本数据集为2016-2019年藏东南嘎隆拉冰川径流数据,该观测站位于西藏自治区波密县嘎隆拉冰川附近,嘎隆拉冰川位于藏东南波密县至墨脱公路24k嘎隆拉隧道的东侧,属于典型的海洋性冰川。该冰川所属念青唐古拉山山系,末端海拔高度约为3890m,最高海拔高度为5620m,冰川面积6.08km2,其中表碛区面积为0.83km2,占整条冰川面积的13%。嘎隆拉冰川表碛分布的上界大概4200m,表碛区表碛厚度不等,冰川两侧和末端较厚,中间区域较薄,中间区的平均厚度约为30cm。该观测站详细记录冰川径流数据,数据由布设的嘎隆拉冰川温湿度传感器、翻斗式雨量传感器、超声波水位传感器、流量流速传感器经数据采集器取得原始数据,每10分钟自动采集1次,由CR800数据采集器取得原始数据,人工收集后,温湿度、水深数据和流量流速数据采用日平均数据并整理,降雨数据采用日累计数据并整理。
站点名称:嘎隆拉冰川径流观测站,经纬度:95 °42′23,29°49′23,海拔高程:3200米,数据内容:湿度单位为百分比(%),温度单位为摄氏度(℃),降雨量单位为毫米(毫米),水深单位为米(m), 流量单位为立方米每秒(m3/s)
采集时间 | 2016/07/24 - 2019/08/06 |
---|---|
采集地点 | 西藏自治区波密县 |
海拔 | 3500.0m - 4500.0m |
数据量 | 97.2 KiB |
数据格式 | excel |
数据时间分辨率 | 日 |
坐标系 | WGS84 |
自动采集
原始数据由现场仪器自动采集,每十分钟采集一次,由专业人员定期进行收集和汇总,温湿度和水深数据采用日平均数据,雨量数据采用累计降雨量数据并整理,后加工为数据集产品
本数据在获取处理各阶段均有专业人员负责,数据质量良好。
# | 标题 | 文件大小 |
---|---|---|
1 | 2016-2019年藏东南嘎隆拉冰川径流观测数据.xlsx | 97.2 KiB |
# | 时间 | 姓名 | 用途 |
---|---|---|---|
1 | 2024/07/09 04:48 | 吕*东 |
天山及青藏高原山区冰川未来径流预估与模拟。
|
2 | 2024/05/08 03:32 | 孔*忠 |
论文题目:藏东南泥石流分析和评价
数据在研究中的作用:引入冰川径流因子对泥石流的影响
论文类型:期刊论文
导师姓名:吴华
|
3 | 2024/03/20 17:51 | 王*悦 |
论文题目:基于ArcGIS的古乡沟泥石流灾害危险性评价
数据在研究中的作用:和气象数据做对比,得出相应的研究结果
论文类型:研究型论文
导师姓名:杜翠老师
|
4 | 2024/01/06 10:51 | 崔*婧 |
论文题目:基于长短记忆神经网络LSTM的藏东南冰川流域径流模拟
数据在研究中的作用:主要研究和处理的数据
论文类型:硕士论文
导师姓名:龙银平
|
5 | 2023/10/13 02:17 | 杨*婷 |
论文题目:青藏高原地区径流变化规律及其原理分析
论文摘要:对青藏高原地区的径流变化进行统计与分析,并对其背后变化的原理进行进一步的科学研究。
论文类型:博士论文
导师姓名:梅钢
|
6 | 2023/10/05 20:12 | 章*成 |
受企业委托,拟开展波密-墨脱段泥石流灾害研究,为雅下水电站工程进场公路设计提供地质依据。
|
7 | 2023/06/21 18:41 | qi****sun |
论文题目:雅鲁藏布江-布拉马普特拉河流域极端径流变化及其机制研究
论文类型:博士论文
导师姓名:苏凤阁
用途:用于奴下-巴昔卡冰川径流模拟的验证
|
8 | 2023/05/22 06:27 | 朱*成 |
论文题目:暂时
论文摘要:准备使用机器学习模型对冰川径流量方面开展相关研究
论文类型:期刊论文
导师姓名:吴华
|
9 | 2023/03/03 03:17 | 胡* |
论文题目:藏东南冰川和冰湖演化及其与气候变化的响应
论文摘要:西藏东南部的海洋冰川是气候变化的敏感指标。冰川退缩会引起下游湖泊的相应变化,在一定条件下会增加冰川湖爆发的风险。由于冰川退缩和湖泊变化与气候变化之间有很强的关联性,因此必须对西藏东南部的冰川和湖泊的动态进行长时间的监测,以揭示两者的协同演变以及对气候异常的反应。我的研究将根据历史气象资料分析SETP气候变化特征和气候变化异常,探讨冰川和冰湖演变对气候异常的反应。
论文类型:研究型文章
导师姓名:张廷斌
|
10 | 2023/02/27 18:33 | 钟*玲 |
论文题目:青藏高原遥感近地表气温估算方法研究
论文摘要:近地表气温与 LST 有很强的相关性,是 LST 变化研究的重要因子。然而:一方面,青藏高原气象站点分布稀疏且不均匀,站点气温难以代表区域气温状况;另一方面,再分析资料的空间分辨率较粗,其气温数据也难以满足本文的分析需求。因此在分析 LST 的时空变化之前,本文首先利用机器学习方法估算了与目标待分析 LST 相同时空分辨率(即逐日 1 公里)的全天候近地表气温数据,为后续分析提供支持。
论文类型:硕士论文
导师姓名:周纪
|
©2024 中国科学院西北生态环境资源研究院 备案号:陇ICP备2021001824号-34
兰州市东岗西路320号 730000 电话:0931-4967592, 0931-4967596