我们提出利用U-net网络进行冰裂隙识别探测的算法，可以实现格陵兰冰盖典型冰川冰裂隙的自动化探测。基于Sentinel-1 IW每年7、8月的数据，为了抑制SAR图像的相干斑噪声，选择Probabilistic Patch-Based Weights (PPB)算法进行滤波，然后选择具有代表性的样本输入U-net网络进行模型训练，根据训练的模型进行冰裂隙的预测。以格陵兰2个典型冰川（Jakobshavn、Kangerdlussuaq）为例分类结果的平均准确率可达94.5%，其中裂隙区域的局部准确率可达78.6%，召回率为89.4%。
李新武, 梁爽, 杨博锦, 赵京京
我们提出利用U-net网络进行冰裂隙识别探测的算法，可以实现南极冰裂隙的自动化探测。基于Sentinel-1 EW 1月、2月的数据，为了抑制SAR图像的相干斑噪声，选择Probabilistic Patch-Based Weights（PPB）算法进行滤波，然后选择具有代表性的样本输入U-net网络进行模型训练，根据训练的模型进行冰裂隙的预测。以南极5个典型冰架（Amery、Fimbul、Nickerson、Shackleton、Thwaiters）为例分类结果的平均准确率可达94.5%，其中裂隙区域的局部准确率可达78.6%，召回率为89.4%。
李新武, 梁爽, 杨博锦, 赵京京
太阳总辐射和散射采用辐射表（CM22, Kipp & Zonen, 荷兰）测量，波长范围200-3600 nm。温湿度数据来源于IPEV/PNRA 项目 “Routine Meteorological Observation at Station Concordia” ，http://www.climantartide.it，地面水汽压单位为hPa。本数据集包括：利用经验模型计算的地面太阳总辐射、损失于大气中的吸收和散射辐射（小时累计值，单位MJ/m2）、大气顶和地表反照率；还包括散射因子（S/G）地面水汽压（E，单位hPa）。太阳辐射数据来源于数据提供者的计算、实验站测量，数据覆盖时间为2006-2016年（Bai, J.; Zong, X.; Lanconelli, C.; Lupi, A.; Driemel, A.; Vitale, V.; Li, K.; Song, T. 2022. Long-Term Variations of Global Solar Radiation and Its Potential Effects at Dome C (Antarctica). Int. J. Environ. Res. Public Health, 19, 3084. https://doi.org/10.3390/ijerph19053084）。该数据集可以用于南极Dome C地区太阳辐射及其衰减等相关研究。地面太阳辐射和其他气象数据可以参考：https://doi.org/10.1594/PANGAEA.935421
白建辉
太阳总辐射采用辐射表（CM21, Kipp & Zonen, 荷兰）测量，波长范围200-3600 nm。温湿度分别采用温湿度传感器HMP45C-GM （Vaisala Inc., Vantaa, Finland）测量。本数据集包括：利用经验模型计算的地面太阳总辐射、损失于大气中的吸收和散射辐射（小时累计值，单位MJ/m2）、大气顶和地表反照率；还包括散射因子（AF）地面水汽压（E，单位hPa）。太阳辐射数据来源于数据提供者的计算、实验站测量，数据覆盖时间为2007-2020年。关于数据处理和太阳总辐射计算等可参考文献：Bai, J.; Zong, X.; Ma, Y.; Wang, B.; Zhao, C.; Yang, Y.; Guang, J.; Cong, Z.; Li, K.; Song, T. 2022. Long-Term Variations in Global Solar Radiation and Its Interaction with Atmospheric Substances at Qomolangma. Int. J. Environ. Res. Public Health, 19, 8906. https://doi.org/10.3390/ijerph19158906。该数据集可以用于珠峰地区太阳辐射及其衰减等相关研究。珠峰站太阳辐射和其他气象数据可以参考：https://data.tpdc.ac.cn/zh-hans/data/b9ab35b2-81fb-4330-925f-4d9860ac47c3/。
白建辉
1963年东南极Rayner冰川基于ARGON历史遥感影像的冰流速度场数据产品。利用间隔两个月的两张1963年拍摄的解密卫星影像，基于视差分解进行分层匹配，估算了南极洲东部雷纳冰川的早期冰流速度场。估算得到速度图的精度可达到70米/年。基于光学立体像对视差分解的协同冰川表面流速估算方法。首先对待匹配影像生成核心影像，并生成核心影像的金字塔；接下来使用冰流区域掩膜，将影像分为冰流区与非冰流区分别进行匹配，其中冰流区除正常匹配步骤外，还需要进行视差分界，从而区分冰流运动对于地形视差的影响。最终通过逐层匹配的方法，我们可以在底层得到物方的DTM及冰流图。本数据对于重建东南极Rayner冰川早期表面形态及其冰流速度具有重要意义。
李荣兴, 乔刚, 叶文凯
该数据集包含北极两条大河 （北美：Mackenzie，欧亚：Lena）的观测及模拟的入海径流量及各径流成分（总径流、冰川径流、融雪径流、降雨径流）的组成，时间分辨率为月。该数据是利用项目组制作的气象驱动场数据驱动发展的VIC-CAS模型，利用观测的径流及遥感积雪数据进行校正，径流的模拟的Nash效率系数达到0.85以上，模型也能较好地模拟积雪的空间分布和年内、年际变化。 该数据可用于分析长期的流域径流的组成及变化原因，加深对北极大河径流变化的理解。
赵求东, 吴玉伟
本产品提供了项目组发展的陆面模式VIC-CAS数值模拟的1971-2017年北极两条大河（北美大陆：Mackenzie，欧亚大陆：Lena）的水循环关键变量数据集，包括：降水量、蒸散发、地表径流、地下径流、冰川径流、雪水当量和三层土壤湿度等7个变量。该数据集空间分辨率为0.1degree，时间分辨率为月。该数据集可用于长期气候变化下北极大河流域水量平衡变化分析，也可用于遥感数据产品及其他模型模拟结果的对比和验证。
赵求东, 王宁练, 吴玉伟
本产品提供了项目组发展的陆面模式VIC-CAS数值模拟的1998-2017年北极两条大河（北美大陆：Mackenzie，欧亚大陆：Lena）的水循环关键变量数据集，包括：降水量、蒸散发、地表径流、地下径流、冰川径流、雪水当量和三层土壤湿度等7个变量。该数据集空间分辨率为50km，时间分辨率为月。该数据集可用于气候变化下北极大河流域水量平衡变化分析，也可用于遥感数据产品及其他模型模拟结果的对比和验证。
赵求东, 王宁练, 吴玉伟
山地冰川是中国西部及其周边地区重要的淡水资源。由于冰川融水在流域尺度为生态和社会经济用水提供补给，因此，确定冰川作用（补给）流域是开展冰川水资源供给功能和服务研究的基础。基于Randolph Glacier Inventory 6.0、中国历次冰川编目、中国三级流域边界数据（中国科学院资源与环境科学数据中心提供）和全球流域边界数据HydroBASINS（www.hydrosheds.org），通过将冰川分布数据与流域边界数据进行相交分析，生成了20世纪50年代至21世纪20年代（至今）（1）中国两级冰川作用流域边界、（2）中国冰川作用的国际河流流域边界以及（3）亚洲高山区冰川作用流域边界数据。该数据兼顾了中国和全球常用流域边界，并将二者很好匹配，以期为中国及其周边地区冰川水资源研究提供基础数据。
苏勃
本数据为祁连山地区2018年冰川分布产品。采用经典波段比值法和人工修正的方法提取。原始基础数据为2018年祁连山全境的高分系列影像。参考数据为哨兵2号影像、谷歌影像和天地图影像。产品以shp文件格式存储，包含坐标系、冰川ID、冰川面积等属性。产品为1期，空间分辨率为2米，边界精度在2米（一个像元）左右。该数据直观地反映了祁连山冰川在2018年的分布，可用于冰川物质平衡变化定量估计、冰川变化对流域径流量影响定量估计等研究。
李佳
本数据为祁连山地区2019年冰川分布产品。采用经典波段比值法和人工修正的方法提取。原始基础数据为2019年祁连山全境的高分系列影像。参考数据为哨兵2号影像、谷歌影像和天地图影像。产品以shp文件格式存储，包含坐标系、冰川ID、冰川面积等属性。产品为1期，空间分辨率为2米，边界精度在2米（一个像元）左右。该数据直观地反映了祁连山冰川在2019年的分布，可用于冰川物质平衡变化定量估计、冰川变化对流域径流量影响定量估计等研究。
李佳
本数据为祁连山地区2020年冰川分布产品。采用经典波段比值法和人工修正的方法提取。原始基础数据为2020年祁连山全境的高分系列影像。参考数据为哨兵2号影像、谷歌影像和天地图影像。产品以shp文件格式存储，包含坐标系、冰川ID、冰川面积等属性。产品为1期，空间分辨率为2米，边界精度在2米（一个像元）左右。该数据直观地反映了祁连山冰川在2020年的分布，可用于冰川物质平衡变化定量估计、冰川变化对流域径流量影响定量估计等研究。
李佳
本数据为祁连山地区2021年冰川分布产品。采用经典波段比值法和人工修正的方法提取。原始基础数据为2021年祁连山全境的高分系列影像。参考数据为哨兵2号影像、谷歌影像和天地图影像。产品以shp文件格式存储，包含坐标系、冰川ID、冰川面积等属性。产品为1期，空间分辨率为2米，边界精度在2米（一个像元）左右。该数据直观地反映了祁连山冰川在2021年的分布，可用于冰川物质平衡变化定量估计、冰川变化对流域径流量影响定量估计等研究。
李佳
数据集包含了2020年9月，2021年6月，2021年9月测量得到的3幅廓琼岗日冰川高精度表面地形数据及对应的正射影像图。该数据集的生成使用了大疆精灵4 RTK无人机拍摄的影像数据，经倾斜摄影测量技术计算生成了相关产品，数据空间分辨率达到了0.15米。该数据是对目前低分辨率开源地形数据的补充，能够反映2020年-2021年间廓琼岗日冰川的表面形态变化，有助于精确研究气候变化下廓琼岗日冰川的消融过程。
刘金涛
本数据包括2018-2020年亚洲高山区（High Mountain Asia, HMA）冰川高程变化数据。该数据集基于ICESat-2数据，考虑不同高程和不同坡向上冰川变化及面积分布的不均匀性，利用ICESat-2数据（2018-2020年）以及2000年的SRTM DEM数据计算了亚洲高山区冰川高程变化(1°×1°网格内的各个高程和坡向上冰川面积加权平均)。该数据能够提供亚洲高山区2018-2020年相对于2000年冰川高程逐年变化信息，可以作为基础数据应用于亚洲高山区气候变化研究中。
沈聪, 贾立
本数据包括2003-2008年亚洲高山区（High Mountain Asia, HMA）冰川高程变化数据。该数据集基于ICESat-1数据，考虑不同高程和不同坡向上冰川变化及面积分布的不均匀性，利用ICESat-1数据（2003-2008年）以及2000年的SRTM DEM数据计算了亚洲高山区冰川高程变化(1°×1°网格内的各个高程和坡向上冰川面积加权平均)。该数据能够提供亚洲高山区2003-2008年相对于2000年冰川高程逐年变化信息，可以作为基础数据应用于亚洲高山区气候变化研究中。
沈聪, 贾立
1) 数据为2021年7月26日至28日测量的小冬克玛底冰川厚度、测点坐标和高程；2) 数据采用中国水利水电科学研究院研发的工作频率为100MHz的探地雷达测量得到，冰川厚度通过对雷达回波图像的处理分析，利用公式计算得到，其中冰体的介电常数取值为3.2，测点坐标和高程采用RTK系统获取；3) 数据可用于冰川厚度变化、物质平衡和径流变化等相关研究。
付辉
冰川厚度变化是冰川变化监测的关键参数，利用历史高分KH-9影像（1974年）、SRTM DEM数据产品 (2000年）、TanDEM-X双站干涉SAR数据（2011-2014）和SPOT-7影像（2015年）数据并分别基于光学摄影测量技术和雷达干涉测量技术制备了藏东南雅弄冰川区的多期的数字高程模型。其中，对于TanDEM-X雷达数据，在数据处理过程中对其在冰川区的几何定位误差进行了去除，同时针对KH-9 DEM中雪盖区的异常变化值进行了剔除。然后经过X波段和C波段雷达波穿透深度改正最后生成了雅弄冰川在1975-2015年期间的年代际和年际的厚度变化数据集。该数据空间分辨率为30m，可进一步用于冰川演变模型参数标定，分析冰川未来变化等方面。
周玉杉, 李新, 郑东海, 李志伟
1) 数据内容：藏东南地区近二十年的冰川表面高程变化数据，包括2000-2020年时间变化序列及2000和2019年间0.5°网格尺度的冰川表面高程变化数据。 2) 数据来源及加工方法：2000-2020年时间变化序列由联合卫星测高数据（ICESat、CryoSat-2、ICESat-2）、地形数据（2014年ASTER L1A数据生产的DEM）、卫星重力数据（GRACE及GLDAS）的冰川监测方法获得。网格尺度的冰川表面高程变化数据由ICESat-2数据与NASADEM计算得到。 3) 数据质量描述：本数据与无人机航拍结果、GPS观测结果及以往文献结果较为一致，且时间分辨率和空间分辨率有较大提升。 4) 数据应用成果及前景：本数据可用于率定冰川水文模型，也可与后续研究做对比。
赵凡玉, 龙笛, 李兴东, 黄琦, 韩鹏飞
冰川物质平衡是表征冰川积累和消融量值的重要冰川学参数之一。冰川物质平衡是联系气候和冰川变化的纽带，是冰川对所在地区气候状况的直接反映。气候变化导致冰川的物质收支状况发生相应的变化，而这种物质上的收支变化又可以引起冰川运动特征及冰川热状况的改变，进而导致冰川末端位置、面积和冰储量的变化。监测方法即在冰川表面设置固定标志花杆，定期监测冰川表面相对于花杆顶点的距离，以计算冰雪消融量；在积累区定时定点开挖雪坑或钻孔取样，测量雪层密度，分析雪-粒雪-附加冰层位特征，计算雪层积累量；再将单点监测结果绘到大比例尺冰川地形图上，按净平衡等值线法或等高线分区法计算整条冰川的瞬时、季节（如冬季和夏季）及年度的物质平衡分量。该数据集为青藏高原及天山地区不同代表性冰川年物质平衡数据，单位为毫米水当量。
邬光剑
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
