冰雪具有高反射率，冰盖表面融化会降低地表反照率进而影响区域能量平衡，表面融化形成的水文系统会影响冰盖稳定性进而影响冰盖物质平衡。本数据集基于微波辐射计与光学反照率产品，对微波辐射计当日、冬季（6-8月）平均和7月平均进行波段合成，利用Gram-Schmidt方法将微波辐射计波段合成数据与MODIS GLASS反照率产品融合，使其空间分辨率从25 km提高至0.05˚。然后基于微波辐射计当日与冬季亮温差值的阈值法对降尺度结果提取南极冰盖表面融化，得到1985-1986年、2000-2001年、2015-2016年南极冰盖表面0.05˚ 每日融化产品。该数据集0.05˚ 的空间分辨率高于目前国内外已发布数据集，凸显了辐射计和反照率数据对表面融化的响应，空间细节特征更加清晰，保持了原辐射计产品的动态范围，有效地抑制了辐射计噪声，更好的反映了山区、触地线区域和冰架的融化范围随时间的梯度演变特征，产品精度更高。该数据集的数据类型为整型，其中1代表融化，0代表未融化，255代表冰盖以外掩膜区域，数据集以“*.nc”格式存储。
魏思怡, 刘岩
最大冻结深度是季节冻土热状态的重要指标，由于全球变暖，季节冻土的最大冻结深度不断下降。发布了中国西北五省、西藏和周边地区1961-2020年每10年的最大冻结深度数据集，空间分辨率为1km。该数据集是采用2001-2010年的最大冻结深度实测数据和空间环境变量构建的支持向量机回归模型，模拟了1961-2020年中国西北、西藏和周边地区的最大冻结深度。验证结果表明：支持向量机回归模型具有良好的空间泛化能力，最大土壤冻结深度的预测值和实测值之间具有较高的一致性，1980s、1990s、2000s和2010s四个时期模拟结果的决定系数分别为0.77、0.83、0.73和0.71。预测结果的百分位区间表明，模拟结果具有良好的稳定性。基于该数据集，发现我国西北地区最大土壤冻结深度不断下降，其中，青海的下降速率最快，平均每十年下降0.53 cm。该数据集为中国西北、高山亚洲和第三极等地区季节冻土的研究提供数据支持。
王冰泉, 冉有华
基于遥感的全球表层土壤水旬度数据集（RSSSM，2003~2020）是在世界11种常用的全球微波遥感土壤水数据产品基础上，采用神经网络方法，融入了9个微波遥感反演土壤水分的质量影响因子完成。数据空间分辨率是0.1度，时间分辨率为旬。原数据覆盖2003~2018年，现更新至2020年。RSSSM数据集的时间连续性突出，除冰雪和水体外实现空间全覆盖。通过全球实测数据进行检验，可证明RSSSM数据集较已有的常用全球或区域长时间序列表层土壤水产品具有更高的时空格局精度。此外，虽然RSSSM数据是基于遥感的，未融合任何降水资料，但其年际变异与降水量（如GPM IMERG降水数据）和标准化降水蒸散发指数（SPEI）的时间变异均可较好地吻合。RSSSM数据还可一定程度反映城市化、农田灌溉、植被恢复等人类活动对土壤水分的影响。数据为tiff格式，压缩后的数据量为2.48 GB。 数据论文于2021年发表在Earth System Science Data。
陈永喆, 冯晓明, 傅伯杰
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
观测数据来自中国气象局乌鲁木齐沙漠气象研究所于2019年建设的塔吉克斯坦帕米尔高原冰川观测站，包含空气温湿度、大气压、风速风向、降水、雪深等数据。资料时间段为2019年11月1日—2020年11月30日，运用MS Office处理所得*.xlsx格式，数据质量较好，此数据可为研究冰川消融及其水文特征、水资源、生态环境等的潜在影响提供参考。气象观测要素，经过积累统计，加工成气候资料，为天气预报和经济活动提供珍贵的数据支持。广泛应用于农业、林业、工业、交通、军事、水文、医疗卫生和环境保护等部门领域。
霍文
中亚的生态系统脆弱，自然灾害频发，水资源短缺，冰川加速融化，是气候变化敏感区之一。在评估该地区的脆弱性、影响性和适应性时，急需高分辨率的气候预估数据集。为此，我们对来自CMIP5的三个偏差订正后的全球气候模式（MPI-ESM-MR、CCSM4和HadGEM2-ES），在中亚地区开展了9千米的动力降尺度，继而生产了一个中亚高分辨率气候预估数据集，将其命名为HCPD-CA（High-resolution Climate Projection Dataset in Central Asia）。它的历史时段是1986-2005，未来时段是2031-2050，排放情景是RCP4.5。这个数据集有4个静态变量和10个常被用于驱动生态和水文模型的气象要素。静态变量有地形高度（HGT, m）、土地利用类型（LU_INDEX, 21 categories）、陆地水体（LANDMASK, 1代表陆地, 0代表水体）和土壤类型（ISLTYP, 16 categories）。10个气象要素是日降水量（PREC，mm/day）、2米日平均/最高/最低温（T2MEAN/T2MAX/T2MIN，K）、2米日平均相对湿度（RH2MEAN，%）、10米日平均维向和经向风（U10MEAN/V10MEAN，m/s）、日平均向下短波/长波辐射（SWD/LWD，W/m2）和日平均地表气压（PSFC，Pa）。评估结果显示：这个数据产品在描述中亚各个气象要素的平均态上有很高的质量，这保证了其可用性。未来气候变化的主要特征是：升温剧烈（年均温升高1.62-2.02℃），向下短波和长波辐射显著增强，其他气象要素变化很小。HCPD-CA数据集可被用于评估未来气候变化对中亚的多方面影响，特别是在生态和水文系统上。
邱源
观测数据来自中国气象局乌鲁木齐沙漠气象研究所于2017年建设的帕米尔高原红其拉甫梯度气象观测试验站，包含各气象要素的梯度数据。资料时间段为2019年11月18日—2021年10月8日，运用TOA5合并工具及MS Office等处理所得*.xlsx格式，数据质量较好，此数据可为开展帕米尔高原和中巴经济走廊地表辐射与能量收支规律研究提供支持，为陆面过程提供参考依据。 红其拉甫气象站在我国帕米尔高原，海拔4600m，靠近中国与巴基斯坦边境，资料及其珍贵。
霍文
地表土壤水分（SSM）是了解地球表面水文过程的关键参数。长期以来，被动微波（PM）技术一直是在卫星遥感尺度上估算SSM的主要选择，而另一方面，PM观测的粗分辨率（通常>10 km）阻碍了其在更细尺度上的应用。虽然已经提出了定量研究，以缩小基于卫星PM的SSM的规模，但很少有产品可供公众使用，以满足1km分辨率和全天候条件下每日重访周期的要求。因此，在本研究中，我们在中国开发了一种具有所有这些特征的SSM产品。该产品是通过在36 km处对基于AMSR-E和AMSR-2的SSM进行降尺度生成的，涵盖了2003-2019年间两台辐射计的所有在轨时间。MODIS光学反射率数据和在多云条件下填补空白的每日热红外地表温度（LST）是降尺度模型的主要数据输入，以实现SSM降尺度结果的“全天候”质量。4月至9月期间，这一开发的SSM产品的每日图像在全国范围内实现了准完全覆盖。在其他月份，与最初的每日PM观测值相比，开发产品的全国覆盖率也大大提高。我们根据2000多个专业气象和土壤水分观测站的现场土壤水分测量结果对该产品进行了评估，发现该产品的精度在晴空到多云的所有天气条件下都是稳定的，无偏RMSE的站平均值在0.053 vol到0.056 vol之间。此外，评估结果还表明，开发的产品在1km分辨率下明显优于广为人知的SMAP Sentinel（主被动微波）组合SSM产品。这表明，我们开发的产品在改善未来水文过程、农业、水资源和环境管理相关调查方面可能带来的潜在重要效益。
宋沛林, 张永强
吉尔吉斯斯坦西天山Kara-Batkak冰川气象站（42°9'46″N，78°16'21″E，3280m）。 观测数据包括逐时气象要素（小时雨量(mm)、瞬时风向(°)、瞬时风速(m/s)、2分钟风向(°)、2分钟风速(m/s)、10分钟风向(°)、10分钟风速(m/s)、最大风速时风向(°)、最大风速(m/s)、最大风速时间、极大风速时风向(°)、极大风速(m/s)、极大风速时间、分钟内极大瞬时风速风向(°)、分钟内极大瞬时风速(m/s)、气压(hPa)、气压最高(hPa)、气压最高出现时间、气压最低(hPa)、气压最低出现时间）。 气象观测要素，经过积累和统计，加工成气候资料，为农业、林业、工业、交通、军事、水文、医疗卫生和环境保护等部门进行规划、设计和研究，提供重要的数据。
霍文
温湿指数（THI）1973年由奥利弗（J.E.Oliver）提出，其物理意义是湿度订正以后的温度。它考虑了温度以及相对湿度对人体舒适度的综合影响，是衡量区域气候舒适度的一项重要指标。在参考已有关于生理气候评价指标分级标准的基础上，结合青藏高原自然地理特征，面向青藏高原人居环境适宜性评价需求，研制了青藏高原（3000米以上）温湿指数及其适宜性分区结果（包括不适宜、临界适宜、一般适宜、比较适宜与高度适宜）。
封志明, 李鹏, 林裕梅
该数据集主要包括北温带湖泊在1985-2020年间4个时段的结冰观测频率值（ICO），以及湖泊所在位置、面积、高程等信息。其中，4个时间段分别为1985-1998（P1）、1999-2006（P2）、2007-2014（P3）以及2015-2020（P4），目的是提高计算时段内的“有效观测”次数，进而提高准确度。4个时段的ICO由各个时段内所有Landsat影像统计的“结冰”次数与“有效观测”次数的比值计算，其他的湖泊信息通过表格中的“Hylak_id”列与HydroLAKEs数据集相对应。此外，该数据仅保留了P1-P4均观测有效，且面积大于1平方千米的湖泊，约为3万个。该数据集可以反映近几十年来湖泊结冰情况对气候变化的响应。(详见论文)
王欣驰
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
该数据集记录了1988年，2012年度青海省海东地区草地类型面积、载畜量统计数据，数据按照草地类组型代号分类统计，如：Ⅰ代表高寒干草原类、Ⅱ代表山地干草原类、Ⅲ代表高寒荒漠类、B代表中禾草组、J代表灌木组等，具体的草地组类型代号及其对应的含义见数据集中的“青海省草地类组型代号说明.pdf”。数据整理自青海省草原总站与1988年和2012年发布的《青海省草地资源统计册》。数据集包含3个数据表，分别为：海东地区各类型草地面积、载畜量统计数据（1988），海东地区草地类型面积、载畜量统计数据（2012）和青海省草地类组型代号说明。数据表结构相似。例如海东地区草地类型面积、载畜量统计数据（2012）表共有8个字段： 字段1：类型代号 字段2：草地类型名称 字段3：草地面积 字段4：草地可利用面积 字段5：平均单产鲜草 字段6：平均单产可食鲜草 字段7：载畜量 字段8：草地型等
青海省农业农村厅
本数据集为全球高精度高程控制点数据集，包含各个高程控制点地理定位，高程，采集时间等信息。 从卫星激光测高数据中提取的激光足印高程的精度受到许多因素的影响，如大气、有效载荷仪器噪声、激光足迹中的地形起伏等，导致精度不确定。该数据集通过评估标签和测距误差模型所构建的筛选准则对ICESat卫星从2003年到2009年的测高观测数据进行筛选提取，以期地形测图或依赖良好高程信息的其他科学领域提供高精度的全球高程控制点。经验证，平地（坡度<2°）、丘陵（2°≤坡度<6°）、山地（6°≤坡度<25°）区域的高程精度分别满足0.5m、1.5m、3m的精度要求。
谢欢, 李彬彬, 童小华, 唐鸿, 刘世杰, 金雁敏, 王超, 叶真, 陈鹏, 许雄, 柳思聪, 冯永玖
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
本数据集由东亚季风区中国祁连山地区树木年轮碳氧数据组成。祁连山地区树轮包括4棵树芯，树种为祁连圆柏，测定的同位素数据为921个。树轮原木经过化学处理提取纤维素，所得纤维素样品包裹在银杯中，在用DELTA V Advantage稳定同位素质谱仪上测定同位素比值，分析误差小于0.21‰。实验分析在中国科学院地质与地球物理研究所土壤结构与矿物实验室完成。该数据对对东亚季风区古气候方面的研究具有一定的意义。
许晨曦
本数据集由东亚季风区中国祁连山地区树木年轮宽度数据组成。祁连山地区树轮包括52棵树芯，树种为祁连圆柏，测定的宽度数据为17081个，测量精度为0.01mm。树轮的宽度测量使用LINTAB 6树木年轮分析仪测量，并使用COFFCHA程序对交叉定年进行检验，以保证对所有树芯样本的量测和定年都准确无误。实验分析在中国科学院地质与地球物理研究所土壤结构与矿物实验室完成。该数据对对东亚季风边缘区的古气候方面的研究具有一定的意义。
许晨曦
格拉丹东地区是青藏高原重要的、典型的大江大湖源区。本数据集提供了不同时间尺度，不同分辨率的，覆盖长江和色林错源区冰川的DEM，用以计算源区冰川表面高程的季节变化和年代际变化。数据集包括了2016-2017年7景不同月份5米分辨率的TanDEM-X数据，可用以冰川表面高程的季节性变化计算；包括了1景1976年30米分辨率的KH-9 DEM，5景2011年30米分辨率的TanDEM-X，1景2014年和3景2017年30米分辨率的TanDEM-X，可用以计算1976-2000，2000-2011，2011-2017年期间冰川表面高程变化。同时采用Landsat ETM数据勾画，并按照RGI6.0分割了1976年的冰川轮廓数据；右图显示了该数据集的空间和时间覆盖信息，底图为正射校正后KH-9影像。
陈文锋
冰盖的表面高程对气候变化非常敏感，因此冰盖的高程变化被认为是评估气候变化的一个重要变量。长期的冰盖表面高程变化的时间序列是对理解气候变化有着重要作用的基础数据。将微波雷达卫星测高的观测数据连接起来可以建立目前最长的冰盖表面高程时间序列。但是，已有的任务间偏差改正方法在交叉标定不同的观测任务时仍然有误差残留。我们通过对常用的平面拟合模型进行修改，通过任务间偏差和升降轨道偏差的同时约束改正来确保不同任务间表面高程时间序列的自洽和连贯。基于这种方法，我们使用Envisat和CryoSat-2数据构建了2002-2019年间的南极冰盖高程变化时间序列。该时间序列是月均的格网数据，格网的空间分辨率为5-km。使用机载和星载激光测高数据对结果评估发现，与传统的方法相比，该方法可以将任务间偏差改正的精度提高40%。使用解算得到的高程时间序列，结合由密实化模型得到的表面过程造成的冰盖体积变化，我们发现冰动力过程使得阿蒙森海沿岸区域的冰盖成为南极冰盖体积损失最大的区域，而表面过程则主导了托腾冰川、毛德皇后地、伊丽莎白公主地和别林斯高晋海沿岸等冰盖的体积变化过程。西南极的冰体积损失超过了东南的体积积累。在2002–2019期间，南极冰盖的体积以初始速率−68.7 ± 8.1 km3/yr，加速度−5.5 ± 0.9 km3/yr2加速损失。
张保军, 王泽民, 杨全明, 柳景斌, 安家春, 李斐, 耿红
新的北半球多年冻土图利用基于规则的GIS模型融合了新的多年冻土范围（Ran et al., 2021b）、气候条件、植被结构、土壤和地形条件以及富冰和富含有机质多年冻土图（yedoma）。与之前的多年冻土图不同，根据多年冻土与气候和生态系统的复杂交互作用，我们将北半球多年冻土分为五种类型：气候驱动型、气候驱动型/生态系统改造型、气候驱动型/生态系统保护型、生态系统驱动型和生态系统保护型。除去冰川和湖泊，北半球这五种类型的面积分别为3.66×106km2、8.06×106km2、0.62×106km2、5.79×106km2和1.63×106km2。北半球81%的多年冻土区受到生态系统的改造、驱动或保护，表明生态系统在北半球多年冻土稳定性中的主导作用。气候驱动的多年冻土只占北半球多年冻土区的19%，主要分布在高北极和高山地区，如青藏高原。
冉有华, M. Torre Jorgenson, 李新, 金会军, 吴通华, 李韧, 程国栋
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
