青藏高原植被指数、反照率、陆面温度数据集

数据集基于AVHRR-CDR反射率产品数据集制作，该数据集包含网格化的表面反射率和亮度温度。 1）数据内容：本数据集包含1981-2020年青藏高原地区归一化差值植被指数（NDVI）、增强植被指数（EVI2）、土壤调节植被指数（SAVI）、改进的土壤调节植被指数（MSAVI）、陆面温度（LST）、地表反照率（ALBEDO），时间分辨率为月； 2）数据来源与加工方法：基于0.05° AVHRR-CDR反射率产品数据集，其中NDVI、EVI2和MSAVI采用AVHRR 红光波段和近红外波段计算，SAVI指数选择的L值为0.5，陆面温度计算方法选择基于数据集T4和T5波段采用分裂窗算法，ALBEDO则采用有梁顺林（2000）提出的利用AVHRR CH1和CH2波段反射率选择多项式拟合地表反射率。数据计算完成后，对NDVI、LST、MSAVI和ALBEDO数据与MODIS数据产品进行了一致性检验，与MODIS同类数据产品对比RMSE误差分别为0.0545,2.44,0.0423,0.0267，相关系数分别为0.926,0.963,0.896,0.734。 数据投影选择基于WGS84的ALBERS等面积投影，投影参数为中央经线105°，参考纬线0°，第一标准纬线25°，第二标准纬线47°。为与其他数据保持相同的空间分辨率，利用最临近法将数据分辨率重采样为500m。 3）数据合成：数据集制作中选择月单位为合成周期，合成方法采用最常用的最大NDVI法，合成过程中参考数据质量标识，当非云NDVI值小于有云NDVI时，恢复非云值（主要为水体）。

了解更多

青藏高原草地生物量和土壤C/N/P含量图集（2019-2023）

《青藏高原草地生物量与土壤C/N/P含量图集》是基于第二次青藏高原综合科学考察草地野外调查数据（2019-2023年）生成的数据图集。研究团队沿青藏高原草地生态系统核心区域布设600个典型样点，覆盖高寒草甸、高寒草原、高寒灌丛及荒漠草原等类型，同步采集植物群落地上生物量土壤样本（0-10cm）。通过标准化实验室分析获取植物生物量干重与土壤碳、氮、磷含量数据，整合环境驱动因子数据集：包括高分辨率气象数据（温度、降水、辐射、潜在蒸散量）、归一化植被指数（NDVI）数据等，采用随机森模型，分别构建了地上生物量垂直分配模型和土壤C/N/预测模型，最终成果包含1km空间分辨率系列专题图：1）草地地上/地下生物分布图；2）0-10cm土壤全碳、全氮、全磷含量图集。草地地上地下生物量单位为g/m2,碳、氮、磷含量单位为g/kg。该图集可为青藏高原碳氮磷生物地球化学过程模拟、草地载畜力精准评估及退化生态系统多层级修复提供了基准数据集，助力实现"碳中和"目标下的青藏高原生态安全屏障功能优化。

了解更多

青藏高原大气颗粒物浓度与酸沉降数据集

青藏高原环境问题数据集包括1990-2017年间青藏高原PM2.5浓度及大气酸沉降量（包括硝态氮沉降、铵态氮沉降与硫沉降）的时空变化空间数据（1km×1km）,该数据主要是基于卷积神经网络（CNN）模型，结合长时间卫星遥感反演数据、气象传送模型以及环境监测站实测数据进行模拟生成。其CNN模型训练目标数据来自四个主要监测网络，包括东亚酸沉降监测网络(EANEKg)、欧洲监测和评估计划(EMEP)、国家大气沉降计划(NADP)、以及加拿大空气与降水监测网络(CAPMoN)。

了解更多

青藏高原植被覆盖度(FVC)数据集（1982-2020）

植被覆盖可以有效防护地表土壤流失，植被覆盖度（FVC）是评价土壤侵蚀预报模型中作物管理因子C（或生物措施因子B）的重要基础数据。本数据集为1982-2020年青藏高原逐年植被覆盖度的栅格数据集，空间分辨率为250m，WGS_1984坐标系和Albers投影（中央经线105°E，标准纬线25°N和47°N）。在青藏高原及周围1km缓冲区范围内，选用1982-2000年GIMMS NDVI3g数据产品和2001-2020年MODIS NDVI数据产品，进行质量评估、数据优化和空间融合等处理流程，生成一套逐年24个半月NDVI栅格数据集，再采用像元二分法计算FVC，并计算逐年FVC均值，生成1982-2020年的逐年FVC栅格数据。该数据反映了近40年青藏高原植被覆盖度的时空变化。准确评估植被覆盖度能够提升侵蚀预报模型中因子的预测精度，为土壤侵蚀防治和生态修复提供有力支持。

了解更多

青藏高原Landsat系列卫星MSAVI产品（2023）

1）数据内容：本数据集包含2023年青藏高原地区Landsat长时序改进的土壤调节植被指数（MSAVI）产品。2）数据来源及加工方法：主要是在2023年青藏高原Landsat系列卫星地表反射率数据集的基础上，通过MSAVI的计算公式进行生产的，即在SAVI的基础上,针对SAVI在植被覆盖茂盛区表现不敏感的问题进行了改进；3）数据质量描述：为了标识云、冰雪，并相应生产了质量标识文件（QA）。4) 数据应用成果及前景：该指数在植被茂盛覆盖区域较为稳定，而在植被稀疏区表现不敏感。

了解更多

青藏高原生物措施因子(B)数据集（1982-2020）

生物措施因子(B)对土壤侵蚀有重要影响作用，也是CSLE、RUSLE等模型计算的基础因子。本数据集为1982-2020年青藏高原逐年的生物措施因子的栅格数据集，空间分辨率为250m，WGS_1984坐标系和Albers投影（中央经线105°E，标准纬线25°N和47°N）。在青藏高原及周围1km缓冲区范围内，选用1982-2000年GIMMS NDVI3g数据产品和2001-2020年MODIS NDVI数据产品，进行质量评估、数据优化和空间融合等处理流程，生成一套逐年24个半月NDVI栅格数据集（空间分辨率250m），采用像元二分法计算植被覆盖度(FVC)并进行3年滑动处理，进一步结合8期土地利用数据（1980、1990、1995、2000、2005、2010、2015、2020）和逐年24个半月的降雨侵蚀力比例数据，计算生成1982-2020年的逐年B因子栅格图。该数据反映了近40年植被覆盖变化对土壤侵蚀的作用，更好地评估计算青藏高原土壤侵蚀时空变化。

了解更多

青藏高原耕地格局图（1980-2018）

本图集包含1980年、1990年、2000年、2010年和2018年青藏高原土地类型分布图及耕地分布图。从国际科学数据服务平台（http://datamirror.csdb.cn）与美国地质调查局（http://www.usgs.gov/）获取1980年、1990年、2000年、2010年和2018年空间分辨率为30 m的5期遥感影像图，成像时间均为8-9月份，无云或少云，地物分辨明显；其中1980年以Landsat-MSS为数据源，1990年、2000年及2010年以Landsat-TM/ETM为数据源，2018年则以Landsat 8为数据源.在ERDAS IMAGE和ArcGIS软件支持下，参考研究区1:50 000地形图，对5期遥感影像进行配准和几何纠正. 然后在ArcGIS软件环境中，根据中国科学院资源环境遥感监测土地利用/覆盖分类系统并结合区域特点及研究目的，将土地类型分为6种，包括耕地、林地、草地、水域、建设用地和未利用。土地，按照上述土地分类系统进行人机交互式判读，目视解译得到1980年、1990年、2000年、2010年和2018年的土地利用数据. 本文中地图省级及以上边界来源于审图号为GS（2019）1823的标准地图.

了解更多

青藏高原草地生产-生态功能分区图（2000-2020）

青藏高原草地生产-生态功能分区图（2000-2020）通过在 ArcGIS 中对草地生态系统生态功能重要性和生产功能重要性等级图进行条件叠加分析得出。草地生态系统生态功能重要性以及生产功能重要性等级图空间分辨率为1km，由2000-2020年生态功能和生产功能指数的平均值分级得到。在ArcGIS中对青藏高原草地生态系统生态功能重要性以及生产功能重要性等级图进行逐一条件叠加：当保护等级显著高于发展等级的区域时（等级差超过1个级别时，即生态>生产），划定为共牧利用草地；当发展等级高于保护等级时或当保护等级和发展等级均为中等重要时，划定为传统放牧草地；而当生产功能重要性和生态保护重要性均较为一般（即说明该地生产功能较为一般且保护等级相对较弱）、或二者均为极其重要（即说明该地生产功能较强且保护等级也极其重要）时，划定为高效牧业草地。除此之外，根据张庭康等获得栽培草地分布区，并将自然保护区都列为高度保护草地，从而得到青藏高原的生产-生态功能分区图。该数据明确了不同区域的保护与发展导向，可辅助草地资源规划与生态保护决策，未来结合动态监测数据能为青藏高原可持续发展提供更精准的支撑。

了解更多

中亚迁飞区青藏高原路线与范围图

《中亚迁飞区青藏高原路线栖息地分布图》基于青藏高原及周边地区的多物种野外跟踪监测数据，通过对黑颈鹤、蓑羽鹤、斑头雁以及棕头鸥佩戴卫星追踪器后获取的逐小时定位点，采用核密度估计（Kernel Density Estimation, KDE）方法构建而成。黑颈鹤贯穿青藏高原南北，核心栖息于藏北湖盆与雅鲁藏布江河谷；蓑羽鹤跨国迁徙至蒙古高原/印度，依赖青藏高原腹部湿地停歇；雁鸭类集中于高寒湿地；鸥类则喜好高原湖泊。栖息地按密度划分为核心区（繁殖/越冬）、次级区（停歇补给）及广域潜在生境。研究明确了鹤类与雁鸭类偏好湿地，并刻画了跨越中、印、蒙等国的生态廊道，为跨国保护协定、栖息地管理及减少人类干扰提供了科学依据。

了解更多