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。

近年来，来源于微生物细胞膜脂的支链甘油二烷基甘油四醚（brGDGTs）对环境参数（温度和pH等）敏感，被广泛用于古环境的定量重建当中。作者利用青藏高原湖泊表层沉积物，结合国内已发表的其他湖泊表层沉积物中的brGDGTs重新建立brGDGT与大气温度的转换方程。通过收集达则错湖泊全年的悬浮物并进行brGDGTs分析，重建湖水中brGDGTs在不同层位的含量变化。结合现代观测结果以及新的校正方程，利用夏达错湖泊沉积物中brGDGT的结果，重建青藏高原西部过去2000年的大气温度变化，这一结果为高原未来利用brGDGTs重建温度提供重要的理论参考。

该数据集记录了1988年，2012年度青海省海东地区草地类型面积、载畜量统计数据，数据按照草地类组型代号分类统计，如：Ⅰ代表高寒干草原类、Ⅱ代表山地干草原类、Ⅲ代表高寒荒漠类、B代表中禾草组、J代表灌木组等，具体的草地组类型代号及其对应的含义见数据集中的“青海省草地类组型代号说明.pdf”。数据整理自青海省草原总站与1988年和2012年发布的《青海省草地资源统计册》。数据集包含3个数据表，分别为：海东地区各类型草地面积、载畜量统计数据（1988），海东地区草地类型面积、载畜量统计数据（2012）和青海省草地类组型代号说明。数据表结构相似。例如海东地区草地类型面积、载畜量统计数据（2012）表共有8个字段： 字段1：类型代号 字段2：草地类型名称 字段3：草地面积 字段4：草地可利用面积 字段5：平均单产鲜草 字段6：平均单产可食鲜草 字段7：载畜量 字段8：草地型等

数据包括青藏高原江错湖泊氧同位素数据和岩心年代数据，第一列：年龄，第二列：氧同位素值；该数据记录了过去84-2015年氧同位素变化。

本数据集为全球高精度高程控制点数据集，包含各个高程控制点地理定位，高程，采集时间等信息。 从卫星激光测高数据中提取的激光足印高程的精度受到许多因素的影响，如大气、有效载荷仪器噪声、激光足迹中的地形起伏等，导致精度不确定。该数据集通过评估标签和测距误差模型所构建的筛选准则对ICESat卫星从2003年到2009年的测高观测数据进行筛选提取，以期地形测图或依赖良好高程信息的其他科学领域提供高精度的全球高程控制点。经验证，平地（坡度<2°）、丘陵（2°≤坡度<6°）、山地（6°≤坡度<25°）区域的高程精度分别满足0.5m、1.5m、3m的精度要求。

在地球大数据科学工程专项时空三极环境项目第一课题“三极大数据共享与集成” (XDA19070100)资助下，中国科学院西北生态环境资源研究院车涛课题组利用机器学习方法结合多源雪深产品数据、环境因子变量及地面观测雪深数据等制备了北半球长时间序列逐日雪深数据集。 首先将人工神经网络、支持向量机和随机森林方法在积雪深度融合的适用性进行对比研究，发现随机森林方法在雪深数据融合上表现出较强优势。其次，利用随机森林方法，结合AMSR-E，AMSR2，NHSD和GlobSnow等遥感雪深产品及ERA-Interim和MERRA2等再分析资料格网雪深产品和环境因子变量等作为模型的输入自变量，用中国气象台站数据（945）、俄罗斯气象台站（620）、俄罗斯积雪调查数据（514）和全球历史气象网络逐日数据（41261）等43340个地面观测站点的雪深数据作为参考真值对模型训练与验证，在专项“地球大数据科学工程”提供的云平台上制备1980~2019年积雪水文年（上一年9月1日至本年度5月31日）的逐日格网雪深数据集。由于1980~1987年微波亮温数据为隔日数据，所以这段时间的数据会出现少量条带缺失现象。利用全球积雪模型对比计划及独立的地面观测数据进行验证，融合数据集的质量在整体上有所提升。利用地面观测数据及融合前的雪深产品对比来看，融合数据的决定系数（R2）从6种融合前产品中最高的0.23（GlobSnow雪深产品）提升至0.81，而相应的均方根误差（RMSE）和平均绝对误差（MAE）也减小至7.7 cm 和2.7 cm。

本数据集由东亚季风区中国祁连山地区树木年轮碳氧数据组成。祁连山地区树轮包括4棵树芯，树种为祁连圆柏，测定的同位素数据为921个。树轮原木经过化学处理提取纤维素，所得纤维素样品包裹在银杯中，在用DELTA V Advantage稳定同位素质谱仪上测定同位素比值，分析误差小于0.21‰。实验分析在中国科学院地质与地球物理研究所土壤结构与矿物实验室完成。该数据对对东亚季风区古气候方面的研究具有一定的意义。

本数据集由东亚季风区中国祁连山地区树木年轮宽度数据组成。祁连山地区树轮包括52棵树芯，树种为祁连圆柏，测定的宽度数据为17081个，测量精度为0.01mm。树轮的宽度测量使用LINTAB 6树木年轮分析仪测量，并使用COFFCHA程序对交叉定年进行检验，以保证对所有树芯样本的量测和定年都准确无误。实验分析在中国科学院地质与地球物理研究所土壤结构与矿物实验室完成。该数据对对东亚季风边缘区的古气候方面的研究具有一定的意义。

格拉丹东地区是青藏高原重要的、典型的大江大湖源区。本数据集提供了不同时间尺度，不同分辨率的，覆盖长江和色林错源区冰川的DEM，用以计算源区冰川表面高程的季节变化和年代际变化。数据集包括了2016-2017年7景不同月份5米分辨率的TanDEM-X数据，可用以冰川表面高程的季节性变化计算；包括了1景1976年30米分辨率的KH-9 DEM，5景2011年30米分辨率的TanDEM-X，1景2014年和3景2017年30米分辨率的TanDEM-X，可用以计算1976-2000，2000-2011，2011-2017年期间冰川表面高程变化。同时采用Landsat ETM数据勾画，并按照RGI6.0分割了1976年的冰川轮廓数据；右图显示了该数据集的空间和时间覆盖信息，底图为正射校正后KH-9影像。

冰盖的表面高程对气候变化非常敏感，因此冰盖的高程变化被认为是评估气候变化的一个重要变量。长期的冰盖表面高程变化的时间序列是对理解气候变化有着重要作用的基础数据。将微波雷达卫星测高的观测数据连接起来可以建立目前最长的冰盖表面高程时间序列。但是，已有的任务间偏差改正方法在交叉标定不同的观测任务时仍然有误差残留。我们通过对常用的平面拟合模型进行修改，通过任务间偏差和升降轨道偏差的同时约束改正来确保不同任务间表面高程时间序列的自洽和连贯。基于这种方法，我们使用Envisat和CryoSat-2数据构建了2002-2019年间的南极冰盖高程变化时间序列。该时间序列是月均的格网数据，格网的空间分辨率为5-km。使用机载和星载激光测高数据对结果评估发现，与传统的方法相比，该方法可以将任务间偏差改正的精度提高40%。使用解算得到的高程时间序列，结合由密实化模型得到的表面过程造成的冰盖体积变化，我们发现冰动力过程使得阿蒙森海沿岸区域的冰盖成为南极冰盖体积损失最大的区域，而表面过程则主导了托腾冰川、毛德皇后地、伊丽莎白公主地和别林斯高晋海沿岸等冰盖的体积变化过程。西南极的冰体积损失超过了东南的体积积累。在2002–2019期间，南极冰盖的体积以初始速率−68.7 ± 8.1 km3/yr，加速度−5.5 ± 0.9 km3/yr2加速损失。

冰盖的高程变化是冰动力过程和冰盖表面过程综合作用的结果，对气候变化敏感。长期的冰盖表面高程时间序列对研究冰盖的稳定性及其对全球气候变化的响应具有重要的科学价值。卫星测高数据为我们提供了大量的冰盖表面高程观测。但是单个卫星测高任务的寿命有限，要获得长时间的冰盖表面高程时间序列，需要将不同的卫星测高任务连接起来。我们使用一种新的平面最小二乘回归策略，在更完善地改正升轨道-降轨道偏差后，使用更大量的观测数据，有效地改正了任务间偏差的影响。同时，使用基于EOF重建方法插值方法对缺少观测值的网格进行插值以削弱插值误差的影响。最终，联合ERS-1、ERS-2、Envisat和CryoSat-2四个卫星测高任务的观测值，我们成功构建了1991-2020期间长达30年的格陵兰冰盖5公里格网分辨率的月均表面高程时间序列。随后，我们使用1993年以来的Operation IceBridge机载激光雷达测高数据以及ESA全球气候变化项目提供的格陵兰冰盖表面高程变化产品对该时间序列进行了验证。发现，我们的时间序列是可靠的。由其得到的冰盖表面高程变化的精度比ESA全球气候变化项目产品的精度和误差的离散度分别提高了19.3%和8.9%。受益于我们更精确的任务间偏差的改正，在Envisat和CryoSat-2两个测高任务连接的时期的冰盖表面高程变化的精度和误差的离散度提高的更多，分别达到30.9%和19.0%。基于该套数据，我们发现近30年来格陵兰冰盖的体积以初始速率-53.8 ± 4.5 km3/yr，加速度-2.2 ± 0.3 km3/yr2加速损失。同时，我们还发现北大西洋涛动的相位转换对格陵兰冰盖表面高程的变化有着显著的影响。此外，该数据还是评估格陵兰冰盖质量平衡及其对全球海平面的贡献和研究格陵兰冰盖对气候变化的响应过程与机制的重要基础数据。

新的北半球多年冻土图利用基于规则的GIS模型融合了新的多年冻土范围（Ran et al., 2021b）、气候条件、植被结构、土壤和地形条件以及富冰和富含有机质多年冻土图（yedoma）。与之前的多年冻土图不同，根据多年冻土与气候和生态系统的复杂交互作用，我们将北半球多年冻土分为五种类型：气候驱动型、气候驱动型/生态系统改造型、气候驱动型/生态系统保护型、生态系统驱动型和生态系统保护型。除去冰川和湖泊，北半球这五种类型的面积分别为3.66×106km2、8.06×106km2、0.62×106km2、5.79×106km2和1.63×106km2。北半球81%的多年冻土区受到生态系统的改造、驱动或保护，表明生态系统在北半球多年冻土稳定性中的主导作用。气候驱动的多年冻土只占北半球多年冻土区的19%，主要分布在高北极和高山地区，如青藏高原。