湖冰的变化是区域乃至全球气候变化的敏感指示器。已有研究大多关注于湖冰的物候，或表层冻结的类型，而对其纵向的类型（浮冰和触底冰）关注相对较少。相对于浮冰，触底冰能够在整个封冻期对湖底基质提供0℃以下的保护环境，延滞湖底冻土融区的发育及碳排放等，因此，准确识别和分类浮冰和触底冰对于冰冻圈多个领域的研究均有重要意义。星载合成孔径雷达（Synthetic Aperture Radar, SAR）为大范围识别和周期性监测湖冰类型及其变化提供了先进的手段。近年来，随着遥感技术特别是合成孔径雷达技术的进一步发展，遥感数据的种类日益多样化，时空分辨率显著提高，给湖冰研究带来了新的机遇和挑战。目前，对湖冰的遥感研究大多集中在湖冰的物候或厚度上，而对湖冰的纵向发育（能否触底）关注较少。到目前为止，还没有关于利用合成孔径雷达遥感识别触底湖冰的文献综述。因此，有必要全面系统地回顾该领域的研究进展，总结取得的成就，找出存在的问题和挑战，进一步推动SAR数据在快速湖冰监测中的应用，为相关的气候变化和湖泊生态研究提供支持。本文对SAR遥感识别触底冰和浮冰的相关研究进行了全面综述，阐明其识别的基本原理和常用的方法，并...

湖冰的变化是区域乃至全球气候变化的敏感指示器。已有研究大多关注于湖冰的物候，或表层冻结的类型，而对其纵向的类型（浮冰和触底冰）关注相对较少。相对于浮冰，触底冰能够在整个封冻期对湖底基质提供0℃以下的保护环境，延滞湖底冻土融区的发育及碳排放等，因此，准确识别和分类浮冰和触底冰对于冰冻圈多个领域的研究均有重要意义。星载合成孔径雷达（Synthetic Aperture Radar, SAR）为大范围识别和周期性监测湖冰类型及其变化提供了先进的手段。近年来，随着遥感技术特别是合成孔径雷达技术的进一步发展，遥感数据的种类日益多样化，时空分辨率显著提高，给湖冰研究带来了新的机遇和挑战。目前，对湖冰的遥感研究大多集中在湖冰的物候或厚度上，而对湖冰的纵向发育（能否触底）关注较少。到目前为止，还没有关于利用合成孔径雷达遥感识别触底湖冰的文献综述。因此，有必要全面系统地回顾该领域的研究进展，总结取得的成就，找出存在的问题和挑战，进一步推动SAR数据在快速湖冰监测中的应用，为相关的气候变化和湖泊生态研究提供支持。本文对SAR遥感识别触底冰和浮冰的相关研究进行了全面综述，阐明其识别的基本原理和常用的方法，并...

湖冰的变化是区域乃至全球气候变化的敏感指示器。已有研究大多关注于湖冰的物候，或表层冻结的类型，而对其纵向的类型（浮冰和触底冰）关注相对较少。相对于浮冰，触底冰能够在整个封冻期对湖底基质提供0℃以下的保护环境，延滞湖底冻土融区的发育及碳排放等，因此，准确识别和分类浮冰和触底冰对于冰冻圈多个领域的研究均有重要意义。星载合成孔径雷达（Synthetic Aperture Radar, SAR）为大范围识别和周期性监测湖冰类型及其变化提供了先进的手段。近年来，随着遥感技术特别是合成孔径雷达技术的进一步发展，遥感数据的种类日益多样化，时空分辨率显著提高，给湖冰研究带来了新的机遇和挑战。目前，对湖冰的遥感研究大多集中在湖冰的物候或厚度上，而对湖冰的纵向发育（能否触底）关注较少。到目前为止，还没有关于利用合成孔径雷达遥感识别触底湖冰的文献综述。因此，有必要全面系统地回顾该领域的研究进展，总结取得的成就，找出存在的问题和挑战，进一步推动SAR数据在快速湖冰监测中的应用，为相关的气候变化和湖泊生态研究提供支持。本文对SAR遥感识别触底冰和浮冰的相关研究进行了全面综述，阐明其识别的基本原理和常用的方法，并...

积雪面积比例（Fractional Snow Cover,FSC）是定量描述单位像元内积雪覆盖面积（Snow Cover Area,SCA）与像元空间范围的比值。本数据集利用Google Earth Engine(GEE)平台，将MODIS全球地表反射率产品MOD09GA作为源数据，建立FSC与归一化植被指数（Normalized Difference Snow Index,NDVI）和归一化积雪指数（Normalized Difference Snow Index,NDSI）的线性回归经验模型BV-BLRM(Based NDVI Bivariate Linear Regression Model,BV-BLRM)。该模型制备的积雪面积比例数据较MOD10A1 V6数据的均方根误差提高了45%。基于该模型制备了泛北极地区（北纬45°至北纬90°）积雪面积比例时序数据。本数据集时间序列为2000年2月24日至2019年11月18日，时间分辨率为1天，空间分辨率为1 km。本数据集可以为区域气候模拟、水文模型等提供积雪分布的定量信息。

积雪面积比例（Fractional Snow Cover,FSC）是定量描述单位像元内积雪覆盖面积（Snow Cover Area,SCA）与像元空间范围的比值。本数据集利用Google Earth Engine(GEE)平台，将MODIS全球地表反射率产品MOD09GA作为源数据，建立FSC与归一化植被指数（Normalized Difference Snow Index,NDVI）和归一化积雪指数（Normalized Difference Snow Index,NDSI）的线性回归经验模型BV-BLRM(Based NDVI Bivariate Linear Regression Model,BV-BLRM)。该模型制备的积雪面积比例数据较MOD10A1 V6数据的均方根误差提高了45%。基于该模型制备了泛北极地区（北纬45°至北纬90°）积雪面积比例时序数据。本数据集时间序列为2000年2月24日至2019年11月18日，时间分辨率为1天，空间分辨率为1 km。本数据集可以为区域气候模拟、水文模型等提供积雪分布的定量信息。

积雪面积比例（Fractional Snow Cover,FSC）是定量描述单位像元内积雪覆盖面积（Snow Cover Area,SCA）与像元空间范围的比值。本数据集利用Google Earth Engine(GEE)平台，将MODIS全球地表反射率产品MOD09GA作为源数据，建立FSC与归一化植被指数（Normalized Difference Snow Index,NDVI）和归一化积雪指数（Normalized Difference Snow Index,NDSI）的线性回归经验模型BV-BLRM(Based NDVI Bivariate Linear Regression Model,BV-BLRM)。该模型制备的积雪面积比例数据较MOD10A1 V6数据的均方根误差提高了45%。基于该模型制备了泛北极地区（北纬45°至北纬90°）积雪面积比例时序数据。本数据集时间序列为2000年2月24日至2019年11月18日，时间分辨率为1天，空间分辨率为1 km。本数据集可以为区域气候模拟、水文模型等提供积雪分布的定量信息。