充分了解中国温带半干旱草地蒸散发的时空变化，可以提高我们对全球半干旱区气候、水文和生态过程的认识。本研究基于区域内13个站点的涡度相关系统观测数据，结合气象及遥感数据，利用机器学习方法(支持向量机)，生产了年限为1982-2015年，空间分辨率为1km，时间分辨率为8天的长序列中国温带半干旱草地蒸散发数据集。该数据集在站点实测数据的验证和流域水量平衡的对比中，均表现较好。(详细过程请参阅参考文献)

公里级、空间完整（无缝）的地表温度产品在全球变化等领域具有广泛的应用需求。基于遥感观测反演的地表温度具有较高的可信度，融合从热红外和微波观测反演的地表温度，是获取具有一定精度、空间完整地表温度的有效途径。基于这一指导思想，作者发展了反演中国区域1km、无缝地表温度的方法框架，并生成了相应的数据集（2002-2020）. 首先采用基于查找表的AMSR-E/AMSR2 地表温度反演算法反演得到AMSR-E/AMSR2 地表温度，之后采用地理加权回归对AMSR-E/AMSR2 地表温度进行降尺度，得到1km 地表温度，最后使用多尺度卡尔曼滤波融合AMSR-E/AMSR2 1km地表温度和MODIS地表温度，生成1km无缝地表温度数据集。 地面验证评价结果表明，该LST的均方根误差（RMSE）约为3K，空间分布于MODIS LST、CLDAS LST的一致性较好。

北美地下水变化数据集由每月地下水变化的三个数据产品组成：1）北美1度网格地下水变化及其趋势；2）在萨斯克彻温省、内华达州、加利福利亚州、亚利桑那州和德克萨斯州发现的5个地下水趋势异常的区域平均地下水变化及其趋势；3）在受这些异常影响的14个省份或州的区域平均地下水变化及其趋势（萨斯克彻温省、蒙大拿州、内华达州、加利福利亚州、亚利桑那州、新墨西哥州、德克萨斯州、俄克拉荷马州、堪萨斯州、艾伯塔省、北达科他州、明尼苏达州、科罗拉多州和吉娃娃州）。该数据集可为北美可持续地下水资源管理提供新的且有用的支撑。该数据集综合利用了GRACE release-6版本的二级产品、GNSS垂直速率数据、模拟土壤湿度和雪水当量的两个陆面模型（GLDAS 2.1的NOAH和VIC）和卫星测高获取的湖水面变化数据。特别是，不同于过去的研究，这里不利于冰川均衡调整（GIA）模型去除GIA效应，而采用GRACE 数据联合GNSS垂直速率分离GIA的途径（Wang et al., 2013）。在地下水趋势异常区，每月地下水变化估计与水井记录的水位变化有一致的趋势，在14个省州的每月地下水变化基本上与降水和干旱强度水平的变化趋势较一致。通过该数据集，我们发现在Saskatchewan有一个增加的地下水趋势异常，而在内华达州、加利福利亚州、亚利桑那州和德克萨斯州则分别发现4个减少的地下水趋势异常。由于没有利用GIA模型进行GIA改正，且结果与井水位数据和干旱强度具有一致的变化趋势，说明其可靠性。该数据集可用于北美地下水异常变化地区的水资源管理。

海冰表面的积雪控制着能量收支，影响海冰的生长和消融，具有重要的气候作用。积雪厚度作为积雪的重要属性之一，对于理解气候变化、估算海冰参量等具有重要意义。被动微波数据可以获取逐日半球尺度的积雪厚度观测数据，但是原先提出的估算方法会产生明显的低估，限制了该方法的进一步应用。我们构建了一个新的且鲁棒的线性回归公式，通过引入低频信号明显改进了被动微波反演积雪厚度的效果，并且基于AMSR-E，AMSR-2和SSMIS被动微波辐射计亮温数据，应用该方法生成了2002—2020年逐日南极海冰表面积雪厚度数据集。采用7年的机载Operation IceBridge (OIB) 飞行计划获取的积雪厚度测量数据进行回归分析，发现采用垂直极化下37和19 GHz的亮温计算得到的极化梯度率（gradient ratio, GR），即GR（37/7），是用于南极海冰表面积雪厚度估算的最优极化梯度率，均方根偏差约为8.92厘米，相关系数为-0.64，并获取了相应的线性回归公式系数。GR（37/19）用于基于SSMIS的积雪厚度估算，用来填补AMSR-E和AMSR-2之间的观测空白。不同辐射计估算的积雪厚度进行了一致性校正。基于高斯误差传递法估算的积雪厚平均不确定度约为3.81厘米，占积雪厚度的12%左右。与Australian Aantarctic Data Centre发布的实测数据对比发现提出的方法明显优于原有的方法，平均差异和均方根偏差约为5.64厘米和13.79厘米，而原有方法的平均差异和均方根偏差约为-14.47厘米和19.49厘米。与Antarctic Sea Ice Processes and Climate 计划发布的船载观测数据对比发现提出的方法略优于原有方法（均方根偏差分别为16.85厘米和17.61厘米），并且该方法在海冰生长期和融化期有着相似的精度，表明该方法也可以应用于消融季。基于该套数据，我们发现2002—2020年在南极所有海域和季节内海冰表面积雪厚度均呈现降低趋势。该数据可以进一步用于再分析数据的评估，海冰厚度估算和气候模式等方面。

地表温度（Land Surface Temperature，LST）是地表能量平衡研究的关键参数，被广泛用于气象、气候、水文、农业和生态等领域研究。卫星（热红外）遥感作为获取全球和区域尺度LST信息的重要手段，容易受到云层覆盖和其他大气条件的影响，导致LST遥感产品时空不连续，极大限制了LST遥感产品在相关研究领域的应用。 本数据集的制备首先基于经验正交函数插值方法，利用Terra/Aqua MODIS 地表温度产品重建理想晴空条件下的LST，然后使用累积分布函数匹配方法融合 ERA5-Land再分析数据获取全天候条件下的LST。该方法充分利用了原始MODIS遥感产品的时空信息以及再分析数据中的云影响信息，缓解了云层覆盖对LST估算的影响，最终重建得到较高质量的全球0.05°时空连续的理想晴空和全天候LST数据集。 本数据集不仅实现了时空无缝覆盖，并且具有良好的验证精度。重建的理想晴空LST数据在全球17种土地覆盖类型实验区内，平均相关系数（R）为0.971，偏差（Bias）为-0.001 K至0.049 K，均方根误差（RMSE）为1.436 K至2.688 K。重建的全天候 LST 数据与地面站点实测数据的验证结果：平均 R 为 0.895，Bias为0.025 K 至 2.599 K， RMSE为4.503 K至7.299 K。 本数据集的时间分辨率为逐日4次，空间分辨率为0.05°，时间跨度为2002年-2020年，空间范围覆盖全球。

本数据集包含了全球77个冰川水化学要素（Na+、K+、Mg2+、Ca2+、TDS）的平均浓度、高亚洲典型冰川沉积物的矿物组成、以及高亚洲八个山系的冰川年径流量。本数据集来自数据集提供者对高亚洲19条冰川的实地监测，国内外已公开发表的数据资料、以及文献作者向数据集提供者私下共享的数据资料。本数据集可用于评估气候变暖对冰川侵蚀和化学风化作用的影响、可用于评估气候变暖驱动的冰川消融对下游生态系统和元素循环的潜在影响。

This is a dataset of shrubline shifts and recruitment including 24 willow shrubline plots on the eastern Tibetan Plateau. It includes the following information: 1) Shrub recruitment series; 2) Climatic sensitivity of shrub recruitment; 3) Shrubline shifts and their potential drivers.

中国站点尺度天然径流量估算数据集，包括全国多个水文站1961–2018年月值天然径流量（数据将继续更新），数据为ASCII格式。该数据是基于VIC（The Variable Infiltration Capacity）分布式水文模型，结合参数不确定分析、流向校正和统计后处理等数据质量方法重建的，是中国长时序、高质量与时间连续的天然河川径流资料。研究中涉及到的全国水文站分别约有83％和56％水文站的NSE值、KGE值大于0.70。偏差校正后全国站点平均偏差百分比从约17%降至2%，NSE与KGE平均值分别为0.85与0.91。该天然径流数据集质量较高，可以为变化环境下水文过程模拟与水资源综合管理提供重要基础数据与科学服务。

海冰表面积雪厚度是海冰表面积雪的重要参数之一。积雪厚度的变化可以调节海冰的变化，对地球气候系统发挥重要作用。本数据集为2012-2020年结冰期（10月-4月）逐日的海冰表面积雪厚度数据。海冰表面积雪厚度算法结合了线性回归和LSTM深度学习算法。首先根据AMSR2亮温数据和大量的实测积雪厚度数据确定最优的估算一年冰表面积雪厚度的极化梯度率，构建一年冰表面积雪厚度估算模型。LSTM的模型输入为不同的极化梯度率、37GHz通道亮温极化率，模型输出为海冰表面积雪厚度，从而确定了多年冰表面积雪厚度的估算模型。最终得到25 km空间分辨率的北极海冰表面积雪厚度数据。本数据集能有效的反映厚冰和薄冰表面的积雪厚度，与NASA发布的OIB数据吻合良好，均方根误差为7.35 cm。本数据集能够为海冰厚度的反演提供高精度的输入参数，有助于分析北极物质平衡和能量平衡。

中国逐日雪深模拟预估数据集是采用人工神经网络模型，以NEX-GDPP模式数据集作为依托，预估的中国未来逐日雪深数据，其中雪深模拟的人工神经网络模型是以当天的最高温度、最低温度、降水数据和当天雪深数据作为模型的输入层，次日的雪深数据作为模型目标层对模型搭建，然后运用国家气象站数据对搭建的雪深模拟模型进行训练和验证进行训练，模型验证结果显示：模型迭代时空模拟能力较好；累积雪盖持续时间、累积积雪深度的模拟值和验证值的空间相关性为0.97和0.87，累积雪深的时间和空间相关性分别为0.92和0.91。在模型最优基础上，用此模型迭代模拟未来中国区域内逐日雪深数据。该数据集可以为中国未来雪灾风险评估、积雪范围变化研究以及气候变化研究提供数据支持。该数据基本信息如下：历史基准时段(1986～2005年)、未来模拟（2016～2065年）两个时间段，以及RCP4.5和RCP8.5两种情景，20个气候模式。其空间分辨率为0.25°*0.25°。该数据的投影方式为EASE-Gr，数据保存格式为nc格式。 下面是nc中数据文件信息 time：时长（单位：天）历史基准时段（起始时间：1986年1月1日，终止时期：2005年12月31日） 未来模拟（起始时间：2016年1月1日，终止时期：2065年12月31日） longitude = 320矩阵共320列 latitude = 160矩阵共160行 depth：雪深（cm） X Dimension: Xmin = 60.125; //矩阵x方向左下角网格的角落点坐标 Y Dimension: Ymin = 15.125; //矩阵y方向轴左下角网格的角落点坐标

本数据为降水数据，是热带降水测量任务TRMM（Tropical Rainfall Measuring Mission）逐月降水产品TRMM 3B43，融合青藏高原为主主体的范围区域（25~40°N；73~105°E）内332个气象站点降水数据，该气象站降水数据源自中国气象局国家气象信息中心。本数据集采用站点3°插值优化变分订正方法计算获得的再分析数据集。时间跨度为1998年1月至2018年12月的月样本资料，空间覆盖范围是25~40°N；73~105°E，空间分辨率为1°*1°。

该数据集为发源于青藏高原的黄河流域水文站河水的季节性水文观测数据。共两个水文站：1、黄河中游龙门水文站，为2013年逐周水文数据，包括水温（T）、径流量（Qw）、物理侵蚀速率（PER）、pH。2、黄河唐乃亥水文站，为2012年7月至2014年6月河水逐月数据，包括径流量（Qw）、泥沙量（silt）、pH、EC。该数据集委托黄河水利委员会水文站工作人员观测，为青藏高原隆升背景下水文学、水化学、水圈循环等研究提供基础水文资料。