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
第三极地区近期冰川变化因其对下游水资源供给的重要意义而成为周边各国政府关注的热点。第三极地区冰川表面高程变化数据产品基于获取于2000年的SRTM和2015年前后ASTER立体像对，在第三极地区范围内选了40余个典型冰川区来进行相应时段冰川表面高程估算。本产品共计估算了第三极地区超过14000条冰川2000-2015s时段内的表面高程变化，调查面积约占整个第三极地区冰川面积的25%。数据的覆盖范围为除阿尔泰山以外的整个第三极地区，空间分辨率为30m。
陈安安
三极冰芯数据主要来源于美国国家海洋与大气局（NOAA： National Oceanic and Atmospheric Administration, https://www.ncdc.noaa.gov/data-access/paleoclimatology-data/datasets/ice-core ）。原始数据主要是文本格式，由相关单位与研究人员志愿提供。数据主要包含了氧同位素、温室气体浓度、冰芯年龄、等原始观测数据，也包含研究者根据观测数据生产的历史气温、二氧化碳浓度、甲烷浓度等。数据主要分为南极、北极、格陵兰岛及第三极区域。数据库包含打钻地址、时间、衍生产品、对应观测站点数据、参考文献等要素。衍生产品包含产品名称、类型、时间等要素。空间位置分为南极、北极、第三极，包含阿拉斯加、加拿大、俄罗斯、格陵兰岛等地区。对收集的数据通过整理与后处理后，采用Microsoft Office自带的Access数据库管理系统建立冰芯数据库。按照南极、北极、格林兰岛、第三极，分成四个子数据库，打开每个数据库中第一个表为readme，该表包含每个数据表信息及参考文献。
叶爱中
本数据是通过建立雅鲁藏布江流域WEB-DHM分布式水文模型，以气温、降水、气压等作为输入数据，模拟输出的5km逐月水文数据集，包括格网径流与蒸发（若蒸发小于0,则表示凝华；若径流小于0，则表示当月降水小于蒸发）。本数据是通过建立雅鲁藏布江流域WEB-DHM分布式水文模型，以气温、降水、气压等作为输入数据，模拟输出的5km逐月水文数据集，包括格网径流与蒸发（若蒸发小于0,则表示凝华；若径流小于0，则表示当月降水小于蒸发）。
王磊
本项目是基于东天山庙尔沟冰芯(94°19′E,43°03′N,4518 m)生物活性元素Fe等元素数据，重建了1956-2004金属元素历史。数据内容：1956-2004年冰芯金属元素（包括：Fe, Cd, Pb, As, Ba, Al, S, Mn, Co和Ni）；数据来源，通过ICP-MS测试；数据质量：空白样品显著低于样品值，质量较好；数据应用成果及前景：数据已发表，具体信息见Du, Z., Xiao, C., Zhang, W., Handley, M. J., Mayewski, P. A., Liu, Y., & Li, X. (2019). Iron record associated with sandstorms in a central Asian shallow ice core spanning 1956–2004. Atmospheric environment, 203, 121-130.，可提供中亚其他冰芯对比研究。
杜志恒
冰川对区域和全球气候变化异常敏感，因此常被作为气候变化的指示器之一，其相关参数也是气候变化研究的关键指标，特别是在地球三极环境变化对比研究中，冰川速度的时间和空间差异性对比是气候变化研究的重点之一。但由于冰川基本位于高海拔、高纬度和高寒地区，自然环境恶劣、人迹罕至，缺乏且难以开展大规模冰川运动的常规现场测量工作，为了能够及时高效、全面和准确地了解三极地区冰川运动状况，利用雷达干涉测量、雷达和光学影像像素跟踪等方法获取了三极地区部分典型冰川2000-2017年部分年份的表面运动分布情况，为三极冰川运动的对比分析提供了基础资料。数据集包含12个栅格文件，栅格文件名为“某地区某时段冰川运动”，每一幅栅格图主要包含以某一典型冰川所在的区域流速分布。
闫世勇
本产品基于多源遥感DEM数据生成，步骤如下：以Landsat ETM+、SRTM 和ICESat遥感数据为参考在相对稳定和平坦的地形区域内选控制点。控制点水平坐标是以Landsat ETM+ L1T全色影像作为水平参考进行获取。控制点的高度坐标则主要通过ICESat GLA14高程数据进行获取，在无ICEsat分布的区域内以SRTM高程数据补充。利用选取的控制点和自动生成的连接点，通过Brown’s物理模型对透镜畸变和残余形变进行补偿，使得所有立体像对的空中三角测量结果中影像总RMSE<1个像素。为了对提取的DEM数据进行编辑以消除明显的高程异常值，采用了DEM内插、DEM滤波和DEM平滑等方法对冰川上的DEM进行了编辑，并对西昆仑-西和西昆仑-东区域的KH-9 DEM数据进行了拼接，从而形成产品。
周建民
本项目是基于东天山庙尔沟冰芯(94°19′E,43°03′N,4518 m)高氯酸等元素数据，重建了1956-2004高氯酸历史变化。数据内容：1956-2004年高氯酸浓度(包括：Cl-, NO3- 和SO42-)；数据来源，通过ESI-MS/MS测试；数据质量：空白样品显著低于样品值，质量较好；数据应用成果及前景：数据已发表，具体信息见Zhiheng Du, Cunde Xiao, Vasile I. Furdui C,Wangbin Zhang. (2019). The perchlorate record during 1956–2004 from Tienshan ice core, East Asia. Science of the Total Environment.可提供中亚其他冰芯对比研究。
杜志恒
冰盖高程变化数据首先利用2004年和2008年的GLAS12的数据获取两年间的重复轨道，在理想情况下每个轨道都是严格重复测量的，但由于轨道偏差，无法保证轨道按照设计严格重复，偏差在几米到几百米不定，取500m*500m的格网，认为落在同一格网内的点为重复轨道的重复点，相减获取2004-2008年的高程变化，获得年度的高程变化。在格陵兰中部地形平缓区域，高程变化较为准确，但在边缘地带，高程变化明显存在较大误差，可能是因为在边缘区域的坡度较大，500m*500m的范围内的点的高程会有较大的变化，因此在边缘区的高程变化有待改正。为对比不同的方法，采用2004年和2008年的GLAS12的春季数据获取这两年间的交叉点，2004年的降轨与2008年的升轨可以获得一组交叉点对应的高程变化；2004年的升轨与2008年的降轨也可以获得一组交叉点对应的高程变化。两组交叉点作为2004年到2008年的高程变化数据，采用克里金插值获得高程变化图。采用交叉点的方法获取的高程变化得到在边缘区域的结果有明显的改善，但在格陵兰东中部部分区域内的高程变化趋势有明显的误差，这些误差可能是季节性变化引起的。因此，采用2004年到2008年的GLAS12的春季数据获取每两年间的交叉点，每两年可以获得两组交叉点数据，总共获得十组交叉点。将这十组交叉点作为2004年到2008年的高程变化数据，与前两次比较发现，高程变化精度有所提高。
黄华兵
微波散射计冰盖冻融数据覆盖时间更新到2015年到2019年，空间分辨率为4.45km.时间分辨率为逐日，覆盖范围为南北极冰盖。基于微波辐射计的遥感反演方法考虑积雪特性在时空和空间上的变化，首先提取散射计数据的DVPR时间序列数据，有效利用散射计数据的高时间分辨率，同时利用通道差去除地形带来的影响；随后利用广义高斯模型对每一个采样点时间序列的方差值进行拟，以此来区分出干湿雪点，即确定融化范围，这种广义高斯模型相比于传统的双高斯模型需要的输入参数少，得到的阈值也具有唯一性；最后利用移动窗分割算法来精确找到湿雪点的融化开始时间、 结束时间以及持续时间， 可以有效地去除融化或非融化时期的温度突变所带来的影响。长时间序列星载微波散射计数据来自QSCAT和ASCAT两个传感器。通过实测站点的验证表明南极冰盖冻融探测精度在70%以上。数据每一天存放一个bin文件，基于微波散射计的南极冻融数据每个文件由810*680的栅格组成，格陵兰冰盖冻融数据每个文件由810*680的栅格组成（0值：非融化区域，1值：融化区域）。
梁雷
微波辐射计冰盖冻融数据集覆盖时间更新到2016到2019年，空间分辨率为25 km；基于微波辐射计的遥感反演方法采用改进的基于小波冰盖冻融探测算法，算法考虑冰盖冻融亮温特性在时间上的变化，首先利用小波变换对格陵兰所有冰盖区域的长时间亮度温度数据进行小波多尺度分解，在不同尺度下对边缘信息进行分析。再次，采用方差分析的方法将冰盖融化和重新冻结过程产生的边缘信息从噪声中分离出来。基于已提取的冰盖长时间亮度温度变化边缘信息，利用广义高斯模型来确定干雪和湿雪分类的最优边缘阈值， 从而探测出格陵兰冰盖发生融化的区域。最后，基于空间自动纠错的原理，运用空间邻域纠错算子对由噪音引起的错误结果进行探测，并进行人工纠错。长时间序列星载被动微波亮度温度数据来自SMMR、SSM/I和SSMI/S三个传感器。为保证不同传感器亮度温度在时间上的一致性，在冻融提取之前对不同传感器亮度温度进行了交叉订正。通过实测站点的验证表明格陵兰冰盖冻融探测精度在70%以上。数据每一天存放一个bin文件，基于微波辐射计的南极冻融数据每个文件由316*332的栅格组成，格陵兰冰盖冻融数据每个文件由304*448的栅格组成（0值：非融化区域，1值：融化区域）。
梁雷
基于sentinel-1超分宽幅SAR数据，利用提出的U-net冰裂隙探测方法，形成了南北极冰盖冰裂隙高程数据。首先对sentinel-1超分宽幅SAR数据预处理，主要包括辐射定标、冰盖范围确定和斑点噪声去除。其中，为抑制SAR数据的斑点噪声，同时为了保证冰裂隙特征，我们采用了去除乘性噪声的PPB方法。该方法既能有效去除斑点，还能保留冰裂隙的特征。其次，我们利用提出的基于U-net的冰裂隙探测算法进行冰裂隙提取。为了获取正确冰裂隙SAR数据样本，我们通过比对冰裂隙高分辨率光学数据来对SAR样板进行选取，从而形成冰裂隙SAR数据样本。基于冰裂隙区域和非冰裂隙区域SAR数据样本，我们利用U-net方法对冰裂隙进行提取。最后，我们对探测出的冰裂隙数据进行地理编码形成南北极冰盖冰裂隙产品。
梁雷
目前，基于提出的利用变化检测和决策树算法的SAR冰盖冻融探测算法，利用sentinel-1 EW SAR数据对南北极冰盖月平均冻融进行了探测。同时利用已经开发的基于大数据平台的冻融产品生产模块，国际上首次生产了南极冰盖和格陵兰冰盖冻融产品，通过自动气象站温度数据研制，冰盖冻融探测精度达到90%。目前，数据产品获取时间主要为南北极的夏季，其中南极冰盖产品为1、2、3、10、11、12月和格陵兰的产品为5、6、7、8、9、10月。
张露
本数据集来源于论文： Yao, T., Thompson, L., & Yang, W. (2012). Different glacier status with atmospheric circulations in tibetan plateau and surroundings. Nature Climate Change, 1580, 1-5.，数据整理自论文内Supplementary information中的表格数据。 此论文通过对82条冰川退缩、7090条冰川面积减少和15条冰川质量平衡变化的调查，总结了近30年来的冰川状况。 数据集包含8个数据表，数据表名称和内容分别为： Data list：数据列表； t1：Distribution of Glaciers in the TP and surroundings（青藏高原及周边地区冰川分布面积）； t2：Data and method for analyzing glacial area reduction in each basin（分析各流域冰川面积减少的数据和方法列表）； t3：Glacial area reduction during the past three decades from remote sensing images in the TP and surroundings（基于遥感影像得出的青藏高原及周边地区过去30年中冰川面积减少情况）； t4：Glacial length fluctuationin the TP and surroundings in the past three decades（青藏高原及周边地区过去30年中冰川长度波动数据）； t5：Detailed information on the glaciers for recent mass balance measurement in the TP and surroundings（青藏高原及周边地区近年来冰川质量平衡测量方法的详细信息）； t6：Recent annual mass balances in different regions in the TP（青藏高原不同区域近年来每年质量平衡数据）； t7：Mass balance of Long-time series for the Qiyi, Xiaodongkemadi and Kangwure Glaciers in the TP（青藏高原七一冰川，小冬克玛底冰川和抗物热冰川质量平衡长时间序列数据）。 数据详细信息参见附件：Supplementary information.pdf，Different glacier status with atmospheric circulations in Tibetan Plateau and surroundings.pdf。
姚檀栋
本数据是通过建立长江黄河源WEB-DHM分布式水文模型，以气温、降水、气压等作为输入数据，以GAME-TIBET数据作为验证数据，模拟输出的5km逐月水文数据集，包括格网径流与蒸发（若蒸发小于0,则表示凝华；若径流小于0，则表示当月降水小于蒸发）。数据是基于WEB-DHM分布式水文模型，以气温、降水、气温等（源自itp-forcing和CMA）为输入数据，以GLASS、MODIA、AVHRR为植被数据，SOILGRID及FAO为土壤参数建立起的模型，并通过对径流、土壤温湿度的率定与验证获得的1998-2017年长江黄河源5公里逐月格网径流与蒸发。若asc无法在arcmap中正常打开，请将asc文件前5行顶格。
王磊
在众多反映气候环境变化的指标中，冰芯稳定同位素指标是冰芯记录研究中必不可少的参数，是恢复过去气候变化最可靠的手段和最有效的途径之一。冰芯积累量是冰川上降水量的直接记录，而且高分辨率冰芯记录保证了降水记录的连续性。因此，冰芯记录提供了一种恢复降水量变化的有效手段。从青藏高原钻取的冰芯同位素和积累量可用来重建温度和降水变化，是很好的气候环境记录。本数据集提供了青藏高原冰芯同位素和积累量数据，为研究青藏高原的气候变化提供数据支撑。
徐柏青
1)数据内容：数据包括老虎沟12号冰川2014-2018年年物质平衡；2）数据来源及处理方法：数据源于老虎沟12号冰川海拔每隔100m的花杆观测，观测从海拔5300-5100m，每隔海拔带有三根物质平衡花杆，每年5月及9月各观测一次，采用面积平均法计算整个冰川面物质平衡；3）数据质量描述：数据均为人工实地观测，且操作方法严格按照冰川学方法，具有高的可靠性；4）数据应用成果及前景，该数据已被多次用于冰川模拟的验证以及模型参数的率定，对大尺度冰川模拟的参数率定和验证具有很好的利用价值。
刘宇硕
青藏高原作为亚洲“水塔”为亚洲主要河流提供水资源。由生物质和化石燃料燃烧排放的黑碳（Black carbon，BC）气溶胶对辐射具有极强的吸收作用，进而对地球系统的能量收支和分布具有重要的影响，是气候环境变化不可忽视的影响因子。青藏高原周边地区排放的黑碳气溶胶经大气环流可被传输至高原内部，并沉降到雪冰表面，对降水和冰川物质平衡产生重要影响。在青藏高原通过钻取冰芯样品、采集表雪样品，测量其中的黑碳含量，恢复历史记录和空间分布，为对评估黑碳对青藏高原的气候环境影响和大气污染物的跨境传输提供数据基础。
徐柏青
该数据集包含昆莎冰川末端观测点的气温、降水、相对湿度、风速、风向等日值。 观测时间从2015年10月3日至2017年9月19日。利用自动气象站（Onset公司），每2小时记录一条数据。 原始数据经过质量控制后形成连续时间序列。通过计算得到每日均值指标数据。满足国家气象局和世界气象组织（WMO）对气象观测原始数据的精度。质量控制包括剔除曳点数据和传感器出现故障造成的系统误差。 数据以excel文件存储。
张寅生
青藏高原冰芯-积雪黑碳含量数据集包括5个表：1 Xu et al. 2006 AG，2 Xu et al. 2009 PNAS_Conc，3 Xu et al. 2009 PNAS_flux，4 Xu et al. 2012 ERL，5 Wang et al. 2015 ACP。 数据采集地点包括煤矿冰川、冬克玛底、枪勇、抗物热、纳木那尼、慕士塔格、绒布、唐古拉山、宁金岗桑、左丘普、天山乌鲁木齐河源1号等冰川，采集地点经纬度，高程等信息在数据中均有标注。 数据主要指标为：地点、时间、有机碳（organic carbon，OC）、元素碳（elemental carbon，EC）、黑碳（black carbon，BC）含量和通量。 地点：经纬度 时间：年份或日期 OC：有机碳 EC：元素碳 BC：黑碳 Conc.：含量，单位：ng g-1 Flux：通量，单位：mg m-2a-1 数据来自课题： ①国家重点基础研究发展计划（973计划）：全球变化敏感因子的时空特性与遥感模式化；负责人：徐柏青单位：中国科学院青藏高原研究所资助者：科技部 ②国家重点基础研究项目：青藏高原形成演化对全球变化的响应与适应对策；负责人：姚檀栋单位：中国科学院青藏高原研究所资助者：科技部 ③国家自然科学基金面上项目：青藏高原雪冰中高分辨率碳黑记录研究；负责人：徐柏青单位：中国科学院青藏高原研究所资助者：国家自然科学基金委 ④国家自然科学基金面上项目：青藏高原冰芯包裹气体中气候环境信息的提取；负责人：徐柏青单位：中国科学院青藏高原研究所资助者：国家自然科学基金委 ⑤国家自然科学基金杰出青年基金项目：青藏高原雪冰-大气化学与环境变化；负责人：徐柏青单位：中国科学院青藏高原研究所资助者：国家自然科学基金委 ⑥国家自然科学基金青年基金项目：藏东南冰芯近百年来南亚人类活动气溶胶排放与燃烧得变化研究；负责人：王茉单位：中国科学院青藏高原研究所资助者：国家自然科学基金委 观测方法：两步加热法、热/光学碳分析方法和单颗粒黑碳气溶胶光度计。
徐柏青
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
