数据集概述
本数据集包含用于优化南极冰盖表面融化估算的深度学习模型及校正后数据。模型针对拉森冰架区域，基于RACMO2模拟数据结合自动气象站（AWS）观测进行校正，提供三个AWS站点（14、17、18）的校正后表面融化数据，支持冰川融化估算的精度提升研究。
文件详解
- 文件名称：MLP_model_surface_melt_corr.h5
- 文件格式：H5
- 字段映射介绍：用于校正RACMO2表面融化数据的多层感知器（MLP）深度学习模型文件。
- 文件名称：RACMO2_surface_melt_corr_MLP_AWS14.xlsx
- 文件格式：XLSX
- 字段映射介绍：AWS 14站点2001-2016年南半球夏季的校正后表面融化数据（单位：毫米水当量/天），包含模拟反照率、反照率差异、2米气温、短波辐射、长波辐射、模拟融化量、融化标志、日融化差异、年积日等输入字段及校正后结果。
- 文件名称：RACMO2_surface_melt_corr_MLP_AWS17.xlsx
- 文件格式：XLSX
- 字段映射介绍：与AWS14文件结构相同，为AWS 17站点的校正后表面融化数据。
- 文件名称：RACMO2_surface_melt_corr_MLP_AWS18.xlsx
- 文件格式：XLSX
- 字段映射介绍：与AWS14文件结构相同，为AWS 18站点的校正后表面融化数据。
数据来源
论文“Improving Surface Melt Estimation over Antarctica Using Deep Learning: A Proof-of-Concept over the Larsen Ice Shelf”
适用场景
- 冰川融化估算优化：利用MLP模型校正RACMO2模拟数据，提升南极冰盖表面融化估算精度。
- 拉森冰架融化特征研究：分析三个AWS站点校正后数据，探究拉森冰架区域融化的时空变化规律。
- 深度学习在冰川学中的应用验证：评估MLP模型在冰川融化估算任务中的性能与适用性。
- 气候变化对南极冰盖影响分析：结合校正后融化数据，研究气候变化背景下南极冰盖的响应机制。
