泛第三极环境变化与绿色丝绸之路建设-专题浏览-时空三极环境大数据平台

绿色丝绸之路坡度数据 (V1.0)

绿色丝绸之路坡度数据集可以用来表征地表单元陡缓的程度，对地形表面陡缓程度的定量化描述. 运用来源于USGS的GMTED2010 DEM数据，计算坡度数据。首先，对数据进行预处理，包括投影、裁剪等，得到绿色丝绸之路区域的DEM数据，其次，在ArcGIS软件中选择度数法计算坡度，生成绿色丝绸之路坡度数据集。该数据集质量优良，能精确反映绿色丝绸之路地区的地表缓陡程度。该数据可以应用于测绘、遥感、环境资源、农林土地规划、城市规划、灾害监测、水电工程及军事等资源环境和社会经济等领域。

2019-01-16 2086 32 开放获取

中亚五国气象站点气温和降水数据（1980-2015）

该数据集为中亚五国599个气象站点的气温和降水数据包括以下要素：*每日最高温度、*每日最低温度、*观察时的温度、*降水（即下雨，融化的雪），涵盖日期包括：1980年-1986年；1996年-2005年；2010年；2014年；2015年数据来源于GHCN-D-一个包含全球陆地区域日观测数据的数据集，GHCN-Daily综合了气候记录。数据为直接测量表面温度，无需插值或模型假设，包含许多长期的站点记录。缺点是空间覆盖不均，由于观察时间，站点位置和使用的温度计类型的变化，记录包含许多不均匀性。有关此数据集的详细信息，可参考https://www.ncdc.noaa.gov/ghcnd-data-access

2019-01-16 5662 216 申请获取

基于GPCC降水数据集的泛第三极月平均降水数据集（1891-2016）

GPCC月平均降水数据集基于全球每月约80,000个台站的全球陆地表面降水数据产品，其记录持续时间长达近百年。每月的数据覆盖范围从~6,000（1900年之前）到超过50,000个站。完整数据每月产品将在重大数据库改进后的不定时间间隔进行更新。此产品的空间分辨率为0.5°x 0.5°。对站点处的降水异常进行插值，然后以相应的分辨率叠加在GPCC气候态V2018 (DOIs: 10.5676/DWD_GPCC/Clim_M_V2018_050)上。数据集的时间范围从1891年1月到2016年12月。 GPCC月平均数据产品是最准确的站点降水再分析数据集。此外，它还支持区域气候监测，模型验证，气候变率分析和水资源评估研究。

2019-01-16 2411 189 开放获取

祁连山典型冻土区水文地质要素数据集（2018-2019）

本数据内容为黑河上游西支流域水文地质图，包含地层、河流、断层、现代冰川等信息；本数据由野牛台幅综合水文地质图、祁连山幅综合水文地质图、祁连幅综合水文地质图、肃南幅地质图（1:20万）等扫描纠正，进行矢量得出，并根据野外调查情况对地层进行整合。本数据可供我们更好地了解黑河上游西支地区的岩性、构造、地貌、水文地质条件等，方便各研究者对我们所做的工作范围和研究领域产生更加清晰明了的认识和理解，便于进行检索下载。

2019-01-16 1126 98 开放获取

纳木错大气和湖水中持久性有机污染物浓度数据集（2012-2014）

纳木错观测的大气和湖水中持久性有机污染物的浓度，包括：大气气态有机氯农药（OCPs）、多氯联苯（PCBs）、多环芳烃（PAHs）浓度的时间序列；大气颗粒态PAHs浓度的时间序列；湖水中溶解态持久性有机污染物（POPs）的浓度；湖水悬浮颗粒物中POPs的浓度。大气样品由纳木错多圈层综合观测站的大气主动采样器采集，采样器的流量为60 L min-1，隔天采集，每半个月为1个样品，采样体积约为600 m3。每个大气样品包括吸附颗粒态POPs的玻璃纤维滤膜（GFF，0.45 μm，Whatman）和收集气态POPs的聚氨酯泡沫（PUF，7.5×6 cm）。湖水样品为环纳木错15个采样点采集的表层湖水样品，水深0-1 m，每个样品体积为200 L。水样先通过0.7 μm的GFF膜过滤得到水中的总悬浮颗粒物，然后使用XAD-2填充的固相萃取柱富集水中的溶解态POPs。各介质样品均在青藏高原研究所环境变化与地表过程重点实验室进行样品前处理和仪器分析。样品前处理步骤包括索式提取、硅胶-氧化铝柱净化、过GPC柱去除大分子杂质、浓缩定容等步骤。分析测试仪器为美国热电公司生产的气相色谱-质谱联用仪（GC-MS, Finnigan-Trace GC/PolarisQ）。分离OCPs和PCBs的色谱柱为CP-Sil 8CB毛细柱（50 m×0.25 mm×0.25 μm），分离PAHs的色谱柱为DB-5MS毛细柱（60 m×0.25 mm×0.25 μm）。采样和实验室分析过程均遵循严格的质量控制措施，设置了实验室空白和野外空白。PAHs的回收率在65-92%之间，OCPs的回收率在64-112%之间，样品浓度未使用回收率进行校正。

2019-01-15 2819 159 开放获取

中亚大湖区基础数据集-生态（2015）

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。

2019-01-15 1655 7 申请获取

基于USGS30秒世界高程数据库的泛第三极地形数据集

数据来源于美国地质勘探局（USGS）开发的30秒全球高程数据集，于1996年完成。从NCAR和UCAR联合的数据下载中心（https://rda.ucar.edu/datasets/ds758.0/）下载了泛第三极区域的数据，并通过数据中心重新分发。GTOPO30在分发时将全球分为33个区块，采样间隔为30弧秒，即0.008333333333333度，坐标参考为WGS84，其值为垂直方向高出海平面的距离，即海拔，单位为m，海拔范围-407到8752，这里不包含海洋深度信息，负值为大陆架的海拔；海洋处标记为-9999，海岸线以上大陆海拔至少为1；小于1平方千米的岛不考虑。详细说明信息请见说明文档。为了便于用户使用方便，在分块数据的基础上，将-10S-90N，20W-180E内10个区块进行拼接，没有经过任何重采样处理。本数据文件为DEM_ptpe_Gtopo30.nc

2019-01-15 2139 211 开放获取

泛第三极早、中、晚三叠世气候古地理图（3张）

采用板块构造、古地理学、含油气盆地分析和沉积盆地动力学理论作为指导，在大量收集泛第三极近年来地质研究和油气地质研究的各种资料成果，包括地层、沉积、古生物、古地理、古环境、古气候、构造、油气（钾盐）地质等基础材料，特别是以古地磁、古生物以及碎屑锆石、地球化学等资料的基础上，结合典型实测地层剖面的成果，对三叠纪时期岩相和气候古地理格局进行恢复与重建，得到泛第三极早、中、晚三叠世岩相古地理图（3张）及泛第三极早、中、晚三叠世气候古地理图（3张），旨在探讨古地理、古构造、古气候等对油气（含钾盐）资源的控制和影响作用，以揭示油气形成的地质条件和资源分布规律，为我国海外和境内油气勘探部署提供科学依据和技术支撑。不同的岩相、气候之间界线清晰，较好的揭示了三叠纪时期岩相和气候古地理格局，对于研究古地理、古构造、古气候等对油气（含钾盐）资源的控制和影响作用，揭示油气形成的地质条件和资源分布规律有一定的指示意义。

2019-01-14 2484 109 开放获取

欧洲中心基于多气压层的ERA-Interim月平均数据集（1979-2018）

本数据集来源于欧洲中期天气预报中心（ECMWF）所发布的基于4维变分（4D-Var）的全球大气再分析数据集ERA-Interim。 ERA-Interim是欧洲中期天气预报中心（ECMWF）的一项主要任务，旨在通过改进的大气模型和同化系统来进行再分析，以取代ERA-40中使用的模型和同化系统，尤其在数据丰富的1990年代和2000年代下，并将继续作为ECMWF气候数据同化系统（ECDAS），直到被新的系统所取代。自1997年起，由于计算力的系统性提升，使得4维变分同化（4D-Var）逐步可行并成为了ECMWF同化系统的一部分，这为ERA-Interim基于4D-Var打下了基础。计算力的加强还将水平分辨率从T159提升到了T255，且可以开始应用最新的集成预测系统（IFS CY31r1和CY31r2）和经过改进的物理参数化方案。在垂直层上，ERA-interim与ERA-40一样又60层，最高层为0.1 hPa。此外，ERA-Interim的数据同化效果的提高还得益于质量控制，该质量控制借鉴了ERA-40和JRA-25的经验，卫星辐射数据的偏差校正以及通过改进的快速辐射传输模型更广泛地使用辐射。在数据上，ERA-Interim使用了新的ERS（欧洲遥感卫星）高度波高度，EUMETSAT（欧洲气象卫星开发组织）重新处理的风和晴空辐射，来自卢瑟福·阿普尔顿实验室的GOME（全球臭氧监测实验）臭氧数据以及CHAMP（具有挑战性的微型卫星有效载荷），GRACE（重力恢复和气候实验）和COSMIC（气象，电离层和气候星座观测系统）由UCAR（大学大气研究公司）处理和存档的GPS无线电掩星测量。

2019-01-14 2532 10 开放获取

MODIS百米级植被指数（2000-2016）

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。

2019-01-14 1789 33 开放获取

祁连山26个台站地壳运动观测数据（2017-2018）

高频连续GPS观测可以有效监测地壳形变的运动学特征，祁连山区域作为青藏高原东北缘的重要约束边界，对该区域的研究可以给青藏高原生长隆升与大陆内部形变的动力学过程提供重要启示，在局部上可以探讨海原断裂是否存在蠕滑以及东北缘运动方式；数据来源于本课题组在祁连山区域布设的26个固定站点，选址要求严格，接收机为trimble公司提供的高频连续GPS接收机，数据质量良好，数据不仅可以应用于地球动力学研究，还可应用于气象学降水等相关地球科学研究。

2019-01-14 2645 9 开放获取

色林错入湖河流扎加藏布流量观测数据（2017）

该数据集是利用HS-2便携式水文流速流量仪观测获取的扎加藏布入湖口的流量数据，可应用于寒区水文过程等学科领域。数据获取时间为2017年8月15日，数据内容包含测量时间、位置、水深、流速及流量。数据以excel文件存储。

2019-01-14 3914 14 申请获取

锡尔河流域土壤盐渍化观测数据（2017年5月，9月）

（1）数据内容此数据包含两张数据表：SyrDarya_201705_part.xlsx，SyrDarya_201709_part.xlsx。数据包含属性字段“Point”、“Longitude”、“Latitude”、和“SAL（‰）”分别代表“数据点编号”、“经度”、“纬度”、“总盐（‰）” （a）SyrDarya_201705_part.xlsx为2017年5月锡尔河流域采样数据，该数据没有包括“PH”；（b）SyrDarya_201709_part.xlsx为2017年9月锡尔河流域采样数据，该数据集包括酸碱度“PH”。（2）按照数据处理的标准流程（①NY_T_1121-16-2006_土壤检测_第16部分：土壤水溶性盐总量的测定，②NY_T_1121-2-2006_土壤检测_第2部分：土壤PH测定），对锡尔河流域的土壤采样数据进行处理、分析和整理，从而筛选出锡尔河流域的土样采集与检测数据集。（3）该数据为土壤采样数据，可用于监测土壤盐渍化等研究。

2019-01-13 1863 104 开放获取

青藏高原地区植被指数（NDVI）数据（2000、2005、2010、2015）

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。

2019-01-13 4461 218 申请获取

额尔齐斯河流域标准气象站气温降水观测数据集（1961-2015）

“额尔齐斯河流域标准气象站气象观测数据集”包含额尔齐斯河流域哈巴河气象站、吉木乃气象站、布尔津气象站、福海气象站、阿勒泰气象站、富蕴气象站共6个观测站点月尺度的气温和降水观测资料，数据的时间尺度为月。该数据集起始于1961年1月（其中富蕴站1961年1-5月数据缺失），结束于2015年12月。地面基础资料专项工作对历史信息化文件重新进行了质量检测，并对存在问题和分歧的站点文件进行了修订。该数据集没有对资料进行均一性订正，只是对明显存在非均一性的台站进行了分段处理。

2019-01-13 3031 174 开放获取

中亚大湖区基础数据集-气象（2015）

气象数据是一组反映天气的数据，气象数据可分为气候资料和天气资料。本数据集主要包含了气象数据中的降雨数据以及气温数据（数据集中pre代表降雨、T2代表气温）。该数据集来自英国东安格利亚大学（University of East Anglia）提供的CRU（Climate Research Unit）全球格网数据（http://www.cgiar-csi.org/）。CRU数据集通过对中亚365个地区的观测站点资料插值得到，在中亚地区有较高的准确度。本数据集利用CRU通过Arcgis批量裁剪的方式得到中亚五国的降雨以及气温数据。数据格式：GeoTIFF；空间分辨率：0.5°；时间尺度：月尺度。该气象数据应用十分广泛，其可与不同领域资源相融合，在交通运输、新能源、农业、移动互联软件开发和服务、公共管理及基于大数据技术的智慧城市、智慧交通、智慧粮食等领域的开发建设中起到重要作用。

2019-01-13 2814 13 申请获取