选取土壤表层深度0-20cm土壤机械组成数据，选择最优的土壤成分数据空间预测制图方法，制作土壤质地（粒径组成）空间分布数据产品。土壤粒级划分标准使用美国制分类法。本数据集的源数据来源寒旱区数据中心，祁连山天老池流域土壤物理性质—土壤容重、机械组成数据集土壤采样剖面数据。

本数据集包括黑河上游八宝河流域25个WATERNET传感器网络节点自2015年1月至2015年12月的观测数据。4cm和20cm土壤水分/温度是每个节点的基本观测；部分节点还包括10cm土壤水分/温度、地表红外辐射温度观测、雪深和降水观测等观测。观测频率为5分钟。该数据集可为流域水文模拟、数据同化及遥感验证提供地面数据集。 详细内容请参见“2015年黑河上游八宝河WATERNET数据文档20160501.docx”

选取土壤表层深度0-20cm土壤机械组成数据，选择最优的土壤成分数据空间预测制图方法，制作土壤质地（粒径组成）空间分布数据产品。土壤粒级划分标准使用美国制分类法。本数据集的源数据来源于寒区旱区数据中心，以及黑河流域重大研究计划集成项目（黑河流域上游植被及其环境要素空间插值与动态模拟分析/批准号91325204）集成的土壤采样数据。

采用黑河计划数据管理中心提供的黑河流域30米分辨率的ASTER GDEM数据和90米分辨率的SRTM数据两组栅格数据，以及多来源的点数据。利用HASM升尺度算法，将不同来源和不同精度的栅格数据与高程点数据进行融合，获得黑河流域的高精度坡向数据。首先利用各种点数据对两组栅格数据进行精度验证，根据精度验证的结果，在不同的区域，采用不同的栅格数据作为数据融合的趋势面。计算各样点数据与趋势面的残差，运用HASM算法进行插值获得残差曲面，将趋势面与残差曲面叠加，从而获得最终的坡向曲面。空间分辨率为500米。

采用黑河计划数据管理中心提供的每日四次常规气象观测数据集，包括13个站点。对逐日蒸发进行统计整理，计算逐个站点的2000-2009年多年逐月蒸发数据。对其进行空间平稳性分析，计算变异系数，若变异系数大于100%，则采用地理加权回归计算站点与地理地形因素关系，得逐月蒸发分布趋势；若变异系数小于等于100%，则采用普通最小二乘回归计算站点蒸发值与地理地形因素（经纬度、高程、坡度、坡向等）的关系，得逐月蒸发分布趋势；对去掉趋势后的残差采用HASM（High Accuracy Surface Modeling Method）进行拟合修正。最后将趋势面结果与残差修正结果相加即得1961-2010年黑河流域多年月平均蒸发分布。时间分辨率：2000-2009年多年月平均蒸发。空间分辨率：500m。

 采用黑河计划数据管理中心提供的黑河流域及周边地区21个气象常规观测站及黑河周边13个全国基准站的站点数据信息，对逐日风速进行统计整理，计算逐个站点的1961-2010年多年逐月风速数据。对其进行空间平稳性分析，计算变异系数，若变异系数大于100%，则采用地理加权回归计算站点与地理地形因素关系，得逐月风速分布趋势；若变异系数小于等于100%，则采用普通最小二乘回归计算站点风速值与地理地形因素（经纬度、高程、坡度、坡向等）的关系，得逐月风速分布趋势；对去掉趋势后的残差采用HASM（High Accuracy Surface Modeling Method）进行拟合修正。最后将趋势面结果与残差修正结果相加即得1961-2010年黑河流域多年月平均风速分布。时间分辨率：1961-2010年多年月平均风速。空间分辨率：500m。

采用黑河计划数据管理中心提供的黑河流域30米分辨率的ASTER GDEM数据和90米分辨率的SRTM数据两组栅格数据，以及多来源的点数据，这些点数据包括中上游的雷达点云高程数据；根据黑河计划数据管理中心中土壤样点、植被样方提取的高程数据；气候水文站点提取的高程数据；以及课题组测量的高程样点数据。利用HASM升尺度算法，将不同来源和不同精度的栅格数据与高程点数据进行融合，获得黑河流域的高精度DEM数据。首先利用各种点数据对两组栅格数据进行精度验证，根据精度验证的结果，在不同的区域，采用不同的栅格数据作为数据融合的趋势面。计算各样点数据与趋势面的残差，运用HASM算法进行插值获得残差曲面，将趋势面与残差曲面叠加，从而获得最终的DEM曲面。空间分辨率为500米。

采用黑河计划数据管理中心提供的黑河流域30米分辨率的ASTER GDEM数据和90米分辨率的SRTM数据两组栅格数据，以及多来源的点数据。利用HASM升尺度算法，将不同来源和不同精度的栅格数据与高程点数据进行融合，获得黑河流域的高精度坡度数据。首先利用各种点数据对两组栅格数据进行精度验证，根据精度验证的结果，在不同的区域，采用不同的栅格数据作为数据融合的趋势面。计算各样点数据与趋势面的残差，运用HASM算法进行插值获得残差曲面，将趋势面与残差曲面叠加，从而获得最终的坡度曲面。空间分辨率为500米。

黑河流域1km/5day植被指数（NDVI/EVI）数据集提供了2015年的5天分辨率NDVI/EVI合成产品，该数据利用我国国产卫星FY-3数据兼具较高时间分辨率（1天）和空间分辨率（1km）的特点构造多角度观测数据集，在对多源数据集以及现有合成植被指数产品及算法进行分析的基础上，提出了基于多源数据集生产1km分辨率5天周期的全球合成植被指数产品算法体系。植被指数合成算法基本采用MODIS的植被指数合成算法，即基于半经验的Walthall模型的BRDF角度归一化方法、CV-MVC法和MVC法的算法体系。利用该算法体系，分别对一级数据、二级数据计算合成植被指数，并进行质量标识。多源数据集可在有限时间内提供比单一传感器更多的角度和更多次的观测，但是，由于传感器的在轨运行时间及性能差异，多源数据集的观测质量参差不齐。因此，为更有效的利用多源数据集，算法体系首先对多源数据集进行了质量分级，根据观测合理性分为一级数据、二级数据、三级数据。三级数据为受薄云污染的观测，不用于计算。在黑河中游农田、森林区域的验证结果表明，联合多时相、多角度观测数据的NDVI/EVI合成结果与地面实测数据具有较好的一致性（RMSE=0.105）。与MODIS MOD13A2产品的时间序列对比分析，充分显示了时间分辨率从16天提高到5天时，稳定的高精度的植被指数对植被生长细节的细致描述。总之，黑河流域1km/5day合成植被指数（NDVI/EVI）数据集综合利用多时相、多角度观测数据以提高参数产品的估算精度、时间分辨率等，更好的服务于遥感数据产品的应用。

黑河流域2015年1km/5天合成叶面积指数（LAI）数据集提供了2015年的5天LAI合成结果，该数据利用Terra/MODIS、Aqua/MODIS、以及国产卫星FY3A/MERSI和FY3B/MERSI传感器数据构建空间分辨率1km、时间分辨率5天的多源遥感数据集。多源遥感数据集可在有限时间内提供比单一传感器更多的角度和更多次的观测，但是，由于传感器的在轨运行时间及性能差异，多源数据集的观测质量参差不齐。因此，为更有效的利用多源数据集，算法首先对多源数据集进行了质量分级，根据观测合理性分为一级数据、二级数据、三级数据。三级数据为受薄云污染的观测，不用于计算。质量评估及分级的目的是为LAI反演时最优数据集的选择及反演算法流程设计提供依据。叶面积指数产品反演算法设计为区分山地平地、区分植被类型使用不同模型的神经网络法反演。基于全球DEM图和地表分类图，针对草地和农作物等连续植被采用PROSAIL模型，针对森林和山地植被采用坡面GOST模型。利用黑河上游森林和中游绿洲的地面实测数据生成的参考图，并将对应的高分辨率参考图升尺度到1km分辨率，与LAI产品进行比较，产品在农田和森林区域与参考值间均具有良好的相关性，总体精度基本满足GCOS规定的误差不超过 (0.5, 20%)的精度阈值。将本产品与MODIS、GEOV1和GLASS等LAI产品进行交叉对比，相比较参考值而言，本LAI产品精度优于同类产品。总之，黑河流域1km/5天合成LAI数据集综合利用多源遥感数据以提高LAI参数产品的估算精度、时间分辨率等，更好的服务于遥感数据产品的应用。

黑河流域1km/5天合成植被覆盖度（FVC）数据集提供了2015年的5天FVC合成结果，该数据利用Terra/MODIS、Aqua/MODIS、以及国产卫星FY3A/MERSI和FY3B/MERSI传感器数据构建空间分辨率1km、时间分辨率5天的多源遥感数据集。将全国划分为不同植被区划、地类，分别计算植被指数（NDVI）与FVC的转换系数，采用计算的转换系数查找表和1km/5天合成NDVI产品生产区域1km/5天合成FVC产品。黑河流域1km/5天合成FVC产品通过高分辨率数据可以直接获得植被覆盖比例，减轻低分辨率数据异质性的影响；另外，选择植被生长变化的典型时期，通过对每一个像元时间序列植被指数进行拟合得到每个像元对应的生长曲线参数；再配合土地利用图和植被分类图，寻找区域的代表性均一像元用于训练植被指数的转换系数。通过与黑河流域高分辨率ASTER参考FVC结果相比，首先联合地面实测数据，利用尺度上推方法，将黑河流域ASTER产品聚合到 1km 尺度得到ASTER聚合FVC数据，并与Geoland2项目发布的基于SPOT VEGETATION遥感数据的FVC产品（简称GEOV1 FCOVER）进行间接比较，根据三种数据FVC时间序列曲线图，结果表明：GEOV1的结果较ASTER 影像联合地面实测的结果偏高，黑河流域1km/5天合成FVC产品结果位于两者之间，在实验区内黑河流域1km/5天合成FVC产品优于GEOV1产品。总之，黑河流域1km/5天合成FVC数据集综合利用多源遥感数据以提高FVC参数产品的估算精度、时间分辨率等，更好的服务于遥感数据产品的应用。

区域气候模式 RegCM4.3 中参数设置如下：水平分辨率为 40 km，东西方向 112 格点，南北方向 84格点，网格中心为 74.21°E、44.76°N，投影为 Lambert投影，垂直层划分 23 层，顶层气压为 50 hPa；初始边界场采用水平分辨率 2.5°的 ERA40 再分析数据和 NCEP/NCAR 再分析数据，时间序列取模式数据和站点插值数据时间序列的公共部分。海温数据选择 GISST（1948-2002年），模式中行星边界层选择为 Holtslag格式，积云对流方案为 Emanuel MIT格式，侧边界条件为指数松弛条件，陆面过程描述为 BATs。 模式中地形数据选择 USGS的 GTOPO 30的 30″DEM数字高程模型，地表植被数据选择 USGS分辨率为30″的GLCC（global land cover characterization）。 数据集为日数据，包含地表气压（hpa），2m最高气温（K），2m最低气温（K），2m平均气温（K），地表平均降水（kg·m-2·s-1） 命名规则，xx_xxxx_YYYY.nc。其中YYYY为年份，xx代表中亚，xxxx为驱动数据名称（分别为ERA40、NCEP1）。