大多数仪器气候记录的长度相对较短，限制了对气候变化的研究，因此有必要借助代理数据将记录延续到过去。直到20世纪40年代后期，才有了足够质量和空间分辨率的大气数据来确定气候变化的主要模式，如北美太平洋模式和太平洋年代际振荡。全球冰芯除了分布在南北两极以及第三极，阿拉斯加也有山地冰川分布，在该区域获得的冰芯数据，对于揭示北美地区气候，对于揭示低纬度与高纬度北极地区气候变化具有主要的意义。 各变量的物理意义： 第一列：时间；第二列：积累率数据；第三列：氧同位素数据值

未来人口情景预测以2005年为基准年，采用人口阻滞增长模型，不仅能够较好地描述人口与许多生物数量的变化规律，而且在经济领域也有广泛的应用。城市化率的预测采用城市化Logistics模型。依据已有的城市化水平序列值，通过非线性回归求出参数式中参数，建立预测模型。城市人口数量由预测的人口数乘以城镇化率求出。数据采用非农业人口。采用logistic模型预测流域未来各县市国民生产总值，然后根据未来各县市各时段经济发展水平（用人均GDP表示）设定各时段相应的产业结构情景，预测各次产业产值。我国及研究区产业结构的变化趋势滞后于GDP增长速度，因而根据设定的研究区未来产业结构情景需要进行了适当调整。

雪水当量（积雪深度与密度之积）是反映地表积雪量变化的重要因子，是地表水文模型和气候模式中的一个重要参数。青藏高原作为亚洲水塔，多条大江大河补给主要依靠高原上冰川或积雪的融化。基于被动微波对积雪监测的敏感性，本数据实现了长时间序列的高亚洲地区雪水当量的反演。数据集包含日雪水当量、月雪水当量以及每五日雪水当量，可服务于当地水文、畜牧业生产等方面。

高亚洲地区是中纬度全球变化敏感区和研究的热点区域，其境内湖泊星罗棋布，湖冰冻融参数是全球变化的关键敏感因子之一。由于冰水介电常数差异大，高重访率且对天气不敏感的星载被动微波遥感可实现湖冰冻融状态的快速监测。本数据集依据微波辐射计像元内湖泊和陆表的面积比例，应用混合像元分解方法获取了像元（亚像元级）的湖泊亮温信息，实现高亚洲地区被动微波遥感亚像元级湖冰冻融监测，并采用多种被动微波数据，共计获得高亚洲区域 2002-2016 年 51 个中大型时间序列湖泊亮温数据和冻融状态信息。以无云MODIS 光学产品为验证数据，在高亚洲不同区域，选取可可西里湖、达则错、库赛湖等三个大小不一的湖泊进行冻融判别验证，结果表明微波和光学遥感所获取的湖冰冻结和融化参数具有较高的一致性，其相关系数可达0.968 与 0.987。本数据集包含湖泊的时间序列亮温值和湖冰冻融参数，可进一步对湖泊开展特征参数反演，以及提升对高亚洲地区的湖冰冻融的理解，为高亚洲地区气候、环境变化以及高亚洲对全球气候变化响应模型提供数据基础。数据集由 2 部分数据组成，其一为 2002-2016 年高亚洲区域 51个湖泊的被动微波遥感亮温数据集，观测时间间隔为 1~2 天；其二是由湖泊亮温数据集判断所获得的湖冰冻融数据集。文件名分别为：最邻近法与像元分解的湖泊亮温数据 .zip（12 MB），2002–2016 高亚洲 51 个湖泊湖冰冻融数据集 .xls（0.1 MB）

青藏高原土壤细菌多样性数据集提供了青藏高原土壤表层（0-2厘米）微生物分布特征。样品采集时间为2015年7月1日至7月15日，包含草甸，草原，荒漠3种生态系统。土壤样品用冰袋保存，运回北京青藏高原研究所生态实验室。土壤DNA通过MO BIO PowerSoil DNA试剂盒提取。土壤表层样品采集后用液氮保存，运回悉尼实验室，通过FastPrep DNA试剂盒提取。提取后的DNA样品使用515F (5'-GTGCCAGCMGCCGCGGTAA-3') and 909r (5'-GGACTACHVGGGTWTCTAAT-3')扩增16S rRNA基因片段。扩增后的片段通过Illumina Miseq PE250方式测序，原始数据通过Mothur软件分析。首先去除测序质量不佳序列，之后进行排序并去除嵌合体序列。之后计算序列之间相似度，相似度在97%以上的序列聚类为一个OTU，并定义OTU代表序列。OTU代表序列通过与Silva数据库进行比对，在可靠性大于>80%的情况下鉴定到属一级水平。本数据系统的比较了青藏高原微生物的多样性，对研究微生物在青藏高原的分布具有重大意义。

由美国发起的格陵兰冰盖计划 (GISP2)，提供了一个10万多年的氧同位素详细资料，几乎覆盖了整个冰期-间冰期循环。该数据记录了过去818-1987年氧同位素变化，其中清晰记录小冰期为该过去1000年来最冷的时期。其中1850-1987年呈现出波动增温，其变化与格陵兰获取的GRIP、NGRIP及最新的NEEM冰芯变化一致，反映了雪冰记录在格陵兰冰盖具有很好的一致性。 各变量的物理意义： 第一列：冰芯深度；第二列：氧同位素值；第三列：时间

本数据集考虑到搭载在Aqua卫星上的高级微波扫描辐射计（AMSR-E）和中分辨率成像光谱仪（MODIS）的同步观测特点，采用MODIS的地表温度和大气水汽数据作为输入，通过考虑大气影响的发射率估算模型，生产了全球晴空条件下AMSR-E传感器运行期间（2002年6月~2011年10月）的陆表多通道双极化微波瞬时发射率。通过产品低频无线电信号影响、数据间比对、统计分析、不同地表覆盖条件的发射率特征、频率依赖和相关性研究等开展验证性分析，结果表明瞬时发射率的动态细节丰富，月内日变化标准差在0.02以内，其时空变化、频率依赖和相关性符合自然物理过程的理解。此套数据集包括AMSR-E全生命周期的全球陆表逐日、侯、旬、半月及月产品，可用于开展星载被动微波遥感模拟、陆面模型以及陆表温度、积雪、大气降水/水汽/可降水量等反演研究。数据的投影坐标采用标准的EASE-GRID投影，数据存储方式为二进制浮点型格点（矩阵大小为1383*586），数据获得之后可用ENVI/IDL等软件或者相应程序代码以二进制文件的方式读取。

采用供需平衡的分析方法，分别计算流域总体及各县区水资源供给量及需求量的基础上，评估流域水资源系统脆弱性。采用IPAT等式设置未来水资源需求情景，即通过设定未来的人口增长率、经济增长速度、单位GDP耗水量等变量来建立需水情景。以2005年为基准年，预测未来2010-2050年的各县市水资源需求情景。人口规模、经济规模采用配套预测数据。 应用瑞典水文气象研究所HBV概念性水文模型的基本结构，设计了在气候变化下流域变化趋势的模型，以冰川融化情景为模型的输入，构建气候变化下出山径流情景。依据流域水资源配置的国家地方规定设置配水方案，综合计算水资源供给量。综合供需情况，以缺水率为指标评价水资源系统脆弱性。通过计算流域主要县市的（小麦生产）土地压力指数，分析了流域气候变化、冰川融化及人口增长情景下土地资源的供需平衡，评价了农业系统脆弱性。分别运用迈阿密公式及HANPP模型计算了未来情景下，流域各主要县市净初级生物生产量及初级生物量的人类占用，以供需平衡角度评估生态系统脆弱性。

未来人口情景预测以2000年为基准年，采用人口阻滞增长模型，不仅能够较好地描述人口与许多生物数量的变化规律，而且在经济领域也有广泛的应用。城市化率的预测采用城市化Logistics模型。依据已有的城市化水平序列值，通过非线性回归求出参数式中参数，建立预测模型。 城市人口数量由预测的人口数乘以城镇化率求出。数据采用非农业人口。采用logistic模型预测流域未来各县市国民生产总值，然后根据未来各县市各时段经济发展水平（用人均GDP表示）设定各时段相应的产业结构情景，预测各次产业产值。我国及研究区产业结构的变化趋势滞后于GDP增长速度，因而根据设定的研究区未来产业结构情景需要进行了适当调整。

“China Collection 1.0”气溶胶光学厚度（AOD）数据集采用可见光波段遥感反演方法制作。原始数据来自Terra和Aqua上搭载的MODIS传感器。数据覆盖时间从2002年到2011年，时间分辨率为逐日，覆盖范围为亚洲大陆，空间分辨率为0.1°。遥感反演方法采用自主研发的SRAP算法反演了陆地上空的气溶胶光学厚度，算法考虑了地表的BRDF特性，适用于亮地表和暗地表上的气溶胶光学厚度反演。此外，叠加了MOD04/MYD04海洋上空的气溶胶产品。通过实测站点的验证表明亚洲气溶胶光学厚度数据相对偏差在20%以内。数据每一天存放一个hdf文件，每个文件由550nm处的Terra AOD和Aqua AOD组成。

采用供需平衡的分析方法，分别计算流域总体及各县区水资源供给量及需求量的基础上，评估流域水资源系统脆弱性。 采用IPAT等式设置未来水资源需求情景，即通过设定未来的人口增长率、经济增长速度、单位GDP耗水量等变量来建立需水情景。以2005年为基准年，预测未来2010-2050年的各县市水资源需求情景，人口规模、经济规模采用配套预测数据。 应用瑞典水文气象研究所HBV概念性水文模型的基本结构，设计了在气候变化下流域变化趋势的模型，以冰川融化情景为模型的输入，构建气候变化下出山径流情景。依据流域水资源配置的国家地方规定设置配水方案，综合计算水资源供给量。综合供需情况，以缺水率为指标评价水资源系统脆弱性。通过计算流域主要县市的（小麦生产）土地压力指数，分析了流域气候变化、冰川融化及人口增长情景下土地资源的供需平衡，评价了农业系统脆弱性。分别运用迈阿密公式及HANPP模型计算了未来情景下，流域各主要县市净初级生物生产量及初级生物量的人类占用，以供需平衡角度评估生态系统脆弱性。

未来人口情景预测以2005年为基准年，采用人口阻滞增长模型，不仅能够较好地描述人口与许多生物数量的变化规律，而且在经济领域也有广泛的应用。城市化率的预测采用城市化Logistics模型。依据已有的城市化水平序列值，通过非线性回归求出参数式中参数，建立预测模型。城市人口数量由预测的人口数乘以城镇化率求出。 数据采用非农业人口。采用logistic模型预测流域未来各县市国民生产总值，然后根据未来各县市各时段经济发展水平（用人均GDP表示）设定各时段相应的产业结构情景，预测各次产业产值。 我国及研究区产业结构的变化趋势滞后于GDP增长速度，因而根据设定的研究区未来产业结构情景需要进行了适当调整。