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
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”。
李新
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）
葛咏, 李强子, 董文
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。
白建辉
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
This data set is output from WRF model. The data include ‘LU_INDEX’ (land use category), ‘ZNU’(eta values on half (mass) levels), ‘ZNW’(eta values on full (w) levels)，’ZS’(depths of centers of soil layers), ‘DZS’ (thicknesses of soil layers), ‘VAR_SSO’ (variance of subgrid-scale orography), ‘U’(x-wind component), ‘V’(y-wind component),’W’(z-wind component),’T’(perturbation potential temperature (theta-t0)), ‘Q2’ ('QV at 2 M), ‘T2’ (TEMP at 2 M), ‘TH2’ ('POT TEMP at 2 M), ‘PSFC’ (SFC pressure), ‘U10’ (U at 10 M), ‘V10’ (V at 10 M), ‘QVAPOR’ (Water vapor mixing ratio), ‘QLOUD’ (Cloud water mixing ratio),’QRAIN’ (Rain water mixing ratio), ‘QICE’ (Ice mixing ratio), ‘QSNOW’ (Snow mixing ratio), ‘SHDMAX’ (annual max veg fraction), ‘SHDMIN’ (annual min veg fraction), ‘SNOALB’ (annual max snow albedo in fraction), ‘TSLB’ (soil temperature), ‘SMOIS’ (soil moisture), ‘GRDFLX’ (ground heat flux), ‘LAI’ (Leaf area index),’ HGT’ (Terrain Height), ‘TSK’ (surface skin temperature), ‘SWDOWN’ (downward short wave flux at ground surface), ‘GLW’ (downward long wave flux at ground surface), ‘HFX’ (upward heat flux at the surface), ‘QFX’ (upward moisture flux at the surface), ‘LH’ (latent heat flux at the surface), ‘SNOWC’ (flag indicating snow coverage (1 for snow cover)), and so on. The data is in netCDF format with a spatial resolution of 10 km.
Xuelong Chen
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
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容重数据。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。
宋效东, 张甘霖
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有机碳数据。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。
宋效东, 张甘霖
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
过去五十年，阿拉斯加地区冰川对海平面贡献占全球山地冰川总贡献的三分之一。 在RGI6.0的基础上，我们利用遥感和地理信息系统技术对阿拉斯加地区冰川编目数据进行了更新。更新的冰川编目采用的数据源为2018年Landsat OLI空间分辨率15m遥感影像，使用的方法为人工解译。结果显示，阿拉斯加地区冰川编目包括了现有冰川27043条，总面积81285km2。数据误差4.3%。该数据将为研究全球变化大背景下阿拉斯加地区冰川变化评估、冰川变化的区域和全球影响提供重要的数据支撑。
上官冬辉, 李耀军
The dataset integrated glacier inventory data and 426 Landsat TM/ETM+/OLI images, and adopted manual visual interpretation to extract glacial lake boundaries within a 10-km buffer from glacier terminals using ArcGIS and ENVI software, normalized difference water index maps, and Google Earth images. It was established that 26,089 and 28,953 glacial lakes in HMA, with sizes of 0.0054–5.83 km2, covered a combined area of 1692.74 ± 231.44 and 1955.94 ± 259.68 km2 in 1990 and 2018, respectively. The current glacial lake inventory provided fundamental data for water resource evaluation, assessment of glacial lake outburst floods, and glacier hydrology studies in the mountain cryosphere region.
WANG Xin, GUO Xiaoyu, YANG Chengde, LIU Qionghuan, WEI Junfeng, ZHANG Yong, LIU Shiyin, ZHANG Yanlin, JIANG Zongli, TANG Zhiguang
青藏高原是全球气候变化的敏感区域。地表温度（Land Surface Temperature, LST）作为地表能量平衡中的主要参数，表征了地气间能量和水分交换的程度，广泛应用于气象气候、水文、生态等领域的研究中。青藏高原的陆地-大气相互作用等研究，迫切需要较长时间序列和较高时空分辨率的全天候地表温度数据集。然而，该区域较为频繁的云覆盖特征，使现有卫星热红外遥感地表温度数据集的使用受到较大的局限。 相较于2019年发布的前一个版本——中国西部逐日1km空间分辨率全天候地表温度数据集（2003-2018）V1，本数据集（V2）采用了一种新的制备方法，即基于新型地表温度时间分解模型的卫星热红外遥感-再分析数据集成方法。方法的主要输入数据为Aqua MODIS LST产品和GLDAS等数据，辅助数据包括卫星遥感提供的植被指数、地表反照率等。该方法充分利用了卫星热红外遥感和再分析数据提供的地表温度高频分量、低频分量以及地表温度的空间相关性。 评价结果表明，本数据集具有良好的图像质量和精度，不仅在空间上无缝，还与当前学术界广泛采用的逐日1 km Aqua MODIS LST产品在幅值和空间分布上具有较高的一致性。以MODIS LST为参考值时，该数据集在白天和夜间平均偏差（MBE）分别为-0.28 K和-0.29 K，偏差标准差（STD）分别为1.25 K和1.36 K。基于青藏高原和黑河流域的6个站点实测数据的检验结果表明，晴空条件下，本数据集在白天/夜间与实测LST均具有高度的一致性，其MBE为-0.42~0.25 K/-0.35~0.19 K；均方根误差 （RMSE）为1.03~2.28 K/1.05~2.05 K；非晴空条件下，本数据集在白天/夜间的MBE为-0.55~1.42 K/-0.46~1.27 K；RMSE为2.24~3.87 K/2.03~3.62 K。与V1版本的数据相比，两种全天候地表温度均在空间维度上表现除了空间无缝（即无缺失值）的特性，且在大部分区域内，两种全天候地表温度的空间分布和幅值均与MODIS地表温度高度一致。然而，在AMSR-E/AMSR2轨道间隙亮温缺失的区域内，V1版本的地表温度产生了低估。TRIMS地表温度与V1版本地表温度在AMSR-E/AMSR2轨道间隙外的质量接近，而在轨道间隙内前者的质量更加可靠。因此，建议用户使用V2版本。 本数据集的时间分辨率为逐日2次，空间分辨率为1km，时间跨度为2000年-2021年（注：通过外推方式将缺少Aqua MODIS LST产品时段内的全天候地表温度补齐）。本数据集的空间范围包括青藏高原为核心的我国西部及周边地区（72°E-104°E，20°N-45°N）。因此，本数据集的缩写名为TRIMS LST-TP（Thermal and Reanalysis Integrating Moderate-resolution Spatial-seamless LST – Tibetan Plateau），以便用户使用。
张晓东, 周纪, 唐文彬, 丁利荣, 马晋, 张旭
为了了解北半球气温变化的时空变化特征，该研究用 CRU（Climatic Research Unit）网格数据计算了 30 年（1971-2000）年平均气温的空间分布。年平均气温随着纬度的升高而降低，变化范围从大于 30 °C 到小于-25 °C。在相同纬度地区，高海拔地区（比如青藏高原、蒙古高原和西西伯利亚山区）的年平均气温凸显低温的趋势。同时我们完成了分辨率为0.5 °× 0.5 °北半球1901-2016年间的年平均气温变化趋势分布图。
尹国安, 石亚亚
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
本数据集是2017年青藏高原冰川数据，使用了210景Landsat8 OLI卫星多光谱遥感数据，时间从2013年至2018年，90%来源于2017年,85%的Landsat8 OLI数据成像于冬季。冰川数据是青藏高原净冰川覆盖范围，不包括表碛物覆盖部分。数据格式是TIFF，可以为青藏高原冰川变化、冰川水文研究提供基础数据支持。 数据内容： Value是冰川斑块在系统中自动生成的编码。 格网单元：30m 数据的投影方式：Albers等积圆锥投影。 数据加工方法：基于210景Landsat8 OLI卫星多光谱遥感数据，校正、镶嵌为假彩色合成影像（RGB:654），采用人工目视解译方法，参考波段比值法结果，结合SRTM DEM V4.1数据与Google Earth和HJ1A/1B卫星同一年不同季节的影像，剔除了山体阴影、季节性积雪的影响，参考我国第一期和第二期冰川编目数据，剔除了非冰川区的陡崖、裸露基岩等，综合提取净冰川专题矢量数据，不包括冰川末端位置不清的表碛物覆盖区域，冰川边界数字化精度为半个像元（15m）。通过对比分析，可知基于多数据源、参考多方法结果、综合专家经验知识人-机互动方法提取获得的山地冰川数据更准确。具体数据提取方法详见参考文献： Ye, Q., J.Zong,L.Tian et al. (2017). Glacier changes on the Tibetan Plateau derived from Landsat imagery: mid-1970s – 2000 – 2013. Journal of Glaciology,63(238), 273-87. DOI:10.1017/jog.2016.137。 原始遥感资料数据精度：30m 数据质量控制措施：冰川边界数字化精度控制在半个像元之内（15m）。 项目来源：中国科学院战略性先导科技专项（A类）（XDA19070302）, 第二次青藏高原综合科学考察研究资助（2019QZKK0202），国家自然科学基金项目（41530748, 91747201）、中国科学院“十三五”信息化建设专项资助(XXH13505-06)。
叶庆华
1)数据内容：高分辨率西南极冰盖表面物质平衡格点数据库 投影：Polar Stereographic Projection 2)数据来源及加工方法：基于高分辨率冰芯代用资料、ERA-Interim再分析降水和蒸发数据和极地气候模式RACMO2.3输出结果，利用改进的类克里格插值方法，建立了西南极冰盖表面物质平衡格点数据集 3)数据质量描述：精度优于再分析资料。 4)数据应用成果及前景：该数据库可用于水文学、气候学及冰川学等学科领域，比如：气候模式（CMIP5及 CESM等）的验证，西南极冰盖物质平衡长时间尺度变化评估研究。
王叶堂
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下游混合林站气象要素观测数据。站点位于内蒙古额济纳旗达来呼布镇四道桥，下垫面是胡杨与柽柳。观测点的经纬度是101.1335E,41.9903N，海拔874m。空气温度、相对湿度传感器架设在28m处，朝向正北；气压计安装在地面上的防撬箱内；翻斗式雨量计安装在28m处；风速与风向传感器架设在28m，朝向正北；四分量辐射仪安装在24m处，朝向正南；两个红外温度计安装在24m处，朝向正南，探头朝向是垂直向下；两个光合有效辐射仪安装在24m处，朝向正南，探头垂直向上和向下方向各一个；土壤温度探头埋设在地表0cm和地下2cm、4cm、10cm、20cm、40cm、60cm、100cm、160cm、200cm和240cm处，在距离气象塔2m的正南方；土壤水分探头埋设在地下2cm、4cm、10cm、20cm、40cm、60cm、100cm、160cm、200cm和240cm处，在距离气象塔2m的正南方；土壤热流板（3块）依次埋设在地下6cm处，在距离气象塔2m的正南方。 观测项目有：空气温湿度（Ta_28m、RH_28m）(单位：摄氏度、百分比)、气压（Press）(单位：百帕)、降水量（Rain）(单位：毫米)、风速（WS_28m）(单位：米/秒)、风向（WD_28m）(单位：度)、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)、土壤温度（Ts_0cm、Ts_2cm、Ts_4cm、Ts_10cm、Ts_20cm、Ts_40cm、Ts_60cm、Ts_100cm、Ts_160cm、Ts_200cm、Ts_240cm）(单位：摄氏度)、土壤水分（Ms_2cm、Ms_4cm、Ms_10cm、Ms_20cm、Ms_40cm、Ms_60cm、Ms_100cm、Ms_160cm、Ms_200cm、Ms_240cm）(单位：体积含水量，百分比)、向上与向下光合有效辐射（PAR_up、PAR_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； 由于采集器内部电池供电不足，导致1月6日至9日，11月10日至12月14日间数据间断出现一些缺失；（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, 任志国, 谭俊磊
本数据集是基于MODIS数据进行处理和分析后得到，通过改进不同下垫面下的不同积雪提取算法，提高了积雪范围识别精度，同时利用隐马尔科夫去云算法和SSM/I雪水当量结合，最终生成完全无云的逐日积雪面积产品。取值范围： 1：积雪；0 非积雪。空间分辨率为0.005 度（约500m），时间范围是2000年2月24日至2019年12月31日。 数据格式为geotiff，推荐使用Arcmap或python +GDAL打开和处理数据
郝晓华
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19003365号-4 | All Rights Reserved
｜ 
京公网安备11010502040845号
