包括典型冰川（浪卡子县枪勇冰川：东经90.23°，北纬28.88°，海拔4898米，地表覆被为基岩；申扎县甲岗山冰川：东经88.69°，北纬30.82°，海拔5362米，地表覆被为碎石和杂草）2019-2020年自动气象观测数据。枪勇冰川记录包含1.5米温度、1.5米湿度、2米风速、2米风向、地表温度等数据。该自动气象站的数据采用USB离线获取的方式收集，初始记录时间为2019年8月6日19时10分，记录间隔为10分钟，2019年10月24日现场下载数据，未能连接上。2020年12月20日16:30到现场下载数据，仍然无法连接到电脑，于是将数采仪取回带到北京后将数据读出。数据未缺失，但风速数据在2020年7月14日9:30之后有问题（极可能是风向标被破坏所致）。甲岗山冰川初始记录时间为2019年8月9日15时00分，记录间隔为1分钟，电源主要是通过蓄电池和太阳能板来维持。该自动气象站无内部存储，数据每小时通过GPRS上传至HOBO网站，由专人定期下载。2020年1月5日23:34，1.5米温湿度传感器出现异常，温度和湿度数据丢失。2020年6月30日21:20之后所有数据完全无法通过网站下载。2020年12月19日将数采仪取回，下载到2020年6月23日19:43至9月25日3:36的数据。之后更换温湿度传感器，于12月21日12:27重新开始观测。目前数据由三段组成（2019.8.9-2020.6.30；2020.6.23-2020.9.25；2020.12.19-2020.12.29），经检查，数据有部分缺失，个别数据因记录电池电压，时间上有重复，需要核对。甲岗山冰川前端气象观测数据使用美国ONSET 公司HOBO RX3004-00-01型号自动气象站采集，温湿度探头型号为S-THB-M002 ，风速风向传感器型号S-WSET-B ，地温温度传感器型号S-TMB-M006 。枪勇冰川前端气象观测数据使用美国ONSET 公司HOBO U21-USB型号自动气象站采集，温湿度探头型号为S-THB-M002 ，风速风向传感器型号S-WSET-B ，地温温度传感器型号S-TMB-M006 。
张东启
本数据集是在东绒布冰川通过野外架设气象站实测获得的气象观测资料，以excel形式存储，内含2个数据列表：Surface_energy_budget和Cycle。Surface_energy_budget数据集包括四分量辐射，风速风向温度湿度（1.5 m和2.5 m）。与辐射相关的气象要素为：向下短波、反射短波、向下长波、向上长波、净短波、净长波、净辐射、感热、潜热、地下传导热、云量（cloud index_根据Faiver et al. 2004, JGR）、南亚季风指数、反照率；Cycle列表，是5-7月气象要素的日循环值；第1行字段名称前缀“1”、“2”和“3”表示观测期的三个时段，分别是：1 May-28 May、29 May -16 June、17 June - 22 July。
刘伟刚
横断山冰川的消融观测，主要在贡嘎山东坡海螺沟冰川和贡嘎山西坡大、小贡巴冰川上进行。另外，在玉龙山东坡白水1号冰川上也作了一些消融观测。从上述两条山脉四条冰川的消融观测来看，还是有一定的区域代表性，使它们反映出横断山冰川消融的基本情况。本数据集记录了不同时间不同地点观测点的冰川消融数据：1982 年6-8月，玉龙山东坡白水1号冰川海拔4200m、4 600m和4800m三个高度的冰面消融观测数据。1982 年8月27日至1983 年8月底，贡嘎山东坡海螺沟冰川舌部不同高度的全年实测数据。1982年7月12日至1983年8月6日,贡嘎山西坡贡巴冰川消融观测数。
李吉均
该数据集为可可西里地区冰川分布状况记录，包含了可可西里地区各山地现代冰川分布状况，可可西里地区各流域现代冰川分布， 可可西里地区不同山地高度段内现代冰川分布状况三个表格。地处青藏高原腹地的可可西里地区，平均海拔在5000m以上，气候严寒。根据中国冰川目录和作者在1/10万地形图上重新统计，全区发育现代冰川437条，覆盖面积达1552.39平方千米，冰储量为162.8349立方千米，成为本区众多河流湖泊水体的重要补给源泉。通过该数据集可以更加深入了解该区冰川分布规律等。
李炳元
该数据集包含纳木那尼冰川（北支）2008-2018年的年物质平衡数据，侧碛和末端自动气象站2011-2019年日气象数据及冰面上2018-2019年的月均气温和相对湿度数据。 冰川物质平衡数据观测时间为每年9月底或10月初，采用冰面测杆和雪坑结合的方法进行观测，获取测杆点的物质平衡数据，然后计算整条冰川的年净物质平衡（具体方法见参考文献）。 2台自动气象站（AWSs，Campbell公司）分别安装在纳木那尼冰川侧碛和末端。AWS1观测时间为2011年10月1日-2018年11月30日，观测数据包括气温(℃)、相对湿度(%)、太阳辐射(W/m2)，仪器半小时记录一次气象资料。AWS2观测时间为2010年10月19日-2018年11月30日，观测数据包括风速(m/s)、大气压(hPa)、降水 (mm)，仪器每小时记录一次气象资料。首先剔除原始记录中的少量异常数据，然后计算这些参数的日值。数据质量方面：原始数据质量较好，缺失较少。 两个温湿度探头（型号：Hobo MX2301）于2018年安装于冰面，半小时记录一次数据。将半小时数据处理为月均值。原始数据质量较好，没有缺失。 数据以excel文件存储。 该观测资料可以为研究喜马拉雅西段北坡气候、冰川、水资源及其之间的关系提供重要的基础数据，可供研究气候、水文、冰川等的科研工作者使用。
赵华标
本数据集包括南极冰盖花杆、冰（雪）芯/雪坑、自动气象站高度仪和探地雷达观测的日平均、年平均和多年平均表面物质平衡数据。数据来自已发表的文献，数据报告及国际数据共享平台，经质量控制后，形成了到目前为止最为完善的南极冰盖表面物质平衡日、年和多年分辨率的数据集，其中年分辨率表面物质平衡数据跨度过去1000年。该数据集主要用于冰川学、气候学及水文学等学科领域，特别地可用于南极表面物质平衡时空变化定量分析，气候模式验证，驱动冰盖模式和粒雪化模型等等。
王叶堂
该数据提供了南极冰盖2013年-2019年间的年度冰流速产品，该产品是第一个采用Landsat 8 光学影像的全色波段（15米分辨率）获取的南极冰川流速年度产品。所使用的影像时间段为2013年12月-2019年4月。该南极年度冰流产品共采用了超过8万景Landsat 8影像，超过25万景形变测量结果。洲际冰流速产品采用了非局部均值滤波误差处理方法，裸岩区域作为标定的处理方法，提高了冰流的细节和定位精度。是至今为止南极覆盖最全、分辨率最高的年度产品。该产品可以作为评估南极冰盖物质平衡的重要基础资料，也可以作为冰川模型的标定产品。
沈强
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月南极冰盖质量变化数据。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-FO (2018年六月至今）。由于GRACE和GRACE-FO之间有一年左右数据间断，我们额外采用了由欧洲空间局ESA的Swarm星座GPS数据反演得到的重力场数据（2013年12月至2019年12月）。所采用GRACE重力场数据为德州大学奥斯丁空间研究中心（CSR）、德国地学研究中心（GFZ）、美国宇航局喷气推进实验室（JPL）以及俄亥俄州立大学（OSU）四家机构发布产品的加权平均模型。GRACE数据后处理包括：用SLR数据解算结果替换GRACE低阶重力场参数（degree-1, C20和C30），去条带滤波，300公里高斯平滑，ICE6-G_D（VM5a）GIA模型，信号泄露误差改正，椭球误差改正等。
张宇, 沈嗣钧
青藏高原五大河源区冰川径流数据集覆盖时间从1971年到2015年, 时间分辨率为逐年，覆盖范围为青藏高原五条大江大河源区(黄河源，长江源，澜沧江源，怒江源，雅鲁藏布江源)。 数据以多源遥感和实测数据为基础，使用青藏高原五大河源区及其周边气象站点日尺度气象数据、UMD-1KM的全球植被产品、IGBP-DIS土壤数据库、第一、二次冰川编目数据等驱动模型，耦合了冰川模块的分布式水文模型VIC-CAS模拟形成了冰川径流数据。并使用站点实测数据对模拟结果进行了验证, 增强质量控制。 数据指标包含：冰川径流率（Rate of glacier runoff: %），总径流（Total Runoff，mm/a），雪径流率（Rate of snow runoff: %），降雨径流率 （降雨径流率:%）。
王世金
这组数据是1974-2016年期间珠峰北坡绒布流域三条绒布冰川及表碛覆盖冰川三个时间段的年均冰储量变化数据集，采用ESRI 矢量多边形格式存储,是由三个阶段的DEM高程差数据DHPRISM2006-DEM1974（DH2006-1974）、DHSRTM2000-DEM1974（DH2000-1974）、DHASTER2016-SRTM2000（DH2016-2000），结合冰川覆盖专题矢量数据、冰密度 850 ± 60 kg m−3计算而来。DHPRISM2006-DEM1974, or DH2006-1974, 是2006年PRISM2006 数据和1974年DEM1974之间的高程差,即DH2006-1974 =PRISM2006 – DEM1974。PRISM2006是由2006年12月4日的光学立体像对遥感数据ALOS/PRISM生成。DEM1974是由我国早期1:50,000地形图生成的，这两期DEM都采用横轴墨卡托投影、Krasovsky1940椭球体。PRISM2006与DEM1974配准后，非冰川区高程数据精度为±0.24 m a-1。DHSRTM2000-DEM1974（DH2000-1974）是，2000年SRTM与DEM1974的高程差，两期DEM数据配准后，非冰川区高程数据精度为±0.03 m a-1。DHASTER2016-SRTM2000（DH2016-2000）是基于Brun et al. (2017) 发布的冰面高程差数据，采用与DH2006-1974、DH2000-1974一样的数据处理方法与处理过程而得到, 在非冰川区高程数据精度为±0.08 m a-1。表格中包括的数据项有：Shape_Area,冰川面积(m2)、Name冰川名,EC74_00表示1974-2000年间平均每条冰川每年的冰面高程变化（m a-1），EC00_16表示2000-2016年间冰川每年的冰面高程变化（m a-1），EC74_2006是1974-2006年间冰川年均冰面高程变化（m a-1），MB74_00表示1974-2000年间每条冰川年均冰川物质平衡数据（m w.e. a-1），MB00_16表示2000-2016年每条冰川年均冰川物质平衡数据（m w.e. a-1），MB74_2006表示1974-2006年每条冰川年均冰川物质平衡数据（m w.e. a-1），MC74_2000表示1974-2000年间每条冰川每年冰储量变化（m3 w.e. a-1），MC00_2016表示2000-2016年间每条冰川每年的冰储量变化（m3w.e. a-1），MC74_2006表示1974-2006年间每条冰川每年的冰储量变化（m3w.e. a-1）, Uncerty_EC,是每条冰川冰面高程变化的最大误差范围（m a-1）、Uncerty_MB,是每条冰川冰川物质平衡的最大误差（m w.e. a-1），Uncerty_MC, 是每条冰川冰储量变化的最大误差（m3w.e. a-1）。 MinUnty_EC，是每条冰川冰面高程变化的最小误差范围，MinUnty_MB，每条冰川冰川物质平衡的最小误差（m w.e. a-1），MinUnty_MC是每条冰川冰储量变化的最小误差（m3w.e. a-1）。该组数据可用于喜马拉雅山脉与高亚洲地区冰川变化、冰川消融水文水资源效应及其气候原因。
叶庆华
利用2004年2月至2008年10月ICESat R633卫星测高数据使用重复轨道平面拟合方法，获取南极Lambert Glacier/Amery Ice Shelf system区域的高程变化，使用IJ05 R2模型进行GIA 改正、投影面积变形改正，进而得到 30km*30km 分辨率的表面高程变化率，通过粒雪密度模型将结果转换为物质变化，和重力卫星 GRACE 重力卫星时变模型所得南极物质变化进行比较。
谢欢, 李荣兴
近年来，随着南极冰盖消融的加速，在冰盖表面形成了大量冰面融水。深入理解南极冰盖冰面融水的时空间分布，掌握冰面融水动态变化，对于研究南极冰盖物质平衡具有重要意义。本数据集是基于Landsat影像提取的2000-2019年南极冰盖典型消融区（南极半岛亚历山大岛）30m冰面融水数据集。本数据集投影为极地方位投影，数据集格式为矢量（shp）和栅格（tif），时间集中在每年的12月至次年2月（南半球夏季）。
杨康
这组数据是1974-2013年期间喜马拉雅山脉西段纳木那尼峰地区年均冰川物质平衡变化和冰储量变化数据集，采用ESRI 矢量多边形格式存储，是由两个阶段的DEM高程差数据DHSRTM2000-DEM1974（即DH2000-1974）、DHTanDEM2013-SRTM2000（DH2013-2000），结合冰川覆盖专题矢量数据、冰密度 850 ± 60 kg m−3计算而来。DHSRTM2000-DEM1974（DH2000-1974）, 是2000年SRTM DEM2000数据和1974年1:50,000的DEM1974之间的高程差,即DH2000-1974 =SRTM2000 – DEM1974。DEM1974是由我国1974年航拍照片绘制1:50,000地形图生成的，两期DEM数据配准后，非冰川区高程数据精度为±0.13 m a-1。DHTanDEM2013-SRTM2000（DH2013-2000），是基于2013年10月17日一对TerraSAR-X和TanDEM-X (TSX/TDX)雷达数据与2000年SRTM DEM数据、采用差分干涉技术（D-InSAR）获取,在非冰川区高程数据精度为±0.04 m a-1。 表格中包括的数据项有： Area,冰川面积(m2)、GLIMS_Id表示冰川编号，EC74_00表示1974-2000年间平均每条冰川每年的冰面高程变化（m a-1），EC00_13表示2000-2013年间冰川每年的冰面高程变化（m a-1），MB74_00表示1974-2000年间每条冰川年均冰川物质平衡数据（m w.e. a-1），MB00_13表示2000-2013年每条冰川年均冰川物质平衡数据（m w.e. a-1），MC74_2000表示1974-2000年间每条冰川每年冰储量变化（m3 w.e. a-1），MC00_2013表示2000-2013年间每条冰川每年的冰储量变化（m3 w.e. a-1）, Uncerty_MB是每条冰川年均冰川物质平衡数据误差（m w.e. a-1）， Uncerty_MC表示每条冰川每年的冰储量变化的最大误差范围（m3 w.e. a-1）。该组数据可用于喜马拉雅山脉与高亚洲地区冰川变化、冰川消融水文水资源效应及其气候原因。
叶庆华
同济大学沈云中教授卫星重力团队利用GRACE Level-1B卫星重力数据解算了2002年至2016年的格陵兰区域质量变化时间序列，空间分辨率为1度×1度，时间分辨率为1个月。该时间序列的参考时间为2004年1月与2009年12月之间的中间时刻。 在数据处理过程中，采用ICE5G模型扣除冰后回弹GIA影响，同时利用德国地学研究中心最新发布的AOD1B RL06去混频模型，回加了GAD质量变化贡献。
沈云中
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。
张宇, 沈嗣钧
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。
刘晓婉
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
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
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
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05000491号 | All Rights Reserved
｜ 
京公网安备11010502040845号
数据中心技术支持: 数云软件
