• 格陵兰冰盖典型冰川冰裂隙数据集(2018-2020)

    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%。

    1165 2022-07-29

  • 南极典型冰架冰裂隙数据集(2015、2016、2020)

    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%。

    1103 2022-07-28

  • 格陵兰冰盖高程变化数据集(2003-2020)

    本数据集分别利用ICESat数据(2003年2月至2009年10月)、Cryosat-2数据(2010年8月至2018年10月)和ICESat-2数据(2018年10月至2020年12月)提供了格陵兰冰盖三个不同时期的高程变化率。数据显示,三个不同时期格陵兰冰盖高程变化率分别为-12.19±3.81 cm/yr、-19.70±3.61 cm/yr和-23.39±3.06 cm/yr。经过和前任研究对比,误差在正常范围内。

    180 2022-07-26

  • 南极半岛典型年典型区植被覆盖度后处理产品(2008、2017、2018)

    南极半岛植被数据来源于时空三级环境大数据平台的南极先锋植被覆盖分类数据,通过实测光谱匹配遥感影像,应用纯像元PPI提取出苔藓、地衣、岩石、海、积雪的端元波谱和应用线性混合模型LMM(Linear Mixture Model)计算得到。菲尔德斯半岛特色植被覆盖度根据其与丰度的相关线性关系获得。数据格式为geotiff格式。数据内容是南极半岛典型年典型区植被覆盖度。本研究工作通过对南极半岛典型区典型年植被覆盖度后处理后生成tif栅格格式产品,栅格主体数值为植被盖度。本研究得到的南极半岛典型区植被覆盖度是将南极先锋植物丰度数据产品进行镶嵌,包括南极半岛及周边植物丰度数据产品。通过ArcGIS将南极半岛典型区域包括Adley,北部和南部镶嵌在一起,得到包括2008年、2017年和2018年的光谱角匹配法(SAM)和光谱信息散度法(SID)识别出的6幅植被覆盖度图。

    526 2022-07-16

  • 三极雪冰粉尘锶-钕同位素数据集

    本数据集主要包括了在三极(南极、北极和第三极)雪冰样品中粉尘的锶(Sr)-钕(Nd)同位素数据,也包括全球主要沙漠区样品锶-钕同位素数据。放射性锶-钕同位素比值被认为是示踪地球表层粉尘溯源的主要地球化学手段。因此,作者通过自主测试和文献收集的方式整合了地球三极寒区旱区锶-钕同位素数据集。数据包括来自雪冰、沙漠、土壤、黄土和沉积物等样品,时间分辨率主要包括现代和过去不同时间尺度;每个数据给出了具体的获取位置。数据集包括967个数据,其中391个数据来自南极,302个数据来自北极和274个数据来自第三极。数据处理使用了相同的计算方法,数据的测试方法大多用热电离质谱仪测试,数据质量均达到了使用的最低标准。该数据集主要的科学目标将有助于理解不同时间尺度粉尘在三极雪冰中的溯源和传输路径,揭示三极雪冰粉尘的多源性。数据集主要用于雪冰(冰芯)、黄土和海洋沉积物等专业方向,也可以对三极地区大气环流时空变化特征、大气化学传输模式验证和地球环境变化演化等领域。

    268 2022-03-08

  • 南极Dome C太阳辐射数据集(2006-2016)

    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

    1293 2022-07-26

  • 珠峰太阳辐射数据集(2007-2020)

    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/。

    1146 2022-07-26

  • 环北极圈和青藏高原植被覆盖度后处理产品(2013,2018)

    植被覆盖度(Fractional vegetation cover, FVC)表示植被地面垂直投影面积与研究区总面积的百分比,是衡量生态保护和生态恢复有效性的重要指标,被广泛应用于气候、生态和土壤侵蚀等领域。FVC不仅是反映植被生产能力的理想参数,而且在评估地形差异、气候变化和区域生态环境质量时也能发挥较好的作用。本研究工作主要是对两套GLASS FVC数据进行后处理,通过数据融合、剔除异常值和剪裁后给出较为可靠的2013年和2018年的环北极圈(范围为北纬66°以北)和青藏高原(范围为北纬26°到39.85°,东经73.45°到104.65°)的植被覆盖度情况。

    1162 2022-07-16

  • 南极冰盖近地面气温数据(2001-2018)

    1)数据内容:2001-2018年南极冰盖近地面月气温时空数据集。 2)数据来源及加工方法:利用中分辨率成像光谱仪(MODIS)地表温度测量数据,结合119个气象站的现场气温记录,利用神经网络模型重建了南极冰盖(AIS)近地面气温数据,分辨率为0.05°×0.05°,时间尺度为2001-2018。 3)数据质量描述:精度优于ERA5再分析资料。 4)数据应用成果及前景:该数据库可用于研究南极冰盖近地面气温的时空分布特征,研究SAM和ENSO等对南极气温年际变化的影响。此外,由于数值天气预报模式输入的独立性,该数据集有可能用于气候模式验证和数据同化。

    1431 2022-04-05

  • 青藏高原地区土壤有机质数据(1979-1985)

    数据包含青藏高原地区的土壤有机质数据,空间分辨率为1km*1km,时间覆盖范围为1979-1985年。数据来源是基于第二次土壤普查数据生成的土壤碳含量。土壤有机质主要来源于植物、动物及微生物残体,其中高等植物为主要来源。原始土壤中最早出现在母质中的有机体是微生物。随着生物的进化和成土过程的发展,动物、植物残体及其分泌物就成为土壤有机质的基本来源。数据对于分析青藏高原的生态环境以及衡量区域土壤特征具有重要意义。

    4288 2019-01-12