将冰湖划分为冰面湖、与冰川末端相连和非相连湖泊等三种类型。在分类的基础上，研究第三极地区各流域冰湖的数量与面积、不同大小面积变化幅度、与冰川距离远近、有冰川融水径流补给与无冰川融水径流补给冰湖面积的变化差异以及冰湖面积随海拔梯度变化特征等内容。 数据源：Landsat TM/ETM+ 1990，2000，2010。 数据通过目视解译，包括面积大于0.003平方公里的冰湖数据，结合原始影像与Google Earth检查编辑。 数据应用于第三极地区冰湖变化与冰湖溃决洪水( GLOF) 评估。 数据类型：矢量。 投影坐标系：Albers Conical Equal Area。
张国庆
Randolph冰川目录（Randolph Glacier Inventory,RGI）是GLIMS（Global Land Ice Measurements from Space）发布的全球冰川轮廓的完整目录，目前共发布6个版本：2012年2月发布1.0，2012年6月发布2.0，2013年4月发布3.0，2014年12月发布4.0，2015年7月发布5.0，2017年7月发布6.0。本数据集包括6.0，5.0，4.0和3.2（修正版，2013年8月）共四个版本。 数据按照不同地区进行组织，每个地区包括一个shape文件（.shp文件及其相应的.dbf、.prj和.shx等文件），一个测高数据的.csv文件，每条冰川包含一条记录。 数据来源于GLIMS: Global Land Ice Measurements from Space（http://www.glims.org/RGI/） 数据质量检查包括几何、拓扑和属性检查，包括： 1） 所有多边形都使用ArcGIS Repair Geometry工具进行检查； 2） 删除了小于0.01平方公里的冰川； 3） 拓扑使用Does Not Overlap规则进行检查； 4） 属性表利用Fortran子程序和Python脚本进行数据质量检查。
Global Land Ice Measurements from Space（GLIMS）
本数据集为基于Landsat卫星影像获取的喜马拉雅中段波曲流域1976、1991、2000、2010年四期冰川、冰湖的矢量数据。 数据源来自Landsat遥感影像 1976：LM21510411975306AAA05、LM21510401976355AAA04 1991：LT41410401991334XXX02、LT41410411991334XXX02 2000：LE71410402000279SGS00、LE71400412000304SGS00、LE71410402000327EDC00、LE71410412000327EDC00 2010：LT51400412009288KHC00、LT51410402009295KHC00、LT51410412009311KHC00、LT51410402011237KHC00。 从各期遥感影像上人工提取冰川、冰湖边界。 冰川、冰湖边界提取误差估计为0.5个像元。 数据文件： Glacial_1976：1976年冰川矢量数据 Glacial_1991：1991年冰川矢量数据 Glacial_2000：2000年冰川矢量数据 Glacial_2010：2010年冰川矢量数据 Glacial_Lake_1976：1976年冰湖矢量数据 Glacial_Lake_1991：1991年冰湖矢量数据 Glacial_Lake_2000：2000年冰湖矢量数据 Glacial_Lake_2010：2010年冰湖矢量数据 冰湖矢量数据字段包括： 编号、名字、经纬度、海拔、面积、朝向、冰湖类型、长度、宽度、与冰川的距离
王伟财
基于青藏工程走廊现有的15个活动层厚度监测场天然孔数据资料，运用GIPL2.0冻土模型模拟了青藏工程走廊的活动层厚度现状分布图。该模型需要合成时间序列的温度数据集，按照时间跨度分为两个阶段，分别是1980-2009和2010-2015，第一阶段的温度数据来自于中国气象驱动数据集（http://dam.itpcas.ac.cn/rs/?q=data#CMFD_0.1），第二阶段的数据应用空间分变率为1km的MODIS地表温度产品（MOD11A1/A2, MYD11A1/A2）。此外，模型需要的土质类型数据来自于分辨率为1公里的中国土壤数据库（V1.1），同时还考虑了地貌，基于实测的土壤热物理参数以及土地覆盖类型等将研究区域归为88类进行了模拟。 对模拟结果和现场实测数据进行了对比，结果显示具有较好的一致性，相关系数达到0.75。在高山地区，活动层平均厚度小于2.0 m，然而在河谷地带，活动层平均厚度大于4.0 m，在高地平原区，活动层厚度通常在3.0 m -4.0 m之间。
牛富俊, 尹国安
地表温度作为地表能量平衡中的主要参数，表征了地气间能量和水分交换的程度，广泛应用于气候学、水文学和生态学等的研究中。 在冻土研究中，气候是冻土存在和发展的决定性因素之一，其中地表温度是影响冻土分布的主要气候因子，其影响冻土发生发育以及分布，是冻土建模的上边界条件，对寒区水文过程的研究具有重要的意义。 数据集基于青藏高原工程走廊DEM及观测站资料分析了青藏高原2000-2014地表温度变化趋势。利用MODIS上下午星Terra和Aqua的地表温度数据产品MOD11A1/A2、MYD11A1/A2，基于影像时空信息对云覆盖像元下地表温度信息进行了重建，采用昆仑山（湿地、草原）、北麓河（草原、草甸）、开心岭（草甸、草原）、唐古拉山（草甸、湿地）8个站点对重建信息及地表温度代表性问题进行了分析，通过相关性系数（R2）、均方根误差（RMSE）、平均绝对误差（MAE）和平均偏差（MBE）验证指标得出：（1）基于时空信息的MODIS云覆盖像元下地表温度重建精度较高；（2）上下午星Terra和Aqua四次观测加权平均代表性最好。 基于MODIS地表温度信息重建及代表性问题的分析，获取了青藏高原及其工程走廊带2000-2010年年均MODIS地表温度数据。 可以看出2000-2010年地表温度也在经历着波动的增温趋势，这与青藏高原以及青藏工程走廊多年冻土段气候变化保持基本相同的变化趋势。
牛富俊, 尹国安
该数据集是青藏工程走廊多年冻土段三个气象站近50年来的年平均气温和降雨量变化趋势。从记录数据可以看到，年平均气温整体在经历着缓慢的升高过程。五道梁和沱沱河在过去的56年内年平均气温的变化有很好的相关性（r2=0.83）。在1957年，五道梁、沱沱河年平均气温分别为-6.6和-5.1℃，到2012年，两站的气温分别为-4.6和-3.1℃，总的增温大约是2℃左右，年平均增温率为0.03-0.04℃。五道梁和安多在过去的47年内年平均气温的变化也有很好的相关性（r2=0.84）。在1966年，安多年平均气温为-3.0℃，到2012年，气温增加到了-1.8℃，总的增温大约是1.2℃，年平均增温为0.02-0.03℃。年平均气温的增加在五道梁和沱沱河略快于安多。 然而，从降雨量来看，降雨的变化比气温变化更加波动。五道梁和沱沱河在过去56年内年降雨量的变化相关性较差（r2=0.60）。在1957年，五道梁、沱沱河年降雨量分别为302和309mm，到2012年，两站的年降雨量分别为426和332mm，五道梁有124mm的降雨增加，年降雨量增加率约为2mm，沱沱河年降雨量增加率仅为0.4mm。五道梁和安多在过去的47年内年降雨量的变化相关性也较差（r2=0.35）。在1966和2012年，安多年平降雨量分别为354和404mm，总的增加大约是50mm，年平均增加率为1mm。年降雨量的增加在五道梁是最快的。 三个气象站代表了青藏工程走廊多年冻土段的气候变化情况。从整体的气温和降雨量的变化趋势来看，过去50年，走廊北部和中部的气温增速较快，超过全球平均0.02℃／a的水平（IPCC）。北部的降雨量增加也较明显，尤其是五道梁气象站的降雨增速非常明显。气温变暖和降雨增加都对加速多年冻土的空间变化产生较大影响，是导致青藏高原多年冻土退化的主导因素。
牛富俊, 林战举, 尹国安
应用GIPL2.0冻土模型模拟了青藏工程走廊的平均地温分布图。该模型需要合成时间序列的温度数据集，按照时间跨度为2010-2015，数据应用空间分辨率为1km的MODIS地表温度产品（MOD11A1/A2, MYD11A1/A2）。此外，模型需要的土质类型数据来自于分辨率为1公里的中国土壤数据库（V1.1），同时还考虑了地貌，基于实测的土壤热物理参数以及土地覆盖类型等将研究区域归为88类进行了模拟。 对年平均地温模拟结果和现场实测数据进行了对比，结果显示具有较好的一致性。模拟结论得出在高山区域，如昆仑山，唐古拉山，年平均地温小于-2.0 °C；而在较高的河谷地带，如坨坨河的年平均地温高于0 °C；对于高平原地区（如北麓河盆地和五道梁盆地）的年平均地温较高在-2.0 °C ~ 0 °C范围内。如果以年平均地温小于0 °C为多年冻土存在与否的阈值，则青藏工程走廊的多年冻土占整个区域的78.9%。同时根据地温的不同将青藏工程走廊的冻土类型分为低温稳定多年冻土、低温基本稳定多年冻土、高温不稳定多年冻土和高温极不稳定多年冻土。
牛富俊, 尹国安
本数据集是2013年青藏高原冰川数据，使用了148景Landsat8 OLI卫星多光谱遥感数据，结合65景HJ1A/1B遥感数据，时间主要从2012年至2014年，86%来源于2013年,78%Landsat8 OLI数据成像于冬季，而HJ1A/1B数据100%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：冰川编号FID_smglac，基于Albers等积圆锥投影计算的冰川面积area_km2，所在流域在我国冰川编目中冰川流域的二级编码code, 所在流域在我国冰川编目中冰川流域一级编码First_code,所在流域中文名称name，所在流域英文名称Ename,冰川斑块周长Peremeter(km)，斑块中心点X坐标（decimal degree）, 斑块中心点Y坐标（decimal degree）。 数据的投影方式：Albers等积圆锥投影。 格网单元：30m 数据加工方法：基于148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）。 加工后数据精度：TPG2013总体数据误差在3.9%。 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），中国科学院“十三五”信息化建设专项资助(XXH13505-06)，国家自然科学基金项目（41530748, 91747201），科技基础性工作专项项目(2013FY111400)。
叶庆华
青藏高原地区积雪的赋存变化较快，高原周边高山区具有冰雪资源丰富。在充分考虑青藏高原的地形和山地积雪特征的情况下，本套数据集采用了AVHRR数据，逐步实现保持积雪分类精度的情况下逐日、十天、每月积雪面积数据产品。本数据包含青藏高原2007-2015年每天/10天/每月积雪面积数据，数据平均精度可达0.92。可为青藏高原地区历史时期积雪变化提供可靠数据。
邱玉宝
近地表土壤的冻结/融化状态表征着陆地表层过程的休眠和活跃，这种冻融相态交替能引起一系列复杂的地表过程轨迹模式突变，影响着土壤的水热特性、地表径流和地下水补给等水循环过程，同时也通过水和能量循环机制影响气候变化。本数据集是基于AMSR-E和AMSR2被动微波亮温数据，利用冻融判别式算法制备的全球近地表冻融状态（空间分辨率：0.25°；时间跨度：2002-2019年），可用于分析全球近地表冻融循环的开始/结束日期、冻结/融化时长、冻结范围等指标的空间分布和趋势变化，可为理解全球变化背景下陆表冻融循环与水分、能量交换过程的相互作用机制提供数据支持。
赵天杰
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。
牛富俊, 尹国安
该套南极海冰数据集共包括四套数据，均来自SMMR、SSM/I和SSMI/S三个传感器,采用被动微波遥感反演。其中SMMR为Nimbus-7卫星搭载的扫描式多通道微波辐射计，工作周期为1978年10月26日至1987年7月8日。1987年7月至今，使用美国国防卫星计划DMSP卫星群上搭载的一系列被动微波遥感数据SSM/I和微波成像专用传感器SSMIS提供的数据。 前三套为海冰密集度数据，覆盖范围为南极地区，空间分辨率为25 km： （1）数据来自Nimbus-7 SMMR和DMSP SSM/I-SSMIS Version 1，利用NASA Team算法反演得到，覆盖时间从1978年11月到2017年2月，时间分辨率为逐月，数据每月存放一个bin文件； （2）数据来源与第一套相同，覆盖时间从1978-10-26到2017-2-28，时间分辨率为两天，空间分辨率为25km，数据每年存放一个文件夹，每隔一天存放一个bin文件； （3）数据来自Near-Real-Time DMSP SSMIS，利用NASA Team算法反演得到，覆盖时间从2015-1-1到2018-2-3，时间分辨率为逐日，数据每日存放一个bin文件；每个文件由300-byte的文件头（数据时间信息、投影方式、文件名…）和316*332的矩阵组成。 第四套数据为海冰覆盖范围和海冰面积时间序列。覆盖时间从1978年11月到2017年12月，为南极地区海冰覆盖范围、海冰面积的时间演变序列，时间分辨率为逐月，每月存放一个ASCII文件；每个文件由表头（时间、数据类型…）和39*1的海冰覆盖矩阵和39*1的海冰面积矩阵组成。 数据的详细情况见美国冰雪数据中心NSIDC网站-数据说明http://nsidc.org/data/NSIDC-0051；http://nsidc.org/data/NSIDC-0081；http://nsidc.org/data/G02135
李双林, 刘娜
由于青藏高原地区季节性积雪具有赋存时间短、雪层较薄的特点，在对水循环等问题的理解中，迫切需要日时间尺度的积雪覆盖率动态监测数据。本数据集基于MODIS Snow Cover Daily L3 Global 500 m Grid数据，包括MODIS/Terra上午星数据（MOD10A1）和MODIS/Aqua下午星数据（MYD10A1）的归一化积雪指数NDSI数据产品，数据格式为hdf，投影方式为正弦曲线地图投影，结合90m的SRTM地形数据和多种云覆盖下积雪覆盖率估算算法的优势，实现云覆盖条件下的积雪覆盖率再估算，满足高亚洲地区逐日少云（＜ 10％）数据产品的生产要求，构建了 2002 - 2016 年高亚洲地区 MODIS 逐日积雪覆盖率数据集。选取无云条件下的二值积雪产品作为参考，通过云量分布和积雪总面积的时空对比，表明该产品的时空特征和二值产品具有较好的一致性。以 2013 年冬季为例，当积雪覆盖率大于 50％时，其相关性可达 0.8628。本数据集可为高亚洲地区的积雪动态监测、气候环境、水文和能量平衡、灾害评估等研究提供逐日积雪覆盖率数据。
邱玉宝
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。
国家气象信息中心, 西藏自治区气象局
全球Cryosat-2 GDR数据集由欧空局(ESA)制作，数据覆盖时间从2010年到2016年，覆盖范围为全球。 2010年4月8号，ESA发射了Cryosat - 2高倾斜极轨卫星。该卫星上搭载了合成孔径干涉雷达高度计SIRAL，主要用于监测极地的冰层厚度和海冰厚度变化，进而研究极地冰层的融化对全球海平面上升的影响，以及全球气候变化对南极冰厚的影响。这种高度计工作在Ku波段，工作频率为13.575 GHz，包括3种测量模式：一是低分辨率指向星下点的高度计测量模式（LRM），可获得陆地、海洋和冰盖所有表面观测值，它的处理过程与ENVISAT/RA - 2 类似，沿轨分辨率为5到7 km；二是合成孔径雷达（SAR）测量模式，主要为提高海冰观测精度和分辨率，可使沿轨分辨率达到250 m左右；三是干涉合成孔径雷达模式（InSAR），主要为提高冰盖或冰架边缘等地形复杂区域精度。 Cryosat -2/SIRAL数据产品主要包括0级数据、1b级数据、2级数据和高级数据。Cryosat - 2/SIRAL产品由XML头文件（.HDR）和数据产品文件（.DBL）两个文件组成，HDR文件是辅助性的ASCII文件，用于快速识别检索数据文件。1b级产品是按照测量模式分开存储的，不同模式的数据记录格式也有所不同。LRM模式和SAR模式的每个波形有128个采样点，SARIn模式的波形则有512个采样点。2级GDR产品可以满足大多数的科学研究应用，包括了测量时间、地理位置、高度等信息。并且，GDR产品中的高度信息已经经过了仪器校正、传输延迟改正、几何改正和地球物理改正（如大气改正与潮汐改正）。GDR产品是单独的全球性的全轨道数据，即三种模式的测量结果，经过不同的处理过程后，按照时间先后顺序，合并到一起，从而统一了数据记录格式。三种模式的数据采用了不同的波形重跟踪算法来获得高度值，在最新更新的Baseline C数据中，LRM模式的数据采用了3种算法，分别为Refined CFI、UCL和Refined OCOG。
沈国状, 傅文学
Sentinel-1A/B卫星使用近极地太阳同步轨道，轨道高度693 km，轨道倾角98.18°，轨道周期99 min，搭载了C波段合成孔径雷达(SAR)，设计使用寿命为7年(预期12年)Sentinel-l 具有多种成像方式，可实现单极化、双极化等不同的极化方式。Sentinel-1A SAR共有4种工作模式：条带模式(Strip Map Mode，SM)、超宽幅模式 (Extra Wide Swath，EW)、宽幅干涉模式 (Interferometric Wide Swath，IW) 和波模式 (Wave Mode，WV)。A星于2014年4月成功发射，同一区域重访周期为12天，B星2016年4月成功在轨运行，目前重返周期达到3-6天，双星运行以后，南极地区S1数据获取频率大幅度增加。 本数据集为南极冰盖和格陵兰冰盖地区哨兵一号SAR数据。 该数据波段为C波段超宽幅地距多视数据，分辨率为20m*40m, 时间分辨率和往返周期有关，为12天，幅宽为400km，噪声水平为-25dB，辐射测量精度1.0dB。 本数据每年覆盖时间为：南极10月到来年3月，格陵兰4月到9月；覆盖范围南极冰盖冰架地区和格陵兰冰盖。
张露
本数据集是1976年青藏高原冰川数据，使用了205景Landsat MSS/TM卫星多光谱遥感数据，其中189景（覆盖青藏高原研究区92%）在1972-79年，而116景为1976/77年。但藏东南地区由于云、雪的影响，高质量MSS数据不能获得，因此，藏东南部分区域通过逐年筛选，使用了所能获得最早的高质量Landsat TM数据，包括14景1980s（1981,1986-89,覆盖青藏高原研究区6.5%）和2景1994年数据（覆盖青藏高原研究区1.5%）。所用遥感数据，77%为冬季数据；61%为1976/1977年Landsat MSS/TM影像数据，因此，1976年为本数据集代表年份。本数据集冰川数据是青藏高原净冰川覆盖范围，不包括表碛覆盖部分。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：冰川编号FID_smglac，基于Albers等积圆锥投影计算的冰川面积area_km2，所在流域在我国冰川编目中冰川流域的二级编码code, 所在流域在我国冰川编目中冰川流域一级编码First_code,所在流域中文名称name，所在流域英文名称Ename,冰川斑块周长Peremeter(km)，斑块中心点X坐标（decimal degree）, 斑块中心点Y坐标（decimal degree）。 数据的投影方式：Albers等积圆锥投影。 格网单元：30m 数据加工方法：基于205/16景Landsat MSS/TM卫星数据，校正、镶嵌为假彩色合成影像（MSS, RGB:321；TM, RGB:543），采用人工目视解译方法，参考不同波段比值法结果，结合SRTM DEM V4.1数据与Google Earth 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（30m）。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-机互动方法获得的数据更准确。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：60m。 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（30m）。 加工后数据精度：通过分析典型区数据，最大误差为4%。TPG1976总体数据误差为6.4%。 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），中国科学院“十三五”信息化建设专项资助(XXH13505-06)， 国家自然科学基金项目（41530748, 91747201）。
叶庆华, 吴玉伟
随着SAR干涉测量技术的不断进步，使得高精度获取冰川区的多时相DEM成为了可能。特别是，2000年美国国家航空航天局（NASA）主导的航天飞机雷达制图计划（SRTM）提供了覆盖全球56ºS - 60ºN范围的DEM资料；德国宇航局（DLR）的TanDEM-X双站SAR干涉测量系统能够提供全球范围高分辨率、高精度DEM。这些高质量、大覆盖范围的SAR干涉测量数据，以及发布的DEM数据产品，为利用多时相DEM探测冰川厚度变化提供了宝贵的基础资料。 青藏高原典型冰川厚度变化数据的时间段为2000-2013年，覆盖范围为普若岗日和祁连山西部地区，空间分辨率30米。利用TanDEM-X双站InSAR数据和C波段 SRTM DEM，首先采用差分干涉测量方法高精度的生成TanDEM-X DEM，然后在进行DEM精确配准的基础上，通过对比不同时期获取的DEM数据，估算冰川厚度变化。该数据集采用Geotiff格式，每个典型冰川冰厚变化存储为一个文件夹。 数据的详细情况见青藏高原典型冰川厚度变化数据集-数据说明。
江利明
本数据集是2001年青藏高原冰川数据，使用了150景Landsat7 TM/ETM+卫星多光谱遥感数据，时间主要从1999年至2002年，72%来源于2000/2001年，71%遥感数据成像于冬季。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：冰川编号FID_smglac，基于Albers等积圆锥投影计算的冰川面积area_km2，所在流域在我国冰川编目中冰川流域的二级编码code, 所在流域在我国冰川编目中冰川流域一级编码First_code,所在流域中文名称name，所在流域英文名称Ename,冰川斑块周长Peremeter(km)，斑块中心点X坐标（decimal degree）, 斑块中心点Y坐标（decimal degree）。 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150景Landsat7 TM(ETM+）卫星数据，校正、镶嵌为假彩色合成影像（TM/ETM+， RGB:543），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 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矢量数据更准确。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）。 加工后数据精度：TPG2001总体数据误差在3.8%。 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），中国科学院“十三五”信息化建设专项资助(XXH13505-06)，国家自然科学基金项目（41530748, 91747201）。
叶庆华, 吴玉伟
青藏高原地区积雪的赋存变化较快，高原周边高山区具有冰雪资源丰富，大气对流活跃等特点，而光学遥感往往受云的影响，在日时间尺度上积雪覆盖监测需要考虑去云问题。在充分考虑青藏高原的地形和山地积雪特征的情况下，本套数据集采用了多种去云过程和步骤相结合，逐步实现保持积雪分类精度的情况下，完成逐日积雪面积的云量消除，形成了“青藏高原 MODIS 逐日无云积雪面积”的逐步综合分类算法,完成了“青藏高原 MODIS 逐日无云积雪面积数据集（2002 - 2015 年）”。选取 2009年 10 月 1 日至 2011 年 4 月 30 日中的两个积雪季为算法研究和精度验证试验数据，采用研究区 145 个地面台站提供的雪深数据作为地面参考。结果表明，在高原地区，当积雪深度＞ 3 cm 时，无云积雪产品总分类精度达到 96.6％，积雪分类精度达 89.0％，整个算法流程对WGS84投影的中等分辨率的MODIS积雪产品MOD10A1以及MYD10A1为基础，去云的精度损失较低，数据可靠性较高。
邱玉宝
青藏高原过去的冻土图主要基于稀少的台站气温观测，采用基于连续性的分类系统。本数据集利用地理加权回归模型（GWR）综合了经过时空重建的MODIS地表温度、叶面积指数、积雪比例和国家气象信息中心多模型土壤水分预报产品、融合了4万多个气象站降水观测和FY2卫星观测的降水产品及152个气象台站2000-2010年的多年平均气温观测数据，模拟得到了青藏高原过去1公里分辨率的多年平均气温数据，利用多年冻土热条件分类系统，将多年冻土分为非常冷（Very cold）、冷（Cold）、凉（Cool）、暖（Warm）、非常暖（Very warm）和可能解冻（Likely thawing）几个类型。该图显示，扣除湖泊和冰川，青藏高原多年冻土总面积约为107.19万平方公里。验证表明该图具有更高的精度。可为今后冻土工程规划设计与环境管理等提供支持。
冉有华, 李新
青藏高原冰川细菌资源库数据集提供了刘勇勤实验组在2010-2018年间分离的青藏高原7条冰川（珠峰东绒布冰川，天山一号冰川，古里雅冰川，老虎沟冰川，木孜塔格冰川，七一冰川和玉珠峰冰川），向述荣分离的马兰冰川和张新芳分离的普若岗日冰川的细菌16S核糖体RNA基因序列。冰川样品采集后带回北京青藏高原院研究所生态实验室和兰州冰冻圈国家实验室，涂布平板后于不同温度下（4-25摄氏度）培养20天-90天并挑取单菌落纯化。分离的细菌提取DNA后以27F/1492R引物扩增16S核糖体RNA基因片段，并使用Sanger法测序。16S核糖体RNA基因序列通过“Classifier”软件与RDP数据库进行比对，在可靠性大于>80%的情况下鉴定到属一级水平。 本数据包含每条序列的16S核糖体RNA基因片段序列及冰川来源。与以高通量测序为基础的序列相比，本数据的序列长度更长，分类更准确，更好的服务于冰川微生物研究。
计慕侃
监测冰川物质平衡数据是反应冰川对气候变化响应的最直接最可靠的数据。 全球冰川监测物质平衡数据通过对全球可获取物质平衡数据进行收集整理，获取了具有连续观测时间序列（未间断）的76条冰川信息及其连续观测的冰川物质平衡数据，时间分辨率为年，从1950年到2016年。
肖瑶, 上官冬辉
南北极及青藏高原冰川雪和冰里原核微生物分布数据集提供了刘勇勤实验组在2010-2018年间从NCBI数据库收集的细菌16S核糖体RNA基因序列。 NCBI数据库搜索的关键词为Antarctic, Arctic Tibetan, Glacier.。收集的序列通过使用DOTOUR软件计算序列之间相似度，相似度在97%以上的序列聚类为一个OTU，并定义OTU代表序列。OTU代表序列通过“Classifier”软件与RDP数据库进行比对，在可靠性大于>80%的情况下鉴定到属一级水平。获得序列后，通过阅读序列文件中样品信息获得样品的GPS坐标。本数据包含每条序列的16S核糖体RNA基因片段序列，进化分类，及样品GPS坐标。本数据与以高通量测序为基础的序列相比，本数据的序列长度更长，分类更准确，对于比较三极微生物的进化信息，以及研究嗜冷微生物进化的认识有重要意义。
计慕侃
青藏高原典型冰川DEM采用双站InSAR方法制作，数据采集时间为2013年11月21日，覆盖范围为普若岗日和祁连山西部地区，空间分辨率10米，高程精度0.8m的DEM结果，精度可满足国家1∶10000地形制图的要求。冰川DEM采用TanDEM-X双站InSAR数据，采用改进的SAR干涉处理方法，顾及了双站InSAR在成像几何和相位解缠等方面的特点，高分辨率、高精度地生成了上述两个典型冰川的表面DEM。该数据集采用Geotiff格式，每个典型冰川DEM存储为一个文件夹。 数据的详细情况见青藏高原典型冰川DEM数据集-数据说明。
江利明
大多数仪器气候记录的长度相对较短，限制了对气候变化的研究，因此有必要借助代理数据将记录延续到过去。直到20世纪40年代后期，才有了足够质量和空间分辨率的大气数据来确定气候变化的主要模式，如北美太平洋模式和太平洋年代际振荡。全球冰芯除了分布在南北两极以及第三极，阿拉斯加也有山地冰川分布，在该区域获得的冰芯数据，对于揭示北美地区气候，对于揭示低纬度与高纬度北极地区气候变化具有主要的意义。 各变量的物理意义： 第一列：时间；第二列：积累率数据；第三列：氧同位素数据值
杜志恒
雪水当量（积雪深度与密度之积）是反映地表积雪量变化的重要因子，是地表水文模型和气候模式中的一个重要参数。青藏高原作为亚洲水塔，多条大江大河补给主要依靠高原上冰川或积雪的融化。基于被动微波对积雪监测的敏感性，本数据实现了长时间序列的高亚洲地区雪水当量的反演。数据集包含日雪水当量、月雪水当量以及每五日雪水当量，可服务于当地水文、畜牧业生产等方面。
邱玉宝
高亚洲地区是中纬度全球变化敏感区和研究的热点区域，其境内湖泊星罗棋布，湖冰冻融参数是全球变化的关键敏感因子之一。由于冰水介电常数差异大，高重访率且对天气不敏感的星载被动微波遥感可实现湖冰冻融状态的快速监测。本数据集依据微波辐射计像元内湖泊和陆表的面积比例，应用混合像元分解方法获取了像元（亚像元级）的湖泊亮温信息，实现高亚洲地区被动微波遥感亚像元级湖冰冻融监测，并采用多种被动微波数据，共计获得高亚洲区域 2002-2016 年 51 个中大型时间序列湖泊亮温数据和冻融状态信息。以无云MODIS 光学产品为验证数据，在高亚洲不同区域，选取可可西里湖、达则错、库赛湖等三个大小不一的湖泊进行冻融判别验证，结果表明微波和光学遥感所获取的湖冰冻结和融化参数具有较高的一致性，其相关系数可达0.968 与 0.987。本数据集包含湖泊的时间序列亮温值和湖冰冻融参数，可进一步对湖泊开展特征参数反演，以及提升对高亚洲地区的湖冰冻融的理解，为高亚洲地区气候、环境变化以及高亚洲对全球气候变化响应模型提供数据基础。数据集由 2 部分数据组成，其一为 2002-2016 年高亚洲区域 51个湖泊的被动微波遥感亮温数据集，观测时间间隔为 1~2 天；其二是由湖泊亮温数据集判断所获得的湖冰冻融数据集。文件名分别为：最邻近法与像元分解的湖泊亮温数据 .zip（12 MB），2002–2016 高亚洲 51 个湖泊湖冰冻融数据集 .xls（0.1 MB）
邱玉宝
由美国发起的格陵兰冰盖计划 (GISP2)，提供了一个10万多年的氧同位素详细资料，几乎覆盖了整个冰期-间冰期循环。该数据记录了过去818-1987年氧同位素变化，其中清晰记录小冰期为该过去1000年来最冷的时期。其中1850-1987年呈现出波动增温，其变化与格陵兰获取的GRIP、NGRIP及最新的NEEM冰芯变化一致，反映了雪冰记录在格陵兰冰盖具有很好的一致性。 各变量的物理意义： 第一列：冰芯深度；第二列：氧同位素值；第三列：时间
杜志恒
从公元1000年到现在大气中甲烷的浓度在南北极冰芯呈现显著的上升，本数据来自澳大利亚塔斯马尼亚实验室，对冰芯样品采取湿法提取，通过对所有样品使用相同的测量程序和校准， 获取了高分辨率数据。数据结果与瑞士伯尔尼大学、丹麦哥本哈根大学以及美国俄亥俄州大学等国际著名冰芯温室气体实验室结果一致。 各变量的物理意义： 第一列：时间；第二列：甲烷浓度数值
杜志恒
微波辐射计数据集为SMMR（1978-1987）、SSM/I（1987-2009）和SSMIS（2009-2015）亮温数据，覆盖时间从1978年到2015年，空间分辨率为25 km，南极数据每个文件由316*332的栅格组成，北极冻融数据每个文件由304*448的栅格组成；微波散射计数据集为QScat（2000-2009）和ASCAT（2009-2015）后向散射系数据，覆盖时间从2000年到2015年，空间分辨率为4.45km.南极数据每个文件由1940*1940的栅格组成，北极数据每个文件由810*680的栅格组成。时间分辨率为逐日，覆盖范围为南北极冰盖。
李新武, 梁雷
利用2003-2013年11景的Modis1B数据(NSIDC网站发布的冰架Modis1B数据)，采用亚像元互相关方法提取南极Amery冰架表面流速，应用COSI-Corr软件提取冰架流速，获取近十年的年均流速时间序列，由于研究区域内缺乏实地观测，因此利用稳定区域的偏移量值评估冰流结果的精度，冰流误差约为±50m/year。冰流场数据覆盖时间从2003年到2013年，时间分辨率为逐年，覆盖范围为Amery区域，空间分辨率为500m。每年的冰流场数据存放一个Geotiff文件。 数据的详细情况见Amery冰流场-数据说明。
江利明
在全球气候变暖背景下，世界范围内山地冰川消融强烈，以退缩为主，但现有野外观测发现，喀喇昆仑地区大部分冰川保持稳定或前进状态，为“喀喇昆仑异常”。冰川表面流速是研究冰川动力学和物质平衡的重要参数，研究喀喇昆仑中部区域冰川流速时空变化特征对于认识该区域冰川动力学特征及其对气候变化的响应具有重要的意义。 选取1999-2003年获取的四对Landsat 7 ETM+影像（影像获取时间分别为：1999.7.16, 2000.6.16, 2001.7.21, 2002.8.9, 2002.4.19, 2003.3.21），采用全色波段，分辨率为15 m，对每对影像进行精确配准，然后对配准后的两景影像进行互相关计算，获取1999-2003年喀喇昆仑中部区域冰川表面流速。由于研究区域内缺乏流速实地观测数据，因此利用稳定区域的偏移量值评估冰流结果的精度，冰川表面流速误差约为±7 m/year。 冰流场数据覆盖时间从1999年到2003年，时间分辨率为逐年，覆盖范围为喀喇昆仑中部区域，空间分辨率为30 m，每年的冰流场数据存放一个Geotiff文件。 数据的详细情况见喀喇昆仑中部区域冰流场-数据说明。
江利明
南极冰盖高程数据采用雷达高度计数据(Envisat RA-2)和激光雷达数据(ICESat/GLAS)制成。为提高ICESat/GLAS数据的精度,采用了五种不同的质量控制指标对GLAS数据进行处理,滤除了8.36%的不合格数据。这五种质量控制指标分别针对卫星定位误差、大气前向散射、饱和度及云的影响。同时,对Envisat RA-2数据进行干湿对流层纠正、电离层纠正、固体潮汐纠正和极潮纠正。针对两种不同的测高数据,提出了一种基于Envisat RA-2和GLAS数据光斑脚印几何相交的高程相对纠正方法,即通过分析GLAS脚印点与Envisat RA-2数据中心点重叠的点对,建立这些相交点对的高度差(GLAS-RA-2)与表征地形起伏的粗糙度之间的相关关系,对具有稳定相关关系的点对进行Envisat RA-2数据的相对纠正。通过分析南极冰盖不同区域的测高点密度,确定最终DEM的分辨率为1000 m。考虑到南极普里兹湾和内陆地区的差异性,将南极冰盖分为16个区,利用半方差分析确定最佳插值模型和参数,采用克吕金插值方法生成了1000 m分辨率的南极冰盖高程数据。利用两种机载激光雷达数据和我国多次南极科考实测的GPS数据对新的南极DEM进行了验证。结果显示,新的DEM与实测数据的差值范围为3.21—27.84 m,其误差分布与坡度密切关系。
黄华兵
该数据为2005年格陵兰岛地区ENVISAT-1卫星ASAR传感器获取的Wide Swath模式Level 1B级SAR数据，幅宽400km，空间分辨率为75m，绝对定位精度约为200米。 该SAR数据在存储时都是以时间增长为序的方式存储的，这使的下行轨道的图象为左右镜象，而上行轨道的图象为上下镜象。 该数据的命名规则如下例所示： ASA_IMS_1PPIPA 20050402_095556_000000162036_00065_16151_0388.N1 ASA: 产品标识,ASAR传感器 IMS: 数据的接收、处理信息(成像模式，如WS，WSS，IM，...) 1PPIPA:订制的编号 20050402: 数据获取的时间（UTC时间) 095556:地理位置（开始、结束） 000000162036:卫星轨道信息 00065:产品信任数据 16151:产品大小、结构信息 0388 => 校验码
惠凤鸣
南北极细菌分布数据集提供了南北极细菌分布特征。样品采集时间为13/12/2005至8/12/2006，包含北极3个地区52个样品（Spitsbergen Slijeringa，Spitsbergen Vestpynten，及Alexandra Fjord_Highlands），南极5个地区171个样品(Mitchell Peninsula,Casey station main power house,Robinsons Ridge,Herring Island,Browning Peninsula)。土壤表层样品采集后用液氮保存，运回悉尼实验室，通过FastPrep DNA试剂盒提取。提取后的DNA样品使用27F (5'-GAGTTTGATCNTGGCTCA-3' and 519R (5'-GTNTTACNGCGGCKGCTG-3')扩增16S rRNA基因片段。扩增后的片段通过454方式测序，原始数据通过Mothur软件分析。首先去除测序质量不佳序列，之后进行排序并去除嵌合体序列。之后计算序列之间相似度，相似度在97%以上的序列聚类为一个OTU，并定义OTU代表序列。OTU代表序列通过与Silva数据库进行比对，在可靠性大于>80%的情况下鉴定到属一级水平。本数据系统的比较了南极东部以及北极微生物的多样性，对研究微生物在南北极的分布具有重大意义。
计慕侃
全南极高分辨率遥感影像镶嵌图利用美国陆地卫星7号于1999-2003年间拍摄的1073幅影像以及覆盖南纬82.5度以南的中分辨率MODIS影像（拍摄于2005年）处理合成得到。基于该镶嵌图，结合南极科研需求，采用计算机自动解译和人工辅助相结合的方法，将南极洲地表覆盖划分为6大类：蓝冰、裂隙、裸岩、水体、冰碛、粒雪。经统计得到上述各类的面积和所占比例分别为：225207.29平方千米（1.651%），7153.36平方千米（0.052%），72958.04平方千米（0.535%），189.43平方千米（0.001%），310.76平方千米（0.003%），13337392.66平方千米（97.758%）。该地图为近似真彩色合成的卫星影像图，各地表覆盖类型采用不同的色块表示。该图主要为极地各学科科学研究、地理教育及科普等提供参考。
惠凤鸣
南北极冰盖冻融数据集采用微波辐射计和微波散射计两种数据获取。微波辐射计数据覆盖时间从1978年到2015年，空间分辨率为25 km；微波散射计数据覆盖时间从2000年到2015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。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；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）。
李新武, 梁雷
2008年全国遥感年平均地表温度和冻结指数是冉有华等（2015）基于MODIS Aqua/Terra逐日四次的5公里瞬时地表温度数据产品，发展了新的年平均地表温度和冻结指数估计方法，该方法利用上下午LST观测的平均获取日平均地表温度，方法的核心是如何恢复LST产品的缺失数据，该方法有两个特点：（1）将遥感观测到的日地表温度变幅进行了空间插值，利用插值获取的空间连续的日地表温度变幅，使一天只有一次的卫星观测数据得到应用；（2）利用了一个新的缺失数据时间序列滤波方法，即基于离散余弦变换的惩罚最小二乘回归方法。 验证表明，年平均地表温度与冻结指数的精度只与原始MODIS LST的精度有关，即保持了MODIS LST产品的精度。可用于冻土制图及相关资源环境应用。
冉有华, 李新
黑河流域积雪面积比例数据集提供了2010到2012年无云日积雪面积比例时间序列产品，该数据利用卫星MODIS数据，具有较高时间分辨率（1天）和空间分辨率（500m）。首先利用自动算法N-FINDR选择端元，在自动提取的基础上，利用人工方法选择了积雪、植被、云、土壤、岩石和水6种类型端元，并根据2009年影像建立了光谱数据库；在光谱数据库的基础上利用全约束线性解混方法（FCLS）进行亚像元分解获取初级积雪面积比例产品；最后利用差值去云的算法获取了MODIS逐日积雪面积比例无云产品。经利用高分辨率影像Landsat TM验证，相比已有MODIS积雪面积比例产品 (MOD10A1)，具有更高的精度。能够为流域水文，气象提供更准确的积雪参数输入。 数据说明：0-100积雪面积比例，0非雪； 投影类型：经纬度投影，WGS-84基准面； 空间分辨率：0.005度； 时间分辨率：1天。
黄晓东, 张颖, 唐志光, 李新
本数据集包括黑河上游八宝河流域25个WATERNET传感器网络节点自2015年1月至2015年12月的观测数据。4cm和20cm土壤水分/温度是每个节点的基本观测；部分节点还包括10cm土壤水分/温度、地表红外辐射温度观测、雪深和降水观测等观测。观测频率为5分钟。该数据集可为流域水文模拟、数据同化及遥感验证提供地面数据集。 详细内容请参见“2015年黑河上游八宝河WATERNET数据文档20160501.docx”
晋锐, 亢健, 李新, 马明国
地表微波发射率表征了地物向外发射微波辐射的能力，星载被动微波发射率可在宏观、大尺度上对陆表微波辐射进行整体表达，是被动微波地表参数定量反演中经验参数获取的重要基础数据，也是在大尺度上理解陆表微波辐射的一种途径。本数据集考虑到搭载在Aqua卫星上的高级微波扫描辐射计（AMSR-E）和中分辨率成像光谱仪（MODIS）的同步观测特点，采用MODIS的地表温度和大气水汽数据作为输入，通过考虑大气影响的发射率估算模型，生产了全球晴空条件下AMSR-E传感器运行期间（2002年6月~2011年10月）的陆表多通道双极化微波瞬时发射率。通过产品低频无线电信号影响、数据间比对、统计分析、不同地表覆盖条件的发射率特征、频率依赖和相关性研究等开展验证性分析，结果表明瞬时发射率的动态细节丰富，月内日变化标准差在0.02以内，其时空变化、频率依赖和相关性符合自然物理过程的理解。 此套数据集包括AMSR-E全生命周期的全球陆表逐日、侯、旬、半月及月产品，可用于开展星载被动微波遥感模拟、陆面模型以及陆表温度、积雪、大气降水/水汽/可降水量等反演研究。数据的投影坐标采用标准的EASE-GRID投影，数据存储方式为二进制浮点型格点（矩阵大小为1383*586），数据获得之后可用ENVI/IDL等软件或者相应程序代码以二进制文件的方式读取。 所生产出的所有陆表发射率数据按照以下规则命名： RADI_AMSRE_EM##_yyymmdd_EG_V##.bin 例如文件名称：RADI_AMSRE_EM01_20060101_EG_V#其中 EM##: 01表示每日，05表示5天，10表示旬，HM表示半月，MO表示月 yyyymmdd: yyyy表示年份，mm表示月份，dd表示日期 V##: 版本号，如0.1, 1.0等，个位数为正式版 RADI: “中国科学院遥感与数字地球研究所”英文缩写 AMSRE: 高级微波扫描辐射计
邱玉宝
本数据集主要包含Nimbus-7卫星携带的扫描式多通道微波辐射计（SMMR：Scanning Multichannel Microwave Radiometer）获得的被动微波亮度温度，包含1978年10月25日-1987年8月20日的06H、06V、10H、10V、18H、18V、21H、21V、37H、37V共十个微波通道的每天两次过境（升轨&降轨）亮度温度，其中H代表水平极化，V代表垂直极化。 1978年10月发射的Nimbus-7为太阳同步极轨卫星，搭载的微波传感器SMMR，是一台测量地表五个频率（6.6GHz，10.69GHz，18.0GHz，21.0GHz，37.0GHz）微波亮温的双极化微波辐射计。它以约50.3°固定入射角扫描地表，幅宽780km，并在正午12：00（升轨）与午夜24：00（降轨）通过赤道。SMMR时间分辨率为每日，但由于swath间距离较宽，大概每隔5-6天才会重访同一地表。 1、文件格式和命名： 每组数据均由遥感数据文件构成。 SMMR_Grid_China目录下的每组数据文件名及命名规则如下： SMMR-MLyyyydddA/D.subset.ccH/V（遥感数据） 其中：SMMR代表SMMR传感器；ML代表多通道低分辨率；yyyy代表年份；ddd代表该年的儒略日（1-365/366）；A/D分别代表升轨（A）和降轨（D）；subset表示中国地区的亮温数据；cc代表频率（6.6GHz，10.69GHz，18.0GHz，21.0GHz，37.0GHz）；H/V分别代表水平极化（H）和垂直极化（V）。 2、坐标系及投影： 投影方式为等积割圆柱投影，双标准纬线为南北纬30度。有关EASE-GRID的相关详细信息，请参考http://www.ncgia.ucsb.edu/globalgrids-book/ease_grid/。 如果需要将EASE-Grid投影方式转换成Geographic投影方式，请参照ease2geo.prj文件，内容如下： Input projection cylindrical units meters parameters 6371228 6371228 1 /* Enter projection type (1, 2, or 3) 0 00 00 /* Longitude of central meridian 30 00 00 /* Latitude of standard parallel Output Projection GEOGRAPHIC Spheroid KRASovsky Units dd parameters end 3、数据格式： 以整数形二进制存储，每个数据占2个字节。本数据集中实际存储的数据为亮温*10，读出数据后需除以10得到真实亮温。 空间分辨率：25km； 时间分辨率：逐日，从1978年至1987年。 4、空间范围： 经度：60.1°-140.0°东经； 纬度：14.9°-55.0°北纬。 5、数据读取 每一组数据的遥感影像数据文件可以在ENVI和ERDAS软件中打开。
NSIDC
本数据集主要包括美国国防气象卫星计划卫星（DMSP-F08、DMSP-F11、DMSP-F13和DMSP-F17）搭载的星载微波辐射计SSM/I和SSMIS的每日两次（升轨&降轨）亮度温度（K），时间覆盖范围为1987年9月15日至2015年12月31日。DMSP-F08、DMSP-F11和DMSP-F13的SSM/I亮温包含19.35H、19.35V、22.24V、37.05H、37.05V、85.50H和85.50V共七个通道；而DMSP-F17的SSMIS亮温观测由19.35H、19.35V、22.24V、37.05H、37.05V、91.66H和91.66V共七个通道组成。其中，DMSP-F08卫星亮温的覆盖时间为1987年9月15日至1991年12月31日；DMSP-F11卫星亮温的覆盖时间为1992年1月1日至1995年12月31日；DMSP-F13卫星亮温的覆盖时间为1996年1月1日至2009年4月29日；DMSP-F17卫星亮温的覆盖时间为2009年1月1日至2015年12月31日。 1、文件格式和命名： 亮度温度以年为单位分别存放，每个目录中均由各频率的遥感数据文件构成，其中SSMIS数据中还包含.TIM时间信息文件。 各数据文件名及其命名规则如下： EASE-Fnn-ML/HyyyydddA/D.subset.ccH/V（遥感数据） EASE-Fnn-ML/HyyyydddA/D.subset.TIM（时间信息文件） 其中：EASE代表EASE-Grid投影方式；Fnn代表卫星编号（F08、F11、F13、F17）；ML/H分别代表多通道低分辨率和多通道高分辨率；yyyy代表年份；ddd代表该年的儒略日（1-365/366）；A/D分别代表升轨（A）和降轨（D）；subset 表示中国地区的亮温数据；cc代表频率（19.35GHz、22.24 GHz、37.05GHz、85.50GHz、91.66GHz）；H/V分别代表水平极化（H）和垂直极化（V）。 2、坐标系及投影： 本数据集投影方式为EASE-Grid，即等积割圆柱投影，双标准纬线为南北纬30°。有关EASE-GRID的相关详细信息，请参考http://www.ncgia.ucsb.edu/globalgrids-book/ease_grid/。 如果需要将EASE-Grid投影方式转换成Geographic投影方式，请参照ease2geo.prj文件，内容如下： Input projection cylindrical units meters parameters 6371228 6371228 1 /* Enter projection type (1, 2, or 3) 0 00 00 /* Longitude of central meridian 30 00 00 /* Latitude of standard parallel Output Projection GEOGRAPHIC Spheroid KRASovsky Units dd parameters end 3、数据格式： 以整数型二进制存储，行列号：308*166，每个数据占2个字节。本数据集中实际存储的数据为亮温*10，读出数据后需除以10得到真实亮温。 4、数据分辨率： 空间分辨率：25.067525km，12.5km（SSM/I 85GHz，SSMIS 91GHz） 时间分辨率：逐日，从1978年至2015年。 5、空间范围： 经度：60.1°-140.0°东经； 纬度：14.9°-55.0°北纬。 6、数据读取： 每一组数据中的遥感影像数据文件可以在ArcMap、ENVI和ERDAS软件中打开。
National Snow and Ice Data Center（NSIDC）
该数据包括大冬树垭口观测站（东经100度14分28秒，北纬38度00分58秒）2013年12月17日至2014年7月9日期间风吹雪事件过程中收集的吹雪通量沿高度的分布。
黄宁, 王正师
在黑河上游多年冻土区域，选取11个有编号的典型钻孔，使用钻孔温度插值计算得出多年冻土及季节冻土厚度值，设定0度等温面为多年冻土和季节冻土下底板。 数据包括钻孔编号、经纬度、冻土厚度及冻土类型。
张廷军, 高坛光
从2013年至2014年，对黑河上游高海拔地区晚第四纪冰川地貌进行了考察采样。通过野外考察结合遥感影像得到了摆浪河上游山脊附近各级冰碛陇的分布图。
胡小飞, 潘保田
冻融指数作为冻土研究的重要参数，对于冻土研究具有十分重要的意义，同时也是研究气候变化的重要指标。冻融指数是日气温或地表土壤温度在给定时间的累计值。 本数据是根据中国气象局在黑河流域布设的15个常规气象台站逐日的地表温度的观测资料，计算得到的各气象台站1960-2006年逐年的地表冻融指数。
张廷军
本数据集包括黑河上游八宝河流域40个WATERNET传感器网络节点自2013年6月底至今的观测数据。4cm、10cm和20cm土壤水分是每个节点的基本观测；19个节点包含土壤水分和地表红外辐射温度观测；11个节点包含土壤水分、地表红外辐射温度观测、雪深和降水观测。观测频率为5分钟。该数据集可为流域水文模拟、数据同化及遥感验证提供地面数据集。 详细内容请参见“WATERNETNET数据文档20141206.docx”
晋锐, 亢健, 李新, 马明国
.png)
该数据集是“中国雪深长时间序列数据集（1978-2012）”的升级版本。 中国雪深长时间序列数据集（1979-2023）采用经纬度投影方式，数据为浮点型。数据集按年份存储，每个年份是一个压缩包，每个压缩包内包含每天的积雪深度文件。每天的雪深用一个txt文件存储，文件的名称为“yyyyddd.txt”，其中yyyy代表年，ddd代表Julian日期，雪深单位为厘米（cm）。比如2005001.txt就代表这个ASCII文件描述2005年第一天我国的积雪覆盖状况。数据集的ASCII码文件是由头文件和主体内容构成，头文件包括行数、列数、x-轴中心点坐标、y-轴中心点坐标、栅格大小、无数据区标值等6行描述信息组成，主体内容就是根据行数列数组成的二维数组，雪深单位为厘米（cm）。因为该数据集中的所有ASCII码文件所描述的空间为我国全国范围，所以这些文件的头文件是不变的，现将头文件摘录如下（其中xllcenter, yllcenter, cellsize单位为度）： ncols 321 nrows 161 xllcenter 60 yllcenter 15 cellsize 0.25 NODATA_value -1。 该数据集是采用中国被动微波雪深反演算法Che算法，从星载被动微波亮度温度数据提取。星载被动微波亮度温度数据来自多个传感器，本数据采用的传感器包括Nimbus7上的SMMR(1979-1988),DMSP-F08,F11,F13上的SSMI（1988-2008），DMSP-F17上的SSMI/S（2009-2020），Aqua上的AMSR-E （2002-2011），GCOM-W1上的AMSR2 (2012-)。考虑到不同传感器之间的系统差异，在进行雪深反演前，已对对不同传感器进行了交叉订正。 数据包含三个压缩文件：daily snow depth _smmr_ssmis_China (1978-2020),daily snow depth _amsre_China(2002-2011),daily snow depth_amsr2_China（2012-2023）。第一个是从SMMR,SSMI,SSMI/S提取的1978-2020年逐日雪深，第二个是从AMSR-E提取的2002-2011年逐日雪深，第三个是从AMSR2提取的2012-2023年逐日雪深。从2021年开始SSMI/S数据与之前差异较大，因此，之后的数据不再根据SSMI/S数据更新。AMSR-E数据结束时间是2011年9月27日。AMSR2数据从2012年9月1日开始，目前仍在运行，今后将根据AMSR2数据继续更新中国长时间序列数据集。
车涛, 戴礼云, 李新
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
