观测数据来自中国气象局乌鲁木齐沙漠气象研究所于2019年建设的塔吉克斯坦帕米尔高原冰川观测站，包含空气温湿度、大气压、风速风向、降水、雪深等数据。资料时间段为2019年11月1日—2020年11月30日，运用MS Office处理所得*.xlsx格式，数据质量较好，此数据可为研究冰川消融及其水文特征、水资源、生态环境等的潜在影响提供参考。气象观测要素，经过积累统计，加工成气候资料，为天气预报和经济活动提供珍贵的数据支持。广泛应用于农业、林业、工业、交通、军事、水文、医疗卫生和环境保护等部门领域。
霍文, 霍文, 霍文
doi: 10.11888/Meteoro.tpdc.271754 381 0 保护期内 2021-10-18
该数据集包含了2020年1月14日至2020年12月31日的10m塔涡动相关仪观测数据。站点位于河北省怀来县东花园镇，下垫面水浇地玉米。观测点的经纬度是115.7880E, 40.3491N，海拔480m。涡动相关仪的采集频率是10Hz，架高为5 m，超声朝向是正北向，超声风速仪（CSAT3）与CO2/H2O分析仪（Li7500A）之间的距离是15 cm。 发布的数据是采用Eddypro软件对原始采集的10Hz数据进行后处理得到的30分钟数据，其处理的主要步骤包括：野点值剔除，延迟时间校正，坐标旋转（二次坐标旋转），频率响应修正，超声虚温修正和密度（WPL）修正等。同时对各通量值进行质量评价，主要是大气平稳性（Δst）和湍流相似性特征（ITC）的检验。对处理后输出的30min通量值也进行了筛选：（1）剔除仪器出错时的数据；（2）剔除降水前后1h的数据；（3）剔除10Hz原始数据每30min内缺失率大于10%的数据；（4）剔除夜间弱湍流的观测数据（u*小于0.1m/s）。观测数据的平均周期为30分钟，一天48个数据，缺失数据标记为-6999。 涡动相关仪发布的观测数据包括：日期/时间Date/Time，风向Wdir（°），水平风速Wnd（m/s），侧向风速标准差Std_Uy（m/s），超声虚温Tv（K），水汽密度H2O（g/m3），二氧化碳浓度CO2（mg/m3），摩擦速度Ustar（m/s），奥布霍夫长度，感热通量Hs（W/m2），潜热通量LE（W/m2），二氧化碳通量Fc（mg/(m2s)），感热通量的质量标识QA_Hs，潜热通量的质量标识QA_LE。感热、潜热、二氧化碳通量的质量标识分为三级（质量标识0:（Δst <30, ITC<30）; 1: （Δst <100, ITC<100）; 其余为2）。数据时间的含义，如0:30代表0:00-0:30的平均；数据以*.xls格式存储。 观测试验或站点信息请参考Guo et al.(2020)，数据处理请参考Liu et al. (2013)。
刘绍民, 刘绍民, 徐自为, 徐自为
doi: 10.11888/Meteoro.tpdc.271769 573 19 申请获取 2021-10-18
该数据集包含了2020年1月1日至2020年12月31日的10m塔自动气象站观测数据。站点位于河北省怀来县东花园镇，下垫面为水浇地玉米。观测点的经纬度是115.7880E, 40.3491N，海拔480m。 自动气象站安装在10m塔上，采集频率为30s，且10min输出一次。观测要素包括空气温度、相对湿度（5 m），朝向为正北；风速（10 m），风向（10 m），朝向为正北；气压（安装在防水箱内）；雨量（10 m）；四分量辐射（5 m），朝向为正南；土壤温湿度探头埋设在气象塔正南方1.5m处，土壤温度探头埋设深度为0cm、2cm、4cm、10cm、20cm、40cm、80cm、120cm和160 cm处，土壤水分传感器埋设深度为2cm、4cm、10cm、20cm、40cm、80cm、120cm和160cm；平均土壤温度埋在地下2, 4cm；土壤热流板（3块）埋设在地下6 cm处。 观测数据的处理与质量控制：（1）确保每天1440个数据（每10min），若出现数据的缺失，则由-6999标示；（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）日期和时间的格式统一，并且日期、时间在同一列。如，时间为：2020-6-10 10:30。 自动气象站发布的数据包括：日期/时间Date/Time，空气温湿观测（Ta_5m,RH_5m）(℃，%)，风速(Ws_10m)（m/s），风向（WD）（°），降水（Rain）(mm)，四分量辐射（DR、UR、DLR、ULR、Rn）(W/m2)，地表辐射温度（IRT1、IRT2）（℃），土壤热通量（Gs_1、Gs_2、Gs_3）(W/m2)、 多层土壤水分（Ms_2cm、Ms_4cm、Ms_10cm、Ms_20cm、Ms_40cm、Ms_80cm、Ms_120cm、Ms_160cm）(%)、多层土壤温度（Ts_2cm 、Ts_4cm、Ts_10cm、Ts_20cm、Ts_40cm、Ts_80cm、Ts_120cm、Ts_160cm）(℃)、平均土壤温度TCAV(℃) ，气压（Press）(hpa)。 观测试验或站点信息请参考Guo et al. (2020)，数据处理请参考Liu et al. (2013)。
刘绍民, 刘绍民, 徐自为, 徐自为
doi: 10.11888/Meteoro.tpdc.271768 554 19 申请获取 2021-10-18
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
doi: https://doi.org/10.6084/m9.figshare.c.3789814.v1 965 82 开放获取 2021-10-16
中亚的生态系统脆弱，自然灾害频发，水资源短缺，冰川加速融化，是气候变化敏感区之一。在评估该地区的脆弱性、影响性和适应性时，急需高分辨率的气候预估数据集。为此，我们对来自CMIP5的三个偏差订正后的全球气候模式（MPI-ESM-MR、CCSM4和HadGEM2-ES），在中亚地区开展了9千米的动力降尺度，继而生产了一个中亚高分辨率气候预估数据集，将其命名为HCPD-CA（High-resolution Climate Projection Dataset in Central Asia）。它的历史时段是1986-2005，未来时段是2031-2050，排放情景是RCP4.5。这个数据集有4个静态变量和10个常被用于驱动生态和水文模型的气象要素。静态变量有地形高度（HGT, m）、土地利用类型（LU_INDEX, 21 categories）、陆地水体（LANDMASK, 1代表陆地, 0代表水体）和土壤类型（ISLTYP, 16 categories）。10个气象要素是日降水量（PREC，mm/day）、2米日平均/最高/最低温（T2MEAN/T2MAX/T2MIN，K）、2米日平均相对湿度（RH2MEAN，%）、10米日平均维向和经向风（U10MEAN/V10MEAN，m/s）、日平均向下短波/长波辐射（SWD/LWD，W/m2）和日平均地表气压（PSFC，Pa）。评估结果显示：这个数据产品在描述中亚各个气象要素的平均态上有很高的质量，这保证了其可用性。未来气候变化的主要特征是：升温剧烈（年均温升高1.62-2.02℃），向下短波和长波辐射显著增强，其他气象要素变化很小。HCPD-CA数据集可被用于评估未来气候变化对中亚的多方面影响，特别是在生态和水文系统上。
邱源
doi: 10.11888/Meteoro.tpdc.271759 2448 83 开放获取 2021-10-16
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
doi: 10.11888/Ecolo.tpdc.271751 427 31 开放获取 2021-10-15
观测数据来自中国气象局乌鲁木齐沙漠气象研究所于2017年建设的帕米尔高原红其拉甫梯度气象观测试验站，包含各气象要素的梯度数据。资料时间段为2019年11月18日—2021年10月8日，运用TOA5合并工具及MS Office等处理所得*.xlsx格式，数据质量较好，此数据可为开展帕米尔高原和中巴经济走廊地表辐射与能量收支规律研究提供支持，为陆面过程提供参考依据。 红其拉甫气象站在我国帕米尔高原，海拔4600m，靠近中国与巴基斯坦边境，资料及其珍贵。
霍文, 霍文, 霍文
doi: 10.11888/Meteoro.tpdc.271747 630 9 申请获取 2021-10-14
观测数据来自中国气象局乌鲁木齐沙漠气象研究所于2016年建设的乌鲁木齐白杨沟乌拉斯台地区中天山草地陆—气相互作用观测试验站（分别为中天山草地生态系统监测站、中天山森林生态系统监测站与中天山山顶草地站），站内有辐射观测系统、梯度探测系统以及涡动相关系统，包含辐射、土壤与各气象要素数据。资料时间段为2019年9月1日—2021年10月13日，运用Eddrpro、LoggerNet、TOA5合并工具及MS Office等处理所得*.xlsx格式，数据质量较好，此数据可为开展草地与森林下垫面地表辐射与能量收支研究规律研究提供支持，为陆面过程提供参考依据。
霍文, 霍文, 霍文
doi: 10.11888/Meteoro.tpdc.271748 534 15 申请获取 2021-10-14
吉尔吉斯斯坦西天山Kara-Batkak冰川气象站（42°9'46″N，78°16'21″E，3280m）。 观测数据包括逐时气象要素（小时雨量(mm)、瞬时风向(°)、瞬时风速(m/s)、2分钟风向(°)、2分钟风速(m/s)、10分钟风向(°)、10分钟风速(m/s)、最大风速时风向(°)、最大风速(m/s)、最大风速时间、极大风速时风向(°)、极大风速(m/s)、极大风速时间、分钟内极大瞬时风速风向(°)、分钟内极大瞬时风速(m/s)、气压(hPa)、气压最高(hPa)、气压最高出现时间、气压最低(hPa)、气压最低出现时间）。 气象观测要素，经过积累和统计，加工成气候资料，为农业、林业、工业、交通、军事、水文、医疗卫生和环境保护等部门进行规划、设计和研究，提供重要的数据。
霍文
doi: 10.11888/Meteoro.tpdc.271746 479 9 申请获取 2021-10-13
温湿指数（THI）1973年由奥利弗（J.E.Oliver）提出，其物理意义是湿度订正以后的温度。它考虑了温度以及相对湿度对人体舒适度的综合影响，是衡量区域气候舒适度的一项重要指标。在参考已有关于生理气候评价指标分级标准的基础上，结合青藏高原自然地理特征，面向青藏高原人居环境适宜性评价需求，研制了青藏高原（3000米以上）温湿指数及其适宜性分区结果（包括不适宜、临界适宜、一般适宜、比较适宜与高度适宜）。
封志明, 李鹏, 林裕梅
doi: 10.11888/Socioeco.tpdc.271745 528 109 开放获取 2021-10-13
该数据集主要包括北温带湖泊在1985-2020年间4个时段的结冰观测频率值（ICO），以及湖泊所在位置、面积、高程等信息。其中，4个时间段分别为1985-1998（P1）、1999-2006（P2）、2007-2014（P3）以及2015-2020（P4），目的是提高计算时段内的“有效观测”次数，进而提高准确度。4个时段的ICO由各个时段内所有Landsat影像统计的“结冰”次数与“有效观测”次数的比值计算，其他的湖泊信息通过表格中的“Hylak_id”列与HydroLAKEs数据集相对应。此外，该数据仅保留了P1-P4均观测有效，且面积大于1平方千米的湖泊，约为3万个。该数据集可以反映近几十年来湖泊结冰情况对气候变化的响应。(详见论文)
王欣驰
doi: 10.11888/Hydro.tpdc.271744 1498 213 开放获取 2021-10-09
为解析青藏高原动物多样性格局，并建立相应的兽类标本数据库。子课题2019QZKK05010113 2021年集中在新疆西天山共采集200份当地野生动物普通田鼠、乌拉尔姬鼠等标本及组织样本，实体样品包括动物个体、皮张、组织等200个标本样品信息表和500张照片。本数据集包含1个数据集规范表、1个标本信息表、1个组织样本信息表。样品信息表包含物种、品种、详细采样地、样品类型、采集时间、采集人、保存方式等基本样品信息，以excel表形式存储。照片，以jpg格式存储。
蒋学龙
doi: 10.11888/HumanNat.tpdc.272156 55 0 保护期内 2021-10-09
为解析青藏高原动物多样性格局，并建立相应的兽类标本数据库。子课题2019QZKK05010110 2021年集中在四川雅安市、甘孜藏族自治州共采集200份当地野生动物中华姬鼠、社鼠等标本及组织样品，实体样品包括动物个体、皮张、组织等。本数据集包含200个样品信息表和374张照片。本数据集包含1个数据集规范表、1个标本信息表、1个组织样本信息表。样品信息表包含物种、品种、详细采样地、样品类型、采集时间、采集人、保存方式等基本样品信息，以excel表形式存储。照片，以jpg格式存储。
陈中正
doi: 10.11888/HumanNat.tpdc.272155 68 0 保护期内 2021-10-09
在国家重点研发计划“冰冻圈和极地环境变化关键参数观测与反演”第一课题“冰冻圈关键参数多尺度观测与数据产品研制“的资助下，中国科学院青藏高原研究所张寅生课题组发展了青藏高原地区降尺度雪深产品。青藏高原积雪深度降尺度数据集来源于积雪概率数据和中国雪深长时间序列数据集的融合结果,采用新发展的亚像元时空分解算法对原始0.25度的积雪深度数据进行时空降尺度，得到0.05度逐日积雪深度产品。通过降尺度前后的雪深产品精度评估的对比，发现降尺度后雪深产品的均方根误差由原产品的2.15 cm减少到了1.54 cm。 青藏高原积雪深度降尺度数据集（2000-2018）的产品信息细节如下。投影为经纬度，空间分辨率0.05 度（约5公里），时间范围为2000年9月1日-2018年9月1日，为Tif格式文件，命名规则为：SD_YYYYDDD.tif，其中YYYY代表年，ddd代表儒略日（001-365）。积雪深度（SD），单位：厘米（cm）。空间分辨率为0.05度。时间分辨率为逐日。
闫大江, 马宁, 张寅生
doi: 10.11888/Snow.tpdc.271743 4701 194 申请获取 2021-10-08
泛极第三极20国土壤可蚀性因子（K）数据，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（1弧秒，尺度地区约25m）相同分辨率的土壤可蚀性因子图。泛第三极20国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
doi: 10.11888/Soil.tpdc.271741 1066 94 开放获取 2021-10-08
泛第三极20国坡度坡长因子（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7.5弧秒分辨率坡度坡长因子图。泛第三极20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20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
doi: 10.11888/Soil.tpdc.271740 855 46 开放获取 2021-10-08
埃迪卡拉纪与寒武纪早期是地球生命系统演化中的一段最为重要转折期之一，是地史上隐生宙向显生宙的过渡期，也是研究后生动物起源与演化最为热点的时期。目前，全球许多地区都已经围绕这一科学问题开展了大量的古生物学、地层学、地球化学以及地球物理等多学科交叉研究工作。目前，在喜马拉雅构造区，对应这段时间的地层仅在印度次大陆有过少量报道和研究。巴基斯坦北部位于喜马拉雅构造带西部，是青藏高原重要的毗连区之一。巴基斯坦北部地区虽然发育有前寒武纪至寒武纪早期的地层，但一直以来都缺乏相关的基础研究工作，导致学界难以确定对这段地层的具体时代归属。因此急需做开展相关的研究工作来理清该地区前寒武纪与寒武纪早期的沉积序列、生物地层以及化学地层，并与同期其它地区的地层进行比对，为今后的深入研究建立时间框架。本次考察主要集中对Panjal Khairabaddu Thrust东西两侧的Hazara盆地几个重点剖面做了详细的岩石地层、古生物以及地球化学样品野外记录与采样工作。经室内分析对上述各个剖面的岩石地层单元进行了梳理，并做了横向的上的对比，完成一幅各个剖面间的地层对比柱状图。总体上，东Harara盆地的Sikhar Mountain、Tarnawai Village、Tanakki、Abbottabad Height以及Sobangali剖面与西Harara盆地的Neelor Village与Pindkhan Khel剖面的岩石地层单元可以对比，自下而上依次为Hazara组（东Harara盆地）与Tanawa组（西Harara盆地）、埃迪卡拉纪的Tanakki冰碛岩、盖帽碳酸盐岩、Kakul组（碎屑岩为主）及Abbottabad组（白云岩为主）、寒武纪的Hazira组（磷块岩、白云岩与碎屑岩）以及侏罗纪的Samana Suk组（生物碎屑灰岩）。其中，Tanakki组冰碛岩平行不整合于下伏Hazara组（东Harara盆地）与Tanawa组（西Harara盆地）之上；Abbottabad组与下伏Kakul组和上覆Hazira组皆为平行不整合接触；侏罗纪Samana Suk组直接不整合覆盖于寒武纪Hazira组之上。目前，埃迪卡拉系的盖帽碳酸盐岩仅在西Harara盆地的Pindkhand Khel剖面有发现，为首次在小喜马拉雅地区发现。同时根据此盖帽碳酸盐岩推测下伏Tanakki冰碛岩可能也属于埃迪卡拉纪。本次仅在东Harara盆地的Tarnawai Village与Tanakki剖面有发现有确切的寒武系地层Hazira组，其中产有丰富的小壳化石。
潘兵, 潘兵
doi: 10.11888/Geo.tpdc.271732 31 0 保护期内 2021-10-05
埃迪卡拉纪与寒武纪早期是地球生命系统演化中的一段最为重要转折期之一，是地史上隐生宙向显生宙的过渡期，也是研究后生动物起源与演化最为热点的时期。骨骼化石在埃迪卡拉纪晚期和寒武纪早期的突然出现和快速辐射演化见证了地质历史上一项重要的演化事件，即寒武纪大爆发。这些骨骼化石因其通常都是矿化的且个体微小，又被笼统地称作“小壳化石”。小壳化石是最早的后生动物代表之一，因而对研究许多动物门类的起源和早期演化尤为关键。小壳化石在寒武纪早期有广泛的全球性分布，并且演化较为快速，因此也被当做寒武纪早期地层划分与对比和古地理重建的重要工具。巴基斯坦北部地区虽然发育有新元古代至寒武纪早期的地层，但一直以来都缺乏相关的基础研究工作，导致学界难以确定这段地层的具体时代归属。虽然前人在Hazara盆地东部的寒武纪早期地层Hazira组中发现了一些小壳化石，但研究程度还显得尤为不足且存有问题，因此急需重新开展相关的研究工作来理清这些化石的属种组成，为生物地层工作奠定基础。本次研究，对Hazara盆地东部的Salhad剖面Hazira组进行了系统的化石采样和室内处理分析工作，共计鉴定出小壳化石24属18种2相似种3未定种，时代上属于寒武纪第二期。
潘兵, 潘兵
doi: 10.11888/Geo.tpdc.271731 429 0 保护期内 2021-10-05
1）数据内容包含重点区域20国植被覆盖与生物措施因子B栅格数据，空间分辨率为300米。2）基础数据源为2014~2016年的MODIS MOD13Q1产品，空间分辨率250m，据此计算得到3年平均的24个半月植被覆盖度栅格数据，然后按地类计算土壤流失比例，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，对重点区域20国的土壤侵蚀模拟及其空间格局分析具有重要意义。
章文波, 章文波
doi: 10.11888/Soil.tpdc.271738 563 29 开放获取 2021-10-03
1）数据内容包含重点区域20国2015年土壤侵蚀强度栅格数据，空间分辨率为300米。2）基于重点区域20国13000个调查单元数据，采用中国土壤侵蚀预报模型（CSLE），计算降雨侵蚀力因子、土壤可蚀性因子、坡长因子、坡度因子、植被覆盖与生物措施因子、工程措施因子以及耕作措施因子。然后按土类进行土壤侵蚀量插值并进一步进行强度分级，得到重点区域20国土壤侵蚀强度图。3）对土壤侵蚀强度数据进行空间格局合理性分析，数据质量良好。4）土壤侵蚀强度数据对理解重点区域20国土壤侵蚀空间格局及开展水土流失治理等具有重要意义。
章文波, 章文波
doi: 10.11888/Soil.tpdc.271737 817 60 开放获取 2021-10-03
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
