青藏高原作为亚洲“水塔”为亚洲主要河流提供水资源。由生物质和化石燃料燃烧排放的BC气溶胶对辐射具有极强的吸收作用，进而对地球系统的能量收支和分布具有重要的影响，是气候环境变化不可忽视的影响因子。青藏高原周边地区排放的黑碳气溶胶经大气环流可被传输至高原内部，并沉降到雪冰表面，对降水和冰川物质平衡产生重要影响。分别在青藏高原5个台站架设黑碳仪，在线测量大气黑碳含量。这对评估黑碳对青藏高原的气候环境影响和大气污染物的跨境传输提供数据基础。

本数据集包括了青藏高原祁连山地区自从1980年到2013年以来的逐月的地表平均温度数据。本数据集来源于欧洲中期天气预报中心的第三代ERA-Interim再分析资料，该数据集采用四维变分分析，结合卫星数据误差校正等技术，实现了再分析资料的质量提升。数据集的空间分辨率为0.125°。本数据集是祁连山地区过去30多年以来地表温度网格数据集，可为祁连山地区的气候变化、生态系统发展演替及相关地球系统模型的研究提供数据基础。

青藏高原在中国境内的部分涉及西藏、青海、新疆、云南、甘肃、四川六个省份，包括了西藏、青海全境，以及新疆、云南、甘肃、四川的部分地区。水土资源匹配研究旨在揭示一定区域尺度水资源和土地资源时空分配的均衡状况与丰缺程度。区域水资源与耕地资源分配的一致性水平越高，其匹配程度就越高，农业生产的基础条件就越优越。采用单位耕地面积的广义农业水资源量测度方法来反映研究区农业生产的水资源供给量和耕地资源空间适宜性的量比关系。 数据集的Excel文件中包含青藏高原在中国境内的市级行政区2008-2015年的广义农业水土资源匹配系数数据，矢量数据为2004年青藏高原在中国境内的市级行政区矢量边界数据，栅格数据像元值即所在地区当年广义农业水土资源匹配系数。

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。

中亚地区荒漠化（土地沙化、盐渍化和植被退化）专题数据主要包括：中亚地区沙化土地分布图、中亚地区盐渍化土地分布图和中亚地区土地植被退化分布图，空间分辨率为1km，时间分辨率为年。中亚地区盐渍化土地分布图将盐渍化土地分为了轻度、中度、重度和极重度盐渍化土地四类。中亚地区土地植被退化分布图将植被退化状况分为了显著改善、轻微改善、稳定或无植被、轻微退化和显著退化五类。数据由中国科学院新疆生态与地理研究所遥感与GIS重点实验室生产，生产费用由“中国科学院战略性先导科技专项XDA20030101资助”。

Koppen Geiger 气候类型地图为Rubel（2017）降尺度后的高分辨率格点数据集，提供了两个数据子集：一个数据Netcdf文件和一个用于单独可视化的NCL代码。数据集代表了1986-2010年的气候类型分布，分辨率为5弧分（1/12度，约10km）。 使用Rubel等人（2017）发展的降尺度算法，重新分析的Köppen-Geiger气候类型数据得到了5弧分的高分辨率版本。它代表了最近的25年气候类型的分布。 此外，颜色表针对更高的分辨率进行了优化，导致地图外观略有不同。

中亚-西亚地区资源环境基础地理数据集主要包括6部分：中亚-西亚地区行政区划图、地形地貌图、水系图、年累积降水图、年平均温度图和潜在蒸散发分布图。其中行政区划图为最新的国家边界数据，地形地貌图DEM分辨率为90米，水系图为最新的一级河流矢量数据。年累积降水图和年平均温度图中降水和温度数据由长时间序列的站点数据插值得到，而潜在蒸散发分布图中的潜在蒸散数据是基于Penman-Monteith公式计算得到，降水、温度和潜在蒸散数据均由原始0.5°的CRU数据基于ArcGIS软件的双线性插值方法重采样为0.25°得到，且数据集经过严格的质量控制和一致性检查，相关研究(Deng and Chen, 2017; Li et al., 2017; Li et al., 2016)表明该数据集在中西亚地区对气候相关研究具有很好的适用性。数据由中国科学院新疆生态与地理研究所遥感与GIS重点实验室生产，生产费用由“中国科学院战略性先导科技专项XDA20030101资助”。

中亚-西亚地区典型流域荒漠化关键要素数据集由4部分组成，分别是阿姆河流域农用地分布及变化、阿姆河流域草地分布及变化、阿姆河流域灌丛分布及变化和阿姆河流域森林分布及变化，数据空间分辨率为30m。由中国科学院新疆生态与地理研究所遥感与GIS重点实验室生产，数据生产费用由“中国科学院战略性先导科技专项XDA20030101资助”。阿姆河流域荒漠化关键要素数据集由1990年、2000年和、2010年三期数据组成，是基于TM/ETM遥感影像解译获得。

1) 数据内容（包含的要素及意义）: 大气柱总含水量/可降水量、 儒略日Julian Day、经纬度和海拔高度； 2) 数据来源及加工方法: ECMWF-interm逐月再分析资料集 monthly mean analysis； 3) 数据质量描述：时间分辨率为逐月，空间分辨率：0.7°*0.7°； 4) 数据应用成果及前景：数据集给出了高原空中大气水资源的空间情况，用于分析高原空中水汽的时空变化及对周边地区降水的影响。

该数据集为中亚五国599个气象站点的气温和降水数据包括以下要素：*每日最高温度、*每日最低温度、*观察时的温度、*降水（即下雨，融化的雪），涵盖日期包括：1980年-1986年；1996年-2005年；2010年；2014年；2015年 数据来源于GHCN-D-一个包含全球陆地区域日观测数据的数据集，GHCN-Daily综合了气候记录。 数据为直接测量表面温度，无需插值或模型假设，包含许多长期的站点记录。缺点是空间覆盖不均，由于观察时间，站点位置和使用的温度计类型的变化，记录包含许多不均匀性。 有关此数据集的详细信息，可参考https://www.ncdc.noaa.gov/ghcnd-data-access

数据来源于美国地质勘探局（USGS）开发的30秒全球高程数据集，于1996年完成。从NCAR和UCAR联合的数据下载中心（https://rda.ucar.edu/datasets/ds758.0/）下载了泛第三极区域的数据，并通过数据中心重新分发。GTOPO30在分发时将全球分为33个区块，采样间隔为30弧秒， 即0.008333333333333度，坐标参考为WGS84，其值为垂直方向高出海平面的距离，即海拔，单位为m，海拔范围-407到8752，这里不包含海洋深度信息，负值为大陆架的海拔；海洋处标记为-9999，海岸线以上大陆海拔至少为1；小于1平方千米的岛不考虑。详细说明信息请见说明文档。 为了便于用户使用方便，在分块数据的基础上，将-10S-90N，20W-180E内10个区块进行拼接，没有经过任何重采样处理。本数据文件为DEM_ptpe_Gtopo30.nc

青藏高原逐日无云MODIS积雪面积比例数据集（2000-2015）是在MODIS逐日积雪产品—MOD10A1的基础上，采用一种基于三次样条函数插值的去云算法进行去云处理后得到。 该数据集采用UTM（横轴等角割圆柱）投影方式，空间分辨率500m，提供逐日的青藏高原地区积雪面积比例（Fractional Snow Cover-FSC）结果。数据集为逐日文件，从2000年2月24日到2015年12月31日。每个文件为当日的积雪面积比例结果，数值为0-100（%），为ENVI标准文件，命名规则为：YYYYddd_FSC_0.5km.img，其中YYYY代表年，ddd代表儒略日（001-365/366）。文件可直接用ENVI或者ARCMAP等软件打开察看。 进行去云处理的原始MODIS积雪数据产品来源于由美国国家雪冰数据中心（NSIDC）处理的MOD10A1产品，这一数据集为hdf格式，采用sinusoidal投影。 青藏高原逐日无云MODIS积雪面积比例数据集（2000-2015）属性由该数据集的时空分辨率、投影信息、数据格式组成。 时空分辨率：时间分辨率为逐日，空间分辨率为500m，经度范围为72.8°～106.3°E，纬度为25.0°～40.9°N。 投影信息：UTM（横轴等角割圆柱）投影。 数据格式：ENVI标准格式。文件命名规则：“YYYYddd”+“_FSC_0.5km”+“.img”，其中YYYY代表年，ddd代表儒略日（001-365/366），其中“.img”是为了方便在ARCMAP等软件打开察看而添加的文件后缀。例如2000055_FSC_0.5km.img代表2000年第55天的结果。其中该数据集的ENVI文件是由头文件和主体内容构成。头文件包括行数、列数、波段数、文件类型、数据类型、数据记录格式、和投影信息等；以2000055_FSC_0.5km.img 文件为例，其头文件信息如下： ENVI description = { ENVI File, Created [Sat Apr 27 18:40:03 2013]} samples = 5760 lines = 3300 bands = 1 header offset = 0 file type = ENVI Standard data type = 1 ：代表byte型 interleave = bsq ：数据记录格式为BSQ sensor type = Unknown byte order = 0 map info = {UTM, 1.500, 1.500, -711320.359, 4526650.881, 5.0000000000e+002, 5.0000000000e+002, 45, North, WGS-84, units=Meters} coordinate system string = {PROJCS["UTM_Zone_45N",GEOGCS["GCS_WGS_1984",DATUM["D_WGS_1984",SPHEROID["WGS_1984",6378137.0,298.257223563]],PRIMEM["Greenwich",0.0],UNIT["Degree",0.0174532925199433]],PROJECTION["Transverse_Mercator"],PARAMETER["False_Easting",500000.0],PARAMETER["False_Northing",0.0],PARAMETER["Central_Meridian",87.0],PARAMETER["Scale_Factor",0.9996],PARAMETER["Latitude_Of_Origin",0.0],UNIT["Meter",1.0]]} wavelength units = Unknown，band names = {2000055}