泛第三极土壤可蚀性因子（K）数据集，基于国际土壤信息参比中心（International Soil Reference and Information Centre, ISRIC）网站（https://files.isric.org/soilgrids/latest/data/）下载的7.5弧秒分辨率土壤属性数据计算，所用数据包括土壤黏粒含量（%）、粉粒含量（%）、砂粒含量（%）、土壤有机碳含量（g/kg）、土壤质地类型。利用Wischmeier（1978）在USLE手册第二版中提出的土壤可蚀性因子算法、本项目研发的土壤可蚀性因子计算工具（K_Tool），计算得到与输入数据分辨率（30弧秒，尺度地区约1000m）相同分辨率的土壤可蚀性因子图。泛第三极土壤可蚀性因子数据，是基于CSLE进行土壤侵蚀速率计算的必备数据，同时也是分析泛第三极土壤特征的基础数据。
杨勤科, 杨勤科
泛第三极（LS）数据集，基于公开的1弧秒分辨率SRTM数字高程数据（Shuttle Radar Topography Mission, SRTM；http://srtm.csi.cgiar.org），经过去接边、去除伪条纹等和滤波除噪等预处理，利用CSLE模型中的坡度坡长因子算法和本项目研发的坡度坡长因子计算工具（LS_Tool），计算得到30弧秒分辨率坡度坡长因子图。泛第三极65国坡度坡长因子数据，是基于CSLE进行土壤侵蚀速率计算的必备数据，同时分析泛第三极265国侵蚀地形特征（如高程、坡度、坡度等宏观分布和微观格局）的基础数据，对于该地区地貌特征、地质灾害特征的分析，也具有参考价值。
杨勤科, 杨勤科
为描述青藏高原及周边地区主要驯化动物疾病情况，调查青藏高原主要家养动物的疫病情况，对各主要家养动物的主要流行疾病进行抗病和易感个体的遗传样本及肠道微生物样品的采集工作。本数据集包含新疆伊犁地区褐牛样品48个，青海海东蒙古羊样品39个，青海马样品32个，云南香格里拉黄牛样品20个，山羊样品20个。所有样品都为新鲜粪便，提取DNA后进行的微生物16S测序的测序结果。所有数据均为下机原始数据未进行任何分析。检测这些样品的目的是为了比较泛第三极区域不同家养动物肠道微生物种类和数量的差异。
段子渊, 段子渊
为研究青藏高原及周边地区主要马属驯化动物的群体演化历史和局部适应遗传机制，并建立相应的种质遗传资源库。我们对截止2018年底在青海省、西藏自治区、新疆自治区采集的青藏高原及周边地区的236份马属样本进行全基因组重测序：包括藏马、藏家驴、平原家驴、家马平原地方品种。并对75份样本（包括73份驴的样本和两份马的样本）进行线粒体基因组测序以及D-loop测序。测序产生了一批基因组学数据，为追溯该地区主要马属驯化动物的驯化、迁徙、扩张等群体历史事件，并进一步探讨马属动物对缺氧、高寒、干燥等恶劣环境的适应机理提供资料。
李艳
中亚农业水资源脆弱性数据集基于气象、土地覆盖、地形和社会经济数据, 依据脆弱性概念框架, 从暴露度、敏感度和适应度 3 个方面选取 18 个指标, 建立了农业水资源脆弱性评价指标体系, 采用等权重法和主成分分析法确定指标权重, 对中亚农业水资源脆弱性进行了评价及特征分析。对部分原始各个栅格数据进行比较，从原始目标栅格最左上角开始，依次向相邻的右、下栅格延伸，四个栅格（即0.5°）取中位数合并为一个栅格，并且该中位数作为四个栅格中心点对应的地理坐标的数值，消除栅格间的极端数值情况。数据提供了1992-1996、1997-2001、2002-2006、2007-2011、2012-2017和1992-2017六个时间段，空间分辨率为0.5°乘以0.5°。数据集可为中亚五国农业水资源供需和开发利用分析等提供基础数据支撑。
李兰海, 于水
该数据提供了青藏高原内陆流域582个面积大于1平方公里的湖泊从1986-2019的年湖泊面积。 首先根据JRC和SRTM DEM数据，识别研究区内582个大于1 km2的湖泊。利用Landsat5/7/8所有覆盖湖泊的遥感影像合成每年的Landsat影像，根据NDWI指数和Ostu算法动态分割每个湖泊，并据此计算每个湖泊1986-2019年湖泊面积大小。 本研究基于Landsat卫星遥感影像，利用Google Earth Engine 处理了所有Landsat影像，建立了至今为止最全的青藏高原地区大于1平方公里的年湖泊面积数据集；开发了一套湖泊面积自动提取算法，实现单个湖泊多年面积的批量计算；该数据对分析青藏高原地区湖泊面积动态、水量平衡，及研究青藏高原湖气候变化有重要意义。
朱立平, 彭萍
"坡度、坡向等地貌参数数据（Digital data including slope and aspect,Slope and Aspect）数据是地理信息系统的基础数据，可以作为描述地形特征信息的两个重要指标,不但能够间接表示地形的起伏形态和结构,而且是水文模型、滑坡监测与 分析、地表物质运动、土壤侵蚀、土地利用规划等 地学分析模型的基础数据。目前，坡度和坡向数据一般在数字高程模型( Digital Elevation Model, DEM)上通过一定的计算模型计算得到。本数据以泛第三极34个关键节点为研究区域，以分辨率30米DEM数据为基底，实现对地面地形数据中坡度及坡向的数字化模拟（即地形表面数据中坡度坡向形态的数字化表达），最终得到了泛第三极关键节点坡度、坡向等地貌参数数据。 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）。
尚成
最优差值海表温度(OISST)分析产品提供了使用最优插值(OI)技术构建的完整海洋温度场。海温产品的空间网格分辨率为0.25度，时间分辨率为1天。该产品使用先进的甚高分辨率辐射计(AVHRR)卫星数据，来自探路者(Pathfinder) AVHRR SST数据集(1981年9月至2005年12月)和海军AVHRR多通道海表温度数据(2006年至今)。选择探索者AVHRR海表温度是因为其与现场观测数据吻合较好。该产品还使用海冰数据集，来自船只和浮标的现场数据，并包括大规模调整卫星偏差的现场数据。在有海冰存在的地区，海表温度是由美国国家航空航天局2005年以前的GSFC和2005年以后的NOAA NCEP提供的海冰浓度数据来估计的。海表温度在风暴潮研究中具有重要意义。基于1981年至2016年的海表温度产品，利用GEE对数据进行研究区的掩模裁剪并重采样。最后得到了1981-2016年“一带一路”沿海海域16天合成海面温度数据集。
葛咏, 葛咏, 葛咏, 葛咏, 葛咏, 葛咏, 葛咏, 李强子, 李强子, 董文, 董文
数据是按照节点所在国家从EM-DAT数据库中筛选后再结合灾害影响分为进一步筛选和按节点划分。EM-DAT是一个关于自然和技术灾害的全球数据库，包含1900年至今世界上21000多起灾害发生和影响的基本核心数据。EM-DAT由比利时布鲁塞尔天主教大学公共卫生学院灾害流行病学研究中心（CRED）维护。该数据库主要目的是在国家和国际两级为人道主义行动服务。该倡议旨在使备灾决策合理化，并为脆弱性评估和确定优先事项提供客观基础。 数据库由联合国机构、非政府组织、保险公司、研究机构和新闻机构等各种来源的信息组成。优先考虑来自联合国机构、各国政府以及红十字会与红新月会国际联合会的数据。这种优先顺序不仅反映了数据的质量或价值，而且反映了大多数报告来源并不涵盖所有灾害，或存在可能影响数字的政治限制。这些条目会不断地被审查是否不一致、冗余和不完整。CRED每天整合和更新数据。每月进行一次进一步检查，并在每个日历年结束时进行修订。
葛咏, 葛咏, 葛咏, 葛咏, 葛咏, 葛咏, 葛咏, 李强子, 李强子, 董文, 董文
本数据集是藏猪转录组数据，分别是对照组和实验组，对照组3个个体，不进行任何处理，实验组也是3个个体，用口蹄疫病毒进行攻毒，攻毒浓度是ID50，所有样品都是藏猪的脾脏样品的转录组测序结果。试验进行和样品采集都在兰州的兰兽研。编号分别是Z1-Z6，每个数据分为R1和R2，表示的是双头测序的结果，Z1-Z3为对照组个体结果，Z4-Z6为实验组个体。将对照组和实验组数据进行对比分析可以找到在口蹄疫病毒对藏猪机体进行攻击时其体内免疫系统的反应情况，找到在对抗口蹄疫病毒时启动的免疫基因和免疫通路，为藏猪抵抗口蹄疫病毒的能力找到相关的基因和通路，在今后家猪育种过程中增加对于口蹄疫的免疫能力提供理论基础。
段子渊, 段子渊
为描述青藏高原及周边地区主要驯化动物遗传多样性的分布格局，厘清其相关遗传背景。2019年我们选取云南地区品种猪可作为低海拔参考，采集2只品种猪脑区RNA组织样品提取总RNA，建库并做转录组测序。测序产生了一批322G转录组测序原始数据。为研究青藏高原家养动物适应高原极端环境提供基础数据，为探索该地区主要驯化动物的驯化、迁徙、扩张等群体历史事件，并进一步探讨驯化动物对缺氧、高寒、干燥等恶劣环境的适应机理提供资料。
彭旻晟
泛第三极是全球变化的敏感地区，其增温速率为全球的2倍以上，并且受到了西风和季风协同作用的影响。该地区植被如何响应气候变化，将深刻的影响区域生态安全。然而现有产品对泛第三极地区生态系统净初级生产力（NPP）的估算仍旧存在较大的不确定性。为此，本产品结合多源遥感数据，包括AVHRR NDVI，MODIS 反射率数据，多种气候变量（温度、降水、辐射、VPD）以及大量野外实测数据，利用机器学习算法，反演获得了泛第三极生态系统净初级生产力。
汪涛
为描述青藏高原及周边地区主要驯化动物遗传多样性的分布格局，厘清其相关遗传背景。2019年我们对在巴基斯坦、泰国地区采集的21只本地家鸡组织样品提取总DNA，建库并做基因组重测序。测序产生了一批140G基因组重测序原始数据。为研究青藏高原家养动物适应高原极端环境提供基础数据，为探索该地区主要驯化动物的驯化、迁徙、扩张等群体历史事件，并进一步探讨驯化动物对缺氧、高寒、干燥等恶劣环境的适应机理提供资料。
TRMM 3B43数据是TRMM卫星与其他卫星以及地面观测联合反演的降水产品，该产品首先订正TRMM/TM1资料，并联合SSM/1，AMSR-E和AMSU-B资料估值降水，其次利用全球降水气候计划（GPCP）的红外降水估值订正微波降水，再进行微波和红外资料联合估值。此外，合同该数据的3B43算法是利用TRMM卫星和其他数据源来生产最佳降水率（mm*h-1）估计和降水误差估计的均方根（RMS）数据产品。该数据还融合了地面的雨量计资料，最大限度利用已有的探测资料，提供了每个标准观测时次每个网格降水的最优估值。以主要覆盖东南亚和中东的关键节点为研究区域，基于1998至2016年的TRMM 3B43数据，利用Google Earth Engine对数据进行研究区的裁剪，最终得到了34个泛第三极关键节点区域1998-2016每月的降雨数据。（明斯克、新西伯利亚、华沙三个地方由于纬度高于50°N，TRMM 3B43没有这三个地方的数据，故采用升尺度后的GPM数据。）
葛咏, 葛咏, 葛咏, 葛咏, 葛咏, 葛咏, 葛咏, 凌峰, 凌峰, 凌峰, 凌峰, 凌峰, 张一行, 张一行, 张一行, 张一行, 张一行
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
气温数据集来源于全球陆地数据同化系统(GLDAS)，该系统利用卫星和地面观测数，并基于先进的地表建模和数据同化技术，模型模拟初始化使用土壤湿度和来自LSM气候学的其他状态场,最终生成最优地表状态（例如土壤湿度和地表温度）和通量场，已广泛应用于全球变化与水循环研究中。原始气温数据为0.25˚×0.25˚的格网数据。以主要覆盖东南亚和中东的关键节点为研究区域，基于2001至2016年的森林冠层覆盖度数据，利用GEE对数据进行研究区的掩模裁剪并重采样，最终得到了34个关键节点区域2001-2016 16天合成的气温格网数据。
葛咏, 葛咏, 葛咏, 葛咏, 葛咏, 葛咏, 葛咏, 凌峰, 凌峰, 凌峰, 凌峰, 凌峰, 张一行, 张一行, 张一行, 张一行, 张一行
该数据集结合了美国航空航天局中分辨率成像光谱辐射计(MODIS)、多角度成像光谱辐射计(MISR)和海洋观测宽视场传感器(SeaWiFS)等多种卫星设备的AOD检索。地球化学的化学传输模型被用来将气溶胶的总柱测量与近地表的PM2.5浓度联系起来。全球地面测量使用地理加权回归(GWR)来预测和调整初始卫星数据中每个网格单元的PM2.5偏差。提供0.01度的网格数据集，以便用户能够最好地满足他们的特殊需求。以34个泛第三极关键节点区域为研究区域，对全球2000-2016年的浓度数据进行裁剪和估算，得到了关键节点区域2000-2016年的PM2.5浓度数据。
葛咏, 葛咏, 葛咏, 葛咏, 葛咏, 葛咏, 葛咏, 凌峰, 凌峰, 凌峰, 凌峰, 凌峰, 张一行, 张一行, 张一行, 张一行, 张一行
Landsat植被连续场(VCF)的森林冠层覆盖度数据包含了高度大于5米的木质植被覆盖百分比，分辨率为30米。这些数据是由ASA/USGS全球土地调查(GLS)收集的Landsat数据汇编而成。该产品来源于Landsat-5主题成像仪(TM)和/或Landsat-7增强型主题成像仪 (ETM+)的七个波段，具体取决于GLS图像。以主要覆盖东南亚和中东的关键节点为研究区域，基于2000至2016年的森林冠层覆盖度数据，利用GEE对数据进行研究区的掩模裁剪，最终得到了34个关键节点区域2000-2016每5年的森林冠层覆盖度数据。
葛咏, 葛咏, 葛咏, 葛咏, 葛咏, 葛咏, 葛咏, 凌峰, 凌峰, 凌峰, 凌峰, 凌峰, 张一行, 张一行, 张一行, 张一行, 张一行
土地覆盖数据是了解人类活动与全球变化之间复杂相互作用的关键信息来源。基于清华大学制作的30 m分辨率的FROM-GLC全球土地覆盖产品，利用34个泛第三极关键节点区域矢量对其进行裁剪等处理，获得本数据集。本数据集的一级分类体系为：10.农田；20.森林；30.草地；40.灌木丛；50.湿地；60.水体；70.苔原；80.不透水面；90.裸地；100.冰雪；120.云。其数据质量取决于FROM-GLC产品质量，本数据集作为所有遥感数据的研究基础，为项目提供了基底数据。
葛咏, 葛咏, 葛咏, 葛咏, 葛咏, 葛咏, 葛咏, 凌峰, 凌峰, 凌峰, 凌峰, 凌峰, 张一行, 张一行, 张一行, 张一行, 张一行
无论从全球尺度亦或是局地尺度而言，土壤数据极其重要，而由于缺乏可靠的土壤数据，土地退化评估、环境影响研究和可持续的土地管理干预措施收到了极大的瓶颈阻碍。受到土壤信息数据在全世界的迫切需要，特别是在气候变化公约的背景下，国际应用系统分析研究所（IIASA）及联合国粮农组织（FAO）和京都协议对土壤碳测量和联合国粮农组织/国际全球农业生态评价研究(GAEZ v3.0)共同倡导下建立了新一代世界土壤数据库(Harmonized World Soil Database version 1.2 )(HWSD V1.2)。其中，中国地区数据源为1995年全国第二次土地调查由南京土壤所所提供的1:1,000,000土壤数据。分辨率为30秒（约0.083度，1km）。采用的土壤分类系统主要为FAO-90。 核心土壤制度单元唯一验证标识符： MU_GLOBAL-HWSD数据库土壤制图单元标示符，连接了GIS图层。 MU_SOURCE1 和 MU_SOURCE2- 源数据库制图单元标识符 SEQ-土壤制图单元组成中的土壤单元序列； 土壤分类系统利用FAO-7分类系统或 FAO-90分类系统(SU_SYM74 resp. SU_SYM90)或FAO-85(SU_SYM85). 土壤属性表主要字段包括： ID(数据库ID) MU_GLOBAL(土壤单元标识符)（全球） SU_SYMBOL 土壤制图单元 SU_SYM74(FAO74分类); SU_SYM85(FAO85分类); SU_SYM90（FAO90土壤分类系统中土壤名称)； SU_CODE 土壤制图单元代码 SU_CODE74 土壤单元名称 SU_CODE85 土壤单元名称 SU_CODE90 土壤单元名称 DRAINAGE(19.5); REF_DEPTH(土壤参考深度); AWC_CLASS(19.5); AWC_CLASS(土壤有效水含量); PHASE1: Real (土壤相位); PHASE2: String (土壤相位)； ROOTS: String (到土壤底部存在障碍的深度分类)； SWR: String (土壤含水量特征)； ADD_PROP: Real (土壤单元中与农业用途有关的特定土壤类型)； T_TEXTURE(顶层土壤质地); T_GRAVEL: Real (顶层碎石体积百分比)；(单位：%vol.) T_SAND: Real (顶层沙含量)； (单位：% wt.) T_SILT: Real (表层粉沙粒含量)； (单位：% wt.) T_CLAY: Real (顶层粘土含量)； (单位：% wt.) T_USDA_TEX: Real (顶层USDA土壤质地分类)； (单位：name) T_REF_BULK: Real (顶层土壤容重)； (单位：kg/dm3.) T_OC: Real (顶层有机碳含量)； (单位：% weight) T_PH_H2O: Real (顶层酸碱度) (单位：-log(H+)) T_CEC_CLAY: Real (顶层粘性层土壤的阳离子交换能力)； (单位：cmol/kg) T_CEC_SOIL: Real (顶层土壤的阳离子交换能力) (单位：cmol/kg) T_BS: Real (顶层基本饱和度)； (单位：%) T_TEB: Real (顶层交换性盐基)；(单位：cmol/kg) T_CACO3: Real (顶层碳酸盐或石灰含量) (单位：% weight) T_CASO4: Real (顶层硫酸盐含量)；(单位：% weight) T_ESP: Real (顶层可交换钠盐)；(单位：%) T_ECE: Real (顶层电导率)。 (单位：dS/m) S_GRAVEL: Real (底层碎石体积百分比)；(单位：%vol.) S_SAND: Real (底层沙含量)； (单位：% wt.) S_SILT: Real (底层淤泥含量)； (单位：% wt.) S_CLAY: Real (底层粘土含量)； (单位：% wt.) S_USDA_TEX: Real (底层USDA土壤质地分类)； (单位：name) S_REF_BULK: Real (底层土壤容重)； (单位：kg/dm3.) S_OC: Real (底层有机碳含量)； (单位：% weight) S_PH_H2O: Real (底层酸碱度) (单位：-log(H+)) S_CEC_CLAY: Real (底层粘性层土壤的阳离子交换能力)； (单位：cmol/kg) S_CEC_SOIL: Real (底层土壤的阳离子交换能力) (单位：cmol/kg) S_BS: Real (底层基本饱和度)； (单位：%) S_TEB: Real (底层交换性盐基)；(单位：cmol/kg) S_CACO3: Real (底层碳酸盐或石灰含量) (单位：% weight) S_CASO4: Real (底层硫酸盐含量)；(单位：% weight) S_ESP: Real (底层可交换钠盐)；(单位：%) S_ECE: Real (底层电导率)。 (单位：dS/m) 本数据库分两层，其中以顶层（T）土壤厚度为（0-30cm），底层（S）土壤厚度为（30-100cm）。 其他属性值请参考说明HWSD1.2_documentation文档.pdf，The Harmonized World Soil Database (HWSD V1.2) Viewer-中文说明及HWSD.mdb。
何永利
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
