该数据集是基于MODIS 16天合成的NDVI产品（MOD13A2 collection6）估算的三江源地区的植被生长季开始（Start of Season: SOS）和生长季结束的日期（End of Season: EOS）。从用了两种常见的物候期估算方法，分别是基于多项式拟合的阈值提取法（文件名中有poly字符）和基于双逻辑曲线（double logistic function）拟合后的拐点提取法（文件名中有sig字符）。该数据可以用来分析植被物候期与气候变化的关系。时间范围为2001年至2020年。空间分辨率为1km。
王旭峰
该数据集包含了三江源区300m空间分辨率的ESA-CCI土地覆盖数据集。该土地覆盖类型产品是欧空局气候变化行动第二阶段产品，其空间分辨率为300米，时间覆盖范围为1992-2020. 空间覆盖范围纬向－90~90度，经向－180~180度，坐标系统为地理坐标WGS84.土地覆盖产品该地表覆盖的分类依据联合国粮食农业组织土地覆盖分类系统(LCCS, Land Cover Classification System)。CCI数据集提供了将地表分为22个等级的全球地图，这些等级是使用联合国粮食及农业组织(UN FAO)的土地覆盖分类系统(LCCS)定义的。除了土地覆盖(LC)地图之外，还制作了四个质量标志来记录分类和变化检测的可靠性。为了确保连续性，这些土地覆盖图与欧洲航天局(欧空局)气候变化倡议(CCI)制作的1990年代至2015年全球年度土地覆盖图系列一致，这些地图也可在欧空局CCI土地覆盖图查看器上获得。
魏彦强
该数据集是从中国科学院青藏高原研究所开发的一套中国区域近地面气象与环境要素再分析数据集中提取得到。该数据集是以国际上现有的 Princeton 再分析资料、GLDAS 资料、GEWEX-SRB 辐射资料，以及 TRMM 降水资料为背景场，融合了中国气象局常规气象观测数据制作而成。其时间分辨率为 3 小时，水平空间分辨率 0.1°，包含近地面气温、近地面气压、近地面空气比湿、近地面全风速、地面向下短波辐射、地面向下长波辐射、地面降水率，共 7 个要素（变量）。
王旭峰
草地地上生物量采用的方法为分区分类型模型，数据年份为2000、2010、2015、2020年，为8月上旬的地上植被鲜重。地上生物量定义为单位面积内地面以上实存生活的植被有机物质总量。单位：克/平方米（g/m2）。该数据产品是中国科学院遥感与数字地球研究所基于MODIS的植被指数采用统计模型计算得到。空间分辨率为250m×250m。该数据集是三江源国家公园植被监测的重要数据源。 投影信息： Albers 等积圆锥投影 中央经线：105度 第一割线：25度 第一割线：47度 坐标西偏：4000000 meter
王旭峰
该数据集是基于GIMMS 最新版本的NDVI数据集GIMMS3g version 1.0估算的三江源地区的物候，包括：植被生长季开始（Start of Season: SOS）和生长季结束的日期（End of Season: EOS）。从用了两种常见的物候期估算方法，分别是基于多项式拟合的阈值提取法（文件名中有poly字符）和基于双逻辑曲线（double logistic function）拟合后的拐点提取法（文件名中有sig字符）。该数据可以用来分析植被物候期与气候变化的关系。时间范围为1982年至2020年，空间分辨率为8km。
王旭峰
本数据集采用SMMR（1978-1987）、SSM/I（1987-2009）和SSMIS（2009-2020）逐日亮温数据，由双指标（TB,37v，SG）冻融判别算法生成，分类结果包含冻结地表、融化地表、沙漠及水体四种类型。数据覆盖范围为三江源区域，空间分辨率为25.067525 km，EASE Grid投影方式，以Geotif格式存储。象元数值表征地表冻融的状态：1代表冻结，2代表融化，3代表沙漠，4代表水体。
晋锐, 国家冰雪数据中心
三江源及区域国家标准气象站逐月气象数据，包含32个气象站，主要包括平均本站气压、极端最高本站气压、极端最高本站气压出现日、极端最低本站气压、极端最低本站气压出现日、平均气温、极端最高气温、极端最高气温出现日、极端最低气温、极端最低气温出现日、平均气温距平、平均最高气温、平均最低气温、日照时数、日照百分率、平均相对湿度、最小相对湿度、最小相对湿度出现日期、降水量、日降水量>=0.1mm日数、最大日降水量、最大日降水量出现日、降水距平百分率、平均风速、极大风速、极大风速之出现日、最大风速、极大风速之风向、最大风速之风向、最大风速之出现日26个变量。
王旭峰
三江源积雪面积遥感产品是基于MODIS表面反射率产品，分别针对MOD09GA和MYD09GA，利用监督分类获取研究区Landsat-5 TM/Landsat8 OLI二值积雪影像（雪和无雪），将其作为参考值，结合MODIS地表类型数据MCD12Q1，获取针对植被区和非植被区积雪制图算法，并制备初级数，据用隐马尔科夫随机场模型的时空插值算法和微波雪深插值算法进行去云处理，并结合温度再分析资料，最终生产一套2000-2020年以来三江源长时间序列MODIS逐日无云积雪范围产品，产品命名为SJY_CGF-MODIS_SCE_日期_500m，数据格式是TIFF，数据投影为WGS84投影，分辨率为500m。
郝晓华
三江源积雪面积遥感产品是基于MODIS表面反射率产品，分别针对MOD09GA和MYD09GA，利用监督分类获取研究区Landsat-5 TM/Landsat8 OLI二值积雪影像（雪和无雪），将其作为参考值，结合MODIS地表类型数据MCD12Q1，获取针对植被区和非植被区积雪制图算法，制备三江源长时间序列MODIS逐日积雪范围产品，产品命名为SJY_CLOUDY_SCE_日期_500m_L1，数据格式是TIFF，数据投影为WGS84投影，分辨率为500m。
郝晓华
该数据集是MODIS的植被指数数据（MOD13Q1），将三江源区域进行了提取，以便单独开展三江源地区的研究分析。MOD13Q1是16天合成的植被指数，包含归一化植被指数（NDVI）和增强型植被指数（EVI）。三江源的空间范围覆盖两景MODIS文件（h25v05和h26v05）。数据存储格式为hdf，每个文件中包含12个波段：归一化植被指数（NDVI）、增强型植被指数（EVI）、数据质量（VI Quality）、红波段反射率（red reflectance）、近红外波段反射率（NIR reflectance）、蓝波段反射率（blue reflectance）、中红外波段反射率（MIR reflectance）、观测天顶角（view zenith angle）、太阳天顶角（sun zenith angle）、相对方位角（relative azimuth angle）、合成的时间（composite day of the year）和象元可靠性（pixel reliability）. 本数据集数据格式为hdf，空间分辨率250m，时间分辨率是16天，时间范围：2000年2月至2021年10月。
王旭峰
该数据集包含了从2020年到2021年基于LandSat-8 OLI遥感影像提取的长江源区土地覆盖数据及植被类型数据集。空间分辨率为30m。共包括了7种基于UN Land Cover Classification System的土地覆盖类型。在算法中，（1）首先结合我国1：10万植被分类（2007）进行了质量订正和控制；（2）我国植被分类中侧重与气候区的结合，在订正CCI-LC时与我国气候区划相结合，与我国气候区划类型对应的植被类型相结合，全面订正了数据标签。集成了去云算法、基于地面验证点建立了基于支持向量机分类器的优化算法，最终得到分类效果较好的分类产品，通过与同类产品的对比分析，该数据集明显优于ESA-CCI 300m、MODIS 500m及GLB 30m等产品。
魏彦强
该数据集包含了从2020年到2021年基于LandSat-8 OLI遥感影像提取的澜沧江源区土地覆盖数据及植被类型数据集。空间分辨率为30m。共包括了7种基于UN Land Cover Classification System的土地覆盖类型。在算法中，（1）首先结合我国1：10万植被分类（2007）进行了质量订正和控制；（2）我国植被分类中侧重与气候区的结合，在订正CCI-LC时与我国气候区划相结合，与我国气候区划类型对应的植被类型相结合，全面订正了数据标签。集成了去云算法、基于地面验证点建立了基于支持向量机分类器的优化算法，最终得到分类效果较好的分类产品，通过与同类产品的对比分析，该数据集明显优于ESA-CCI 300m、MODIS 500m及GLB 30m等产品。
魏彦强
三江源国家公园遥感地表温度数据集1km（2004年-2020年)，数据源为MOD11A2，MOD11A2 V6产品提供了一个1200 x 1200公里网格内的8天平均陆地表面温度（LST），数据格式为.hdf。利用MOD11A2地表温度数据，通过MRT软件进行拼接、重采样和投影转换等操作，通过ARCGIS处理好的shp图层进行掩膜，最后进行单位换算、数据平滑等处理，可得到三江源国家公园遥感地表温度数据。
王旭峰
该数据集包含了从2020年到2021年基于LandSat-8 OLI遥感影像提取的黄河源土地覆盖数据及植被类型数据集。空间分辨率为30m。共包括了7种基于UN Land Cover Classification System的土地覆盖类型。在算法中，（1）首先结合我国1：10万植被分类（2007）进行了质量订正和控制；（2）我国植被分类中侧重与气候区的结合，在订正CCI-LC时与我国气候区划相结合，与我国气候区划类型对应的植被类型相结合，全面订正了数据标签。集成了去云算法、基于地面验证点建立了基于支持向量机分类器的优化算法，最终得到分类效果较好的分类产品，通过与同类产品的对比分析，该数据集明显优于ESA-CCI 300m、MODIS 500m及GLB 30m等产品。
魏彦强
根据最新监测数据显示，三江源国家公园内面积大于1000平方米的湖泊达到167个，其中，长江源园区120个、黄河源园区36个、澜沧江源园区11个，以淡水湖和微咸水湖居多，是世界上海拔最高、数量最多、面积最大的高原湖群区之一。三江源国家公园湖泊面积长序列数据集（1970-2020年），数据来源于卫星遥感数据，采用机器和人工目视解译确定了三江源国家公园湖泊边界，数据说明了三江源国家公园水源涵养能力显著增强。
张国庆
该数据集包含了三江源国家公园30m空间分辨率的遥感解译冰川数据集，该数据集包含了从2020年到2021年基于LandSat-8 OLI遥感影像提取的三江源国家公园冰川分布数据集。空间分辨率为30m。在算法中，首先结合我国第二次冰川编目数据进行了质量订正和控制。集成了去云算法、基于地面验证点建立了基于支持向量机分类器的优化算法，最终得到分类效果较好的分类产品，通过与同类产品的对比分析，该数据集明显优于ESA-CCI 300m、MODIS 500m及GLB 30m等产品。
魏彦强
三江源国家公园土壤温度数据集，时间范围为1980-2020年。数据为ERA5，ERA5是ECMWF（欧洲中期天气预报中心）对1950年1月至今全球气候的第五代大气再分析数据集。ERA5由ECMWF的哥白尼气候变化服务（C3S）生产。ERA5提供了大量大气、陆地和海洋气候变量的每小时估计值。这些数据覆盖了30公里网格上的地球，并使用137个从地表到80公里高度的高度来解析大气，包括在降低空间和时间分辨率时所有变量的不确定性信息。
王旭峰
长期数据记录(LTDR)是美国国家航空航天局(NASA)在LAADS DAAC的一个制作地球系统数据记录用于研究环境(措施)项目，该项目产生并分发一套陆地表面气候数据记录(CDR)。cdr提供了40多年的时间序列，这些时间序列是经过良好校准的、一致的日常测量数据，用于分析和了解全球气候变率和变化。LTDR项目是一座重要的桥梁，它有助于将NOAA和欧洲航天局的先进高分辨率辐射计(AVHRR)获得的数据与EOS中分辨率成像光谱仪(MODIS)、Suomi国家极轨伙伴关系(SNPP)可见光红外成像辐射计套件(VIIRS)和联合极轨卫星系统(JPSS) VIIRS任务联系起来。AVHRR大气校正归一化植被指数每日L3全球0.05度CMG产品提供归一化植被指数(NDVI)值，该值是使用brdf校正的地表反射率输入导出的，并提供数据质量评估。
王旭峰
基于MODIS 2000年至2020年生长季平均的NDVI与EVI（空间分辨率250m），利用Mann-Kendall趋势检测方法，计算了NDVI的变化趋势。MOD13Q1 V6产品提供逐像元的植被指数。一个是归一化差值植被指数(NDVI)，又称连续性指数，是由现有的国家海洋和大气管理局高级甚高分辨率辐射计(NOAA-AVHRR)导出的NDVI。第二个植被层是增强植被指数(EVI)，该指数将冠层背景变化最小化，并在浓密的植被条件下保持敏感性。EVI还使用蓝色波段去除烟雾和亚像素薄云造成的残留大气污染。MODIS NDVI和EVI产品是由大气校正的双向地表反射率计算而来的。该数据空间分辨率为250m。
王旭峰
该数据集包含了三江源地区1960-2020年间因雪灾而损失的牲畜数量和雪灾发生地点位置数据集。灾害发生地及损失情况来自《中国气象灾害大典》(温克刚, 2005)、《中国西部农业气象灾害》(王建林 et al., 2003)及《中国灾害性天气气候图集》(中国气象局, 2007)等。近些年的数据主要依据雪灾的新闻报道和文献报道数据。数据质量控制中，首先对雪灾的发生地进行了详细订正，其次对其损失数量进行了详细评估，对一些明显夸大报道的雪灾事件进行了剔除和合理纠正，使得数据较为客观和真实，能反映雪灾的具体规模大小。是研究三江源区雪灾的一手资料。
魏彦强
三江源国家公园位于地球“第三极”青藏高原腹地，由长江源园区、黄河源园区、澜沧江源园区组成，总面积为12.31万平方公里。三江源国家公园遥感积雪结束日期数据产品是基于中国2000-2020年逐日无云500 m积雪面积产品，依据积雪初日为一个水文年中最后一次出现连续5天是雪的终日对应日期计算得到，其中水文年为每年的9月1日到次年的8月31日。数据格式是TIFF，数据投影为WGS84投影,分辨率是500m。积雪日数取值范围为1~365天或者366天，无效值为0,其中1表示9月1日，依次类推具体日期。
郝晓华
三江源国家公园位于地球“第三极”青藏高原腹地，由长江源园区、黄河源园区、澜沧江源园区组成，总面积为12.31万平方公里。三江源国家公园遥感积雪开始日期数据产品是基于中国2000-2020年逐日无云500 m积雪面积产品，依据积雪初日为一个水文年中第一次出现连续5天是雪的首日对应日期计算得到，其中水文年为每年的9月1日到次年的8月31日。数据格式是TIFF，数据投影为WGS84投影,分辨率是500m。积雪日数取值范围为1~365天或者366天，无效值为0,其中1表示9月1日，依次类推具体日期。
郝晓华
三江源国家公园遥感雪粒径数据产品（2000年-2020年），雪粒径数据产品是基于MOD09GA数据，利用由AART模型发展的SGSP算法反演得到的。雪粒径值表示积雪表层（5cm左右）的雪粒有效半径（单位： μm），数据格式是TIFF，数据投影为WGS84投影。2000-11-01至2019-04-01积雪期（每年11月1日到次年4月1日）。雪粒径取值范围为50-2000μm，并用MOD10A1识别的积雪的FSC（0-100）进行了掩膜，其他区域取值都为0。
郝晓华
三江源国家公园遥感蒸散发数据集（2000年-2020年）使用了MOD16A2遥感数据集，该数据集的空间分辨率为1km，时间分辨率为8天。 MOD16A2第6版蒸发/热量通量产品是一个以500米像素分辨率制作的8天综合产品。用于MOD16数据产品收集的算法是基于Penman-Monteith方程的逻辑，其中包括每日的气象再分析数据的输入，以及MODIS遥感数据产品，如植被属性动态、反照率和土地覆盖。
王旭峰
该数据集包含了基于ASTER GDEM v3提取的三江源地区数字高程数据，空间分辨率为30m。数字高程模型（Digital Elevation Model，简称DEM），利用有序、有限的位置高程数值矩阵实现对地球表面高程状态的数字化模拟，是建立数字地形模型（Digital Terrain Model，简称DTM）的基础。 NASA（美国国家航空航天局）和METI（日本经济产业省）于2009年6月28日共同发布了ASTER GDEM v1数据产品，并宣布向全球用户免费开放下载使用。2011年10月中旬，NASA和METI共同发布了ASTER GDEM v2版本，在v1的基础之上，新增了26万光学立体像对数据，主要用于改善覆盖范围、提升数据分辨率、提升水体掩模处理精确度。2019年8月5日，NASA和METI共同发布了ASTER GDEM v3版本，在v2的基础之上，新增了36万光学立体像对数据，主要用于减少高程值空白区域、水域数值异常。 本DEM数据是基于ASTER GDEM v3，利用三江源地区边界范围进行拼接处理和修正，空间分辨率为1弧度秒（约30 米），格式为GeoTIFF，参考大地水准面为WGS84/EGM96，特殊DN值：无效像素值为-9999，海平面数据为0。精度：垂直精度20米，水平精度30米。
魏彦强
该数据集包含了三江源地区1km空间分辨率的理论载畜量数据集。该数据集在2015年到2021年收集的地面样点数据基础上，与基于MODIS遥感影像提取的NDVI数据进行建模，反演得到三江源地区地上草地生物量数据，利用羊单位（SU）换算得到公里网格2020年理论载畜量（羊单位，SU）数据集。空间分辨率为1km。在算法中，首先结合地面样方和对应的同时相MODIS植被指数，建立回归关系模型，此外，集成了去云算法、基于地面验证点建立了基于支持向量机分类器的优化算法，最终得到分类效果较好的草地分类产品作为掩膜，最终得到公里网格理论载畜量（羊单位，SU）。该数据集具有很好的高空间分辨率和高时效性等特点。
魏彦强
北极放大效应是 20 世纪最显著的气候变化现象。为理解北极放大效应对全球气候变化的响应及影响，科学家们开展了 CMIP6 子计划北极放大效应比较计划（PAMIP）。 中国科学院大气物理研究所的气候系统模式 FGOALS-f3-L 参加了上述计划并完成和提交了 8 组大样本集合试验。这些试验基于陆气耦合模式，分别考虑了不同下垫面强迫的组合在工业革命前情景、 现代气候情景和未来气候变化情景下，全球海温和海冰变化对大气环流及全球气候系统的影响。所有的试验外强迫固定在 2000 年，采用 100 个集合，从 2000 年 4 月 1 日开始积分到 2001 年 6 月 30 日。以上数据为进一步理解北极放大效应现象及其影响提供了新的科学数据和科学依据。
何编
中国科学院大气物理研究所大气科学和地球流体力学数值模拟国家重点实验室研发的全球气候系统模式FGOALS-f3-H/L 参加CMIP6 高分辨率模式比较计划数据集。CAS FGOALS-f3-H的水平分辨率为0.25°，CAS FGOALS-f3-L的水平分辨率为1°，由标准的外部条件强迫，对1950-2014年和2015-2050年时间段进行了2套模拟，实验ID分别为 "highresSST-present "和 "highresSST-future"。模式输出包含多种时间尺度，包括：小时平均值、三小时平均值、六小时瞬时值、日平均值和月平均值数据集。
包庆
青藏高原分区域动力降尺度（TPSDD）数据集是一个高空间-时间分辨率的网格数据集，用于整个青藏高原的陆地-空气交换过程和低层大气结构研究，并考虑到了青藏高原各分区域的气候特征。该数据集的时间跨度为1981年至2020年，时间分辨率为2小时，空间分辨率为10公里。数据集的气象要素包括近地表土地-空气交换参数，如向下/向上的长波/短波辐射通量、动量通量、显热通量、潜热通量等。此外，还包括从地表到对流层顶的3维风、温度、湿度和气压的垂直分布。通过比较观测数据和最新的ERA5再分析数据，对该数据集进行了独立评估。结果表明了该数据集的准确性和优越性，为未来的气候变化研究提供了巨大的潜力。
李斐, 马舒坡, 朱金焕, 邹捍, 李鹏, 周立波
青藏高原分区域动力降尺度数据集-标准年（TPSDD-Standard）是一个高空间-时间分辨率的网格数据集，用于整个青藏高原的陆地-大气交换过程和低层大气结构研究，并考虑到了青藏高原各分区域的气候特征。根据青藏高原上空500 hPa多年平均位势高度场，选取与该位势高度场空间相关系数最大的年份（2014年）作为标准年，它能粗略反映青藏高原大气多年平均状况。该数据时间分辨率为1小时，空间分辨率为5公里。数据集的气象要素包括近地表土地-空气交换参数，如向下/向上的长波/短波辐射通量、感热通量、潜热通量等。此外，还包括从地表到对流层顶的3维风、温度、湿度和气压的垂直分布。通过比较观测数据和最新的ERA5再分析数据，对该数据集进行了独立评估。结果表明了该数据集的准确性和优越性，为未来的气候变化研究提供了巨大的潜力。
李斐, 马舒坡, 朱金焕, 周立波, 李鹏, 邹捍
冰川表面运动提取在冰川动力学与物质平衡变化研究中具有重要意义，针对当前我国自主遥感卫星数据在冰川运动监测应用中存在的不足，选用GF-3卫星FSI模式下获取的2019—2020年间覆盖青藏高原高山区典型冰川的SAR数据，借助并行化偏移量跟踪算法获取了研究区冰川表面流速分布。GF-3影像凭借其良好的空间分辨率，在规模较小、运动缓慢的冰川运动提取方面具有显著的优势，能够更好地体现冰川运动细节信息及其差异性。该研究有助于分析气候变化背景下青藏高原地区冰川的运动规律及其时空演变特征。
闫世勇
南极McMurdo Dry Valleys 冰川表面流速遥感后处理产品，基于Antarctic Ice Sheet Velocity and Mapping Project（AIV）数据，通过先进的算法和数值工具后处理得到。该产品利用Sentinel-1/2/Landsat数据绘制，提供了McMurdo Dry Valleys 均匀、高分辨率（60m）的冰流速结果，时间覆盖范围从2015到2020。
江利明
该数据为第六次国际耦合模式比较计划 （CMIP6）在中等排放场景（ssp245）下对2020年-2100年南极海冰密集度数据的模拟。对CMIP6的25个模式数据统一插值后进行集合平均。海冰密集度数据大小在0-1之间，数据时间范围从2020年1月至2100年12月，时间分辨率为月，空间范围为南纬45°以南，空间分辨率为1°×1°。该数据提供了中等排放情景下，南极海冰的的状态和演变，可为南极未来变化等研究提供参考。
李双林, 王惠
通过国家气象信息中心、水文年鉴、中国统计年鉴及中国科学院地理科学与资源研究所等单位收集了水文气象及、土地利用及DEM等基础数据。采用具有自主知识产权的分布式时变增益水文模型进行建模，以100平方千米阈值将青藏高原划分成10937个子流域。在黑河、雅鲁藏布江、长江源、黄河源、雅砻江、岷江、澜沧江流域选取了14个流量站观测日流量数据对模型进行了拟定与验证。日尺度纳西效率系数达到0.7以上相关系数达到0.8以上。采用了CMIP6提供的13个模型4种情景输出的降水与气温数据，对未来降水与气温数据进行后处理，后处理后的降水与气温驱动水文模型，模拟出2046-2065年水循环过程，给出全青藏高原空间0.1度日尺度径流未来可能时空分布。
叶爱中
基于CMIP6模式资料（模式列表见表1）估算了历史时期（1990-2014年）和未来（2046-2065年）不同气候变化情景下（包括SSP126, SSP245, SSP585），青藏高原和环北极地区冻土分布、冻土活动层厚度，以及冻土区陆地生态系统碳通量（总初级生产力GPP和生态系统碳源汇NEP）数据，空间分辨率为1°×1°。其中冻土分布利用空间约束方法 (Chadburn et al., 2017)，基于现阶段不同温度梯度下冻土出现的概率，结合地球系统模式模拟的未来温度变化，估算未来气候变暖情景下的冻土分布。活动层厚度变化方面，利用现阶段基于遥感估算的活动层厚度对温度变化的敏感性约束地球系统模式模拟的活动层厚度变化，从而校正模型对冻土活动层厚度模拟的误差。未来冻土区碳通量为地球系统模式模拟结果的多模式集合平均值。 模拟结果表明，未来气候变化情景下青藏高原冻土将显著退化，随着未来温度升高，连续多年冻土区表现为碳源，但升温促进植被生长，在非连续冻土区碳汇能力增强。与青藏高原类似，未来环北极地区冻土也将普遍退化，未来气候变暖促进北极地区植被增长，从而增强区域碳汇。
汪涛, 刘丹, 魏建军
基于中国第33次南极科学考察，在东南极中山站至Dome A断面上获取的雪冰金属元素浓度时空分布数据集，主要包括：1、距离中山站202公里处获取的一支浅冰芯，冰芯涵盖时间长度为1990年至2017年，分辨率为年，包括金属元素铁以及氢氧同位素等数据。2、沿着东南极中山站-Dome A断面，每个10公里采集一个样品，金属元素包括稀土元素和钡等元素。数据可用于研究自然源和人类活动对南极雪冰的污染和贡献等。
杜志恒
基于我国高分一号及二号数据，采用深度学习分类方法，结合人工目视解译修正，生产出青藏工程走廊冻融灾害分布数据。数据地理范围为青藏公路西大滩至安多段沿线40km范围。数据包括热融湖塘分布数据及热融滑坡分布数据。该数据集可为青藏工程走廊冻融灾害的研究工作及工程防灾减灾提供数据基础。青藏公路西大滩至安多段沿线40km范围冻融灾害空间分布基于国产高分二号影像数据自制。首先，利用深度学习方法从高分二号数据中提取泥流阶地区块；然后，利用ArcGIS进行人工编辑，将数据解译后合在一张图上可现实。
牛富俊, 罗京
本数据是基于气象观测数据、水文站点数据，结合各种同化数据和遥感数据，通过耦合积雪、冰川和冻土物理过程的青藏高原多圈层水文模型系统WEB-DHM（基于水和能量平衡的分布式水文模型）制备生成，时间分辨率为月尺度，空间分辨率为5km，原始数据格式为ASCII文本格式，数据种类包括格网径流与蒸发（若蒸发小于0,则表示凝华；若径流小于0，则表示当月降水小于蒸发）。若asc无法在arcmap中正常打开，请将asc文件前5行顶格。
王磊, 柴晨好
北半球过去千年温度代用资料序列，总计396条，其中：370树轮、15条冰芯、9条湖泊沉积物、2条历史文献资料；该资料来源于PAGES2k Consoritum组织在2017年发布的全球温度代用资料数据集；在开展北半球过去千年（1000-2000 AD）温度同化的过程中对该资料进行了进一步的筛选，只保留了年分辨率的资料；该数据集中所包含的代用资料都已经经过了严格的质量检验和温度信号的验证；该数据集可用于北半球过去千年半球尺度和区域尺度温度重建。
方苗
本数据是基于气象观测数据、水文站点数据，结合各种同化数据和遥感数据，通过耦合积雪、冰川和冻土物理过程的青藏高原多圈层水文模型系统WEB-DHM（基于水和能量平衡的分布式水文模型）制备生成，时间分辨率为月尺度，空间分辨率为5km，原始数据格式为ASCII文本格式，数据种类包括格网径流与蒸发（若蒸发小于0,则表示凝华；若径流小于0，则表示当月降水小于蒸发）。若asc无法在arcmap中正常打开，请将asc文件前5行顶格。
王磊, 刘虎
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。这些产品是经过云检测之后的结果。数据覆盖时间从2021年1月1日到2021年12月31日，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、Ångström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。
丛志远
海冰的减少和表面融水的增加，可能诱发冰流加速和锋面塌陷，对格陵兰冰架的稳定性有重大影响。然而，由于稀少的遥感观测，快速崩解之前的详细冰动态前兆和驱动因素仍然不清楚。我们通过联合使用高时空分辨率的遥感观测和冰流模型，对格陵兰岛北部Petermann冰川2017年7月26日崩解事件前的水文和运动学前兆进行了全面调查。2017年7月期间的冰流速度场的时间序列是通过Sentinel-2的观测来检索的，采样间隔为次周。冰流速度在7月26日（崩解前一天）迅速达到30米/天，这大约是平均冰川速度的10倍。
江利明
冰川是全球气候变化的放大器和指示器，目前在全球气温升高的背景下，全球范围内冰川融化持续加快。跃动冰川是一种有着间歇性和周期性加速运动的冰川，其对气候变化非常敏感。本数据集基于Landsat和Sentinel系列多源光学卫星遥感影像数据，通过对影像进行筛选、拼接、裁剪获得研究区域影像。其中，对Landsat TM 影像中L1GS 级别影像采用二阶多项式进行配准校正，影像配准后误差小于一个像素。之后利用方向相关算法进行影像匹配，生成了格陵兰冰盖典型的跃动冰川——Sortebræ 冰川在1980s至2020 年期间不同阶段的表面运动速度。本数据集期望有助于对Sortebræ 冰川跃动过程的研究，以及对全球变暖背景下冰川跃动机理的探讨。
乔刚, 孙子翔, 袁小涵
数据内容：货币供应量(2012-2021)及金融机构资产负债数据（2007-2020） 数据来源及加工方法：从世界银行官方网站、新浪网获取2015-2021年第三极（中国地区）银行和货币原始数据，通过数据整理、筛选及清洗得到2012-2021年第三极（中国地区）银行和货币数据集，数据起始时间为2012年至2021年，Microsoft Excel (xls)格式。 数据质量描述：优良 数据应用成果及前景：作为社会经济数据提供有效参考
傅文学
数据内容：价格指数_居民消费价格指数(CPI)(2009-2022) 数据来源及加工方法：从世界银行官方网站、新浪网获取2015-2022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2009-2022年第三极（中国地区）价格指数经济数据集，数据起始时间为2009年至2022年，Microsoft Excel (xls)格式。 数据质量描述：优良 数据应用成果及前景：作为社会经济数据提供有效参考
傅文学
数据内容：国内生产总值（GDP）年度统计（1991-2021）、国内资产负债数据（2011-2020）及国内投入产出数据（2012-2018）。 数据来源及加工方法：从世界银行官方网站、新浪网获取2015-2021年第三极（中国地区）宏观经济原始数据，通过数据整理、筛选及清洗得到1991-2021年第三极（中国地区）宏观经济数据集，数据以Microsoft Excel（xls）格式存储。 数据质量描述：优良 数据应用成果及前景：作为社会经济数据提供有效参考
傅文学
数据内容：对外经济贸易_货物进出口总额（1991-2021） 数据来源及加工方法：从世界银行官方网站、新浪网获取2015-2021年第三极（中国地区）对外贸易及投资原始数据，通过数据整理、筛选及清洗得到1991-2021年第三极（中国地区）对外贸易及投资数据集，数据起始时间为1991年至2021年，Microsoft Excel (xls)格式。 数据质量描述：优良 数据应用成果及前景：作为社会经济数据提供有效参考
傅文学
该物候数据基于青藏高原2000-2015年MOD13A2数据（时间分辨率为16天，空间分辨率为1km），利用TIMESAT软件中分段高斯函数拟合NDVI曲线，采用动态阈值方法提取春季物候、秋季物候以及生长季长度，其中春季物候和秋季物候的阈值分别设置为0.2和0.7。此物候数据进行了掩膜处理。其中，掩膜规则为：1）必须满足NDVI的最大值出现在6-9月份之间；2）6-9月份NDVI均值不能小于0.2；3）冬季的NDVI均值不能超过0.3。
俎佳星, 张扬建
该数据集为全球植被生产力数据，包含总初级生产力（GPP）、净初级生产力（NPP）和净生态系统生产力（NEP）3部分，由耦合模式比较计划第6阶段（CMIP6）中BCC-ESM1模式在Historical情景下模拟得到。数据时间范围为1850-2014年，时间分辨率为月，空间分辨率约为2.8125°。模拟数据详细说明可见链接https://www.wdc-climate.de/ui/cmip6?input=CMIP6.CMIP.BCC.BCC-ESM1。
郑周涛
生物圈对大气的反馈是全球变化研究的核心内容之一，在大气CO2浓度上升的情况下，陆地生态系统的行为是预测这种反馈效应的主要不确定性因素。CO2浓度升高（eCO2）可以通过增加羧化作用和抑制光呼吸速率直接刺激植物生长和生态系统C的吸收。通过CO2施肥效应（CFE）对光合作用和碳固存的影响，陆地生态系统可以缓冲大气CO2浓度的激增，进而减缓气候变化。为研究CO2加富对植被生产力的影响，在青藏高原北部那曲草原站（31°38′31″N, 92°00′54″E，海拔4600m）开展了CO2加富试验。试验采用分区设计，CO2为主处理因子，N为次处理因子；总共四个实验处理，跨越两个CO2浓度水平[环境CO2 (aCO2)，升高CO2（eCO2）： +100ppm]。考虑到研究区域的植被高度低和多风的天气，采用八角形开顶室（OTCs）来控制二氧化碳浓度，而不是自由FACE系统。OTC设计高2.5米，每边长1.5米，每个OTC占地7.7平方米。
张扬建
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
