本数据集以中国西部冰川区作为研究区，以现有冰川物质平衡观测数据为基础，利用国际主流的OGGM冰川动力模型，模拟了青藏高原主要山脉冰川变化。在排放相对最为理想的SSP1-2.6情景下，青藏高原周边主要山脉的冰川依然呈现强烈的退缩状态，即使退缩最为轻微的昆仑山区域，储量和面积至本世纪末也仅剩64%和60%。储量和面积退缩最为强烈的是祁连山区域，至2050年储量和面积分别剩余63%和75%，而到了本世纪末祁连山冰川储量面积仅剩34%和42%。祁连山、昆仑山、喀喇昆仑和喜马拉雅山脉冰川在2020 – 2050和2050 – 2100两个阶段变现出相对一致的储量和面积变化趋势，而天山冰川则在2020 – 2050呈现较为强烈的储量变化趋势，而在2050 – 2100呈现相对较为减缓的储量变化趋势。
1. SSP1.26气象预估数据：SSP情景气象预估数据来自于SSP-RCP情景下基于BCC-CSM2-MR模式的气候预估（Su et al., 2021）。Su, B., et al. (2021), Insight from CMIP6 SSP-RCP scenarios for future drought characteristics in China, Atmospheric Research, 250, 105375.
2. 冰川编目数据：RGI 6.0 (https://www.glims.org/RGI/rgi60_dl.html)。
1. 制备气象数据集：格网化月尺度气象、降水数据。
2. 确定模拟区域冰川范围：OGGM模型是由python编写的模块化冰川模型，各模块之间通过接口实现通信。基于自身模拟需求编写脚本文件，对接需求的接口。
3. 运行脚本文件：运行编写的脚本文件，输出结果
4. 提取数据：OGGM输出为NC格式的单个冰川年尺度的储量、面积和长度信息，通过处理NC格式文件提取需要的某区域冰川变化结果。
模型通过不断调整温度敏感性因子以达到与实测物质平衡最佳匹配，模拟误差确定在10%以内。
本作品采用
CC BY 4.0 （知识共享 署名 4.0 国际许可协议）进行许可。
CSTR:11738.11.NCDC.NIEER.DB6518.2024
10.12072/ncdc.nieer.db6518.2024
