直向下，远程控制相机测量数据。观测架可以用来改变相机的拍摄高度，面向不同类型植被实现有针对性的测量。 1.2.2样方的设计 超级站：共取3块样地，每块样地样方大小10×10米，每样地每次测量时沿两条对角线依次拍照，共取9-10张照片； 湿地站：共取2块样地，每块样地样方大小10×10米，每样地每次测量拍9-10张照片； 其它3个站：选取1块样地，每块样地样方大小10×10米，每样地每次测量拍9-10张照片； 1.2.3拍摄方法 针对超级站玉米和湿地站芦苇，直接采用观测架观测，保证观测架上的相机距离植被冠层的高度远大于植被冠幅，在方形样方内沿着对角线采样，然后做算术平均。在视场角度不大(<30°)的情况下，视场内包括大于2个整周期的垄行，相片的边长与垄行平行；其它三个站点由于植被比较低矮，直接用相机垂直向下拍照（未使用支架）。 1.2.4 覆盖度计算 覆盖度计算由北京师范大学完成，采用一种自动分类方法，具体见 “建议参考文献”第1条文献。通过RGB颜色空间转换到更容易区分绿色植被的Lab空间，对绿度分量a的直方图进行聚类，分离出绿色植被和非绿色背景2组分，获得单张相片的植被覆盖度。该方法的优点在于其算法简单、易于实现而且自动化程度和精度较高。今后还需要更多的快速、自动、准确的分类方法，最大限度发挥数码相机方法的优势。 2生物量观测 2.1观测时间 2.1.1玉米：观测时间段2013年5月20日-9月15日， 7月31日以前每5天观测一次，7月31后每10天观测一次，共做了18次观测，具体观测时间如下； 玉米：2013-5-20、2013-5-25、2013-5-30、2013-6-5、2013-6-10、2013-6-16、2013-6-22、2013-6-27、2013-7-2、2013-7-7、2013-7-12、2013-7-17、2013-7-27、2013-8-3、2013-8-13、2013-8-25、2013-9-5、2013-9-15 2.1.2芦苇：观测时间段2013年5月20日-9月15日，每10天观测一次，共做了12次观测，具体观测时间如下； 芦苇：2013-5-20、2013-6-5、2013-6-16、2013-6-27、2013-7-7、2013-7-17、2013-7-27、2013-8-3、2013-8-13、2013-8-25、2013-9-5、2013-9-15 2.2观测方法 玉米：选取3块样地，每块样地每次观测选取代表样地平均水平的三株玉米分别称每株玉米的鲜重（地上生物量+地下生物量）和相应的干重（85℃恒温烘干），根据种植的株距和行距计算单位面积玉米的生物量； 芦苇：设置2个0.5mÍ0.5m的样方，齐地刈割，分别称取芦苇的鲜重（茎叶）和干重（85℃恒温烘干）。 2.3观测仪器 天平（精度0.01g）、烘箱。 3数据的存储 所有观测数据先手薄记录后整理到Excel表中存储，同时整理了玉米种植结构数据，包括种植的株距、行距，种植时间、灌水时间、除父本时间以及收割时间等相关信息。
耿丽英, 马明国, 家淑珍, 李艺梦, 马明国, 马明国, 马明国
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
