该数据集包含了2018年1月1日至2018年12月31日黑河水文气象观测网上游阿柔超级站气象要素梯度观测系统数据。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。空气温度、相对湿度、风速传感器分别架设在1m、2m、5m、10m、15m、25m处，共6层，朝向正北；风向传感器架设在10m处，朝向正北；气压计安装在2m处；翻斗式雨量计安装在阿柔超级站28m观测塔上；四分量辐射仪安装在5m处，朝向正南；两个红外温度计安装在5m处，朝向正南，探头朝向是垂直向下；光合有效辐射仪安装在5m处，朝向正南，探头朝向是垂直向上；土壤部分传感器埋设在塔体正南方向2m处，其中土壤热流板（自校正式）（3块）均埋设在地下6cm处；平均土壤温度传感器TCAV埋设在地下2cm、4cm处；土壤温度探头埋设在地表0cm和地下2cm、4cm、6cm、10cm、15cm、20cm、30cm、40cm、60cm、80cm、120cm、160cm、200cm、240cm、280cm、320cm处，其中4cm和10cm这两层有三个重复；土壤水分传感器分别埋设在地下2cm、4cm、6cm、10cm、15cm、20cm、30cm、40cm、60cm、80cm、120cm、160cm、200cm、240cm、280cm、320cm处，其中4cm和10cm这两层有三个重复。 观测项目有：风速（WS_1m、WS_2m、WS_5m、WS_10m、WS_15m、WS_25m）(单位：米/秒)、风向（WD_10m）(单位：度)、空气温湿度（Ta_1m、Ta_2m、Ta_5m、Ta_10m、Ta_15m、Ta_25m和RH_1m、RH_2m、RH_5m、RH_10m、RH_15m、RH_25m）(单位：摄氏度、百分比)、气压（Press）(单位：百帕)、降水量（Rain）(单位：毫米)、四分量辐射（DR、UR、DLR_Cor、ULR_Cor、Rn）(单位：瓦/平方米)、地表辐射温度（IRT_1、IRT_2）(单位：摄氏度)、光合有效辐射（PAR）(单位：微摩尔/平方米秒)、平均土壤温度（TCAV）(单位：摄氏度)、土壤热通量（Gs_1、Gs_2、Gs_3）(单位：瓦/平方米)、土壤水分（Ms_2cm、Ms_4cm_1、Ms_4cm_2、Ms_4cm_3、Ms_6cm、Ms_10cm_1、Ms_10cm_2、Ms_10cm_3、Ms_15cm、Ms_20cm、Ms_30cm、Ms_40cm、Ms_60cm、Ms_80cm、Ms_120cm、Ms_160cm Ms_200cm、Ms_240cm、Ms_280cm、Ms_320cm）(单位：体积含水量，百分比)、土壤温度（Ts_0cm、Ts_2cm、Ts_4cm_1、Ts_4cm_2、Ts_4cm_3、Ts_6cm、Ts_10cm_1、Ts_10cm_2、Ts_10cm_3、Ts_15cm、Ts_20cm、Ts_30cm、Ts_40cm、Ts_60cm、Ts_80cm、Ts_120cm、Ts_160cm Ts_200cm、Ts_240cm、Ts_280cm、Ts_320cm）(单位：摄氏度)。 观测数据的处理与质量控制：（1）确保每天144个数据（每10min），若出现数据的缺失，则由-6999标示；平均土壤温度TCAV在2.16-3.31和4.15-5.20之间，由于传感器线头接触不良，数据缺失；11-12月份土壤热通量出现一些错误值。（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）数据中以红字标示的部分为有疑问的数据；（5）日期和时间的格式统一，并且日期、时间在同一列。如，时间为：2018-6-10 10:30；（6）命名规则为：AWS+站点名称。 黑河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Liu et al. (2011)。
刘绍民, 李新, 车涛, 徐自为, 张阳, 谭俊磊
该数据集包含了2018年1月1日至2018年12月31日的黑河流域地表过程综合观测网中游大满超级站涡动相关仪观测数据。站点位于甘肃省张掖市大满灌区内，下垫面是玉米。观测点的经纬度是100.37223E, 38.85551N，海拔1556.06m。涡动相关仪的架高4.5m，采样频率是10Hz，超声朝向是正北向，超声风速温度仪（CSAT3）与CO2/H2O分析仪（Li7500A）之间的距离是17cm。 涡动相关仪的原始观测数据为10Hz，发布的数据是采用Eddypro软件处理的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Eddypro软件输出的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原始数据中每30min内缺失率大于10%的数据。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。 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（℃），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L（m），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，二氧化碳通量的质量标识QA_Fc。感热、潜热、二氧化碳通量的质量标识分为九级（质量标识1-3数据质量好，4-6数据质量较好，7-8数据质量较差（较插补数据好）；9数据质量差））。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。 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Liu et al. (2011)。
刘绍民, 李新, 车涛, 徐自为, 任志国, 谭俊磊
该数据集包含了2018年10月18日至2018年12月31日兰州大学兰州大学寒旱区科学观测网络寺大隆站气象要素梯度观测系统数据。站点位于甘肃张掖市肃南县康乐乡，下垫面是森林。观测点的经纬度是99.926E，38.428N，海拔3146m。二维超声风速/风向传感器和空气温湿度传感器分别架设在0.5m、3m、13m、24m、48m处，共5层；气压计安装在1.5m采集箱内；翻斗式雨量计安装在塔24m处；两个红外温度计分别安装在4m（冠层下）、24m（冠层下）处，探头朝向垂直向下；土壤热通量板（自校正式）（2块）依次埋设在植被下5cm和10cm处；土壤温/湿/电导率传感器和土壤水势传感器埋设在塔南侧植被下5cm、10cm、20cm、40cm、60cm处；光合有效辐射传感器分别安装在4m（冠层下）、24m（冠层下）处；日照时数传感器以及四分量辐射仪安装在24m处。 观测项目有：风速（WS_0.5m、WS_3m、WS_13m、WS_24m、WS_48m）(单位：米/秒)、风向（WD_0.5m、WD_3m、WD_13m、WD_24m、WD_48m）(单位：度)、空气温湿度（TA_0.5m、TA_3m、TA_13m、TA_24m、TA_48m和RH_0.5m、RH_3m、RH_13m、RH_24m、RH_48m）(单位：摄氏度、百分比)、气压（Press）(单位：百帕)、降水量（Rain）(单位：毫米)、四分量辐射（DR、UR、DLR_Cor、ULR_Cor、Rn）(单位：瓦/平方米)、地表辐射温度（IRT_A、IRT_B）(单位：摄氏度)、土壤热通量（Gs_5cm、Gs_10cm）(单位：瓦/平方米)、土壤水分（Ms_5cm、Ms_10cm、Ms_20cm、Ms_40cm、Ms_60cm (单位：百分比)、土壤温度（Ts_5cm、Ts_10cm、Ts_20cm、Ts_40cm、Ts_60cm）(单位：摄氏度) 、土壤水势（SWP_5cm、SWP_10cm、SWP_20cm、SWP_40cm、SWP_60cm）（单位：千帕）、土壤电导率（EC_5cm、EC_10cm、EC_20cm、EC_40cm、EC_60cm）（单位：微西门子/厘米）、光合有效辐射（PAR_A、PAR-B）(单位：微摩尔/平方米秒)、日照时数（Sun_time）（单位：小时）。 观测数据的处理与质量控制：（1）确保每天144个数据（每10min）；该地区土壤水势很低，已超出传感器的测量量程；（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）数据中以红字标示的部分为有疑问的数据；（5）日期和时间的格式统一，并且日期、时间在同一列。如，时间为：2018-6-10 10:30。
赵长明, 张仁懿
该数据集包含了2018年1月1日至2018年12月31日黑河流域地表过程综合观测网下游荒漠站气象要素观测数据。站点位于内蒙古额济纳旗荒漠滩，下垫面是红砂荒漠。观测点的经纬度是100.9872E, 42.1135N，海拔1054m。空气温度、相对湿度传感器架设在5m、10m处，朝向正北；气压计安装防水箱内；翻斗式雨量计安装在10m处；风速传感器架设在5m、10m处，风向传感器架设在10m处，朝向正北；四分量辐射仪安装在6m处，朝向正南；两个红外温度计安装在6m处，朝向正南，探头朝向是垂直向下；土壤温度探头埋设在地表0cm和地下2cm、4cm、10cm、20cm、40cm、60cm和100cm处，在距离气象塔2m的正南方；土壤水分传感器分别埋设在地下2cm、4cm、10cm、20cm、40cm、60cm和100cm处，在距离气象塔2m的正南方；土壤热流板（3块）依次埋设在地下6cm处。 观测项目有：空气温湿度（Ta_5m、RH_5m、Ta_10m、RH_10m）(单位：摄氏度、百分比)、气压（Press）(单位：百帕)、降水量（Rain）(单位：毫米)、风速（WS_5m、WS_10m）(单位：米/秒)、风向（WD_10m）(单位：度)、四分量辐射（DR、UR、DLR_Cor、ULR_Cor、Rn）(单位：瓦/平方米)、地表辐射温度（IRT_1、IRT_2）(单位：摄氏度)、土壤热通量（Gs_1、Gs_2、Gs_3）(单位：瓦/平方米)、土壤水分（Ms_2cm、Ms_4cm、Ms_10cm、Ms_20cm、Ms_40cm、Ms_60cm、Ms_100cm）(单位：体积含水量，百分比)和土壤温度（Ts_0cm、Ts_2cm、Ts_4cm、Ts_10cm、Ts_20cm、Ts_40cm、Ts_60cm、Ts_100cm）（单位：摄氏度）。 观测数据的处理与质量控制：（1）确保每天144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）数据中以红字标示的部分为有疑问的数据；（5）日期和时间的格式统一，并且日期、时间在同一列。如，时间为：2018-6-10 10:30；（6）命名规则为：AWS+站点名称 黑河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Liu et al. (2011)。
李新, 车涛, 徐自为, 任志国, 谭俊磊
该数据集包含了2018年1月1日至2018年12月31日黑河流域地表过程综合观测网上游景阳岭站气象要素观测数据。站点位于青海省祁连县景阳岭垭口，下垫面是高寒草甸。观测点的经纬度是101.1160E, 37.8384N，海拔3750m。空气温度、相对湿度传感器架设在5m处，朝向正北；气压计安装在地面上的防撬箱内；翻斗式雨量计安装在10m处；风速与风向传感器架设在10m，朝向正北；四分量辐射仪安装在6m处，朝向正南；两个红外温度计安装在6m处，朝向正南，探头朝向是垂直向下；土壤温度探头埋设在地表0cm和地下4cm、10cm、20cm、40cm、80cm、120cm、160cm处，在距离气象塔2m的正南方；土壤水分探头埋设在地下4cm、10cm、20cm、40cm、80cm、120cm、160cm处，在距离气象塔2m的正南方；土壤热流板（3块）依次埋设在地下6cm处，在距离气象塔2m的正南方。 观测项目有：空气温湿度（Ta_5m、RH_5m）(单位：摄氏度、百分比)、气压（Press）(单位：百帕)、降水量（Rain）(单位：毫米)、风速（WS_10m）(单位：米/秒)、风向（WD_10m）(单位：度)、四分量辐射（DR、UR、DLR_Cor、ULR_Cor、Rn）(单位：瓦/平方米)、地表辐射温度（IRT_1、IRT_2）(单位：摄氏度)、土壤热通量（Gs_1、Gs_2、Gs_3）(单位：瓦/平方米)、土壤温度（Ts_0cm、Ts_4cm、Ts_10cm、Ts_20cm、Ts_40cm、Ts_80cm、Ts_120cm、Ts_160cm）(单位：摄氏度)、土壤水分（Ms_4cm、Ms_10cm、Ms_20cm、Ms_40cm、Ms_80cm、Ms_120cm、Ms_160cm）(单位：百分比)。 观测数据的处理与质量控制：（1）确保每天144个数据（每10min），若出现数据的缺失，则由-6999标示；由于雪覆盖太阳能板引起供电不足，导致12.13-12.21间数据缺失；由于传感器问题，5.29-6.22，7.16-8.19风速风向出现较多NAN无效值，12.13-12.31四分量长波辐射数据出错，1.1-1.3，4.1-5.20间4cm土壤水分数据出错。（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）数据中以红字标示的部分为有疑问的数据；（5）日期和时间的格式统一，并且日期、时间在同一列。如，时间为：2018-9-10 10:30；（6）命名规则为：AWS+站点名称。 黑河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Liu et al. (2011)。
刘绍民, 李新, 车涛, 徐自为, 任志国, 谭俊磊
该数据集包含2018年5月16日至11月6日黑河流域地表过程综合观测网下游混合林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。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1280*720，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）。 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)。
屈永华, 徐自为
该数据集包含了2018年9月2日至2018年12月18日的青海湖流域水文气象观测网高寒草甸草原混合草原超级站涡动相关仪观测数据。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。涡动相关仪的架高4.5m，采样频率是10Hz，超声朝向为西，超声风速温度仪（CSAT3A）与CO2/H2O分析仪（EC150）之间的距离约是17cm。 涡动相关仪的原始观测数据为10Hz，发布的数据是采用Eddypro软件处理的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Eddypro软件输出的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原始数据中每30min内缺失率大于10%的数据。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。12月18日-12月24日因仪器死机，导致数据缺失。 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（℃），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L（m），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，二氧化碳通量的质量标识QA_Fc。感热、潜热、二氧化碳通量的质量标识分为九级（质量标识1-3数据质量好，4-6数据质量较好，7-8数据质量较差（较插补数据好）；9数据质量差））。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。
李小雁
该数据集包含了2018年1月1日至2018年12月31日黑河流域地表过程综合观测网下游四道桥超级站气象要素梯度观测系统数据。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。空气温度、相对湿度、风速传感器分别架设在5m、7m、10m、15m、20m、28m处，共6层，朝向正北；风向传感器架设在15m处，朝向正北；气压计安装在防水箱内；翻斗式雨量计安装在28m处；四分量辐射仪安装在10m处，朝向正南；两个红外温度计安装在10m处，朝向正南，探头朝向是垂直向下；两个光合有效辐射仪安装在10m处，朝向正南，探头垂直向上和向下方向各一个；土壤部分传感器安装在塔体南侧2m处，其中土壤热流板（自校正式）（3块）依次埋设在地下6cm处；平均土壤温度传感器TCAV埋设在地下2cm、4cm处；土壤温度探头埋设在地表0cm和地下2cm、4cm、10cm、20cm、40cm、80cm、120cm、160cm和200cm处；土壤水分传感器分别埋设在地下2cm、4cm、10cm、20cm、40cm、80cm、120cm、160cm和200cm处。 观测项目有：风速（WS_5m、WS_7m、WS_10m、WS_15m、WS_20m、WS_28m）(单位：米/秒)、风向（WD_15m）(单位：度)、空气温湿度（Ta_5m、Ta_7m、Ta_10m、Ta_15m、Ta_20m、Ta_28m和RH_5m、RH_7m、RH_10m、RH_15m、RH_20m、RH_28m）(单位：摄氏度、百分比)、气压（Press）(单位：百帕)、降水量（Rain）(单位：毫米)、四分量辐射（DR、UR、DLR_Cor、ULR_Cor、Rn）(单位：瓦/平方米)、地表辐射温度（IRT_1、IRT_2）(单位：摄氏度)、向上和向下光合有效辐射（PAR_U_up、PAR_U_down）(单位：微摩尔/平方米秒)、平均土壤温度（TCAV）(单位：摄氏度)、土壤热通量（Gs_1、Gs_2、Gs_3）(单位：瓦/平方米)、土壤水分（Ms_2cm、Ms_4cm、Ms_10cm、Ms_20cm、Ms_40cm、Ms_80cm、Ms_120cm、Ms_160cm、Ms_200cm）(单位：体积含水量，百分比)、土壤温度（Ts_0cm、Ts_2cm、Ts_4cm、Ts_10cm、Ts_20cm、Ts_40cm、Ts_80cm、Ts_120cm、Ts_160cm、Ts_200cm）(单位：摄氏度)。 观测数据的处理与质量控制：（1）确保每天144个数据（每10min），若出现数据的缺失，则由-6999标示；1-6月由于传感器的问题，降雨数据出错；7-10月由于接线问题，气压数据出错；（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）数据中以红字标示的部分为有疑问的数据；（5）日期和时间的格式统一，并且日期、时间在同一列。如，时间为：2018-9-10 10:30；（6）命名规则为：AWS+站点名称。 黑河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Liu et al. (2011)。
刘绍民, 李新, 车涛, 徐自为, 任志国, 谭俊磊
该数据集包含了2018年6月11日至2018年9月18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(100.372° E, 38.856° 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3个，每个样方大小约30m×30m，经纬度范围分别为(100.373297°E~100.374205°E, 38.857871°N~38.858390°N)、(100.373918° E~100.373897°E, 38.854025°N~38.854941°N)、(100.368007°E~100.369044°E, 38.850678°N~38.851580°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, 屈永华, 徐自为
该数据集包含了2018年1月1日至2018年12月31日兰州大学寒旱区科学观测网络大野口站气象要素梯度观测系统数据。站点位于甘肃张掖大野口排露沟，下垫面是林缘草地。观测点的经纬度是100.286E，38.556N，海拔2703m。二维超声风速/风向传感器和空气温湿度传感器分别架设在8m处；气压计安装在1.5m采集箱内；翻斗式雨量计安装在塔2m处；红外温度计安装在2m处，朝向正南，探头朝向垂直向下；土壤热通量板（自校正式）埋设在塔南侧植被下5cm处；土壤温/湿/电导率传感器和土壤水势传感器埋设在塔南侧植被下5cm处；光合有效辐射传感器、日照时数传感器以及四分量辐射仪安装在2m处，朝向正南。 观测项目有：风速（WS_8m）(单位：米/秒)、风向（WD_8m）(单位：度)、空气温湿度（Ta_8m和RH_8m）(单位：摄氏度、百分比)、气压（Press）(单位：百帕)、降水量（Rain）(单位：毫米)、四分量辐射（DR、UR、DLR_Cor、ULR_Cor、Rn）(单位：瓦/平方米)、地表辐射温度（IRT）(单位：摄氏度)、土壤热通量（Gs_5cm）(单位：瓦/平方米)、土壤水分（Ms_5cm）(单位：百分比)、土壤温度（Ts_5cm）(单位：摄氏度) 、土壤水势（SWP_5cm）（单位：千帕）、土壤电导率（EC_5cm）（单位：微西门子/厘米）光合有效辐射（PAR）(单位：微摩尔/平方米秒)、日照时数（Sun_time）（单位：小时）。 观测数据的处理与质量控制：（1）确保每天144个数据（每10min）；2018.8.29-10.18由于电池箱无保温措施，电池低温供电不稳定，部分时间段数据丢失（1.3-1.6；1.8-1.11；1.14-1.20；1.23-1.30；2.9-2.22；2.28-3.23；3.28-5.12）；由于程序故障，空气湿度采集错误；（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）数据中以红字标示的部分为有疑问的数据；（5）日期和时间的格式统一，并且日期、时间在同一列。如，时间为：2018-6-10 10:30。
赵长明, 张仁懿
该数据集包含了2018年6月16日至2018年10月18日的黑河水文气象观测网下游四道桥（包括柽柳与胡杨林）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，下垫面是柽柳与胡杨。观测在四道桥超级站（101.1374E, 42.0012N）和混合林站（101.1335E, 41.9903N）旁开展，样方共计2个，每个样方大小约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*.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)。
屈永华, 徐自为
该数据集包含2018年6月15日至11月7日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，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。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1280*720，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）。 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)。
屈永华, 徐自为
该数据集包含了2018年1月1日至2018年12月31日的黑河流域地表过程综合观测网中游花寨子站涡动相关仪观测数据。站点位于甘肃省张掖市，下垫面是荒漠。观测点的经纬度是100.3201E, 38.7659N，海拔1731.00m。涡动相关仪的架高4.5m，采样频率是10Hz，超声朝向是正北向，超声风速温度仪（CSAT3）与CO2/H2O分析仪（Li7500A）之间的距离是15cm。 涡动相关仪的原始观测数据为10Hz，发布的数据是采用Eddypro软件处理的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Eddypro软件输出的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原始数据中每30min内缺失率大于10%的数据。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。5月13日-7月12日以及7月16日-8月21日由于CO2/H2O红外气体分析仪出现问题，潜热和二氧化碳浓度及通量缺失。 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（℃），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L（m），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，二氧化碳通量的质量标识QA_Fc。感热、潜热、二氧化碳通量的质量标识分为九级（质量标识1-3数据质量好，4-6数据质量较好，7-8数据质量较差（较插补数据好）；9数据质量差））。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。 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Liu et al. (2011)。
刘绍民, 李新, 车涛, 徐自为, 任志国, 谭俊磊
该数据集由三部分组成：①2018年8月16日至8月30日在祁连山石羊河流域上游7条支流及下游青土湖进行的植物样地调查数据；②2018年9月25日至10月3日在黑河、疏勒河流域主要支流进行的植物样地调查数据；③2013年8月18日至2018年8月8日在青海湖与黑河流域的植物样地调查数据。第一部分调查涉及草本、灌木、乔木的生长特性与数量信息；第二部分主要调查乔木，对草本仅作粗略估计；第三部分主要调查草甸植被。 三部分调查依据植被类型设置样地，每个样地至少选取 3 个样方(分乔木、灌木、草本)。其中，草本样方面积为 1m×1m 或 0.5m×0.5m；荒漠灌木样方面积为 10m×10m；森林灌丛面积为 2m×2m；灌木灌丛面积4m×4m；乔木样方面积为20m×20m。在每个样方内进行植物群落调查：乔木样方调查主要调查物种数量、物种多度、20株乔木每木检尺（含株高、胸径、冠幅、活枝下高）、样方内全部乔木胸径；灌木样方主要调查全部灌木的物种数量、多度、灌木冠幅、灌木株高；草本样方主要调查草本物种数量、多度或分盖度、平均株高、总盖度，地上生物量。
赵长明, 张立勋, 黄永梅, 袁建立, 张仁懿
该数据集包含了2018年1月1日至2018年12月31日兰州大学兰州大学寒旱区科学观测网络西营河站气象要素梯度观测系统数据。站点位于青海海北门源县仙米乡讨拉村，下垫面是高寒草甸。观测点的经纬度是101.855E，37.561N，海拔3616m。二维超声风速/风向传感器和空气温湿度传感器分别架设在2m、4m、8m处，共3层，朝向正北；气压计安装在1.5m采集箱内；翻斗式雨量计安装在塔4m处；红外温度计安装在4m处，朝向正南，探头朝向垂直向下；土壤热通量板（自校正式）（2块）依次埋设在塔南侧植被下5cm和10cm处；土壤温/湿/电导率传感器和土壤水势传感器埋设在塔南侧植被下20cm和40cm处；光合有效辐射传感器、日照时数传感器以及四分量辐射仪安装在4m处，朝向正南。 观测项目有：风速（WS_2m、WS_4m、WS_8m）(单位：米/秒)、风向（WD_2m、WD_4m、WD_8m）(单位：度)、空气温湿度（Ta_2m、Ta_4m、Ta_8m和RH_2m、RH_4m、RH_8m）(单位：摄氏度、百分比)、气压（Press）(单位：百帕)、降水量（Rain）(单位：毫米)、四分量辐射（DR、UR、DLR_Cor、ULR_Cor、Rn）(单位：瓦/平方米)、地表辐射温度（IRT）(单位：摄氏度)、土壤热通量（Gs_5cm、Gs_10cm）(单位：瓦/平方米)、土壤水分（Ms_20cm、Ms_40cm）(单位：百分比)、土壤温度（Ts_20cm、Ts_40cm）(单位：摄氏度) 、土壤水势（SWP_20cm，SWP_40cm）（单位：千帕）、土壤电导率（EC_20cm、EC_40cm）（单位：微西门子/厘米）、光合有效辐射（PAR）(单位：微摩尔/平方米秒)、日照时数（Sun_time）（单位：小时）。 观测数据的处理与质量控制：（1）确保每天144个数据（每10min）；2018.8.29-10.18由于电池箱进水导致的供电不稳定，气象数据丢失严重未入库；2018.10.18日起2m超声风速/风向传感器故障，该位置风速数据错误；雨量筒程序错误，全年数据无效；由于程序故障，2018.1.1-3.2空气湿度采集错误；（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）数据中以红字标示的部分为有疑问的数据；（5）日期和时间的格式统一，并且日期、时间在同一列。如，时间为：2018-6-10 10:30。
赵长明, 张仁懿
该数据集包含了2018年1月1日至2018年12月31日兰州大学寒旱区科学观测网络连城站气象要素梯度观测系统数据。站点位于甘肃永登连城吐鲁沟国家森林公园吐鲁坪，下垫面是森林。观测点的经纬度是102.737E，36.692N，海拔2903m。二维超声风速/风向传感器和空气温湿度传感器分别架设在4m、8m处，共2层，朝向正北；气压计安装在1.5m采集箱内；翻斗式雨量计安装在塔2m处；红外温度计安装在2m处，朝向正南，探头朝向垂直向下；土壤热通量板（自校正式）（2块）依次埋设在塔南侧植被下5cm和10cm处；土壤温/湿/电导率传感器和土壤水势传感器埋设在塔南侧植被下5cm和10cm处；光合有效辐射传感器、日照时数传感器以及四分量辐射仪安装在4m处，朝向正南。 观测项目有：风速（WS_2m、WS_4m、WS_8m）(单位：米/秒)、风向（WD_2m、WD_4m、WD_8m）(单位：度)、空气温湿度（Ta_4m、Ta_8m和RH_4m、RH_8m）(单位：摄氏度、百分比)、气压（Press）(单位：百帕)、降水量（Rain）(单位：毫米)、四分量辐射（DR、UR、DLR_Cor、ULR_Cor、Rn）(单位：瓦/平方米)、地表辐射温度（IRT）(单位：摄氏度)、土壤热通量（Gs_5cm、Gs_10cm）(单位：瓦/平方米)、土壤水分（Ms_5cm、Ms_10cm）(单位：百分比)、土壤温度（Ts_5cm、Ts_10cm）(单位：摄氏度) 、土壤水势（SWP_5cm，SWP_10cm）（单位：千帕）、土壤电导率（EC_5cm、EC_10cm）（单位：微西门子/厘米）、光合有效辐射（PAR）(单位：微摩尔/平方米秒)、日照时数（Sun_time）（单位：小时）。 观测数据的处理与质量控制：（1）确保每天144个数据（每10min）；2018.5.30-7.6由于供电故障数据丢失；2018.1.1-5.30土壤热通量（5cm）传感器因鼠害断线，无有效数值；由于程序故障，空气湿度采集错误；（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）数据中以红字标示的部分为有疑问的数据；（5）日期和时间的格式统一，并且日期、时间在同一列。如，时间为：2018-6-10 10:30。
赵长明, 张仁懿
该数据集包含了2018年1月1日至2018年12月31日兰州大学兰州大学寒旱区科学观测网络临泽站气象要素梯度观测系统数据。站点位于甘肃张掖临泽新华镇古寨村，下垫面是农田。观测点的经纬度是100.062E，39.238N，海拔1402m。二维超声风速/风向传感器和空气温湿度传感器分别架设在4m、8m处，共2层，朝向正北；气压计安装在1m采集箱内；翻斗式雨量计安装在塔4m处；红外温度计安装在4m处，朝向正南，探头朝向垂直向下；土壤热通量板（自校正式）（2块）依次埋设在塔南侧植被下5cm和10cm处；土壤温/湿/电导率传感器和土壤水势传感器埋设在塔南侧植被下20cm和40cm处；光合有效辐射传感器、日照时数传感器以及四分量辐射仪安装在4m处，朝向正南。 观测项目有：风速（WS_4m、WS_8m）(单位：米/秒)、风向（WD_4m、WD_8m）(单位：度)、空气温湿度（Ta_4m、Ta_8m和RH_4m、RH_8m）(单位：摄氏度、百分比)、气压（Press）(单位：百帕)、降水量（Rain）(单位：毫米)、四分量辐射（DR、UR、DLR_Cor、ULR_Cor、Rn）(单位：瓦/平方米)、地表辐射温度（IRT）(单位：摄氏度)、土壤热通量（Gs_5cm、Gs_10cm）(单位：瓦/平方米)、土壤水分（Ms_5cm、Ms_10cm）(单位：百分比)、土壤温度（Ts_5cm、Ts_10cm）(单位：摄氏度) 、土壤水势（SWP_5cm，SWP_10cm）（单位：千帕）、土壤电导率（EC_5cm、EC_10cm）（单位：微西门子/厘米）、光合有效辐射（PAR）(单位：微摩尔/平方米秒)、日照时数（Sun_time）（单位：小时）。 观测数据的处理与质量控制：（1）确保每天144个数据（每10min）；雨量筒程序错误，雨量数据无效；由于程序故障，空气湿度采集错误；（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）数据中以红字标示的部分为有疑问的数据；（5）日期和时间的格式统一，并且日期、时间在同一列。如，时间为：2018-6-10 10:30。
赵长明, 张仁懿
青藏高原流域边界数据集使用2000年的航天飞机雷达地形任务收集的干涉合成孔径雷达SRTM DEM 数据、参考河流、湖泊等水系辅助数据，利用arcgis水文模型，分析、提取河网，将青藏高原划分为AmuDayra、Brahmaputra、Ganges、Hexi、Indus、Inner、Mekong、Qaidam、Salween、Tarim、Yangtze、Yellow等12个子流域。其中研究区外围边界是基于2500米等高线。
张国庆
三江源及区域国家标准气象站逐月气象数据，包含32个气象站，主要包括平均本站气压、极端最高本站气压、极端最高本站气压出现日、极端最低本站气压、极端最低本站气压出现日、平均气温、极端最高气温、极端最高气温出现日、极端最低气温、极端最低气温出现日、平均气温距平、平均最高气温、平均最低气温、日照时数、日照百分率、平均相对湿度、最小相对湿度、最小相对湿度出现日期、降水量、日降水量>=0.1mm日数、最大日降水量、最大日降水量出现日、降水距平百分率、平均风速、极大风速、极大风速之出现日、最大风速、极大风速之风向、最大风速之风向、最大风速之出现日26个变量。数据格式为txt，以站点ID命名，每个文件26列，各列数据的名称、单位以含义在SURF_CLI_CHN_MUL_MON_readme.txt文件中进行了说明。所包含的站点列表如下表： site_id lat lon elv name_cn 52754 37.33 100.13 8301.50 刚察 52833 36.92 98.48 7950.00 乌兰 52836 36.30 98.10 3191.10 都兰 52856 36.27 100.62 2835.00 恰卜恰 52866 36.72 101.75 2295.20 西宁 52868 36.03 101.43 2237.10 贵州 52908 35.22 93.08 4612.20 伍道梁 52943 35.58 99.98 3323.20 兴海 52955 35.58 100.75 8120.00 贵南 52974 35.52 102.02 2491.40 同仁 56004 34.22 92.43 4533.10 托托河 56018 32.90 95.30 4066.40 杂多 56021 34.13 95.78 4175.00 曲麻莱 56029 33.02 97.02 3681.20 玉树 56033 34.92 98.22 4272.30 玛多 56034 33.80 97.13 4415.40 清水河 56038 32.98 98.10 9200.00 石渠 56043 34.47 100.25 3719.00 果洛 56046 33.75 99.65 3967.50 达日 56065 34.73 101.60 8500.00 河南 56067 33.43 101.48 3628.50 久治 56074 34.00 102.08 3471.40 玛曲 56080 35.00 102.90 2910.00 合作 56106 31.88 93.78 4022.80 索县 56116 31.42 95.60 3873.10 丁青 56125 32.20 96.48 3643.70 囊谦 56128 31.22 96.60 3810.00 类乌齐 56137 31.15 97.17 3306.00 昌都 56151 32.93 100.75 8530.00 班玛 56152 32.28 100.33 8893.90 色达
国家气象信息中心 数据应用服务室
植被功能型（PFT）是根据植物种的生态系统功能及其资源利用方式而对宠大的植物种进行的组合，每一种植被功能型共享相似的植物属性，是将植物种的多样性简化为植物功能和结构的多样性。植被功能型的概念受到生态学家特别是生态系统建模者的推崇。其基本假设是全球重要的生态系统动态可以通过有限的植被功能型表达和模拟。目前，植被功能型已被广泛用于生物地理模型、生物地球化学模型、陆面过程模型和全球动态植被模型，如美国国家大气研究中心（NCAR）的陆面过程模型已经将原来用土地覆盖信息变为应用植被功能型图（Bonan et al., 2002）。植被功能型已经被用于动态全球植被模型（DGVM）中，用以预测全球变化情景下生态系统结构与功能的变化。 参考全球植被功能型分类体系，根据模型需求，将土地覆盖类型与植被功能型合并考虑，确定该数据的分类体系下表。 1、植被功能型分类体系 1 Needleleaf evergreen tree, temperate 2 Needleleaf evergreen tree, boreal 3 Needleleaf deciduous tree 4 Broadleaf evergreen tree, tropical 5 Broadleaf evergreen tree, temperate 6 Broadleaf deciduous tree, tropical 7 Broadleaf deciduous tree, temperate 8 Broadleaf deciduous tree, boreal 9 Broadleaf evergreen shrub, temperate 10 Broadleaf deciduous shrub, temperate 11 Broadleaf deciduous shrub, boreal 12 C3 grass, arctic 13 C3 grass 14 C4 grass 15 Crop 16 Permanent wetlands 17 Urban and built-up lands 18 Snow and ice 19 Barren or sparsely vegetated lands 20 Bodies of water 2、制图方法 中国1公里植被功能型图是根据Bonan等（Bonan et al., 2002）提出的土地覆盖与植被功能型转换的气候规则，对MICLCover土地覆盖图(冉有华 等，2009；Ran et al., 2012)进行转换。MICLCover土地覆盖图是融合了2000年中国1：10万土地利用数据、中国植被图集（1：100万）的植被型、中国1：10万冰川分布图、中国1：100万沼泽湿地图和MODIS 2001年土地覆盖产品（MOD12Q1）的最新发布的土地覆盖数据，采用IGBP土地覆盖分类系统。评价显示，其可能是目前存在的全国1km尺度上精度最高的土地覆盖图。气候数据利用何杰等(2010)发展的1981-2008年的空间分辨率为0.1度、时间分辨率为3小时的中国大气驱动数据，是我国现存的在全国尺度上具有最高时空分辨率的气候数据，该数据融合了Princeton 陆面模式驱动数据(Sheffield et al., 2006)、GEWEX-SRB 辐射数据(Pinker et al., 2003)、TRMM 3B42 和APHRODITE 降水数据以及中国气象局740个气象台站的观测数据。根据RanYouhua等(2010)的评价结果，GLC2000在目前的全球土地覆盖数据集中，具有相对较高的精度，且其分类系统中没有混交林这一类，因此MICLCover土地覆盖图中的混交林利用GLC2000 (Bartholome and Belward, 2005; 徐文婷 等，2005)中的信息进行了替换。该数据可用于陆面过程模型等相关研究中。
冉有华, 李新
本数据集在评价已经有土地覆盖数据的基础上，基于证据理论，将2000年中国1:10万土地利用数据、中国植被图集(1:100万)的植被型分类、中国1:10万冰川图、中国1:100万沼泽湿地图和MOD IS 2001年土地覆盖产品(MOD12Q1)进行了融合，最终基于最大信任度原则进行决策，产生了新的、IGBP分类系统的2000年1KM中国土地覆盖数据。 新的土地覆盖数据在保持了中国土地利用数据的总体精度的同时，补充了中国植被图中对植被类型及植被季相的信息，更新了中国湿地图,增加了中国冰川图最新信息，使分类系统更加通用。
冉有华, 李新
本研究基于中国及周边国家共1153个气温站点和1202个降水站点数据，利用ANUSPLIN软件的局部薄盘光滑样条法进行插值，重建了1951−2011年中国月值气温和降水量的高空间分辨率0.025°（~2.5 km）格点数据集（简称LZU0025）。数据集的质量评估主要基于以下三个方面：（1）分析ANUSPLIN在日志文件中提供的一系列用于判别误差来源和插值质量的统计参数。结果表明在1951-2011年，表征最佳插值模型的广义交叉验证GCV（generalized cross validation）值较小，在气温插值时为1.06℃，在降水进行开方运算插值时为1.97mm1/2。（2）对比LZU0025格点值与预留的265个站点实测数据。结果表明在1951-2011年，LZU0025月插值数据与实测数据接近，两者的平均绝对差为0.59℃和70.5mm，标准差为1.27℃和122.6mm，并且标准差的变化与GCV变化一致。（3）将LZU0025与现有数据集进行对比。首先以插值所用站点较多的中国气象局发布的0.5°数据集（简称CMA）为基准，利用泰勒图对比了基于不同数据集刻画的气候平均状态均值（Mean）、距离平均状态的标准差（Standard deviation）以及随时间变化的气候趋势（Time trend）。结果表明与基于其他数据集衍生的三类指标相比，LZU与基准CMA相关系数较高，标准差较接近，并且归一化的均方根误差较小。其次，将LZU0025格点数据与能量和水循环观测项目-亚洲季风项目西藏地区（CAMP-Tibet）气象站数据进行对比，结果表明仅有少数台站降水数据与LZU0025相关性不显著，但多数台站气温和降水数据与LZU0025显著相关且相关性高于0.87。基于以上评估分析，LZU0025数据集可靠。高分辨率的LZU0025能刻画更多的气候类型如喜马拉雅山脉地区未被粗分辨率数据集识别的苔原和极地气候。LZU0025可作为研究全球气候变化下区域气候变化和精准农业气候的基础数据。
黄伟, 赵虹
青藏高原多源遥感合成1km积雪覆盖数据集（1995-2018）基于国家卫星气象中心的青藏高原光学仪器遥感1km积雪覆盖数据集（1989-2018）和美国雪冰中心的25km近实时逐日全球冰密集度与积雪范围NISE产品数据集（1995-2019）合成得到，覆盖时间从1995年到2018年（每年1-4月和10-12月两个时段），时间分辨率为逐日，覆盖范围为青藏高原（17°N -41°N，65°E -106°E），采用等经纬度投影，空间分辨率为0.01°×0.01°。数据集以日产品表征了卫星观测时刻的地面是否为积雪所覆盖。输入数据源为NOAA或MetOp卫星AVHRR逐日积雪覆盖产品，TERRA卫星MODIS替代AVHRR对应观测通道生成的逐日积雪覆盖产品，以及DMSP卫星SSM/I或SSMIS逐日全球冰密集度和积雪范围NISE产品。数据集合成方法：以青藏高原光学仪器遥感1km积雪覆盖产品为基础，完全信任其积雪和晴空无雪信息，对有云覆盖、无法判识、缺少卫星观测等区域，在相对高空间分辨率海陆模板的辅助下，利用NISE的陆地有效判识结果进行替换。对于部分水陆边界，因NISE产品空间分辨率较低，合成结果有可能仍存在极少量的云覆盖或者无观测数据区域。基于多年地面气象台站雪深观测资料验证表明，本数据集对晴空条件下地面有无积雪的总体判识准确率在91%以上。数据采用标准的HDF4格式存储，内部有积雪覆盖和质量码两个SDS，维度均为4100列×2400行，且文件内部有完备的属性描述。
郑照军, 曹广真
青藏高原光学仪器遥感1km积雪覆盖数据集（1989-2018）基于星载光学仪器观测数据云雪判识方法制作，覆盖时间从1989年到2018年（每年1-4月和10-12月两个时段），时间分辨率为逐日，覆盖范围为青藏高原（17°N -41°N，65°E -106°E），采用等经纬度投影，空间分辨率为0.01°×0.01°。数据集以日产品表征了卫星观测时刻晴空无云或透明薄云下的地面是否为积雪所覆盖。输入数据源为NOAA与MetOp卫星的AVHRR L1数据，以及从TERRA/MODIS对应于AVHRR通道的L1数据。产品处理方法为独立于云掩模产品的动态阈值决策树算法（DT），即算法同时判别云雪，且其云检测强调保留雪信息，特别是透明卷云下的雪。DT算法针对不同情况，考虑了多种判识手段，如水云上的冰云，森林和沙地的积雪，薄雪或融雪等；根据地表类型、DEM和季节设定动态阈值；采用多种质量控制手段，如在重度气溶胶或烟尘覆盖的低纬度森林中剔除伪雪，参考最大月雪线和最小雪面亮度温度剔除伪雪；优化不同种类型云雪和晴空无雪陆地的判识流程。DT算法在正常情况下能区分大部分云雪，但会低估10月份青藏高原的积雪。基于多年地面气象台站雪深观测资料验证表明，本数据集对晴空条件下地面有无积雪的总体判识准确率在95%以上。数据采用标准的HDF4格式存储，内部有积雪覆盖和质量码两个SDS，维度均为4100列×2400行，且文件内部有完备的属性描述。
郑照军, 除多
中国区域地面气象要素驱动数据集，包括近地面气温、近地面气压、近地面空气比湿、近地面全风速、地面向下短波辐射、地面向下长波辐射、地面降水率共7个要素。数据为NETCDF格式，时间分辨率为3小时，水平空间分辨率为0.1°。可为中国区陆面过程模拟提供驱动数据。 该数据集是以国际上现有的Princeton再分析资料、GLDAS资料、GEWEX-SRB辐射资料，以及TRMM降水资料为背景场，融合了中国气象局常规气象观测数据制作而成。详细过程请参阅参考文献。原始资料来自于气象局观测数据、再分析资料和卫星遥感数据。已去除非物理范围的值，采用ANU-Spline统计插值。精度介于气象局观测数据和卫星遥感数据之间，好于国际上已有再分析数据的精度。
阳坤, 何杰
湖泊的形成与消失、扩张与收缩对生态环境演化和社会经济发展都有重要影响。由于受气候、生态环境和人类活动等因素的综合影响，湖泊水域范围的变化速度快、幅度大，对观测的频率和分布都有很高的要求。近几十年以来，卫星遥感技术以其快速、覆盖面广、成本低廉等优点，为较大区域的湖泊动态监测提供了重要数据基础。针对大范围、高精度、长时间序列的湖泊变化分析对遥感数据时空分辨率的需求，本数据集基于 Landsat 卫星数据的自动湖泊提取方法（Feng et al., 2015），利用 2000 年以来的 Landsat 多颗卫星的观测数据，收集了2000 年以来的云量小于 80%的所有Landsat 数据，获得共 96278 景影像（约 25T 数据量），结合高性能数据存储和处理能力，提取了青藏高原和中亚地区 2000-2015 年湖泊分布记录，形成了时空一致的逐月水域范围数据集。利用分层随机采样采集样点，通过人工解译，获取能够代表不同时空分布的验证样点。评价结果表明：研究区时间序列水体数据总体精度为 99.45%(±0.59)，水体用户精度（错分）为 85.37% （±3.74），制图精度(漏分)为 98.17%（±1.05）。
冯敏, 车向红
数字高程模型（Digital Elevation Model)，简称DEM，是通过有限的地形高程数据实现对地面地形的数字化模拟（即地形表面形态的数字化表达），它是用一组有序数值阵列形式表示地面高程的一种实体地面模型。 第三极地区为40°1′52″N~23°11′59″N、105°43′45″E~61°28′45″E的世界屋脊生态地理区，其中包括青藏高原、横断山脉、喜马拉雅山脉、兴都库什山脉、帕米尔高原。划分依据：以海拔高度4000 m为基准，融合地形坡度，参考山体完整性和生态系统整体性，空间分辨率为0.008°×0.008°。
National Aeronautics and Space Administration
第三极1:100万水系数据集包括：第三极地区不同等级的线型水系（Tibet_water_line）、多边形水系（Tibet_water_poly）矢量空间数据及相关属性数据：名称（Name）、类型（Type）、水系长度（leng）、水系面积(Area)。 数据来自1:100万ADC_WorldMap全球数据集，数据经过拓扑，入库是全面、最新和无缝的地理数字数据。 世界地图坐标系统是经纬度，D_WGS_1984基准面。
ADC WorldMap
地表蒸散发（Evapotranspiration，ET）是地球系统中水循环和能量传输的重要环节，地表蒸散发的准确获取有助于全球气候变化、作物估产、干旱监测等研究，并且对区域乃至全球水资源规划管理具有重要的指导意义。随着遥感技术的发展，遥感估算地表蒸散发已成为获取区域与全球蒸散发的一个有效途径，目前多种中低分辨率地表蒸散发产品已业务化生产和发布，但遥感估算地表蒸散发模型在模型机理、输入数据、参数化方案等方面仍存在许多不确定性，因此，需要通过真实性检验来定量评价遥感估算地表蒸散发产品的精度。但在真实性检验过程中，存在地表蒸散发遥感估算值与站点观测值的空间尺度不匹配问题，因此卫星像元尺度地表蒸散发的相对真值获取是关键。 以黑河流域综合观测网2012年6-9月中游“非均匀下垫面地表蒸散发的多尺度观测试验”中通量观测矩阵的4（村庄）、5（玉米）、6（玉米）、7（玉米）、8（玉米）、11（玉米）、12（玉米）、13（玉米）、14（玉米）、15（玉米）、17（果园）号站和2014-2015年1-12月下游绿洲胡杨林站（胡杨林）、混合林站（柽柳/胡杨）、裸地站（裸地）、农田站（甜瓜）、四道桥站（柽柳）观测数据（自动气象站、涡动相关仪、大孔径闪烁仪等）为基础，以高分辨率遥感数据(地表温度、植被指数、净辐射等)作为辅助数据，分布图见图1，考虑地表异质性对ET尺度扩展的影响，通过直接检验和交叉检验对6种尺度扩展方法（面积权重法、基于Priestley-Taylor公式的尺度扩展方法、不等权重面到面回归克里格方法、人工神经网络、随机森林、深度信念网络）进行比较和分析，最终优选一种综合的方法(在下垫面均匀时，采用面积权重法；在下垫面中度非均匀时，采用不等权重面到面回归克里格方法；下垫面高度非均匀时采用随机森林方法)分别获取中游和下游通量观测矩阵区域MODIS卫星过境瞬时/日的地表蒸散发像元尺度相对真值(空间分辨率为1km)，并通过与大孔径闪烁仪观测值（参考值）进行验证分析，结果表明：该数据集整体精度良好，中游卫星像元尺度相对真值瞬时和逐日的平均绝对百分误差(MAPE)分别为2.6%和4.5%，下游卫星像元尺度相对真值瞬时和逐日的MAPE分别为9.7%和12.7%，可以用来验证其它遥感产品。该像元地表蒸散发数据既能解决遥感估算值与站点观测值的空间不匹配问题，又能表征验证过程的不确定性。所有站点信息和尺度扩展方法请参考Li et al. (2018)和 Liu et al. (2016)，观测数据处理请参考Liu et al. (2016)。
刘绍民, 李相, 徐自为
地表蒸散发（Evapotranspiration，ET）是连接着陆地能量平衡、水循环以及碳循环等的重要变量，地表蒸散发的准确获取有助于全球气候变化、作物估产、干旱监测等研究，并且对区域与全球的水资源规划管理具有重要的意义。地表蒸散发的获取方法主要包括地面观测、遥感估算、模式模拟与同化等。地面观测可以获得高精度的地表蒸散发数据，但观测站点的空间代表性十分有限；遥感估算、模式模拟与同化方法可以获得空间连续的地表蒸散发，但存在精度与时空分布格局合理性的验证问题。因此，本研究充分利用众多的高精度站点观测数据，结合多源遥感信息，将地面站点观测尺度扩展至区域上，获得高精度、时空分布连续的地表蒸散发量。 基于近年来开展的“黑河综合遥感联合试验”（WATER）、“黑河流域生态-水文过程综合遥感观测联合试验”（HiWATER）、所积累的站点观测数据（自动气象站、涡动相关仪、大孔径闪烁仪等），共选用36个站点（65个站年，分布图见图1），结合多源遥感数据（土地覆盖与植被类型图，叶面积指数、地表温度等）和大气驱动数据等，运用五种机器学习方法（回归树、随机森林、人工神经网络、支持向量机、深度信念网络）分别构建了不同的地表蒸散发尺度扩展模型，对各尺度扩展模型进行了全面的对比分析，结果表明：相比于其他四种方法，随机森林方法更适合于黑河流域由站点到区域的地表蒸散发尺度扩展研究。基于优选出的随机森林尺度扩展模型，以遥感及大气驱动数据作为输入，生产了2012~2016年生长季（5~9月）黑河流域地表蒸散发时空分布图（ETMap，时间分辨率为逐日，空间分辨率为1km）。以LAS观测值为真值进行验证，结果表明：ETMap整体精度良好，上游 (LAS1)、中游 (LAS2-LAS5)和下游 (LAS6 - LAS8)的RMSE (MAPE)分别为0.65 mm/day(18.86%)、0.99 mm/day (19.13%)和0.91 mm/day (22.82%)。总之，ETMap是基于站点观测数据运用随机森林算法进行尺度扩展得到的精度较高的黑河流域地表蒸散发产品。所有站点信息和尺度扩展方法请参考Xu et al. (2018)，观测数据处理请参考Liu et al. (2018)。
刘绍民, 徐同仁
第三极1:100万山脉数据集包括：第三极地区山脉（Tibet_Mountains）矢量空间分布数据及相关属性数据：名称（Name）、山脉所在国家名称（CNTRY_NAME）、山脉所在国家简称（CNTRY_CODE）、纬度（LATITUDE）、经度（LONGITUDE） 数据来自1:100万ADC_WorldMap全球数据集，数据经过拓扑，入库是全面、最新和无缝的地理数字数据。 世界地图坐标系统是经纬度，D_WGS_1984基准面。
ADC WorldMap
第三极1:100万机场及跑道分布数据集包括：机场（Tibet_Airport）及机场跑道（Tibet_Airport_runways）矢量空间数据及相关属性数据：机场名称（Name）、机场国家名称（CNTRY_NAME）、机场国家缩写（CNTRY_CODE）、纬度（LATITUDE）、经度（LONGITUDE）。 数据来自1:100万ADC_WorldMap全球数据集，数据经过拓扑，入库是全面、最新和无缝的地理数字数据。 世界地图坐标系统是经纬度，D_WGS_1984基准面。
ADC WorldMap
第三极1:100万居民点数据集包括第三极地区居民点（Tibet_Cities）、首都居民点（Tibet_Capitals）、城市人口大于75k的居民点（Tibet_Cities_up_to_75K）等矢量空间数据及相关属性数据：城市名称（ENG_NAME）、城市人口（CITY_POP）等属性。 数据来自1:100万ADC_WorldMap全球数据集，数据经过拓扑，入库是全面、最新和无缝的地理数字数据。 世界地图坐标系统是经纬度，D_WGS_1984基准面。
ADC WorldMap
第三极1:100万道路数据集包括：青藏高原地区主要高速公路（Tibet_main_highways）、道路（Tibet_Road）和铁路（Tibet_railway）矢量空间数据及相关属性数据：道路名称（Name）、类型（Type）。 数据来自1:100万ADC_WorldMap全球数据集，数据经过拓扑，入库是全面、最新和无缝的地理数字数据。 世界地图坐标系统是经纬度，D_WGS_1984基准面。
ADC WorldMap
该数据集提供了南极洲1公里分辨率数字高程模型(DEM)。DEM结合了欧洲遥感卫星-1 (ERS-1)卫星雷达高度计(SRA)和冰、云和陆地高度计(ICESat)地球科学激光高度计系统(GLAS)的测量数据。ERS-1数据来自1994年3月开始的168天的两个长重复周期，GLAS数据来自2003年2月20日至2008年3月21日。数据集大约为240mb，由两个网格化二进制文件和两个用于可视化图像(ENVI)头文件的环境组成，可以使用ENVI或其他类似软件包查看。这些数据可以通过FTP获得。
National Aeronautics and Space Administration
南极1:100万山脉数据集包括南极范围内山脉（Arctic_Mountains）矢量空间分布数据及相关属性数据：名称（Name）、山脉所在国家名称（CNTRY_NAME）、山脉所在国家简称（CNTRY_CODE）、纬度（LATITUDE）、经度（LONGITUDE） 数据来自1:100万ADC_WorldMap全球数据集，数据经过拓扑，入库是全面、最新和无缝的地理数字数据。 世界地图坐标系统是经纬度，WGS84基准面，南极地区数据集为南极专用投影参数（South_Pole_Stereographic）。
ADC WorldMap
南极1:100万机场分布数据集包括南极范围内机场（Antarctic_Airport）及机场跑道（Antarctic_Airport_runways）矢量空间数据及相关属性数据：机场名称（Name）、机场国家名称（CNTRY_NAME）、机场国家缩写（CNTRY_CODE）、纬度（LATITUDE）、经度（LONGITUDE）。 数据来自1:100万ADC_WorldMap全球数据集，数据经过拓扑，入库是全面、最新和无缝的地理数字数据。 世界地图坐标系统是经纬度，WGS84基准面，南极地区数据集为南极专用投影参数（South_Pole_Stereographic）。
ADC WorldMap
南极行政边界数据集包括南极范围内国家的国界（Antarctic_National）矢量空间数据集及其对应的名称、类型相关属性数据：（CITY_POP）、（ENG_NAME）、（CNTRY_NAME）、(TYPE)、(CNTRY_CODE)、（YEAR）。 数据来自1:100万ADC_WorldMap全球数据集，数据经过拓扑，入库是全面、最新和无缝的地理数字数据。 世界地图坐标系统是经纬度，WGS84基准面，南极地区数据集为南极专用投影参数（South_Pole_Stereographic）。
ADC WorldMap
青藏高原积雪面积长时间序列数据集来源于MODIS 005版本和IMS数据集的融合,采用插值去云算法进行去云处理后得到逐日积雪面积无云产品。投影为经纬度，空间分辨率0.005 度（约500m），时间从2003.1.1-2014.12.31长时间序列，每个文件为当日的积雪面积比例结果，数值为0-100（%），为ENVI标准文件，命名规则为：ims_mts_YYYYDDD.tif，其中YYYY代表年，ddd代表儒略日（001-365/366）。文件可直接用ENVI或者ARCMAP等软件打开察看。 文件说明：200 积雪、100 湖冰、25 陆地、37 海洋
郝晓华
青藏高原(TP)在春季和夏季作为一个巨大的高架式地表和大气热源，对区域和全球气候和气候具有重要影响。为了探讨TP的热强迫效应的多尺度时间变化，制备了青藏高原大气热源/汇数据集，作为计算气柱热收支的定量分析工具。 大气热源/汇数据集包含三个变量:地表感热通量SH、潜热释放LH和净辐射通量NR。 基于中国气象局(CMA)1979-2016年80(32)气象站6-h的常规观测数据：1.5m气温、10m地面温度和风速计算地表热通量数据，降水估算潜热释放量。用于计算净辐射通量的卫星数据集为全球能源和水循环实验地表辐射预算卫星辐射(GEWEX/SRB）和云和地球的辐射能系统(CERES/EBAF），利用GEWEX/SRB和CERES/EBAF大气表面和顶部(TOA)的短波和长波月辐射通量(short - twave and longwave radiation fluxes, TOA)，通过统计方法得到1984-2015年期间的净辐射通量。
段安民
南极1:100万居民点数据集包括南极范围内所有居民点（Antarctica_Resident）等矢量空间数据及相关属性数据：城市名称（ENG_NAME）、城市人口（CNTEY_NAME）、（CNTRY_CODE）等属性。 数据来自1:100万ADC_WorldMap全球数据集，数据经过拓扑，入库等数据质量检查，是全面、最新和无缝的地理数字数据。 世界地图坐标系统是经纬度，WGS84基准面，南极地区数据集为南极专用投影参数（South_Pole_Stereographic）
ADC WorldMap
本数据集是青藏高原的部分人口指标，包含青海省和西藏自治区两个省份，以省为单元进行的数据统计，可用于青藏高原城镇化和生态环境交互胁迫中评价指标体系的构建。西藏自治区的数据集时间跨度是1995-2016，数据为常住人口数，是根据人口普查、每年的人口变动抽样调查推算数。除总人口数，还分别按照性别和城乡对数据进行了统计；青海省数据集时间跨度是从1952-2015，统计了常住人口、出生、死亡和自然增加四个方面的指标。所有数据均来自统计年鉴。
杜云艳
本数据集是青藏高原的部分经济指标，包含青海省和西藏自治区两个省份，以省为单元进行的数据统计，可用于青藏高原城镇化和生态环境交互胁迫中评价指标体系的构建。西藏自治区的数据集时间跨度是1951-2016包含7个指标，分别是地区总产值，第一、第二、第三产业以及工业和建筑业，最后还包括人均地区生产总值；青海省数据集时间跨度是从1952-2015，除上述七个指标外还多出农林牧渔业这一指标。所有数据均来自统计年鉴，数据是按当年价格计算，并且依据第二次经济普查资料，对2005-2008年地区生产总值进行了修订。
杜云艳
数字高程模型（Digital Elevation Model)，简称DEM，是通过有限的地形高程数据实现对地面地形的数字化模拟（即地形表面形态的数字化表达），它是用一组有序数值阵列形式表示地面高程的一种实体地面模型。 北极地区指北极圈66°34′以内的区域和格陵兰岛在北极圈以外的部分。高程数据包括北极数字dem及山影数据(hillshade)，tif格式。范围为66°N~90°N，空间分辨率为0.008°×0.008°。 数据下载自NASA全球高程数据 DEM描述的是地面高程信息，它在测绘、水文、气象、地貌、地质、土壤、工程建设、 通讯、军事等国民经济和国防建设以及人文和自然科学领域有着广泛的应用。
National Aeronautics and Space Administration
北极1:100万水系数据集包括北极范围内不同等级的线型河流（Arctic_River）、多边形水系（Arctic_Water_poly）矢量空间数据及相关属性数据：名称（Name）、类型（Type）。 数据来自1:100万ADC_WorldMap全球数据集，数据经过拓扑，入库等数据质量检查，是全面、最新和无缝的地理数字数据。 世界地图坐标系统是经纬度，WGS84基准面，北极地区数据集为北极专用投影参数（North_Pole_Stereographic）。
ADC WorldMap
本数据集是2010年青藏高原地区的土地覆被数据，数据为栅格TIFF格式，空间分辨率为300米，包含耕地、林地、草地、水体、城市用地等22个大类，可用于青藏高原城镇化与生态环境交互胁迫的地理本底研究。该数据来自欧空局CCI-LC项目生产的土地覆被数据产品。该数据集采用了WGS84的地理坐标系统，有22个大类。数据的生产融合多种卫星数据资料，包括MERIS FR/RR，AVHRR，SPOT-VGT，PROBA-V等。经验证，该数据集的总体精度在70%以上，当然精度会在不同的地区和覆被类型上存在差异。
杜云艳
北极1:100万机场分布数据集包括北极范围内机场（Arctic_Airport）及机场跑道（Arctic_Airport_runways）矢量空间数据及相关属性数据：机场名称（Name）、机场国家名称（CNTRY_NAME）、机场国家缩写（CNTRY_CODE）、纬度（LATITUDE）、经度（LONGITUDE）。 数据来自1:100万ADC_WorldMap全球数据集，数据经过拓扑，入库等数据质量检查，是全面、最新和无缝的地理数字数据。 世界地图坐标系统是经纬度，WGS84基准面，北极地区数据集为北极专用投影参数（North_Pole_Stereographic）。
ADC WorldMap
北极1:100万居民点数据集包括北极范围内所有居民点（Arctic_Resident）、首都居民点（Arctic_Capitals）、城市人口大于75k的居民点（Cities_up_to_75K）等矢量空间数据及相关属性数据：城市名称（ENG_NAME）、城市人口（CITY_POP）等属性。 数据来自1:100万ADC_WorldMap全球数据集，数据经过拓扑，入库等数据质量检查，是全面、最新和无缝的地理数字数据。 世界地图坐标系统是经纬度，WGS84基准面，北极地区数据集为北极专用投影参数（North_Pole_Stereographic）。
ADC WorldMap
北极1:100万山脉数据集包括北极范围内山脉（Arctic_Mountains）矢量空间分布数据及相关属性数据：名称（Name）、山脉所在国家名称（CNTRY_NAME）、山脉所在国家简称（CNTRY_CODE）、纬度（LATITUDE）、经度（LONGITUDE） 数据来自1:100万ADC_WorldMap全球数据集，数据经过拓扑，入库等数据质量检查，是全面、最新和无缝的地理数字数据。 世界地图坐标系统是经纬度，WGS84基准面，北极地区数据集为北极专用投影参数（North_Pole_Stereographic）。
ADC WorldMap
北极行政边界数据集包括北极范围内国家的国界（Arctic_National），省界（Arctic_Provincial）、县界（Arctic_Prefecture）矢量空间数据集及其对应的名称、类型相关属性数据：（LOCAL_NAME）、（ENG_NAME）、（CNTRY_NAME）、(TYPE)、(CNTRY_CODE)、（CONTINENT） 数据来自1:100万ADC_WorldMap全球数据集，数据经过拓扑，入库是全面、最新和无缝的地理数字数据。 世界地图坐标系统是经纬度，WGS84基准面，北极地区数据集为北极专用投影参数（North_Pole_Stereographic）
ADC WorldMap
北极1:100万道路数据集包括北极范围内主要道路（Arctic_Major_Routes）、次要道路（Arctic_Minor_Routes）和铁路（Arctic_railway）矢量空间数据及相关属性数据：道路名称（Name）、类型（Type）。 数据来自1:100万ADC_WorldMap全球数据集，数据经过拓扑，入库等数据质量检查，是全面、最新和无缝的地理数字数据。 世界地图坐标系统是经纬度，WGS84基准面，北极地区数据集为北极专用投影参数（North_Pole_Stereographic）。
ADC WorldMap
该数据集是中国科学院西北高原生物研究所调查的三江源国家公园植物采集布位点信息。该数据集时间范围是2008年至2017年，调查范围是三江源国家公园，调查内容包括采集日期、编号、科、属、种、调查日期、采集地点、采集人、经度、纬度、海拔、生境、鉴定人等信息。对国家公园的三个园区分别进行了调查，在长江源园区调查了24个科56个属的88个种的植被，总共116条记录；在黄河源园区调查了26个科64个属110个种的植被，总共159条记录；在澜沧江源园区调查了12个科22个属30个种的植被，总共33条记录。
高庆波
“一带一路”沿线国家2000-2015年大气强迫数据集来源于CRUNCEP。CRUNCEP是一套供陆面模式使用的大气强迫场数据集。具体来说，这个长时间序列数据集（包括气温、降水、温度等）是用来长期驱动Community Land Model（CLM）土地模型的。 CRUNCEP是两个现有数据集的融合；CRU TS3.2 0.5°×0.5°月数据涵盖1901年至2002年期间，NCEP再分析2.5°×2.5°度6小时数据涵盖1948至2016年期间。融合后的CRUNCEP数据集空间分辨率为0.5°X0.5°，时间分辨率为6小时。CRUNCEP数据集被用来驱动CLM，用于研究植被生长、蒸散和初级生产力、陆-气碳交换变化趋势项目（1980-2010）以及许多其他应用。目前数据集的最新版本是版本7。
NCAR, 曹巍
净初级生产力（NPP）数据基于CASA模型生产，数据内容为三江源地区2010-2015年250米分辨率逐月NPP数据集。净初级生产力定义：绿色植物单位面积、单位时间内所累积的有机物数量。 单位：0.01gC/m²/月。Monthly和Yearly NPP分别表示逐月和逐年NPP。 投影信息： Albers 等积圆锥投影 中央经线：105度 第一割线：25度 第一割线：47度 坐标西偏：4000000 meter
朱伟伟
该数据集包含青藏高原1970s，1990，2000，2010年份大于1平方公里湖泊矢量数据。 湖泊水体边界根据Landsat MSS, TM, ETM+等影像目视解译而来。 数据类型为矢量数据，属性字段包括Area (km²)。 投影坐标系为Albers Conical Equal Area。 主要用于青藏高原湖泊、水文与气象变化研究。
张国庆
“一带一路”沿线国家灾害数据，主要来自全球灾害数据库。该数据库记录的灾害信息来源于联合国、政府和非政府组织、研究机构和媒体等多种途径；数据指标详细记录了灾害发生国家、灾害类型、发生日期、死亡人数和经济损失估计等信息。 本研究从该数据库逐条摘录一带一路沿线国家自然灾害记录，最终形成沿线65国9大主要灾种的灾害数据库。 搜集整理的自然灾害记录，大致可以分为9类，包括：洪涝、滑坡、极端气温、风暴、干旱、林火、地震、块体运动和火山活动等。 一带一路沿线国家，1900~2018年，总计5479条灾害记录；其中，2000~2015年，有2673条灾害记录。在此基础上，从灾害频次、死亡人口、受灾人口和经济估损等4个方面，开展沿线国家的自然灾害情况调查。 整体上看，一带一路沿线国家，1900年以来，总计发生各类自然灾害5479次，导致约1900万人死亡，造成经济损失约9500亿美元。其中，发生频次最多的是洪涝和风暴；经济损失最多的是洪涝和地震；受灾人口最多的是洪涝和干旱；死亡人口最多的是干旱和洪涝。
尹君
本数据集包含青海近50年的自然灾害信息，包括干旱、洪灾、冰雹、连阴雨、雪灾、寒潮和强降温、低温冻害、大风沙尘暴、虫灾、鼠灾、地质灾害等自然灾害产生的时间地点及所造成的后果。 青海省地处青藏高原东北部，总面积72 万平方千米。境内河流纵横，冰川广布，湖泊众多，因中华民族的两条母亲河长江、黄河及著名国际河流澜沧江发源于此而素有"中华水塔"之称;全省有可利用草地33.5 万平方千米，天然草场面积仅次于内蒙古、西藏和新疆而居全国第四位，草场类型多样，草地资源十分丰富，拥有青藏高原独特气候条件下生长发育的、并对高原生态环境特征具有较强代表性的维管束植物113 科、564 属、2100 种左右。青海省作为青藏高原的主体部分，是我国生物物种形成、演化的中心之一，也是国际科技界瞩目的研究气候和生态环境变化的敏感区和脆弱带。青海境内地形、地貌复杂，高山、谷地、盆地交错，多年积雪、冰川、戈壁、沙漠、草原等广有分布。复杂的地形条件，高峻的海拔高度和严酷的气候条件决定了青海是一个气象灾害十分频繁的省份。其主要的气象灾害有干旱、洪灾、冰雹、连阴雨、雪灾、寒潮和强降温、低温冻害、大风沙尘暴等。 数据摘录自《中国气象灾害大典·青海卷》，属于人工录入总结校对。
青海省统计局
基于MODIS 2000年至2018年生长季平均的NDVI（空间分辨率250m），利用Mann-Kendall趋势检测方法，计算了NDVI的变化趋势。对三江源国家公园的三个园区都进行了计算(CJYYQ：长江源园区；HHYYQ：黄河源园区；LCJYYQ：澜沧江源园区)。CJYYQ_NDVI_trend_2000_2018_ok.tif：长江源园区NDVI变化趋势。CJYYQ_NDVI_trend_2000_2018_ok_significant.tif：长江源园区NDVI变化趋势，剔除了不显著（p>0.05）的区域。CJYYQ_gs_avg_NDVI_2000.tif：长江源园区2000年生长季平均NDVI。单位为NDVI变化每年。
王旭峰
该数据集是中国科学院西北高原生物研究所在三江源国家公园野生动物多样性本底调查过程获得的野生动物分布位点信息。该数据集时间范围是2017年，调查范围是三江源国家公园，调查物种包括藏野驴（Equus kiang）、狼(Canis lupus)、赤狐(Vulpes vulpes)、马鹿(Cervus elaphus)、雀鹰(Accipiter nisus)、红腹红尾鸲(Phoenicurus erythrogastrus)、豹猫(Prionailurus bengalensis)、大鵟(Buteo hemilasius)、藏原羚(Procapra picticaudata)、藏雪鸡(Tetraogallus tibetanus)、高原山鹑(Perdix hodgsoniae)、猎隼(Falco cherrug)等多种珍稀野生动物。
张同作
本数据集包含三江源国家公园内各个县的社区情况统计表，具体内容包括： 表一包括：行政村个数、自然村个数、户数、人口数、农村劳动力人数、一二三产业总值、人均纯收入、家畜数量； 表二包括：人口民族组成（各名族人口数）、教育的相关统计（中小学个数及学生人数）、卫生相关的统计（医院、卫生室以及医护人员个数）、人口受教育水平的统计（不同教育程度的人数）； 表三包括：草地（草地总面积、可利用草场面积、中度以上退化面积、草原植被覆盖度）、林地（总面积、乔木林面积、灌木林面积和疏林地面积）、水域（总面积、河流面积、湖泊面积、冰川面积、雪山面积和湿地面积）。 总共设计四个县：玛多、曲麻莱、杂多和治多县。该数据来自政府部门的统计数据。
国家统计局
北极的两个区域是由北极监测和评估方案工作组和北极人类发展报告确定的。 AMAP北极的地理覆盖范围从高北极地区一直延伸到加拿大、丹麦王国(格陵兰和法罗群岛)、芬兰、冰岛、挪威、俄罗斯联邦、瑞典和美国的亚北极地区，包括相关海域。阿拉斯加北极包含所有《阿拉伯国家、加拿大北部60°N与魁北克省北部和拉布拉多,格陵兰岛,法罗群岛,和冰岛,北县的挪威、瑞典和芬兰。俄罗斯的局势很难用简单的语言来描述。 人口学家划定的区域包括:摩尔曼斯克大爆炸区、涅涅茨人、亚马朗涅茨人、泰梅尔和楚科塔自治州、科米共和国的沃库塔市、克拉斯诺亚尔斯基克雷的诺里尔斯克和伊戈尔卡，以及萨哈共和国边界最接近北极圈的地区。
Arctic Monitoring And Assessment Programme
本数据集为青藏高原黄河源区2015年逐像素年内最大植被覆盖度空间分布图，该区域的面积约为4.4万平方公里。此数据是基于2015年MODIS（空间分辨率250米） 和Landsat-8 OLI（空间分辨率30米）植被生长季（5月初-9月末）的时间序列影像，并利用最大值合成方法、像元二分模型和时间插值等方式获得。植被覆盖度空间分布图的空间分辨率为30米，采用WGS 1984 UTM 投影，数据格式为grid格式。
王广军
青藏高原作为亚洲“水塔”为亚洲主要河流提供水资源。由生物质和化石燃料燃烧排放的BC气溶胶对辐射具有极强的吸收作用，进而对地球系统的能量收支和分布具有重要的影响，是气候环境变化不可忽视的影响因子。青藏高原周边地区排放的黑碳气溶胶经大气环流可被传输至高原内部，并沉降到雪冰表面，对降水和冰川物质平衡产生重要影响。分别在青藏高原5个台站架设黑碳仪，在线测量大气黑碳含量。这对评估黑碳对青藏高原的气候环境影响和大气污染物的跨境传输提供数据基础。
王茉
本数据集包括了青藏高原祁连山地区自从1980年到2013年以来的逐月的地表平均温度数据。本数据集来源于欧洲中期天气预报中心的第三代ERA-Interim再分析资料，该数据集采用四维变分分析，结合卫星数据误差校正等技术，实现了再分析资料的质量提升。数据集的空间分辨率为0.125°。本数据集是祁连山地区过去30多年以来地表温度网格数据集，可为祁连山地区的气候变化、生态系统发展演替及相关地球系统模型的研究提供数据基础。
吴晓东
青藏高原在中国境内的部分涉及西藏、青海、新疆、云南、甘肃、四川六个省份，包括了西藏、青海全境，以及新疆、云南、甘肃、四川的部分地区。水土资源匹配研究旨在揭示一定区域尺度水资源和土地资源时空分配的均衡状况与丰缺程度。区域水资源与耕地资源分配的一致性水平越高，其匹配程度就越高，农业生产的基础条件就越优越。采用单位耕地面积的广义农业水资源量测度方法来反映研究区农业生产的水资源供给量和耕地资源空间适宜性的量比关系。 数据集的Excel文件中包含青藏高原在中国境内的市级行政区2008-2015年的广义农业水土资源匹配系数数据，矢量数据为2004年青藏高原在中国境内的市级行政区矢量边界数据，栅格数据像元值即所在地区当年广义农业水土资源匹配系数。
董前进, 董凌霄
采用WRF模式制备的青藏高原近地表大气驱动和地表状态数据集，时间范围：2000-2010，空间范围：25-40 ºN，75-105 ºE，时间分辨率：逐时，空间分辨率：10 km，格点数为150*300。 总计有33个变量，其中包含的近地表大气变量11个： 地面上2m高度的温度、 地面上2m高度的比湿、地面气压、地面上10m风场的纬向分量、地面上10m风场的经向分量、固体降水比例、累积的积云对流降水、累积的格点降水、地表处的向下短波辐射通量、地表处的向下长波辐射通量、累计的潜在蒸发。 包含的地表状态变量有19个：各层土壤温度、各层土壤湿度、 各层土壤液态水含量、雪相态改变的热通量、土壤底部温度、地表径流、地下径流、植被比例、地面热通量、雪水当量、实际雪厚、雪密度、冠层中的水、地表温度、反照率、背景反照率、更低边界处的土壤温度、地表面处向上的热量通量（感热通量）、地表面处向上的水量通量（感热通量）。 其他变量3个：经度、纬度和行星边界层高度。
潘小多
中亚地区荒漠化（土地沙化、盐渍化和植被退化）专题数据主要包括：中亚地区沙化土地分布图、中亚地区盐渍化土地分布图和中亚地区土地植被退化分布图，空间分辨率为1km，时间分辨率为年。中亚地区盐渍化土地分布图将盐渍化土地分为了轻度、中度、重度和极重度盐渍化土地四类。中亚地区土地植被退化分布图将植被退化状况分为了显著改善、轻微改善、稳定或无植被、轻微退化和显著退化五类。数据由中国科学院新疆生态与地理研究所遥感与GIS重点实验室生产，生产费用由“中国科学院战略性先导科技专项XDA20030101资助”。
许文强
Koppen Geiger 气候类型地图为Rubel（2017）降尺度后的高分辨率格点数据集，提供了两个数据子集：一个数据Netcdf文件和一个用于单独可视化的NCL代码。数据集代表了1986-2010年的气候类型分布，分辨率为5弧分（1/12度，约10km）。 使用Rubel等人（2017）发展的降尺度算法，重新分析的Köppen-Geiger气候类型数据得到了5弧分的高分辨率版本。它代表了最近的25年气候类型的分布。 此外，颜色表针对更高的分辨率进行了优化，导致地图外观略有不同。
何永利
中亚-西亚地区资源环境基础地理数据集主要包括6部分：中亚-西亚地区行政区划图、地形地貌图、水系图、年累积降水图、年平均温度图和潜在蒸散发分布图。其中行政区划图为最新的国家边界数据，地形地貌图DEM分辨率为90米，水系图为最新的一级河流矢量数据。年累积降水图和年平均温度图中降水和温度数据由长时间序列的站点数据插值得到，而潜在蒸散发分布图中的潜在蒸散数据是基于Penman-Monteith公式计算得到，降水、温度和潜在蒸散数据均由原始0.5°的CRU数据基于ArcGIS软件的双线性插值方法重采样为0.25°得到，且数据集经过严格的质量控制和一致性检查，相关研究(Deng and Chen, 2017; Li et al., 2017; Li et al., 2016)表明该数据集在中西亚地区对气候相关研究具有很好的适用性。数据由中国科学院新疆生态与地理研究所遥感与GIS重点实验室生产，生产费用由“中国科学院战略性先导科技专项XDA20030101资助”。
许文强
中亚-西亚地区典型流域荒漠化关键要素数据集由4部分组成，分别是阿姆河流域农用地分布及变化、阿姆河流域草地分布及变化、阿姆河流域灌丛分布及变化和阿姆河流域森林分布及变化，数据空间分辨率为30m。由中国科学院新疆生态与地理研究所遥感与GIS重点实验室生产，数据生产费用由“中国科学院战略性先导科技专项XDA20030101资助”。阿姆河流域荒漠化关键要素数据集由1990年、2000年和、2010年三期数据组成，是基于TM/ETM遥感影像解译获得。
许文强
1) 数据内容（包含的要素及意义）: 大气柱总含水量/可降水量、 儒略日Julian Day、经纬度和海拔高度； 2) 数据来源及加工方法: ECMWF-interm逐月再分析资料集 monthly mean analysis； 3) 数据质量描述：时间分辨率为逐月，空间分辨率：0.7°*0.7°； 4) 数据应用成果及前景：数据集给出了高原空中大气水资源的空间情况，用于分析高原空中水汽的时空变化及对周边地区降水的影响。
阎虹如
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
张弛
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
何永利
青藏高原逐日无云MODIS积雪面积比例数据集（2000-2015）是在MODIS逐日积雪产品—MOD10A1的基础上，采用一种基于三次样条函数插值的去云算法进行去云处理后得到。 该数据集采用UTM（横轴等角割圆柱）投影方式，空间分辨率500m，提供逐日的青藏高原地区积雪面积比例（Fractional Snow Cover-FSC）结果。数据集为逐日文件，从2000年2月24日到2015年12月31日。每个文件为当日的积雪面积比例结果，数值为0-100（%），为ENVI标准文件，命名规则为：YYYYddd_FSC_0.5km.img，其中YYYY代表年，ddd代表儒略日（001-365/366）。文件可直接用ENVI或者ARCMAP等软件打开察看。 进行去云处理的原始MODIS积雪数据产品来源于由美国国家雪冰数据中心（NSIDC）处理的MOD10A1产品，这一数据集为hdf格式，采用sinusoidal投影。 青藏高原逐日无云MODIS积雪面积比例数据集（2000-2015）属性由该数据集的时空分辨率、投影信息、数据格式组成。 时空分辨率：时间分辨率为逐日，空间分辨率为500m，经度范围为72.8°～106.3°E，纬度为25.0°～40.9°N。 投影信息：UTM（横轴等角割圆柱）投影。 数据格式：ENVI标准格式。文件命名规则：“YYYYddd”+“_FSC_0.5km”+“.img”，其中YYYY代表年，ddd代表儒略日（001-365/366），其中“.img”是为了方便在ARCMAP等软件打开察看而添加的文件后缀。例如2000055_FSC_0.5km.img代表2000年第55天的结果。其中该数据集的ENVI文件是由头文件和主体内容构成。头文件包括行数、列数、波段数、文件类型、数据类型、数据记录格式、和投影信息等；以2000055_FSC_0.5km.img 文件为例，其头文件信息如下： ENVI description = { ENVI File, Created [Sat Apr 27 18:40:03 2013]} samples = 5760 lines = 3300 bands = 1 header offset = 0 file type = ENVI Standard data type = 1 ：代表byte型 interleave = bsq ：数据记录格式为BSQ sensor type = Unknown byte order = 0 map info = {UTM, 1.500, 1.500, -711320.359, 4526650.881, 5.0000000000e+002, 5.0000000000e+002, 45, North, WGS-84, units=Meters} coordinate system string = {PROJCS["UTM_Zone_45N",GEOGCS["GCS_WGS_1984",DATUM["D_WGS_1984",SPHEROID["WGS_1984",6378137.0,298.257223563]],PRIMEM["Greenwich",0.0],UNIT["Degree",0.0174532925199433]],PROJECTION["Transverse_Mercator"],PARAMETER["False_Easting",500000.0],PARAMETER["False_Northing",0.0],PARAMETER["Central_Meridian",87.0],PARAMETER["Scale_Factor",0.9996],PARAMETER["Latitude_Of_Origin",0.0],UNIT["Meter",1.0]]} wavelength units = Unknown，band names = {2000055}
唐志光, 王建
本数据集包含自1951年1月至2006年12月，青藏高原地区历年各季度和历年各月份的温度距平序列。依照气候距平法（CAM），基于《中国均一化历史气温数据集（1951-2004）1.0版》与2005-2006逐日平均气温资料，对青藏高原及其邻近区域共123个站点的逐月平均气温网格化，进而以面积加权法建立了高原1951-2006年逐月平均气温距平序列。其中，为最大限度地利用观测资料，着重探讨了利用参考站订正短序列气温资料气候标准值的方法。参考文献：任雨，张雪芹，彭莉莉.青藏高原1951-2006年气温距平序列的建立与分析.高原气象,2010. 《中国均一化历史气温数据集（1951-2004）1.0版》与2005-2006逐日平均气温资料，符合相关国家标准。 年各月温度距平数据表共有五个字段 字段1：年 字段2：月份 字段3：网格数 参加计算的网格数 字段4：站点数 参加计算的站点数 字段5：月温度距平 单位 ℃ 历年及各季温度距平数据表共有五个字段 字段1：年 字段2：季度 字段3：网格数 参加计算的网格数 字段4：站点数 解释：参加计算的站点数 字段5：温距平 ℃ 其中，季度字段中 1. 如果为空值，表示为年温度距平 2. DJF：冬季（上年12月至当年2月）温度距平值 ℃ 3. MAM：春季（3-5月）温度距平值 ℃ 4. JJA：夏季（6-8月）温度距平值 ℃ 5. SON：秋季（9-11月）温度距平值 ℃ 数据精度：月均温距平到小数点后三位，年均温与季均温距平到小数点后两位。
刘林山
土壤是岩石经过风化作用形成的不同大小的矿物颗粒。土壤不仅仅为作物提供养分和水分,同时也对各种养分有转化作用。此外，土壤还有自净功能，可以改良有机物含量、土壤温湿度、pH值、阴阳离子。而土壤污染导致几个方面的环境问题：工业污水, .酸雨, 尾气排放, 堆积物, 农业污染。土地受到污染后，含重金属浓度较高的污染表土容易在风力和水力的作用下分别进入到大气和水体中，导致大气污染、地表水污染、地下水污染和生态系统退化等其他次生生态环境问题。该数据集来源于联合国粮农组织（FAO）和维也纳国际应用系统研究所(IIASA)所构建的世界土壤数据库(Harmonized World Soil Database version 1.1 )(HWSD)，该数据为建模者提供模型输入参数，同时为生态农业分区,粮食安全和气候变化等研究提供依据。
联合国粮农组织（FAO）
数据包含青藏高原地区的土壤有机质数据，空间分辨率为1km*1km，时间覆盖范围为1979-1985年。数据来源是基于第二次土壤普查数据生成的土壤碳含量。土壤有机质主要来源于植物、动物及微生物残体，其中高等植物为主要来源。原始土壤中最早出现在母质中的有机体是微生物。随着生物的进化和成土过程的发展，动物、植物残体及其分泌物就成为土壤有机质的基本来源。数据对于分析青藏高原的生态环境以及衡量区域土壤特征具有重要意义。
方华军
泛第三极地区地震活动强烈，其地震活动的动力来源于印度板块、阿拉伯板块与欧亚板块的俯冲碰撞。在泛第三极地区（北纬0-56度，东经43-139度）1960年以来发生M≥6级地震3809次，其中M≥8级地震59次，M=7.0-7.9级地震689次， M=6.0-6.9级地震3061次。地震主要发生在印度板块与欧亚板块的碰撞边界印缅山脉、喜马拉雅山脉 、苏来曼山脉的山麓地区，以及阿拉伯板块与欧亚板块碰撞的扎格罗斯山脉地区。
王继
该数据集记录了中亚五国1991-2017年总的社会人口统计数据。其中人口指标包括年终人口数量、预计人口寿命、总出生率（1000人）、总死亡率（1000人）、婴儿死亡率、母亲死亡率、总的结婚率、总的离婚率、所有人流的迁移差额、医疗机构的数量、医院床位数（千）、学龄前机构的数量（个）、幼儿园上学学生数量（千）、中学数量、中学生数量（千）、大学数量、大学生数量、高等学校数量、高等学校学生数。数据来源中亚五国统计年鉴。
黄金川, 马海涛
光合有效辐射吸收系数光合有效辐射分量是重要的生物物理参数，是生态系统功能模型、作物生长模型、净初级生产力模型、大气模型、生物地球化学模型、生态模型等的重要陆地特征参量，是估算植被生物量的理想参数。 数据集包含青藏高原地区的光合有效辐射吸收系数数据，空间分辨率为500m，时间分辨率为8d，时间覆盖范围为2000年、2005年、2010年、2015年。数据来源为NASA网站MODIS LAI/FPAR产品数据MOD15A2H(C6)。 数据对于分析青藏高原的植被生态环境有重要意义。
方华军, Ranga Myneni
中亚地区2017年输沙势数据集，为tif格式。其空间范围涵盖里海在内的中亚五国地区，包括乌兹别克斯坦、哈萨克斯坦、土库曼斯坦、塔吉克斯坦和吉尔吉斯坦。此输沙势为绝对输势，即各个方向的输沙通量的综合，不考虑输沙势的方向。该数据由GLDAS全球三小时同化数据提取计算获得。时间分辨率为月，空间分辨率为0.25°，时间范围为2017年。该数据可以作为沙尘传输模型的重要参数输入，也可用于评估中亚五国沙通量的总体分布情况。该数据集可作为风沙灾害评估的重要参考数据。
高鑫
采用实地调查的方法，收集了青藏高原藏北那曲、东部若尔盖高原、风火山2015-2017年植被地上地下生物量及土壤碳氮数据，并对数据进行整理和初步分析。数据集主要包括不同增温梯度、不同海拔梯度（亚高山草甸、高山草甸、高山灌丛草甸）、不同水分梯度（沼泽湿地、退化沼泽、沼泽草甸、湿草甸、干草甸、退化草甸）和不同沙化程度（轻度沙化、中度沙化、重度沙化、完全沙化）下的高寒地区植被地上和地下生物量以及土壤碳含量。综合分析了以上不同梯度下植被生物量和土壤碳氮含量的差异和变化趋势。该数据集为了解及合理利用草地资源提供理论依据，也为探讨全球气候变化背景下高寒草地生产力预测提供有力支持。
张宪洲, 张扬建, 苏培玺, 杨燕
径流是大气降水形成的，并通过流域内不同路径进入河流、湖泊或海洋的水流。习惯上也表示一定时段内通过河流某一断面的水量，即径流量。径流数据在水文水资源研究中占据着重要的地位，影响中亚当地社会经济的发展。本数据为中亚五国（哈萨克斯坦、吉尔吉斯斯坦、塔吉克斯坦、乌兹别克斯坦和土库曼斯坦）流量，来源于中亚各国水文气象局。时间尺度为2015年的年均数据。本数据为项目提供了基础数据，便于分析中亚生态水文水资源的情况，为项目数据分析提供了数据支持。
刘铁
本数据集为青藏高原土壤持久性有机污染物（POPs）的浓度数据,包括有机氯农药（OCPs）、多氯联苯（PCBs）、多溴联苯醚（PBDEs）和多环芳烃（PAHs)。本研究于 2007 年在 8 个土壤分区共采集土壤样品 40个。土壤样品主要在远离道路、居民区、农田等受人类活动影响的地区采集。采样方法是：利用不锈钢铲采集 0-5cm 表层土壤样品，在每个采样点 100 m2范围内各采集 5 个土壤样品（中心和每个角各一个样品）并混合成为一个样品。为减少可能的污染，所有土壤样品都用两层铝箔纸包裹，并放置于两层自封袋内密封保存。所有样品的分析工作均在中国科学院青藏高原环境变化与地表过程重点实验室完成。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。分析测试仪器为热电公司生产的气相色谱/离子阱质谱（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）。实验过程中设置了实验流程空白。所有化合物实验室空白都没有检测到，这说明样品的分析过程中并没有造成污染。PAHs实验室样品的回收率在58-92%之间，OCPs的实验室样品的回收率在53-130%之间，样品浓度未使用回收率进行校正。
王小萍
中亚地区植被覆盖度数据，数据格式为“.tif”的栅格数据集。范围包含了里海在内的中亚五国地区。该数据由MODIS-NDVI数据集，根据干旱区植被盖度与NDVI之间的经验关系计算得到。该数据空间分辨率为500m，时间分辨率为16天，时间范围为2017年1月1日至2017年12月18日，其坐标系统为大地坐标系统。该数据集可为中亚地区沙漠油气田与绿洲城镇风沙灾害评估提供数据基础。该数据由中国科学院新疆生态与地理研究所提供。
高鑫
在众多反映气候环境变化的指标中，冰芯稳定同位素指标是冰芯记录研究中必不可少的参数，是恢复过去气候变化最可靠的手段和最有效的途径之一。冰芯积累量是冰川上降水量的直接记录，而且高分辨率冰芯记录保证了降水记录的连续性。因此，冰芯记录提供了一种恢复降水量变化的有效手段。从青藏高原钻取的冰芯同位素和积累量可用来重建温度和降水变化，是很好的气候环境记录。本数据集提供了青藏高原冰芯同位素和积累量数据，为研究青藏高原的气候变化提供数据支撑。
徐柏青
中亚地区粗糙度数据，数据格式为“.tif”的栅格数据集。范围包含了里海在内的中亚五国地区。该数据由MODIS-NDVI数据集，根据地表植被覆盖度与地表中值粒径计算得到。该数据空间分辨率为500m，时间分辨率为16天，时间范围为2017年1月1日至2017年12月18日，其坐标系统为大地坐标系统。该数据集可为中亚地区沙漠油气田与绿洲城镇风沙灾害评估提供数据基础。该数据由中国科学院新疆生态与地理研究所提供。
高鑫
1:10万黑河流域植被图，区域范围以黄委会黑河边界为准，面积约为14.29×104km2，数据格式为GIS矢量格式，本版本为3.0版。该数据以地面观察数据为主、综合各类遥感数据、1：100万植被图、气候、地形、地貌、土壤数据制图，并进行交叉验证编制而成。采用《中华人民共和国植被图 (1:1,000,000), 2007》的分类标准、图例单位和系统，包括植被型组、植被型、群系、亚群系四个单位。新版主要是对新群系代码进行了统一（共74个代码，区分群系和亚群系）。将2.0版本的9个植被型组，22个植被型，74个群系（亚群系）改为9个植被型组，22个植被型，67个群系（7个亚群系）。 数据包含2.0版本和3.0版本。
郑元润, 周继华
青藏高原地区属于高原山地气候，气温及其季节变化一直是全球气候变化研究的热点之一。 数据包含青藏高原地区的气温数据，空间分辨率为1km*1km，时间分辨率为月、年，时间覆盖范围为2000年、2005年、2010年、2015年。数据通过对青藏高原地区国家气象站数据进行Kring插值得到。 数据可用于分析青藏高原的气温的时间空间分布情况，此外数据还可用于分析青藏高原的气温随时间变化的规律，对青藏高原的生态环境研究有重要意义。
方华军
数据包含青藏高原地区的夜间灯光数据，空间分辨率为1km*1km，时间分辨率为5年，时间覆盖范围为2000年、2005年、2010年。数据来自Version 4 DMSP-OLS产品，DMSP/OLS传感器独辟蹊径，采集的是夜间灯光、火光等产生的辐射信号。DMSP/OLS传感器在夜间工作，能探测到城市灯光甚至小规模居民地、车流等发出的低强度灯光，并使之区别于黑暗的乡村背景。因此，DMSP/OLS夜间灯光影像可作为人类活动的表征，成为了人类活动监测研究的良好数据源。
方华军
中亚野外气象站观测数据集包括中亚10个野外气象站气温、降水、风向风速、相对湿度、气压、辐射、土壤热通量、日照时间和土壤温度等实地观测数据。10个野外站涵盖农田、森林、草地、沙漠、荒漠、湿地、高原、山地等不同生态系统类型。本数据集由地面气象观测站收集到的气象原始数据经筛查和审核后，进行格式转换后获得。数据质量良好。中亚地区气候类型多样，生态环境脆弱，气象灾害频繁，本数据集的建立对于开展长期的中亚生态环境监测、防灾减灾、中亚地区气候变化与生态环境等领域的研究提供了数据支撑，目前已经在中亚生态环境监测研究中获得了应用。
李耀明
1、数据内容：气温、相对湿度、降水、气压、风速、平均总辐射、总净辐射值及水汽压日平均数据。 2、数据来源及加工方法：由美国campel高山型自动气象站观测，其中空气温湿度传感器型号HMP155A；风速风向仪型号：05103-45；净辐射仪：CNR 4 Net Radiometer four component；大气压力传感器：CS106；雨量筒：TE525MM。自动气象站每隔10分钟自动采集一次数据，每日采集完自动统计计算得出日均值气象数据。 3、数据质量描述：数据自动连续获取。 4、数据应用成果及前景：该气象站设置在冰川中部，气象数据可为模拟预测未来气候变化背景下海洋型冰川变化对全球气候变化的响应研究提供了数据保证。
刘婧
中亚五国1980-2015年农业水资源供需和开发利用数据集，来源全球陆面数据同化系统，分别包括基于Noah、Mosaic和VIC模型输出的降水、蒸发和径流数据。该数据集时间和空间分辨率高，具有较好的数据精度，在全球尺度和区域尺度研究中应用广泛。Noah、Mosaic和VIC模型的降水、蒸发和径流模拟结果在空间分布上的表现较为一致。可用于中亚地区水资源时空变化特征、农业水资源供需关系分析和水资源开发潜力评估等。
张永勇
1)数据内容：数据包括老虎沟12号冰川2014-2018年年物质平衡；2）数据来源及处理方法：数据源于老虎沟12号冰川海拔每隔100m的花杆观测，观测从海拔5300-5100m，每隔海拔带有三根物质平衡花杆，每年5月及9月各观测一次，采用面积平均法计算整个冰川面物质平衡；3）数据质量描述：数据均为人工实地观测，且操作方法严格按照冰川学方法，具有高的可靠性；4）数据应用成果及前景，该数据已被多次用于冰川模拟的验证以及模型参数的率定，对大尺度冰川模拟的参数率定和验证具有很好的利用价值。
刘宇硕
青藏高原生态资产评估遥感反演基础数据集包括了青藏高原自2000年起年度的植被覆盖度(FVC)，净初级生产力(NPP)和叶面积指数(LAI)等基于遥感反演的生态参数，以供区域尺度生态资产评估研究使用。其中植被覆盖度数据以MODIS NDVI数据为主体，基于像元二分模型，利用多尺度遥感影像，结合植被群落类型、分布特征等高精度遥感参数，发展植被覆盖度模型，用混合像元分解法构建。精度验证估测值与实测值的RMSE为0.21，在样本值0-0.5之间均存在一定的高估情况。
刘文俊
中亚五国2000-2015年农业水土资源现状数据，来源于联合国粮食及农业组织的粮食统计资料数据库，主要要素包括：水资源、气温、土壤、施肥管理、生物燃量、水稻种植以及耕地、林地、草地等土地利用信息。可用于支撑中亚地区农业水资源供需态势分析、土地资源类型及空间分布格局研究、农业用地格局变化特征研究、土地资源开发利用程度评估和土地资源质量评估等。有助于了解中亚地区农业土地资源开发的潜力，保障中亚地区农业生产安全。
李发东
钻孔位置在加格达奇向北约7km附近（50.47°N, 124.23°E)一个湿地里面,地表泥炭土层较厚约80cm。 钻孔直径为40mm，深度为20~60 m的钻孔，利用冻土工程国家重点实验室研制的热敏电阻（精度±0.05℃）对中俄原油管道沿线冻土地温进行监测，获取地层信息、冻土地温、地表温度、活动层厚度等关键冻土特征参数。测温孔有三个，一个是管道附近T1（距离一线管中心2m），一个是天然孔T2（距离一线管中心约16.6m），第三个孔T3，距离管道二线约50m。2014年10月~2017年10月期间，T1和T2进行每年一次的人工监测。T3从2018年6月12日开始连续自动化监测。至此，三个孔得到连续时间序列的地温数据。通过该地温监测资料可分析中俄原油管道沿线多年冻土的发育特征、历史演化趋势及其对气候变化的响应过程。
李国玉
中亚沙漠油气田分布城镇分布数据，数据格式为“.shp”格式矢量数据。包括了中亚五国油气田及主要城镇居民点的分布。该数据由MODIS-MCD12Q产品提取裁切而成，该产品空间分辨率为500 m，时间分辨率为1年，其分类标准采用的是IGBP全球植被分类方案，该方案共分为17种土地覆被类型，其中城镇数据利用该分类方案中的建筑与城镇用地。该数据可为中亚地区沙漠油气田与绿城城镇风沙灾害评估和防治提供数据支撑。
高鑫
活动层是多年冻土的主要特征之一，暖季融化，冷季冻结，呈季节性变化，其中活动层地温变化剧烈程度将直接影响冻土温度的变化，从而影响冻土稳定性。该数据集的监测站点位于92°E，35°N，海拔4600米，监测场地地势平坦，植被类型为高寒草甸，监测仪器为DT500系列数据采集仪，分别在地表以下10cm、20cm、40cm、80cm、160cm的5个深度上进行地温监测，该数据集的时间间隔为1天，是通过30分钟一次的数据的平均值，监测期间数据稳定、连续。通过结合土壤热通量和土壤水分等资料开展活动层的热变化过程以及变化机理等科学课题
陈继
青藏高原作为亚洲“水塔”为亚洲主要河流提供水资源。由生物质和化石燃料燃烧排放的黑碳（Black carbon，BC）气溶胶对辐射具有极强的吸收作用，进而对地球系统的能量收支和分布具有重要的影响，是气候环境变化不可忽视的影响因子。青藏高原周边地区排放的黑碳气溶胶经大气环流可被传输至高原内部，并沉降到雪冰表面，对降水和冰川物质平衡产生重要影响。在青藏高原通过钻取冰芯样品、采集表雪样品，测量其中的黑碳含量，恢复历史记录和空间分布，为对评估黑碳对青藏高原的气候环境影响和大气污染物的跨境传输提供数据基础。
徐柏青
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05000491号 | All Rights Reserved
｜ 
京公网安备11010502040845号
数据中心技术支持: 数云软件
