Podcast charts
Published by 气候变化研究进展
这是一份来自学术前沿的冰冻圈深度指南。 全球升温1.5°C,是数字,还是临界点?北极冰盖消退,是危机,还是新航道的序章? 本专辑精选《气候变化研究进展》中英文版近年重磅成果, 不做泛泛之谈,只讲经得起验证的科学与战略。 四大维度,构建你的冰冻圈认知金字塔: � 极地海洋学 :深海洋流如何操控全球气候的“开关”; � 大气科学 :极地涡旋崩溃,如何让寒潮直奔你家门口; � 冰冻圈科学 :冰川、冻土、海冰的消融速率与连锁反应; � 政策与治理 :大国博弈下的北极航道与南极规则,以及 中国的智慧方案 。 你将获得: 一套系统的冰冻圈科学知识框架 一种跨学科分析全球问题的思维方式 一份看懂未来资源格局与风险的前瞻视角 适合谁听: 关注气候变化与环境议题的思考者 | 对极地科考与地缘政治感兴趣的观察者 | 希望建立跨学科认知体系的终身学习者 用学术的眼光,拆解冰冻圈;以中国的视角,观照全球。订阅本专辑,抢先看懂地球的现在与未来。
On the charts
Every published chart this podcast appears in, in the snapshot behind this page. Each one links to the chart it came off.
From the feed
The latest episodes published to this podcast’s own RSS feed. Titles and descriptions are the publisher’s.
该研究建立了适配蒙古冻土区的CMIP6模式筛选框架,首次量化了冻土区与非冻土区在气候转型中的差异化响应,为蒙古及中俄蒙寒区气候适应、生态保护与冻土工程风险管控提供了科学支撑。 点击阅读全文 https://www.sciencedirect.com/science/article/pii/S1674927826003126
本研究利用多个粒雪模型( CFM ),结合自动气象站观测和区域气候模式数据,模拟了格陵兰冰盖13个粒雪区站点的再冻结过程。1940–2024年的长期模拟结果显示,格陵兰冰盖北部区域的再冻结能力总体保持稳定,而西南部再冻结能力波动衰减。 点击阅读全文 https://www.sciencedirect.com/science/article/pii/S1674927826002789
本文创新性提出了包含政府、科研机构、滑雪场运营商、行业协会、滑雪者多主体协同适应路径 。区别于过往研究多聚焦单一主体的被动应急策略,该框架强调多方联动、双向反馈,推动滑雪旅游应对气候风险的思路从短期应急造雪,转向长期系统韧性建设与低碳转型。 点击阅读全文 https://www.sciencedirect.com/science/article/pii/S1674927826003114
本文基于在青藏高原东北缘疏勒河源区十年的原位模拟增温试验,分析了长期变暖下 生态系统呼吸 、土壤碳组分、植物功能性状及微生物群落的动态响应规律。 点击阅读全文 https://www.sciencedirect.com/science/article/pii/S1674927826002832
一项面向干旱半干旱山地的新研究给出了更复杂的答案:雪深下降、造雪窗口收缩与雪季物候变化并不同步,部分高海拔滑雪场甚至可能出现雪季延长。 点击阅读全文 https://www.sciencedirect.com/science/article/pii/S1674927826002844
该研究实现了从“单一高山沟谷的稀疏事件证据”向“藏东南区域优先筛查图谱”的跨尺度转化。 点击阅读全文 https://www.sciencedirect.com/science/article/pii/S167492782600290X
本研究依据中国现有滑雪场分布,综合气候、地形、植被、土地利用及社会经济因素,评估当前及 SSP126 、SSP245和SSP585情景下2021—2050年和2051—2070年的适宜性变化。本文下载链接:https://www.sciencedirect.com/science/article/pii/S1674927826002637
本文分析了1990—2023年加拿大海盆融冰期的多年变化,并量化评估了近表层温度极大值层(NSTM)热量释放对结冰的影响。本文下载链接:https://www.sciencedirect.com/science/article/pii/S1674927826002352
本研究以青藏高原东南部帕隆4号冰川为对象,于2023年6月29日至9月13日开展原位观测,测定冰尘穴和 冰面径流 中CO₂、CH₄浓度与通量,并结合宏基因组分析冰尘沉积物中的微生物群落和碳循环功能潜力。 点击阅读全文 https://www.sciencedirect.com/science/article/pii/S1674927826002819
本文借鉴阿尔卑斯区域研究思路,构建适配全球冰川的动态阈值物候提取方法,基于2000–2023年MODIS 长时序数据系统解析全球 冰川消融季 与反照率协同演变规律。 本研究 首次将“ 物候学 ”理念引入全球冰川监测 ,定量刻画冰川季节性变化过程。 本文下载链接:https://www.sciencedirect.com/science/article/pii/S1674927826001863。
研究基于2000与2020年亚洲高山区冰湖数据,利用空间匹配、遥感影像解译和地貌分类,2000–2020年间系统识别出872个新形成冰湖。本文下载链接:https://www.sciencedirect.com/science/article/pii/S1674927826002248
本研究构建了面向冻土过程的多维暖湿复合极端指标体系,并系统分析了不同暖湿复合极端特征与多年冻土热变化的关联。本文下载链接:https://www.sciencedirect.com/science/article/pii/S1674927826002649
本研究的创新在于,将日尺度长序列、动态消融季识别与三类互补反照率指标结合,既刻画了冰川变暗的时间延伸,也揭示了季风降雪对地形效应的调节。本文下载链接:https://www.sciencedirect.com/science/article/pii/S1674927826002625
本研究构建了适用于边缘多年冻土区工程廊道的冻融灾害风险评估框架。本文下载链接:https://www.sciencedirect.com/science/article/pii/S1674927826002285
https://www.sciencedirect.com/science/article/pii/S1674927826002261。本研究 提出一种 观测约束的可解释深度学习框架 ,利用南极海冰现场观测数据(ASPeCt)与16项GLORYS再分析环境变量,重建了1993—2021年南极海冰区域逐月积雪深度数据,空间分辨率达到1/12°。
https://www.sciencedirect.com/science/article/pii/S167492782600225X。本研究基于2079个气象站点的长期气温观测资料和 CMIP6 多模式气候情景数据,系统重建了1975—2024年中蒙俄寒区空气冻结指数和融化指数的历史变化,并进一步预估了2025—2100年五种 SSP 情景下的未来演变。
该研究突破了传统固定日历月份划分雪季的局限, 创新性地提出基于积雪面积日变化率的动态阈值划分法,并综合考察了海拔、坡度与坡向对积雪分布的调控作用。本文下载链接:https://www.sciencedirect.com/science/article/pii/S1674927826002005
本研究以喜马拉雅地区气象站点为基准,利用 1960—2020 年时空连续的1 km分辨率气温数据集,探究了喜马拉雅地区冻融指数的时空演变格局。本文下载链接:https://www.sciencedirect.com/science/article/pii/S1674927826001814
研究以青藏高原三江源地区为对象,重建了2000—2023年30 m分辨率的Landsat生长季NDVI时间序列,结合MODIS、冻土与热融地貌数据、野外调查及无人机观测,分析不同环境条件下的植被变化,并基于XGBoost和SHAP方法探究其主要环境驱动因素。本文下载链接:https://www.sciencedirect.com/science/article/pii/S1674927826001632
本研究综合利用历史文献资料、遥感数据和环境因子数据,构建了1960‒2020年青藏高原冰崩事件数据集,并分析了冰崩活动的时空变化特征及其影响机制。本文下载链接:https://www.sciencedirect.com/science/article/pii/S1674927826001875
Ranking source
Apple Podcasts rankings via the Mato Topic Intelligence Platform.
Observed November 4, 2026.
Apple and Apple Podcasts are trademarks of Apple Inc., registered in the U.S. and other countries.
Pairs with
Bring this source into Mato to read its transferable patterns, then turn them into an original show for your own audience.