青藏高原雪、冰和环境数据集专题 II 区论文(已发表) 版本 ZH3 Vol 6 (2) 2021
下载
2017–2018年中国西部冰川编目数据集
A dataset of glacier inventory in Western China during 2017–2018
 >>
: 2021 - 02 - 06
: 2021 - 06 - 03
: 2021 - 03 - 25
: 2021 - 06 - 28
722 3 0
摘要&关键词
摘要:中国西部冰川区对气候变化响应敏感性强,变化幅度大。自中国第二次冰川编目以来,我国缺乏对中国西部地区冰川的系统性调查。本数据集在中国第二次冰川编目数据基础上,利用315景Landsat遥感影像和SRTM等多种数据源,结合ArcGIS、Google Earth等处理软件,通过人工目视解译,完成了2017–2018年中国西部冰川边界的提取、边界的质量检查、面积的不确定分析和冰川属性的更新。结果显示,2017–2018年中国西部现存冰川53238条,总面积为47174.21±19.93 km2,面积误差占冰川总面积的±0.04%。在中国第二次冰川编目未完成的藏东南地区,共有冰川13066条,总面积7611.25±4.64 km2。本数据集为探讨中国西部冰川变化和冰川对气候变化的响应等相关研究提供数据支撑。
关键词:遥感;冰川编目;中国西部
Abstract & Keywords
Abstract: The glaciers in Western China are highly sensitive to climate change and change greatly. Since the second glacier inventory in China, there has been a lack of systematic investigation on the glaciers in Western China. Based on the second glacier inventory data , this dataset has completed the extraction of glacier boundaries, quality checking of boundaries, uncertainty analysis of area and updating of glacier attributes in Western China during 2017–2018 through various data sources such as 315 Landsat remote sensing images and SRTM, combined with processing software of ArcGIS and Google Earth, and through manual visual interpretation. The results show that 53,238 glaciers existed in Western China in 2018, with a total area of 47,174.21 ± 19.93 km2, area error of ±0.04% of the total glacier area. In the southeastern Tibetan Plateau where the second glacier inventory in China is not yet completed, there are 13,066 glaciers with a total area of 7611.25±4.64 km2. This dataset provides data support for studies on glacier changes and the response of glaciers to climate change in Western China.
Keywords: remote sensing; glacier inventory; Western China
数据库(集)基本信息简介
数据库(集)名称2017–2018年中国西部冰川编目数据集
数据作者冉伟杰,王欣,郭万钦,赵华秋,赵轩茹,刘时银,魏俊峰,张勇
数据通信作者王欣(wangx@hnust.edu.cn)
数据时间范围2017–2018
地理区域青藏高原及周边地区,地理范围约为71°42′–104°56′E,26°32′–49°47′N
空间分辨率30 m
数据量29.4 MB
数据格式Shapefile
数据服务系统网址http://www.dx.doi.org/10.11922/sciencedb.j00001.00227
基金项目国家自然科学基金(41771075、41571061)
数据库(集)组成本数据集共包括一个数据文件,2017-2018年中国西部冰川编目数据集命名为:West_China_glacier_inventory_2018。
Dataset Profile
TitleA dataset of glacier inventory in Western China during 2017–2018
Data authorsRAN Weijie, WANG Xin, GUO Wanqin, ZHAO Huaqiu, ZHAO Xuanru, LIU Shiyin, WEI Junfeng, ZHANG Yong
Data corresponding authorWANG Xin(wangx@hnust.edu.cn)
Time range2017–2018
Geographical scopeThe Tibetan Plateau and surroundings (71°42′-104°56′E,26°32′-49°47′N)
Spatial resolution30 m
Data volume29.4 MB
Data formatShapefile
Data service system<http://www.dx.doi.org/10.11922/sciencedb.j00001.00227>
Sources of fundingNational Science Foundation of China (41771075, 41571061)
Dataset compositionThis dataset consists of one data file. The dataset of glacier inventory in Western China during 2017-2018 is named as West_China_glacier_inventory_2018.
引 言
中国西部地区以青藏高原为主体,地形和气候条件复杂,是世界上中低纬度地区最大的现代冰川和第四纪冰川分布区,被誉为世界第三极[1]。冰川作为冰冻圈的主体,是重要的固体淡水资源,对“第三极”及周边地区人类的生存和社会稳定及发展都有重要影响[2]。它不仅是气候变化的重要驱动因素之一,同时也是气候变化的“指示器”[3,4,5 ]。在气候变暖的背景下,青藏高原上的山岳冰川总体呈现退缩减薄以及物质量持续减少的特征[6-7]。冰川的退缩不仅是影响流域径流过程以及区域水资源变化的关键因素,而且加剧了冰湖溃决而导致的洪水和泥石流等重大自然灾害的发生[8,9,10,11 ]
中国西部冰川编目数据是冰冻圈科学研究的基础数据,对研究中国西部冰川变化及其气候的响应具有重要意义。中国于1978–2002年间开展了中国第一次冰川编目工作,以1950–1980年代的航摄地形图和航空像片为主要数据源,通过手工量算等手段完成了中国冰川数据的建库工作[12]。共统计中国冰川46377条,总面积59425 km2。继2002年之后,我国科研人员以中国西部冰川变化为主要目标,开展对中国冰川资源最新状况的普查,即中国第二次冰川编目[13]。中国第二次冰川编目以2006–2011年间开源的Landsat TM/ETM+遥感卫星数据为冰川边界描绘的主要数据源,采用当前国际通用的遥感和GIS方法。截止2013年底,完成了我国西部绝大部分地区(86%)冰川目录的编制,共解译出冰川43270条,总面积43087 km2。由于青藏高原东南部的横断山脉和念青唐古拉山中东段等地区受南亚季风的影响,常年被积雪和云覆盖,导致能够获取到的遥感影像受云雪影响严重,难以满足冰川编目的要求,因此未完成部分(藏东南地区)用中国第一次冰川编目数据替代,总共使用冰川6201条,涉及冰川面积8753 km2。很多科研人员都曾尝试使用自动解译的方法来进行冰川边界的提取[14,15,16,17 ],但是自动解译的结果一般都没有人工手动判读的精度高,故本文以2015–2019年间的Landsat OLI遥感影像为主要数据源,在中国第二次冰川编目的基础上,采用人工目视解译的方法来提取冰川边界,并对编目中所录入的属性进行更新和精度评估,最终形成的2017–2018年中国西部冰川编目数据集。
1   数据采集和处理方法
1.1   数据源
本文的数据源主要包括中国第二次冰川编目数据[18](http://westdc.westgis.ac.cn)用于辅助判断冰川所属山脉、流域和行政区划等空间属性信息,以及从USGS网站(https://earthexplorer.usgs.gov/)和地理空间数据云(http://www.gscloud.cn/)获取Landsat遥感影像。由于一般情况下冰川及周围地区在夏秋季节(6–11月)受积雪影响最小,为保证在提取冰川边界时的准确性,多选用在夏秋季节且云量覆盖度低于10%的遥感影像数据。在无法获取少量云、雪影像的情况下,选择能够互补的多景影像来提取冰川边界。同时优先选择2018年的影像且时间跨度尽可能小,保证能够描述近乎同时期的冰川状态。基于上述原则,共选用315景高质量的遥感影像作为2017–2018年中国西部冰川编目的基础数据,约78%的影像集中在2017和2018年,夏秋季节(6–11月)的影像占所选影像数据的65%(图1)。


图1   选取遥感影像时间
SRTM数据主要用来计算单条冰川的海拔高度、平均坡向和平均坡度等属性信息。本文所用空间分辨率为30 m的SRTM1高程数据来源于中国科学院计算机网络信息中心的国际科学数据镜像网站(http://datamirror.csdb.cn)。
流域数据使用的是HydroSHEDS数据库中的HydroATLAS V1.0数据(https://figshare.com/articles/HydroATLAS_version_1_0/),分为BasinATATLAS和RiverATLAS两个数据集,分别代表了流域覆盖范围和河流网络。本文以BasinATATLAS数据集为参考,对第二次冰川编目中部分流域属性缺失的冰川进行属性赋值。
1.2   数据处理
为建立2017–2018年中国冰川编目数据集,文中主要包括了影像预处理和提取冰川边界、冰川坡度坡向的计算以及数据检查和更新属性信息等多个环节(图2)。


图2   2017–2018年中国西部冰川编目主要流程
首先,制定本次冰川编目规范:(1)冰和水反射光谱曲线相似,反射主要在蓝绿光波段,其他波段吸收都很强,所以一般可以通过颜色区分裸冰与周围地物。(2)当冰被雪覆盖时,很难用颜色区分冰的边界。但是由于冰密度较大,形状比较规则,且与周围地物的分界线较为明显,而雪较为松散,又因为其薄厚程度不同而与周围地物的分界线很是模糊,所以可以通过其形态来区分。(3)表碛覆盖区一般具有较低的温度,鲜少有植被分布。同时,由于表碛厚度不同引起的强烈差异性消融,使得表碛覆盖区冰川表面坑洼不平,形成与周围地形强烈的反差。在彩色影像中,可通过颜色和纹理特征区别表碛区与周围地物。利用以上判读标准确定冰川边界,当影像中冰川边界无法准确判读时,在Google Earth中查看冰川周围地形或参考其他相近时间的影像进行辅助确定[19]。在最小冰川面积的选取上,不同的学者采用了不同的标准。有研究表明,在基于Landsat卫星影像的冰川编目中,0.01 km2(约11个纯像元)是最优的最小冰川面积阈值[20],同样第二次冰川编目也是以0.01 km2作为最小冰川面积来进行冰川编目[13],故本文采用0.01 km2作为最小冰川面积。
其次,对所有遥感影像进行标准假彩色合成,在ArcGIS中以Landsat影像为主,参考Google Earth影像和中国第二次冰川编目数据集,利用人工目视解译的方法提取冰川边界,将所有数据统一采用GCS_WGS_1984地理坐标系统和Asia_North_Albers_Equal_Area_Conic投影系统以保证冰川面积计算时的准确性。
第三,更新冰川属性,主要指冰川编码、高程属性、坡度和坡向属性、流域信息等。GLIMS_ID为冰川编码,根据全球陆地冰监测计划(Global Land Ice Measurements from Space,GLIMS)制定。每条冰川需要被赋予唯一的标识码,取每条冰川的质心经纬度坐标对应其编码,编码结构为“GmmmmmmEnnnnnN”,其中G表示冰川,mmmmmm表示冰川质心点的经度值乘1000后的6位数字,不足6位的数字用0表示,nnnnn表示冰川质心点的纬度值乘1000后的5位数字,不足5位的数字用0表示,E和N分别代表东经和北纬;冰川质心点的经纬度坐标由ArcGIS计算得出,在中国第二次冰川编目的基础上修改冰川边界导致冰川质心点的经纬度坐标发生变化,根据上述冰川编码的制定规则完成了单条冰川编码的修订(包括第二次冰川编目中漏编的冰川),并保证其唯一性;将SRTM数据与冰川边界数据在ArcGIS中进行叠置分析,得到冰川区DEM数据,然后计算得到冰川覆盖区域内坡度和坡向栅格数据,最后使用分区统计工具即可得到每条冰川的最高、平均和最低海拔高度、平均坡度和平均坡向属性;流域信息赋值主要是将冰川中心点数据与流域数据(BasinATATLAS)进行相交处理,通过唯一字段连接两个属性表,即可补充冰川的流域信息。
最后,采用人工交互检查的方式对每个冰川的矢量边界开展进一步的拓扑检查与边界修正。对前进冰川、消失冰川、分裂冰川或受山体阴影和积雪影响的冰川进行交互检查。在此过程中,利用Google Earth影像作为主要的误差检测数据源。
2   数据样本描述
2.1   数据图形样本
截止到2018年,中国西部地区共解译出冰川53238条,总面积为47 174.21±19.93 km2(表1)。在中国第二次冰川编目未完成的藏东南地区(图3红色矩形框内),共有冰川13066条,总面积7611.25±4.64 km2。2017–2018年中国西部冰川编目数据以面状形式表示如图3。


图3   2017–2018年中国冰川分布
表1   中国西部流域区冰川数量与面积变化
流域名称流域代码中国第二次冰川编目[21]本数据集
冰川数量(条)冰川面积(km2冰川数量(条)冰川面积(km2
鄂毕河5A279186.12275173.28
黄河5J164126.72161119.82
长江5K15281674.6917301579.49
湄公河5L469231.32548229.78
萨尔温江5N21771479.0928201271.36
恒河5O1264115718.651680711940.66
印度河5Q24011106.9123221058.07
中亚内流区5X21221554.7021091494.72
东亚内流区5Y2041222414.582027222217.58
青藏高原内流区5Z63787273.3061947089.45
总计4857151766.085323847174.21
与中国第二次冰川编目数据相比,中国西部冰川普遍呈退缩趋势,10年来中国西部(藏东南地区除外)冰川面积共减少1393.97 km2,占冰川总面积的3.74%,平均面积变化速率为−0.43%/a。其中,共有318条冰川消失,消失冰川的面积为18.98 km2,占冰川总面积的0.05%。22条冰川漏编,漏编冰川面积为2.33 km2。还有部分冰川发生了分裂。如图4a所示的冰川(G090379E30362N)在2009年面积为0.02 km2,在2017年已完全消失;图4b的冰川(G101906E30571N)在中国第二次冰川编目中被漏编,在2017年冰川面积为0.05 km2;图4c的冰川(G097639E28918N)在退缩过程中逐渐分裂为两条冰川(G097641E28922N,G097638E28917N),面积由1.29 km2减少到0.89 km2


图4   消失冰川、漏编冰川及分裂冰川
2.2   数据属性表
参考中国第一次和第二次冰川编目以及中国部分山系如冈底斯山、喜马拉雅山、念青唐古拉山等地的冰川编目研究[12-13,22,23,24 ],2017–2018年中国西部冰川编目数据属性表共设置19个字段(表2),包括冰川名称、冰川编码、所使用的的遥感影像和冰川面积误差等信息。其中,冰川名称取自中国第二次冰川编目属性表。
表2   2017–2018年中国西部冰川编目数据属性
编号字段名称数据类型字符长度字段描述
1FIDShort Int5标识码
2ShapeText15几何类型
3GLC_NameText30冰川名称
4GLIMS_IDText15冰川编码
5Long_GLCDouble6冰川质心点的经度
6Lati_GLCDouble6冰川质心点的纬度
7ImageText50主要遥感影像
8Image2Text50辅助遥感影像
9Slp_aveDouble6冰川的平均坡度
10Asp_aveDouble6冰川的平均坡向
11altit_minDouble6冰川的最低海拔高度
12altit_maxDouble6冰川的最高海拔
13altit_aveDouble6冰川的平均海拔高度
14shape_AreaDouble6冰川的面积
15ErrorDouble50单条冰川的面积误差
16Drng_01Text50冰川所在一级流域的编码
17Mtn_NameText50冰川所在山系
18Pref_NameText50冰川所在行政区划
19timeText50冰川矢量数据的具体时间(年-月)
3   数据质量控制和评估
本研究的方法是基于遥感影像通过人工目视解译冰川边界,在解译冰川边界过程中,由于遥感影像的质量与解译人员的主观意识等因素影响,不可避免产生边界描绘不准确的情况,从而导致冰川面积计算的误差。根据Hanshaw[25]等的研究,发现冰川面积误差与遥感影像的空间分辨率密切相关。假设解译造成的面积误差符合高斯分布,通过冰川周长与影像空间分辨率的关系得到冰川边界的像元数量,计算解译过程中产生的面积误差,公式如下:
\[Error(1\sigma )=\frac{P}{G}\cdot \frac{G^{2}}{2}\cdot \sigma \]
(1)
\[E=\frac{Error(1\sigma )}{A}\cdot 100\%\]
(2)
式中:P为冰川周长(m);G为遥感影像的空间分辨率(30 m);\(\sigma \)是指随机误差权重,在假设一倍方差范围内,误差为真值的情况下,取值0.6872;A是冰川的总面积;E是冰川面积的相对误差。在上述公式的基础上,可基于误差传播理论计算出整个研究区域内所有冰川面积的误差积累,计算公式如下:
\[E_{T}=\sqrt{\sum_{i=1}^{n}a_{i}^{2}}\]
(3)
式中:ET 是研究区域内冰川面积的总误差,i是冰川的数量,a是单条冰川的面积误差。
计算结果显示,由遥感影像分辨率所造成的冰川面积误差值为±19.93 km2,约占中国西部冰川总面积的±0.04%。单条冰川的相对面积误差在0–83%之间,相对面积误差与冰川的大小呈显著的幂指数关系(\(E=5.20{A}^{-0.45},{R}^{2}=0.94\),p<0.001)(图5)。


图5   单条冰川的相对面积误差
4   数据价值
本数据集是在中国第二次冰川编目的基础上形成的,描述了2015–2019年特别是2017–2018年中国西部冰川状态的变化。本数据集为我国西部自第一次、第二次冰川编目数据以后又一次全面系统的冰川调查,对于探讨中国西部冰川变化和冰川对气候变化的响应等相关研究具有重要意义。在全球气候变暖的现状下,也可以为西北干旱区水资源的利用等提供可靠的数据支撑。
5   数据使用方法及建议
2017–2018年中国西部冰川矢量数据集采用Shapefile矢量数据格式存储,在ArcGIS、ArcCatalog、ENVI等GIS平台中均可进行数据的读取、编辑等操作。
致 谢
感谢地理空间数据云和美国地质调查局等网站提供Landsat影像,感谢中国科学院计算机网络信息中心提供SRTM高程数据,感谢贺广丽、郭小宇、顾菊、张特、王嘉、郑亚杰等在冰川目视解译和冰川边界检查工作中所付出的辛勤劳动。
[1]
QIU J. THE THIRD POLE[J]. Nature (London). 2008, 454(7203): 393.
[2]
PRITCHARD H D. Asia's shrinking glaciers protect large populations from drought stress[J]. Nature, 2019, 569(7758): 649–654. DOI:10.1038/s41586-019-1240-1.
[3]
World G M S. Global glacier changes[Z]. PANGAEA, 2008.
[4]
OERLEMANS J. Quantifying global warming from the retreat of glaciers[J]. Science, 1994, 264(5156): 243–245.
[5]
谢自楚//刘潮海. 冰川学导论[M]. 上海: 上海科学普及出版社, 2010.
[6]
OERLEMANS J. Extracting a climate signal from 169 glacier records[J]. Science, 2005, 308(5722): 675–677. DOI:10.1126/science.1107046.
[7]
DYURGEROV M. Mountain and subpolar glaciers show an increase in sensitivity to climate warming and intensification of the water cycle[J]. Journal of Hydrology, 2003, 282(1/2/3/4): 164–176. DOI:10.1016/S0022-1694(03)00254-3.
[8]
RICHARDSON S D, REYNOLDS J M. An overview of glacial hazards in the Himalayas[J]. Quaternary International, 2000, 65/66: 31–47. DOI:10.1016/S1040-6182(99)00035-X.
[9]
WANG X, LIU S Y, GUO W Q, et al. Assessment and simulation of glacier lake outburst floods for longbasaba and Pida lakes, China[J]. Mountain Research and Development, 2008, 28(3/4): 310–317. DOI:10.1659/mrd.0894.
[10]
WANG X, DING Y J, LIU S Y, et al. Changes of glacial lakes and implications in Tian Shan, central Asia, based on remote sensing data from 1990 to 2010[J]. Environmental Research Letters, 2013, 8(4): 044052. DOI:10.1088/1748-9326/8/4/044052.
[11]
刘时银, 丁永建, 李晶, 等. 中国西部冰川对近期气候变暖的响应[J]. 第四纪研究, 2006, 26(5): 762–771. DOI:10.3321/j.issn: 1001-7410.2006.05.011.
[12]
刘潮海, 施雅风, 王宗太, 等. 中国冰川资源及其分布特征: 中国冰川目录编制完成[J]. 冰川冻土, 2000, 22: 106–112.
[13]
GUO W Q, LIU S Y, XU J L, et al. The second Chinese glacier inventory: data, methods and results[J]. Journal of Glaciology, 2015, 61(226): 357–372. DOI:10.3189/2015jog14j209.
[14]
BOLCH T, BUCHROITHNER M, KUNERT A, et al. Automated delineation of debris-covered glaciers based on ASTER data[J]. Geoinformation in Europe (Proc of 27th EARSel Symposium, 04-07 June 2007), Bozen, Italy, 2007(June): 403–410.
[15]
PAUL F, HUGGEL C, KÄÄB A. Combining satellite multispectral image data and a digital elevation model for mapping debris-covered glaciers[J]. Remote Sensing of Environment, 2004, 89(4): 510–518. DOI:10.1016/j.rse.2003.11.007.
[16]
SHUKLA A, ARORA M K, GUPTA R P. Synergistic approach for mapping debris-covered glaciers using optical-thermal remote sensing data with inputs from geomorphometric parameters[J]. Remote Sensing of Environment, 2010, 114(7): 1378–1387. DOI:10.1016/j.rse.2010.01.015.
[17]
BRENNING A, PEÑA M A, LONG S, et al. Thermal remote sensing of ice-debris landforms using ASTER: an example from the Chilean Andes[J]. The Cryosphere, 2012, 6(2): 367–382. DOI:10.5194/tc-6-367-2012.
[18]
Guo W, Liu S, Xu J, et al. The second glacier inventory dataset of China (version 1.0) (2006-2011)[J]. National Tibetan Plateau Data Center. 2012.
[19]
赵轩茹.近十年内中国冰川变化及驱动因素分析[D].湘潭: 湖南科技大学,2020.
[20]
PAUL F, BARRY R G, COGLEY J G, et al. Recommendations for the compilation of glacier inventory data from digital sources[J]. Annals of Glaciology, 2009, 50(53): 119–126. DOI:10.3189/172756410790595778.
[21]
刘时银, 姚晓军, 郭万钦, 等. 基于第二次冰川编目的中国冰川现状[J]. 地理学报, 2015, 70(1): 3–16. DOI:10.11821/dlxb201501001.
[22]
刘娟, 姚晓军, 曹娟, 等. 2016年冈底斯山冰川矢量数据集[J]. 中国科学数据, 2020, 5: 133–139.
[23]
BOLCH T, YAO T, KANG S, et al. A glacier inventory for the western Nyainqentanglha Range and the Nam Co Basin, Tibet, and glacier changes 1976–2009[J]. The Cryosphere, 2010, 4(3): 419–433. DOI:10.5194/tc-4-419-2010.
[24]
FREY H, PAUL F, STROZZI T. Compilation of a glacier inventory for the western Himalayas from satellite data: methods, challenges, and results[J]. Remote Sensing of Environment, 2012, 124: 832–843. DOI:10.1016/j.rse.2012.06.020.
[25]
HANSHAW M N, BOOKHAGEN B. Glacial areas, lake areas, and snow lines from 1975 to 2012: status of the Cordillera Vilcanota, including the Quelccaya Ice Cap, northern central Andes, Peru[J]. The Cryosphere, 2014, 8(2): 359–376. DOI:10.5194/tc-8-359-2014.
数据引用格式
冉伟杰, 王欣, 郭万钦, 等. 2017–2018年中国西部冰川编目数据集[DB/OL]. Science Data Bank, 2021. (2021-03-25). DOI: 10.11922/sciencedb.j00001.00227.
稿件与作者信息
论文引用格式
冉伟杰, 王欣, 郭万钦, 等. 2017–2018年中国西部冰川编目数据集[J/OL]. 中国科学数据, 2021, 6(2). (2021-05-27). DOI: 10.11922/csdata.2021.0013.zh.
冉伟杰
Ran Weijie
主要承担工作:冰川编目数据处理、检查修正与论文撰写。
(1997—),男,湖南常德人,硕士研究生,研究方向为冰冻圈遥感与灾害研究。
王欣
Wang Xin
主要承担工作:研究思路设计、冰川编目规范制定、数据质量控制。
wangx@hnust.edu.cn
(1973—),男,湖南耒阳人,博士,教授,研究方向为冰冻圈遥感、寒区水文与灾害。
郭万钦
Guo Wanqin
主要承担工作:并处冰川编目数据处理与数据质量控制。
(1978—),男,甘肃定西县人,博士,研究员,研究方向为冰川变化、跃动机理。
赵华秋
Zhao Huaqiu
主要承担工作:冰川编目数据处理与检查修正。
(1996—),女,山东诸城人,硕士研究生,研究方向为冰冻圈遥感与灾害研究。
赵轩茹
Zhao Xuanru
主要承担工作:冰川编目数据处理与检查修正。
(1996—),女,甘肃定西人,博士研究生,研究方向为冰冻圈遥感与灾害研究。
刘时银
Liu Shiyin
主要承担工作:研究思路设计与冰川编目规范制定。
(1963—),男,河南信阳人,博士,研究员,研究方向为冰川变化。
魏俊锋
Wei Junfeng
主要承担工作:冰川编目规范制定与数据质量控制。
(1985—),男,湖北天门人,博士,讲师,研究方向为冰冻圈遥感。
张勇
Zhang Yong
主要承担工作:冰川编目规范制定与数据质量控制。
(1979—),男,山东滕州人,博士,教授,研究方向为全球变化与地理环境遥感。
出版历史
I区发布时间:2021年3月25日 ( 版本ZH2
II区出版时间:2021年6月28日 ( 版本ZH3
参考文献列表中查看
中国科学数据
csdata