太阳分光光度计的测量数据可以直接用来反演非水汽通道的光学厚度、瑞利散射、气溶胶光学厚度、大气气柱的水汽含量（使用水汽通道936nm处的测量数据）。青藏高原气溶胶光学特性地基观测数据集采用Cimel 318太阳光度计连续观测获得，涉及珠峰站和纳木错站共两个站点。数据覆盖时间从2009年到2016年，时间分辨率为逐日。太阳光度计在可见光至近红外设有8个观测通道，中心波长分别为：340、380、440、500、670、870、940和1120 nm。仪器的视场角为1.2°，太阳跟踪精度为0.1°。根据太阳直接辐射可获得6个波段的气溶胶光学厚度，精度估计为0.01-0.02。最终采用AERONET统一反演算法，获得气溶胶光学厚度、Angstrom指数、粒度谱、单次散射反照率、相函数、复折射指数和不对称因子等。

MODIS土地覆盖类型产品是每年从Terra数据中提取的土地覆盖特征不同分类方案的数据分类产品（MOD12Q1）。本数据为标准MODIS土地覆盖产品MOD12Q1经过重新投影到地理坐标，空间分辨率为0.5度的产品。基本的土地覆盖分类为国际地圈生物圈计划（IGBP, International Geosphere Biosphere Programme）定义的17类，包括11类自然植被分类，3类土地利用和土地镶嵌，3类无植生土地分类。其覆盖经度范围－180－180度，纬度范围为－64-84度。数据格式为GeoTIFF。 该数据可免费使用，版权属于 University of Maryland, Department of Geography and NASA

青藏高原湖泊动态数据集采用美国陆地资源卫星（Landsat）遥感数据为主，采用波段比值与阈值分割方法制作，数据覆盖时间从1984年到2016年，时间分辨率为5年一期，覆盖范围为青藏高原，空间分辨率为30m。水体面积提取方法采用波段比值（B4/B2）或者水体指数（MNDWI）为主，构建分类树，算法构建考虑水体的光谱特征在时间和空间上的变化，并且考虑水体所处的空间为主的坡度、坡向信息调整决策树的阈值。长时间序列星载卫星数据来自Landsat MSS、TM、ETM+和OLI等系列传感器。水体信息提取的最小单元为2*2个像元，小于0.36*10^-2Km²的水体全部剔除。通过高分辨率遥感数据提取的水体信息以及目视解译确定的水体检验点的验证表明青藏高原水体面积信息的总体精度优于95%。数据以shape文件保存，投影方式为Albers投影，中央经线为105 °，双标准纬线纬度为25 °和47 °。

该NDVI数据集是由NASA EOSDIS LP DAAC 和美国地质调查 USGS EROS共同发布的第六版MODIS均一化植被指数产品（2001-2016）。该产品的时间分辨率是16天，空间分辨率0.05度。该版本是在原有1公里分辨率的NDVI产品（MYD13A2）基础上生成的气候模拟格点（CMG）数据产品。 请在致谢中以下方式说明该数据的来源： The MOD13C NDVI product was retrieved from the online in courtesy of the NASA EOSDIS Land Processes Distributed Active Archive Center (LP DAAC), USGS/Earth Resources Observation and Science (EROS) Center, Sioux Falls, South Dakota, The [PRODUCT] was (were) retrieved from the online [TOOL], courtesy of the NASA EOSDIS Land Processes Distributed Active Archive Center (LP DAAC), USGS/Earth Resources Observation and Science (EROS) Center, Sioux Falls, South Dakota.

本数据为盈科绿洲农田、湿地、戈壁、沙漠与荒漠观测的一个生长周期内的植被覆盖度数据集。数据观测从2012年5月25日开始到9月14日结束，7月下旬之前每5天观测1次，之后10天观测1次。 测量仪器与原理： 采用数码相机拍照的方法测量了盈科绿洲的农田、湿地、戈壁、沙漠与荒漠的典型地物的植被覆盖度。样方的设计、照片拍摄方法和数据处理方法都经过一定的分析和考虑。 具体分几条进行描述： 0. 测量仪器：简易观测架搭配数码相机，将数码相机置于支撑杆前端的仪器平台，保持拍摄的竖直向下，远程控制相机测量数据。观测架可以用来改变相机的拍摄高度，面向不同类型植被实现有针对性的测量。 1. 样方设置和“真值”获取：玉米等低矮植被样方大小10×10米，果树样方30米×30米。每次测量时沿两条对角线依次拍照，共取9张照片（当地表覆盖非常均一时也有少于9张的情况），均匀分布在样方内。9张相片处理得到各自覆盖度之后取平均，最终得到一个样方的覆盖度“真值”。 2. 拍摄方法：针对低矮植被如玉米，直接采用观测架观测，保证观测架上的相机距离植被冠层的高度远大于植被冠幅，在方形样方内沿着对角线采样，然后做算术平均。在视场角度不大(<30°)的情况下，视场内包括大于2个整周期的垄行，相片的边长与垄行平行；针对较高植被如果树，在树冠下面从下向上拍摄照片，叠加配合对树冠下地表低矮植被从上向下的拍摄，得到植株附近的覆盖度，再拍摄植株之间非树冠投影区域的低矮植被，计算植株间隙的覆盖度。最后通过树冠投影法，获得树冠的平均面积。根据垄行距离计算植株树冠下与植株间隙的面积比例，加权获得整个样方的覆盖度。 3. 数据处理方法：采用一种自动分类方法，具体见“参考文献”第３条文献（Liu et al., 2012)。通过RGB颜色空间转换到更容易区分绿色植被的Lab空间，对绿度分量a的直方图进行聚类，分离出绿色植被和非绿色背景2组分，获得单张相片的植被覆盖度。该方法的优点在于其算法简单、易于实现而且自动化程度和精度较高。今后还需要更多的快速、自动、准确的分类方法，最大限度发挥数码相机方法的优势。 配套数据： 在记录表中文字记录了植被的种类、株高、垄宽、行宽、拍摄高度信息，同时附有数码相机拍摄的场景照片和田埂照片（农田）。 数据处理： 基于数字图像里面的分类方法，对植被和非植被像元分类后得到相片代表样方的植被覆盖度。

该NDVI数据集是最新发布的NOAA全球模拟和绘图项目（GIMMS，Global Inventory Monitoring and Modeling System）长序列（1981-2015）均一化植被指数产品，版本号3g.v1。 该产品的时间分辨率是每月两次，空间分辨率1/12度。时间跨度1981年7月至2015年12月。该产品为共享数据产品，可直接从ecocast.arc.nasa.gov下载。 详情请参考https://nex.nasa.gov/nex/projects/1349/

利用MOD10A1和MYD10A1逐日积雪产品和AMSR-E雪水当量产品（2000.02.25-2002.08.31、2011.08.31-2016.12.31均采用IMS雪冰产品代替AMSR-E雪水当量产品）作为输入，采用MODIS上下午星积雪产品合成、临近日合成、MODIS和AMSR-E/IMS积雪产品合成方法，逐步消除云的干扰，最终得到北半球每日无云积雪图像。 数据集采用Albers（阿尔伯斯等积）投影方式，空间分辨率500m。

近地表土壤的冻结/融化状态表征着陆地表层过程的休眠和活跃，这种冻融相态交替能引起一系列复杂的地表过程轨迹模式突变，影响着土壤的水热特性、地表径流和地下水补给等水循环过程，同时也通过水和能量循环机制影响气候变化。本数据集是基于AMSR-E和AMSR2被动微波亮温数据，利用冻融判别式算法制备的全球近地表冻融状态（空间分辨率：0.25°；时间跨度：2002-2019年），可用于分析全球近地表冻融循环的开始/结束日期、冻结/融化时长、冻结范围等指标的空间分布和趋势变化，可为理解全球变化背景下陆表冻融循环与水分、能量交换过程的相互作用机制提供数据支持。

青藏高原被称为“世界第三极”和“亚洲水塔”，一个较为准确的青藏高原冻土图对当地寒区工程和环境建设有着重要意义。因此，为了满足工程和环境需求，通过多源遥感数据（高程、MODIS地表温度、植被指数和土壤水分）建立决策树对青藏高原多年冻土和季节冻土进行了划分。数据为栅格格式，DN=1为多年冻土；DN=2为季节冻土。 其中高程数据来自于1kmx1km的中国DEM（Digital Elevation Model）数据集（http://westdc.westgis.ac.cn）；地表温度是欧阳斌等通过 Sin-Linear 法拟合后的日平均地表温度年均值。文中在MODIS 地表度产品用Sin-Linear 法拟合估算出日平均地表温度基础上，为了缩小与已有冻土图前后时间差异，以研究区2003年地表温度做为冻土分类的信息源；植被信息采用Aqua 和Terra 星的2003 年 16 天合成产品数据（MYD13A1 和 MOD13A1）提取植被指数值；土壤水分值根据 2003 年 AMSR-E观测质量较好的5月份升轨数据得到。因此，基于以上数据信息，以1:300万青藏高原冻土图和1:400万<<中国冰川冻土沙漠图>>为先验信息得到决策树的分类阈值，从而对青藏高原的冻土类型进行分类。 最后，对于分类结果利用西昆仑山、改则和温泉的调查冻土图以及其它已有的青藏高原冻土图进行了验证和对比，统计结果显示基于多源遥感信息的青藏高原冻土图多年冻土面积占青藏高原总面积的42.5%（111.3 × 104 km²），季节冻土面积占青藏高原总面积的53.8% (140.9 × 104 km²)，这个结果与先验图（1:300万青藏高原冻土图）具有较好的一致性。此外，文中基于不同冻土图之间的总体精度和Kappa系数表明：不同方法编制或模拟的青藏高原冻土图在空间分布格局上基本保持一致，而分类不一致的地方大部分在多年冻土与季节冻土的分界边缘地带。

本数据为在盈科绿洲观测的植被FPAR数据集。数据观测从2012年5月25日开始，至2012年7月8日结束。 测量仪器与原理： 利用北京师范大学ACCUPAR测量冠层的FPAR。在盈科绿洲5km*5km样方内选择18个玉米样方，1个果园和1个人工白杨林样方进行测量。 其中玉米地样方测量四个PAR分量：冠层上总入射PAR，冠层下透过PAR，冠层上反射PAR和冠层下反射PAR。 对于果园和人工林，测量两个量：冠层外总入射PAR，冠层下透射PAR。 配套数据： 植被的种类、株高、垄行结构等信息。 数据格式： EXcel格式。

该套南极海冰数据集共包括四套数据，均来自SMMR、SSM/I和SSMI/S三个传感器,采用被动微波遥感反演。其中SMMR为Nimbus-7卫星搭载的扫描式多通道微波辐射计，工作周期为1978年10月26日至1987年7月8日。1987年7月至今，使用美国国防卫星计划DMSP卫星群上搭载的一系列被动微波遥感数据SSM/I和微波成像专用传感器SSMIS提供的数据。 前三套为海冰密集度数据，覆盖范围为南极地区，空间分辨率为25 km： （1）数据来自Nimbus-7 SMMR和DMSP SSM/I-SSMIS Version 1，利用NASA Team算法反演得到，覆盖时间从1978年11月到2017年2月，时间分辨率为逐月，数据每月存放一个bin文件； （2）数据来源与第一套相同，覆盖时间从1978-10-26到2017-2-28，时间分辨率为两天，空间分辨率为25km，数据每年存放一个文件夹，每隔一天存放一个bin文件； （3）数据来自Near-Real-Time DMSP SSMIS，利用NASA Team算法反演得到，覆盖时间从2015-1-1到2018-2-3，时间分辨率为逐日，数据每日存放一个bin文件；每个文件由300-byte的文件头（数据时间信息、投影方式、文件名…）和316*332的矩阵组成。 第四套数据为海冰覆盖范围和海冰面积时间序列。覆盖时间从1978年11月到2017年12月，为南极地区海冰覆盖范围、海冰面积的时间演变序列，时间分辨率为逐月，每月存放一个ASCII文件；每个文件由表头（时间、数据类型…）和39*1的海冰覆盖矩阵和39*1的海冰面积矩阵组成。 数据的详细情况见美国冰雪数据中心NSIDC网站-数据说明http://nsidc.org/data/NSIDC-0051；http://nsidc.org/data/NSIDC-0081；http://nsidc.org/data/G02135

由于青藏高原地区季节性积雪具有赋存时间短、雪层较薄的特点，在对水循环等问题的理解中，迫切需要日时间尺度的积雪覆盖率动态监测数据。本数据集基于MODIS Snow Cover Daily L3 Global 500 m Grid数据，包括MODIS/Terra上午星数据（MOD10A1）和MODIS/Aqua下午星数据（MYD10A1）的归一化积雪指数NDSI数据产品，数据格式为hdf，投影方式为正弦曲线地图投影，结合90m的SRTM地形数据和多种云覆盖下积雪覆盖率估算算法的优势，实现云覆盖条件下的积雪覆盖率再估算，满足高亚洲地区逐日少云（＜ 10％）数据产品的生产要求，构建了 2002 - 2016 年高亚洲地区 MODIS 逐日积雪覆盖率数据集。选取无云条件下的二值积雪产品作为参考，通过云量分布和积雪总面积的时空对比，表明该产品的时空特征和二值产品具有较好的一致性。以 2013 年冬季为例，当积雪覆盖率大于 50％时，其相关性可达 0.8628。本数据集可为高亚洲地区的积雪动态监测、气候环境、水文和能量平衡、灾害评估等研究提供逐日积雪覆盖率数据。