数据由三个字段组成：经度、纬度和湖泊深度。利用声呐设备在湖泊上走航测量得到的水深数据，GPS同步测量得到的经度和纬度。利用湖水盐度和温度数据校正声呐测得的深度数据，并剔除数据异常点。利用水深数据可以插值形成湖泊水下地形图。利用水下地形图可以计算湖泊的储水量，评估青藏高原湖泊总水量。利用水下地形图结合遥感数据还可以研究青藏高原湖泊水量变化特征及其影响因素，是亚洲水塔水量变化研究的重要组成部分。

1)数据内容 包括采样点的观测年份、经纬度、海拔、生态系统类型、不同土层（SOC0-100 (kg Cm-2)； 0-100代表土层）、地下生物量含量。 2）数据来源 此部分数据是从文献中获取,具体文献来源参考说明文档。 3）数据质量描述 数据观测覆盖范围广，包含指标全面，展示了不同土层下的土壤有机碳含量，具有较高的完整性和精确性，能满足对青藏高原草地土壤碳储量的估算。 4）数据应用成果及前景 为预测未来青藏高原土壤的碳源–汇效应及实现生态系统碳可持续发展提供基础数据。

1)数据内容 包括采样点的观测年份、经纬度、生态系统类型、年降雨量、干旱指数、年净初级生产力、地上生物量、地下生物量等数据。 2）数据来源 一部分来源于文献（1980-1995），另一部分来源于实地采样（2005-2006）。 3）数据质量描述 数据观测年份长，时间跨度大，覆盖范围广，包含指标多，具有较高的完整性和精确性，能满足对青藏高原草地植被碳储量的估算。 4）数据应用成果及前景 为预测未来青藏高原的碳源–汇效应及实现生态系统碳可持续发展提供基础数据。

1. 数据内容（包括的要素及意义） 冰川厚度即冰川表面与冰川底部间的垂直距离。冰川厚度的分布不仅受冰川规模与冰下地形控制，同时也随着冰川对气候响应阶段不同而变化。数据包含冰川测线经纬度、高程、单点厚度、测量冰川冰体总储量、测量仪器型号等信息。 2. 数据来源与加工方法 冰川厚度主要来源于钻孔和探地雷达测厚（Ground-Penetrating Radar, GPR）。钻孔法即在冰面进行钻孔至冰下基岩，从而获得单点的冰川厚度；冰川雷达测厚技术则能精确地测量出测线上冰川厚度的连续分布，同时获取冰下基岩的地形特征，从而为冰川储量估算和冰川动力学研究提供必要的参数 3. 数据质量描述 冰川钻孔数据精度达到分米级。GPR雷达测厚由于冰川性质及底界面雷达信号强度差异，测厚精度理论上在5%-15%之间，。 4. 数据应用成果与前景 冰川厚度是获取冰下地形和冰川储量信息的先决条件。在冰川动力学数值模拟与模型研究中，冰川厚度是一个重要的基本输入参数。同时，冰川储量是表征冰川规模和冰川水资源状况的最直接参数，不仅对冰川水资源的准确评估和合理规划及有效利用十分重要，更对于区域社会经济发展和生态安全具有重要和深远

青藏高原及其周边地区潜在冰湖分布数据为矢量数据（.shp），数据集中包含每个潜在冰湖的ID、面积、周长、体积和高程。数据按照流域被分为17个区域，分别是黄河，长江，湄公河，萨尔温江，雅鲁藏布江，恒河，印度河，以及鄂毕河流域，共8个外流流域；以及河西，塔里木，柴达木，准噶尔，伊犁，锡尔河，阿姆河，和蒙古高原流域，共9个内流流域。本数据从冰川厚度数据加工而来（由Farinotti et al. （2019）提供），使用ArcGIS软件，将地区原始DEM和冰厚度数据相减，得到无冰川分布的DEM，再利用填挖工具将位于冰川床下的洼地，即潜在冰湖，挖掘出来。本数据集的质量依赖原始的冰川厚度数据的质量，而冰厚度数据集的质量是目前所有类似数据中质量最好的。青藏高原及其周边地区潜在冰湖分布数据揭示了地区未来可能会形成的冰湖，对于未来地区冰湖的形成及其分布模式的理解至关重要，目前的结果表明，青藏高原及其周边地区存在着超过 16,000 个潜在冰湖，面积为2253.95 ± 1291.29 km2，体积为60.49 ± 28.94 km3, 这相当于海平面上升0.16±0.08 mm的水当量。

通过资料整理和数字化，基于ArcGIS平台，广泛收集中亚地区最新的活动断裂和地震构造研究资料，编制了中亚地区地震构造图和地震区划图。图件范围包括哈萨克斯坦、乌兹别克斯坦、吉尔吉斯斯坦、塔吉克斯坦和土库曼斯坦。地震构造图中标绘了发震断层（活动断层）的位置、活动性质和断层名称，以及1960年至2020年5级以上地震的震中位置。区划图中以未来50年超越概率10%的地震动加速率峰值（PGA）为指标，进行地震危险性分区。这些图件可用于中亚地区的活动构造和地震灾害研究，为中亚地区的大型工程与基础设施建设提供地震安全保障。

该数据集是2015年青藏高原基础数据，原始数据来源于国家基础地理信息中心，通过分幅数据拼接裁剪，形成青藏高原区域的数据。数据内容包括1：100万省级行政区划、1：100万道路、1：25万水系的地理图层。行政区划数据属性包括NAME、CODE、pinyin（名称、代码、拼音）；道路数据属性包括：GB、RN、NAME、RTEG、TYPE（基础地理信息分类码、道路编码、道路名称、道路等级、道路类型）；水系数据属性包括：GB、HYDC、NAME、PERIOD（基础地理信息分类码、水系名称代码、名称、时令）。

青藏高原南部卫星与地面站融合降雨数据集，数据为ASCII格式，时间分辨率为1天，水平空间分辨率为0.1°，时间覆盖范围为2014-2019每年的6月10日-10月31日，可为青藏高原南部降雨验证与水文模拟提供驱动数据。 该数据集是以中国气象局和水利部水文局的站点降雨资料为近似真值，站点降雨数据经过严格的质量控制，是目前为止该区域密度最高的地面站网。数据融合采用动态贝叶斯模型平均方法，对国际上现有的GPM IMERG，GSMaP_Guage，CMORPH卫星降水产品融合而成。站点统计评估和水文模拟验证优于原始卫星数据，好于国际上流行的再分析数据CHIRPS和MSWEP。

泛第三极区域数据集呈现海量、零散等特征，现有数据集种类较多，覆盖范围广，涉及水文、生态、大气以及灾害等多个领域，但这些数据集来自不同平台，在尺度、数据格式等方面各不相同，数据的可利用性较差，不利于科研人员展开泛第三极地区的科学研究，同时也无法发挥出这些数据集的巨大潜力。本研究采用来自多个数据平台的最新数据使用数据集成、数据融合等集成方法生产更高质量和更新年份的泛第三极综合数据集。根据不同来源、不同分辨率的数据，对这些数据进行质量控制，根据数据科学内容进行集成。对部分数据，利用数据融合技术，融合不同来源的数据，产生数据质量更高、年份更新的创新性数据产品，更好地服务于陆面过程模型等研究中。泛第三极数据集根据自然数据和社会经济数据分别采用泛第三极流域边界和泛第三极国家边界获取数据，统一采用罗宾逊（Robinson）投影格式。获得了多源集成的包含基础数据集、冰冻圈数据集、水文大气数据集、生态数据集、灾害数据集和人文地理数据集共六类数据集。 （1）基础数据集包含边界数据集、30米土地覆被数据、植被功能数据、30米SRTM数字高程数据和HWSD土壤质地数据。详情请查看元数据页面附件信息中或数据中的文档“泛第三极基础数据集数据文档.docx”。 （2）冰冻圈数据集包含冻土数据集、冰川分布数据、冰湖分布数据和积雪深度数据。其中，冻土数据集又包含冻土分布数据、冻土水热分带数据、冻土指数数据和冻土表面粗糙度数据。详情请查看元数据页面附件信息中或数据中的文档“泛第三极冰冻圈数据集数据文档.docx”。 （3）水文大气数据集包含河流湖泊数据集、蒸散发数据集和大气数据集。河流湖泊数据集包含河流数据和湖泊数据，蒸散发数据集包含MODIS蒸散发数据、土壤蒸发数据、水体冰雪蒸发数据和冠层截流蒸发数据，大气数据集包含ERA5-Land再分析数据集中的地表热辐射数据、地表太阳辐射数据、降水数据、气压数据、温度数据和风场数据。详情请查看元数据页面附件信息中或数据中的文档“泛第三极水文大气数据集数据文档.docx”。 （4）生态数据集包含总初级生产力数据和植被蒸腾数据。详情请查看元数据页面附件信息中或数据中的文档“泛第三极生态数据集数据文档.docx”。 （5）灾害数据集包含滑坡数据和地震区划数据。详情请查看元数据页面附件信息中或数据中的文档“泛第三极灾害数据集数据文档.docx”。 （6）人文地理数据集则包含交通道路数据、铁路机场数据、人口密度数据、主要国家人均GDP数据、收入水平数据和世界遗产分布数据。详情请查看元数据页面附件信息中或数据中的文档“泛第三极人文地理数据集数据文档.docx”。 泛第三极综合数据集将为相关研究者提供便利，避免相关研究在获取数据和处理数据的过程中重复劳动，节省研究者宝贵的时间，并且在陆面过程模型、水文模型和生态模型等科学研究中起到重要作用，促进泛第三极地区科学研究的发展，为泛第三极地区的科学研究提供数据支撑。

该数据集是基于16个动态全球植被模式（TRENDY v8）在S2情景下（CO2+Climate）模拟的NPP，表征生态系统净初级生产力。数据来源于Le Quéré et al. (2019)，具体信息和方法参见文章。源数据范围为全球，本数据集选取了青藏高原区域，空间上用最近邻方法插值到0.5度，时间上保持了原有的月尺度。该数据集是标准的模型输出数据，常被用作评定总初级生产力的时间和空间格局，且与其它遥感观测、通量观测等数据进行比较和参考，具有实际意义和理论价值。

本数据通过GIPL1.0冻土空间分布模型，结合已有基础数据，包括气候变化，土壤类型，以及植被数据，对川藏线的多年冻土以及季节冻土特性进行了模拟，数据结果为500m空间分辨率栅格，包括了多年冻土区最大化深度以及季节冻土区最大冻结深度。该结果通过了钻孔数据验证。数据日期为2001-2019，2041-2060，2081-2100（20年平均值），其中水体以及冰川区域通过掩膜排除在计算范围以外（空值）。气候数据为月均值，其他数据在模拟的过程中保持不变，空间分辨率都为500m。数据来源与“WoeldClim:https://www.worldclim.org/，DEM以及植被土壤：https://data.tpdc.ac.cn/zh-hans/”根据不同数据源的特点对原始资料进行真实性、一致性的检查及规范化处理；利用冻土模型对多年冻土及季节冻土进行计算模拟，输出结果为地温和活动层（最大冻深），模拟结果与钻孔地温进行验证。最终空间数据集通过ArcGIS成图。制定数字加工操作规范。加工过程中，规定操作人员严格遵守操作规范，同时由专人负责质量审查。经多人复查审核，其数据完整性、逻辑一致性、位置精度、属性精度、接边精度、现势性均符合国家测绘局制定的有关技术规定和标准的要求，质量优良可靠。数据可为后期开展川藏工程走廊冻结（融化）深度相关研究工作提供必要的数据支撑。

该数据集包含位于西藏自治区昌都市江达县岗托镇矮拉山附近（98°29′16″E, 31°36′36″N）冻融滑坡及融冻泥流浅层地温、水分及现场气象要素监测数据，基于Hobo温度、水分及小型气象站通过现场监测获得。观测时间在2019年8月31日-2020年7月14日之间。通过一个完整冻融周期的现场监测，下载现场传感器自动获取的地温、水分及气象要素监测数据，通过一定的质量控制包括剔除传感器未完全适应土壤环境时的数据和传感器出现故障造成的系统误差。地温、水分观测时间间隔4小时，地温的观测深度为10cm, 20cm, 40cm, 60cm，80cm，100cm，150cm及200cm，共8层，水分的观测深度为20cm，50cm，100cm及200cm共4层。气象观测要素主要包括气温、降雨量、风速、风向及太阳辐射等，观测的时间间隔为30分钟（注：太阳辐射传感器最大量程为1276.8 W/m2，实际太阳辐射值大于最大量程时显示为1276.9 W/m2；风速传感器的最小启动风速为0.5m/s，当实际风速小于启动风速时，显示值为0。因此该数据无法体现超太阳常数现象和低于0.5m/s的风速）。质量控制包括剔除传感器未完全适应土壤环境时的数据和传感器出现故障造成的系统误差。经过矫正的最终数据以excel文件存储。获取的现场数据经多人复查审核，数据完整性和准确度达到95%以上。监测数据可为后期开展藏东南地区冻融滑坡和融冻泥流相关研究工作提供必要的数据支撑。