该数据集包含青藏高原2000年所有影像可见湖泊的矢量数据，共32840个。 根据空间分辨率为14.25 m的GeoCover Landsat mosaic 2000影像数据目视解译得来。 数据格式为矢量数据，投影坐标系为Albers Conical Equal Area。 数据属性字段如下： Area：湖泊面积（km²）； X：湖泊中心点经度（°）； Y：湖泊中心点纬度（°）； Perimeter：湖泊周长（km）。
张国庆
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
该数据集为收集到的资源三号02星的遥感影像。资源三号02星（ZY3-02）于2016年5月30日11时17分，在我国在太原卫星发射中心用长征四号乙运载火箭成功将资源三号02星发射升空。将进一步加强国产卫星影像在国土测绘、资源调查与监测、防灾减灾、农林水利、生态环境、城市规划与建设、交通等领域的服务保障能力。文件列表： ZY302_PMS_E98.8_N37.4_20170707_L1A0000156704 ZY302_PMS_E100.4_N37.0_20171127_L1A0000217243 ZY302_TMS_E99.5_N37.0_20170717_L1A0000160059 ZY302_TMS_E100.3_N36.6_20171127_L1A0000217279 ZY302_TMS_E100.4_N37.0_20170529_L1A0000139947 文件夹命名规则：卫星名称_传感器名称_中心经度_中心纬度_获取时间_L1****
中国资源卫星应用中心
该数据集是中国科学院西北高原生物研究所调查的三江源国家公园植物采集布位点信息。该数据集时间范围是2008年至2017年，调查范围是三江源国家公园，调查内容包括采集日期、编号、科、属、种、调查日期、采集地点、采集人、经度、纬度、海拔、生境、鉴定人等信息。对国家公园的三个园区分别进行了调查，在长江源园区调查了24个科56个属的88个种的植被，总共116条记录；在黄河源园区调查了26个科64个属110个种的植被，总共159条记录；在澜沧江源园区调查了12个科22个属30个种的植被，总共33条记录。
高庆波
该数据集为高分一号卫星遥感数据，包括2017-8-13、2017-10-5 两景PMS1相机的数据，2017-5-27日一景PMS2相机的数据，2018-9-23日WFV2和WFV3相机影像各一景。文件列表： GF1_PMS1_E99.1_N37.2_20170813_L1A0002539236 GF1_PMS1_E101.2_N36.4_20171005_L1A0002653985 GF1_PMS2_E100.3_N37.7_20170527_L1A0002384098 GF1_WFV2_E98.4_N37.6_20180927_L1A0003481737 GF1_WFV3_E100.4_N37.3_20180927_L1A0003481706
周圣明
净初级生产力（NPP）数据基于CASA模型生产，数据内容为三江源地区2010-2015年250米分辨率逐月NPP数据集。净初级生产力定义：绿色植物单位面积、单位时间内所累积的有机物数量。 单位：0.01gC/m²/月。Monthly和Yearly NPP分别表示逐月和逐年NPP。 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
朱伟伟
该数据集包含青藏高原1970s，1990，2000，2010年份大于1平方公里湖泊矢量数据。 湖泊水体边界根据Landsat MSS, TM, ETM+等影像目视解译而来。 数据类型为矢量数据，属性字段包括Area (km²)。 投影坐标系为Albers Conical Equal Area。 主要用于青藏高原湖泊、水文与气象变化研究。
张国庆
1)数据内容（包含的要素及意义）:1979-2016青藏高原地面气象观测数据产品 2)数据来源及加工方法:tif格式，可以采用arcgis打开查看和分析 3)数据质量描述:日分辨率 4)数据应用成果及前景: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。
朱立平, 彭萍
无论从全球尺度亦或是局地尺度而言，土壤数据极其重要，而由于缺乏可靠的土壤数据，土地退化评估、环境影响研究和可持续的土地管理干预措施受到了极大的瓶颈阻碍。鉴于土壤信息数据在全世界的迫切需要，特别是在气候变化公约的背景下，国际应用系统分析研究所（IIASA）及联合国粮农组织（FAO）和京都协议对土壤碳测量和联合国粮农组织/国际全球农业生态评价研究(GAEZ v3.0)共同倡导下建立了新一代世界土壤数据库(Harmonized World Soil Database version 1.2 )(HWSD V1.2)。 青藏高原2010年土壤质地数据集裁切自世界土壤库。数据格式:grid栅格格式，投影为WGS84。采用的土壤分类系统主要为FAO-90。核心土壤制度单元唯一验证标识符： MU_GLOBAL-HWSD数据库土壤制图单元标示符，连接了GIS图层。 MU_SOURCE1 和 MU_SOURCE2- 源数据库制图单元标识符 SEQ-土壤制图单元组成中的土壤单元序列； 土壤分类系统利用FAO-7分类系统或 FAO-90分类系统(SU_SYM74 resp. SU_SYM90)或FAO-85(SU_SYM85). 土壤属性表主要字段包括: ID(数据库ID) MU_GLOBAL(土壤单元标识符)（全球） SU_SYMBOL 土壤制图单元 SU_SYM74(FAO74分类); SU_SYM85(FAO85分类); SU_SYM90（FAO90土壤分类系统中土壤名称)； SU_CODE 土壤制图单元代码 SU_CODE74 土壤单元名称 SU_CODE85 土壤单元名称 SU_CODE90 土壤单元名称 DRAINAGE(19.5); REF_DEPTH(土壤参考深度); AWC_CLASS(19.5); AWC_CLASS(土壤有效水含量); PHASE1: Real (土壤相位); PHASE2: String (土壤相位)； ROOTS: String (到土壤底部存在障碍的深度分类)； SWR: String (土壤含水量特征)； ADD_PROP: Real (土壤单元中与农业用途有关的特定土壤类型)； T_TEXTURE(顶层土壤质地); T_GRAVEL: Real (顶层碎石体积百分比)；(单位：%vol.) T_SAND: Real (顶层沙含量)； (单位：% wt.) T_SILT: Real (表层粉沙粒含量)； (单位：% wt.) T_CLAY: Real (顶层粘土含量)； (单位：% wt.) T_USDA_TEX: Real (顶层USDA土壤质地分类)； (单位：name) T_REF_BULK: Real (顶层土壤容重)； (单位：kg/dm3.) T_OC: Real (顶层有机碳含量)； (单位：% weight) T_PH_H2O: Real (顶层酸碱度) (单位：-log(H+)) T_CEC_CLAY: Real (顶层粘性层土壤的阳离子交换能力)； (单位：cmol/kg) T_CEC_SOIL: Real (顶层土壤的阳离子交换能力) (单位：cmol/kg) T_BS: Real (顶层基本饱和度)； (单位：%) T_TEB: Real (顶层交换性盐基)；(单位：cmol/kg) T_CACO3: Real (顶层碳酸盐或石灰含量) (单位：% weight) T_CASO4: Real (顶层硫酸盐含量)；(单位：% weight) T_ESP: Real (顶层可交换钠盐)；(单位：%) T_ECE: Real (顶层电导率)。 (单位：dS/m) S_GRAVEL: Real (底层碎石体积百分比)；(单位：%vol.) S_SAND: Real (底层沙含量)； (单位：% wt.) S_SILT: Real (底层淤泥含量)； (单位：% wt.) S_CLAY: Real (底层粘土含量)； (单位：% wt.) S_USDA_TEX: Real (底层USDA土壤质地分类)； (单位：name) S_REF_BULK: Real (底层土壤容重)； (单位：kg/dm3.) S_OC: Real (底层有机碳含量)； (单位：% weight) S_PH_H2O: Real (底层酸碱度) (单位：-log(H+)) S_CEC_CLAY: Real (底层粘性层土壤的阳离子交换能力)； (单位：cmol/kg) S_CEC_SOIL: Real (底层土壤的阳离子交换能力) (单位：cmol/kg) S_BS: Real (底层基本饱和度)； (单位：%) S_TEB: Real (底层交换性盐基)；(单位：cmol/kg) S_CACO3: Real (底层碳酸盐或石灰含量) (单位：% weight) S_CASO4: Real (底层硫酸盐含量)；(单位：% weight) S_ESP: Real (底层可交换钠盐)；(单位：%) S_ECE: Real (底层电导率)。 (单位：dS/m) 本数据库分两层，其中以顶层（T）土壤厚度为（0-30cm），底层（S）土壤厚度为（30-100cm）。 其他属性值请参考说明HWSD1.2_documentation文档.pdf，The Harmonized World Soil Database (HWSD V1.2) Viewer-中文说明及HWSD.mdb。
Food and Agriculture Organization of the United Nations（FAO）
本数据集包含青海近50年的自然灾害信息，包括干旱、洪灾、冰雹、连阴雨、雪灾、寒潮和强降温、低温冻害、大风沙尘暴、虫灾、鼠灾、地质灾害等自然灾害产生的时间地点及所造成的后果。 青海省地处青藏高原东北部，总面积72 万平方千米。境内河流纵横，冰川广布，湖泊众多，因中华民族的两条母亲河长江、黄河及著名国际河流澜沧江发源于此而素有"中华水塔"之称;全省有可利用草地33.5 万平方千米，天然草场面积仅次于内蒙古、西藏和新疆而居全国第四位，草场类型多样，草地资源十分丰富，拥有青藏高原独特气候条件下生长发育的、并对高原生态环境特征具有较强代表性的维管束植物113 科、564 属、2100 种左右。青海省作为青藏高原的主体部分，是我国生物物种形成、演化的中心之一，也是国际科技界瞩目的研究气候和生态环境变化的敏感区和脆弱带。青海境内地形、地貌复杂，高山、谷地、盆地交错，多年积雪、冰川、戈壁、沙漠、草原等广有分布。复杂的地形条件，高峻的海拔高度和严酷的气候条件决定了青海是一个气象灾害十分频繁的省份。其主要的气象灾害有干旱、洪灾、冰雹、连阴雨、雪灾、寒潮和强降温、低温冻害、大风沙尘暴等。 数据摘录自《中国气象灾害大典·青海卷》，属于人工录入总结校对。
青海省统计局
基于MODIS 2000年至2018年生长季平均的NDVI（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。对三江源国家公园的三个园区都进行了计算(CJYYQ：长江源园区；HHYYQ：黄河源园区；LCJYYQ：澜沧江源园区)。CJYYQ_NDVI_trend_2000_2018_ok.tif：长江源园区NDVI变化趋势。CJYYQ_NDVI_trend_2000_2018_ok_significant.tif：长江源园区NDVI变化趋势，剔除了不显著（p>0.05）的区域。CJYYQ_gs_avg_NDVI_2000.tif：长江源园区2000年生长季平均NDVI。单位为NDVI变化每年。
王旭峰
该数据集为收集到的资源三号卫星的遥感影像。资源三号卫星（ZY-3）于2012年1月9日成功发射。该卫星的主要任务是长期、连续、稳定、快速地获取覆盖全国的高分辨率立体影像和多光谱影像，为国土资源调查与监测、防灾减灾、农林水利、生态环境、城市规划与建设、交通、国家重大工程等领域的应用提供服务。文件列表： ZY3_MUX_E99.8_N36.6_20171011_L1A0003817398 ZY3_MUX_E99.9_N37.0_20171011_L1A0003817397 ZY3_MUX_E100.0_N37.4_20171011_L1A0003817396 ZY3_MUX_E100.1_N36.6_20170625_L1A0003738882 ZY3_MUX_E100.8_N36.6_20170710_L1A0003748776 ZY3_MUX_E100.9_N37.0_20170710_L1A0003748775 ZY3_NAD_E99.8_N36.6_20171011_L1A0003817439 ZY3_NAD_E99.9_N37.0_20171011_L1A0003817438 ZY3_NAD_E100.0_N37.4_20171011_L1A0003817437 ZY3_NAD_E100.1_N36.6_20170625_L1A0003746917 ZY3_NAD_E100.8_N36.6_20170710_L1A0003748580 ZY3_NAD_E100.9_N37.0_20170710_L1A0003748579
中国资源卫星应用中心
该数据集是中国科学院西北高原生物研究所在三江源国家公园野生动物多样性本底调查过程获得的野生动物分布位点信息。该数据集时间范围是2017年，调查范围是三江源国家公园，调查物种包括藏野驴（Equus kiang）、狼(Canis lupus)、赤狐(Vulpes vulpes)、马鹿(Cervus elaphus)、雀鹰(Accipiter nisus)、红腹红尾鸲(Phoenicurus erythrogastrus)、豹猫(Prionailurus bengalensis)、大鵟(Buteo hemilasius)、藏原羚(Procapra picticaudata)、藏雪鸡(Tetraogallus tibetanus)、高原山鹑(Perdix hodgsoniae)、猎隼(Falco cherrug)等多种珍稀野生动物。
张同作
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
朱伟伟
该数据集包含青藏高原地区各县区1980-2015年农业经济相关数据，具体涵盖农村总户数、总人口、农业人口、农村劳动力、耕地面积、水田面积、旱地面积、农机动力、农用汽车、机耕面积、灌溉面积、化肥施用量、用电量、农业收入、农林牧渔业总产值、牛、猪、羊、肉、禽、鱼等的产量、粮食播种面积、粮棉油的及各类作物的产量、特色农产品和畜产品产量等相关数据。数据来源于青藏高原所含各省统计年鉴。数据质量优良，可用于青藏高原社会经济和农业发展分析。
吕昌河
本数据集包含三江源国家公园内各个县的社区情况统计表，具体内容包括： 表一包括：行政村个数、自然村个数、户数、人口数、农村劳动力人数、一二三产业总值、人均纯收入、家畜数量； 表二包括：人口民族组成（各名族人口数）、教育的相关统计（中小学个数及学生人数）、卫生相关的统计（医院、卫生室以及医护人员个数）、人口受教育水平的统计（不同教育程度的人数）； 表三包括：草地（草地总面积、可利用草场面积、中度以上退化面积、草原植被覆盖度）、林地（总面积、乔木林面积、灌木林面积和疏林地面积）、水域（总面积、河流面积、湖泊面积、冰川面积、雪山面积和湿地面积）。 总共设计四个县：玛多、曲麻莱、杂多和治多县。该数据来自政府部门的统计数据。
国家统计局
本数据集为青藏高原黄河源区2015年逐像素年内最大植被覆盖度空间分布图，该区域的面积约为4.4万平方公里。此数据是基于2015年MODIS（空间分辨率250米） 和Landsat-8 OLI（空间分辨率30米）植被生长季（5月初-9月末）的时间序列影像，并利用最大值合成方法、像元二分模型和时间插值等方式获得。植被覆盖度空间分布图的空间分辨率为30米，采用WGS 1984 UTM 投影，数据格式为grid格式。
王广军
该数据集主要是第四版本由 CIAT（国际热带农业中心）利用新的插值算法得到的SRTM地形数据，此方法更好的填补了SRTM 90的数据空洞。插值算法来自于Reuter et al.（2007）. SRTM的数据组织方式为：每5度经纬度方格划分一个文件，共分为24行（-60至60度）和72列（-180至180度），数据分辨率90米。 数据使用: SRTM的数据是用16位的数值表示高程数值的（-/+/32767米），最大的正高程9000米，负高程（海平面以下12000米），空值用-32767来表示。
Food and Agriculture Organization of the United Nations（FAO）
本数据集为扎陵湖-鄂陵湖附近黄河源区沼泽空间分布图，面积约2.1万平方公里。数据集由Landsat 8 影像通过专家决策树分类，并经人工目视解译修正获得。影像的空间分辨率为30 m，采用WGS 1984 UTM 投影坐标系，数据格式为grid格式。影像区分为5种地类，地类1为“水体”，地类2为“高盖度植被”，地类3为“裸地”，地类4为“低盖度植被”，地类5为“沼泽”，其中低盖度植被及高盖度植被通过植被覆盖度进行区分，阈值选取0.1至0.4为低盖度植被，0.4至1为高盖度植被。
王广军
本数据集包括了青藏高原祁连山地区自从1980年到2013年以来的逐月的2m高的气温数据。本数据集来源于欧洲中期天气预报中心的第三代ERA-Interim再分析资料，该数据集采用四维变分分析，结合卫星数据误差校正等技术，实现了再分析资料的质量提升。数据集的空间分辨率为0.125°。本数据集是祁连山地区过去30多年以来的气温的网格数据集，可以为祁连山地区的气温变化、生态系统发展演替及相关地球系统模型的研究提供基础依据。
吴晓东
青藏高原作为亚洲“水塔”为亚洲主要河流提供水资源。由生物质和化石燃料燃烧排放的BC气溶胶对辐射具有极强的吸收作用，进而对地球系统的能量收支和分布具有重要的影响，是气候环境变化不可忽视的影响因子。青藏高原周边地区排放的黑碳气溶胶经大气环流可被传输至高原内部，并沉降到雪冰表面，对降水和冰川物质平衡产生重要影响。分别在青藏高原5个台站架设黑碳仪，在线测量大气黑碳含量。这对评估黑碳对青藏高原的气候环境影响和大气污染物的跨境传输提供数据基础。
王茉
青藏高原在中国境内的部分涉及西藏、青海、新疆、云南、甘肃、四川六个省份，包括了西藏、青海全境，以及新疆、云南、甘肃、四川的部分地区。水土资源匹配研究旨在揭示一定区域尺度水资源和土地资源时空分配的均衡状况与丰缺程度。区域水资源与耕地资源分配的一致性水平越高，其匹配程度就越高，农业生产的基础条件就越优越。采用单位耕地面积的广义农业水资源量测度方法来反映研究区农业生产的水资源供给量和耕地资源空间适宜性的量比关系。 数据集的Excel文件中包含青藏高原在中国境内的市级行政区2008-2015年的广义农业水土资源匹配系数数据，矢量数据为2004年青藏高原在中国境内的市级行政区矢量边界数据，栅格数据像元值即所在地区当年广义农业水土资源匹配系数。
董前进, 董凌霄
本数据集包括大气气溶胶颗粒物的PM2.5质量浓度（单位为μg/m3）和当时的温度（摄氏度）、相对湿度（%）、大气压（hPa）。气溶胶PM2.5细颗粒物是指环境空气中空气动力学当量直径小于等于 2.5 微米的颗粒物。它能较长时间悬浮于空气中，对空气质量和能见度等有重要的影响，其在空气中含量浓度越高，就代表空气污染越严重。PM2.5的浓度特性数据以每5 min获取一组数据的频率进行产出，能实现小时、昼夜、季节和年际等不同时间尺度气溶胶质量浓度的分析，这为青藏高原地区不同位置的气溶胶质量浓度在不同时间尺度上的变化及其影响因素分析，以及当地空气质量评价，提供了重要的数据支撑。
邬光剑
本数据包含黄河源园区、澜沧江源园区、长江源园区内的乡界矢量数据。本数据根据青海省测绘地理信息局发布的青海省电子地图册中三江源国家公园所在县的电子地图数字化得到。数据为ARCGIS的shp格式，属性数据中主要包含三个属性，乡镇名称：各个乡镇的名字（如：花石峡镇）；PAC：是行政区划代码（如：513230）；NAME：是属县的名称（如玛多县）。数据采用2000国家大地坐标系和1985国家高程基准。该数据是三江源国家公园重要的基础地理数据，为该区域的制图、调查提供基本信息。
青海省基础地理信息中心
基于Google earth高清卫星影像，根据青藏高原矢量图，通过目视解译获取青藏高原全区2018年设施农业用地。所用影像拍摄时间集中于2017.11—2018.11。其中，基于2018年影像提取的设施农业面积约占总面积的70.47%；基于2017年11月以来拍摄影像提取的设施农业面积占比更是高达86.87%；部分地区影像拍摄时间相对较早，但多人烟稀少，没有或很少有设施农业分布，对研究结果影响不大。该数据有利于充分摸清青藏高原全区设施农业的空间分布情况，有利于当地设施农业空间规划调整。
吕昌河, 魏慧
采用WRF模式制备的青藏高原近地表大气驱动和地表状态数据集，时间范围：2000-2010，空间范围：25-40 ºN，75-105 ºE，时间分辨率：逐时，空间分辨率：10 km，格点数为150*300。 总计有33个变量，其中包含的近地表大气变量11个： 地面上2m高度的温度、 地面上2m高度的比湿、地面气压、地面上10m风场的纬向分量、地面上10m风场的经向分量、固体降水比例、累积的积云对流降水、累积的格点降水、地表处的向下短波辐射通量、地表处的向下长波辐射通量、累计的潜在蒸发。 包含的地表状态变量有19个：各层土壤温度、各层土壤湿度、 各层土壤液态水含量、雪相态改变的热通量、土壤底部温度、地表径流、地下径流、植被比例、地面热通量、雪水当量、实际雪厚、雪密度、冠层中的水、地表温度、反照率、背景反照率、更低边界处的土壤温度、地表面处向上的热量通量（感热通量）、地表面处向上的水量通量（感热通量）。 其他变量3个：经度、纬度和行星边界层高度。
潘小多
本研究以青藏高原范围内土地资源为评价对象，阐明区域内适宜于农、林、牧业生产的现状及其后备土地资源数量、质量及其分布情况。通过实地调查，收集整理研究区域的相关数据，结合相关文献和专家经验确定评价因子（海拔、坡度、年降水量、积温、日照时数、土壤有效深度、质地、侵蚀强度、植被类型、NDVI）并对其分等定级和标准化，通过主成分分析法确定各评价因子的权重，采用加权指数和模型确定评价单元总分值，最后用ArcGis自然间断点分级法得出青藏高原宜农、宜林以及宜牧用地的适宜等级，输出90m分辨率的青藏高原农业适宜性图纸，并对结果校验分析。
姚明磊
该数据集由2018年青藏高原野外考察期间无人机航拍所得，数据大小为5.72 GB，包括800余张照片。照片拍摄的具体时间为2018.07.19-2018.07.26，拍摄地点主要包括羊八井、克日村、阿沛新村、仲果村、米林村、日村、冲康村、克松村、色木村、羊卓雍错及其周边地区。航拍照片较为清晰的反映了当地土地覆被状况（土地利用类型、植被密度、河流湖泊分布等等），为土地利用遥感解译工作提供了较好的验证信息，还可用于植被覆盖度的估算工作，为研究区土地利用研究提供了较好的参照信息。
吕昌河, 刘亚群
本数据集包含了自1010至2005年内各年代氧同位素数据，用于研究青藏高原希夏邦马地区环境变化。 冰芯氧同位素利用仪器测量得出，由仪器或者实验完成后直接得到数据，各个环节严格按照相关操作规程进行样品和数据采集，符合各实验室操作标准规范。 本数据包含两个字段： 字段1：年代 AD 字段2：氧同位素 ‰
田立德
包含了西藏地区各地海拔高度，1988-1994年气温特征数据。数据整理自统计年鉴：《西藏社会经济统计年鉴》和《西藏统计年鉴》，精度同数据所摘取的统计年鉴。 数据表共有10个字段 字段1：年份 解释：数据的年份 字段2：地点 字段3：海拔 米 字段4：极端最高气温日期 字段5：极端最高气温 ℃ 字段6：极端最低气温日期 字段7：极端最低气温 ℃ 字段8：年平均温度 ℃ 字段9：一月平均温度 ℃ 字段10：七月平均温度 ℃
西藏自治区统计局
该数据集记录了青海省1985-2016年社会消费品零售总额、批发零售贸易总额、住宿餐饮及其他行业零售总额序列数据。数据整理自统计年鉴：《青海社会经济统计年鉴》和《青海统计年鉴》，精度同数据所摘取的统计年鉴。 数据表共有5个字段 字段1：年份 解释：数据的年份 字段2：社会消费品零售总额 万元 字段3：批发零售贸易 解释：批发零售贸易额 万元 字段4：住宿餐饮 解释：住宿餐饮总额 万元 字段5：其他行业 解释：其他行业零售总额 万元
青海省统计局
1) 数据内容（包含的要素及意义）: 大气柱总含水量/可降水量、 儒略日Julian Day、经纬度和海拔高度； 2) 数据来源及加工方法: ECMWF-interm逐月再分析资料集 monthly mean analysis； 3) 数据质量描述：时间分辨率为逐月，空间分辨率：0.7°*0.7°； 4) 数据应用成果及前景：数据集给出了高原空中大气水资源的空间情况，用于分析高原空中水汽的时空变化及对周边地区降水的影响。
阎虹如
ASTER Global Digital Elevation Model （ASTER GDEM）是美国航空航天局 （NASA）和日本经济产业省（METI）联合发布的全球数字高程数据产品，该DEM数据是根据NASA新一代对地观测卫星TERRA的观测结果完成，是由ASTER（Advanced Space borne Thermal Emission and Reflection Radio meter）传感器搜集的130万个立体像对数据制作，其覆盖范围超过了地球99%陆地表面。本数据下载自ASTER GDEM数据分发网站，为了便于用户使用数据，在分幅ASTER GDEM数据的基础上，我们使用erdas软件进行拼接制备青藏高原ASTER GDEM镶嵌图。 ASTER GDEM发布了两个版本，第一个版本于2009年6月发布，第二个版本于2011年10月发布，本数据集为青藏高原地区第二版本的ASTER GDEM数据集。 本数据集共包括三个数据文件： ASTER_GDEM_TILES ASTERGDEM_MOSAIC_DEM ASTERGDEM_MOSAIC_NUM 青藏高原地区ASTER GDEM数据，精度30米，原始数据为tif格式，镶嵌数据使用img格式存储。 本数据集原始数据下载于ASTERGDEM网站，完全保留了数据的原貌，ASTER GDEM在分发时被分割为若干1×1度的数据块，分发格式为zip压缩格式，每个压缩包包括两个文件，文件命名格式如下： ASTGTM_NxxEyyy_dem.tif ASTGTM_NxxEyyy_num.tif 其中xx为起始纬度，yyy为起始经度。_dem.tif为dem数据文件，_num.tif为数据质量文件。 ASTER GDEM TILES：原始数据保留数据原貌，未进行处理 ASTERGDEM_MOSAIC_DEM：使用erdas软件对dem.tif数据进行镶嵌，参数设置使用默认值 ASRERGDEM_MOSAIC_NUM：使用erdas软件对num.tif数据进行镶嵌，参数设置使用默认值 原始数据保留数据原貌，精度同ASTERGDEM数据分发网站的数据精度，该数据的水平精度30米，高程精度为20米。镶嵌数据使用erdas制作，参数使用默认值。
METI, NASA
Randolph冰川目录（Randolph Glacier Inventory,RGI）是GLIMS（Global Land Ice Measurements from Space）发布的全球冰川轮廓的完整目录，青藏高原冰川数据来自2015年版本的RGI数据集。 数据按照不同地区进行组织，每个地区包括一个shape文件（.shp文件及其相应的.dbf、.prj和.shx等文件），一个测高数据的.csv文件，每条冰川包含一条记录。 数据来源于GLIMS: Global Land Ice Measurements from Space（http://www.glims.org/RGI/） 数据质量检查包括几何、拓扑和属性检查，包括： 1） 所有多边形都使用ArcGIS Repair Geometry工具进行检查； 2） 删除了小于0.01平方公里的冰川； 3） 拓扑使用Does Not Overlap规则进行检查； 4） 属性表利用Fortran子程序和Python脚本进行数据质量检查。
National Snow and Ice Data Center（NSIDC）, Global Land Ice Measurements from Space（GLIMS）
该数据集记录了青海省2000-2016年企业信息及1985-2016年利用外资情况。数据整理自统计年鉴：《青海社会经济统计年鉴》和《青海统计年鉴》，精度同数据所摘取的统计年鉴。 数据集包含2个数据表，分别为：分县企业统计，利用外资概况。 数据表1：分县企业统计 表共有5个字段 字段1：区县 字段2：年份 字段3：规模以上工业企业个数 字段4：规模以上工业总产值 万元 字段5：城镇固定资产投资完成额 万元 数据表2：利用外资概况 表共有4个字段 字段1：年份 解释：数据的年份 字段2：外商投资项目 解释：外商投资项目数目 个 字段3：利用外资额 解释：外资利用数额 万美元 字段4：实际利用额 解释：实际利用外资额度 万美元
青海省统计局
青藏高原逐日无云MODIS积雪面积比例数据集（2000-2015）是在MODIS逐日积雪产品—MOD10A1的基础上，采用一种基于三次样条函数插值的去云算法进行去云处理后得到。 该数据集采用UTM（横轴等角割圆柱）投影方式，空间分辨率500m，提供逐日的青藏高原地区积雪面积比例（Fractional Snow Cover-FSC）结果。数据集为逐日文件，从2000年2月24日到2015年12月31日。每个文件为当日的积雪面积比例结果，数值为0-100（%），为ENVI标准文件，命名规则为：YYYYddd_FSC_0.5km.img，其中YYYY代表年，ddd代表儒略日（001-365/366）。文件可直接用ENVI或者ARCMAP等软件打开察看。 进行去云处理的原始MODIS积雪数据产品来源于由美国国家雪冰数据中心（NSIDC）处理的MOD10A1产品，这一数据集为hdf格式，采用sinusoidal投影。 青藏高原逐日无云MODIS积雪面积比例数据集（2000-2015）属性由该数据集的时空分辨率、投影信息、数据格式组成。 时空分辨率：时间分辨率为逐日，空间分辨率为500m，经度范围为72.8°～106.3°E，纬度为25.0°～40.9°N。 投影信息：UTM（横轴等角割圆柱）投影。 数据格式：ENVI标准格式。文件命名规则：“YYYYddd”+“_FSC_0.5km”+“.img”，其中YYYY代表年，ddd代表儒略日（001-365/366），其中“.img”是为了方便在ARCMAP等软件打开察看而添加的文件后缀。例如2000055_FSC_0.5km.img代表2000年第55天的结果。其中该数据集的ENVI文件是由头文件和主体内容构成。头文件包括行数、列数、波段数、文件类型、数据类型、数据记录格式、和投影信息等；以2000055_FSC_0.5km.img 文件为例，其头文件信息如下： ENVI description = { ENVI File, Created [Sat Apr 27 18:40:03 2013]} samples = 5760 lines = 3300 bands = 1 header offset = 0 file type = ENVI Standard data type = 1 ：代表byte型 interleave = bsq ：数据记录格式为BSQ sensor type = Unknown byte order = 0 map info = {UTM, 1.500, 1.500, -711320.359, 4526650.881, 5.0000000000e+002, 5.0000000000e+002, 45, North, WGS-84, units=Meters} coordinate system string = {PROJCS["UTM_Zone_45N",GEOGCS["GCS_WGS_1984",DATUM["D_WGS_1984",SPHEROID["WGS_1984",6378137.0,298.257223563]],PRIMEM["Greenwich",0.0],UNIT["Degree",0.0174532925199433]],PROJECTION["Transverse_Mercator"],PARAMETER["False_Easting",500000.0],PARAMETER["False_Northing",0.0],PARAMETER["Central_Meridian",87.0],PARAMETER["Scale_Factor",0.9996],PARAMETER["Latitude_Of_Origin",0.0],UNIT["Meter",1.0]]} wavelength units = Unknown，band names = {2000055}
唐志光, 王建
数据包含青藏高原地区的植被指数数据，空间分辨率为1000m，时间分辨率为16d，时间覆盖范围为2000年、2005年、2010年、2015年。数据来源为MOD13A2(C6)。植被指数是研究植被覆盖时空演变特征的常用遥感数据处理模型。植被指数（NDVI）是根据植被的光谱特性，将卫星可见光和近红外波段进行组合,形成的各种植被指数。植被指数是对地表植被状况的简单、有效和经验的度量。数据对于分析青藏高原的生态环境有重要意义。
杨飞
青藏高原地区属于高原山地气候，降水量及其季节分配与降水形式变化一直是全球气候变化研究的热点之一。数据包含青藏高原地区的降水数据，空间分辨率为1km*1km，时间分辨率为月、年，时间覆盖范围为2000年、2005年、2010年、2015年。数据通过对国家气象科学信息中心气象数据进行Kring插值得到。数据可用于分析青藏高原的降水的时空分布情况，此外数据还可用于分析青藏高原的降水随时间变化的规律，对青藏高原的生态环境研究有重要意义。
方华军
本数据集包含自1951年1月至2006年12月，青藏高原地区历年各季度和历年各月份的温度距平序列。依照气候距平法（CAM），基于《中国均一化历史气温数据集（1951-2004）1.0版》与2005-2006逐日平均气温资料，对青藏高原及其邻近区域共123个站点的逐月平均气温网格化，进而以面积加权法建立了高原1951-2006年逐月平均气温距平序列。其中，为最大限度地利用观测资料，着重探讨了利用参考站订正短序列气温资料气候标准值的方法。参考文献：任雨，张雪芹，彭莉莉.青藏高原1951-2006年气温距平序列的建立与分析.高原气象,2010. 《中国均一化历史气温数据集（1951-2004）1.0版》与2005-2006逐日平均气温资料，符合相关国家标准。 年各月温度距平数据表共有五个字段 字段1：年 字段2：月份 字段3：网格数 参加计算的网格数 字段4：站点数 参加计算的站点数 字段5：月温度距平 单位 ℃ 历年及各季温度距平数据表共有五个字段 字段1：年 字段2：季度 字段3：网格数 参加计算的网格数 字段4：站点数 解释：参加计算的站点数 字段5：温距平 ℃ 其中，季度字段中 1. 如果为空值，表示为年温度距平 2. DJF：冬季（上年12月至当年2月）温度距平值 ℃ 3. MAM：春季（3-5月）温度距平值 ℃ 4. JJA：夏季（6-8月）温度距平值 ℃ 5. SON：秋季（9-11月）温度距平值 ℃ 数据精度：月均温距平到小数点后三位，年均温与季均温距平到小数点后两位。
刘林山
数据包含青藏高原地区的土壤有机质数据，空间分辨率为1km*1km，时间覆盖范围为1979-1985年。数据来源是基于第二次土壤普查数据生成的土壤碳含量。土壤有机质主要来源于植物、动物及微生物残体，其中高等植物为主要来源。原始土壤中最早出现在母质中的有机体是微生物。随着生物的进化和成土过程的发展，动物、植物残体及其分泌物就成为土壤有机质的基本来源。数据对于分析青藏高原的生态环境以及衡量区域土壤特征具有重要意义。
方华军
本数据集包括近三年青藏高原古脊椎动物研究的几项重大成果。王晓鸣等（2016）报道了一新属新种，喜马拉雅原羊，这一新类群的发现表明青藏高原，可能还包括天山-阿尔泰山脉代表着山地盘羊类最早的起源地，而且以这些原始的盘羊类有可能就是现生盘羊的最近祖先。李强等（2017）报道了两种新的仓鼠类：邱氏微仓鼠和刘氏高冠仓鼠，这两个新种的发现表明仓鼠类在上新世时期向青藏高原的高海拔地区扩散，与大哺乳动物走出西藏的说法恰好相反。吴飞翔等（2017）报道了新属新种西藏始攀鲈，攀鲈类在这一地区的发现表明，藏北地区在晚渐新世的海拔为1000米左右，这一与近年来一些指出西藏是高海拔干旱地区的主流观点相反。数据为以上研究材料的图片。这些成果为青藏高原的研究打开了一些新的道路。
吴飞翔
光合有效辐射吸收系数光合有效辐射分量是重要的生物物理参数，是生态系统功能模型、作物生长模型、净初级生产力模型、大气模型、生物地球化学模型、生态模型等的重要陆地特征参量，是估算植被生物量的理想参数。 数据集包含青藏高原地区的光合有效辐射吸收系数数据，空间分辨率为500m，时间分辨率为8d，时间覆盖范围为2000年、2005年、2010年、2015年。数据来源为NASA网站MODIS LAI/FPAR产品数据MOD15A2H(C6)。 数据对于分析青藏高原的植被生态环境有重要意义。
方华军, Ranga Myneni
各拉丹冬地区长时间序列的冰芯气候环境记录研究具有重要意义。依据2005 年中美联合各拉丹冬峰考察期间钻取的147 m 长的冰芯，利用MAT253同位素质谱仪和离子色谱仪分别测试分析了氧同位素以及主要离子含量，通过实施多参数定年（3H、210Pb、年层计数法、火山事件参考层位、流动模型模拟），重建了青藏高原中部近500 年来（1477~1982 AD）的年均气温变化和年均主要离子变化的历史。可用于500年来气候变化研究。
康世昌
本数据集为青藏高原土壤持久性有机污染物（POPs）的浓度数据,包括有机氯农药（OCPs）、多氯联苯（PCBs）、多溴联苯醚（PBDEs）和多环芳烃（PAHs)。本研究于 2007 年在 8 个土壤分区共采集土壤样品 40个。土壤样品主要在远离道路、居民区、农田等受人类活动影响的地区采集。采样方法是：利用不锈钢铲采集 0-5cm 表层土壤样品，在每个采样点 100 m2范围内各采集 5 个土壤样品（中心和每个角各一个样品）并混合成为一个样品。为减少可能的污染，所有土壤样品都用两层铝箔纸包裹，并放置于两层自封袋内密封保存。所有样品的分析工作均在中国科学院青藏高原环境变化与地表过程重点实验室完成。样品前处理步骤包括索式提取、硅胶-氧化铝柱净化、过GPC柱去除大分子杂质、浓缩定容等步骤。分析测试仪器为热电公司生产的气相色谱/离子阱质谱（Finnigan-TRACE GC/PolarisQ），分离OCPs和PCBs的色谱柱为CP-Sil 8CB毛细柱（50 m×0.25 mm×0.25 μm），分离PAHs的色谱柱为DB-5MS毛细柱（60 m×0.25 mm×0.25 μm）。实验过程中设置了实验流程空白。所有化合物实验室空白都没有检测到，这说明样品的分析过程中并没有造成污染。PAHs实验室样品的回收率在58-92%之间，OCPs的实验室样品的回收率在53-130%之间，样品浓度未使用回收率进行校正。
王小萍
在众多反映气候环境变化的指标中，冰芯稳定同位素指标是冰芯记录研究中必不可少的参数，是恢复过去气候变化最可靠的手段和最有效的途径之一。冰芯积累量是冰川上降水量的直接记录，而且高分辨率冰芯记录保证了降水记录的连续性。因此，冰芯记录提供了一种恢复降水量变化的有效手段。从青藏高原钻取的冰芯同位素和积累量可用来重建温度和降水变化，是很好的气候环境记录。本数据集提供了青藏高原冰芯同位素和积累量数据，为研究青藏高原的气候变化提供数据支撑。
徐柏青
基于2000至2018年间对青藏高原及泛第三极野外科考基础上，记录该地区淡水甲壳动物钩虾的物种组成和分布范围。以青藏高原湖泊中的优势类群钩虾为研究对象，围绕气候环境变化对生物多样性的影响以及生物对环境变化的响应这一主题，获取青藏高原及泛第三极湖泊水系中钩虾的物种数量、分布相关数据。根据《中国动物志甲壳动物亚门端足目钩虾亚目(三）》鉴定物种，根据海拔、经纬度等信息分析物种多样性及分布格局，为评估生物多样性格局及制定保护策略提供理论依据。
侯仲娥
1、以野外涡度相关实测数据为基础，采用国际上公认的涡度相关数据标准处理方法，基本流程包括：野点剔除-坐标旋转-WPL校正-储存项计算-降水同期数据剔除-阈值剔除-异常值剔除-u*校正-缺失数据插值-通量分解与统计。本数据集包括青藏高原上典型的高寒草地生态系统，当雄高寒草甸、海北高寒草甸、那曲高寒草甸、若尔盖高寒草地和祁连山高寒草地，2003年到2016年间的碳通量数据和同时观测的小气候数据。数据的时间分辨率高，全年数据插值完整。本数据集可以应用于高原区碳通量评估、对比与预测，影响碳通量的气候因素归因，以及模型模拟结果的校正等。 2、以MCDGF43数据为基础，采用标准栅格数据投影、拼接和裁切的处理方法，基本流程包括：拼接-重采样-裁切。 本数据集包括青藏高原的地表反照率数据（可见光波段和近红外波段），时间分辨率为8天，空间分辨率500m，时间跨度为2003-2016年。
张扬建, 苏培玺, 杨燕
青藏高原地区属于高原山地气候，气温及其季节变化一直是全球气候变化研究的热点之一。 数据包含青藏高原地区的气温数据，空间分辨率为1km*1km，时间分辨率为月、年，时间覆盖范围为2000年、2005年、2010年、2015年。数据通过对青藏高原地区国家气象站数据进行Kring插值得到。 数据可用于分析青藏高原的气温的时间空间分布情况，此外数据还可用于分析青藏高原的气温随时间变化的规律，对青藏高原的生态环境研究有重要意义。
方华军
基于2008年至2018年在青藏高原进行的野外科考基础上，通过文献证据整理进行补充，我们获得了所有青藏高原两栖爬行类广布种群体水平的遗传数据。以这些广布物种为研究对象，围绕环境指示动物类群对气候环境变化的响应过程这一主题，我们首先分析了第四纪气候变化对物种遗传结构的影响，重建了第四纪冰期以来物种群体变化趋势，并确定了各个物种的冰期避难点。同时，构建了青藏高原两栖爬行类遗传多样性地理分布格局，确定了遗传多样性热点。这一结果对整个青藏高原生物多样性保护具有重要的意义。
车静
为研究青藏高原及周边地区主要马属驯化动物的群体演化历史和局部适应遗传机制，并建立相应的种质遗传资源库。我们对截止2018年底在青海省、西藏自治区、新疆自治区采集的青藏高原及周边地区的236份马属样本进行全基因组重测序：包括藏马、藏家驴、平原家驴、家马平原地方品种。并对75份样本（包括73份驴的样本和两份马的样本）进行线粒体基因组测序以及D-loop测序。测序产生了一批基因组学数据，为追溯该地区主要马属驯化动物的驯化、迁徙、扩张等群体历史事件，并进一步探讨马属动物对缺氧、高寒、干燥等恶劣环境的适应机理提供资料。
李艳
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
