积雪是冰冻圈的重要组成要素,是全球变化与地球系统科学研究中不可或缺的变量。积雪的分布范围和物候信息是衡量积雪变化特征的重要指标,也是寒区水文模型中融雪径流模拟的重要参数。亚洲高山区是许多国际性河流的发源地,也是全球气候变化研究的热点区;该地区冰雪变化将引发的水资源减少、极端天气事件增多、灾害频发等生态和环境问题,已受到各国的广泛关注。因此,准确获取长时序的亚洲高山区积雪分布与积雪物候数据对气候变化研究、水资源管理以及灾害预警与防治至关重要。 亚洲高山区逐日无云MODIS归一化积雪指数(NDSI)产品(2000-2021,500 m)是在MODIS逐日积雪产品(包括Terra上午星数据产品MOD10A1和Aqua下午星数据产品MYD10A1,C6版本)的基础上,通过同一天上下午星数据融合以及三次样条函数插值去云算法处理后得到;其中,在2000-2002年只有上午星数据产品MOD10A1时,则直接采用三次样条函数插值去云算法处理。水文年2002-2020的积雪物候数据集是基于逐水文年内的无云MODIS NDSI产品制备而成,包括积雪开始日期(SOD)、积雪结束日期(SED)和积雪持续日数(SDD)3个参数。本数据集具有可靠的精度。
唐志光, 邓刚
该数据集包含2016年11月至2020年8月在青藏高原采集的15条冰川共269个冰雪样品微生物扩增子测序数据,包括24K冰川(24K)、冬克玛底冰川(DKMD)、敦德冰川(DD)、杰玛央宗冰川(JMYZ)、廓琼岗日冰川(KQGR)、来古冰川(LG)、帕隆4号冰川(PL4)、羌塘1号冰川(QT)、枪勇冰川(QY)、曲玛冰川(QM)、唐古拉龙匣宰陇巴冰川(TGL)、夏岗江冰川(XGJ)、雅拉冰川(YA)、泽普沟冰川(ZPG)、珠峰东绒布冰川(ZF)。采样区域经纬度范围为28.020°N到38.100°N和86.28°E到95.651°E。 通过聚合酶链式反应(PCR),采用515F/907R(或515F/806R)引物对16s rRNA基因的V4-V5区(或V4区)片段进行扩增,并用Illumina Hiseq2500测序平台测序获得原始数据。所选引物序列分别为:“515F_GTGCCAGCMGCCGCGGTAA; 907R_CCGTCAATTCMTTTRAGTTT”“515F_GTGCCAGCMGCCGCGG, 806R_GGACTACHVGGGTWTCTAAT”。上传的数据包括:样品编号,样品描述,采样时间,经纬度坐标,样品类型,测序目标,测序片段,测序引物,测序平台,数据格式等基础信息,测序数据以序列文件数据格式正向 *.1.fq.gz和反向 *.2.fq.gz压缩文件储存。
刘勇勤
基于长时间序列MODIS积雪产品,采用隐马尔可夫随机场(Hidden Markov Random Field, HMRF)建模框架,制备了青藏高原2002-2021年空间分辨率为500 m的逐日无云积雪数据集。该建模框架将MODIS积雪产品的光谱信息、时空背景信息,以及环境相关信息以最优形式进行整合,不仅填补了云层遮挡引起的数据空缺,而且提高了原始MODIS积雪产品的精度。特别地,本数据集在环境背景信息中引入了太阳辐射能量对积雪分布的影响,有效改进了地形复杂山区的积雪识别精度。通过与实测雪深、Landsat-8 OLI识别的积雪分布对比分析,本数据集精度依次为98.31%和92.44%,并且在积雪转化期、海拔较高、太阳辐射较多的阳坡提升效果显著。本数据集改善了原始MODIS积雪产品时空不连续和在地形复杂山区精度较低的问题,能为青藏高原气候变化研究和水资源管理提供重要的数据基础。
黄艳, 许嘉慧
本数据集为覆盖全球范围考虑积融雪过程的标准化水分距平指数(SZIsnow),该干旱指数数据集由GLDAS-2驱动产生。该指数考虑了与干旱发展相关的诸多水文过程,尤其是积融雪过程。目前许多干旱指数忽略了积融雪过程,导致不能准确地对积雪地区干旱的发生和发展进行评估,该指数很好地弥补了这一不足,解决了干旱物理机制解析与多时间尺度分析无法兼顾,不同类型干旱难以统一评估的两个难题。经验证该指数能够很好地对全球不同地区的历史干旱时间进行定量描述,其优异表现在高纬度和高海拔地区更为突出。因此本数据集可以为干旱的监测评估以及干旱相关研究提供科学参考。
吴普特, 田磊, 张宝庆
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
2015年至2020年,青藏高原的15号冰川 (NO.15)、24K冰川(24K)、阿扎冰川(AZ)、措普沟冰川(CPG)、德木拉冰川(DML)、东绒布冰川(DRB)、冬克玛底冰川(DKMD)、敦德冰川(DD)、古里雅冰川(GLY)、红旗拉普冰川(HQLP)、康西瓦河冰川(KXW)、抗物热冰川(KWR)、廓琼岗日冰川(KQGR)、朗阿定日冰川(LADR)、蒙达岗日冰川(MDGR)、木嘎岗穹冰川(MGGQ)、木吉冰川(MJ)、慕士塔格冰川(MSTG)、纳木那尼冰川(NMNN)、尼玛冰川(NM)、怒江源头(NJYT)、帕隆4号冰川(PL4)、羌塘1号冰川(QT)、枪勇冰川(QY)、曲玛冰川(QM)、色齐拉冰川(SQL)、唐古拉龙匣宰陇巴冰川(LXZ)、夏岗江冰川(XGJ)、雅拉冰川(YL)、泽普沟冰川(ZPG)、朱西沟冰川(ZXG)共31条冰川冰雪的理化性质特征,包括DOC、TN及主要阴阳离子浓度(钙离子、镁离子、钾离子、钠离子,铵根离子、氯离子、亚硝酸根离子、硝酸根离子、硫酸根离子浓度)。样品通过0.45微米分子膜过滤后,使用岛津TOC-L仪器检测,离子浓度则通过离子色谱仪检测。指标单位为mg/L,“n.a.”表示低于仪器检测限,“\”表示缺失值。表格中sheet1为“青藏高原冰川雪冰理化性质(2015-2020)”,sheet2为“冰川基本信息”。
刘勇勤
结合MODIS积雪产品Terra/Aqua(500 m)与IMS(4 km),发展了青藏高原每日无云高分辨率积雪产品 (TAI, 500 m)。其相对于原始的MODIS Terra(云覆盖46.6%)和Aqua(55.1%)、及MODIS Terra-Aqua结合(37.3%),将云遮蔽全部去除。同时,提高了积雪成图,新生成的TAI产品的积雪面积为19.1%,相对于原始的MODIS Terra/Aqua及MODIS Terra-Aqua结合(积雪面积4.7%~8.1%),显示了大大的提高。与青藏高原105个站点雪深数据验证表明,TAI产品的总精度为94%,相对于MODIS Terra(55%)、MODIS Aqua(50%)、及MODIS Terra-Aqua结合(64%),都显示了较大的提高,特别是雪深大于4 cm时效果较好。
张国庆
时空连续的积雪覆盖面积对陆表能量水分交换、山区水文、陆面模式、数值天气预报以及气候变化研究具有重要意义,而云的大量存在,造成光学遥感积雪覆盖面积中严重的数据空缺。本数据集采用Terra和Aqua双星MODIS观测,以及FY-2E和FY-2F VISSR双星观测,获取受云影响较小的积雪覆盖 度(亚像元积雪覆盖),并根据时序信息补充剩余云像元的积雪覆盖度,最终得到无云积雪覆盖度。本数据集包括青藏高原0.005度(约500 m)和中国地区的0.05度(约5 km)空间分辨率逐日积雪覆盖度。
蒋玲梅
本数据集是基于MODIS数据进行处理和分析后得到,通过改进不同下垫面下的不同积雪提取算法,提高了积雪范围识别精度,同时利用隐马尔科夫去云算法和SSM/I雪水当量结合,最终生成完全无云的逐日积雪面积产品。取值范围: 1:积雪;0 非积雪。空间分辨率为0.005 度(约500m),时间范围是2000年2月24日至2019年12月31日。 数据格式为geotiff,推荐使用Arcmap或python +GDAL打开和处理数据
郝晓华
本数据集来源于中国长时间序列雪深数据集,利用三江源边界进行提取形成三江源雪深数据集。取值范围:0-100 cm。时间分辨率:逐日。空间分辨率为0.25 度(约25km),时间范围是1980年1月1日至2020年12月31日。雪深数据基于星载被动微波遥感数据生产,使用了三个不同的被动微波传感器数据,它们分别是SMMR,SSM/I和SSMI/S。由于不同的传感器之间存在一定的系统偏差,因此,首先对不同传感器的数据进行了交叉订正,然后再基于被动微波亮度温度梯度法制作中国长时间序列雪深数据集。头文件信息可参考数据集header.txt。
戴礼云
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
青藏高原积雪面积长时间序列数据集来源于MODIS 005版本和IMS数据集的融合,采用插值去云算法进行去云处理后得到逐日积雪面积无云产品。投影为经纬度,空间分辨率0.005 度(约500m),时间从2003.1.1-2014.12.31长时间序列,每个文件为当日的积雪面积比例结果,数值为0-100(%),为ENVI标准文件,命名规则为:ims_mts_YYYYDDD.tif,其中YYYY代表年,ddd代表儒略日(001-365/366)。文件可直接用ENVI或者ARCMAP等软件打开察看。 文件说明:200 积雪、100 湖冰、25 陆地、37 海洋
郝晓华
青藏高原逐日无云MODIS积雪面积比例数据集(2000-2015)是在MODIS逐日积雪产品—MOD10A1的基础上,采用一种基于三次样条函数插值的去云算法进行去云处理后得到。 该数据集采用UTM(横轴等角割圆柱)投影方式,空间分辨率500m,提供逐日的青藏高原地区积雪面积比例(Fractional Snow Cover-FSC)结果。数据集为逐日文件,从2000年2月24日到2015年12月31日。每个文件为当日的积雪面积比例结果,数值为0-100(%),为ENVI标准文件,命名规则为:YYYYddd_FSC_0.5km.img,其中YYYY代表年,ddd代表儒略日(001-365/366)。文件可直接用ENVI或者ARCMAP等软件打开察看。 进行去云处理的原始MODIS积雪数据产品来源于由美国国家雪冰数据中心(NSIDC)处理的MOD10A1产品,这一数据集为hdf格式,采用sinusoidal投影。 青藏高原逐日无云MODIS积雪面积比例数据集(2000-2015)属性由该数据集的时空分辨率、投影信息、数据格式组成。 时空分辨率:时间分辨率为逐日,空间分辨率为500m,经度范围为72.8°~106.3°E,纬度为25.0°~40.9°N。 投影信息:UTM(横轴等角割圆柱)投影。 数据格式:ENVI标准格式。文件命名规则:“YYYYddd”+“_FSC_0.5km”+“.img”,其中YYYY代表年,ddd代表儒略日(001-365/366),其中“.img”是为了方便在ARCMAP等软件打开察看而添加的文件后缀。例如2000055_FSC_0.5km.img代表2000年第55天的结果。其中该数据集的ENVI文件是由头文件和主体内容构成。头文件包括行数、列数、波段数、文件类型、数据类型、数据记录格式、和投影信息等;以2000055_FSC_0.5km.img 文件为例,其头文件信息如下: ENVI description = { ENVI File, Created [Sat Apr 27 18:40:03 2013]} samples = 5760 lines = 3300 bands = 1 header offset = 0 file type = ENVI Standard data type = 1 :代表byte型 interleave = bsq :数据记录格式为BSQ sensor type = Unknown byte order = 0 map info = {UTM, 1.500, 1.500, -711320.359, 4526650.881, 5.0000000000e+002, 5.0000000000e+002, 45, North, WGS-84, units=Meters} coordinate system string = {PROJCS["UTM_Zone_45N",GEOGCS["GCS_WGS_1984",DATUM["D_WGS_1984",SPHEROID["WGS_1984",6378137.0,298.257223563]],PRIMEM["Greenwich",0.0],UNIT["Degree",0.0174532925199433]],PROJECTION["Transverse_Mercator"],PARAMETER["False_Easting",500000.0],PARAMETER["False_Northing",0.0],PARAMETER["Central_Meridian",87.0],PARAMETER["Scale_Factor",0.9996],PARAMETER["Latitude_Of_Origin",0.0],UNIT["Meter",1.0]]} wavelength units = Unknown,band names = {2000055}
唐志光, 王建
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。本数据集提供了青藏高原冰芯同位素和积累量数据,为研究青藏高原的气候变化提供数据支撑。
徐柏青
青藏高原作为亚洲“水塔”为亚洲主要河流提供水资源。由生物质和化石燃料燃烧排放的黑碳(Black carbon,BC)气溶胶对辐射具有极强的吸收作用,进而对地球系统的能量收支和分布具有重要的影响,是气候环境变化不可忽视的影响因子。青藏高原周边地区排放的黑碳气溶胶经大气环流可被传输至高原内部,并沉降到雪冰表面,对降水和冰川物质平衡产生重要影响。在青藏高原通过钻取冰芯样品、采集表雪样品,测量其中的黑碳含量,恢复历史记录和空间分布,为对评估黑碳对青藏高原的气候环境影响和大气污染物的跨境传输提供数据基础。
徐柏青
青藏高原冰芯-积雪黑碳含量数据集包括5个表:1 Xu et al. 2006 AG,2 Xu et al. 2009 PNAS_Conc,3 Xu et al. 2009 PNAS_flux,4 Xu et al. 2012 ERL,5 Wang et al. 2015 ACP。 数据采集地点包括煤矿冰川、冬克玛底、枪勇、抗物热、纳木那尼、慕士塔格、绒布、唐古拉山、宁金岗桑、左丘普、天山乌鲁木齐河源1号等冰川,采集地点经纬度,高程等信息在数据中均有标注。 数据主要指标为:地点、时间、有机碳(organic carbon,OC)、元素碳(elemental carbon,EC)、黑碳(black carbon,BC)含量和通量。 地点:经纬度 时间:年份或日期 OC:有机碳 EC:元素碳 BC:黑碳 Conc.:含量,单位:ng g-1 Flux:通量,单位:mg m-2a-1 数据来自课题: ①国家重点基础研究发展计划(973计划):全球变化敏感因子的时空特性与遥感模式化;负责人:徐柏青单位:中国科学院青藏高原研究所资助者:科技部 ②国家重点基础研究项目:青藏高原形成演化对全球变化的响应与适应对策;负责人:姚檀栋单位:中国科学院青藏高原研究所资助者:科技部 ③国家自然科学基金面上项目:青藏高原雪冰中高分辨率碳黑记录研究;负责人:徐柏青单位:中国科学院青藏高原研究所资助者:国家自然科学基金委 ④国家自然科学基金面上项目:青藏高原冰芯包裹气体中气候环境信息的提取;负责人:徐柏青单位:中国科学院青藏高原研究所资助者:国家自然科学基金委 ⑤国家自然科学基金杰出青年基金项目:青藏高原雪冰-大气化学与环境变化;负责人:徐柏青单位:中国科学院青藏高原研究所资助者:国家自然科学基金委 ⑥国家自然科学基金青年基金项目:藏东南冰芯近百年来南亚人类活动气溶胶排放与燃烧得变化研究;负责人:王茉单位:中国科学院青藏高原研究所资助者:国家自然科学基金委 观测方法:两步加热法、热/光学碳分析方法和单颗粒黑碳气溶胶光度计。
徐柏青
青藏高原地区积雪的赋存变化较快,高原周边高山区具有冰雪资源丰富。在充分考虑青藏高原的地形和山地积雪特征的情况下,本套数据集采用了AVHRR数据,逐步实现保持积雪分类精度的情况下逐日、十天、每月积雪面积数据产品。本数据包含青藏高原2007-2015年每天/10天/每月积雪面积数据,数据平均精度可达0.92。可为青藏高原地区历史时期积雪变化提供可靠数据。
邱玉宝
由于青藏高原地区季节性积雪具有赋存时间短、雪层较薄的特点,在对水循环等问题的理解中,迫切需要日时间尺度的积雪覆盖率动态监测数据。本数据集基于MODIS Snow Cover Daily L3 Global 500 m Grid数据,包括MODIS/Terra上午星数据(MOD10A1)和MODIS/Aqua下午星数据(MYD10A1)的归一化积雪指数NDSI数据产品,数据格式为hdf,投影方式为正弦曲线地图投影,结合90m的SRTM地形数据和多种云覆盖下积雪覆盖率估算算法的优势,实现云覆盖条件下的积雪覆盖率再估算,满足高亚洲地区逐日少云(< 10%)数据产品的生产要求,构建了 2002 - 2016 年高亚洲地区 MODIS 逐日积雪覆盖率数据集。选取无云条件下的二值积雪产品作为参考,通过云量分布和积雪总面积的时空对比,表明该产品的时空特征和二值产品具有较好的一致性。以 2013 年冬季为例,当积雪覆盖率大于 50%时,其相关性可达 0.8628。本数据集可为高亚洲地区的积雪动态监测、气候环境、水文和能量平衡、灾害评估等研究提供逐日积雪覆盖率数据。
邱玉宝
青藏高原平均海拔4000m以上,是北半球中低纬度海拔最高、积雪覆盖最大的地区。积雪不仅是青藏高原季节性变化最大的下垫面和重要的生态环境组成要素,冰雪融水是高原及其下游地区重要的水资源。同时,高原积雪作为一种重要的陆面强迫因子,与东亚、南亚季风以及长江中下游的旱涝等灾害性天气紧密相关,是短期气候预测的重要指示因子和全球气候变化最为敏感的响应因子之一。积雪深度是指积雪表面到地面的垂直深度,是表征积雪特征的重要参数和常规气象观测要素之一,是估算雪水当量、研究积雪气候效应、流域水量平衡和融雪径流模拟以及监测和 评估雪灾发生和等级划分的重要参数。 在本数据集中,青藏高原边界采用了以自然地貌为主导因素,同时综合考虑海拔高度、高原面和山地完整性原则确定的高原范围。高原主体部分在西藏自治区和青海省,面积257.2万km²,约占我国陆地总面积的26.8%。雪深观测数据是经过质量检测和质量控制的逐月最大雪深资料。研究范围内共有102个气象站,多数始建于20世纪50-70年代,部分站点在这一时期存在有,些月份或年份缺测情况,最后采用了1961-2013年有完整观测记录的时间。时间分辨率为逐日,覆盖范围为青藏高原,其所有数据进行了质量控制。准确而详实的高原雪深数据对气候变化诊断、亚洲季风的演变和区域融雪水资源的管理具有重要意义。
国家气象信息中心, 西藏自治区气象局
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