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
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
中国逐日雪深模拟预估数据集是采用人工神经网络模型，以NEX-GDPP模式数据集作为依托，预估的中国未来逐日雪深数据，其中雪深模拟的人工神经网络模型是以当天的最高温度、最低温度、降水数据和当天雪深数据作为模型的输入层，次日的雪深数据作为模型目标层对模型搭建，然后运用国家气象站数据对搭建的雪深模拟模型进行训练和验证进行训练，模型验证结果显示：模型迭代时空模拟能力较好；累积雪盖持续时间、累积积雪深度的模拟值和验证值的空间相关性为0.97和0.87，累积雪深的时间和空间相关性分别为0.92和0.91。在模型最优基础上，用此模型迭代模拟未来中国区域内逐日雪深数据。该数据集可以为中国未来雪灾风险评估、积雪范围变化研究以及气候变化研究提供数据支持。该数据基本信息如下：历史基准时段(1986～2005年)、未来模拟（2016～2065年）两个时间段，以及RCP4.5和RCP8.5两种情景，20个气候模式。其空间分辨率为0.25°*0.25°。该数据的投影方式为EASE-Gr，数据保存格式为nc格式。 下面是nc中数据文件信息 time：时长（单位：天）历史基准时段（起始时间：1986年1月1日，终止时期：2005年12月31日） 未来模拟（起始时间：2016年1月1日，终止时期：2065年12月31日） longitude = 320矩阵共320列 latitude = 160矩阵共160行 depth：雪深（cm） X Dimension: Xmin = 60.125; //矩阵x方向左下角网格的角落点坐标 Y Dimension: Ymin = 15.125; //矩阵y方向轴左下角网格的角落点坐标
陈虹举, 杨建平, 丁永建
雪水当量（Snow water equivalent，SWE）是地表水文模型和气候模型的重要参数。本数据基于机器学习的岭回归算法融合了多种现有的雪水当量数据产品，形成了一套时间序列连续且精度较高的雪水当量数据产品。数据的空间范围为泛北极地区（北纬45°至北纬90°），数据时间序列为1979-2019年。该数据集有望为水文模型和气候模型提供更为精确的雪水当量数据，为冰冻圈变化及全球变化提供数据支撑。
李弘毅, 邵东航, 李浩杰, 王卫国, 马媛, 雷华锦
Based on AVHRR-CDR SR products, a daily cloud-free snow cover extent dataset with a spatial resolution of 5 km from 1981 to 2019 was prepared by using decision tree classification method. Each HDF4 file contains 18 data elements, including data value, data start date, longitude and latitude, etc. At the same time, to quickly preview the snow distribution, the daily file contains the snow area thumbnail, which is stored in JPG format. This data set will be continuously supplemented and improved according to the real-time satellite remote sensing data and algorithm update (up to may 2019), and will be fully open and shared.
HAO Xiaohua
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
泛第三极区域数据集呈现海量、零散等特征，现有数据集种类较多，覆盖范围广，涉及水文、生态、大气以及灾害等多个领域，但这些数据集来自不同平台，在尺度、数据格式等方面各不相同，数据的可利用性较差，不利于科研人员展开泛第三极地区的科学研究，同时也无法发挥出这些数据集的巨大潜力。本研究采用来自多个数据平台的最新数据使用数据集成、数据融合等集成方法生产更高质量和更新年份的泛第三极综合数据集。根据不同来源、不同分辨率的数据，对这些数据进行质量控制，根据数据科学内容进行集成。对部分数据，利用数据融合技术，融合不同来源的数据，产生数据质量更高、年份更新的创新性数据产品，更好地服务于陆面过程模型等研究中。泛第三极数据集根据自然数据和社会经济数据分别采用泛第三极流域边界和泛第三极国家边界获取数据，统一采用罗宾逊（Robinson）投影格式。获得了多源集成的包含基础数据集、冰冻圈数据集、水文大气数据集、生态数据集、灾害数据集和人文地理数据集共六类数据集。 （1）基础数据集包含边界数据集、30米土地覆被数据、植被功能数据、30米SRTM数字高程数据和HWSD土壤质地数据。详情请查看元数据页面附件信息中或数据中的文档“泛第三极基础数据集数据文档.docx”。 （2）冰冻圈数据集包含冻土数据集、冰川分布数据、冰湖分布数据和积雪深度数据。其中，冻土数据集又包含冻土分布数据、冻土水热分带数据、冻土指数数据和冻土表面粗糙度数据。详情请查看元数据页面附件信息中或数据中的文档“泛第三极冰冻圈数据集数据文档.docx”。 （3）水文大气数据集包含河流湖泊数据集、蒸散发数据集和大气数据集。河流湖泊数据集包含河流数据和湖泊数据，蒸散发数据集包含MODIS蒸散发数据、土壤蒸发数据、水体冰雪蒸发数据和冠层截流蒸发数据，大气数据集包含ERA5-Land再分析数据集中的地表热辐射数据、地表太阳辐射数据、降水数据、气压数据、温度数据和风场数据。详情请查看元数据页面附件信息中或数据中的文档“泛第三极水文大气数据集数据文档.docx”。 （4）生态数据集包含总初级生产力数据和植被蒸腾数据。详情请查看元数据页面附件信息中或数据中的文档“泛第三极生态数据集数据文档.docx”。 （5）灾害数据集包含滑坡数据和地震区划数据。详情请查看元数据页面附件信息中或数据中的文档“泛第三极灾害数据集数据文档.docx”。 （6）人文地理数据集则包含交通道路数据、铁路机场数据、人口密度数据、主要国家人均GDP数据、收入水平数据和世界遗产分布数据。详情请查看元数据页面附件信息中或数据中的文档“泛第三极人文地理数据集数据文档.docx”。 泛第三极综合数据集将为相关研究者提供便利，避免相关研究在获取数据和处理数据的过程中重复劳动，节省研究者宝贵的时间，并且在陆面过程模型、水文模型和生态模型等科学研究中起到重要作用，促进泛第三极地区科学研究的发展，为泛第三极地区的科学研究提供数据支撑。
李虎, 潘小多, 李新, 盖春梅, 冉有华
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
本数据集来源于书籍：《横断山区冰川》，该书籍的归属于青藏高原横断山区科学考察丛书，主编为李吉均，副主编为苏珍，指导单位为中国科学院地理研究所。该书所指考察队为中国科学院青藏高原综合考察队，出版社为科学出版社。由于横断山一些地区，降水充沛，积雪深厚，雪崩、风吹雪和异常降雪成为一种常见的自然灾害，给当地居民的工作与生活造成了极大的伤害，本书就此对于横断山地区的雪害进行了详细的记录。该数据包含了2张工作簿和2张图片，分别是雪害状况及危害程度统计表、雪崩的区域特征、川西滇北藏东南地形切割程度图、横断山雪崩危害范围图。
李吉均
亚洲高山区是地球上除南极和北极地区之外的第三大冰冻圈，分布着大量冰川积雪，不仅对全球水循环而且对亚洲中部干旱区的水资源及生态环境均有举足轻重的影响。在冰川学中，雪线作为消融期末积雪存在的下限，其高度变化信息是冰雪水资源变化的直观反映，也常用于指示冰川物质平衡，直接反映着冰川的进退。本数据集以2001—2019年逐日MODIS积雪产品为主要数据源，首先对逐日的MODIS积雪覆盖率产品进行去云处理，获得积雪覆盖日数（SCD）数据集；并用冰川年物质平衡观测数据、融雪末期Landsat数据对提取终年积雪的MODIS SCD阈值进行率定；然后以MODIS SCD提取的终年积雪面积结合地形“面积—高程”曲线实现大尺度融雪末期雪线高度信息的提取，最后得到2001-2019年亚洲高山区30km格网雪线高度数据集。本数据集可为亚洲高山区冰冻圈及气候变化等相关研究提供数据支持。
唐志光, 邓刚, 王晓茹
数据集包括2015年11月27日- 2016年3月26日阿勒泰基站(lon:88.07, lon: 44.73)地面被动微波亮温、多角度亮温、10分钟四分量辐射和雪温、雪坑日观测数据和逐时气象数据。 日雪坑参数包括:积雪分层、分层厚度、密度、粒度、温度。 这些数据存储在5个NetCDF文件中，TBdata.nc, TBdata-multiangle.nc, Ten-minute 4 component radiation and snow temperature.nc, Hourly meteorological and soil data.nc and Daily snow pit data.nc,以及readme.doc。 TBdata.nc 为六通道双偏振微波辐射计RPG-6CH-DP自动采集的两偏振三个通道的亮度温度。内容包括年、月、日、时、分、秒、Tb1h、Tb1v、Tb18h、Tb18v、Tb36h、Tb36v、入射角、方位角。 TBdata-multiangle.nc为两种极化的3个通道的7组多角度亮度温度。 包括年、月、日、时、分、秒、Tb1h、Tb1v、Tb18h、Tb18v、Tb36h、Tb36v、入射角、方位角。 The ten-minute 4 component radiation and snow temperature. nc 为4组分辐射和层状雪温度。 内容包括:年、月、日、时、分、SR_DOWN、SR_UP、LR_DOWN、LR_UP、T_Sensor、ST_0cm、ST_5cm、ST_15cm、ST_25cm、ST_35cm、ST_45cm、ST_55cm。 The hourly meteorological and soil data.nc为每小时天气数据和分层土壤数据。内容包括年、月、日、时、Tair、Wair、Pair、Win、SM_10cm、SM_20cm、Tsoil_5cm、Tsoil_10cm、tsoil_15cm、Tsoil_20cm。 The daily snow pit data.nc为人工雪坑数据。观测时间为当地时间上午8:00-10:100。内容包括年、月、日、雪深、thickness_layer1、thickness_layer2、thickness_layer4、thickness_layer5、thickness_layer6、Long_layer1、Short_layer1、Long_layer2、Short_layer2、Long_layer3、Short_layer4、Long_layer5、Short_layer5、Long_layer6、short_layer6、Stube、snow shovel_0-10、 雪铲_10-20、雪铲_20-30、雪铲_30-40、雪铲_40-50、雪叉_10、雪叉_15、雪叉_20、雪叉_25、雪叉_30、雪叉_35、雪叉_40、雪叉_45、雪叉_50、形状1、形状2、形状3、形状4、形状5。
戴礼云
高亚洲地区对气候变化非常敏感，是全球变化研究的热点区域。气温和降水的变化会在冰雪冻融的时间上反映出来。星载微波遥感能提供时空连续的冰雪表面状态监测能力，当冰雪中很小一部分开始融化造成微量液态水，也会反映在主动和被动微波遥感信号中。在微波波段，冰与液态水的介电常数差异巨大，因此为微波遥感监测冰雪融化提供了基础理论。在被动微波情况下，当冰雪开始融化而出现液态水时，其吸收和发射率迅速增加，因此其发射率和亮度温度、后向散射系数也会迅速改变。本数据集为利用1979年至2018年长时间序列卫星微波辐射计和散射计观测反演的高亚洲地区冰雪融化的初始时间。被动微波遥感数据为搭载在卫星上的SMMR（1979~1987年），以及搭载于DMSP上的SSM/I-SSMIS辐射计（1988年至今）。主动微波遥感数据为QuikSCAT卫星散射计（2000~2009年）。
熊川, 施建成, 姚汝桢, 雷永荟, 潘金梅
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
