• 青藏高原逐3小时高分辨率大气-水文模拟数据集(2000-2010)

    采用WRF4.1.1模式制备的青藏高原高分辨率大气-水文模拟数据集,格点数为191*355,空间分辨率9km,覆盖范围如图1所示,时间分辨率为3h,模拟时采用的主要参数化方案包括:Thompson微物理方案、RRTM长波辐射方案、Dudhia短波辐射方案、MYJ边界层方案、Noah陆面过程方案。数据的时间跨度为2000-2010年,变量包括:降水(Rain),地面2m高度的温度(T2)和湿度(Q2),地表温度(TSK)、地面气压(PSFC)、地面上10m风场的纬向分量(U10)、地面上10m风场的经向分量(V10)。地表向下的长波通量(GLW)、地表向下短波通量(SWDOWN)、地表热通量(GRDFLX)、感热通量(HFX)、潜热通量(LH)、地表径流(SFROFF)、地下径流(UDROFF)等。该数据可有效支撑青藏高原地区区域气候特征及气候变化研究。

    2187 2022-07-17

  • Alaska冰川编目(2018)

    过去五十年,阿拉斯加地区冰川对海平面贡献占全球山地冰川总贡献的三分之一。 在RGI6.0的基础上,我们利用遥感和地理信息系统技术对阿拉斯加地区冰川编目数据进行了更新。更新的冰川编目采用的数据源为2018年Landsat OLI空间分辨率15m遥感影像,使用的方法为人工解译。结果显示,阿拉斯加地区冰川编目包括了现有冰川27043条,总面积81285km2。数据误差4.3%。该数据将为研究全球变化大背景下阿拉斯加地区冰川变化评估、冰川变化的区域和全球影响提供重要的数据支撑。

    6551 2020-01-03

  • 青藏高原标准大气数据集 (1981-2020 年平均)

    青藏高原分区域动力降尺度数据集-标准年(TPSDD-Standard)是一个高空间-时间分辨率的网格数据集,用于整个青藏高原的陆地-大气交换过程和低层大气结构研究,并考虑到了青藏高原各分区域的气候特征。根据青藏高原上空500 hPa多年平均位势高度场,选取与该位势高度场空间相关系数最大的年份(2014年)作为标准年,它能粗略反映青藏高原大气多年平均状况。该数据时间分辨率为1小时,空间分辨率为5公里。数据集的气象要素包括近地表土地-空气交换参数,如向下/向上的长波/短波辐射通量、感热通量、潜热通量等。此外,还包括从地表到对流层顶的3维风、温度、湿度和气压的垂直分布。通过比较观测数据和最新的ERA5再分析数据,对该数据集进行了独立评估。结果表明了该数据集的准确性和优越性,为未来的气候变化研究提供了巨大的潜力。

    4417 2022-11-07

  • 青藏高原高分辨率低层大气和地气交换长期数据集(1981-2020)

    青藏高原分区域动力降尺度(TPSDD)数据集是一个高空间-时间分辨率的网格数据集,用于整个青藏高原的陆地-空气交换过程和低层大气结构研究,并考虑到了青藏高原各分区域的气候特征。该数据集的时间跨度为1981年至2020年,时间分辨率为2小时,空间分辨率为10公里。数据集的气象要素包括近地表土地-空气交换参数,如向下/向上的长波/短波辐射通量、动量通量、显热通量、潜热通量等。此外,还包括从地表到对流层顶的3维风、温度、湿度和气压的垂直分布。通过比较观测数据和最新的ERA5再分析数据,对该数据集进行了独立评估。结果表明了该数据集的准确性和优越性,为未来的气候变化研究提供了巨大的潜力。

    3990 2022-11-07

  • 南极海冰密集度CMIP6预估数据集(2020-2100)

    该数据为第六次国际耦合模式比较计划 (CMIP6)在中等排放场景(ssp245)下对2020年-2100年南极海冰密集度数据的模拟。对CMIP6的25个模式数据统一插值后进行集合平均。海冰密集度数据大小在0-1之间,数据时间范围从2020年1月至2100年12月,时间分辨率为月,空间范围为南纬45°以南,空间分辨率为1°×1°。该数据提供了中等排放情景下,南极海冰的的状态和演变,可为南极未来变化等研究提供参考。

    6487 2022-11-02

  • 青藏高原山地冰川流速数据集(2019-2020)

    冰川表面运动提取在冰川动力学与物质平衡变化研究中具有重要意义,针对当前我国自主遥感卫星数据在冰川运动监测应用中存在的不足,选用GF-3卫星FSI模式下获取的2019—2020年间覆盖青藏高原高山区典型冰川的SAR数据,借助并行化偏移量跟踪算法获取了研究区冰川表面流速分布。GF-3影像凭借其良好的空间分辨率,在规模较小、运动缓慢的冰川运动提取方面具有显著的优势,能够更好地体现冰川运动细节信息及其差异性。该研究有助于分析气候变化背景下青藏高原地区冰川的运动规律及其时空演变特征。

    5278 2022-11-04

  • 青藏高原地区在不同RCP情景下未来水资源时空分布后处理数据集(2046-2065)

    通过国家气象信息中心、水文年鉴、中国统计年鉴及中国科学院地理科学与资源研究所等单位收集了水文气象及、土地利用及DEM等基础数据。采用具有自主知识产权的分布式时变增益水文模型进行建模,以100平方千米阈值将青藏高原划分成10937个子流域。在黑河、雅鲁藏布江、长江源、黄河源、雅砻江、岷江、澜沧江流域选取了14个流量站观测日流量数据对模型进行了拟定与验证。日尺度纳西效率系数达到0.7以上相关系数达到0.8以上。采用了CMIP6提供的13个模型4种情景输出的降水与气温数据,对未来降水与气温数据进行后处理,后处理后的降水与气温驱动水文模型,模拟出2046-2065年水循环过程,给出全青藏高原空间0.1度日尺度径流未来可能时空分布。

    3728 2022-10-28

  • 中亚地区冰川吸光性物质时空分布数据集(2016-2017)

    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)

    2794 2022-08-28

  • 怒江水资源时空分布数据集(1998-2017)

    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。

    4002 2022-10-23

  • NSIDC南极海冰数据集(1978-2017)

    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

    12407 2018-02-26