北极多年冻土区作为全球碳库的重要组成部分，是全球气候变化最敏感的区域之一。北极地区变暖的速度是全球平均速度的两倍，引发北极多年冻土的快速变化。1982-2015北半球不同类型多年冻土区NDVI变化数据集，时间分辨率为每5年一期，覆盖范围为整个环北极国家，空间分辨率为8km，以多源遥感、模拟、统计和实测数据为基础，使用GIS方法和生态学方法结合，量化了北半球多年冻土对生态系统的调节服务功能，其所有数据进行了质量控制。
王世金
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
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
第三极地区近期冰川变化因其对下游水资源供给的重要意义而成为周边各国政府关注的热点。第三极地区冰川表面高程变化数据产品基于获取于2000年的SRTM和2015年前后ASTER立体像对，在第三极地区范围内选了40余个典型冰川区来进行相应时段冰川表面高程估算。本产品共计估算了第三极地区超过14000条冰川2000-2015s时段内的表面高程变化，调查面积约占整个第三极地区冰川面积的25%。数据的覆盖范围为除阿尔泰山以外的整个第三极地区，空间分辨率为30m。
陈安安
高质量的多年冻土图是多年冻土环境效应研究和寒区工程应用的基础数据。该数据集是在系统整编青藏高原2005-2015年共237个钻孔位置年变化深度年平均地温测量数据基础上，利用支持向量回归模型融合了这些地面观测与遥感冻结指数、融化指数、积雪日数、叶面积指数、土壤容重、高程和高质量的土壤水分再分析资料, 集合模拟了代表2005-2015年的青藏高原1km分辨率年平均地温分布图。10折交叉验证表明，模拟的年平均地温的均方根误差约为0.75 °C, 偏差约0.01 °C。基于高海拔多年冻土稳定性分类体系，利用年平均地温，划分了多年冻土的热稳定类型。数据显示，青藏高原多年冻土面积约115.02 (105.47-129.59) *104 km2, 其中, 极稳定型(<-5.0 °C)、稳定型(-3.0~-5.0 °C)、亚稳定型(-1.5~-3.0 °C)、过渡型(-0.5~-1.5 °C)和不稳定型(>-0.5 °C)多年冻土面积分别为0.86*104 km2, 9.62*104 km2, 38.45*104 km2, 42.29*104 km2和23.80*104 km2。该数据集可用于寒区工程的规划、设计及生态规划与管理等，并可作为多年冻土现状的数据基准，用于评估未来青藏高原多年冻土的变化。关于该数据更详细的方法等信息可参考《中国科学：地球科学》的论文（Ran et al., 2020)。
冉有华, 李新
青藏高原多源遥感合成1km积雪覆盖数据集（1995-2018）基于国家卫星气象中心的青藏高原光学仪器遥感1km积雪覆盖数据集（1989-2018）和美国雪冰中心的25km近实时逐日全球冰密集度与积雪范围NISE产品数据集（1995-2019）合成得到，覆盖时间从1995年到2018年（每年1-4月和10-12月两个时段），时间分辨率为逐日，覆盖范围为青藏高原（17°N -41°N，65°E -106°E），采用等经纬度投影，空间分辨率为0.01°×0.01°。数据集以日产品表征了卫星观测时刻的地面是否为积雪所覆盖。输入数据源为NOAA或MetOp卫星AVHRR逐日积雪覆盖产品，TERRA卫星MODIS替代AVHRR对应观测通道生成的逐日积雪覆盖产品，以及DMSP卫星SSM/I或SSMIS逐日全球冰密集度和积雪范围NISE产品。数据集合成方法：以青藏高原光学仪器遥感1km积雪覆盖产品为基础，完全信任其积雪和晴空无雪信息，对有云覆盖、无法判识、缺少卫星观测等区域，在相对高空间分辨率海陆模板的辅助下，利用NISE的陆地有效判识结果进行替换。对于部分水陆边界，因NISE产品空间分辨率较低，合成结果有可能仍存在极少量的云覆盖或者无观测数据区域。基于多年地面气象台站雪深观测资料验证表明，本数据集对晴空条件下地面有无积雪的总体判识准确率在91%以上。数据采用标准的HDF4格式存储，内部有积雪覆盖和质量码两个SDS，维度均为4100列×2400行，且文件内部有完备的属性描述。
郑照军, 曹广真
青藏高原光学仪器遥感1km积雪覆盖数据集（1989-2018）基于星载光学仪器观测数据云雪判识方法制作，覆盖时间从1989年到2018年（每年1-4月和10-12月两个时段），时间分辨率为逐日，覆盖范围为青藏高原（17°N -41°N，65°E -106°E），采用等经纬度投影，空间分辨率为0.01°×0.01°。数据集以日产品表征了卫星观测时刻晴空无云或透明薄云下的地面是否为积雪所覆盖。输入数据源为NOAA与MetOp卫星的AVHRR L1数据，以及从TERRA/MODIS对应于AVHRR通道的L1数据。产品处理方法为独立于云掩模产品的动态阈值决策树算法（DT），即算法同时判别云雪，且其云检测强调保留雪信息，特别是透明卷云下的雪。DT算法针对不同情况，考虑了多种判识手段，如水云上的冰云，森林和沙地的积雪，薄雪或融雪等；根据地表类型、DEM和季节设定动态阈值；采用多种质量控制手段，如在重度气溶胶或烟尘覆盖的低纬度森林中剔除伪雪，参考最大月雪线和最小雪面亮度温度剔除伪雪；优化不同种类型云雪和晴空无雪陆地的判识流程。DT算法在正常情况下能区分大部分云雪，但会低估10月份青藏高原的积雪。基于多年地面气象台站雪深观测资料验证表明，本数据集对晴空条件下地面有无积雪的总体判识准确率在95%以上。数据采用标准的HDF4格式存储，内部有积雪覆盖和质量码两个SDS，维度均为4100列×2400行，且文件内部有完备的属性描述。
郑照军, 除多
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
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
