我们提出利用U-net网络进行冰裂隙识别探测的算法，可以实现格陵兰冰盖典型冰川冰裂隙的自动化探测。基于Sentinel-1 IW每年7、8月的数据，为了抑制SAR图像的相干斑噪声，选择Probabilistic Patch-Based Weights (PPB)算法进行滤波，然后选择具有代表性的样本输入U-net网络进行模型训练，根据训练的模型进行冰裂隙的预测。以格陵兰2个典型冰川（Jakobshavn、Kangerdlussuaq）为例分类结果的平均准确率可达94.5%，其中裂隙区域的局部准确率可达78.6%，召回率为89.4%。

我们提出利用U-net网络进行冰裂隙识别探测的算法，可以实现南极冰裂隙的自动化探测。基于Sentinel-1 EW 1月、2月的数据，为了抑制SAR图像的相干斑噪声，选择Probabilistic Patch-Based Weights（PPB）算法进行滤波，然后选择具有代表性的样本输入U-net网络进行模型训练，根据训练的模型进行冰裂隙的预测。以南极5个典型冰架（Amery、Fimbul、Nickerson、Shackleton、Thwaiters）为例分类结果的平均准确率可达94.5%，其中裂隙区域的局部准确率可达78.6%，召回率为89.4%。

本数据集分别利用ICESat数据（2003年2月至2009年10月）、Cryosat-2数据（2010年8月至2018年10月）和ICESat-2数据（2018年10月至2020年12月）提供了格陵兰冰盖三个不同时期的高程变化率。数据显示，三个不同时期格陵兰冰盖高程变化率分别为-12.19±3.81 cm/yr、-19.70±3.61 cm/yr和-23.39±3.06 cm/yr。经过和前任研究对比，误差在正常范围内。

太阳总辐射和散射采用辐射表（CM22, Kipp & Zonen, 荷兰）测量，波长范围200-3600 nm。温湿度数据来源于IPEV/PNRA 项目 “Routine Meteorological Observation at Station Concordia” ，http://www.climantartide.it，地面水汽压单位为hPa。本数据集包括：利用经验模型计算的地面太阳总辐射、损失于大气中的吸收和散射辐射（小时累计值，单位MJ/m2）、大气顶和地表反照率；还包括散射因子（S/G）地面水汽压（E，单位hPa）。太阳辐射数据来源于数据提供者的计算、实验站测量，数据覆盖时间为2006-2016年（Bai, J.; Zong, X.; Lanconelli, C.; Lupi, A.; Driemel, A.; Vitale, V.; Li, K.; Song, T. 2022. Long-Term Variations of Global Solar Radiation and Its Potential Effects at Dome C (Antarctica). Int. J. Environ. Res. Public Health, 19, 3084. https://doi.org/10.3390/ijerph19053084）。该数据集可以用于南极Dome C地区太阳辐射及其衰减等相关研究。地面太阳辐射和其他气象数据可以参考：https://doi.org/10.1594/PANGAEA.935421

太阳总辐射采用辐射表（CM21, Kipp & Zonen, 荷兰）测量，波长范围200-3600 nm。温湿度分别采用温湿度传感器HMP45C-GM （Vaisala Inc., Vantaa, Finland）测量。本数据集包括：利用经验模型计算的地面太阳总辐射、损失于大气中的吸收和散射辐射（小时累计值，单位MJ/m2）、大气顶和地表反照率；还包括散射因子（AF）地面水汽压（E，单位hPa）。太阳辐射数据来源于数据提供者的计算、实验站测量，数据覆盖时间为2007-2020年。关于数据处理和太阳总辐射计算等可参考文献：Bai, J.; Zong, X.; Ma, Y.; Wang, B.; Zhao, C.; Yang, Y.; Guang, J.; Cong, Z.; Li, K.; Song, T. 2022. Long-Term Variations in Global Solar Radiation and Its Interaction with Atmospheric Substances at Qomolangma. Int. J. Environ. Res. Public Health, 19, 8906. https://doi.org/10.3390/ijerph19158906。该数据集可以用于珠峰地区太阳辐射及其衰减等相关研究。珠峰站太阳辐射和其他气象数据可以参考：https://data.tpdc.ac.cn/zh-hans/data/b9ab35b2-81fb-4330-925f-4d9860ac47c3/。

植被覆盖度（Fractional vegetation cover, FVC）表示植被地面垂直投影面积与研究区总面积的百分比，是衡量生态保护和生态恢复有效性的重要指标，被广泛应用于气候、生态和土壤侵蚀等领域。FVC不仅是反映植被生产能力的理想参数，而且在评估地形差异、气候变化和区域生态环境质量时也能发挥较好的作用。本研究工作主要是对两套GLASS FVC数据进行后处理，通过数据融合、剔除异常值和剪裁后给出较为可靠的2013年和2018年的环北极圈（范围为北纬66°以北）和青藏高原（范围为北纬26°到39.85°，东经73.45°到104.65°）的植被覆盖度情况。

南极半岛植被数据来源于时空三级环境大数据平台的南极先锋植被覆盖分类数据，通过实测光谱匹配遥感影像，应用纯像元PPI提取出苔藓、地衣、岩石、海、积雪的端元波谱和应用线性混合模型LMM（Linear Mixture Model）计算得到。菲尔德斯半岛特色植被覆盖度根据其与丰度的相关线性关系获得。数据格式为geotiff格式。数据内容是南极半岛典型年典型区植被覆盖度。本研究工作通过对南极半岛典型区典型年植被覆盖度后处理后生成tif栅格格式产品，栅格主体数值为植被盖度。本研究得到的南极半岛典型区植被覆盖度是将南极先锋植物丰度数据产品进行镶嵌，包括南极半岛及周边植物丰度数据产品。通过ArcGIS将南极半岛典型区域包括Adley，北部和南部镶嵌在一起，得到包括2008年、2017年和2018年的光谱角匹配法（SAM）和光谱信息散度法（SID）识别出的6幅植被覆盖度图。

自动气象站已经被证明是监测冰川/盖近地表气象要素来确定表面能量收支从而量化冰川/盖消融及其对气候变化响应的强有力的工具。本数据集介绍了PANDA断面自动气象站网络，该网络共包括11个自动气象站（AWS），中山站，Panda 100，Panda 200，Panda 300，Panda 400，泰山站，Eagle，Panda 1100，Dome A，昆仑站和Panda S，该断面网络横跨Prydz湾- amery冰架-Dome A地区，从海岸到东南极洲冰盖的顶部。该网络断面大致沿经度~77°E，纬度范围为69.37°S-82.33°S，覆盖了东南极地区所有的地理和气候单元。该网络中所有自动气象台每隔1小时测量一次气温、相对湿度、气压、风速和风向，部分自动气象站还能测量地表温度和短波/长波辐射。所有的自动站数据是通过ARGOS系统实时传输的。数据质量是非常可靠的，其中Dome A及Eagle站等数据已经被广泛使用。目前该数据集已经被我们更新到2021年，除中山站和Panda S外，其余各站都是多层观测，主要为有1/2/4/6m四种高度，数据已经经过严格的质量控制。我们将计划每年更新一次，该数据集对南极地区气候变化估计、极端天气事件诊断、数据同化、天气预报等都有非常重要的价值。

三极多年冻土活动层厚度融合了两套数据产品，主要参考数据为通过GCM模型模拟生成的1990-2015年活动层厚度逐年值。本数据集的数据格式为NetCDF4格式，数据空间分辨率为0.5°，时间分辨率为年。参考校正数据集为利用统计和机器学习（ML）方法模拟得到2000-2015年的活动层厚度平均值，数据格式为GeoTIFF格式，空间分辨率为0.1°，数据单位为m。本研究工作通过对两套数据进行数据格式转换、空间插值、数据校正等后处理操作，生成了NetCDF4格式的多年冻土活动层厚度数据，其空间分辨率为0.1°，时间分辨率为年，时间范围为1990-2015年，数据单位为cm。

三极多年冻土区碳通量原始数据通过GCM模型模拟生成，原始数据来源于http://www.cryosphere.csdb.cn/portal/metadata/5abef388-3f3f-4802-b3de-f4d233cb333b。本数据集包含了未来2046-2065年间不同典型浓度路径（Representative Concentration Pathways，RCP）下的未来情景预估，包括RCP2.6情景、RCP4.5情景、RCP8.5情景。原始数据包括青藏高原多年冻土区NPP和GPP等表征碳通量的参数，数据格式为NetCDF4格式，数据空间分辨率为0.5°，时间分辨率为年。本研究工作通过对其进行数据格式转换、空间插值等后处理操作，生成了NetCDF4格式的多年冻土区NPP和GPP数据，其空间分辨率为0.1°，时间分辨率为年，时间范围为2046-2065年，数据单位为gc/m2yr。

三极多年冻土活动层厚度原始数据通过GCM模型模拟生成，原始数据来源于http://www.cryosphere.csdb.cn/portal/metadata/5abef388-3f3f-4802-b3de-f4d233cb333b。本数据集包含了未来2046-2065年间不同典型浓度路径（Representative Concentration Pathways，RCP）下的未来情景预估，包括RCP2.6情景、RCP4.5情景、RCP8.5情景。原始数据内容是青藏高原冻土区活动层厚，数据格式为NetCDF4格式，数据空间分辨率为0.5°，时间分辨率为年。本研究工作通过对其进行数据格式转换、空间插值等后处理操作，生成了NetCDF4格式的多年冻土区活动层厚度，其空间分辨率为0.1°，时间分辨率为年，时间范围为2046-2065年，单位为cm。

三极多年冻土范围原始数据通过GCM模型模拟生成，原始数据来源于http://www.cryosphere.csdb.cn/portal/metadata/5abef388-3f3f-4802-b3de-f4d233cb333b。本数据集包含了未来2046-2065年间不同典型浓度路径（Representative Concentration Pathways，RCP）下的未来情景预估，包括RCP2.6情景、RCP4.5情景、RCP8.5情景。原始数据内容是青藏高原的永久冻土和季节冻土的空间范围，数据格式为NetCDF4格式，数据空间分辨率为0.5°，时间分辨率为年。本研究工作通过对其进行数据格式转换、空间插值等后处理操作，生成了NetCDF4格式的多年冻土范围数据，其空间分辨率为0.1°，时间分辨率为年，时间范围为2046-2065年，多年冻土用1表示，季节冻土用0表示。