本数据包含国内青藏高原范围内的1:400万精度的断裂数据，属性表字段包括断裂名称、断裂长度、走向、倾向、断层性质、古地震等。该数据来源于地震局，后来通过大量查阅断裂相关的文献，又在原始数据的基础上添加了断裂的活动年代这一属性。原始数据资料精度可靠，并有专人负责质量审查；经多人复查审核，其数据完整性、位置精度、属性精度均符合有关技术规定和标准的要求，质量优良可靠。该断裂数据可为青藏高原区域的一些断裂相关的研究工作提供基础数据支撑。

中亚是一个高度农业化的地区，其农业资源有限且非常脆弱。为了评估未来气候变化对中亚农业的潜在影响，我们基于3个全球气候模式的9千米动力降尺度结果生产了一个中亚农业气候指数（agroclimatic indicators）高分辨率预估数据集。这些农业气候指数是生长季长度（growing season length, GSL, days），有效积温（biologically effective degree days, BEDD, ℃），霜冻天数（frost days, FD, days），夏日天数（summer days, SU, days），热浪天数（warm spell duration index, WSDI, days）和热夜天数（tropical nights, TR, days）。时段是1986-2005和2031-2050，空间分辨率为0.1°。由于这些指数（除了WSDI）都是基于温度的绝对阈值定义的，对区域模拟结果的系统偏差非常敏感，我们首先用分位数映射法（quantile mapping, QM）订正了模拟的气温，然后基于订正后的气温计算指数。评估结果显示：QM方法大幅减小了指数的偏差。预估结果显示：GSL，SU，WSDI和TR在整个中亚将显著增大，而FD将显著减小；BEDD的变化具有明显的空间差异性，在中亚北部和山区是增大的，在平原的中部和南部是减小的。这个高分辨率的数据集可被用于评估未来气候变化对中亚农业的风险影响。

沱沱河源区植被类型图是基于 319 个地面采样点数据结合随机森林(RF)分类方法进行创建的。随机森林分类器的16个输入变量包括了Landsat-8的可见光、短波红外和热红外波段值及其反演的植被指数和地表温度数据等。根据研究区的植被特征及多年冻土模拟的需要，该图对高寒沼泽草甸(alpine swamp meadow)、高寒草甸(alpine meadow)、高寒草原(alpine steppe)和高寒沙漠(alpine desert )等4种植被类型进行了分类。图件的空间分辨率为30 m，可以提供更细节的植被类型的位置信息。

本数据为东南亚地区2015年的地表类型数据，空间分辨率为30米，数据类型为NetCDF，变量名为“land cover type”。该数据基于FROM-GLC数据加工而成，通过对原始影像的拼接、裁剪得到覆盖东南亚的地表类型数据，剔除东南亚地区不存在的雪冰等下垫面类型并重新整合图例。修改下垫面类型编码生成包含东南亚的地表类型数据。该数据提供耕地、森林、草地、灌木、湿地、水体、不透水面、及裸地共8种下垫面的信息。数据总体精度为71% （Gong et al., 2019），可为水文模型、区域气候模式等提供东南亚地区的下垫面信息。

“一带一路”沿线国家能源供给恢复力反映了沿线国家能源供给恢复力水平，数据值越高，表明沿线国家能源供给恢复力越强。“一带一路”沿线国家能源供给恢复力数据产品制备参考了国际能源署各国能源统计数据（https://www.iea.org/data-and-statistics），利用2000-2019年“一带一路”沿线国家煤炭、石油、天然气供给的逐年数据，在考虑各能源逐年变化的基础上，基于敏感性和适应性分析，通过综合诊断，制备生成了能源供给恢复力产品。

人口年龄结构恢复力反映了沿线国家人口年龄结构恢复力水平，数据值越高，表明沿线国家人口年龄结构恢复力越强。人口年龄结构恢复力数据产品制备参考了世界银行统计数据库，利用2000-2019年“一带一路”沿线国家少儿人口（0-14岁）比例、劳动年龄人口（15-64岁）比例、老年人口（65岁及以上）比例（反向指标）3个指标的逐年变化数据，在考虑各指标逐年变化的基础上，基于敏感性和适应性分析，通过综合诊断，制备生成了人口年龄结构恢复力产品。

“一带一路”沿线国家人口数量增长恢复力反映了沿线国家人口数量增长恢复力水平，数据值越高，表明“一带一路”沿线国家人口数量增长脆弱性越小，恢复力越强。“一带一路”沿线国家人口数量增长恢复力数据产品制备参考了世界银行统计数据库，利用2000-2019年“一带一路”沿线国家人口数量这一指标的逐年变化数据，在考虑各指标逐年变化的基础上，基于敏感性和适应性分析，通过综合诊断，制备生成了人口数量增长恢复力产品。

热融滑塌是由于富冰多年冻土退化而导致的一种类似滑坡的热喀斯特地貌。一旦形成，它们会以较高的速度（几米至几十米每年）溯上坡方向扩张，垮塌的土壤和岩石会流向周边，对基础设施构成威胁，并可能释放冻土中的碳。已有研究表明，热融滑塌广泛地分布于多年冻土区，并且最近十多年它们的数量和影响范围显著增加。青藏工程走廊跨越多年冻土区，是连接内地与西藏的动脉，但已有研究对热融滑塌的分布和影响的认识还十分缺乏。为了对整个青藏工程走廊的热融滑塌进行详细和全面的调查，本研究使用深度学习方法以及目视解译和实地验证，识别并勾勒了2019 年该区域的热融滑塌。使用的高分辨率遥感影像是PlanetScope微小卫星影像，分辨率为 3 米，有4个波段，完全覆盖了整个工程走廊的多年冻土区（ 约54,000 平方公里）。该方法结合深度学习的高效性及自动化和人工解译的可靠性，对整个区域进行接近十次的迭代制图，最大程度地避免漏检和误检。目视解译根据其地貌特征和时间变化（2016至2020）检查深度学习算法自动勾绘的热融滑塌。结果中包含 875 个热融滑塌的边界，以及它们的一些属性，包括编号、经纬度、置信概率和时间等信息。该结果为研究青藏工程走廊多年冻土退化以及相应的影响提供了一个重要的基准数据集。

采用三种广泛使用的基于模型的蒸散发数据集，包括ERA5，MERRA2和GLDAS2-Noah再分析数据，使用变异系数选取具有高一致性的融合区域，基于可靠性集合平均法融合获得了空间分辨率为0.25°的长序列（1980-2017年）全球逐日蒸散发产品（REA ET）。以GLEAM3.2a和通量塔观测数据作为参考数据和验证数据，结果表明，融合产品很好地捕捉了不同地区的蒸散发趋势，在所有植被覆盖情景下表现良好。数据集以NetCDF格式存储，包含变量E，代表陆地实际蒸散发，以毫米(mm)为单位。数据集包含三个维度：经度、纬度和时间，经度范围为-179.875E~179.875E，纬度范围为-59.875N~89.875N。完整时间覆盖范围为1980年1月1日~2017年12月31日。

冰川区域内的近地表气温变化和温度预测的可靠性是水文和冰川学研究的重要问题，由于缺乏高海拔观测，这些问题仍然难以捉摸。本研究基于从 6 个不同流域的 12 个自动气象站、43 个温度记录仪和 6 个国家气象站收集的 2019 年气温数据，展示了不同冰川/非冰川地区的气温变化，并评估了不同温度预测的可靠性，以减少消融估计中的误差。结果表明，不同气候背景下温度递减率 (LRs) 的空间异质性很大，最陡峭的 LRs 位于寒冷干燥的青藏高原西北部，最低的 LRs 位于受暖湿季风影响的青藏高原东南部。青藏高原西部和中部高海拔冰川区的近地表气温受下降风的影响较小，因此可以从冰川外的记录中线性预测。相比之下，青藏高原东南部温带冰川上盛行的局地降风风对环境气温的降温作用明显，因此，冰川上气温明显低于同等海拔的非冰川地区。因此，来自低海拔非冰川站的线性温度预测可能导致正度日数高估 40%，特别是对于流线距离长且冷却效果显着的大型冰川。这些发现提供了值得注意的证据，表明在估算青藏高原冰川融化时，应仔细考虑不同气候条件下高海拔冰川的不同 LR 和相关冷却效应。

数据为西藏“一江两河”地区年楚河流域的耕地土壤理化指标数据。包括土壤容重、土壤质量含水量、土壤体积含水量、土壤总孔隙度、土壤质地（黏粒、粉粒和砂砾）、土壤pH值、土壤有机质、土壤全氮、土壤全磷、土壤全钾、土壤碱解氮、土壤有效磷和土壤速效钾等；土壤样品为3-5个样点组成的混合样，实验分析参加国家相关标准，土壤容重、土壤质量含水量、体积含水量和土壤总孔隙度均采用环刀烘干法测定，土壤质地用激光粒度仪测定，pH采用玻璃电极法；有机质采用重铬酸钾容量法；全氮采用凯氏定氮法；全磷采用酸融法-钼娣抗比色法；全钾采用酸熔法-火焰光度计法；碱解氮采用氢氧化钠-碱解扩散法；有效磷采用Olsen法；速效钾采用NH4Ac浸提，火焰光度法。土壤重复样品偏差在3%以内。该数据可用于区域土壤环境质量分析，为耕地可持续利用提供科学指导。

Previous studies suggest an accelerated water cycle over the Tibetan Plateau (TP) in recent decades, mainly based on observed precipitation. However, the exact changes to evapotranspiration (ETa) over this period remain largely unknown. Although multiple ETa products for the TP region report that ETa experienced a significant increasing trend of around 8.4 ± 2.2 mm/10 a during 1982–2018, there exist large uncertainties in the annual ETa estimates over different climate zones. Here, we quantified and explained the ETa trend using a comprehensive process-based ETa model refined on ground-based observations from nine stations over the TP. Attribution analysis revealed that a large part of the increasing ETa trend was caused by higher temperature (53.8%) and more soil moisture (23.1%) caused by the melting cryosphere and increased precipitation. The increasing rate of ETa on the TP was approximately twice that of the global ETa, providing strong and independent evidence for an accelerated hydrological cycle. The dominant role of increased temperature in ETa implies a continued acceleration of the water cycle in the future.