采自青藏高原的冰芯样品提供了冰雪同位素组成变化的高分辨率记录。该数据集包含了自1864-2006年各年的冰芯氧稳定同位素数据，冰芯是从青藏高原南部宁金岗桑冰川钻取得到，长度为55.1米，通过利用中国科学院青藏高原研究所 环境变化与地表过程重点实验室的MAT-253同位素质谱分析仪测得氧同位素数据，测量精度为0.05%。 数据采集地点: 宁金刚桑冰川（90.2°E，29.04°N，海拔高度5950米）
高晶
采用宇宙成因核素（10Be和26Al）暴露年代方法等测定西风带和季风区末次冰盛期、全新世和小冰期冰川遗迹的时代，确定冰川进退的绝对年代序列。野外调查研究冰川遗迹的分布，确定冰碛垄的位置，测量冰碛垄的地貌特征。根据冰川遗迹的地貌部位和风化程度确定相对新老关系，初步判断末次冰盛期的冰碛垄。从该垄向上游采集各列冰碛垄上的冰川漂砾的暴露年代样品。本数据包括喀喇昆仑地区根据10Be暴露年代方法获得的气候转型期冰川进退范围。
许向科
在众多反映气候环境变化的指标中，冰芯稳定同位素指标是冰芯记录研究中必不可少的参数，是恢复过去气候变化最可靠的手段和最有效的途径之一。冰芯积累量是冰川上降水量的直接记录，而且高分辨率冰芯记录保证了降水记录的连续性。因此，冰芯记录提供了一种恢复降水量变化的有效手段。从青藏高原钻取的冰芯同位素和积累量可用来重建温度和降水变化，是很好的气候环境记录。本数据集提供了喀喇昆仑地区Hushe冰芯稳定同位素记录，为研究青藏高原的气候变化提供数据支撑。
徐柏青, 王茉
1) These data main included the GPR-surveyed ice thickness of six typical various-sized glaciers in 2016-2018; the GlabTop2-modeled ice thickness of the entire UIB sub-basins, discharge data of the hydrological stations, and related raw & derived data. 2) Data sources and processing methods: We compared the plots and profiles of GPR-surveyed ice bed elevation with the GlabTop2-simulated results and selected the optimal parametric scheme, then simulated the ice thickness of the whole UIB basin and assessed its hydrological effect. These processed results were stored as tables and tif format， 3) Data quality description: The simulated ice thickness has a spatial resolution of 30 m, and has been verified by the GPR-surveyed ice thickness for the NSE values were above 0.9. The maximum error of the GPR-measured data was ± 2.4 m, within the quoted glacier error at ± 5%. 4) Synthesizing knowledge of the ice thickness and ice reserves provides critical information for water resources management and regional glacial scientific research, it is also essential for several other fields of glaciology, including hydrological effect, regional climate modeling, and assessment of glacier hazards.
张寅生
青藏高原五大河源区冰川径流数据集覆盖时间从1971年到2015年, 时间分辨率为逐年，覆盖范围为青藏高原五条大江大河源区(黄河源，长江源，澜沧江源，怒江源，雅鲁藏布江源)。 数据以多源遥感和实测数据为基础，使用青藏高原五大河源区及其周边气象站点日尺度气象数据、UMD-1KM的全球植被产品、IGBP-DIS土壤数据库、第一、二次冰川编目数据等驱动模型，耦合了冰川模块的分布式水文模型VIC-CAS模拟形成了冰川径流数据。并使用站点实测数据对模拟结果进行了验证, 增强质量控制。 数据指标包含：冰川径流率（Rate of glacier runoff: %），总径流（Total Runoff，mm/a），雪径流率（Rate of snow runoff: %），降雨径流率 （降雨径流率:%）。
王世金
这组数据是1974-2016年期间珠峰北坡绒布流域三条绒布冰川及表碛覆盖冰川三个时间段的年均冰储量变化数据集，采用ESRI 矢量多边形格式存储,是由三个阶段的DEM高程差数据DHPRISM2006-DEM1974（DH2006-1974）、DHSRTM2000-DEM1974（DH2000-1974）、DHASTER2016-SRTM2000（DH2016-2000），结合冰川覆盖专题矢量数据、冰密度 850 ± 60 kg m−3计算而来。DHPRISM2006-DEM1974, or DH2006-1974, 是2006年PRISM2006 数据和1974年DEM1974之间的高程差,即DH2006-1974 =PRISM2006 – DEM1974。PRISM2006是由2006年12月4日的光学立体像对遥感数据ALOS/PRISM生成。DEM1974是由我国早期1:50,000地形图生成的，这两期DEM都采用横轴墨卡托投影、Krasovsky1940椭球体。PRISM2006与DEM1974配准后，非冰川区高程数据精度为±0.24 m a-1。DHSRTM2000-DEM1974（DH2000-1974）是，2000年SRTM与DEM1974的高程差，两期DEM数据配准后，非冰川区高程数据精度为±0.03 m a-1。DHASTER2016-SRTM2000（DH2016-2000）是基于Brun et al. (2017) 发布的冰面高程差数据，采用与DH2006-1974、DH2000-1974一样的数据处理方法与处理过程而得到, 在非冰川区高程数据精度为±0.08 m a-1。表格中包括的数据项有：Shape_Area,冰川面积(m2)、Name冰川名,EC74_00表示1974-2000年间平均每条冰川每年的冰面高程变化（m a-1），EC00_16表示2000-2016年间冰川每年的冰面高程变化（m a-1），EC74_2006是1974-2006年间冰川年均冰面高程变化（m a-1），MB74_00表示1974-2000年间每条冰川年均冰川物质平衡数据（m w.e. a-1），MB00_16表示2000-2016年每条冰川年均冰川物质平衡数据（m w.e. a-1），MB74_2006表示1974-2006年每条冰川年均冰川物质平衡数据（m w.e. a-1），MC74_2000表示1974-2000年间每条冰川每年冰储量变化（m3 w.e. a-1），MC00_2016表示2000-2016年间每条冰川每年的冰储量变化（m3w.e. a-1），MC74_2006表示1974-2006年间每条冰川每年的冰储量变化（m3w.e. a-1）, Uncerty_EC,是每条冰川冰面高程变化的最大误差范围（m a-1）、Uncerty_MB,是每条冰川冰川物质平衡的最大误差（m w.e. a-1），Uncerty_MC, 是每条冰川冰储量变化的最大误差（m3w.e. a-1）。 MinUnty_EC，是每条冰川冰面高程变化的最小误差范围，MinUnty_MB，每条冰川冰川物质平衡的最小误差（m w.e. a-1），MinUnty_MC是每条冰川冰储量变化的最小误差（m3w.e. a-1）。该组数据可用于喜马拉雅山脉与高亚洲地区冰川变化、冰川消融水文水资源效应及其气候原因。
叶庆华
这组数据是2000-2014年间藏东南易贡藏布东段71条冰川的年均冰储量变化数据集，采用ESRI SHP矢量多边形数据格式存储。每条冰川的冰储量变化通过SRTM DEM、Dh2000-2014、冰川专题矢量数据（CGI2/TPG1976/RGI6.0）与冰密度 850 ± 60 kg m−3计算而得。Dh2000-2014基于一对2014年2月7日TSX/TDX SAR影像与2000年SRTM DEM数据，采用差分干涉技术（D-InSAR）获取。基于CGI2/TPG1976/RGI6.0提取区域冰川矢量数据与冰川编号。SRTM DEM是参考DEM与基准DEM，在数据统计中用于划分不同海拔范围，其空间分辨率为30m。属性表中包括的数据项有：GLIMS-ID表示冰川编号、Area表示冰川面积（m2）、EC_m_a-1表示2000-2014年期间每条冰川的年均冰面高程变化(m a-1)、MB_m w.e.a-1表示2000-2014年期间每条冰川的年均物质平衡变化(m w.e.a-1)、MC_m3 w.e.a-1表示2000-2014年期间每条冰川的年均冰储量变化(m3 w.e.a-1)、MC_Gt.a-1表示2000-2014年期间每条冰川的年均冰储量变化(Gt a-1)、Uncerty_EC是每条冰川冰面高程变化的误差（±m a-1）、Uncerty_MB是每条冰川物质平衡误差（±m w.e. a-1），UT_MCm3w.e. a-1是每条冰川冰储量变化误差（±m3w.e. a-1）。该组数据可用于藏东南地区冰川消融水文水资源效应研究。
叶庆华
这组数据是1974-2017年期间希夏邦马峰地区年均冰川物质平衡变化和冰储量变化数据集，包括1974-2000年和2000-2017年两个时段。采用ESRI 矢量多边形格式存储, 是由KH-9 DEM1974-SRTM DEM2000（DH1974-2000）与SRTM DEM2000-TSX/TDX 2017（DH2000-2017）两期DEM高程差（DH）数据，结合TPG1976/CGI2冰川专题矢量数据与冰密度（850 ± 60 kg m−3）计算而来。KH-9 DEM是由3景KH-9遥感影像数据，通过光学立体像对方法生成了研究区1974年数字高程模型。TSX/TDX2017数据通过与SRTM DEM数据进行差分干涉算法对得到研究区冰面高程变化DH2000-2017。1974-2000年间研究区年均冰面高程变化误差为±0.07 m，大地测量物质平衡误差为±0.06 m w.e. a-1。2000-2017年间年均冰面高程变化误差为±0.11 m，大地测量物质平衡误差为±0.10 m w.e. a-1。表格中包括的数据项有：GLIMSId代表从GLIMS冰川数据库读取的冰川编号、Area代表冰川面积（km2）、Area_m2是冰川面积（m2）,Name代表冰川名、EC74_2000表示1974-2000年间平均每条冰川每年的冰面高程变化（m a-1），EC00_2017表示2000-2017年间冰川每年的冰面高程变化（m a-1），MB74_2000表示1974-2000年间每条冰川年均冰川物质平衡数据（m w.e. a-1），MB00_2017表示2000-2017年每条冰川年均冰川物质平衡数据（m w.e. a-1），MC74_2000表示1974-2000年间每条冰川每年冰储量变化（m3 w.e. a-1），MC00_2017表示2000-2017年间每条冰川每年的冰储量变化（m3w.e. a-1），Ut_EC74_00,是1974-2000年冰面高程变化误差（m a-1）、Ut_MB74_00,是每条冰川1974-2000年冰川物质平衡误差（m w.e. a-1），Ut_MC74_00, 是每条冰川1974-2000年冰储量变化误差（m3w.e. a-1）。 Ut_EC00_17，是2000-2017年冰面高程变化误差，Ut_MB00_17，每条冰川2000-2017年冰川物质平衡误差（m w.e. a-1），Ut_MC00_17是每条冰川2000-2017年冰储量变化误差（m3w.e. a-1）。该数据集可用于喜马拉雅山脉希夏邦马峰地区冰川消融及其水文水资源效应，以及气候变化与冰雪灾害研究等。
叶庆华
这组数据是1974-2014年期间尼泊尔Ponkar冰川区年均冰川物质平衡变化和冰储量变化数据集，包括1974-2000年和2000-2014年两个时段。采用ESRI 矢量多边形格式存储, 是由KH-9 DEM1974-SRTM DEM2000（DH1974-2000）与SRTM DEM2000-TSX/TDX2014（DH2000-2014）两期DEM高程差（DH）数据，结合TPG1976/CGI2冰川专题矢量数据与冰密度（850 ± 60 kg m−3）计算而来。KH-9 DEM是由3景KH-9遥感影像数据，通过光学立体像对方法生成了研究区1974年数字高程模型。TSX/TDX2014数据通过与SRTM DEM数据进行差分干涉算法对得到研究区冰面高程变化DH2000-2014。1974-2000年间研究区年均冰面高程变化误差为±0.07 m，大地测量物质平衡误差为±0.06 m w.e. a-1。2000-2014年间Ponkar冰川区年均冰面高程变化误差为±0.13 m，大地测量物质平衡误差为±0.11 m w.e. a-1。表格中包括的数据项有：GLIMSId代表从GLIMS冰川数据库读取的冰川编号、Area代表冰川面积（km2）、Gla_area是冰川面积（m2）,Name代表冰川名、EC74_2000表示1974-2000年间平均每条冰川每年的冰面高程变化（m a-1），EC00_2014表示2000-2014年间冰川每年的冰面高程变化（m a-1），MB74_2000表示1974-2000年间每条冰川年均冰川物质平衡数据（m w.e. a-1），MB00_2014表示2000-2014年每条冰川年均冰川物质平衡数据（m w.e. a-1），MC74_2000表示1974-2000年间每条冰川每年冰储量变化（m3 w.e. a-1），MC00_2014表示2000-2014年间每条冰川每年的冰储量变化（m3w.e. a-1），Ut_EC74_00,是1974-2000年冰面高程变化误差（m a-1）、Ut_MB74_00,是每条冰川1974-2000年冰川物质平衡误差（m w.e. a-1），Ut_MC74_00, 是每条冰川1974-2000年冰储量变化误差（m3 w.e. a-1）。 Ut_EC00_14，是2000-2014年冰面高程变化误差，Ut_MB00_14，每条冰川2000-2014年冰川物质平衡误差（m w.e. a-1），Ut_MC00_14是每条冰川2000-2014年冰储量变化误差（m3w.e. a-1）。该数据集可用于喜马拉雅山脉南坡Ponkar冰川区冰川消融及其水文水资源效应，以及气候变化与冰雪灾害研究等。
叶庆华
利用2004年2月至2008年10月ICESat R633卫星测高数据使用重复轨道平面拟合方法，获取南极Lambert Glacier/Amery Ice Shelf system区域的高程变化，使用IJ05 R2模型进行GIA 改正、投影面积变形改正，进而得到 30km*30km 分辨率的表面高程变化率，通过粒雪密度模型将结果转换为物质变化，和重力卫星 GRACE 重力卫星时变模型所得南极物质变化进行比较。
谢欢, 李荣兴
近年来，随着南极冰盖消融的加速，在冰盖表面形成了大量冰面融水。深入理解南极冰盖冰面融水的时空间分布，掌握冰面融水动态变化，对于研究南极冰盖物质平衡具有重要意义。本数据集是基于Landsat影像提取的2000-2019年南极冰盖典型消融区（南极半岛亚历山大岛）30m冰面融水数据集。本数据集投影为极地方位投影，数据集格式为矢量（shp）和栅格（tif），时间集中在每年的12月至次年2月（南半球夏季）。
杨康
这组数据是1974-2013年期间喜马拉雅山脉西段纳木那尼峰地区年均冰川物质平衡变化和冰储量变化数据集，采用ESRI 矢量多边形格式存储，是由两个阶段的DEM高程差数据DHSRTM2000-DEM1974（即DH2000-1974）、DHTanDEM2013-SRTM2000（DH2013-2000），结合冰川覆盖专题矢量数据、冰密度 850 ± 60 kg m−3计算而来。DHSRTM2000-DEM1974（DH2000-1974）, 是2000年SRTM DEM2000数据和1974年1:50,000的DEM1974之间的高程差,即DH2000-1974 =SRTM2000 – DEM1974。DEM1974是由我国1974年航拍照片绘制1:50,000地形图生成的，两期DEM数据配准后，非冰川区高程数据精度为±0.13 m a-1。DHTanDEM2013-SRTM2000（DH2013-2000），是基于2013年10月17日一对TerraSAR-X和TanDEM-X (TSX/TDX)雷达数据与2000年SRTM DEM数据、采用差分干涉技术（D-InSAR）获取,在非冰川区高程数据精度为±0.04 m a-1。 表格中包括的数据项有： Area,冰川面积(m2)、GLIMS_Id表示冰川编号，EC74_00表示1974-2000年间平均每条冰川每年的冰面高程变化（m a-1），EC00_13表示2000-2013年间冰川每年的冰面高程变化（m a-1），MB74_00表示1974-2000年间每条冰川年均冰川物质平衡数据（m w.e. a-1），MB00_13表示2000-2013年每条冰川年均冰川物质平衡数据（m w.e. a-1），MC74_2000表示1974-2000年间每条冰川每年冰储量变化（m3 w.e. a-1），MC00_2013表示2000-2013年间每条冰川每年的冰储量变化（m3 w.e. a-1）, Uncerty_MB是每条冰川年均冰川物质平衡数据误差（m w.e. a-1）， Uncerty_MC表示每条冰川每年的冰储量变化的最大误差范围（m3 w.e. a-1）。该组数据可用于喜马拉雅山脉与高亚洲地区冰川变化、冰川消融水文水资源效应及其气候原因。
叶庆华
同济大学沈云中教授卫星重力团队利用GRACE Level-1B卫星重力数据解算了2002年至2016年的格陵兰区域质量变化时间序列，空间分辨率为1度×1度，时间分辨率为1个月。该时间序列的参考时间为2004年1月与2009年12月之间的中间时刻。 在数据处理过程中，采用ICE5G模型扣除冰后回弹GIA影响，同时利用德国地学研究中心最新发布的AOD1B RL06去混频模型，回加了GAD质量变化贡献。
沈云中
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, 汪赢政, 李建江, 李新, 刘绍民
本数据集包含由卫星重力测量数据得到的2002年4月至2019年12月格陵兰岛冰盖质量变化数据。所采用的卫星重力数据来自于美国宇航局NASA与德国宇航局DLR合作的重力场恢复与气候学实验双星星座（GRACE，2002年4月至2017年6月）及其后续任务GRACE Follow-On（GRACE-FO，2018年6月至今）。此外为了填补GRACE和GRACE-FO之间的数据中断，我们额外采用了由欧洲空间局Swarm三星星座的GNSS轨道摄动数据反演得到的重力场数据。数据格式为Matlab数据文件，冰盖质量变化转化为等效水高，表达在0.25°x0.25°格网上，时间分辨率为1个月。本数据集可用于近二十年格陵兰岛冰盖质量变化特征及其与全球气候变化之间关系的研究。
张宇, 沈嗣钧
该数据集包含1975-2013年青藏高原地区的海螺沟冰川、帕隆94号冰川、七一冰川、小冬克玛底冰川、慕士塔格冰川15号冰川、煤矿冰川以及NM551冰川物质平衡数据。基于世界冰川目录中收集的冰川物质平衡观测数据（World Glacier Inventory，https://nsidc.org/data/G10002/versions/1）以及姚檀栋等发布于第三极环境数据中心平台的（Third Pole Environment Database，http://en.tpedatabase.cn/）冰川物质平衡观测数据以及Global Land Data Assimilation System（GLDAS）数据集提供的气象要素数据（meteo.xlsx中为提取出的各冰川几何中心所在数据网格上的气象要素，包括降水、近地面气温、净辐射、雪面蒸发和雪深时间序列），采用冰川物质平衡计算公式重构了1975-2013年上述七个冰川的物质平衡序列。此重构数据是基于已发布的冰川物质平衡数据对冰川物质平衡公式中的参数进行了率定，并利用冰川物质平衡公式对长时间序列物质平衡进行了重构，其中参数率定结果以及长时间序列数据重构结果均与相关研究成果进行了比对，论证了该数据成果的合理性，具体可参考以下论文。该数据可用于所涉及冰川区域水资源变化研究、扩充了青藏高原冰川物质平衡数据集，并可为未来冰川物质平衡重构相关研究提供参考。
刘晓婉
Snow is a significant component of the ecosystem and water resources in high-mountain Asia (HMA). Therefore, accurate, continuous, and long-term snow monitoring is indispensable for the water resources management and economic development. The present study improves the Moderate Resolution Imaging Spectroradiometer (MODIS) onboard Terra and Aqua satellites 8 d (“d” denotes “day”) composite snow cover Collection 6 (C6) products, named MOD10A2.006 (Terra) and MYD10A2.006 (Aqua), for HMA with a multistep approach. The primary purpose of this study was to reduce uncertainty in the Terra–Aqua MODIS snow cover products and generate a combined snow cover product. For reducing underestimation mainly caused by cloud cover, we used seasonal, temporal, and spatial filters. For reducing overestimation caused by MODIS sensors, we combined Terra and Aqua MODIS snow cover products, considering snow only if a pixel represents snow in both the products; otherwise it is classified as no snow, unlike some previous studies which consider snow if any of the Terra or Aqua product identifies snow. Our methodology generates a new product which removes a significant amount of uncertainty in Terra and Aqua MODIS 8 d composite C6 products comprising 46 % overestimation and 3.66 % underestimation, mainly caused by sensor limitations and cloud cover, respectively. The results were validated using Landsat 8 data, both for winter and summer at 20 well-distributed sites in the study area. Our validated adopted methodology improved accuracy by 10 % on average, compared to Landsat data. The final product covers the period from 2002 to 2018, comprising a combination of snow and glaciers created by merging Randolph Glacier Inventory version 6.0 (RGI 6.0) separated as debris-covered and debris-free with the final snow product MOYDGL06*. We have processed approximately 746 images of both Terra and Aqua MODIS snow containing approximately 100 000 satellite individual images. Furthermore, this product can serve as a valuable input dataset for hydrological and glaciological modelling to assess the melt contribution of snow-covered areas. The data, which can be used in various climatological and water-related studies, are available for end users at https://doi.org/10.1594/PANGAEA.901821 (Muhammad and Thapa, 2019).
Sher Muhammad
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。
上官冬辉, 李耀军
The dataset integrated glacier inventory data and 426 Landsat TM/ETM+/OLI images, and adopted manual visual interpretation to extract glacial lake boundaries within a 10-km buffer from glacier terminals using ArcGIS and ENVI software, normalized difference water index maps, and Google Earth images. It was established that 26,089 and 28,953 glacial lakes in HMA, with sizes of 0.0054–5.83 km2, covered a combined area of 1692.74 ± 231.44 and 1955.94 ± 259.68 km2 in 1990 and 2018, respectively. The current glacial lake inventory provided fundamental data for water resource evaluation, assessment of glacial lake outburst floods, and glacier hydrology studies in the mountain cryosphere region.
WANG Xin, GUO Xiaoyu, YANG Chengde, LIU Qionghuan, WEI Junfeng, ZHANG Yong, LIU Shiyin, ZHANG Yanlin, JIANG Zongli, TANG Zhiguang
本数据集是2017年青藏高原冰川数据，使用了210景Landsat8 OLI卫星多光谱遥感数据，时间从2013年至2018年，90%来源于2017年,85%的Landsat8 OLI数据成像于冬季。冰川数据是青藏高原净冰川覆盖范围，不包括表碛物覆盖部分。数据格式是TIFF，可以为青藏高原冰川变化、冰川水文研究提供基础数据支持。 数据内容： Value是冰川斑块在系统中自动生成的编码。 格网单元：30m 数据的投影方式：Albers等积圆锥投影。 数据加工方法：基于210景Landsat8 OLI卫星多光谱遥感数据，校正、镶嵌为假彩色合成影像（RGB:654），采用人工目视解译方法，参考波段比值法结果，结合SRTM DEM V4.1数据与Google Earth和HJ1A/1B卫星同一年不同季节的影像，剔除了山体阴影、季节性积雪的影响，参考我国第一期和第二期冰川编目数据，剔除了非冰川区的陡崖、裸露基岩等，综合提取净冰川专题矢量数据，不包括冰川末端位置不清的表碛物覆盖区域，冰川边界数字化精度为半个像元（15m）。通过对比分析，可知基于多数据源、参考多方法结果、综合专家经验知识人-机互动方法提取获得的山地冰川数据更准确。具体数据提取方法详见参考文献： Ye, Q., J.Zong,L.Tian et al. (2017). Glacier changes on the Tibetan Plateau derived from Landsat imagery: mid-1970s – 2000 – 2013. Journal of Glaciology,63(238), 273-87. DOI:10.1017/jog.2016.137。 原始遥感资料数据精度：30m 数据质量控制措施：冰川边界数字化精度控制在半个像元之内（15m）。 项目来源：中国科学院战略性先导科技专项（A类）（XDA19070302）, 第二次青藏高原综合科学考察研究资助（2019QZKK0202），国家自然科学基金项目（41530748, 91747201）、中国科学院“十三五”信息化建设专项资助(XXH13505-06)。
叶庆华
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
