该数据集包含了2020年5月31日以前，和2020年9月2日以后的黑河流域地表过程综合观测网下游四道桥超级站的物候相机观测数据。2020年5月31日至2020年9月2日，由于物候相机供电故障，造成时间缺失，另外，在9月2日重新安装相机时，由于相机经过移动重新安装，造成视场内的目标物与5月31日以前有所变化，可能会造成前后数据的不一致性。站点位于内蒙古额济纳旗达来呼布镇四道桥，下垫面是柽柳。观测点的经纬度是101.1374E, 42.0012N，海拔873m。仪器由北京师范大学自主研发并进行处理。物候相机集成数据获取与数据传输功能。相机采用垂直向下的方式采集数据，拍摄数据分辨率为1280*720，可指定拍摄时间频率。对于物候期的计算，首先，根据感兴趣区计算物候指标，如相对绿度指数(GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值)。然后对数据进行质量控制、无效值填充和滤波平滑。最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等。本数据集为该站点2020年相对绿度指数（GCC）。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)。

该数据集包含了2020年1月1日至2020年12月31日的黑河流域地表过程综合观测网上游阿柔超级站的物候相机观测数据。站点位于青海省祁连县阿柔乡草达坂村，下垫面是亚高山山地草甸。观测点的经纬度是100.4643E, 38.0473N，海拔3033m。仪器由北京师范大学自主研发并进行处理。物候相机集成数据获取与数据传输功能。相机采用垂直向下的方式采集数据，拍摄数据分辨率为1280*720，可指定拍摄时间频率。对于物候期的计算，首先，根据感兴趣区计算物候指标，如相对绿度指数(GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值)。然后对数据进行质量控制、无效值填充和滤波平滑。最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等。本数据集为该站点2020年相对绿度指数（GCC）。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)。

该数据集包含2020年1月1日至2010年12月31日黑河流域地表过程综合观测网中游大满超级站的物候相机观测数据，该仪器由北京师范大学自主研发并进行处理。物候相机集成数据获取与数据传输功能。相机采用垂直向下的方式采集数据，拍摄数据分辨率为1280*720，可指定拍摄时间频率。对于物候期的计算，首先，根据感兴趣区计算物候指标，如相对绿度指数(GCC, Green Chromatic Coordinate公式为GCC=G/(R+G+B), R、G、B为图像红、绿、蓝三通道像元值)。然后对数据进行质量控制、无效值填充和滤波平滑。最后根据生长曲线拟合确定关键物候期参数，如生长季起始日、顶峰、生长季结束日等。本数据集为该站点2020年相对绿度指数（GCC）。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)。

该数据集包含了2020年7月10日至2020年9月20日的黑河水文气象观测网中游大满超级站叶面积指数观测数据。站点(100.376° E, 38.853° N)位于甘肃省张掖市大满灌区内，海拔1556m，下垫面是玉米。观测样方共计6个，每个样方大小约30m×30m，经纬度分别为(100.376°E, 38.853°N)、(100.377° E, 38.858°N)、(100.374°E, 38.855°N)、(100.374°E, 38.858°N)、(100.371°E, 38.854°N)、(100.369°E, 38.854°N)。每个样方内布设5个冠层下节点和1个冠层上节点。 本数据集由叶面积指数无线传感网（LAINet）获取，该仪器原始观测数据为仪器自动获取的每个节点逐日逐小时的光照数据（Level0），利用LAINet软件对原始观测数据进行处理，逐节点计算每天LAI（Level1），进一步对无效值识别与填充，并7天滑动平均消除天气变化对LAI计算的影响（Level2），对有多个LAINet节点的观测子区，节点的均值为该子区的最终观测值（Level3）。 本次发布的数据集为处理后的Level3产品，数据以*.xls格式存储。 黑河流域地表过程综合观测网或站点信息请参考Liu et al. (2018)，观测数据处理请参考Qu et al. (2014)。

本数据集包含1979-2018年青藏高原月尺度蒸散发量，空间分辨率为0.1度。数据集主要以ERA5净辐射数据和中国区域地面气象要素驱动数据集（CMFD）作为输入，利用S型广义蒸发互补原理计算得到。利用青藏高原12个涡度通量站的观测数据和5个流域（长江源、黄河源、怒江、雅鲁藏布江、黑河）的水量平衡数据对模型输出的蒸散发量进行了率定和验证，显示出了较高的精度。该数据集可用于青藏高原水循环和气候变化研究。

近年来，南极冰盖消融逐渐加速，南极冰盖表面发育了大量冰面融水，深入理解南极冰盖冰面融水的空间分布和动态变化，对于研究南极冰盖物质平衡具有重要意义。本数据集是基于Landsat-7、8和Sentinel-2影像提取的2000-2020年南极冰盖典型消融区（普利兹湾）10-30m冰面融水数据集。数据集投影为极地方位投影，格式为矢量（ESRI Shapefile）和栅格（GeoTIFF），时间为南半球夏季（12月-次年2月）。

雪水当量（Snow water equivalent，SWE）是地表水文模型和气候模型的重要参数。本数据基于机器学习的岭回归算法融合了多种现有的雪水当量数据产品，形成了一套时间序列连续且精度较高的雪水当量数据产品。数据的空间范围为泛北极地区（北纬45°至北纬90°），数据时间序列为1979-2019年。该数据集有望为水文模型和气候模型提供更为精确的雪水当量数据，为冰冻圈变化及全球变化提供数据支撑。

该数据集中主要包括中国典型稀土矿床，如川西冕宁牦牛坪、里庄稀土矿床以及甘肃干沙鄂博稀土矿床，这些稀土矿床在成因上主要与碳酸岩-碱性岩杂岩体有关。我们对这些杂岩体中的岩石或者矿石进行了原位微区U-Pb定年、全岩主微量元素、Sr-Nd-Pb放射性同位素以及C-O-B-Ca等稳定同位素以及矿物原位微区主微量元素含量的分析。其中主量元素通过X射线荧光光谱仪（XRF）测得，微量元素通过电感耦合等离子体质谱仪（ICP-MS）测得，同位素主要通过MC-ICP-MS测得。我们主要得出了一下几点重要认识：（1）揭示了碱性岩-碳酸岩型稀土矿床岩浆源区经历了强烈俯冲物质的加入，其形成深度可能要比之前认为的要深；（2）揭示了霓长岩化既可能与碳酸岩有关，也与碱性岩浆作用有关，并且这两种岩浆类型所发生的霓长岩化可能存在差异；（3）时代越新的稀土矿床遭受的后期改造作用可能相对较弱，而形成时代古老的稀土矿床容易遭受后期地质作用的影响而难以辩别。

（1）数据内容：本数据集是申扎高寒草地2019-2020年的土壤剖面水热碳数据集，包含土壤不同深度（5 cm, 10 cm, 20 cm, 40 cm, 100 cm及150 cm）的温度、含水量和CO2浓度的日均值。（2）数据来源及加工方法：数据来源于野外原位观测。其中，土壤温度数据来源于CS109探头，土壤含水量数据来源于CS616探头，土壤CO2浓度数据来源于GMM222探头。（3）数据质量较高，但由于供电问题在4月底存在部分数据缺失情况。（4）该数据集有助于促进对青藏高原地下碳过程的理解。

该研究通过分析云南腾冲青海（Tengchongqinghai，TCQH）湖泊沉积岩芯中的支链甘油二烷基甘油四醚酯（brGDGTs）和叶蜡氢同位素，首次展示了末次冰期以来（过去8.8万年以来）低纬陆地高分辨率年均温度变化历史。根据TCQH岩心建立出的南亚年均温度，该区域存在8.8-7.1万年和4.5-2.2万年两个暖期，温度变幅约2-3 °C，这样的变幅基本达到了该区域冰期-间冰期的变幅，全新世以来温度呈持续增温趋势，升温约1-2°C。

本数据为祁连山地区2020年冰川分布产品。采用经典波段比值法和人工修正的方法提取。原始基础数据为2020年祁连山全境的高分系列影像。参考数据为谷歌影像和天地图影像。产品以shp文件格式存储，包含坐标系、冰川ID、冰川面积等属性。产品为1期，空间分辨率为2米，边界精度在2米（一个像元）左右。该数据直观地反映了祁连山冰川在2020年的分布，可用于冰川物质平衡变化定量估计、冰川变化对流域径流量影响定量估计等研究。

南极数字表面高程模型（DEM）对于人类活动、陆冰形态监测和物质平衡估算具有重要意义。采用新一代激光雷达高度计ICESat-2生成一个新的且具有明确时间戳的南极DEM，该DEM覆盖冰盖和冰架区域。采用2018年11月至2019年11月共计约47亿个ICESat-2观测点，利用时空拟合法估算了南极在500米和1公里分辨率下的表面高程，总体空间分辨率为500米。该方法可以估算74%的南极表面高程，剩下的高程信息通过克里金插值获取。采用美国NASA发布的OIB机载飞行数据进行该DEM的精度验证（之后称之为ICESat-2 DEM）。总体而言，ICESat-2 DEM的平均偏差约为-0.19米，均方根偏差约为10.83米（来自500万个时空匹配的观测点）。ICESat-2 DEM的精度和不确定度与表面坡度和粗糙度有关，在内陆冰盖处有更为可靠的观测结果。ICESat-2 DEM与原有基于卫星高度计、光学像对和雷达干涉测量技术生成的南极DEM具有一定的可比性。ICESat-2 DEM的高精度和明确的时间戳使得其补充了现有的南极DEM数据集并且可以应用于其他科学课题。