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
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
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
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, 何明珠, 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
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, 周怀林, 王玉辉
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, 耿丽英, 车涛, 车涛, 车涛, 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, 耿丽英, 车涛, 车涛, 车涛, 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, 耿丽英, 车涛, 车涛, 车涛, 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, 耿丽英, 车涛, 车涛, 车涛, 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, 耿丽英, 车涛, 车涛, 车涛, 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, 耿丽英, 车涛, 车涛, 车涛, 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, 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
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, 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, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 徐自为, 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, 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, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 徐自为, 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, 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, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 徐自为, 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, 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, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 徐自为, 徐自为, 徐自为, 徐自为, 车涛, 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, 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, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 任志国, 谭俊磊, 谭俊磊, 任志国, 任志国, 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, 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, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 车涛, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 徐自为, 谭俊磊, 谭俊磊, 任志国, 任志国, 任志国, 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, 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, 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, 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, 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, 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, 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, 仲波, 仲波
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
