基于雅鲁藏布江流域内已有的262个雨量筒逐月降水数据、WRF和ERA5降水数据，利用随机森林学习算法重建了雅鲁藏布江流域及7个子流域1951–2020年10km分辨率的逐日降水数据。该数据经过了站点单点验证，在年和季节变化方面表现较好。并且该数据经过了水文模型反向评估，利用该数据驱动VIC水文模型模拟了雅江流域及各子流域径流变化，并利用实测径流、MODIS及冰川编目数据进行验证。该数据在原有第一版基础上考虑了降水空间分配特征，能更好描述高山区降水特征。
孙赫
“亚洲水塔”青藏高原（TP）的降水在区域水和能源循环中发挥着关键作用，对下游国家的水资源供应有重要影响。气象站点所获取的降水信息通常被认为是最准确的，但在地形复杂、环境恶劣的青藏高原中，气象站数据却十分有限。卫星和再分析降水产品可以为地面测量提供补充信息，特别是在大面积测量不足的区域。在这里，我们通过使用人工神经网络 (ANN) 和环境变量（包括海拔、地表压力和风速）确定各种数据源的权重来最优地融合站点、卫星和再分析数据。在 1998-2017 年期间，以每日时间尺度和 0.1° 的空间分辨率生成了一个多源降水 (MSP) 数据集横跨青藏高原。与其他四颗卫星产品相比，MSP与标准观测的日降水相关系数（CC）最高（0.74），均方根误差第二低，表明MSP的质量和数据合并的有效性方法。我们使用分布式水文模型进一步评估了青藏高原长江和黄河源头测量不佳的不同降水产品的水文效用。在 2004-2014 年期间，MSP 实现了每日流量模拟的最佳 Nash-Sutcliffe 效率系数（超过 0.8）和 CC（超过 0.9）。此外，基于多重搭配评估，MSP 在未测量的西部 TP 上表现最好。该合并方法可应用于全球其他数据稀缺地区，为水文研究提供高质量的降水数据。整个 TP 的左下角的经纬度、行数和列数以及网格单元信息都包含在每个 ASCII 文件中。
洪仲坤, 龙笛
在共享社会经济路径（SSP）5-8.5情景下4个CMIP6模式2015-2100年的模拟结果。选取标准为这四个模式水平分辨率均小于1°，且均有日数据。从原始模拟结果中提取了8个代表极端气候的变量，分别是日最高气温的极高值（TXx）、日最低气温的极高值（TNx）、日最高气温的极低值（TXn）、日最低气温的极低值（TNn）、连续干旱日数（CDD）、连续湿润日数（CWD）、降水强度（SDII）和强降水日数（R20mm）。数据时间分辨率为年，空间范围为青藏高原地区，时间范围为2015-2100年。
张冉
1）数据内容（包含的要素及意义）：高寒网19个站（藏东南站、纳木错站、珠峰站、慕士塔格站、阿里站、格尔木站、天山站、祁连山站、若尔盖站（共2个点，西北院和成都生物所）、玉龙雪山站、那曲站（含3个站点，青藏所、西北院和地理所）、海北站、三江源站、申扎站、拉萨站、青海湖站）2020年青藏高原气象观测数据集（气温、降水、风向风速、相对湿度、气压、辐射和通量等数据） 2）数据来源及加工方法：高寒网19个站实地观测Excel格式 3）数据质量描述：站点日分辨率 4）数据应用成果及前景：在高寒网各野外站和泛第三极地区境外台站的长期观测数据基础上，建立泛第三极地区气象、水文及生态要素系列数据集；通过重点区域的强化观测与样地和样点验证，完成气象要素、湖泊水量与水质、地上植被生物量、冰川冻土变化等数据产品的反演；基于物联网技术，研制建立多站联网的气象、水文、生态数据管理平台，实现联网数据实时获取与远程控制及共享。另外，该数据集是对中国高寒区地表环境与观测网络气象数据（2019）的更新。
朱立平
本数据集为覆盖全球范围考虑积融雪过程的标准化水分距平指数（SZIsnow)，该干旱指数数据集由GLDAS-2驱动产生。该指数考虑了与干旱发展相关的诸多水文过程，尤其是积融雪过程。目前许多干旱指数忽略了积融雪过程，导致不能准确地对积雪地区干旱的发生和发展进行评估，该指数很好地弥补了这一不足，解决了干旱物理机制解析与多时间尺度分析无法兼顾，不同类型干旱难以统一评估的两个难题。经验证该指数能够很好地对全球不同地区的历史干旱时间进行定量描述，其优异表现在高纬度和高海拔地区更为突出。因此本数据集可以为干旱的监测评估以及干旱相关研究提供科学参考。
吴普特, 田磊, 张宝庆
本数据包括第二次青藏高原野外综合科学考察的影像资料。影像资料内容包括科考途中自然保护区采集样方的样地照片，云南西北部和四川西部自然保护区的森林生态系统，草地生态系统，湖泊生态系统的影像，植被情况，野生动植物生境，保护区内的动物，植物和真菌类数据。此外，影像数据还包括科考的样品采集过程和社区调查中科考队员入户调查以及与当地保护部门访谈的影像资料。数据来源于无人机和相机拍摄，可为科学研究提供佐证和参考。
苏旭坤
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°。
徐祥德, 孙婵
该数据集包括2000–2009 和 2090–2099两个时段的NEX-GDDP （NASA Earth Exchange Global Daily Downscaled Projections）的每日最低气温（Tmin）、最高气温数据（Tmax）和降水量（PPT）数据（v1.0），日最高温和日最低温单位为K；降水量单位为kgm-2s-1；背景填充值为-999。 本数据集在原始数据基础上裁取青藏高原范围内像元，原始数据于2020年8月下载自 https://portal.nccs.nasa.gov/datashare/NEXGDDP/BCSD/。 NEX-GDDP数据集由CMIP5（Coupled Model Intercomparison Project Phase 5）历史气候和RCP（Representative Concentration Pathways）4.5情景模式下运行的大气环流模型（General Circulation Models）得到，共包括21个大气环流模型；其中 2000–2005为历史气候情景，2006–2009和2090–2099为RCP 4.5情景。原始数据相关说明请参见：https://www.nccs.nasa.gov/services/data-collections/land-based-products/nex-gddp。
沈妙根, 姜楠
改进频率分布和风速纠正的青藏高原格点降水数据集是一套适合青藏高原，经过风引起的降水观测损失订正和降水频率分布优化后的数据集。数据为NETCDF格式，时间分辨率为1天，水平空间分辨率10km。该数据可作为数值模式降水频率纠正的参考数据源。 该数据集使用了164个来自中国气象局和GSOD的日观测数据作为数据源。数据的生成分为4步：（1）首先对观测数据进行了质量控制，包括异常值和坏值去除等。（2）进行主要由风引起的观测损失补偿。（3）分别采用考虑海拔的样条函数插值月降水总量，普通克里金法插值日降水与月降水的比值，将两部分相乘得得到1km空间分辨率的数据。（4）将1km空间分辨率数据均值聚合到10km空间分辨率，得到最终数据。 相比国际同类格点降水数据，该数据进行了风引起的降水观测损失订正，同时通过插值方法的优化使其在降水量频率分布上更佳准确。该数据适合用于数值模式输出降水的统计偏差纠正或分析格点上的降水频率特征。
马佳培, 李弘毅
降水中稳定的氧同位素比（δ18O）是全球大气过程的综合示踪剂。 自1990年代以来，一直致力于研究位于青藏高原TP上20多个站点的降水同位素组成，这些站点位于西风和季风之间的气团交汇处。 在本文中，我们建立了一个青藏高原月尺度降水δ18 O的数据库，并使用不同的模型来评估TP上降水δ18 O的气候控制。 降水δ18 O的时空格局及其与温度和降水的关系揭示了三个不同的域，分别与西风（北TP），印度季风（南TP）及其之间的过渡有关。
高晶
1)数据内容（包含的要素及意义）：高寒网21个站（藏东南站、纳木错站、珠峰站、慕士塔格站、阿里站、那曲站、双湖站、格尔木站、天山站、祁连山站、若尔盖站（西北院）、玉龙雪山站、那曲站（寒旱所）、海北站、三江源站、申扎站、贡嘎山站、若尔盖站（成都生物所）、那曲站（地理所）、拉萨站、青海湖站）2018年青藏高原气象观测数据集（气温、降水、风向风速、相对湿度、气压、辐射和蒸发） 2)数据来源及加工方法：高寒网21个站实地观测Excel格式 3)数据质量描述：站点日分辨率 4)数据应用成果及前景：在高寒网各野外站和泛第三极地区境外台站的长期观测数据基础上，建立泛第三极地区气象、水文及生态要素系列数据集；通过重点区域的强化观测与样地和样点验证，完成气象要素、湖泊水量与水质、地上植被生物量、冰川冻土变化等数据产品的反演；基于物联网技术，研制建立多站联网的气象、水文、生态数据管理平台，实现联网数据实时获取与远程控制及共享。
朱立平, 彭萍
（1）本数据集是申扎高寒湿地2016-2019年的碳通量数据集，包含空气温度、土壤温度、降水、生态系统生产力等参数。（2）该数据集以野外涡度相关实测数据为基础，采用国际上公认的涡度相关数据标准处理方法，基本流程包括：野点剔除-坐标旋转-WPL校正-储存项计算-降水同期数据剔除-阈值剔除-异常值剔除-u*校正-缺失数据插值-通量分解与统计。本数据集还包含了基于涡度相关数据集标定后的模型模拟数据。（3）该数据集已经过数据质量控制，数据缺失率为37.3%，缺失数据已采用插值方式补充。（4）该数据集对认识高寒湿地碳汇功能具有科学价值，也可以用于机理模型的矫正和验证等。
魏达
1）青藏高原地面气象观测数据产品（2017-2018) 地面气象要素驱动数据集，包括近地面气温、地面降水率、短波辐射和长波辐射4个要素。 2）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，以及融合了中国气象局常规气象观测数据制作而成，通过空间插值形成。 3）数据为tiff格式，时间分辨率为日值，空间分辨率为0.1°。 4）方便不会使用nc格式的此类同化数据的科研人员和学生使用。在高寒网各野外站和泛第三极地区境外台站的长期观测数据基础上，建立泛第三极地区气象、水文及生态要素系列数据集；通过重点区域的强化观测与样地和样点验证，完成气象要素、湖泊水量与水质、地上植被生物量、冰川冻土变化等数据产品的反演；基于物联网技术，研制建立多站联网的气象、水文、生态数据管理平台，实现联网数据实时获取与远程控制及共享。
朱立平, 彭萍
青藏高原野外观测研究平台是开展青藏高原科学观测和研究的前沿阵地。基于高原地表过程与环境变化的陆面-边界层立体综合观测为青藏高原地气相互作用机理及其影响研究提供了大量的珍贵数据。本数据集综合了珠穆朗玛大气与环境综合观测研究站、藏东南高山环境综合观测研究站、那曲高寒气候环境观测研究站、纳木错多圈层综合观测研究站、阿里荒漠环境综合观测研究站、慕士塔格西风带环境综合观测研究站2005-2016年逐小时大气、土壤和涡动观测数据。包含了由多层风速风向、气温、湿度以及气压、降水组成的梯度观测数据，辐射四分量数据，多层土壤温湿度和土壤热通量观测数据以及感热通量、潜热通量和二氧化碳通量组成的湍流数据。这些数据能广泛的应用于青藏高原气象要素特征分析、遥感产品评估和遥感反演算法的发展、数值模拟的评估和发展等研究中。
马耀明
青藏高原的水土资源匹配数据，由站点气象数据（2008-2016年，国家气象数据共享网）经过彭曼公式计算得出的潜在蒸散发数据，利用土地利用的不同土地类型，根据下垫面影响系数计算现有土地利用下的蒸散发量；以及气象数据中的站点降雨数据插值得到的降雨数据，根据两者差值得到水土资源匹配系数。实际降雨与现有土地利用条件下的需水量之间的差值来反映水土资源的匹配性，数值越大匹配性越好。水土资源的匹配情况的空间分布能为进一步了解青藏高原的农牧业资源情况做铺垫。
董凌霄
海陆热力差异是形成季风的重要原因，印度夏季风的建立与欧亚大陆和印度洋之间产生的海陆热力差异有关。对流层中高层青藏高原和热带印度洋的热力差异与印度夏季风的爆发及其年际和年代际变化紧密相关。青藏高原和热带东印度洋上空温度是对印度夏季风变化最敏感的两个区域，基于此，用500-200hPa温度场定义了一个青藏高原与印度洋热力差异指数： TCI = Nor[T(25°N-38°N, 65°E-95°E) - T(5°S-8°N, 65°E-95°E)] 其中，Nor表示标准化，T表示500hPa-200hPa温度场。 青藏高原与印度洋热力差异指数（TCI）分为逐候、月、夏季3种时间分辨率序列。它可以从多种时间尺度反映高原与北印度洋之间的热力差异及其与后期印度夏季风变率的关系。并且，与单独的青藏高原或印度洋热力状况相比，该指数表现得更好，指数大时，后期印度夏季风强度往往偏强。另外，TCI的逐候增量对印度季风的演变具有预测意义，TCI逐候增量超前印度季风指数3候开始显著相关，且超前15候的时候相关最大。同时，TCI逐候增量前25候平均值的大小对印度季风爆发的早晚有一定的预报意义。 资助项目： 中国科学院战略性先导科技专项泛第三极环境变化与绿色丝绸之路建设（XDA20060501 印度洋-第三极热力差异对季风的影响及其经向输送效应）
李张群, 肖子牛, 赵亮
本数据集是1990年至2015年青藏高原地区气候要素数据集，记录了青藏高原25年来每五年的年降雨量空间分布变化情况。数据为tif栅格格式，空间分辨率为1公里，年降雨量单位为0.1毫米。该数据来源于青藏高原上的气象站点日观测数据，通过时间聚合计算和空间插值处理生成，该数据集作为一种重要的气候要素可用于研究青藏高原的年际降雨量变化与气候变化，作为青藏高原生态环境变化的气候背景，为城镇化与生态环境交互胁迫研究提供数据支撑。
杜云艳, 易嘉伟
该数据集是从中国科学院青藏高原研究所开发的一套中国区域近地面气象与环境要素再分析数据集中提取得到。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。其时间分辨率为 3 小时，水平空间分辨率 0.1°，包含近地面气温、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（变量）。 各变量的物理意义： 气象要素 变量名 单位 物理意义 近地面气温 temp K 瞬时近地面（2m）气温 地表气压 pres Pa 瞬时地表气压 近地面空气比湿 shum kg/ kg 瞬时近地面空气比湿 近地面全风速 wind m /s 瞬时近地面（风速仪高度）全风速 向下短波辐射 srad W /平方米 3 小时平均 （-1.5hr ～ +1.5hr） 向下短波辐射 向下长波辐射 lrad W /平方米 3 小时平均 （-1.5hr ～ +1.5hr） 向下长波辐射。 降水率 prec mm/hr 3 小时平均 （-3.0hr ～ 0.0hr） 降水率。 更多信息，请参见随数据一同发布的《User’s Guide for China Meteorological Forcing Dataset》。
阳坤
降水强烈的时空变化常使得常规地基台站的降水观测不能准确把握降水的空间分布和强度变化。而卫星微波遥感可以克服此局限，实现全球尺度降水和云的观测，而且相对于红外/可见光只能反映云厚、云高等信息而言，微波能够穿透云体，利用云内降水粒子和云粒子与微波的相互作用对云、雨进行更为直接的探测。 本数据以GPM搭载的DPR双波段降水雷达获取的地表降水量为真值，以NDVI、DEM、ERA5中的土壤温/湿度为参考数据，利用GMI的多波段被动亮温数据反演青藏高原地区暖季（5月-9月）瞬时降水强度，将结果重采样至0.1°空间分辨率后累加到日。
许时光
1)数据内容（包含的要素及意义）:1979-2016青藏高原地面气象观测数据产品 2)数据来源及加工方法:tif格式，可以采用arcgis打开查看和分析 3)数据质量描述:日分辨率 4)数据应用成果及前景:在高寒网各野外站和泛第三极地区境外台站的长期观测数据基础上，建立泛第三极地区气象、水文及生态要素系列数据集；通过重点区域的强化观测与样地和样点验证，完成气象要素、湖泊水量与水质、地上植被生物量、冰川冻土变化等数据产品的反演；基于物联网技术，研制建立多站联网的气象、水文、生态数据管理平台，实现联网数据实时获取与远程控制及共享。
朱立平, 彭萍
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
本数据集包含了自1010至2005年内各年代氧同位素数据，用于研究青藏高原希夏邦马地区环境变化。 冰芯氧同位素利用仪器测量得出，由仪器或者实验完成后直接得到数据，各个环节严格按照相关操作规程进行样品和数据采集，符合各实验室操作标准规范。 本数据包含两个字段： 字段1：年代 AD 字段2：氧同位素 ‰
田立德
北麓河站气象数据集主要包括2m的大气温度、风速、风向、湿度、大气压力、太阳辐射以及日降雨量等7个气象要素，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，测量传感器均为Campell公司制造，其中大气温湿度测量传感器型号为HMP45C，风速风向传感器型号为05103，大气压力测量传感器型号为PTB-210，太阳辐射传感器型号为NR01，雨量筒传感器型号为T-200B，该数据集的时间间隔为1天，是通过30分钟数据的计算得到，监测期间数据稳定、连续性较好，通过气象数据分析，对认知北麓河局地气候的变化情况有重要帮助，同时也是对冻土环境及工程研究中不可或缺的重要指标。
陈继
本数据集来自中国科学院西北生态环境资源研究院那曲高寒气候环境观测研究站那曲观测场（31.37ºN，91.90º E，海拔高度4509m），观测场地平坦开阔，不均匀的生长着高度为3-20cm的植被。本数据集观测时间为2014年1月1日至2017年12月31日，观测要素主要包括风速、气温、空气相对湿度、气压、向下短波辐射、降水量、蒸发、潜热通量和CO2通量。其中降水量、蒸发和CO2通量数据为日累积值，其他观测要素为日平均值。观测数据总体上连续性较好，但由于供电故障导致部分数据缺测，数据中的缺测值标记为NAN。
胡泽勇, 谷良雷, 孙方林, 王树金
1、数据内容：气温、相对湿度、降水、气压、风速、平均总辐射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，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：该气象站的下垫面类型为高山草甸，气象数据可为高寒区陆面过程模拟提供基础数据保障。
刘婧
基于青藏高原国家气象站站点数据通过PRISM模型插值生成的高原气象要素分布图，主要包括气温和降水。 青藏高原1961-1990月均温分布图(30年平均值)： t1960-90_1.e00，t1960-90_2.e00，t1960-90_3.e00，t1960-90_4.e00，t1960-90_5.e00， t1960-90_6.e00，t1960-90_7.e00，t1960-90_8.e00，t1960-90_9.e00，t1960-90_10.e00， t1960-90_11.e00，t1960-90_12.e00 青藏高原1991-2020月均温分布图(30年平均值)： t1991-20_1.e00，t1991-20_2.e00，t1991-20_3.e00，t1991-20_4.e00，t1991-20_5.e00， t1991-20_6.e00，t1991-20_7.e00，t1991-20_8.e00，t1991-20_9.e00，t1991-20_10.e00， t1991-20_11.e00，t1991-20_12.e00， 青藏高原1961-1990月降水分布图(30年平均值)： p1960-90_1.e00，p1960-90_2.e00，p1960-90_3.e00，p1960-90_4.e00，p1960-90_5.e00， p1960-90_6.e00，p1960-90_7.e00，p1960-90_8.e00，p1960-90_9.e00，p1960-90_10.e00， p1960-90_11.e00，p1960-90_12.e00 青藏高原1991-2020月降水分布图(30年平均值)： p1991-2020_1.e00，p1991-2020_2.e00，p1991-2020_3.e00，p1991-2020_4.e00，p1991-2020_5.e00， p1991-2020_6.e00，p1991-2020_7.e00，p1991-2020_8.e00，p1991-2020_9.e00，p1991-2020_10.e00， p1991-2020_11.e00，p1991-2020_12.e00， 数据时间范围分为1961-1990年、1991-2020年。 数据覆盖的空间范围为东经73°～104.95°，北纬26.5°～44.95°，空间分辨率0.05度×0.05度（经度×纬度），大地坐标投影。 名称解释： 月均温：一个月中每天的日平均气温的平均数； 月降水：一个月降水量的总和。 量纲：数据的文件格式为E00文件，DN值为1～12月的月均温平均值（×0.01℃）、月降水平均值（×0.01mm）。 数据类型：整型。 数据精度：0.05度×0.05度（经度×纬度）。 本数据原始来源为两组数据集：1）青藏高原及周边地区128个气象站自建站至2000年的月均温、月降水观测资料；2）青藏高原50×50km网格的HadRM3区域气候情景模拟数据，即1991-2020年下月平均温度、月降水模拟值。 1961-1990年，对源数据集采用PRISM（Parameter elevation Regressions on Independent Slopes Model）插值方法生成网格数据，基于站点数据对插值模型进行调参和验证。1991-2020年，对区域气候情景模拟数据以地形趋势面插值方法降尺度生成网格数据。部分源数据来自GCM模型模拟的结果：GCM模型采用Hadley Centre climate model HadCM2-SUL。 a) Mitchell JFB, Johns TC, Gregory JM, Tett SFB (1995) Climate response to increasing levels of greenhouse gases and sulphate aerosols. Nature, 376, 501-504. b) Johns TC, Carnell RE, Crossley JF et al. (1997) The second Hadley Centre coupled ocean-atmosphere GCM: model description, spinup and validation. Climate Dynamics, 13, 103-134. 对气象数据进行空间插值采用PRISM (Parameter-elevation Regressions on Independent Slopes Model)方法： Daly,C., R.P. Neilson, and D.L. Phillips, 1994: A statistical-topographic model for mapping climatological precipitation over mountainous terrain. J. Appl. Meteor., 33, 140~158. 因高原地区观测条件艰苦，基础研究数据缺乏，部分地区气象数据有缺失的现象。本数据集经调参和验证，精度尚可，但仅可做为宏观尺度气候研究的参考之用。青藏高原1961-1990月均温分布数据平均相对误差率为8.9%，青藏高原1991-2020月均温分布数据平均相对误差率为9.7%，青藏高原1961-1990月降水分布数据平均相对误差率为20.9%，青藏高原1991-2020月降水分布数据平均相对误差率为22.7%。对部分缺失数据的区域进行了插补，对明显错误的个别数值进行了修改。
周才平
青藏高原东缘贡嘎山森林生态系统试验站观测的气象、土壤、植被等数据，时间主要是从2005-2008年。 气象数据：气温、气压、相对湿度、露点温度、水气压、地温、土壤温度（5cm、10cm、20cm、40cm）、10分钟平均风、10分钟最大风速、降水、总辐射、净辐射 乔木层生物观测数据：胸径、树高、生活型 灌木层生物观测数据：株数、高度、盖度、生活型、地上生物量、地下生物量 草本层生物观测数据：株（丛）数、平均高度、盖度、生活型、地上生物量、地下生物量 叶面积指数：乔木层叶面积指数、灌木层叶面积指数、草木层叶面积指数 土壤有机质及养分：土壤有机质、全氮、全磷、全钾、硝态氮、铵态氮、速效氮（碱解氮)、有效磷、速效钾、缓效钾、水溶液提pH值 土壤含水量：深度、含水量
王小丹
包含了青海省1988-2016年西宁、海东、门源、黄南、海南、果洛、玉树、海西等主要地区降水量数据。数据整理自统计年鉴：《青海社会经济统计年鉴》和《青海统计年鉴》，精度同数据所摘取的统计年鉴。 数据表记录了青海8个地区每个月及每年的降水量，单位：毫米。 数据集主要应用于地理学、社会经济研究。
青海省统计局
青藏高原东北部德令哈、天峻和乌兰的树轮宽度和重建的降水量、土壤水分条件数据序列以及德令哈地区过去3500年树轮的定年数据。本数据集由实验室测量获取，由仪器或者实验完成后直接得到数据。在各个环节严格按照相关操作规程进行样品和数据采集。 本数据集共有3个子表： 子表1为德令哈天峻乌兰轮宽，共有4个字段，其中每三个字段代表一个站点的数据，分别为站点编号，公元年份，样本量和宽度指数； 子表2为降水量和土壤水分重建，有5个字段，分别为公元、降水量、土壤相对湿度、植物生长需水量和实际蒸发量；其代表的实际含义分别为： ppt: 德令哈上一年7月至当年6月降水量； rsm_56：德令哈56月土壤相对湿度； accdef：上一年7月至当年6月植物生长需水量； ae16：1月－6月实际蒸发量； 子表3为3500年轮宽指数，共有3个字段，分别为年份、轮宽指数和样本量；其中年份中负号代表公元前； 各子表中轮宽指数无量纲，蒸发量、降水量、植物生长需水量单位均为mm，样本量单位为个。
王君波, 邵雪梅
本数据集包含青藏高原南部羊卓雍错湖芯孢粉图谱与温度/降水重建序列研究数据。用于研究羊卓雍错地区20ka来环境变化。利用孢粉分析方法获取本数据集由实验室测量及计算获取。在各个环节严格按照相关操作规程进行样品和数据采集，鉴定。 本数据集共有三个子表，其中： 前两个表为TC1孔孢粉样品分析数据，分别为： 字段1：样品号 字段2：样品深度 单位 cm 字段3：样品年代 单位 aBP 字段4：孢粉总浓度 单位 粒/克 字段5：总花粉颗粒 单位 粒数 字段6：指示性花粉总数 单位 粒数 字段7：鉴定指示性花粉数 单位 粒数 字段8：样品重量 单位 克 字段9：浓度系数 单位 粒/克 字段1：样品号 字段2：植物种类 字段3：花粉含量 单位 % 第三个子表为重建的温度降水，共有6个字段， 字段1：样品代码 字段2：样品名称 字段3：深度 单位 cm 字段4：年龄 单位 aBP 字段5：年均温 单位 0.1℃ 字段6：年降水 单位 0.1mm 岩芯采自青藏高原南部羊卓雍错流域，大致采样位置为：90°27′E，28°56′N，海拔：4425m
王君波, 吕厚远
第三极地区降水资料库包含7个指标：降水量（Precipitation），订正后降水 （Corrected Precipitation），订正系数（Correction Factor），风速损失（Wind-induced loss），蒸发损失（Evaporation loss），湿润损失（Wetting loss），微降水（Trace precipitation）。涵盖了第三极地区台站观测降水数据，同时包含了订正后的降水数据、订正系数，以及由风速、蒸发、湿润等引起的降水损失、微量降水等。 (1)中国境内观测降水数据来自于中国气象局-国家气象信息中心(http://data.cma.gov.cn/site/index.html) (2)国外观测降水数据来自NCDC国际气候数据中心-NOAA卫星信息服务中心(http://www7.ncdc.noaa.gov/CDO/country)，巴基斯坦气象局，尼泊尔气象局等。 原始数据已经由气象业务部门经过严格的质量控制，并已经在相关学术期刊发表。因各个国家气象数据集的规范不同，订正前需要统一气象要素单位，即气温、风速、降水等单位各自统一为℃、m/s、mm。 该数据集包含2个表格： 第三极地区中国境内降水日资料； 第三极地区境外降水日资料。 表格1，2包含如下字段：台站编号，日期，观测降水，订正后降水，订正系数，风速损失，蒸发损失，湿润损失，微降水。
张寅生
本数据集主要包括藏东南高山环境综合观测研究站色季拉山高山林线观测场2005-2008年观测的气象数据和土壤水分数据。 藏东南山地林线观测数据集，包含：1)气象数据集 ；2)土壤水分数据。其中：气象数据集内容包括：风速、气温(1,3m)、相对湿度（1，3m）、土壤热通量（-5，-20，-60cm）、土壤温度（-5，-20，-60cm）、气压、总辐射、净辐射、光合有效辐射、红光辐射（660，730nm）、大气长波辐射、地面长波辐射、地表温度、降水量、雪厚；土壤水分数据包括：植被类型、土壤含水量（-5，-20，-60cm）。 各观测指标所使用的仪器情况： 气温：气温传感器( Air Temperature Probe)，产自台湾，型号为TRH-S。 相对湿度：型号为TRH-S，产自台湾。 风速：风速仪(Anemoscope), 产自台湾，型号为03102。 气压：气压仪(Barometric Pressure sensor)，产自台湾，型号为BP0611A。 大气长波辐射：大气长波辐射仪(pyrgeometer），产自荷Kipp & Zonen公司，型号为CG3。 地面长波辐射：地面长波辐射仪（pyrgeometer），产自荷兰Kipp & Zonen公司，型号为CG3。 总辐射：总辐射仪（Pyranometer）,产自荷兰Kipp & Zonen公司，型号为CM3。 净辐射：净辐射仪(Net Radiometer), 产自荷兰Kipp & Zonen公司，型号为NR-Lite。 光合有效辐射：有效光合辐射仪（PAR-Sensor），产自产自荷兰Kipp & Zonen公司，型号为MS-PAR。 红外辐射：红外辐射仪(Infrared radiation sensor） ，产自英国Skye公司，型号为SKY110。 雨量：雨量筒（Rain Gauge）, 产自台湾，型号为7852M。 雪厚：超声波雪厚仪（ultrasonic snow depth sensor），产自美国，型号为260-700。 土壤温度：土壤温度传感器（Soil temperature probe）, 产自美国Onset公司，型号为12-Bit。 土壤热通量：土壤热通量板（Soil heat flux plate），产自荷兰Hukseflux公司，型号为HFP01。 土壤含水量：土壤水分传感器（Soil moisture sensor），产自美国Onset公司，型号为S-SMA-M003。 严格按照仪器操作规范进行观测和数据采集， 每项观测仪器在安装前都经过了供应商严格的调试并校正，从而确保了观测数据的准确性。在加工生成数据表时，剔除了一些明显误差数据。
刘新圣, 罗天祥
本数据集包含祁连山东段3个气象站点（西营水库[XYSCZ]，护林站[XYHLZ]和上池沟[XYSCG]）2006-2010年间的气象观测数据，要素包括气温、降水、相对湿度、风速、主风向、总辐射和气压，时间分辨率为：天。 原始数据严格按照仪器操作规范进行观测和数据采集，精度满足国家气象局和世界气象组织（WMO）对气象观测数据的要求，每年2-3次由专业人员对观测系统进行维护，对传感器进行标定和更换，对采集的数据进行下载和整编。该数据是原始数据经过质量控制后形成时间连续序列，剔除曳点数据和传感器出现故障造成一些明显的系统误差数据。
高红山
该数据集包含了藏东南帕隆4号冰川和表碛覆盖型24K冰川2016年6-9月常规冰面气象数据。观测仪器型号：气象数据采集器型号Campbell data logger CR1000，帕隆4号冰川降水观测仪器型号： T200B称重式雨量筒，表碛覆盖型24K冰川降水观测仪器型号：RG-3型翻斗式雨量筒。采集时间：60分钟数字化自动采集数据。数据集加工方法为原始数据经过质量控制后形成连续小时数据序列。 数据采集地点：藏东南帕隆4号冰川（29.252°N； 96.932°E；4800m），藏东南表碛覆盖型24K冰川（29.766°N；95.712°E；3900m）。 帕隆四号冰川4800米数据： 温度，单位：℃ 相对湿度，单位： % 风速，单位：m/s 向下短波辐射（downward shortwave radiation），单位：W/m² 向上短波辐射（upward shortwave radiation），单位：W/m² 向下长波辐射（downward longwave radiation），单位：W/m² 向上长波辐射（upward longwave radiation）, 单位：W/m² 降水量，单位：mm 表碛覆盖型24K冰川3900米数据（表碛厚度25厘米）： 温度，单位：℃ 相对湿度，单位： % 风速，单位：m/s 向下短波辐射（downward shortwave radiation），单位：W/m² 向上短波辐射（upward shortwave radiation），单位：W/m² 向下长波辐射（downward longwave radiation），单位：W/m² 向上长波辐射（upward longwave radiation），单位：W/m² 降水量，单位：mm 5cm表碛层内温度，单位：℃ 10cm表碛层内温度，单位：℃ 20cm表碛层内温度，单位：℃
杨威
数据集包含了青藏高原及周边地区1957-2015年5-9月的年降水量，数据分辨率为年。 原始数据来源于中国气象局国家气象信息中心（https://data.cma.cn），对缺省数据用多年平均值代替。 项目来源：中国科学院国际合作局对外项目重点资助，项目编号131C11KYSB20160061；中国自然科学基金委面上项目，项目编号41571067 数据有两列： 第一列为年； 第二列为降水量，单位：毫米。
中国气象数据网
本数据集包含从2005年10月1日到2016年12月31日，纳木错台站观测的气温、气压、相对湿度、风速、降水、总辐射等日值。 数据集加工方法为原始数据经过质量控制后形成连续的时间序列。满足国家气象局和世界气象组织（WMO）对气象观测原始数据的精度，剔除了曳点数据和传感器出现故障造成的系统误差。 该数据的服务对象为从事大气物理、大气环境、气候、冰川、冻土等学科科学研究和人才培养的专业人员。主要应用于冰川学、气候学和环境变化、寒区水文过程以及冻土学等学科领域。 测量参数的单位和精度如下： 空气温度，单位：℃，精度：0.1℃； 空气相对湿度，单位：%，精度：0.1%； 风速，单位：m/s，精度：0.1m/s； 风向，单位：°，精度：0.1°； 气压，单位：hPa，精度：0.1hPa； 降水，单位：mm，精度：0.1mm； 总辐射，单位：W/m2，精度：0.1W/m2。
汪远伟, 邬光剑
本数据集包括2007年1月1日至2017年12月31日藏东南站，大气气温、相对湿度、降水、风速、风向、净辐射、气压等的日平均数据。 该数据服务对象为从事气象、大气环境、生态研究的学生和科研人员。 其中各种气象要素的单位如下：气温℃；降水mm；相对湿度%；风速m/s；风向°；净辐射W/m2；气压hPa；可入肺颗粒物μg/m3。 所有数据均是原始观测数据计算得到的日平均值。严格按照仪器操作规范进行观测和数据采集，并已经在相关学术期刊发表；加工过程中剔除了一些明显误差数据，缺失数据用空值。 2015年由于台站观测探头老化问题，风速数据只保留后8个月数据。
罗伦
本数据集包含从2003年5月18日到2016年12月31日，慕士塔格西风带环境综合观测研究站观测的气温、气压、相对湿度、风速、风向、降水、辐射、水汽压等日值。 数据来自于自动气象站（Vaisala公司），每30分钟记录一条数据，数据集加工方法为原始数据经过质量控制后形成连续的时间序列。 满足国家气象局和世界气象组织（WMO）对气象观测原始数据的精度，剔除了曳点数据和传感器出现故障造成的系统误差。 主要应用于冰川学、气候学和环境变化、寒区水文过程以及冻土学等学科领域，服务对象为从事大气物理、大气环境、气候、冰川、冻土等学科科学研究和人才培养的专业人员。
汪远伟, 徐柏青
本数据集包含珠穆朗玛大气与环境综合观测研究站，2005-2016年观测的气温、气压、相对湿度、风速、降水、总辐射、P2.5浓度等日平均值。 数据服务对象为从事青藏高原气象研究的学生和科研人员。 其中降水数据是人工雨量桶观测，蒸发数据为Φ20mm蒸发皿观测，其它均为半小时的观测值处理后得到的日均值。 所有数据严格按照仪器操作规范进行观测和采集，在加工生成数据时，剔除了一些明显的误差数据。
马耀明
GAME/ Tibet 项目于1997 年夏季在安多(Amdo) 站作过短期预试验观测( PIOP) 。1998 年5～9 月, 安排了连续5 个加强观测期( IOP) , 每个IOP 约一个月。中、日、韩三国80 余名科学工作者分批赴青藏高原，进行了艰苦而卓有成效的工作。 各项观测试验计划顺利完成。并且从1998 年9 月加强观测结束后，5 个自动气象站(AWS) 、1 个自动气象综合观测站( PAM) 、1 个边界层塔及辐射综合观测站(Amdo) 及9 个土壤温度和湿度观测站一直连续观测至今, 取得了连续8 年零6 个月(从1997 年6 月开始) 极其珍贵的资料。 试验区设在藏北那曲地区的一个150 km ×200 km 的区域内(图1)，同时在青藏公路沿线的D66,沱沱河和唐古拉山口(D105) 也建立了观测点。包括高原草甸、高原湖泊、荒漠化草原等不同下垫面上, 设置了以下观测站(点)：(1) 两个包括大气和土壤的多学科综合观测站:安多(Amdo) 和那曲(NaquFx) 。这两个站含有多分量辐射观测系统、梯度观测塔、湍流通量直测系统、土壤温湿度梯度观测、无线电探空以及作为卫星资料地面真值利用的地面土壤湿度观测网和多角度光谱仪观测等；(2) 6 个自动气象站(D66 、沱沱河、D105 、D110 、Naqu 和MS3608) 。每个测站都有风、温、湿、压、辐射、地表温度、土壤温湿度和降水等观测；(3) 设在那曲北和南各约80 km 处的PAM( Portable Automated Meso - net) 站(MS3478和MS3637) 有类似于上述两个综合观测站(Amdo和NaquFx) 的主要项目, 同时有风、温、湿的湍流观测；(4) 9 个土壤温度和湿度观测点(D66 、沱沱河、D110 、WADD、NODA、Amdo 、MS3478、MS3478和MS3637) , 每个测站都包含有6 层土壤温度和9 层土壤湿度测量；(5) 一个设在那曲以南的三维多普勒雷达站和邻近(约100 km) 区域内的7 个加密雨量站( Precipitation gauge) , 辐射观测系统主要研究高原云与降水系统, 并作为TRMM 卫星一个地面真值站。 GAME-Tibet项目力求通过不同空间尺度的加强观测试验和长期监测，深入了解青藏高原的地气相互作用以及对亚洲季风系统的影响。 GAME/ Tibet 项目2000 年结束后, 已加入GEWEX(全球能量和水循环试验) 与CL IVAR (气候变化和预测) 两个大型国际计划联合组织的“全球协调加强观测计划(CEOP) ”, 开始执行“全球协调加强观测计划(CEOP) 亚澳季风之青藏高原试验研究”(CAMP/ Tibet ) 数据内容分为Prephase Observation Preriod (POP)1997年和IOP1998年 一、POP1997年数据内容： 1、Precipitation Guage Network (PGN) 2、Radiosonde Observation at Naqu 3、Analysis of Stable Isotope for Water Cycle Studies 4、Doppler radar observation 5、Large-Scale Hydrological Cycle in Tibet (Link to Numaguchi's home page) 6、Portable Automated Mesonet (PAM) [Japanese] 7、Ground Truth Data Collection(GTDC) for Satellite Remote Sensing 8、Tanggula AWS ( D105 station in Tibet ) 9、Syamboche AWS (GEN/GAME AWS in Nepal) 二、IOP1998年数据内容： 1、Anduo （1）PBL Tower 、（2）Radiation 、（3）Turbulence SMTMS 2、D66 （1）AWS （2）SMTMS （3）GTDC（4)Precipitation 3、Toutouhe （1）AWS（2）SMTMS（3）GTDC 4、D110 （1）AWS （2）SMTMS (3)GTDC(4)SMTMS 5、MS3608 （1）AWS （2）SMTMS （3）Precipitation 6、D105 （1）Precipitation (2)GTDC 7、MS3478(NPAM) （1）PAM （2）Precipitation 8、 MS3637 （1）PAM （2）SMTMS （3）Precipitation 9、NODAA （1）SMTMS (2)Precipitation 10、WADD （1）SMTMS （2）Precipitation （3）Barometricmd 11、AQB （1）Precipitation 12、Dienpa( RS2 ) （1）Precipitation 13、Zuri （1）Precipitation（2）Barometricmd 14、Juze （1）Precipitation 15、Naqu hydrological station （1）Precipitation 16、MSofNaqu（1）Barometricmd 16、Naquradarsite （1）Radarsystem（2）Precipitation 17、Syangboche[Nepal]（1）AWS 18、Shiqu-anhe（1）AWS（2）GTDC 19、Seqin-Xiang（1）Barometricmd 20、NODA（1）Barometricmd（2）Precipitation（3)SMTMS 21、NaquHY（1）Barometricmd（2）Precipitation 22、NaquFx(BJ)（1）GTDC（2)PBLmd(3)Precipitation 23、MS3543（1）Precipitation 24、MNofAmdo（1）Barometricmd 25、Mardi（1）Runoff 26、Gaize（1）AWS（2）GTDC（3）Sonde
马耀明
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
