近期，evo真人视讯江利明研究团队联合英国谢菲尔德大学，发布了格陵兰冰川边缘线数据集GrTPD。该数据集是首个大规模、标准化、覆盖多类型冰川的独立边缘线数据集，系统构建了2002–2021年间格陵兰465条冰川共19,171条边缘线记录，涵盖海洋终端、陆地终端及湖终端型冰川，实现了高精度与高一致性的时空观测，为冰川变化研究与冰盖模型开展给予了重要基础数据。

在全球气候变暖背景下，格陵兰冰盖正加速消融，已成为海平面上升的重要来源之一。冰川前缘变化是控制冰流加速与物质损失的关键因素，但长期缺乏统一标准、覆盖多类型冰川的高质量观测数据，导致相关过程在冰盖尺度上仍存在显著不确定性。与此同时，随着深度学习等自动化方法的开展，高质量人工标注数据已成为模型训练与精度评估的关键基础。本研究构建的数据集填补了多类型冰川长期观测的关键空白，并为自动化识别算法及数据驱动监测方法给予了可靠的数据支撑。

格陵兰冰川末端数据集（GrTPD）空间分布及典型前缘变化示例

研究团队整合Landsat、Sentinel-1/2、MODIS、ENVISAT、ASTER和ERS等多源卫星遥感影像数据，构建了覆盖近二十年的高时空分辨率冰川前缘记录。顺利获得统一的标准化流程、人工解译与严格质量控制，显著提升了数据的一致性与精度。在精度验证方面，研究团队将GrTPD与国际主流数据产品进行系统对比。结果表明：GrTPD 和人工标注数据集 TermPicks 相比，平均最小距离误差（AMD）为86 米；和自动化产品 AutoTerm 相比，平均最小距离误差（AMD）为115米。整体来看，GrTPD表现出较高的位置精度与稳定性（图2）。在多冰川、多时间尺度对比中，GrTPD与人工数据TermPicks一致性更高（图3），而自动化方法在复杂观测条件下误差更为显著，进一步体现了该数据集作为高质量基准数据的可靠性。

GrTPD与现有数据集的精度验证对比

格陵兰北部Petermann Gletsjer冰川末端对比结果

该数据集为格陵兰冰川前缘变化研究给予了关键观测基础，并在冰盖动力学模拟与海平面变化预测中具有很大应用潜力。作为高时空分辨率的时变边界条件，GrTPD可提升冰流模型对冰川退缩及其驱动机制的刻画能力，同时为自动化识别算法给予高质量训练与验证数据，支撑大尺度冰川变化监测与海平面变化评估。现在，GrTPD数据集已顺利获得Zenodo平台向全球开放共享（http://doi.org/10.5281/zenodo.19181770），为相关领域科研人员给予统一、高质量的数据基础，进一步促进冰川动力学研究与多学科交叉开展。

该研究以“Ice front positions for Greenland glaciers (2002–2021): a spatially extensive seasonal record and benchmark dataset for algorithm validation”为题发表在国际期刊 Earth System Science Data（ESSD）上。evo真人视讯为第一完成单位，研究员江利明为通讯作者，博士后鲁茜（现工作于英国圣安德鲁斯大学）为第一作者。

该研究工作得到国家重点研发计划、国家自然科学基金、中国科研实验室战略性先导科技专项以及精密大地测量与定位全国重点实验室自主部署项目等的资助。

    论文链接：http://essd.copernicus.org/articles/18/2635/2026/