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
气象数据一般按时段划分，可分为短期（即逐日）、中期和长期三类。其中，逐日的气象数据是最常用的数据，主要包括气温、降水量、降水类型、相对湿度、风速和风向等。它们是气象调查和研究的基础数据，是气象预报、气候变化监测和降水预报的重要依据。1981-2015三江源及邻近区域国家标准气象站逐日气象数据，包含八个变量，依次为站点气压、气温、相对湿度、降水、蒸发、风向风速、日照和0cm地温。数据为.txt格式。
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
净初级生产量（NPP, Net Primary Production）指在初级生产过程中，植物光合作用固定的能量中扣除植物呼吸作用消耗掉的那部分，剩下的可用于植物的生长和生殖的能量。生产量通常用每年每平方米所生产的有机物质干重[g/(m2·a)]或每年每平方米所固定能量[J/(m2·a)]表示。本数据来自MODIS-NPP数据——MOD17A3HGF V6产品，该数据提供500米像素分辨率的年度净初级生产力（NPP）信息。年度净初级生产力是由给定年份的所有8天净光合作用（PSN）产品（MOD17A2H）之和得出的。PSN值是总初级生产力（GPP）和维持呼吸（MR）之差（GPP-MR）。
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覆盖天数数据产品是基于中国2000-2020年逐日无云500 m积雪面积产品，依据积雪日数为一个水文年上观测到积雪的次数之和计算得到，其中水文年为每年的9月1日到次年的8月31日。积雪日数取值范围为0~365天或者366天，无效值为-1。数据格式是TIFF，数据投影为WGS84投影，分辨率是500m。
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
山地冰川是中国西部及其周边地区重要的淡水资源。由于冰川融水在流域尺度为生态和社会经济用水提供补给，因此，确定冰川作用（补给）流域是开展冰川水资源供给功能和服务研究的基础。基于Randolph Glacier Inventory 6.0、中国历次冰川编目、中国三级流域边界数据（中国科学院资源与环境科学数据中心提供）和全球流域边界数据HydroBASINS（www.hydrosheds.org），通过将冰川分布数据与流域边界数据进行相交分析，生成了20世纪50年代至21世纪20年代（至今）（1）中国两级冰川作用流域边界、（2）中国冰川作用的国际河流流域边界以及（3）亚洲高山区冰川作用流域边界数据。该数据兼顾了中国和全球常用流域边界，并将二者很好匹配，以期为中国及其周边地区冰川水资源研究提供基础数据。
苏勃
格拉丹东地区是青藏高原重要的、典型的大江大湖源区。本数据集提供了不同时间尺度，不同分辨率的，覆盖长江和色林错源区冰川的DEM，用以计算源区冰川表面高程的季节变化和年代际变化。数据集包括了2016-2017年7景不同月份5米分辨率的TanDEM-X数据，可用以冰川表面高程的季节性变化计算；包括了1景1976年30米分辨率的KH-9 DEM，5景2011年30米分辨率的TanDEM-X，1景2014年和3景2017年30米分辨率的TanDEM-X，可用以计算1976-2000，2000-2011，2011-2017年期间冰川表面高程变化。同时采用Landsat ETM数据勾画，并按照RGI6.0分割了1976年的冰川轮廓数据；右图显示了该数据集的空间和时间覆盖信息，底图为正射校正后KH-9影像。
陈文锋
该数据集为可可西里地区冰川分布状况记录，包含了可可西里地区各山地现代冰川分布状况，可可西里地区各流域现代冰川分布， 可可西里地区不同山地高度段内现代冰川分布状况三个表格。地处青藏高原腹地的可可西里地区，平均海拔在5000m以上，气候严寒。根据中国冰川目录和作者在1/10万地形图上重新统计，全区发育现代冰川437条，覆盖面积达1552.39平方千米，冰储量为162.8349立方千米，成为本区众多河流湖泊水体的重要补给源泉。通过该数据集可以更加深入了解该区冰川分布规律等。
李炳元
青藏高原是世界上最大的高、低纬度多年冻土带，近几十年来，其多年冻土带迅速退化，其最显著的特征之一就是热融湖塘的形成。这样的湖泊由于能够调节碳循环、水和能量通量而引起了极大的关注。然而，这一地区的热融湖塘的分布在很大程度上仍不为人所知，这阻碍了我们对多年冻土的响应及其碳反馈对气候变化的理解。本数据集基于200余景Sentinel-2A影像，结合ArcGIS、NDWI和Google Earth Engine平台，通过GEE自动提取和人工目视解译的方法提提取青藏高原多年冻土区内热融湖塘边界。在2018年热融湖塘数据集中，青藏高原多年冻土区共有121,758个热融湖塘，面积为0.00035-0.5 km²，总面积为1730 km² 。本次热融湖塘编目数据集为青藏高原水资源评价、多年冻土退化评价、热喀斯特研究提供了基础数据。
陈旭, 牟翠翠, 贾麟, 李志龙, 范成彦, 母梅, 彭小清, 吴晓东
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
基于“暴露性-敏感性-适应性”的脆弱性评估框架，构建了青藏高原农牧区脆弱性评估指标体系。指标体系数据包括气象数据、土壤数据、植被数据、地形数据和社会经济数据5大类，共计12个数据指标，主要来原于国家青藏高原科学数据中心和中国科学院资源与环境科学数据中心。基于6位相关领域专家的问卷调查，利用层次分析法确定指标权重，最终形成涉及青藏高原农牧区生态暴露性、敏感性、适应性和生态脆弱性4个1公里网格数据。数据可为青藏高原生态脆弱区识别提供参考。
战金艳, 滕艳敏, 刘世梁
本数据集包含青藏高原地区近50年（1950-2002）的自然灾害统计信息，包括干旱、雪灾、霜灾、冰雹、洪涝、风灾、雷电灾害、寒潮和强降温、低温冻害、大风沙尘暴、虫灾、鼠害等气象灾害产生的时间地点及所造成的损失及影响。 青海和西藏是青藏高原的主体，青藏高原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，其复杂的地形条件，高峻的海拔高度和严酷的气候条件决定了生态环境十分脆弱,，成为我国自然灾害发生最频繁的地区。 数据摘录自《中国气象灾害大典·青海卷》、《中国气象灾害大典·西藏卷》，人工录入总结校对。
统计局
该数据集是通过MODIS各通道反射率和SIF观测数据建立神经网络模型，从而得到较高时空分辨率的SIF数据，常作为初级生产力的参考。数据来源于Zhang et al. (2018)，具体算法参见文章。源数据范围为全球，本数据集选取了青藏高原区域。本数据将原本的4天时间尺度数据集成至月数据，加工方法为取月最大值，尽可能达到去除噪声的效果。该数据集常被用作评定植被绿度和初级生产力的时间和空间格局，具有实际意义和理论价值。
张尧
本数据集为青海可可西里地区湖泊要素数据集，详细记录了可可西里地区主要湖泊特征和水质采样分析数据。青海可可西里地区湖泊众多，是青藏高原湖泊集中分布区之一。该区域湖泊发育的基本特点是：数量大，类型多，结构复杂。据初步统计，面积大于1km2的湖泊有107个，总面积为3825km2，湖泊度约为0.05。该数据集原始数据数字化自《青海可可西里地区自然环境》一书，具体包括了35个主要湖泊特征数据和60个湖泊水体化学分析数据。本数据集对于研究青海可可西里地区提供了基础数据，对于相关领域的研究具有参考价值。
李炳元
本数据集为青海可可西里地区气候要素数据集，涵盖十四个观测站点数据，详细记录了1990年的各项气候观测数据。青海可可西里地区地势高亢，平均海拔在5000m以上，气候寒冷，空气稀薄，自然环境恶劣，广大地区至今仍为无人区，有“人类禁区”之称。该区由于受到人类活动的干扰较小，大部分地区仍保持着原始的自然状态，其特殊的地理位置、地壳结构和自然环境以及特有的生物区系组成等，一直为国内外科学界所注目。该数据集原始数据数字化自《青海可可西里自然环境》一书，气候观测数据具体包括太阳辐射、温度、降水、气压、风速等。本数据集对于研究青海可可西里地区提供了基础数据，对于相关领域的研究具有参考价值。
李炳元
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
本数据集为青藏高原地区2005、2010、2015、2017、2018年逐日0.01°×0.01°地表土壤水分产品。采用多元统计回归模型，通过对“青藏高原地区SMAP时间扩展0.25°×0.25°地表土壤水分数据（SMsmapTE, V1）”进行降尺度，得到0.01°×0.01°地表土壤水分产品。参与多元统计回归的数据包括GLASS Albedo/LAI/FVC，周纪-中国西部1km全天候地表温度数据（V1），以及经/纬度等信息。
柴琳娜, 朱忠礼, 刘绍民
本数据集为基于SMAP时间扩展方法生产的青藏高原地区0.25°×0.25°地表土壤水分产品。即采用随机森林方法，利用被动微波亮温数据及相关辅助数据，实现对SMAP L3级地表土壤水分产品的时间扩展。其中，1980、1985、1990、1995和2000年为逐月产品，使用SMMR，SSM/I和SSMIS 19 GHz V/H及37 GHz V三个通道的亮温数据。2002年6月20日至2018年12月30日为逐日产品，使用AMSR-E和AMSR2 6.925 GHz V/H，10.65 GHz V/H及36.5 GHz V五个通道的亮温数据。 参与训练随机森林模型的辅助数据包括IGBP地表分类数据，GTOPO30 DEM数据以及经/纬度等信息。
柴琳娜, 朱忠礼, 刘绍民
包含青藏高原地区气溶胶类型和气溶胶光学厚度，两类数据。 气溶胶类型数据产品是综合利用MEERA 2同化资料和主动卫星CALIPSO产品经过一系列数据预处理、质量控制、统计分析和对比分析等过程而融合得出的气溶胶类型结果。该气溶胶类型融合算法的关键是对CALIPSO气溶胶类型的判断。融合时根据CALIPSO气溶胶类型的种类和质控，并参考MERRA 2气溶胶类型得到最终气溶胶类型数据（共12种）和质量控制结果。充分考虑了气溶胶的垂直分布以及空间分布，具有较高的空间分辨率（0.625°×0.5°）和时间分辨率（月）。 气溶胶光学厚度（AOD）采用自主研发的可见光波段遥感反演方法，结合Merra-2模式数据与NASA的官方产品MOD04制作，数据覆盖时间从2000年到2019年，时间分辨率为逐日，空间分辨率为0.1度。反演方法主要采用自主研发的APRS算法，反演了冰雪上空的气溶胶光学厚度，算法考虑了冰雪地表的BRDF特性，适用于冰雪上空气溶胶光学厚度的反演。通过实测站点验证表明，数据相对偏差在35%以内，可有效提高极区气溶胶光学厚度的覆盖率和精度。
光洁, 赵传峰
青藏高原0.01°空间分辨率近地表气温数据集（1979-2018）通过对中国区域地面气象要素驱动数据集中空间分辨率为0.1°的气温数据进行降尺度得到。它包含日均气温和三小时分辨率的瞬时气温。其空间分辨率为0.01°（约1km）。时间范围为1979年到2018年。空间范围为73°E-106°E, 23°N-40°N。该数据集可以为地表辐射与能量平衡、气候变化、水文气象等领域的研究与应用提供较高空间分辨率的近地表气温数据。
丁利荣, 周纪, 王伟, 马晋
Snow is a significant component of the ecosystem and water resources in high-mountain Asia (HMA). Therefore, accurate, continuous, and long-term snow monitoring is indispensable for the water resources management and economic development. The present study improves the Moderate Resolution Imaging Spectroradiometer (MODIS) onboard Terra and Aqua satellites 8 d (“d” denotes “day”) composite snow cover Collection 6 (C6) products, named MOD10A2.006 (Terra) and MYD10A2.006 (Aqua), for HMA with a multistep approach. The primary purpose of this study was to reduce uncertainty in the Terra–Aqua MODIS snow cover products and generate a combined snow cover product. For reducing underestimation mainly caused by cloud cover, we used seasonal, temporal, and spatial filters. For reducing overestimation caused by MODIS sensors, we combined Terra and Aqua MODIS snow cover products, considering snow only if a pixel represents snow in both the products; otherwise it is classified as no snow, unlike some previous studies which consider snow if any of the Terra or Aqua product identifies snow. Our methodology generates a new product which removes a significant amount of uncertainty in Terra and Aqua MODIS 8 d composite C6 products comprising 46 % overestimation and 3.66 % underestimation, mainly caused by sensor limitations and cloud cover, respectively. The results were validated using Landsat 8 data, both for winter and summer at 20 well-distributed sites in the study area. Our validated adopted methodology improved accuracy by 10 % on average, compared to Landsat data. The final product covers the period from 2002 to 2018, comprising a combination of snow and glaciers created by merging Randolph Glacier Inventory version 6.0 (RGI 6.0) separated as debris-covered and debris-free with the final snow product MOYDGL06*. We have processed approximately 746 images of both Terra and Aqua MODIS snow containing approximately 100 000 satellite individual images. Furthermore, this product can serve as a valuable input dataset for hydrological and glaciological modelling to assess the melt contribution of snow-covered areas. The data, which can be used in various climatological and water-related studies, are available for end users at https://doi.org/10.1594/PANGAEA.901821 (Muhammad and Thapa, 2019).
Sher Muhammad
三江源国家公园包括长江源、黄河源、澜沧江源3 个园区，总面积为12.31 万平方公里，介于东经89°50'57"—99°14'57"，北纬32°22'36"—36°47'53"，占三江源国土面积的31.16%。 本数据集是基于《三江源国家公园总体规划》中的三江源国家公园区位图进行数字化而产生。数据包含长江源园区、黄河源园区和澜沧江园区的边界。 数据格式为Shapefile格式。推荐使用arcmap打开数据。
王旭峰
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
本数据集采用SMMR（1979-1987）、SSM/I（1987-2009）和SSMIS（2009-2015）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。像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。因为该数据集中所有tif文件描述的是三江源国家公园范围，所以这些文件的行列号信息是不变的，摘录如下（其中cellsize单位为m）： ncols 52 nrows 28 cellsize 25067.525 nodata_value 0
晋锐
该数据集是基于MODIS 16天合成的NDVI产品（MOD13Q1 collection6）估算的三江源国家公园区域的植被生长季开始（Start of Season: SOS）和生长季结束的日期（End of Season: EOS）。共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250m。数据中包含4个子文件夹，CJYYQ_phen是三江源国家公园长江源园区的物候结果，HHYYQ_phen是三江源国家公园黄河源园区的物候结果，LCJYYQ_phen是三江源国家公园澜沧江源园区的物候结果，SJY_phen是整个三江源区域的物候。 数据格式为geotif，建议使用arcmap或者Python+GDAL浏览和处理数据。
王旭峰
该数据集内包含2012-2015年月值净初级生产力数据，数据基于中国地面气候资料日值数据集的温度、降水、太阳辐射等气候要素以及蒸散ET、潜在PET、光合有效吸收比例FPAR、NDVI、最大光能利用率等数据通过CASA模型计算得到，计算结果用三江源采样点数据进行验证，相关系数达到0.718。该数据集可直接用于青藏高原草地植被变化的分析，为草地变化动态动态监测提供基础，为青藏高原草地变化治理提供依据。
樊江文, 辛良杰, 张海燕, 袁秀
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
