【数据福利】三种冰川编目数据
今天分享一些小众一些的数据就是冰川的数据，其中主要包括三个冰川编目的数据集合。主要包括了三个冰川编目的数据集，其分别为RGI6.0，CGI2以及GGI18数据。
数据已上传云盘，关注公众号 遥感杂谈 并后台回复 冰川 即可获取。或者评论回复博主，我可以发送给你。
一、GGI18数据
冰川覆盖区域：高亚洲地区（27.0-54.9N、67.4-103.9E）
数据源：Landsat5和Landsat7共453景影像
时间：全部数据分布在1990-2010年 ；该数据是基于GGI15的数据进行的更新。在GGI15中为了避免夏季云多的影像，使用的冬季影像，并且将山体阴影覆盖的区域排除在外。GGI18对GGI15中未绘制的部分，使用5-9月影像进行更新。
山体阴影区冰川轮廓绘制：选择多幅影像作为阴影区的补充。
二、RGI6.0数据
冰川覆盖区域：全球；RGI6.0中将全球分为19个一级冰川区，以及92个二级冰川区。
数据源：多地区进行的数据整合，因此数据源不确定。
时间：RGI1.0于2012年2月发布。目前最新版本为RGI6.0于2017年7月发布。该冰川数据是一个基于多个数据集进行整合之后的数据，其在中国境内的数据主要是基于中国第二次冰川编目的数据。
冰川最小面积：0.01km2（10个像元）
三、CGI2数据
冰川覆盖区域：中国
影像选择时间：全部影像的时间范围为2004-2011年，但是其中84%的影像是在2007-2009年间获取。实际上第二次冰川编目中冰川的时间较均匀的分布于2007、2009和2010年（三年的冰川面积比例分别为23%、32%和26%）。从影像获取季节的分布来看，大多数的Landsat数据（87%）是在冰川消融期内（4-10月）获取，其中消融季的数据比例为67%。而实际冰川的时间更多集中于8月（29%）和9月（38%）。
数据源：LandsatTM为主要数据源，Landsat ETM+为辅助数据源。冰川分冰岭提取数据源选择地形图DEM为主要数据源。使用SRTM DEM数据作为高程提取的主要数据源。
冰川最小面积：0.01km2（约11个像元）
|
数据集 |
CGI2 |
RGI6.0 |
GGI18 |
|
发布时间 |
2014年12月 |
2017年7月 |
2018年 |
|
冰川编目范围 |
中国 |
全球 |
高亚洲 |
|
使用遥感数据 |
Landsat5/7 |
/ |
Landsat5/7 |
|
影像时间范围/年 |
2004-2011年 |
使用多种数据集进行整合。 |
1999-2013年 |
|
DEM数据源 |
地形图/SRTM DEM |
各地区使用数据不一致，但是在亚洲使用SRTM DEM |
SRTM DEM |
|
最小冰川面积/km2 |
0.01km2 |
0.01km2 |
0.01km2 |
|
冰川提取方法 |
裸冰区：波段比值阈值法结合目视解译；表碛区：目视解译法 |
使用众多数据集进行整合 |
目视解译 |
|
冰川属性差异 |
CGI2中存在而RGI6.0中不存在的属性（16个） |
RGI6.0中存在而CGI2中不存在的属性（6个） |
数据仅存在遥感影像行列号以及影像获取时间 |
|
坐标系 |
地理坐标系:WGS84 投影坐标系： Asia_North_Albers_ Equal_Area_Conic |
地理坐标系：WGS84 |
地理坐标系：WGS84 |
|
是否对存在表碛分类 |
将表碛区与裸冰区进行区分，并统计表碛区面积 |
否 |
否 |
四、不同地区三种数据对比情况
1 RGI6.0与GGI18对比
1.1 喜马拉雅山地区
（1）GGI18绘制的冰川边界与冰川契合程度不如RGI6.0效果好，对于表碛覆盖部分，冰川轮廓明显小于实际情况。
（2）GGI18中对于不存在表碛物的冰川绘制轮廓远大于实际情况。
1.2 青藏高原腹地
（1）GGI18存在部分大块冰团的划分错误问题。
（2）GGI18中明显看到绘制的冰川轮廓远大于实际值且大的冰块的区分存在问题，精度不如RGI6.0。
1.3 横断山脉地区
（1）表碛覆盖地区绘制冰川过小。
（2）绘制过大或者过小的情况，两种冰川编目都存在，但是二者在该地区对于冰川的契合程度均相差不大。
2.RGI6.0与CGI2对比
（1）唐古拉山地区CGI2冰川面积明显大于RGI6.0，通过在Google Earth中对照发现，CGI2中的冰川轮廓明显大于实际冰川面积。
（2）CGI2地区冰川只绘制中国境内的冰川，但是青藏高原并不是只是在中国境内，帕米尔高原，喀喇昆仑以及喜马拉雅山南侧均不在中国境内，因此CGI2冰川编目中没有该区域的冰川矢量。
【数据福利】三种冰川编目数据相关推荐
- 【Java基础】IO流概述分类、字节流写数据、字节流写数据的三种方式及写数据的两个小问题
目录 一.IO流概述和分类 二.字节流写数据 三.字节流写数据的三种方式 四.字节流写数据的两个小问题 一.IO流概述和分类 IO流介绍: ● IO:输入/输出(Input/Output) ● 流:是 ...
- discard connection丢失数据_python kafka 生产者发送数据的三种方式
python kafka 生产者发送数据的三种方式 发送方式 同步发送 发送数据耗时最长 有发送数据的状态,不会丢失数据,数据可靠性高 以同步的方式发送消息时,一条一条的发送,对每条消息返回的结果判断 ...
- mysql如何防止插入重复数据_防止MySQL重复插入数据的三种方法
新建表格 CREATE TABLE `person` ( `id` int NOT NULL COMMENT '主键', `name` varchar(64) CHARACTER SET utf8 C ...
- python csv库,Python 中导入csv数据的三种方法
Python 中导入csv数据的三种方法,具体内容如下所示: 1.通过标准的Python库导入CSV文件: Python提供了一个标准的类库CSV文件.这个类库中的reader()函数用来导入CSV文 ...
- jQuery中通过JSONP来跨域获取数据的三种方式
第一种方法是在ajax函数中设置dataType为'jsonp' $.ajax({dataType: 'jsonp',url: 'http://www.a.com/user?id=123',succe ...
- 如何安全的在不同工程间安全地迁移asset数据？三种方法
如何安全的在不同工程间安全地迁移asset数据?三种方法 答: 1.将Assets和Library一起迁移 2.导出包package 3.用unity自带的assets Server功能 posted ...
- layui根据条件显示列_templet渲染layui表格数据的三种方式
layui前端框架是我一直在使用,也很好用. 今天记录一下,templet渲染layui表格数据的三种方式. 第一种:直接渲染(对于表格数据样式要求不高) 直接在动态表格字段声明,添加templet属 ...
- ios网络学习------4 UIWebView的加载本地数据的三种方式
ios网络学习------4 UIWebView的加载本地数据的三种方式 分类: IOS2014-06-27 12:56 959人阅读 评论(0) 收藏 举报 UIWebView是IOS内置的浏览器, ...
- mysql 禁止插入重复数据_防止MySQL重复插入数据的三种方法
新建表格 CREATE TABLE `person` ( `id` int NOT NULL COMMENT '主键', `name` varchar(64) CHARACTER SET utf8 C ...
最新文章
- python自动选取空闲gpu
- tensorflow使用tf.placeholder会报错
- 学习笔记Flink（六）—— Flink DataStream API编程
- mysql 用户管理表_Mysql—用户表详解(mysql.user)
- keil c语言循环嵌套,keil软件中C语言嵌套汇编
- 【C++】map/multimap容器
- AnyLogic简介
- Mapped Statements collection already contains value for com.wen.mapper.ProjectMapper.xxx
- 计算机word中的宏,word运行宏快捷键_WORD运行宏_word中运行宏的方法_word自动运行宏...
- 【日志分析】Window日志分析
- 重写JS保留小数-去尾法
- 缓存 redis 缓存失效 分布式锁 Redisson SpringCache
- 一阶微分方程组c语言编程,一阶常微分方程数值解的C语言编程实现.doc
- 2022天梯赛 L1-087 机工士姆斯塔迪奥
- 台式计算机无线网经常掉线,电脑无线网老是掉线怎么办？教你解决掉线问题
- 1637_fgets函数的功能
- 一个主机可以接几个php,一台主机如何连接两个显示器
- STM32之SPI和W25Q128
- flash插件+linux,Linux下的flash插件
- oracle登陆不了账号被锁定,oracle数据库用户被锁定该怎么解决？Oracle账户被锁定解决方法...