该数据集包含了2012年7月至2013年8月采集的黑河流域典型土壤样点的土壤pH数据。2012年组织开展了第1次野外土壤调查采样。2013年在对已有土壤剖面样点进行定量评估的基础上，重点对已有剖面点代表性较差的景观区域进行土壤环境分析，形成补充性调查方案，组织开展了第2次土壤调查采样。黑河流域典型土壤样点采集方式为代表性采样，所采集样点覆盖了黑河流域的上游、中游、下游地区，涵盖了黑河流域的典型景观类型，能够反映黑河流域土壤属性整体的空间分布规律。野外土壤样品采集的深度参照中国土壤系统分类，以诊断层和诊断特性为基础，采取土壤剖面的土壤发生层样品。

数据集包括2015年11月27日- 2016年3月26日阿勒泰基站(lon:88.07, lon: 44.73)地面被动微波亮温、多角度亮温、10分钟四分量辐射和雪温、雪坑日观测数据和逐时气象数据。 日雪坑参数包括:积雪分层、分层厚度、密度、粒度、温度。 这些数据存储在5个NetCDF文件中，TBdata.nc, TBdata-multiangle.nc, Ten-minute 4 component radiation and snow temperature.nc, Hourly meteorological and soil data.nc and Daily snow pit data.nc,以及readme.doc。 TBdata.nc 为六通道双偏振微波辐射计RPG-6CH-DP自动采集的两偏振三个通道的亮度温度。内容包括年、月、日、时、分、秒、Tb1h、Tb1v、Tb18h、Tb18v、Tb36h、Tb36v、入射角、方位角。 TBdata-multiangle.nc为两种极化的3个通道的7组多角度亮度温度。 包括年、月、日、时、分、秒、Tb1h、Tb1v、Tb18h、Tb18v、Tb36h、Tb36v、入射角、方位角。 The ten-minute 4 component radiation and snow temperature. nc 为4组分辐射和层状雪温度。 内容包括:年、月、日、时、分、SR_DOWN、SR_UP、LR_DOWN、LR_UP、T_Sensor、ST_0cm、ST_5cm、ST_15cm、ST_25cm、ST_35cm、ST_45cm、ST_55cm。 The hourly meteorological and soil data.nc为每小时天气数据和分层土壤数据。内容包括年、月、日、时、Tair、Wair、Pair、Win、SM_10cm、SM_20cm、Tsoil_5cm、Tsoil_10cm、tsoil_15cm、Tsoil_20cm。 The daily snow pit data.nc为人工雪坑数据。观测时间为当地时间上午8:00-10:100。内容包括年、月、日、雪深、thickness_layer1、thickness_layer2、thickness_layer4、thickness_layer5、thickness_layer6、Long_layer1、Short_layer1、Long_layer2、Short_layer2、Long_layer3、Short_layer4、Long_layer5、Short_layer5、Long_layer6、short_layer6、Stube、snow shovel_0-10、 雪铲_10-20、雪铲_20-30、雪铲_30-40、雪铲_40-50、雪叉_10、雪叉_15、雪叉_20、雪叉_25、雪叉_30、雪叉_35、雪叉_40、雪叉_45、雪叉_50、形状1、形状2、形状3、形状4、形状5。

本数据集包含珠穆朗玛大气与环境综合观测研究站，2017-2018年观测的气温、气压、相对湿度、风速、降水、总辐射、P2.5浓度、短波辐射等日平均值。 数据服务对象为从事青藏高原气象研究的学生和科研人员。 其中降水数据是人工雨量桶观测，蒸发数据为Φ20mm蒸发皿观测，其它均为半小时的观测值处理后得到的日均值。 所有数据严格按照仪器操作规范进行观测和采集，在加工生成数据时，剔除了一些明显的误差数据。

本数据集包括2017年1月1日至2018年12月31日藏东南站，大气气温、相对湿度、降水、风速、风向、净辐射、气压等的日平均数据。 该数据服务对象为从事气象、大气环境、生态研究的学生和科研人员。 其中各种气象要素的单位如下：气温℃；降水mm；相对湿度%；风速m/s；风向°；净辐射W/m2；气压hPa；可入肺颗粒物μg/m3。 所有数据均是原始观测数据计算得到的日平均值。严格按照仪器操作规范进行观测和数据采集，并已经在相关学术期刊发表；加工过程中剔除了一些明显误差数据，缺失数据用空值。

本数据集包含由卫星重力测量数据得到的2002年4月至2019年12月格陵兰岛冰盖质量变化数据。所采用的卫星重力数据来自于美国宇航局NASA与德国宇航局DLR合作的重力场恢复与气候学实验双星星座（GRACE，2002年4月至2017年6月）及其后续任务GRACE Follow-On（GRACE-FO，2018年6月至今）。此外为了填补GRACE和GRACE-FO之间的数据中断，我们额外采用了由欧洲空间局Swarm三星星座的GNSS轨道摄动数据反演得到的重力场数据。数据格式为Matlab数据文件，冰盖质量变化转化为等效水高，表达在0.25°x0.25°格网上，时间分辨率为1个月。本数据集可用于近二十年格陵兰岛冰盖质量变化特征及其与全球气候变化之间关系的研究。

黑河流域近地表大气驱动数据，是采用Weather Research and Forecasting（WRF）模式制备的黑河流域逐时0.05°× 0.05°包括2m气温、地表气压、2m水汽混合比、辐射、10m风场和累积降水等近地表大气要素的驱动数据。通过与15个中国气象局常规自动气象站（CMA）站点逐日观测资料和两期黑河流域生态-水文过程综合遥感观测联合试验（WATER和HiWATER）的站点逐时观测资料在不同时间尺度上进行验证，得出以下结论：2m地表气温、地表气压和相对湿度都是比较可信的，尤其是2m地表气温和地表气压，平均误差都很小且相关系数都达到0.96以上；向下短波辐射与WATER站点观测数据的相关性达到0.9以上；降水资料通过降雨和降雪两种相态与观测资料在不同时间尺度和空间尺度上进行验证，降雨与观测资料在年、月、日和时尺度上吻合得很好，与观测资料在年和月尺度上的相关系数高达0.94和0.84；降雪与观测资料在月尺度上的相关性达到0.78，与积雪覆盖率MODIS遥感产品的空间分布相当吻合，峰值分布也一致。液态和固态降水的验证表明WRF模式能够在地形复杂而干旱的黑河流域进行降尺度分析，所模拟的资料能够满足流域尺度水文建模和水资源平衡研究。 2013年提供了2000-2012年数据。 2016年更新了2013-2015年数据。 2019年更新了2016-2018年数据。 2022年更新了2019-2021年数据。

该数据集包含1975-2013年青藏高原地区的海螺沟冰川、帕隆94号冰川、七一冰川、小冬克玛底冰川、慕士塔格冰川15号冰川、煤矿冰川以及NM551冰川物质平衡数据。基于世界冰川目录中收集的冰川物质平衡观测数据（World Glacier Inventory，https://nsidc.org/data/G10002/versions/1）以及姚檀栋等发布于第三极环境数据中心平台的（Third Pole Environment Database，http://en.tpedatabase.cn/）冰川物质平衡观测数据以及Global Land Data Assimilation System（GLDAS）数据集提供的气象要素数据（meteo.xlsx中为提取出的各冰川几何中心所在数据网格上的气象要素，包括降水、近地面气温、净辐射、雪面蒸发和雪深时间序列），采用冰川物质平衡计算公式重构了1975-2013年上述七个冰川的物质平衡序列。此重构数据是基于已发布的冰川物质平衡数据对冰川物质平衡公式中的参数进行了率定，并利用冰川物质平衡公式对长时间序列物质平衡进行了重构，其中参数率定结果以及长时间序列数据重构结果均与相关研究成果进行了比对，论证了该数据成果的合理性，具体可参考以下论文。该数据可用于所涉及冰川区域水资源变化研究、扩充了青藏高原冰川物质平衡数据集，并可为未来冰川物质平衡重构相关研究提供参考。

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。

中国冰冻圈是指中国范围内，大气圈、水圈、生物圈、岩石圈的冻结部分。中国冰冻圈资源与环境信息系统是对中国冰冻圈资源与环境数据进行管理与分析的综合性信息系统。建立中国冰冻圈资源与环境信息系统一方面是满足地球系统科学的需要，为研制地理信息系统支持下的冻土、冰川以及雪盖对全球变化的响应与反馈模型提供参数与验证数据；另一方面系统整理和抢救宝贵的冰冻圈数据，为其提供一个科学、高效、安全的管理与分析工具。 中国冰冻圈资源与环境信息系统包含三个不同空间的基础数据库。其中青藏公路沿线部分的研究区域主要是青藏公路自西大滩到那曲约700公里长、公路两侧20～30公里宽的区域,这一区域广泛分布着多年冻土。青藏公路沿线基础数据库包含以下类型的数据： 1、冰冻圈数据。包括：积雪深度分布。 2、自然环境与资源。包括： 基础地质：第四纪地质（Quatgeo） 3、公路沿线冻土钻孔观测数据（Borehole）：青藏公路沿线200个钻孔探测资料。 工程地质剖面图（CAD）：岩性分布、含水量、颗分资料等 4、青藏公路沿线地区冰川质量平衡分布模型（Model）：预测冻土格网数据。 青藏公路沿线图形数据包括13幅的比例尺为1：250000图幅；格网尺寸为100×100m。 详情请查看数据中的文档“中国冰冻圈资源与环境信息系统设计.doc”、“中国冰冻圈资源与环境信息系统数据字典.DOC”、“数据库-青藏公路.DOC”。

一个具有完整全球海洋覆盖范围的网格化海洋温度数据集是了解气候变化和气候变异性的一个非常有价值的资源。大气物理研究所（iap）通过若干创新步骤，对1990年以来2000米高空的历史海洋地下温度进行了新的客观分析。第一种方法是使用一组更新的过去的观察结果，这些新的观测结果已经被纠正了偏差（例如，在地震中）。XBT偏置校正CH14方案，XBT社区推荐。第二个是在海洋中不同地方的值之间使用协变性和来自包括一个全面海洋模型的若干气候模型的背景信息。第三个是扩大每个观测对较大区域的影响，认识到南大洋广阔开放的广阔空间的相对同质性。然后，这些观测也被用来提供更精细的尺度细节。最后，通过使用最近观测到的海洋状态的知识仔细地评估了新的分析，但是使用更遥远的过去的观测的稀疏分布进行次采样，以表明该方法产生无偏的历史重建。 海面风场数据集使用RSS第7版微波辐射计风速数据构建。输入的微波数据由遥感系统处理，资金来自美国宇航局测量计划和美国宇航局地球科学物理海洋学计划。 该风速产品用于气候研究，因为输入数据经过了仔细的相互校准和一致的处理。每个netCDF文件包含： 1）风速月平均值，网格尺寸360x180x自1988年1月以来所有月份的数量（随时间增加）； 2）一组12个月的气候学风速，网格大小为360x180，气候学是1988-2007年20年期间计算的平均值； 3）从1988年1月以来360x180x#个月的月平均数减去上述气候图得出的风速月异常（随时间增加）； 4）风速趋势图，网格尺寸360x180，趋势计算时间为1988-01-01至最近完整日历年；5）时间纬度图（有效数据至少需要10%的纬度单元），网格尺寸为自1988年1月起180 x#个月（随时间增加）

太阳总辐射和直接辐射采用国产辐射表(TBQ-4-1,TBS-2,China)测量，温湿度采用自动气象站(HOBO weather station, Model H21, Onset Company, USA)测量。本数据为太阳辐射和气象要素数据，包括太阳总辐射和直接辐射，波长范围270-3200nm，单位W/m2。温湿度和水汽压单位分别为℃、%、hPa。太阳辐射和气象要素数据来源于数据提供者的测量。数据覆盖时间为2013-2016年。该数据集可以用于中国亚热带地区的太阳辐射及其变化机制等相关研究。

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).