本数据集包括祁连山地区2019年日值0.05°×0.05°地表土壤水分产品。采用耦合小波分析的随机森林优化降尺度模型（RF-OWCM），通过对“祁连山地区基于AMSR-E和AMSR2亮温数据的SMAP时间扩展日0.25°×0.25°地表土壤水分数据（SMsmapTE, V1）”进行降尺度，得到0.05°×0.05°地表土壤水分产品。参与降尺度模型的数据包括GLASS Albedo/LAI/FVC，周纪-中国西部1km全天候地表温度数据（TRIMS LST-TP），以及经/纬度等信息。
柴琳娜, 朱忠礼, 刘绍民
本数据集提供青藏高原124个湖泊实测水质参数，湖泊总面积为24,570 平方千米，占青藏高原湖泊总面积的53% 。实测湖泊水质参数包括水温、盐度、pH、叶绿素a浓度、蓝绿藻（BGA）浓度、浊度、溶解氧（DO）、荧光溶解有机物（fDOM）和水体透明度（SD）。测量方法中，盐度使用电导率是传感器测量获得的比电导率（SpC）转换得到，叶绿素a和蓝绿藻（BGA）浓度使用总藻类荧光传感器测量，温度使用温度传感器测量，pH使用pH传感器测量，溶解氧（DO）使用光学溶解氧传感器测量，fDOM使用荧光传感器测量，单位是硫酸奎宁单位（QSU），浊度使用浊度传感器测量，以Formazin比浊法为单位（FNU）。上述传感器测量获取的参数均使用YSIEXO或HACH多参数水质仪测量，测量时，传感器位于湖面以下约10-20厘米处。湖泊水体透明度使用塞氏盘测量法进行测量。
朱立平
1. 数据内容（包括的要素及意义） 冰川厚度即冰川表面与冰川底部间的垂直距离。冰川厚度的分布不仅受冰川规模与冰下地形控制，同时也随着冰川对气候响应阶段不同而变化。数据包含冰川测线经纬度、高程、单点厚度、测量冰川冰体总储量、测量仪器型号等信息。 2. 数据来源与加工方法 冰川厚度主要来源于钻孔和探地雷达测厚（Ground-Penetrating Radar, GPR）。钻孔法即在冰面进行钻孔至冰下基岩，从而获得单点的冰川厚度；冰川雷达测厚技术则能精确地测量出测线上冰川厚度的连续分布，同时获取冰下基岩的地形特征，从而为冰川储量估算和冰川动力学研究提供必要的参数 3. 数据质量描述 冰川钻孔数据精度达到分米级。GPR雷达测厚由于冰川性质及底界面雷达信号强度差异，测厚精度理论上在5%-15%之间，。 4. 数据应用成果与前景 冰川厚度是获取冰下地形和冰川储量信息的先决条件。在冰川动力学数值模拟与模型研究中，冰川厚度是一个重要的基本输入参数。同时，冰川储量是表征冰川规模和冰川水资源状况的最直接参数，不仅对冰川水资源的准确评估和合理规划及有效利用十分重要，更对于区域社会经济发展和生态安全具有重要和深远
邬光剑
汞是一种全球性污染物。青藏高原毗邻当前大气汞排放最严重的地区南亚，可能受到长距离传输的影响。利用冰芯和湖芯可以很好地重建大气汞传输和沉降历史。基于青藏高原和喜马拉雅山南坡8支湖芯和1支冰芯重建了工业革命以来的大气汞沉降历史。本数据集包含青藏高原纳木错、班公错、令戈错、枪勇湖、唐古拉湖和喜马拉雅山南坡Gosainkunda湖、Gokyo湖和Phewa湖的8支湖芯数据，各拉丹冬1支冰芯数据。冰芯数据分辨率为1年，湖芯数据2~20年，数据包含汞浓度数据和沉降通量数据。
康世昌
结合MODIS积雪产品Terra/Aqua（500 m）与IMS（4 km），发展了青藏高原每日无云高分辨率积雪产品 (TAI, 500 m)。其相对于原始的MODIS Terra（云覆盖46.6%）和Aqua（55.1%）、及MODIS Terra-Aqua结合（37.3%），将云遮蔽全部去除。同时，提高了积雪成图，新生成的TAI产品的积雪面积为19.1%，相对于原始的MODIS Terra/Aqua及MODIS Terra-Aqua结合（积雪面积4.7%～8.1%），显示了大大的提高。与青藏高原105个站点雪深数据验证表明，TAI产品的总精度为94%，相对于MODIS Terra（55%）、MODIS Aqua（50%）、及MODIS Terra-Aqua结合（64%），都显示了较大的提高，特别是雪深大于4 cm时效果较好。
张国庆
青藏高原是世界上最大的高、低纬度多年冻土带，近几十年来，其多年冻土带迅速退化，其最显著的特征之一就是热融湖塘的形成。这样的湖泊由于能够调节碳循环、水和能量通量而引起了极大的关注。然而，这一地区的热融湖塘的分布在很大程度上仍不为人所知，这阻碍了我们对多年冻土的响应及其碳反馈对气候变化的理解。本数据集基于200余景Sentinel-2A影像，结合ArcGIS、NDWI和Google Earth Engine平台，通过GEE自动提取和人工目视解译的方法提提取青藏高原多年冻土区内热融湖塘边界。在2018年热融湖塘数据集中，青藏高原多年冻土区共有121,758个热融湖塘，面积为0.00035-0.5 km²，总面积为1730 km² 。本次热融湖塘编目数据集为青藏高原水资源评价、多年冻土退化评价、热喀斯特研究提供了基础数据。
陈旭, 牟翠翠, 贾麟, 李志龙, 范成彦, 母梅, 彭小清, 吴晓东
全面了解青藏高原多年冻土发生的变化，包括年平均地温(MAGT)和活动层厚度(ALT)的变化，对气候变化引起的多年冻土变化工程的实施具有重要意义。 青藏高原多年冻土活动层厚度和范围模拟数据集，参考2000-2015年CMFD再分析数据及中国气象局气象观测资料、1公里数字高程模型、地理空间环境预测因子、结合冰川和冰湖、钻孔数据等，利用统计和机器学习(ML)方法模拟了青藏高原多年冻土层磁通量和磁通量的当前和未来变化，得到RCP2.6、RCP4.5和RCP8.5三种不同浓度情景下2000-2015、2061-2080年平均地温(MAGT)和活动层厚度（ALT）范围数据，分辨率为0.1*0.1度。 模拟结果表明，利用统计和ML相结合的方法模拟冻土热状态所需的参数和输入变量较少，可以有效地了解青藏高原冻土对气候变化的响应。
倪杰, 吴通华
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
整编了目前北半球数量最多的年平均地温（1002个）和活动层厚度（452个）地面观测数据，利用四种统计学习模型融合这些地面观测与多源遥感等数据产品，集合模拟得到了代表2000-2016年北半球多年冻土区年平均地温、活动层厚度、多年冻土发生概率和多年冻土水热分带数据集，空间分辨率为1公里，验证表明具有更高的精度。可为北半球多年冻土区的工程规划、设计、环境模拟与评价等提供数据支持，也可作为北半球多年冻土现状的数据基准，评估未来多年冻土变化及其影响。
冉有华, 李新, 程国栋, 车金星, Juha Aalto, Olli Karjalainen, Jan Hjort, Miska Luoto, 金会军, Jaroslav Obu, Masahiro Hori, 俞祁浩, 常晓丽
全面估算了1132个大于1 km2湖泊的水量变化。总的来说，1976至2019年间，湖泊水储量增加了169.7±15.1 Gt（3.9±0.4 Gt yr-1），主要发生在内流区（157.6±11.6或3.7±0.3 Gt yr-1）。1976至1995年间，湖泊水量显示减少（-45.2±8.2Gt或-2.4±0.4Gt yr-1），但在1995至2019年间，大幅增加（214.9±12.7Gt或9.0±0.5Gt yr-1）。2010至2015年间，水量增速减缓（23.1±6.5 Gt或4.6±1.3 Gt yr-1），随后在2015至2019年间再次出现高值（65.7±6.7 Gt或16.4±1.7 Gt yr-1）。在1976-2019年间，冰川补给湖水量增加（127.1±14.3 Gt）远远高于非冰川补给湖（42.6±4.9 Gt），这也与冰川补给湖数量多，面积广有关。另外，封闭湖水量增幅（161.9±14.0 Gt）大大高于外流湖（7.8±5.8 Gt）。
张国庆
青藏高原是陆地表面中低纬度地区多年冻土分布最为广泛的地区，大量研究表明，青藏高原多年冻土的存在和变化强烈影响着区域乃至全球的水文、生态和气候系统。但由于青藏高原高寒缺氧、生存条件恶劣、交通极不便利，数据资源非常贫乏，尤其是在极高海拔的多年冻土区，这种状态不仅严重地限制了对于该区域气候、环境和冻土等诸多方面的研究和理解，也严重限制了适应于该区域遥感反演算法的研发、各类陆面乃至于地球系统模型的模拟和改进，而且也限制了该区域经济发展和国家战略的规划。过去几十年，我们研究团队在青藏高原多年冻土区建立了综合观测网络，展开了对多年冻土地温、活动层水热以及气象因子的系统监测，形成了能够基本覆盖青藏高原高平面的、与多年冻土有关的多要素观测数据。本数据集包括在这一区域的6个自动气象观测站、12个活动层及84个钻孔长时间序列观测数据，主要观测要素包括气象（气温、降水、风速、比湿等）、土壤水热、活动层厚度及冻土温度等观测数据。各观测数据在收集和处理过程中都已经过了严格的质量控制。本数据集面向多学科背景的科学家发布（如：冰冻圈、水文学、生态学和气象科学等），将进一步促进青藏高原水文模型、陆面过程模型和气候模型的验证、发展和改进。
赵林, 胡国杰, 邹德富, 吴通华, 杜二计, 刘广岳, 肖瑶, 李韧, 庞强强, 乔永平, 吴晓东, 孙哲, 幸赞品, 盛煜, 赵拥华, 史健宗, 谢昌卫, 汪凌霄, 王翀, 程国栋
采自青藏高原的冰芯样品提供了冰雪同位素组成变化的高分辨率记录。该数据集包含了自1864-2006年各年的冰芯氧稳定同位素数据，冰芯是从青藏高原南部宁金岗桑冰川钻取得到，长度为55.1米，通过利用中国科学院青藏高原研究所 环境变化与地表过程重点实验室的MAT-253同位素质谱分析仪测得氧同位素数据，测量精度为0.05%。 数据采集地点: 宁金刚桑冰川（90.2°E，29.04°N，海拔高度5950米）
高晶
基于青藏高原土壤温湿度观测网玛曲站点建立的地基L波段微波辐射计观测系统（ELBARA-III，由欧洲航空局提供），本数据集囊括了水平和垂直极化的L波段亮温数据，地表及以下不同层土壤湿度和温度数据，地表通量（如感热、潜热、碳通量），气象要素数据（如降水、上下行长波/短波辐射、空气温度和湿度、气压）以及植被叶面积指数LAI和土壤性质等辅助数据。此多年尺度的数据集可用于提高对陆面过程、微波辐射过程的理解，验证SMOS和SMAP卫星亮温观测和土壤湿度反演结果，校验微波辐射传输模型中的假设条件，验证陆面模式输出以及再分析资料，反演土壤物理性质，量化陆-气间的水、碳、能量交换，并将帮助定量化地球系统模型中参数化方案的偏差和不确定性，从而提出相应改进方案。 ELBARA-III双极化亮温数据可通过测量的辐射计电压和校准的内部噪声温度计算得到。该数据质量可靠，其质量控制主要通过：1）对辐射计输出的原始电压数据（以800Hz采样频率）进行直方图检验，利用统计指标过滤射频干扰对ELBARA-III微波信号数据的影响；2）检查辐射计进行天空辐射测量时两天线端口的电压值是否相似，天线电缆有无损耗；3）分析仪器内部温度、主动冷源温度和环境温度；4）分析不同入射角度的双极化亮温的特点。 - 时间分辨率：30分钟 - 空间分辨率：入射角为40°~ 70°，间隔为5°，观测覆盖范围为3.31 m^2~ 43.64 m^2 - 测量精度：亮温，1 K；土壤水分，0.001 m^3 m^-3；土壤温度，0.1 °C - 单位：亮温，K；土壤水分，m^3 m^-3；土壤温度，°C /K
Bob Su, 文军
本数据集来源于论文：Ding, J., Wang, T., Piao, S., Smith, P., Zhang, G., Yan, Z., Ren, S., Liu, D., Wang, S., Chen, S., Dai, F., He, J., Li, Y., Liu, Y., Mao, J., Arain, A., Tian, H., Shi, X., Yang, Y., Zeng, N., & Zhao, L. (2019). The paleoclimatic footprint in the soil carbon stock of the Tibetan permafrost region. Nature Communications, 10(1), 4195. doi:10.1038/s41467-019-12214-5. 数据中包含新评估的青藏高原3m深度土壤有机碳库格点数据及相应的R代码，格点数据空间分辨率为0.1°。 以往对青藏高原土壤碳库的评估多以现代气候、植被等特性为根据，未考虑古气候条件、土层厚度等因素的影响。本研究中，研究人员综合考虑了古气候和现代气候条件、土层厚度和土壤理化属性、植被和地形等因素，通过机器学习算法重新评估了青藏高原3m深度土壤碳库。新评估得到的青藏高原土壤碳储量为36.6 Pg C (38.9-34.2 Pg C)，约为陆地生态系统模型模拟均值的3倍(11.5±4.2 Pg C)。同时，研究指出，模型中缺乏对古气候影响的考虑是导致模拟偏差的重要原因。 数据中包含以下字段： Longitude (°E) Latitude (°N) SOCD (0-30cm) (kg C m-2) SOCD (0-300cm) (kg C m-2) GridArea (k㎡) 3mCstcok (10^6 kg C)
丁金枝, 汪涛
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1974-2017年期间希夏邦马峰地区年均冰川物质平衡变化和冰储量变化数据集，包括1974-2000年和2000-2017年两个时段。采用ESRI 矢量多边形格式存储, 是由KH-9 DEM1974-SRTM DEM2000（DH1974-2000）与SRTM DEM2000-TSX/TDX 2017（DH2000-2017）两期DEM高程差（DH）数据，结合TPG1976/CGI2冰川专题矢量数据与冰密度（850 ± 60 kg m−3）计算而来。KH-9 DEM是由3景KH-9遥感影像数据，通过光学立体像对方法生成了研究区1974年数字高程模型。TSX/TDX2017数据通过与SRTM DEM数据进行差分干涉算法对得到研究区冰面高程变化DH2000-2017。1974-2000年间研究区年均冰面高程变化误差为±0.07 m，大地测量物质平衡误差为±0.06 m w.e. a-1。2000-2017年间年均冰面高程变化误差为±0.11 m，大地测量物质平衡误差为±0.10 m w.e. a-1。表格中包括的数据项有：GLIMSId代表从GLIMS冰川数据库读取的冰川编号、Area代表冰川面积（km2）、Area_m2是冰川面积（m2）,Name代表冰川名、EC74_2000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_2017表示2000-2017年间冰川每年的冰面高程变化（m a-1），MB74_2000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_2017表示2000-2017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_2017表示2000-2017年间每条冰川每年的冰储量变化（m3w.e. a-1），Ut_EC74_00,是1974-2000年冰面高程变化误差（m a-1）、Ut_MB74_00,是每条冰川1974-2000年冰川物质平衡误差（m w.e. a-1），Ut_MC74_00, 是每条冰川1974-2000年冰储量变化误差（m3w.e. a-1）。 Ut_EC00_17，是2000-2017年冰面高程变化误差，Ut_MB00_17，每条冰川2000-2017年冰川物质平衡误差（m w.e. a-1），Ut_MC00_17是每条冰川2000-2017年冰储量变化误差（m3w.e. a-1）。该数据集可用于喜马拉雅山脉希夏邦马峰地区冰川消融及其水文水资源效应，以及气候变化与冰雪灾害研究等。
叶庆华
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
山区受到复杂地形影响，其活动层厚度表现出极强的空间异质性。本数据集利用探地雷达方法和其他传统方法系统勘察了黑河上游活动层厚度。数据采集覆盖了不同海拔、地表类型、土壤质地和地形信息，因此具有较强的代表性。根据与其他直接测量活动层厚度方法对比后得到探地雷达测量的活动层厚度数据误差约为8cm，具有非常高的可信度。该数据集可为了解该区域活动层厚度提供详实的野外数据，验证陆面模型，尤其是冻土研究，提供验证数据集。
曹斌
本数据包括祁连山连续多年冻土、不连续多年冻土以及季节冻土的空间分布图。本数据基于野外科学考察、道路勘察钻孔点并结合前人所获得的多年冻土下界海拔资料，回归得出多年冻土下界海拔公式。其中，DEM数据采用美国太空总署(NASA)和国防部国家测绘局(NIMA)联合测量的SRTM(Shuttle Radar Topography Mission)数据，数据转化为GCS·WGS·1984坐标系后，重采样成100 m的空间分辨率，采用以此数据海拔3 000 m作为界定祁连山区范围。借助ArcGIS平台在DEM数据的支持下，模拟出分辨率为100 m的祁连山区多年冻土分布图。回归得出祁连山区多年冻土分布下界模型，并通过了显著性检验。通过已有的548个钻孔数据点检验，多年冻土区验证正确率为90.11%。本数据可用于祁连山地下冰含量以及多年冻土退化释放水量估算，并对祁连山生态环境整治和生态文明建设具有一定借鉴意义。
盛煜
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
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
