本数据集包含了青藏高原主要城市与县1970-2006年牲畜数量变化序列数据，用于研究青藏高原社会经济变化。 数据表共有十个字段 字段1：年 解释：数据的年份 字段2：省 解释：所属的省份 字段3：市/州 解释：所属的市或者州 字段4：县 解释：县的名称 字段5：大牲畜(万头) 解释：牛、马、骡、驴、骆驼等大牲畜的数量 字段6：牛群(万头) 解释：牛的数量 字段7：马属动物（万头）解释：马、骡、驴等马属动物的数量 字段8：马(万头) 解释：马的数量 字段9：羊(万头) 解释：羊的数量 字段10：数据来源 解释：数据摘取的来源 数据来自统计年鉴与县志，部分清单如下： [1] 甘肃年鉴编委会. 甘肃年鉴[J]. 北京：中国统计出版社，1984,1988-2009 [2] 云南省统计局. 云南统计年鉴[J]. 北京：中国统计出版社，1988-2009 [3] 四川省统计局，四川调查总队. 四川统计年鉴[J]. 北京：中国统计出版社，1987-1991，1996-2009 [4] 新疆维吾尔自治区统计局. 新疆统计年鉴[J]. 北京：中国统计出版社，1989-1996，1998-2009 [5] 西藏自治区统计局. 西藏统计年鉴[J]. 北京：中国统计出版社，1986-2009 [6] 青海省统计局. 青海统计年鉴[J]. 北京：中国统计出版社，1986-1994，1996-2008. [7] 互助土族自治县志编纂委员会. 互助土族自治县志[J]. 青海：青海人民出版社，1993 [8] 海晏县志编纂委员会. 海晏县志[J]. 甘肃：甘肃文化出版社，1994 [9] 门源县志编纂委员会. 门源县志[J]. 甘肃：甘肃人民出版社，1993 [10] 贵南县志编纂委员会. 贵南县志[J]. 陕西：三秦出版社，1996 [11] 贵德县志编纂委员会. 贵德县志[J]. 陕西：陕西人民出版社，1995 [12] 尖扎县志编纂委员会. 尖扎县志[J]. 甘肃：甘肃人民出版社，2003 [13] 达日县志编纂委员会. 达日县志[J]. 陕西：陕西人民出版社，1993 [14] 格尔木市志编纂委员会. 格尔木市志[J]. 北京：方志出版社，2005 [15] 德令哈市志编纂委员会. 德令哈市志[J]. 北京：方志出版社，2004 [16] 天峻县志编纂委员会. 天峻县志[J]. 甘肃：甘肃文化出版社，1995 [17] 乃东县志编纂委员会. 乃东县志[J]. 北京：中国藏学出版社，2006 [18] 古浪县志编纂委员会. 古浪县志[J]. 甘肃：甘肃人民出版社，1996 [19] 阿克塞哈萨克族自治县志编纂委员会. 阿克塞哈萨克族自治县志[J]. 甘肃：甘肃人民出版社，1993 [20] 岷县志编纂委员会. 岷县志[J]. 甘肃：甘肃人民出版社，1995 [21] 宕昌县志编纂委员会. 宕昌县志[J]. 甘肃：甘肃文化出版社，1995 [22] 宕昌县志编纂委员会. 宕昌县志(续编)(1985-2005)[J]. 甘肃：甘肃文化出版社，2006 [23] 文县志编纂委员会. 文县志[J]. 甘肃：甘肃文化出版社，1997 [24] 康乐县志编纂委员会. 康乐县志[J]. 上海：三联书店. 1995 [25] 积石山(保安族 东乡族 撒拉族)自治县志编纂委员会. 积石山(保安族 东乡族 撒拉族)自治县志[J]，甘肃：甘肃文化出版社，1998 [26] 碌曲县志编纂委员会. 碌曲县志[J]. 甘肃：甘肃人民出版社，2006 [27] 舟曲县志编纂委员会. 舟曲县志[J]. 上海：三联书店. 1996 [28] 夏河县志编纂委员会. 夏河县志[J]. 甘肃：甘肃文化出版社，1999 [29] 卓尼县志编纂委员会. 卓尼县志[J]. 甘肃：甘肃民族出版社，1994 [30] 迭部县志编纂委员会. 迭部县志[J]. 甘肃：兰州大学出版社，1998 [31] 彭县志编纂委员会. 彭县志[J]. 四川：四川人民，1989 [32] 灌县志编纂委员会. 灌县志[J]. 四川：四川人民出版社，1991 [33] 温江县志编纂委员会. 温江县志[J]. 四川：四川人民出版社，1990 [34] 什邡县志编纂委员会. 什邡县志[J]. 四川：四川大学出版社，1988 [35] 天全县志编纂委员会. 天全县志[J]. 四川：四川科学技术出版社，1997 [36] 石棉县志编纂委员会. 石棉县志[J]. 四川：四川辞书出版社，1999 [37] 芦山县志编纂委员会. 芦山县志[J]. 四川：方志出版社，2000 [38] 红原县志编纂委员会. 红原县志[J]. 四川：四川人民出版社，1996 [39] 汶川县志编纂委员会. 汶川县志[J]. 四川：巴蜀书社，2007 [40] 得荣县志编纂委员会. 得荣县志[J]. 四川：四川大学，2000 [41] 白玉县志编纂委员会. 白玉县志[J]. 四川：四川大学出版社，1996 [42] 巴塘县志编纂委员会. 巴塘县志[J]. 四川：四川民族出版社，1993 [43] 九龙县志编纂委员会. 九龙县志续篇(1986-2000)[J]. 四川：四川科学技术出版社，2007 [44] 贡山独龙族怒族自治县志编纂委员会. 贡山独龙族怒族自治县志[J]. 北京：民族出版社，2006 [45] 泸水县志编纂委员会. 泸水县志[J]. 云南：云南人民出版社，1995 [46] 德钦县志编纂委员会. 德钦县志[J]. 云南：云南民族，1997 [47] 于田县志编纂委员会. 于田县志[J]. 新疆：新疆人民出版社，2006 [48] 策勒县志编纂委员会. 策勒县志[J]. 新疆：新疆人民出版社，2005 [49] 和田县志编纂委员会. 和田县志[J]. 新疆：新疆人民出版社，2006 [50] 新疆且末县地方志编纂委员会. 且末县志[J]. 新疆：新疆人民出版社，1996 [51] 新疆莎车县志编纂委员会. 莎车县志[J]. 新疆：新疆人民出版社，1996 [52] 叶城县志编纂委员会. 叶城县志[J]. 新疆：新疆人民出版社，1999 [53] 新疆阿克陶县地方志编纂委员会. 阿克陶县志[J]. 新疆：新疆人民出版社，1996 [54] 新疆乌恰县地方志编纂委员会. 乌恰县志[J]. 新疆：新疆人民出版社，1995

基于青藏高原国家气象站站点数据通过PRISM模型插值生成的高原气象要素分布图，主要包括气温和降水。 青藏高原1961-1990月均温分布图(30年平均值)： t1960-90_1.e00，t1960-90_2.e00，t1960-90_3.e00，t1960-90_4.e00，t1960-90_5.e00， t1960-90_6.e00，t1960-90_7.e00，t1960-90_8.e00，t1960-90_9.e00，t1960-90_10.e00， t1960-90_11.e00，t1960-90_12.e00 青藏高原1991-2020月均温分布图(30年平均值)： t1991-20_1.e00，t1991-20_2.e00，t1991-20_3.e00，t1991-20_4.e00，t1991-20_5.e00， t1991-20_6.e00，t1991-20_7.e00，t1991-20_8.e00，t1991-20_9.e00，t1991-20_10.e00， t1991-20_11.e00，t1991-20_12.e00， 青藏高原1961-1990月降水分布图(30年平均值)： p1960-90_1.e00，p1960-90_2.e00，p1960-90_3.e00，p1960-90_4.e00，p1960-90_5.e00， p1960-90_6.e00，p1960-90_7.e00，p1960-90_8.e00，p1960-90_9.e00，p1960-90_10.e00， p1960-90_11.e00，p1960-90_12.e00 青藏高原1991-2020月降水分布图(30年平均值)： p1991-2020_1.e00，p1991-2020_2.e00，p1991-2020_3.e00，p1991-2020_4.e00，p1991-2020_5.e00， p1991-2020_6.e00，p1991-2020_7.e00，p1991-2020_8.e00，p1991-2020_9.e00，p1991-2020_10.e00， p1991-2020_11.e00，p1991-2020_12.e00， 数据时间范围分为1961-1990年、1991-2020年。 数据覆盖的空间范围为东经73°～104.95°，北纬26.5°～44.95°，空间分辨率0.05度×0.05度（经度×纬度），大地坐标投影。 名称解释： 月均温：一个月中每天的日平均气温的平均数； 月降水：一个月降水量的总和。 量纲：数据的文件格式为E00文件，DN值为1～12月的月均温平均值（×0.01℃）、月降水平均值（×0.01mm）。 数据类型：整型。 数据精度：0.05度×0.05度（经度×纬度）。 本数据原始来源为两组数据集：1）青藏高原及周边地区128个气象站自建站至2000年的月均温、月降水观测资料；2）青藏高原50×50km网格的HadRM3区域气候情景模拟数据，即1991-2020年下月平均温度、月降水模拟值。 1961-1990年，对源数据集采用PRISM（Parameter elevation Regressions on Independent Slopes Model）插值方法生成网格数据，基于站点数据对插值模型进行调参和验证。1991-2020年，对区域气候情景模拟数据以地形趋势面插值方法降尺度生成网格数据。部分源数据来自GCM模型模拟的结果：GCM模型采用Hadley Centre climate model HadCM2-SUL。 a) Mitchell JFB, Johns TC, Gregory JM, Tett SFB (1995) Climate response to increasing levels of greenhouse gases and sulphate aerosols. Nature, 376, 501-504. b) Johns TC, Carnell RE, Crossley JF et al. (1997) The second Hadley Centre coupled ocean-atmosphere GCM: model description, spinup and validation. Climate Dynamics, 13, 103-134. 对气象数据进行空间插值采用PRISM (Parameter-elevation Regressions on Independent Slopes Model)方法： Daly,C., R.P. Neilson, and D.L. Phillips, 1994: A statistical-topographic model for mapping climatological precipitation over mountainous terrain. J. Appl. Meteor., 33, 140~158. 因高原地区观测条件艰苦，基础研究数据缺乏，部分地区气象数据有缺失的现象。本数据集经调参和验证，精度尚可，但仅可做为宏观尺度气候研究的参考之用。青藏高原1961-1990月均温分布数据平均相对误差率为8.9%，青藏高原1991-2020月均温分布数据平均相对误差率为9.7%，青藏高原1961-1990月降水分布数据平均相对误差率为20.9%，青藏高原1991-2020月降水分布数据平均相对误差率为22.7%。对部分缺失数据的区域进行了插补，对明显错误的个别数值进行了修改。

本数据包含两个数据文件，GLOBELAND30 TILES（原始数据）和TIBET_ GLOBELAND30_MOSAIC（镶嵌数据）。 原始数据下载自全球地表覆盖数据网站（GlobalLand3）（http://www.globallandcover.com），范围涵盖青藏高原及周边地区。原始数据分幅存储，为了便于用户使用数据，在分幅数据的基础上，我们使用Erdas软件对原始数据进行了拼接镶嵌。 全球地表覆盖数据（GlobalLand30）是国家863计划重点项目“全球地表覆盖遥感制图与关键技术研究”的科研成果，该数据利用美国陆地卫星影像（TM5、ETM+）和中国环境减灾卫星（HJ-1）影像数据，采用基于像素分类-对象提取-知识检核的综合方法提取而成。数据包括耕地、森林、草地、灌木、湿地、水体、苔原、人造覆盖、裸地、冰川和永久积雪10个一级地表覆盖类型，没有进行二级类型提取。在准确度评估方面，评估九种类型和超过150,000个测试样品。GlobeLand30-2010的整体精度达到80.33％。Kappa指标为0.75。 GlobeLand30数据采用WGS84坐标系，UTM投影，6度分带，参考椭球为WGS 84椭球。根据不同的纬度情况，采用2种分幅方式进行数据组织。在南北纬60°区域内，按照5°（纬度）×6°（经度）大小进行分幅；在南北纬60°至80°区域内，按照5°（纬度）×12°（经度）大小进行分幅，按照奇数6°带的中央经线进行投影。 GLOBELAND30 TILES：原始数据保留数据原貌，未进行处理。 TIBET_ GLOBELAND30_MOSAIC：使用erdas软件对原始数据进行镶嵌，参数设置使用默认值原始数据保留数据原貌，精度同下载网站。

该数据集包含了2016年9月份在玛多县高寒草原和高寒草甸的样方调查数据。样方大小为50cm×50cm。调查内容包括覆盖度、物种名称、植被高度、生物量（干重和鲜重）、样方的经纬度坐标、坡度、坡向、坡位、土壤类型、植被类型、地表特征（凋落物、砾石、风蚀、水蚀、盐碱斑等）、利用方式、利用强度等。

据根据科学考察编制的中国沼泽图解译的1970年代的青藏高原湿地格局以及由landsat TM(30m分辨率)卫星影像数据解译的2000年代青藏高原湿地格局。 70年代中国沼泽图解译，2006-2009年landsat TM影像目视解译： a) 全区自然区划的基础上，参考不同自然地理单元和实际调查获得的数据资料，建立不同湿地类型的解译标志。 b) 根据建立的解译标志，采用人工目视的方法初步提取面积大于10 km2的湿地（不包括永久性、季节性河流和河床）。 c) 根据解译结果，配合研究区90m分辨率地形图以及研究区范围内湿地斑块调查的实际情况，人工进行斑块修改和补充。 70年代数据根据长春地理所青藏高原科学考察编制的中国沼泽图解译获得。 2000年代湿地数据来源于landsat TM(30m分辨率)卫星影像数据。 数据质量良好。

该数据集包含了2016年至2017年之间在三江源地区的珍稀动物调查数据，记录了调查点的经纬度、样线长度、动物发现的时间、动物名称、数量、出现的位置、栖息地类型、所属科等。

青藏高原被称为“世界第三极”和“亚洲水塔”，一个较为准确的青藏高原冻土图对当地寒区工程和环境建设有着重要意义。因此，为了满足工程和环境需求，通过多源遥感数据（高程、MODIS地表温度、植被指数和土壤水分）建立决策树对青藏高原多年冻土和季节冻土进行了划分。数据为栅格格式，DN=1为多年冻土；DN=2为季节冻土。 其中高程数据来自于1kmx1km的中国DEM（Digital Elevation Model）数据集（http://westdc.westgis.ac.cn）；地表温度是欧阳斌等通过 Sin-Linear 法拟合后的日平均地表温度年均值。文中在MODIS 地表度产品用Sin-Linear 法拟合估算出日平均地表温度基础上，为了缩小与已有冻土图前后时间差异，以研究区2003年地表温度做为冻土分类的信息源；植被信息采用Aqua 和Terra 星的2003 年 16 天合成产品数据（MYD13A1 和 MOD13A1）提取植被指数值；土壤水分值根据 2003 年 AMSR-E观测质量较好的5月份升轨数据得到。因此，基于以上数据信息，以1:300万青藏高原冻土图和1:400万<<中国冰川冻土沙漠图>>为先验信息得到决策树的分类阈值，从而对青藏高原的冻土类型进行分类。 最后，对于分类结果利用西昆仑山、改则和温泉的调查冻土图以及其它已有的青藏高原冻土图进行了验证和对比，统计结果显示基于多源遥感信息的青藏高原冻土图多年冻土面积占青藏高原总面积的42.5%（111.3 × 104 km²），季节冻土面积占青藏高原总面积的53.8% (140.9 × 104 km²)，这个结果与先验图（1:300万青藏高原冻土图）具有较好的一致性。此外，文中基于不同冻土图之间的总体精度和Kappa系数表明：不同方法编制或模拟的青藏高原冻土图在空间分布格局上基本保持一致，而分类不一致的地方大部分在多年冻土与季节冻土的分界边缘地带。

青藏高原平均海拔4000m以上，是北半球中低纬度海拔最高、积雪覆盖最大的地区。积雪不仅是青藏高原季节性变化最大的下垫面和重要的生态环境组成要素，冰雪融水是高原及其下游地区重要的水资源。同时，高原积雪作为一种重要的陆面强迫因子，与东亚、南亚季风以及长江中下游的旱涝等灾害性天气紧密相关，是短期气候预测的重要指示因子和全球气候变化最为敏感的响应因子之一。积雪深度是指积雪表面到地面的垂直深度，是表征积雪特征的重要参数和常规气象观测要素之一，是估算雪水当量、研究积雪气候效应、流域水量平衡和融雪径流模拟以及监测和 评估雪灾发生和等级划分的重要参数。 在本数据集中，青藏高原边界采用了以自然地貌为主导因素，同时综合考虑海拔高度、高原面和山地完整性原则确定的高原范围。高原主体部分在西藏自治区和青海省，面积257.2万km²，约占我国陆地总面积的26.8%。雪深观测数据是经过质量检测和质量控制的逐月最大雪深资料。研究范围内共有102个气象站，多数始建于20世纪50-70年代，部分站点在这一时期存在有，些月份或年份缺测情况，最后采用了1961-2013年有完整观测记录的时间。时间分辨率为逐日，覆盖范围为青藏高原,其所有数据进行了质量控制。准确而详实的高原雪深数据对气候变化诊断、亚洲季风的演变和区域融雪水资源的管理具有重要意义。

该数据集是基于GIMMS 最新版本的NDVI数据集GIMMS3g version 1.0估算的三江源地区去的植被生长季开始（Start of Season: SOS）和生长季结束的日期（End of Season: EOS）。分别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2015年，空间分辨率为8km。

本数据集来源于MODIS 005版本和IMS数据集，进行了去云处理后融合的逐日无云积雪面积产品。取值范围：0%-100%。200：积雪；100： 湖冰；25：陆地；37：海洋。空间分辨率为0.005 度（约500m），时间范围是2002年7月5日至2014年12月31日。

该数据集是玛多地区2016年7月、8月、9月的植被指数（NDVI），基于高分一号的多光谱数据计算得到，空间分辨率为16m。对高分一号数据进行镶嵌、转投影、裁切等处理，然后在7月、8月、9月中每个月进行最大化合成。