数据内容：对外经济贸易_货物进出口总额(1952-2019) 及对外经济贸易_按贸易分进出口总额(1981-2019) 数据来源及加工方法：从世界银行官方网站、新浪网获取2015-2019年中国地区（包括第三极）对外贸易及投资原始数据，通过数据整理、筛选及清洗得到1952-2019年中国地区（包括第三极）对外贸易及投资数据集，数据起始时间为1952年至2019年，Microsoft Excel (xlsx)格式。

数据内容：国民经济_工业增加值（月度）（2010-2019） 数据来源及加工方法：从世界银行官方网站、新浪网获取2015-2019年中国地区（包括第三极）工业经济原始数据，通过数据整理、筛选及清洗得到2010-2019年中国地区（包括第三极）工业经济数据集，数据起始时间为2010年至2019年，Microsoft Excel (xlsx)格式。

数据内容：价格指数_居民消费价格指数(CPI)(2010-2019) 数据来源及加工方法：从世界银行官方网站、新浪网获取015-2019年第三极（中国地区）价格指数经济原始数据，通过数据整理、筛选及清洗得到2010-2019年第三极（中国地区）价格指数经济数据集，数据起始时间为2010年至2019年，Microsoft Excel (xlsx)格式。

黄河源多年冻土分布数据是基于黄河源区多年冻土年均地温模型而建立的，以年平均地温0℃作为划分季节冻土和多年冻土的标准和界限。与目前可利用的黄河源区冻土分布图有青藏高原冻土图（1:300万）和青藏高原多年冻土本底调查项目完成的青藏高原冻土分布图（1:100万）相比，该数据集基于黄河源区实测数据，与实测数据有更高的吻合性，冻土分布图的模拟精度也最高。该数据集可用于黄河源区多年冻土分布研究的验证，也可用于冻土环境等方面的研究。

This dataset includes daily water vapor and precipitation isotopes (δ18O and δD) and daily meteorological parameters including temperature, relative humidity, vapor concentration, air pressure, and precipitation amount at Nanjing, eastern China. Water vapor isotopes (δ18Ov and δDv) were online measured during November 2012 to December 2018 by a Wavelength Scanned Cavity Ring-Down Spectrometer (WS-CRDS, model: Picarro L2120-i) at the Station for Observing Regional Processes of the Earth System of Nanjing University (SORPES-NJU, 32.12°N, 118.95°E, 55 m above sea level) on the Xianlin Campus of the Nanjing University, about 20 km east of downtown Nanjing in the Eastern China. The uncertainties were determined to be less than 0.2‰ for δ18Ov and 1.0‰ for δDv. Precipitation isotopes were also measured by Picarro L2120-i during September 2011 to December 2018, with the analytical uncertainty of less than 0.1‰ for δ18O and 0.5‰ for δD.

高质量高时空分辨率降水产品在理解全球和区域尺度的“水-碳-能”循环研究中扮演重要角色。卫星遥感为监测降水高时空变异特征提供了不可替代的手段，尤其是在自然条件恶劣的无资料地区。但由于是间接估算而来，卫星遥感降水产品不可避免地存在系统偏差和随机误差。聚焦于目前主流的遥感降水产品（GPM IMERG及其回推产品，0.1°/half-hourly，2000-present）获取过程中的潜在不足，如该产品的矫正时空尺度为1.0°/monthly，本研究在更高时空尺度上提出一套新的时空矫正算法，并引入高质量地面观测产品APHRODITE（0.25°/daily），生产了一套亚洲地区同期高质量高时空分辨率降水数据集AIMERG（0.1◦/half-hourly，2000–2015）。AIMERG降水数据集能够同时有效考虑卫星估计和地面观测的各自优势，其系统偏差和随机误差在中国地区不同时空尺度上的表现优于GPM IMERG，为亚洲地区相关领域的科学研究及生产实践提供了更为丰富且可靠的基础数据。

包含青藏高原地区气溶胶类型和气溶胶光学厚度，两类数据。 气溶胶类型数据产品是综合利用MEERA 2同化资料和主动卫星CALIPSO产品经过一系列数据预处理、质量控制、统计分析和对比分析等过程而融合得出的气溶胶类型结果。该气溶胶类型融合算法的关键是对CALIPSO气溶胶类型的判断。融合时根据CALIPSO气溶胶类型的种类和质控，并参考MERRA 2气溶胶类型得到最终气溶胶类型数据（共12种）和质量控制结果。充分考虑了气溶胶的垂直分布以及空间分布，具有较高的空间分辨率（0.625°×0.5°）和时间分辨率（月）。 气溶胶光学厚度（AOD）采用自主研发的可见光波段遥感反演方法，结合Merra-2模式数据与NASA的官方产品MOD04制作，数据覆盖时间从2000年到2019年，时间分辨率为逐日，空间分辨率为0.1度。反演方法主要采用自主研发的APRS算法，反演了冰雪上空的气溶胶光学厚度，算法考虑了冰雪地表的BRDF特性，适用于冰雪上空气溶胶光学厚度的反演。通过实测站点验证表明，数据相对偏差在35%以内，可有效提高极区气溶胶光学厚度的覆盖率和精度。

泛第三极主要城市2000-2017年土地覆盖数据包含2000/2010/2017年14个城市（乌鲁木齐、西宁、兰州、达卡、加德满都、勒克瑙、德里、拉合尔、伊斯兰堡、喀布尔、杜尚别、塔什干、比什凯克、阿拉木图）30米分辨率的数据。包括植被、耕地、人造地表、水体和其它五种地类。利用GlobeLand30, MCD12Q1,Globcover2009识别了分类一致区域并保留，采用深度学习方法对分类不一致区域重新分类，融合两类区域得到最终的分类结果。 每年数据均经过人工目视解译验证。 数据应用于泛第三极城市建设用地变化、人类活动影响的研究。 数据类型：栅格。 投影方式：UTM投影。

青藏高原五大河源区冰川径流数据集覆盖时间从1971年到2015年, 时间分辨率为逐年，覆盖范围为青藏高原五条大江大河源区(黄河源，长江源，澜沧江源，怒江源，雅鲁藏布江源)。 数据以多源遥感和实测数据为基础，使用青藏高原五大河源区及其周边气象站点日尺度气象数据、UMD-1KM的全球植被产品、IGBP-DIS土壤数据库、第一、二次冰川编目数据等驱动模型，耦合了冰川模块的分布式水文模型VIC-CAS模拟形成了冰川径流数据。并使用站点实测数据对模拟结果进行了验证, 增强质量控制。 数据指标包含：冰川径流率（Rate of glacier runoff: %），总径流（Total Runoff，mm/a），雪径流率（Rate of snow runoff: %），降雨径流率 （降雨径流率:%）。

这组数据是1974-2016年期间珠峰北坡绒布流域三条绒布冰川及表碛覆盖冰川三个时间段的年均冰储量变化数据集，采用ESRI 矢量多边形格式存储,是由三个阶段的DEM高程差数据DHPRISM2006-DEM1974（DH2006-1974）、DHSRTM2000-DEM1974（DH2000-1974）、DHASTER2016-SRTM2000（DH2016-2000），结合冰川覆盖专题矢量数据、冰密度 850 ± 60 kg m−3计算而来。DHPRISM2006-DEM1974, or DH2006-1974, 是2006年PRISM2006 数据和1974年DEM1974之间的高程差,即DH2006-1974 =PRISM2006 – DEM1974。PRISM2006是由2006年12月4日的光学立体像对遥感数据ALOS/PRISM生成。DEM1974是由我国早期1:50,000地形图生成的，这两期DEM都采用横轴墨卡托投影、Krasovsky1940椭球体。PRISM2006与DEM1974配准后，非冰川区高程数据精度为±0.24 m a-1。DHSRTM2000-DEM1974（DH2000-1974）是，2000年SRTM与DEM1974的高程差，两期DEM数据配准后，非冰川区高程数据精度为±0.03 m a-1。DHASTER2016-SRTM2000（DH2016-2000）是基于Brun et al. (2017) 发布的冰面高程差数据，采用与DH2006-1974、DH2000-1974一样的数据处理方法与处理过程而得到, 在非冰川区高程数据精度为±0.08 m a-1。表格中包括的数据项有：Shape_Area,冰川面积(m2)、Name冰川名,EC74_00表示1974-2000年间平均每条冰川每年的冰面高程变化（m a-1），EC00_16表示2000-2016年间冰川每年的冰面高程变化（m a-1），EC74_2006是1974-2006年间冰川年均冰面高程变化（m a-1），MB74_00表示1974-2000年间每条冰川年均冰川物质平衡数据（m w.e. a-1），MB00_16表示2000-2016年每条冰川年均冰川物质平衡数据（m w.e. a-1），MB74_2006表示1974-2006年每条冰川年均冰川物质平衡数据（m w.e. a-1），MC74_2000表示1974-2000年间每条冰川每年冰储量变化（m3 w.e. a-1），MC00_2016表示2000-2016年间每条冰川每年的冰储量变化（m3w.e. a-1），MC74_2006表示1974-2006年间每条冰川每年的冰储量变化（m3w.e. a-1）, Uncerty_EC,是每条冰川冰面高程变化的最大误差范围（m a-1）、Uncerty_MB,是每条冰川冰川物质平衡的最大误差（m w.e. a-1），Uncerty_MC, 是每条冰川冰储量变化的最大误差（m3w.e. a-1）。 MinUnty_EC，是每条冰川冰面高程变化的最小误差范围，MinUnty_MB，每条冰川冰川物质平衡的最小误差（m w.e. a-1），MinUnty_MC是每条冰川冰储量变化的最小误差（m3w.e. a-1）。该组数据可用于喜马拉雅山脉与高亚洲地区冰川变化、冰川消融水文水资源效应及其气候原因。

该数据提供了青藏高原内陆流域582个面积大于1平方公里的湖泊从1986-2019的年湖泊面积。 首先根据JRC和SRTM DEM数据，识别研究区内582个大于1 km2的湖泊。利用Landsat5/7/8所有覆盖湖泊的遥感影像合成每年的Landsat影像，根据NDWI指数和Ostu算法动态分割每个湖泊，并据此计算每个湖泊1986-2019年湖泊面积大小。 本研究基于Landsat卫星遥感影像，利用Google Earth Engine 处理了所有Landsat影像，建立了至今为止最全的青藏高原地区大于1平方公里的年湖泊面积数据集；开发了一套湖泊面积自动提取算法，实现单个湖泊多年面积的批量计算；该数据对分析青藏高原地区湖泊面积动态、水量平衡，及研究青藏高原湖气候变化有重要意义。

2002-2018年北半球高纬地区中分辨率MODIS河湖冰覆盖度数据集是基于MODIS的归一化积雪指数数据，利用SNOWMAP算法对晴空条件下的逐日河湖冰覆盖范围进行检测，并通过对河湖面的时间、空间的连续性等一系列步骤重新确定云覆盖条件下的河湖冰覆盖范围。通过这一系列的处理后，获得少云的逐日河湖冰覆盖度数据集。该数据集中获得的湖冰物候信息与被动微波数据的信息高度一致，平均相关系数为0.91，RMSE值在0.07至0.13之间变化。