本数据是研究团队采用新方法定量重建获得的末次冰盛期以来青藏高原不同样点的植被变化数据。首先收集、整理青藏高原及其周边17个植被带1802条现代孢粉数据作为训练集，采用随机森林算法建立基于孢粉数据重建青藏高原植被的模型，该模型预测现代孢粉样点的植被时，与实际植被对比，显示出较高的一致性（>76%）。与传统的生物群区化法相比，新建立的随机森林模型基于孢粉数据预测青藏高原现代植被的准确性更高。随后，将新建立的随机森林模型用于青藏高原51条孢粉化石序列的古植被重建。用贝叶斯方法重新建立各孢粉化石序列的深度-年代模型，并用线性插值方法获取500年间隔的孢粉化石数据。最终用随机森林模型重建出青藏高原22000年以来500年间隔的植被时空格局变化。本数据可以为理解过去高寒植被的变化过程和机制提供依据，为研究过去气候变化对青藏高原植被的影响提供证据，为气候模拟提供边界条件。
秦锋, 赵艳, 曹现勇
通过对西城驿遗址、金蝉口遗址、山那树扎遗址、江西坟遗址、宗日遗址和邦嘎遗址等进行考古调查和发掘，获取了各遗址经纬度、高程、文化属性、文化遗物等基本信息；并且，对遗址发掘过程中的石制品、动植物遗存以及沉积物样品进行科学收集、鉴定和实验室分析，得到了一批遗址碳十四年代数据、孢粉数据、动物遗存骨骼单元分布鉴定数据、植物遗存鉴定数据以及相关同位素数据；同时，对青藏高原及其周边地区相关动植物遗存及同位素进行了整理。基于自然地理因子和不同时期遗址点，在最低成本的控制下实现节点间累积联结的方法，使用GIS（R语言）工具进行空间数值计算，将其结果作为史前时期（新石器—青铜时期)的交流路线。发现路线的形 态由新石器时期的东北—东部—东南—西南边缘呈月牙形环绕发展至青铜时期的由边缘延伸 至腹地呈网络化发展的趋势，这是由高原边缘的交流逐步演化成边缘—腹地的交流、并不断强化的表现。且通过采集青藏高原东部高寒草甸区共49个放牧家畜粪样品（牦牛粪 样品30个、马粪样品11个、羊粪样品8个），并在区域植被调查的基础上，对粪样品开展了花粉分析。该数据集为研究青藏高原新石器时代-青铜先民的活动历史和生业模式提供了数据支撑。
董广辉, 马敏敏, 侯光良, 杨晓燕
自第一次工业革命以来，人类活动已经深刻影响了地球各圈层，且这种影响还将持续扩大和增强。青藏高原作为一个具有全球意义的生态系统单元，同时也是我国重要的生态安全屏障，在水土保持、生物多样性保护、水源涵养和碳收支平衡等诸多方面发挥着至关重要的作用。但近30年来，随着青藏高原人类活动范围的扩大和强度的快速增长，人类活动所造成的各种生态环境问题也日益突出，并严重影响着青藏高原生态功能的发挥。青藏高原人类活动强度空间数据的研究与制备，将有助于深入理解该地区人类活动的影响强度和范围，揭示气候变暖背景下人类活动的变化规律，对于进一步量化辨识人类活动与气候变化对生态系统的影响，以及促进该区域的可持续发展都具有重要意义。 研究人员采用人类足迹指数方法，利用人口密度、土地利用、放牧密度、夜间灯光、铁路和道路等共6种代表人类活动的空间数据，完成了1990、1995、2000、2005、2010、2015和2017年共7期青藏高原人类足迹数据集的制备。依据已有研究和青藏高原区域特点，本数据集对人类足迹方法的优化和调整主要包括：①选取人口密度、土地利用、夜间灯光、放牧密度、道路和铁路六类数据来计算人类活动强度；②调整不同土地利用类型的赋值；③设置人口密度最大强度阈值50人/平方公里，并采用对数方法赋值；④使用牛羊密度数据来表征放牧密度，设置最大强度阈值为1000羊单位/平方公里，并采用对数方法赋值；⑤使用经过校正的DMSP/OLS夜间灯光数据进行赋值；⑥将道路划分为高速公路、国道、省道、县道和其他公路等五个等级分别进行赋值；⑦铁路最大影响范围设为3.5 km；⑧利用冰川和湖泊空间数据进行质量控制。 该数据集来源于数据论文“段群滔, 罗立辉. (2020). 1990–2015年青藏高原人类足迹数据集. 中国科学数据, 5(3). https://doi.org/10.11922/csdata.2019.0082.zh”，在原有数据的基础上增加了2017年的数据。 该数据集的制备可为探究青藏高原地区人类活动空间变化特征和规律提供空间数据，也可为探索该地区人类活动与生态环境间的相互作用提供支撑，对于促进整个青藏高原地区的生态环境保护和可持续发展具有指导作用。
段群滔, 罗立辉
2000-2020年青藏高原城市不透水面和绿地空间组分数据集的数据源主要包括HJ‒1A/B、GF-1/2、ZY‒3等国产卫星影像以及Landsat TM/ETM+/OLI系列卫星影像数据。其中，国产卫星影像辅以Google Earth影像生产不同地理分区的组分训练样本和验证样本数据，应用谷歌地球引擎（Google Earth Engine, GEE）分区测试与校正模型算法参数，基于随机森林算法和Landsat TM/ETM+/OLI系列卫星影像及辅助数据获取归一化人居地密度指数（Normalized Settlement Density Index, NSDI），采用密度分割法且经过人工交互解译修正后，获取城市建成区矢量边界。应用NSDI指数、植被覆盖度指数和青藏高原矢量边界生产青藏高原城市不透水面、城市绿地空间组分原始数据，经校正和精度评价后，生成2000-2020年青藏高原城市不透水面和绿地空间组分数据集。 数据产品的分辨率为30 m，采用统一的坐标系统和存储格式。地理坐标系为WGS84，投影坐标系为Albers，数据存储格式为Geotiff，数据单位为百分比（值域范围0~10000），比例因子为0.01。 为了更准确地量化城市土地覆盖变化，选取了多个典型城市取样，对数据集进行了验证，具体验证方法及精度见已发表的成果。 数据可用于分析和揭示青藏高原土地覆盖变化的影响和未来情景模拟，以期为青藏高原建设环境宜居城市与提升人居环境质量提供科学依据。
匡文慧, 郭长庆, 窦银银
全面了解青藏高原多年冻土发生的变化，包括年平均地温(MAGT)和活动层厚度(ALT)的变化，对气候变化引起的多年冻土变化工程的实施具有重要意义。 青藏高原多年冻土活动层厚度和范围模拟数据集，参考2000-2015年CMFD再分析数据及中国气象局气象观测资料、1公里数字高程模型、地理空间环境预测因子、结合冰川和冰湖、钻孔数据等，利用统计和机器学习(ML)方法模拟了青藏高原多年冻土层磁通量和磁通量的当前和未来变化，得到RCP2.6、RCP4.5和RCP8.5三种不同浓度情景下2000-2015、2061-2080年平均地温(MAGT)和活动层厚度（ALT）范围数据，分辨率为0.1*0.1度。 模拟结果表明，利用统计和ML相结合的方法模拟冻土热状态所需的参数和输入变量较少，可以有效地了解青藏高原冻土对气候变化的响应。
倪杰, 吴通华
整编了目前北半球数量最多的年平均地温（1002个）和活动层厚度（452个）地面观测数据，利用四种统计学习模型融合这些地面观测与多源遥感等数据产品，集合模拟得到了代表2000-2016年北半球多年冻土区年平均地温、活动层厚度、多年冻土发生概率和多年冻土水热分带数据集，空间分辨率为1公里，验证表明具有更高的精度。可为北半球多年冻土区的工程规划、设计、环境模拟与评价等提供数据支持，也可作为北半球多年冻土现状的数据基准，评估未来多年冻土变化及其影响。
冉有华, 李新, 程国栋, 车金星, Juha Aalto, Olli Karjalainen, Jan Hjort, Miska Luoto, 金会军, Jaroslav Obu, Masahiro Hori, 俞祁浩, 常晓丽
全面估算了1132个大于1 km2湖泊的水量变化。总的来说，1976至2019年间，湖泊水储量增加了169.7±15.1 Gt（3.9±0.4 Gt yr-1），主要发生在内流区（157.6±11.6或3.7±0.3 Gt yr-1）。1976至1995年间，湖泊水量显示减少（-45.2±8.2Gt或-2.4±0.4Gt yr-1），但在1995至2019年间，大幅增加（214.9±12.7Gt或9.0±0.5Gt yr-1）。2010至2015年间，水量增速减缓（23.1±6.5 Gt或4.6±1.3 Gt yr-1），随后在2015至2019年间再次出现高值（65.7±6.7 Gt或16.4±1.7 Gt yr-1）。在1976-2019年间，冰川补给湖水量增加（127.1±14.3 Gt）远远高于非冰川补给湖（42.6±4.9 Gt），这也与冰川补给湖数量多，面积广有关。另外，封闭湖水量增幅（161.9±14.0 Gt）大大高于外流湖（7.8±5.8 Gt）。
张国庆
采自青藏高原的冰芯样品提供了冰雪同位素组成变化的高分辨率记录。该数据集包含了自1864-2006年各年的冰芯氧稳定同位素数据，冰芯是从青藏高原南部宁金岗桑冰川钻取得到，长度为55.1米，通过利用中国科学院青藏高原研究所 环境变化与地表过程重点实验室的MAT-253同位素质谱分析仪测得氧同位素数据，测量精度为0.05%。 数据采集地点: 宁金刚桑冰川（90.2°E，29.04°N，海拔高度5950米）
高晶
降水中稳定的氧同位素比（δ18O）是全球大气过程的综合示踪剂。 自1990年代以来，一直致力于研究位于青藏高原TP上20多个站点的降水同位素组成，这些站点位于西风和季风之间的气团交汇处。 在本文中，我们建立了一个青藏高原月尺度降水δ18 O的数据库，并使用不同的模型来评估TP上降水δ18 O的气候控制。 降水δ18 O的时空格局及其与温度和降水的关系揭示了三个不同的域，分别与西风（北TP），印度季风（南TP）及其之间的过渡有关。
高晶
本数据集来源于论文：Su, T. et al. (2019). No high tibetan plateau until the Neogene. Science Advances, 5(3), eaav2189. doi:10.1126/sciadv.aav2189 数据为该论文的补充数据，主要包含研究人员搜集的棕榈化石记录，与伦坡拉盆地棕榈化石相近的棕榈属的气候范围数据，以及伦坡拉盆地化石与现代棕榈属化石的形态比较数据。 2016年，研究团队在青藏高原中部伦坡拉盆地(32.033°N, 89.767°E)发现了保存较为完好的棕榈化石，将其与已有的棕榈化石进行了比较，发现它和已有的棕榈化石形态都不相同，因此，研究人员建立了一个新种——西藏似沙巴棕（<em>Sabalites tibensis</em> T. Su et Z.K. Zhou）。研究人员利用棕榈化石结合古气候模型重建了青藏高原中部的古高程，得出结论：新近纪之前青藏高原还没有出现。 数据中包含的表格如下： （1）Table S1. Fossil records of palms around the world（世界范围内的棕榈化石记录） （2）Table S2. Morphological comparisons between fossils from Lunpola Basin and modern palm genera（伦坡拉盆地化石与现代棕榈属化石的形态比较数据） （3）Table S3. Climate ranges of 12 living genera that show the closest morphological similarity to S. tibetensis T. Su et Z.K. Zhou sp. nov.（与新发现的西藏似沙巴棕化石（<em>S. tibetensis</em> T. Su et Z.K. Zhou sp. nov）形态最接近的12个现存棕榈属的气候范围） 数据也包含论文补充数据中的图形数据。
苏涛
本数据集来源于论文：Ding, J., Wang, T., Piao, S., Smith, P., Zhang, G., Yan, Z., Ren, S., Liu, D., Wang, S., Chen, S., Dai, F., He, J., Li, Y., Liu, Y., Mao, J., Arain, A., Tian, H., Shi, X., Yang, Y., Zeng, N., & Zhao, L. (2019). The paleoclimatic footprint in the soil carbon stock of the Tibetan permafrost region. Nature Communications, 10(1), 4195. doi:10.1038/s41467-019-12214-5. 数据中包含新评估的青藏高原3m深度土壤有机碳库格点数据及相应的R代码，格点数据空间分辨率为0.1°。 以往对青藏高原土壤碳库的评估多以现代气候、植被等特性为根据，未考虑古气候条件、土层厚度等因素的影响。本研究中，研究人员综合考虑了古气候和现代气候条件、土层厚度和土壤理化属性、植被和地形等因素，通过机器学习算法重新评估了青藏高原3m深度土壤碳库。新评估得到的青藏高原土壤碳储量为36.6 Pg C (38.9-34.2 Pg C)，约为陆地生态系统模型模拟均值的3倍(11.5±4.2 Pg C)。同时，研究指出，模型中缺乏对古气候影响的考虑是导致模拟偏差的重要原因。 数据中包含以下字段： Longitude (°E) Latitude (°N) SOCD (0-30cm) (kg C m-2) SOCD (0-300cm) (kg C m-2) GridArea (k㎡) 3mCstcok (10^6 kg C)
丁金枝, 汪涛
本数据集来源于论文：Chen, J.*#, Huang, Y.*#, Brachi, B.*#, Yun, Q.*#, Zhang, W., Lu, W., Li, H., Li, W., Sun, X., Wang, G., He, J., Zhou, Z., Chen, K., Ji, Y., Shi, M., Sun, W., Yang, Y.*, Zhang, R.#, Abbott, R. J.*, & Sun, H.* (2019). Genome-wide analysis of Cushion willow provides insights into alpine plant divergence in a biodiversity hotspot. Nature Communications, 10(1), 5230. doi:10.1038/s41467-019-13128-y. 本数据集包含青藏高原高山植物小垫柳Fasta格式的基因组组装文件，包括核苷酸（DNA）、核糖核酸（RNA）、蛋白质编码序列（Protein）序列数据，以及gff格式的基因组组装注释文件。 组装等级：染色体级别 基因组覆盖程度：全基因组 参考基因组：是 组装方法：SMARTdenovo 1.0; CANU 1.3 测序方法及测序深度： PacBio, 125×; Illumina Hiseq X Ten, 43×; Oxford Nanopore Technologies, 74× 基因组组装统计： 基因组大小（bp）：339,587,529 GC含量：34.15% 染色体数量：19 细胞器基因组数量：2 基因组组装序列数量：30 最大组装序列长度（bp）：39,688,537 最小组装序列长度（bp）：57,080 平均组装序列长度（bp）：11,319,584 基因组组装序列N50（bp）：17,922,059 基因组组装序列N90（bp）：13,388,179 全基因组组装注释： Protein：30,209 tRNA：784 rRNA：118 ncRNA：671 详细的注释信息请参见附件。 本数据集中也包含文章中Supplementary Information中的表格数据，数据列表参见附件。 基因组项目号为：GWHAAAA00000000（https://bigd.big.ac.cn/gwh/Assembly/663/show）。
陈家辉, 杨永平, Richard John Abbott, 孙航
本数据集来源于论文： Chen, F.H., Welker, F., Shen, C.C., Bailey, S.E., Bergmann, I., Davis, S., Xia, H., Wang, H., Fischer, R., Freidline, S.E., Yu, T.L., Skinner, M.M., Stelzer, S., Dong, G.R., Fu, Q.M., Dong, G.H., Wang, J., Zhang, D.J., & Hublin, J.J. (2019). A late Middle Pleistocene Denisovan mandible from the Tibetan Plateau. Nature, 569, 409-412. 该成果是陈发虎院士带领其团队多年来在青藏高原开展过去人类活动和环境适应研究获得的又一突破性进展。研究团队分析了甘肃夏河县新发现的古人类下颌骨化石，可以确定其为青藏高原的丹尼索瓦人，建议命名为夏河丹尼索瓦人，简称夏河人。研究团队针对该化石开展了年代学、体质形态学、分子考古学、生存环境、人类适应等多学科综合分析。结果发现，该化石目前是除阿尔泰山地区丹尼索瓦洞以外发现的首例丹尼索瓦人化石，也是青藏高原发现的最早人类活动证据（距今16万年前）。该研究为进一步探讨丹尼索瓦人的体质形态特征及其在东亚地区的分布、青藏高原早期人类活动历史及其对高海拔环境适应等问题提供了关键证据。 数据提取自论文中Supplementary Tables。 数据集包含6个数据表，数据表名称和内容分别为： t1: Distances in mm between meshes generated from CT versus photoscans (PS)（扫描图与CT形成的网格间以毫米为单位的距离）； t2: Measurements of the Xiahe mandible after reconstruction（对夏河人下颌重建后的测量）； t3: Comparative Dental metrics（牙科指标比较）； t4: Comparative crown morphology（牙冠形态比较）； t5: Uniprot accession numbers for protein sequences of extant primates used in the phylogenetic analyses（用在系统发育分析中的现存灵长类动物蛋白质序列在蛋白质仓库中的唯一标识号）； t6: Specimen names and numbers（样本的名称和编号）。
陈发虎
青藏高原野外观测研究平台是开展青藏高原科学观测和研究的前沿阵地。基于高原地表过程与环境变化的陆面-边界层立体综合观测为青藏高原地气相互作用机理及其影响研究提供了大量的珍贵数据。本数据集综合了珠穆朗玛大气与环境综合观测研究站、藏东南高山环境综合观测研究站、那曲高寒气候环境观测研究站、纳木错多圈层综合观测研究站、阿里荒漠环境综合观测研究站、慕士塔格西风带环境综合观测研究站2005-2016年逐小时大气、土壤和涡动观测数据。包含了由多层风速风向、气温、湿度以及气压、降水组成的梯度观测数据，辐射四分量数据，多层土壤温湿度和土壤热通量观测数据以及感热通量、潜热通量和二氧化碳通量组成的湍流数据。这些数据能广泛的应用于青藏高原气象要素特征分析、遥感产品评估和遥感反演算法的发展、数值模拟的评估和发展等研究中。
马耀明
高质量的多年冻土图是多年冻土环境效应研究和寒区工程应用的基础数据。该数据集是在系统整编青藏高原2005-2015年共237个钻孔位置年变化深度年平均地温测量数据基础上，利用支持向量回归模型融合了这些地面观测与遥感冻结指数、融化指数、积雪日数、叶面积指数、土壤容重、高程和高质量的土壤水分再分析资料, 集合模拟了代表2005-2015年的青藏高原1km分辨率年平均地温分布图。10折交叉验证表明，模拟的年平均地温的均方根误差约为0.75 °C, 偏差约0.01 °C。基于高海拔多年冻土稳定性分类体系，利用年平均地温，划分了多年冻土的热稳定类型。数据显示，青藏高原多年冻土面积约115.02 (105.47-129.59) *104 km2, 其中, 极稳定型(<-5.0 °C)、稳定型(-3.0~-5.0 °C)、亚稳定型(-1.5~-3.0 °C)、过渡型(-0.5~-1.5 °C)和不稳定型(>-0.5 °C)多年冻土面积分别为0.86*104 km2, 9.62*104 km2, 38.45*104 km2, 42.29*104 km2和23.80*104 km2。该数据集可用于寒区工程的规划、设计及生态规划与管理等，并可作为多年冻土现状的数据基准，用于评估未来青藏高原多年冻土的变化。关于该数据更详细的方法等信息可参考《中国科学：地球科学》的论文（Ran et al., 2020)。
冉有华, 李新
本数据集是建立在青藏高原基础上的高原土壤水分和土壤温度观测数据，用于量化粗分辨率卫星和土壤水分和土壤温度模型产物的不确定性。青藏高原土壤温湿度观测数据（Tibet-Obs）由四个区域尺度的原位参考网络组成，包括寒冷半干旱气候的那曲网络，寒冷潮湿气候的玛曲网络和寒冷干旱的阿里网络，以及帕里网络。这些网络提供了对青藏高原不同气候和地表水文气象条件的代表性覆盖。 - 时间分辨率：逐时 - 空间分辨率：点测量 - 测量精度：土壤水分，0.00001；土壤温度，0.1℃；数据集尺寸：标称深度为5，10，20，40和80厘米的土壤水分和温度统计值 - 单位：土壤水分，cm ^ 3 cm ^ -3； 土壤温度， ℃
Bob Su, 阳坤
在高寒网各野外站和泛第三极地区境外台站的长期观测数据基础上，建立泛第三极地区气象、水文及生态要素系列数据集；通过重点区域的强化观测与样地和样点验证，完成气象要素、湖泊水量与水质、地上植被生物量、冰川冻土变化等数据产品的反演；基于物联网技术，研制建立多站联网的气象、水文、生态数据管理平台，实现联网数据实时获取与远程控制及共享。 2018年中国高寒地区地表过程与环境观测网络水文数据集，主要收集：祁连山站、藏东南站、珠峰站、玉龙雪山站、纳木错站、阿里站、慕士塔格等七个站 点逐日实测水文（径流、水位、水温等）数据。
朱立平, 彭萍
本数据集来源于论文： Chen, F.H., Dong, G.H., Zhang, D.J., Liu, X.Y., Jia, X., An, C.B., Ma, M.M., Xie, Y.W., Barton, L., Ren, X.Y., Zhao, Z.J., & Wu, X.H. (2015). Agriculture facilitated permanent human occupation of the Tibetan Plateau after 3600 BP. Science, 347, 248–250. 数据整理自论文内Supplementary Materials中的表格数据。 在这篇文章中，研究人员对来自青藏高原东北地区各地的53处遗址的动物骨骼、植物遗骸及其它人工制品进行了分析，发现自从大麦（Barley）产生后，人类就开始迁移到海拔高达4700米的地区定居。该研究显示，史前人类是在距今3600年以后全球气候转冷的大背景下向青藏高原高海拔地区大规模扩张的，其关键的促进因素是农业技术革新而不是气候变化。 数据集包含4个数据表，数据表名称和内容分别为： Data list：数据列表； t1：Calibrated radiocarbon dates and domesticated plant and animal remains from sites investigated on the NETP（青藏高原东北部研究的遗址的校准的放射性碳年代和驯化动植物遗骸）； t2：Radiocarbon dates of the Paleolithic sites on the Tibetan Plateau（青藏高原旧石器时代遗址的放射性碳年代）； t3：OSL dates of the Paleolithic sites on the Tibetan Plateau（青藏高原旧石器时代遗址的光释光年代）。 数据详细信息参见附件：Supplementary Materials.pdf，Agriculture Facilitated Permanent Human Occupation of the Tibetan Plateau after 3,600 BP.pdf。
陈发虎
本数据集来源于论文： Yao, T., Thompson, L., & Yang, W. (2012). Different glacier status with atmospheric circulations in tibetan plateau and surroundings. Nature Climate Change, 1580, 1-5.，数据整理自论文内Supplementary information中的表格数据。 此论文通过对82条冰川退缩、7090条冰川面积减少和15条冰川质量平衡变化的调查，总结了近30年来的冰川状况。 数据集包含8个数据表，数据表名称和内容分别为： Data list：数据列表； t1：Distribution of Glaciers in the TP and surroundings（青藏高原及周边地区冰川分布面积）； t2：Data and method for analyzing glacial area reduction in each basin（分析各流域冰川面积减少的数据和方法列表）； t3：Glacial area reduction during the past three decades from remote sensing images in the TP and surroundings（基于遥感影像得出的青藏高原及周边地区过去30年中冰川面积减少情况）； t4：Glacial length fluctuationin the TP and surroundings in the past three decades（青藏高原及周边地区过去30年中冰川长度波动数据）； t5：Detailed information on the glaciers for recent mass balance measurement in the TP and surroundings（青藏高原及周边地区近年来冰川质量平衡测量方法的详细信息）； t6：Recent annual mass balances in different regions in the TP（青藏高原不同区域近年来每年质量平衡数据）； t7：Mass balance of Long-time series for the Qiyi, Xiaodongkemadi and Kangwure Glaciers in the TP（青藏高原七一冰川，小冬克玛底冰川和抗物热冰川质量平衡长时间序列数据）。 数据详细信息参见附件：Supplementary information.pdf，Different glacier status with atmospheric circulations in Tibetan Plateau and surroundings.pdf。
姚檀栋
本数据集来源于论文：Zhang, J. F., Xu, B., Turner, F., Zhou, L., Gao, P., Lü, X., & Nesje, A. (2017). Long-term glacier melt fluctuations over the past 2500 yr in monsoonal High Asia revealed by radiocarbon-dated lacustrine pollen concentrates. Geology, 45(4), 359-362. 在本文中，中国科学院青藏高原研究所、地球科学卓越创新中心徐柏青研究员及其博士后张继峰与来自北京大学等单位的合作者，对高原南部枪勇冰川冰前湖沉积物进行了多方法（植物残体、孢粉浓缩物、全有机质）放射性碳测年，提出了一个重建古冰川融化强度的新指标（“老孢粉效应”，即沉积物孢粉年龄与沉积物真实年龄的差值）。该研究发现北半球温度及西风环流活动可能是高原季风区冰川百年尺度波动的主控因素，高原近代的冰川融化强度达到过去2500年以来最强，超过了历史上的中世纪暖期和罗马暖期。 数据由论文作者提供，数据包含了基于老孢粉效应（ΔAgepollen）重建的过去2500年枪勇冰川融化强度变化数据。 研究人员从枪勇错冰前湖获得了一根3.06米长的湖芯（QYL09-4）和一根1.06m长的平行重力钻湖芯（QY-3），使用新的复合提取及纯化程序，从沉积物中获得了相对纯的孢粉浓缩物和植物残体浓缩物（PRC；> 125μm）。对全有机质，PRC和孢粉浓缩物分别进行了14C年代测定。所有14C年龄都使用IntCal13（Reimer et al., 2013）进行了校准。年龄深度模型基于210Pb、137Cs年龄及五个PRC的14C年龄。使用Oxcal 4.2（Bronk Ramsey，2008）中的P_Sequence算法构建岩芯的年龄深度模型。将校准的孢粉年龄中减去根据沉积模型得出的真实沉积物年龄，从而得出老孢粉效应值（ΔAgepollen）。 数据为湖芯（QYL09-4）的放射性碳测年与老孢粉效应数据。 数据包含字段如下： Lab No.：样本编号 Dating Material：测年材料 Depth (cm)：深度（厘米） 14C age (yr BP)：碳14年龄（年 距今） ΔAgepollen (≥95.4 % yrs)：孢粉年龄与估算的沉积物年龄间的差值（≥95.4 % 年） Sediment Age (CE)：沉积物年龄（公元） 数据详细信息参见附件：ZhangJF et al. 2017 GEOLOGY_Long-term glacier melt fluctuations over the past 2500 yr on the Tibetan Plateau.pdf。
张继峰
本数据集来源于论文：Huang, R., Zhu, H.F., Liang, E.Y., Liu, B., Shi, J.F., Zhang, R.B., Yuan, Y.J., & Grießinger, J. (2019). A tree ring-based winter temperature reconstruction for the southeastern Tibetan Plateau since 1340 CE. Climate Dynamics, 53(5-6), 3221-3233. 在本文中，为了了解过去几百年冬季温度变化历史及其驱动因素，中国科学院青藏高原研究所高寒生态重点实验室、青藏高原地球科学卓越创新中心梁尔源研究员课题组，利用2007-2016年期间采集的树木年轮样本重建了青藏高原东南部地区公元1340年以来的冬季（11-2月）最低温度变化历史。 数据由论文作者提供，数据包含了1340-2007年青藏高原东南部昌都地区冬季的最低温度重建数据。 数据包含以下字段： year：年 Tmin.recon（ ℃）：重建的最低温度（ ℃） 数据详细信息参见附件：A tree ring-based winter temperature reconstruction for the southeasternTibetan Plateau since 1340 CE.pdf
黄茹, 朱海峰, 梁尔源
本数据来源于全国地理信息资源目录服务系统中1:100万全国基础地理数据库，由国家基础地理信息中心于2017年11月份开始免费向公众提供。我们将青藏高原作为一个整体进行了拼接融合、裁切，以便于青藏高原研究中的使用。数据现势性为2017年。 本数据集为青藏高原1:100万行政边界，包括行政国界线（National_Tibet_line）、省界（Province_Tibet），市（州）界（City_Tibet）县界图层（County_Tibet_poly）和县界线图层(County_Tibet_line)。 行政境界面图层（County_Tibet_poly）属性项名称及定义： 属性项 描述 填写实例 PAC 行政区划代码 513230 NAME 名称 县界名称 行政边界线图层(BOUL)属性项名称及定义： 属性项 描述 填写实例 GB 国标分类码 630200 行政边界线图层(County_Tibet_line)属性项含义： 属性项 代码 描述 GB 630200 省级界线 GB 640200 地、市、州级行政区界 GB 650201 县级行政区界（已定）
国家基础地理信息中心
青藏高原是世界上中低纬度地区冻土面积最大的地区。目前已编制了一些多年冻土分布图，但由于资料来源有限、标准不明确、验证不充分、高质量空间数据集的缺乏，使得在TP上绘制多年冻土分布图存在较大的不确定性。 本数据集基于改进的中分辨率成像光谱仪(MODIS)地表温度(LSTs)2003-2012年1km晴空MOD11A2 (Terra MODIS)和MYD11A2(Aqua MODIS)产品(reprocessing version 5)的冻融指数及冻土顶部温度（TTOP）模型模拟了多年冻土的分布，生成了青藏高原冻土图。并通过野外地面观测、土壤含水率和容重等各种调查数据对该图进行了验证。 冻土属性主要包括：季节性冻土（Seasonally frozen ground）、多年冻土（Permafrost）、非冻土区域（Unfrozen ground）。 数据集为青藏高原冻土研究提供了更详细的冻土分布资料和基础资料。
赵林
此边界数据总集包含五种类型的边界： １、TPBoundary_2500m：基于ETOPO5 Global Surface Relief，采用ENVI+IDL 提取青藏高原经度（65~105E），纬度（20~45N）范围内海拔高程2500米的数据。 ２、TPBoundary_3000m：基于ETOPO5 Global Surface Relief，采用ENVI+IDL 提取青藏高原经度（65~105E），纬度（20~45N）范围内海拔高程3000米的数据。 ３、TPBoundary_HF（high_frequency）：李炳元（1987）曾对确定青藏高原范围的原则与具体界线进行了较系统的讨论，从高原地貌形成和基本特征角度，提出了依据地貌特征、高原面及其海拔高度，同时考虑山体完整性作为确定高原范围的基本原则。张镱锂（2002） 根据相关领域研究的新成果和多年野外实践，论证确定青藏高原范围和界线的原则， 结合信息技术方法对青藏高原范围与界线位置进行了精确的定位和定量分析，得出：青藏高 原在中国境内部分西起帕米尔高原，东至横断山脉，南自喜马拉雅山脉南缘，北迄昆仑山— 祁连山北侧。 2017年4月14日，中华人民共和国民政部发布《关于增补藏南地区公开使用地名（第一批）的公告》，增加了乌间岭、米拉日、曲登嘎布日、梅楚卡、白明拉山口、纳姆卡姆等6个藏南地区地名。 ４、TPBoundary_new (2021)：伴随青藏高原研究的深入，高原内外多学科研究程度和认识的提高，及地理大数据、地球观测科学和技术的进步，张镱锂等2021年版青藏高原范围界线数据研发基于ASTER GDEM和Google Earth 遥感影像等资料综合分析完成，该范围界线北起西昆仑山-祁连山山脉北麓，南抵喜马拉雅山等山脉南麓，南北最宽达1560 km；西自兴都库什山脉和帕米尔高原西缘，东抵横断山等山脉东缘，东西最长约3360 km；经纬度范围为25°59′30″N~40°1′0″N、67°40′37″E~104°40′57″E，总面积为308.34万km2，平均海拔约4320 m。在行政区域上，青藏高原分布于中国、印度、巴基斯坦、塔吉克斯坦、阿富汗、尼泊尔、不丹、缅甸、吉尔吉斯斯坦等9个国家。 ５、TPBoundary_rectangle：根据范围Lon（63~105E） Lat（20~45N），画取长方形，数据采用经纬度投影WGS84。 青藏高原边界作为基础数据，可以为各类地学数据及科学研究青藏高原作参考依据。
张镱锂
青藏高原流域边界数据集使用2000年的航天飞机雷达地形任务收集的干涉合成孔径雷达SRTM DEM 数据、参考河流、湖泊等水系辅助数据，利用arcgis水文模型，分析、提取河网，将青藏高原划分为AmuDayra、Brahmaputra、Ganges、Hexi、Indus、Inner、Mekong、Qaidam、Salween、Tarim、Yangtze、Yellow等12个子流域。其中研究区外围边界是基于2500米等高线。
张国庆
青藏高原光学仪器遥感1km积雪覆盖数据集（1989-2018）基于星载光学仪器观测数据云雪判识方法制作，覆盖时间从1989年到2018年（每年1-4月和10-12月两个时段），时间分辨率为逐日，覆盖范围为青藏高原（17°N -41°N，65°E -106°E），采用等经纬度投影，空间分辨率为0.01°×0.01°。数据集以日产品表征了卫星观测时刻晴空无云或透明薄云下的地面是否为积雪所覆盖。输入数据源为NOAA与MetOp卫星的AVHRR L1数据，以及从TERRA/MODIS对应于AVHRR通道的L1数据。产品处理方法为独立于云掩模产品的动态阈值决策树算法（DT），即算法同时判别云雪，且其云检测强调保留雪信息，特别是透明卷云下的雪。DT算法针对不同情况，考虑了多种判识手段，如水云上的冰云，森林和沙地的积雪，薄雪或融雪等；根据地表类型、DEM和季节设定动态阈值；采用多种质量控制手段，如在重度气溶胶或烟尘覆盖的低纬度森林中剔除伪雪，参考最大月雪线和最小雪面亮度温度剔除伪雪；优化不同种类型云雪和晴空无雪陆地的判识流程。DT算法在正常情况下能区分大部分云雪，但会低估10月份青藏高原的积雪。基于多年地面气象台站雪深观测资料验证表明，本数据集对晴空条件下地面有无积雪的总体判识准确率在95%以上。数据采用标准的HDF4格式存储，内部有积雪覆盖和质量码两个SDS，维度均为4100列×2400行，且文件内部有完备的属性描述。
郑照军, 除多
湖泊的形成与消失、扩张与收缩对生态环境演化和社会经济发展都有重要影响。由于受气候、生态环境和人类活动等因素的综合影响，湖泊水域范围的变化速度快、幅度大，对观测的频率和分布都有很高的要求。近几十年以来，卫星遥感技术以其快速、覆盖面广、成本低廉等优点，为较大区域的湖泊动态监测提供了重要数据基础。针对大范围、高精度、长时间序列的湖泊变化分析对遥感数据时空分辨率的需求，本数据集基于 Landsat 卫星数据的自动湖泊提取方法（Feng et al., 2015），利用 2000 年以来的 Landsat 多颗卫星的观测数据，收集了2000 年以来的云量小于 80%的所有Landsat 数据，获得共 96278 景影像（约 25T 数据量），结合高性能数据存储和处理能力，提取了青藏高原和中亚地区 2000-2015 年湖泊分布记录，形成了时空一致的逐月水域范围数据集。利用分层随机采样采集样点，通过人工解译，获取能够代表不同时空分布的验证样点。评价结果表明：研究区时间序列水体数据总体精度为 99.45%(±0.59)，水体用户精度（错分）为 85.37% （±3.74），制图精度(漏分)为 98.17%（±1.05）。
冯敏, 车向红
在高寒网各野外站和泛第三极地区境外台站的长期观测数据基础上，建立泛第三极地区气象、水文及生态要素系列数据集；通过重点区域的强化观测与样地和样点验证，完成气象要素、湖泊水量与水质、地上植被生物量、冰川冻土变化等数据产品的反演；基于物联网技术，研制建立多站联网的气象、水文、生态数据管理平台，实现联网数据实时获取与远程控制及共享。 数据包含中国高寒网17个站点2014-2017年青藏高原地区逐日气象观测数据集（气温、降水、风向风速、相对湿度、气压、辐射和蒸发），三江源的数据有所缺失。
朱立平, 彭萍
该数据集结合中国第二次编目数据、空间分辨率30米且云量覆盖度低于10%的landsat系列光学影像数据及SRTM等多种数据的基础上，利用ArcGIS，ENVI和Google Earth等处理软件，通过人工目视解译的方法提取冰川边界10km范围内的冰湖边界，并对解译后的数据进行统一的冰湖的类型、所属山脉、省域、流域等属性添加、质量检验与精度验证。空间分辨率30米。 由两部分组成，分别为利用冰川编目数据生成冰湖分布区矢量文件和2015年中国西部冰湖编目数据集。 为中国西部冰湖-冰川耦合关系、水资源利用与管理等相关研究的参考数据，还可以作为区域气候变化与冰冻圈等相关研究的基础数据。
王欣
青藏高原湖泊面积长时间序列数据集包含1970s至2013年364个面积大于10平方公里湖泊的面积序列数据。根据Landsat影像得来，以Landsat 10月份数据为主，每隔3年取一个数据，减少季节变化的同时，可利用数据达到最大。 数据使用NDWI水体指数提取，每个湖泊经过人工目视检查与编辑。 数据应用于青藏高原湖泊变化、湖泊水量平衡、气候变化的研究。 数据类型：矢量。 投影方式：WGS84。
张国庆
青藏高原过去的冻土图主要基于稀少的台站气温观测，采用基于连续性的分类系统。本数据集利用地理加权回归模型（GWR）综合了经过时空重建的MODIS地表温度、叶面积指数、积雪比例和国家气象信息中心多模型土壤水分预报产品、融合了4万多个气象站降水观测和FY2卫星观测的降水产品及152个气象台站2000-2010年的多年平均气温观测数据，模拟得到了青藏高原过去1公里分辨率的多年平均气温数据，利用多年冻土热条件分类系统，将多年冻土分为非常冷（Very cold）、冷（Cold）、凉（Cool）、暖（Warm）、非常暖（Very warm）和可能解冻（Likely thawing）几个类型。该图显示，扣除湖泊和冰川，青藏高原多年冻土总面积约为107.19万平方公里。验证表明该图具有更高的精度。可为今后冻土工程规划设计与环境管理等提供支持。
冉有华, 李新
GAME/ Tibet 项目于1997 年夏季在安多(Amdo) 站作过短期预试验观测( PIOP) 。1998 年5～9 月, 安排了连续5 个加强观测期( IOP) , 每个IOP 约一个月。中、日、韩三国80 余名科学工作者分批赴青藏高原，进行了艰苦而卓有成效的工作。 各项观测试验计划顺利完成。并且从1998 年9 月加强观测结束后，5 个自动气象站(AWS) 、1 个自动气象综合观测站( PAM) 、1 个边界层塔及辐射综合观测站(Amdo) 及9 个土壤温度和湿度观测站一直连续观测至今, 取得了连续8 年零6 个月(从1997 年6 月开始) 极其珍贵的资料。 试验区设在藏北那曲地区的一个150 km ×200 km 的区域内(图1)，同时在青藏公路沿线的D66,沱沱河和唐古拉山口(D105) 也建立了观测点。包括高原草甸、高原湖泊、荒漠化草原等不同下垫面上, 设置了以下观测站(点)：(1) 两个包括大气和土壤的多学科综合观测站:安多(Amdo) 和那曲(NaquFx) 。这两个站含有多分量辐射观测系统、梯度观测塔、湍流通量直测系统、土壤温湿度梯度观测、无线电探空以及作为卫星资料地面真值利用的地面土壤湿度观测网和多角度光谱仪观测等；(2) 6 个自动气象站(D66 、沱沱河、D105 、D110 、Naqu 和MS3608) 。每个测站都有风、温、湿、压、辐射、地表温度、土壤温湿度和降水等观测；(3) 设在那曲北和南各约80 km 处的PAM( Portable Automated Meso - net) 站(MS3478和MS3637) 有类似于上述两个综合观测站(Amdo和NaquFx) 的主要项目, 同时有风、温、湿的湍流观测；(4) 9 个土壤温度和湿度观测点(D66 、沱沱河、D110 、WADD、NODA、Amdo 、MS3478、MS3478和MS3637) , 每个测站都包含有6 层土壤温度和9 层土壤湿度测量；(5) 一个设在那曲以南的三维多普勒雷达站和邻近(约100 km) 区域内的7 个加密雨量站( Precipitation gauge) , 辐射观测系统主要研究高原云与降水系统, 并作为TRMM 卫星一个地面真值站。 GAME-Tibet项目力求通过不同空间尺度的加强观测试验和长期监测，深入了解青藏高原的地气相互作用以及对亚洲季风系统的影响。 GAME/ Tibet 项目2000 年结束后, 已加入GEWEX(全球能量和水循环试验) 与CL IVAR (气候变化和预测) 两个大型国际计划联合组织的“全球协调加强观测计划(CEOP) ”, 开始执行“全球协调加强观测计划(CEOP) 亚澳季风之青藏高原试验研究”(CAMP/ Tibet ) 数据内容分为Prephase Observation Preriod (POP)1997年和IOP1998年 一、POP1997年数据内容： 1、Precipitation Guage Network (PGN) 2、Radiosonde Observation at Naqu 3、Analysis of Stable Isotope for Water Cycle Studies 4、Doppler radar observation 5、Large-Scale Hydrological Cycle in Tibet (Link to Numaguchi's home page) 6、Portable Automated Mesonet (PAM) [Japanese] 7、Ground Truth Data Collection(GTDC) for Satellite Remote Sensing 8、Tanggula AWS ( D105 station in Tibet ) 9、Syamboche AWS (GEN/GAME AWS in Nepal) 二、IOP1998年数据内容： 1、Anduo （1）PBL Tower 、（2）Radiation 、（3）Turbulence SMTMS 2、D66 （1）AWS （2）SMTMS （3）GTDC（4)Precipitation 3、Toutouhe （1）AWS（2）SMTMS（3）GTDC 4、D110 （1）AWS （2）SMTMS (3)GTDC(4)SMTMS 5、MS3608 （1）AWS （2）SMTMS （3）Precipitation 6、D105 （1）Precipitation (2)GTDC 7、MS3478(NPAM) （1）PAM （2）Precipitation 8、 MS3637 （1）PAM （2）SMTMS （3）Precipitation 9、NODAA （1）SMTMS (2)Precipitation 10、WADD （1）SMTMS （2）Precipitation （3）Barometricmd 11、AQB （1）Precipitation 12、Dienpa( RS2 ) （1）Precipitation 13、Zuri （1）Precipitation（2）Barometricmd 14、Juze （1）Precipitation 15、Naqu hydrological station （1）Precipitation 16、MSofNaqu（1）Barometricmd 16、Naquradarsite （1）Radarsystem（2）Precipitation 17、Syangboche[Nepal]（1）AWS 18、Shiqu-anhe（1）AWS（2）GTDC 19、Seqin-Xiang（1）Barometricmd 20、NODA（1）Barometricmd（2）Precipitation（3)SMTMS 21、NaquHY（1）Barometricmd（2）Precipitation 22、NaquFx(BJ)（1）GTDC（2)PBLmd(3)Precipitation 23、MS3543（1）Precipitation 24、MNofAmdo（1）Barometricmd 25、Mardi（1）Runoff 26、Gaize（1）AWS（2）GTDC（3）Sonde
马耀明
联系方式
中国科学院西北生态环境资源研究院
0931-4967287
poles@itpcas.ac.cn
关注我们
时空三极环境大数据平台 © 2018-2020 陇ICP备05000491号 | All Rights Reserved
｜ 
京公网安备11010502040845号
数据中心技术支持: 数云软件
