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
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
本产品提供了项目组发展的陆面模式VIC-CAS数值模拟的1971-2017年北极两条大河（北美大陆：Mackenzie，欧亚大陆：Lena）的水循环关键变量数据集，包括：降水量、蒸散发、地表径流、地下径流、冰川径流、雪水当量和三层土壤湿度等7个变量。该数据集空间分辨率为0.1degree，时间分辨率为月。该数据集可用于长期气候变化下北极大河流域水量平衡变化分析，也可用于遥感数据产品及其他模型模拟结果的对比和验证。
赵求东, 王宁练, 吴玉伟
本数据集为覆盖全球范围考虑积融雪过程的标准化水分距平指数（SZIsnow)，该干旱指数数据集由GLDAS-2驱动产生。该指数考虑了与干旱发展相关的诸多水文过程，尤其是积融雪过程。目前许多干旱指数忽略了积融雪过程，导致不能准确地对积雪地区干旱的发生和发展进行评估，该指数很好地弥补了这一不足，解决了干旱物理机制解析与多时间尺度分析无法兼顾，不同类型干旱难以统一评估的两个难题。经验证该指数能够很好地对全球不同地区的历史干旱时间进行定量描述，其优异表现在高纬度和高海拔地区更为突出。因此本数据集可以为干旱的监测评估以及干旱相关研究提供科学参考。
吴普特, 田磊, 张宝庆
北极大河流域地面气象要素驱动数据集，包括地表日最大、最小及平均气温、日降水量、日均风速共5个要素。数据为NETCDF格式，水平空间分辨率约为0.1度（0.083°），范围包括了Yenisy、Lena、Ob、Yukon及Mackenzie流域，该数据可为北极大河流域水文过程模拟提供驱动数据。利用进一步质量控制的全球历史气候网数据集(GHCN)、全球日气象数据集（GSOD）、美国历史气候网数据集（USHCN）、加拿大气候数据集（AHCCD）、前苏联/俄罗斯气候数据集（USSR/Russia）的气象站点日观测数据，以ClimateNA（北美）、Worldclim（欧亚）数据作为背景场，采用薄板样条函数插值方法生成。
赵求东, 吴玉伟
泛第三极区域数据集呈现海量、零散等特征，现有数据集种类较多，覆盖范围广，涉及水文、生态、大气以及灾害等多个领域，但这些数据集来自不同平台，在尺度、数据格式等方面各不相同，数据的可利用性较差，不利于科研人员展开泛第三极地区的科学研究，同时也无法发挥出这些数据集的巨大潜力。本研究采用来自多个数据平台的最新数据使用数据集成、数据融合等集成方法生产更高质量和更新年份的泛第三极综合数据集。根据不同来源、不同分辨率的数据，对这些数据进行质量控制，根据数据科学内容进行集成。对部分数据，利用数据融合技术，融合不同来源的数据，产生数据质量更高、年份更新的创新性数据产品，更好地服务于陆面过程模型等研究中。泛第三极数据集根据自然数据和社会经济数据分别采用泛第三极流域边界和泛第三极国家边界获取数据，统一采用罗宾逊（Robinson）投影格式。获得了多源集成的包含基础数据集、冰冻圈数据集、水文大气数据集、生态数据集、灾害数据集和人文地理数据集共六类数据集。 （1）基础数据集包含边界数据集、30米土地覆被数据、植被功能数据、30米SRTM数字高程数据和HWSD土壤质地数据。详情请查看元数据页面附件信息中或数据中的文档“泛第三极基础数据集数据文档.docx”。 （2）冰冻圈数据集包含冻土数据集、冰川分布数据、冰湖分布数据和积雪深度数据。其中，冻土数据集又包含冻土分布数据、冻土水热分带数据、冻土指数数据和冻土表面粗糙度数据。详情请查看元数据页面附件信息中或数据中的文档“泛第三极冰冻圈数据集数据文档.docx”。 （3）水文大气数据集包含河流湖泊数据集、蒸散发数据集和大气数据集。河流湖泊数据集包含河流数据和湖泊数据，蒸散发数据集包含MODIS蒸散发数据、土壤蒸发数据、水体冰雪蒸发数据和冠层截流蒸发数据，大气数据集包含ERA5-Land再分析数据集中的地表热辐射数据、地表太阳辐射数据、降水数据、气压数据、温度数据和风场数据。详情请查看元数据页面附件信息中或数据中的文档“泛第三极水文大气数据集数据文档.docx”。 （4）生态数据集包含总初级生产力数据和植被蒸腾数据。详情请查看元数据页面附件信息中或数据中的文档“泛第三极生态数据集数据文档.docx”。 （5）灾害数据集包含滑坡数据和地震区划数据。详情请查看元数据页面附件信息中或数据中的文档“泛第三极灾害数据集数据文档.docx”。 （6）人文地理数据集则包含交通道路数据、铁路机场数据、人口密度数据、主要国家人均GDP数据、收入水平数据和世界遗产分布数据。详情请查看元数据页面附件信息中或数据中的文档“泛第三极人文地理数据集数据文档.docx”。 泛第三极综合数据集将为相关研究者提供便利，避免相关研究在获取数据和处理数据的过程中重复劳动，节省研究者宝贵的时间，并且在陆面过程模型、水文模型和生态模型等科学研究中起到重要作用，促进泛第三极地区科学研究的发展，为泛第三极地区的科学研究提供数据支撑。
李虎, 潘小多, 李新, 盖春梅, 冉有华
该数据集包含位于西藏自治区昌都市江达县岗托镇矮拉山附近（98°29′16″E, 31°36′36″N）冻融滑坡及融冻泥流浅层地温、水分及现场气象要素监测数据，基于Hobo温度、水分及小型气象站通过现场监测获得。观测时间在2019年8月31日-2020年7月14日之间。通过一个完整冻融周期的现场监测，下载现场传感器自动获取的地温、水分及气象要素监测数据，通过一定的质量控制包括剔除传感器未完全适应土壤环境时的数据和传感器出现故障造成的系统误差。地温、水分观测时间间隔4小时，地温的观测深度为10cm, 20cm, 40cm, 60cm，80cm，100cm，150cm及200cm，共8层，水分的观测深度为20cm，50cm，100cm及200cm共4层。气象观测要素主要包括气温、降雨量、风速、风向及太阳辐射等，观测的时间间隔为30分钟（注：太阳辐射传感器最大量程为1276.8 W/m2，实际太阳辐射值大于最大量程时显示为1276.9 W/m2；风速传感器的最小启动风速为0.5m/s，当实际风速小于启动风速时，显示值为0。因此该数据无法体现超太阳常数现象和低于0.5m/s的风速）。质量控制包括剔除传感器未完全适应土壤环境时的数据和传感器出现故障造成的系统误差。经过矫正的最终数据以excel文件存储。获取的现场数据经多人复查审核，数据完整性和准确度达到95%以上。监测数据可为后期开展藏东南地区冻融滑坡和融冻泥流相关研究工作提供必要的数据支撑。
牛富俊
This file contains the datasets used in a manuscript published in JGR Biogeosciences (Nieberding, F., Wille, C., Ma, Y., Wang, Y., Maurischat, P., Lehnert, L., and Sachs, T.: Winter daytime warming and shift in summer monsoon increase plant cover and net CO2 uptake in a central Tibetan alpine steppe ecosystem, Journal of Geophysical Research: Biogeosciences, 126, e2021JG006441, doi:10.1029/2021JG006441, 2021.). The manuscript contains all the details on how the data was generated and processed and the corresponding code was published in the supplementary material.
Felix Nieberding, 马耀明, Christian Wille, Lukas Lehnert, Yuyang Wang, Philipp Maurischat, Weiqiang Ma, Torsten Sachs
农业灌溉需要消耗大量的可利用淡水资源，是人类对自然水循环过程最直接的扰动，加速了区域水循环的同时伴随着冷却作用。因此，估算灌溉用水对于探索人类活动对自然水循环的影响、量化水资源收支、优化农业水资源管理配置等具有重要意义。然而，目前灌溉用水数据主要是基于调查统计结果，数据空间分布离散且缺乏统一性，无法满足对灌溉用水的时空变化进行估算的需求。全球灌溉农田灌溉用水量遥感估算数据集（2011-2018）是基于卫星土壤湿度、降水、植被指数以及气象资料入辐射与气温等要素，通过土壤水量平衡原理，耦合遥感蒸散发过程模块以及利用基于差分优化的数据-模型融合算法来估算全球灌溉农田实际灌溉用水量。该数据集的灌溉用水估算结果相比传统的离散调查统计数据在不同空间尺度（区域、州/省和国家）上具有较小的偏差，如中国各省2015年农业用水统计结果对比（bias = −3.10 km^3），美国各州2013年调查数据结果对比（bias = −0.42 km^3）以及粮农组织各个国家尺度对比结果（bias = −10.84 km^3）。而且，相较于基于单个降水和土壤水分卫星产品的估算结果，该集合数据显示出更低的不确定性。此外，数据统一采用全球地理经纬度格网，相关元数据存储在对应的NetCDF文件内，空间分辨率约为25公里，时间分辨率为月尺度，时间跨度为2011年−2018年。该数据集将有助于定量评估历史时期农业灌溉用水的时空格局和支撑科学农业用水管理等。
张琨, 李新, 郑东海, 张凌, 朱高峰
中亚干旱区极端降水指数长时间序列数据集包含了49个站点的10项极端降水指数长时间序列数据。该数据集以全球日气候历史数据网络（GHCN-D）的逐日降水数据为基础，经过数据质量控制和异常值剔除，选取符合极端降水指数计算的站点，计算了气候变化检测和指数联合专家组（ETCCDI）定义的10项极端降水指数（PRCPTOT、SDII、RX1day、RX5day、R95pTOT、R99pTOT、R10、R20、CWD、CDD）。其中，有15站时间序列为1925-2005年。本数据集可以作为在全球气候变化下中亚干旱区极端降水事件发生频率和趋势探测分析的材料，也可以作为基础数据来探索极端降水事件对农牧业生产和生命财产损失的影响。
姚俊强, 陈静, 李建刚
高质量高时空分辨率降水产品在理解全球和区域尺度的“水-碳-能”循环研究中扮演重要角色。卫星遥感为监测降水高时空变异特征提供了不可替代的手段，尤其是在自然条件恶劣的无资料地区。但由于是间接估算而来，卫星遥感降水产品不可避免地存在系统偏差和随机误差。聚焦于目前主流的遥感降水产品（GPM IMERG及其回推产品，0.1°/half-hourly，2000-present）获取过程中的潜在不足，如该产品的矫正时空尺度为1.0°/monthly，本研究在更高时空尺度上提出一套新的时空矫正算法，并引入高质量地面观测产品APHRODITE（0.25°/daily），生产了一套亚洲地区同期高质量高时空分辨率降水数据集AIMERG（0.1◦/half-hourly，2000–2015）。AIMERG降水数据集能够同时有效考虑卫星估计和地面观测的各自优势，其系统偏差和随机误差在中国地区不同时空尺度上的表现优于GPM IMERG，为亚洲地区相关领域的科学研究及生产实践提供了更为丰富且可靠的基础数据。
马自强
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
该数据集描述了雅鲁藏布江流域的降水时空分布，融合了 CMA、GLDAS、ITP-Forcing、MERRA2、TRMM五套再分析降水产品和卫星降水产品， 并结合流域内9个国家气象站和166个水利部雨量筒的观测降水制作而成，时间范围为1981-2016年，时间分辨率为3 h，空间分辨率为5 km，单位是mm/h。该数据将为雅江流域的研究提供更好的数据支撑，可用于研究流域水文过程对气候变化的响应等领域。具体使用信息请看随数据一同上传的说明文档。
汪远伟, 王磊, 李秀萍, 周璟
青藏高原的水土资源匹配数据，由站点气象数据（2008-2016年，国家气象数据共享网）经过彭曼公式计算得出的潜在蒸散发数据，利用土地利用的不同土地类型，根据下垫面影响系数计算现有土地利用下的蒸散发量；以及气象数据中的站点降雨数据插值得到的降雨数据，根据两者差值得到水土资源匹配系数。实际降雨与现有土地利用条件下的需水量之间的差值来反映水土资源的匹配性，数值越大匹配性越好。水土资源的匹配情况的空间分布能为进一步了解青藏高原的农牧业资源情况做铺垫。
董凌霄
该数据集包含了2018年1月1日至2018年12月31日黑河流域地表过程综合观测网中游大满超级站气象要素梯度观测系统数据。站点位于甘肃省张掖市大满灌区农田内，下垫面是玉米田。观测点的经纬度是100.3722E, 38.8555N，海拔1556m。风速/风向、空气温度、相对湿度传感器分别架设在3m、5m、10m、15m、20m、30m、40m处，共7层，朝向正北；气压计安装在2m处；翻斗式雨量计安装在塔西侧约8m处，架高2.5m；四分量辐射仪安装在12m处，朝向正南；两个红外温度计安装在12m处，朝向正南，探头朝向是垂直向下；土壤热流板（自校正式）（3块）依次埋设在地下6cm处，朝向正南距离塔体2m处，其中两块（Gs_2、Gs_3）埋设在棵间，一块（Gs_1）埋设在植株下面；平均土壤温度传感器TCAV埋设在地下2cm、4cm处，朝向正南，距离塔体2m处；土壤温度探头埋设在地表0cm和地下2cm、4cm、10cm、20cm、40cm、80cm、120cm和160cm处，在距离气象塔2m的正南方；土壤水分传感器分别埋设在地下2cm、4cm、10cm、20cm、40cm、80cm、120cm和160cm处，在距离气象塔2m的正南方；光合有效辐射仪安装在12m处，探头朝向是垂直向上；另有四个光合有效辐射仪分别架设在冠层上方和冠层内，冠层上方安装在12m（探头垂直向上和向下方向各一个）、冠层内安装在0.3m（探头垂直向上和向下方向各一个）高处，朝向正南。 观测项目有：风速（WS_3m、WS_5m、WS_10m、WS_15m、WS_20m、WS_30m、WS_40m）(单位：米/秒)、风向（WD_3m、WD_5m、WD_10m、WD_15m、WD_20m、WD_30m、WD_40m）(单位：度)、空气温湿度（Ta_3m、Ta_5m、Ta_10m、Ta_15m、Ta_20m、Ta_30m、Ta_40m和RH_3m、RH_5m、RH_10m、RH_15m、RH_20m、RH_30m、RH_40m）(单位：摄氏度、百分比)、气压（Press）(单位：百帕)、降水量（Rain）(单位：毫米)、四分量辐射（DR、UR、DLR_Cor、ULR_Cor、Rn）(单位：瓦/平方米)、地表辐射温度（IRT_1、IRT_2）(单位：摄氏度)、平均土壤温度（TCAV）(单位：摄氏度)、土壤热通量（Gs_1、Gs_2、Gs_3）(单位：瓦/平方米)、土壤水分（Ms_2cm、Ms_4cm、Ms_10cm、Ms_20cm、Ms_40cm、Ms_80cm、Ms_120cm、Ms_160cm）(单位：百分比)、土壤温度（Ts_0cm、Ts_2cm、Ts_4cm、Ts_10cm、Ts_20cm、Ts_40cm、Ts_80cm、Ts_120cm、Ts_160cm）(单位：摄氏度) 、光合有效辐射（PAR）(单位：微摩尔/平方米秒)、冠层上向上与向下光合有效辐射（PAR_U_up、PAR_U_down）(单位：微摩尔/平方米秒)和冠层下向上与向下光合有效辐射（PAR_D_up、PAR_D_down）(单位：微摩尔/平方米秒)。 观测数据的处理与质量控制：（1）确保每天144个数据（每10min），若出现数据的缺失，则由-6999标示；2018.9.17-11.7由于采集器的问题，气象梯度部分的数据缺失；由于采集器通道问题，平均土壤温度TCAV数据在11月7日后数据不正确。（2）剔除有重复记录的时刻；（3）删除了明显超出物理意义或超出仪器量程的数据；（4）数据中以红字标示的部分为有疑问的数据；（5）日期和时间的格式统一，并且日期、时间在同一列。如，时间为：2018-6-10 10:30。 黑河综合观测网或站点信息请参考Liu et al. (2018)，观测数据处理请参考Liu et al. (2011)。
李新, 车涛, 徐自为, 任志国, 谭俊磊
本数据是通过建立雅鲁藏布江流域WEB-DHM分布式水文模型，以气温、降水、气压等作为输入数据，模拟输出的5km逐月水文数据集，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）。本数据是通过建立雅鲁藏布江流域WEB-DHM分布式水文模型，以气温、降水、气压等作为输入数据，模拟输出的5km逐月水文数据集，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）。
王磊
本数据是通过建立长江黄河源WEB-DHM分布式水文模型，以气温、降水、气压等作为输入数据，以GAME-TIBET数据作为验证数据，模拟输出的5km逐月水文数据集，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）。数据是基于WEB-DHM分布式水文模型，以气温、降水、气温等（源自itp-forcing和CMA）为输入数据，以GLASS、MODIA、AVHRR为植被数据，SOILGRID及FAO为土壤参数建立起的模型，并通过对径流、土壤温湿度的率定与验证获得的1998-2017年长江黄河源5公里逐月格网径流与蒸发。若asc无法在arcmap中正常打开，请将asc文件前5行顶格。
王磊
该数据集包含了2018年8月31日至2018年12月24日青海湖流域地表过程综合观测网高寒草甸草原混合草原超级站气象要素梯度观测系统数据。站点位于青海省天峻县苏里路旁侧，下垫面是高寒草甸和高寒草原的混合。观测点经纬度为：东经 98°35′41.62″E，北纬 37°42′11.47″N，海拔3718m。风速/风向、空气温度、相对湿度传感器分别架设在3m、5m、10m、15m、20m、30m、40m处，共7层，朝向正北；气压计安装在3m处；翻斗式雨量计安装在塔西偏北侧10m平台上；四分量辐射仪安装在6m处，朝向正南；两个红外温度计安装在6m处，朝向正南，探头朝向是垂直向下；土壤热流板（自校正式）（3块）依次埋设在地下6cm处，朝向正南距离塔体2m处；土壤温度探头埋设在地下5cm、10cm、20cm、40cm、80cm、120cm、200cm、300cm和400cm处，在距离气象塔2m的正东方；土壤水分传感器分别埋设在地下5cm、10cm、20cm、40cm、80cm、120cm、200cm、300cm和400cm处，在距离气象塔2m的正东方；光合有效辐射仪安装在6m处，探头垂直向上和向下方向各一个，朝向正南。 观测项目有：风速（WS_3m、WS_5m、WS_10m、WS_15m、WS_20m、WS_30m、WS_40m）(单位：米/秒)、风向（WD_3m、WD_5m、WD_10m、WD_15m、WD_20m、WD_30m、WD_40m）(单位：度)、空气温湿度（Ta_3m、Ta_5m、Ta_10m、Ta_15m、Ta_20m、Ta_30m、Ta_40m和RH_3m、RH_5m、RH_10m、RH_15m、RH_20m、RH_30m、RH_40m）(单位：摄氏度、百分比)、气压（Press）(单位：百帕)、降水量（Rain）(单位：毫米)、四分量辐射（DR、UR、DLR_Cor、ULR_Cor、Rn）(单位：瓦/平方米)、地表辐射温度（IRT_1、IRT_2）(单位：摄氏度)、土壤热通量（Gs_1、Gs_2、Gs_3）(单位：瓦/平方米)、土壤水分（Ms_5cm、Ms_10cm、Ms_20cm、Ms_40cm、Ms_80cm、Ms_120cm、Ms_200cm、Ms_300cm、Ms_400cm）(单位：百分比)、土壤温度（Ts_5cm、Ts_10cm、Ts_20cm、Ts_40cm、Ts_80cm、Ts_120cm、Ts_200cm、Ts_300cm、Ts_400cm）(单位：摄氏度) 、向上与向下光合有效辐射（PAR_U_up、PAR_U_down）(单位：微摩尔/平方米秒)。 观测数据的处理与质量控制：（1）确保每天144个数据（每10min），若出现数据的缺失，则由-6999标示；（2）剔除有重复记录的时刻；（3）删除了明显超出物理意义或超出仪器量程的数据；（4）数据中以红字标示的部分为有疑问的数据；（5）日期和时间的格式统一，并且日期、时间在同一列。如，时间为：2018/8/31 10:30。
李小雁
该数据集包含了2018年9月23日至2018年12月31日兰州大学兰州大学寒旱区科学观测网络瓜州站气象要素梯度观测系统数据。站点位于甘肃酒泉瓜州县柳园镇，下垫面是荒漠。观测点的经纬度是95.673E，41.405N，海拔2014m。二维超声风速/风向传感器和空气温湿度传感器分别架设在2m、4m、8m、16m、32m、48m处，共6层，朝向正北；气压计安装在1.5m采集箱内；翻斗式雨量计安装在塔4m处；红外温度计安装在4m处，朝向正南，探头朝向垂直向下；土壤热通量板（自校正式）（2块）依次埋设在塔南侧植被下5cm和10cm处；土壤温/湿/电导率传感器和土壤水势传感器埋设在塔南侧植被下5cm、10cm、20cm、40cm、60cm、80cm处；光合有效辐射传感器、日照时数传感器以及四分量辐射仪安装在4m处，朝向正南。 观测项目有：风速（WS_2m、WS_4m、WS_8m、WS_16m、WS_32m、WS_48m）(单位：米/秒)、风向（WD_2m、WD_4m、WD_8m、WD_16m、WD_32m、WD_48m）(单位：度)、空气温湿度（TA_2m、TA_4m、TA_8m、TA_16m、TA_32m、TA_48m和RH_2m、RH_4m、RH_8m、RH_16m、RH_32m、RH_48m）(单位：摄氏度、百分比)、气压（Press）(单位：百帕)、降水量（Rain）(单位：毫米)、四分量辐射（DR、UR、DLR_Cor、ULR_Cor、Rn）(单位：瓦/平方米)、地表辐射温度（IRT）(单位：摄氏度)、土壤热通量（Gs_5cm、Gs_10cm）(单位：瓦/平方米)、土壤水分（Ms_5cm、Ms_10cm、Ms_20cm、Ms_40cm、Ms_60cm、Ms_80cm）(单位：百分比)、土壤温度（Ts_5cm、Ts_10cm、Ts_20cm、Ts_40cm、Ts_60cm、Ts_80cm）(单位：摄氏度) 、土壤水势（SWP_5cm、SWP_10cm、SWP_20cm、SWP_40cm、SWP_60cm、SWP_80cm）（单位：千帕）、土壤电导率（EC_5cm、EC_10cm、EC_20cm、EC_40cm、EC_60cm、EC_80cm）（单位：微西门子/厘米）、光合有效辐射（PAR）(单位：微摩尔/平方米秒)、日照时数（Sun_time）（单位：小时）。 观测数据的处理与质量控制：（1）确保每天144个数据（每10min）；该地区土壤水势很低，已超出传感器的测量量程；（2）剔除有重复记录的时刻；（3）删除了明显超出物理意义或超出仪器量程的数据；（4）数据中以红字标示的部分为有疑问的数据；（5）日期和时间的格式统一，并且日期、时间在同一列。如，时间为：2018-6-10 10:30。
赵长明, 张仁懿
该数据集包含了2018年1月1日至2018年12月31日黑河水文气象观测网上游阿柔超级站气象要素梯度观测系统数据。站点位于青海省祁连县阿柔乡草达坂村，下垫面是亚高山山地草甸。观测点的经纬度是100.4643E, 38.0473N，海拔3033m。空气温度、相对湿度、风速传感器分别架设在1m、2m、5m、10m、15m、25m处，共6层，朝向正北；风向传感器架设在10m处，朝向正北；气压计安装在2m处；翻斗式雨量计安装在阿柔超级站28m观测塔上；四分量辐射仪安装在5m处，朝向正南；两个红外温度计安装在5m处，朝向正南，探头朝向是垂直向下；光合有效辐射仪安装在5m处，朝向正南，探头朝向是垂直向上；土壤部分传感器埋设在塔体正南方向2m处，其中土壤热流板（自校正式）（3块）均埋设在地下6cm处；平均土壤温度传感器TCAV埋设在地下2cm、4cm处；土壤温度探头埋设在地表0cm和地下2cm、4cm、6cm、10cm、15cm、20cm、30cm、40cm、60cm、80cm、120cm、160cm、200cm、240cm、280cm、320cm处，其中4cm和10cm这两层有三个重复；土壤水分传感器分别埋设在地下2cm、4cm、6cm、10cm、15cm、20cm、30cm、40cm、60cm、80cm、120cm、160cm、200cm、240cm、280cm、320cm处，其中4cm和10cm这两层有三个重复。 观测项目有：风速（WS_1m、WS_2m、WS_5m、WS_10m、WS_15m、WS_25m）(单位：米/秒)、风向（WD_10m）(单位：度)、空气温湿度（Ta_1m、Ta_2m、Ta_5m、Ta_10m、Ta_15m、Ta_25m和RH_1m、RH_2m、RH_5m、RH_10m、RH_15m、RH_25m）(单位：摄氏度、百分比)、气压（Press）(单位：百帕)、降水量（Rain）(单位：毫米)、四分量辐射（DR、UR、DLR_Cor、ULR_Cor、Rn）(单位：瓦/平方米)、地表辐射温度（IRT_1、IRT_2）(单位：摄氏度)、光合有效辐射（PAR）(单位：微摩尔/平方米秒)、平均土壤温度（TCAV）(单位：摄氏度)、土壤热通量（Gs_1、Gs_2、Gs_3）(单位：瓦/平方米)、土壤水分（Ms_2cm、Ms_4cm_1、Ms_4cm_2、Ms_4cm_3、Ms_6cm、Ms_10cm_1、Ms_10cm_2、Ms_10cm_3、Ms_15cm、Ms_20cm、Ms_30cm、Ms_40cm、Ms_60cm、Ms_80cm、Ms_120cm、Ms_160cm Ms_200cm、Ms_240cm、Ms_280cm、Ms_320cm）(单位：体积含水量，百分比)、土壤温度（Ts_0cm、Ts_2cm、Ts_4cm_1、Ts_4cm_2、Ts_4cm_3、Ts_6cm、Ts_10cm_1、Ts_10cm_2、Ts_10cm_3、Ts_15cm、Ts_20cm、Ts_30cm、Ts_40cm、Ts_60cm、Ts_80cm、Ts_120cm、Ts_160cm Ts_200cm、Ts_240cm、Ts_280cm、Ts_320cm）(单位：摄氏度)。 观测数据的处理与质量控制：（1）确保每天144个数据（每10min），若出现数据的缺失，则由-6999标示；平均土壤温度TCAV在2.16-3.31和4.15-5.20之间，由于传感器线头接触不良，数据缺失；11-12月份土壤热通量出现一些错误值。（2）剔除有重复记录的时刻；（3）删除了明显超出物理意义或超出仪器量程的数据；（4）数据中以红字标示的部分为有疑问的数据；（5）日期和时间的格式统一，并且日期、时间在同一列。如，时间为：2018-6-10 10:30；（6）命名规则为：AWS+站点名称。 黑河综合观测网或站点信息请参考Liu et al. (2018)，观测数据处理请参考Liu et al. (2011)。
刘绍民, 李新, 车涛, 徐自为, 张阳, 谭俊磊
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
