本数据是基于气象观测数据、水文站点数据,结合各种同化数据和遥感数据,通过耦合积雪、冰川和冻土物理过程的青藏高原多圈层水文模型系统WEB-DHM(基于水和能量平衡的分布式水文模型)制备生成,时间分辨率为月尺度,空间分辨率为5km,原始数据格式为ASCII文本格式,数据种类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)。若asc无法在arcmap中正常打开,请将asc文件前5行顶格。
王磊, 柴晨好
本数据是基于气象观测数据、水文站点数据,结合各种同化数据和遥感数据,通过耦合积雪、冰川和冻土物理过程的青藏高原多圈层水文模型系统WEB-DHM(基于水和能量平衡的分布式水文模型)制备生成,时间分辨率为月尺度,空间分辨率为5km,原始数据格式为ASCII文本格式,数据种类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)。若asc无法在arcmap中正常打开,请将asc文件前5行顶格。
王磊, 刘虎
积雪是冰冻圈的重要组成要素,是全球变化与地球系统科学研究中不可或缺的变量。积雪的分布范围和物候信息是衡量积雪变化特征的重要指标,也是寒区水文模型中融雪径流模拟的重要参数。亚洲高山区是许多国际性河流的发源地,也是全球气候变化研究的热点区;该地区冰雪变化将引发的水资源减少、极端天气事件增多、灾害频发等生态和环境问题,已受到各国的广泛关注。因此,准确获取长时序的亚洲高山区积雪分布与积雪物候数据对气候变化研究、水资源管理以及灾害预警与防治至关重要。 亚洲高山区逐日无云MODIS归一化积雪指数(NDSI)产品(2000-2021,500 m)是在MODIS逐日积雪产品(包括Terra上午星数据产品MOD10A1和Aqua下午星数据产品MYD10A1,C6版本)的基础上,通过同一天上下午星数据融合以及三次样条函数插值去云算法处理后得到;其中,在2000-2002年只有上午星数据产品MOD10A1时,则直接采用三次样条函数插值去云算法处理。水文年2002-2020的积雪物候数据集是基于逐水文年内的无云MODIS NDSI产品制备而成,包括积雪开始日期(SOD)、积雪结束日期(SED)和积雪持续日数(SDD)3个参数。本数据集具有可靠的精度。
唐志光, 邓刚
数据为excel文件,文件包括4个表格,表格名称分别为:阿勒泰积雪DOC时间系列、阿勒泰积雪雪坑数据、阿勒泰积雪MAC(吸收截面)和中亚木斯岛冰川BC、OC、DUST数据四个表格。 阿勒泰积雪DOC表格含:样品编号、采样日期、采样时间、采样深度、DOC-PPM、BC-PPb和TN-PPM共七列,47个样品数据。 阿勒泰积雪雪坑表格含:雪坑号、样品编号、采样日期、采样时间、采样深度、DOC-PPM、BC-PPb和TN-PPM共8列,238个样品数据。 阿勒泰积雪MAC表格含:采样时间、MAC和AAE共3列,46个样品数据。 中亚木斯岛冰川BC、OC、DUST数据表格含:code no(样品号)、Latitute(纬度)、Longitude(经度)、/m a.s.l(海拔高度)、snow type(积雪类型)、BC、OC和DUST共8列,按采样时间分析。共105行数据。 缩写解释: DOC:Dissolved Organic Carbon 溶解性有机碳 MAC:mass absorption cross section吸收截面 BC:black Carbon黑碳 DUST:粉尘 OC:有机碳 TN:Total Nitrate (总氮) PPM:ug g-1 (微克每克 ) PPb:ng g-1( 纳克每克)
张玉兰
该数据集包含北极两条大河 (北美:Mackenzie,欧亚:Lena)的观测及模拟的入海径流量及各径流成分(总径流、冰川径流、融雪径流、降雨径流)的组成,时间分辨率为月。该数据是利用项目组制作的气象驱动场数据驱动发展的VIC-CAS模型,利用观测的径流及遥感积雪数据进行校正,径流的模拟的Nash效率系数达到0.85以上,模型也能较好地模拟积雪的空间分布和年内、年际变化。 该数据可用于分析长期的流域径流的组成及变化原因,加深对北极大河径流变化的理解。
赵求东, 吴玉伟
本产品提供了项目组发展的陆面模式VIC-CAS数值模拟的1971-2017年北极两条大河(北美大陆:Mackenzie,欧亚大陆:Lena)的水循环关键变量数据集,包括:降水量、蒸散发、地表径流、地下径流、冰川径流、雪水当量和三层土壤湿度等7个变量。该数据集空间分辨率为0.1degree,时间分辨率为月。该数据集可用于长期气候变化下北极大河流域水量平衡变化分析,也可用于遥感数据产品及其他模型模拟结果的对比和验证。
赵求东, 王宁练, 吴玉伟
本产品提供了项目组发展的陆面模式VIC-CAS数值模拟的1998-2017年北极两条大河(北美大陆:Mackenzie,欧亚大陆:Lena)的水循环关键变量数据集,包括:降水量、蒸散发、地表径流、地下径流、冰川径流、雪水当量和三层土壤湿度等7个变量。该数据集空间分辨率为50km,时间分辨率为月。该数据集可用于气候变化下北极大河流域水量平衡变化分析,也可用于遥感数据产品及其他模型模拟结果的对比和验证。
赵求东, 王宁练, 吴玉伟
积雪面积比例(fractional snow cover, FSC)是单位像元内积雪覆盖面积(Snow Cover Area SCA)与单位像元面积的比值。本数据集的制作方法为BV-BLRM积雪面积比例线性回归经验模型;采用的源数据为MOD09GA 500米全球逐日地表反射率产品,以及MOD09A1 500m的8天合成全球地表反射率产品;制作平台使用的是Google Earth Engine;数据范围为全球范围,数据制备时间为2000至2021年,空间分辨率为500米,时间分辨率为逐年。该套数据可为区域气候模拟、水文模型等提供积雪分布的定量信息。
马媛
中国2000-2020年去云积雪反照率产品数据集地理空间范围为72 - 142E,16 - 56N,采用等经纬度投影,空间分辨率0.005°。数据集时间范围覆盖2000年1月1日至2020年12月31日,时间分辨率为8天。数据包含6个要素:黑空反照率(Black_Sky_Albedo)、白空反照率(White_Sky_Albedo)、太阳天顶角(Solar_Zenith_Angle)、云标识(Cloud_Mask)、林区校正标识(Forest_Mask)和反演情况标识(Abnormal_Mask)。黑空反照率要素记录了反演得到的黑空反照率,计算因子为0.0001,数据范围为0-10000。白空反照率要素记录了反演得到的白空反照率,计算因子为0.0001,数据范围为0-10000。太阳天顶角要素记录了太阳天顶角度,计算因子为0.01,数据范围为0-9000。云标识要素记录了像元是否为云,值为0表示非云,值为1表示为云。林区校正标识要素记录了像元是否作为森林类型像元被校正过,值为0表示未校正,值为1表示已校正。反演情况标识要素记录了像元所对应的黑空反照率及白空反照率的反演结果是否为小于0或大于10000的异常值,值为0表示非异常值,值为1表示为异常值。数据集基于MODIS地表反射率产品MOD09GA,积雪产品MOD10A1/MYD10A1和全球数字高程模型SRTM数据,在ART模型基础上发展了积雪反照率反演模型,并利用GEE和本地端交互生产而来。
肖鹏峰, 胡瑞, 张正, 秦棽
该数据集包含2016年11月至2020年8月在青藏高原采集的15条冰川共269个冰雪样品微生物扩增子测序数据,包括24K冰川(24K)、冬克玛底冰川(DKMD)、敦德冰川(DD)、杰玛央宗冰川(JMYZ)、廓琼岗日冰川(KQGR)、来古冰川(LG)、帕隆4号冰川(PL4)、羌塘1号冰川(QT)、枪勇冰川(QY)、曲玛冰川(QM)、唐古拉龙匣宰陇巴冰川(TGL)、夏岗江冰川(XGJ)、雅拉冰川(YA)、泽普沟冰川(ZPG)、珠峰东绒布冰川(ZF)。采样区域经纬度范围为28.020°N到38.100°N和86.28°E到95.651°E。 通过聚合酶链式反应(PCR),采用515F/907R(或515F/806R)引物对16s rRNA基因的V4-V5区(或V4区)片段进行扩增,并用Illumina Hiseq2500测序平台测序获得原始数据。所选引物序列分别为:“515F_GTGCCAGCMGCCGCGGTAA; 907R_CCGTCAATTCMTTTRAGTTT”“515F_GTGCCAGCMGCCGCGG, 806R_GGACTACHVGGGTWTCTAAT”。上传的数据包括:样品编号,样品描述,采样时间,经纬度坐标,样品类型,测序目标,测序片段,测序引物,测序平台,数据格式等基础信息,测序数据以序列文件数据格式正向 *.1.fq.gz和反向 *.2.fq.gz压缩文件储存。
刘勇勤
以青藏高原为核心的亚洲水塔区域是地球上除南北极之外,积雪分布最为广泛的地区。亚洲水塔区域地形异质性极大,积雪在该地区呈现雪层薄且大面积斑块状分布,导致该地区积雪具有高时变特征,因此急切需要日尺度的积雪覆盖度动态监测数据。本数据集基于MODIS全球地表反射率产品MO/YD09GA产品,利用基于端元自动提取的多端元光谱混合分析算法(Multiple Endmember Spectral Mixture Analysis- Automatic-selected Endmembers,MESMA-AGE)和基于多步时空插值的去云算法,构建了2000-2020年亚洲水塔区域MODIS逐日无云积雪覆盖度数据集。以高空间分辨率Landsat影像为地面‘真值’,平均均方根误差为0.14,优于国际上常用的MODSCAG和MOD10A1两套积雪覆盖度数据集。本数据集时间序列为2000年2月26日至2022年3月31日,可为山区水文模型、 陆地表面模式、数值天气预报等提供定量的积雪空间分布信息。
蒋玲梅, 潘方博, 王功雪, 潘金梅, 施建成, 张成
中国2000-2020年逐日积雪反照率产品数据集地理空间范围为72 - 142E,16 - 56N,采用等经纬度投影,空间分辨率0.005°。数据集时间范围覆盖2000年1月1日至2020年12月31日,时间分辨率为1天。数据包含6个要素:黑空反照率(Black_Sky_Albedo)、白空反照率(White_Sky_Albedo)、太阳天顶角(Solar_Zenith_Angle)、云标识(Cloud_Mask)、林区校正标识(Forest_Mask)和反演情况标识(Abnormal_Mask)。黑空反照率要素记录了反演得到的黑空反照率,计算因子为0.0001,数据范围为0-10000。白空反照率要素记录了反演得到的白空反照率,计算因子为0.0001,数据范围为0-10000。太阳天顶角要素记录了太阳天顶角度,计算因子为0.01,数据范围为0-9000。云标识要素记录了像元是否为云,值为0表示非云,值为1表示为云。林区校正标识要素记录了像元是否作为森林类型像元被校正过,值为0表示未校正,值为1表示已校正。反演情况标识要素记录了像元所对应的黑空反照率及白空反照率的反演结果是否为小于0或大于10000的异常值,值为0表示非异常值,值为1表示为异常值。数据集基于MODIS地表反射率产品MOD09GA,积雪产品MOD10A1/MYD10A1和全球数字高程模型SRTM数据,在ART模型基础上发展了积雪反照率反演模型,并利用GEE和本地端交互生产而来。为了评估ChinaSA的反演质量,利用地面台站的观测数据提出了样方观测验证方法,验证了积雪反照率产品的精度,并与常用的四种反照率产品(GLASS、GlobAlbedo、MCD43A3和SAD)进行了精度对比。验证结果表明,ChinaSA在所有验证中精度都优于其他产品,均方根误差小于0.12,在森林区域的均方根误差能达到0.021。
肖鹏峰, 胡瑞, 张正, 秦棽
基于长时间序列MODIS积雪产品,采用隐马尔可夫随机场(Hidden Markov Random Field, HMRF)建模框架,制备了青藏高原2002-2021年空间分辨率为500 m的逐日无云积雪数据集。该建模框架将MODIS积雪产品的光谱信息、时空背景信息,以及环境相关信息以最优形式进行整合,不仅填补了云层遮挡引起的数据空缺,而且提高了原始MODIS积雪产品的精度。特别地,本数据集在环境背景信息中引入了太阳辐射能量对积雪分布的影响,有效改进了地形复杂山区的积雪识别精度。通过与实测雪深、Landsat-8 OLI识别的积雪分布对比分析,本数据集精度依次为98.31%和92.44%,并且在积雪转化期、海拔较高、太阳辐射较多的阳坡提升效果显著。本数据集改善了原始MODIS积雪产品时空不连续和在地形复杂山区精度较低的问题,能为青藏高原气候变化研究和水资源管理提供重要的数据基础。
黄艳, 许嘉慧
数据包含珠西沟冰川径流的钾、钠、钙、镁、氟离子、氯离子、硫酸根和硝酸根等指标,涵盖了大部分无机溶解组分。上述阴阳离子分别采用离子色谱和电感耦合等离子光谱仪等仪器测得,检测限低于0.01mg/L,误差低于10%;本数据可以用于反映珠西沟流域硫化物氧化、碳酸盐岩溶解和硅酸盐岩风化等化学风化过程对河水溶质的贡献,进而精准计算碳酸盐岩风化速率和硅酸盐岩风化速率,最终为评估冰川作用对岩石化学风化及其碳汇效应的影响提供科学依据。
邬光剑
本数据集为覆盖全球范围考虑积融雪过程的标准化水分距平指数(SZIsnow),该干旱指数数据集由GLDAS-2驱动产生。该指数考虑了与干旱发展相关的诸多水文过程,尤其是积融雪过程。目前许多干旱指数忽略了积融雪过程,导致不能准确地对积雪地区干旱的发生和发展进行评估,该指数很好地弥补了这一不足,解决了干旱物理机制解析与多时间尺度分析无法兼顾,不同类型干旱难以统一评估的两个难题。经验证该指数能够很好地对全球不同地区的历史干旱时间进行定量描述,其优异表现在高纬度和高海拔地区更为突出。因此本数据集可以为干旱的监测评估以及干旱相关研究提供科学参考。
吴普特, 田磊, 张宝庆
本数据集来源于论文:Xiaodan Wu, Kathrin Naegeli, Valentina Premier, Carlo Marin, Dujuan Ma, Jingping Wang, Stefan Wunderle. (2021). Evaluation of snow extent time series derived from AVHRR GAC data (1982-2018) in the Himalaya-Hindukush. The Cryosphere, 15, 4261–4279. 在这篇文章中,分别基于地面站点数据、Landsat数据和MODIS积雪产品,首次在长时间尺度上(1982-2018)对AVHRR GAC 积雪产品在兴都库什喜马拉雅山脉的表现进行全面的评估,包括该产品的精度/准确性在长时间序列上的一致性,以及该产品与Landsat和MODIS积雪数据在空间分布上的一致性,并揭示了影响AVHRR GAC积雪产品精度的主要因素。
吴小丹
在国家重点研发计划“冰冻圈和极地环境变化关键参数观测与反演”第一课题“冰冻圈关键参数多尺度观测与数据产品研制“的资助下,中国科学院青藏高原研究所张寅生课题组发展了青藏高原地区降尺度雪深产品。青藏高原积雪深度降尺度数据集来源于积雪概率数据和中国雪深长时间序列数据集的融合结果,采用新发展的亚像元时空分解算法对原始0.25度的积雪深度数据进行时空降尺度,得到0.05度逐日积雪深度产品。通过降尺度前后的雪深产品精度评估的对比,发现降尺度后雪深产品的均方根误差由原产品的2.15 cm减少到了1.54 cm。 青藏高原积雪深度降尺度数据集(2000-2018)的产品信息细节如下。投影为经纬度,空间分辨率0.05 度(约5公里),时间范围为2000年9月1日-2018年9月1日,为Tif格式文件,命名规则为:SD_YYYYDDD.tif,其中YYYY代表年,ddd代表儒略日(001-365)。积雪深度(SD),单位:厘米(cm)。空间分辨率为0.05度。时间分辨率为逐日。
闫大江, 马宁, 张寅生
2015年至2020年,青藏高原的15号冰川 (NO.15)、24K冰川(24K)、阿扎冰川(AZ)、措普沟冰川(CPG)、德木拉冰川(DML)、东绒布冰川(DRB)、冬克玛底冰川(DKMD)、敦德冰川(DD)、古里雅冰川(GLY)、红旗拉普冰川(HQLP)、康西瓦河冰川(KXW)、抗物热冰川(KWR)、廓琼岗日冰川(KQGR)、朗阿定日冰川(LADR)、蒙达岗日冰川(MDGR)、木嘎岗穹冰川(MGGQ)、木吉冰川(MJ)、慕士塔格冰川(MSTG)、纳木那尼冰川(NMNN)、尼玛冰川(NM)、怒江源头(NJYT)、帕隆4号冰川(PL4)、羌塘1号冰川(QT)、枪勇冰川(QY)、曲玛冰川(QM)、色齐拉冰川(SQL)、唐古拉龙匣宰陇巴冰川(LXZ)、夏岗江冰川(XGJ)、雅拉冰川(YL)、泽普沟冰川(ZPG)、朱西沟冰川(ZXG)共31条冰川冰雪的理化性质特征,包括DOC、TN及主要阴阳离子浓度(钙离子、镁离子、钾离子、钠离子,铵根离子、氯离子、亚硝酸根离子、硝酸根离子、硫酸根离子浓度)。样品通过0.45微米分子膜过滤后,使用岛津TOC-L仪器检测,离子浓度则通过离子色谱仪检测。指标单位为mg/L,“n.a.”表示低于仪器检测限,“\”表示缺失值。表格中sheet1为“青藏高原冰川雪冰理化性质(2015-2020)”,sheet2为“冰川基本信息”。
刘勇勤
记录冰川、径流、土壤及空气微生物样品的原始采集过程。1)冰雪微生物样品采集:采集过程中佩戴洁净手套,将冰雪采集至洁净自封袋中。2)冰尘微生物样品采集:通过软管插入冰尘穴底部,使用注射器将底泥、融水吸入到采样瓶中,低温保存带回实验室,底泥和冰尘穴上部融水均用来提取环境DNA。3)径流包括冰上径流和冰川前缘径流,直接采集径流融水至采样瓶或者采水袋中。4)冰川前缘土壤的采集:使用铲子采集土壤样品,通过2mm土筛后将土壤装至洁净的whirl-pak采样袋中,然后低温保存,用于后续土壤DNA的提取。5)空气膜样品采集:将设计好的采样装置置于采样点,装置下部为电池(可持续工作48h),上部包含两张滤膜收集空气微生物,用于DNA的提取。6)冰川径流、融水中理化性质的实时监测,使用YSI多参数水质仪,直接放入待测样品中,获取温度、DO、叶绿素浓度等。
刘勇勤
在地球大数据科学工程专项时空三极环境项目第一课题“三极大数据共享与集成” (XDA19070100)资助下,中国科学院西北生态环境资源研究院车涛课题组利用机器学习方法结合多源雪深产品数据、环境因子变量及地面观测雪深数据等制备了北半球长时间序列逐日雪深数据集。 首先将人工神经网络、支持向量机和随机森林方法在积雪深度融合的适用性进行对比研究,发现随机森林方法在雪深数据融合上表现出较强优势。其次,利用随机森林方法,结合AMSR-E,AMSR2,NHSD和GlobSnow等遥感雪深产品及ERA-Interim和MERRA2等再分析资料格网雪深产品和环境因子变量等作为模型的输入自变量,用中国气象台站数据(945)、俄罗斯气象台站(620)、俄罗斯积雪调查数据(514)和全球历史气象网络逐日数据(41261)等43340个地面观测站点的雪深数据作为参考真值对模型训练与验证,在专项“地球大数据科学工程”提供的云平台上制备1980~2019年积雪水文年(上一年9月1日至本年度5月31日)的逐日格网雪深数据集。由于1980~1987年微波亮温数据为隔日数据,所以这段时间的数据会出现少量条带缺失现象。利用全球积雪模型对比计划及独立的地面观测数据进行验证,融合数据集的质量在整体上有所提升。利用地面观测数据及融合前的雪深产品对比来看,融合数据的决定系数(R2)从6种融合前产品中最高的0.23(GlobSnow雪深产品)提升至0.81,而相应的均方根误差(RMSE)和平均绝对误差(MAE)也减小至7.7 cm 和2.7 cm。
车涛, 胡艳兴, 戴礼云, 肖林
联系方式
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