JData_Engineer的博客

中国各城市土地利用类型（城市功能）数据集时间：2018年全国范围的城市用地类型数据（居住/商业/交通用地等共计11类）分类：居住用地、商业用地、工业用地、医疗设施用地、体育文化设施用地、交通场站用地、绿地等用地类型含城市编码、一级分类5个、二级分类11个。

CLCD（China Land Cover Dataset）数据集由武汉大学黄昕老师公布，黄昕老师基于Google Earth Engine上335,709景Landsat数据，制作中国年度土地覆盖数据集（annual China Land Cover Dataset, CLCD），包含1985+1990—2020中国逐年土地覆盖信息。

本研究以遥感地物分类数据为基础，根据通用土壤流失方程、水量平衡方程、风动模型等生态过程模拟方法，通过汇总文献和地面监测数据率定模型参数，模拟了我国2010年生态系统提供食物生产、土壤保持、水源涵养、防风固沙、生物多样性、碳固定6种功能的空间分布，形成了分辨率250m的空间数据集。能够为我国的生态补偿、生态功能区划、生态红线等国家尺度生态保护政策的设计和实施提供充分的科学依据。

本文利用2000–2019年的MOD13A1数据，运用MRT、ERDAS和ARCGIS软件通过波段提取、最大值合成法和像元二分模型法，得到京津冀地区近20年植被覆盖度数据集。本数据集可用于京津冀地区植被覆盖度时空格局演变分析、与影响因子的相关性分析、生态环境的变化等方面的研究。

数据名称：ALOS 12.5m DEM 数据。数据名称：ALOS 12.5m DEM 数据。数据大小：61.5GB。空间分辨率：12.5m。数据大小：61.5GB。空间分辨率：12.5m。

（1）1:400万中国土壤图(2000)，（2）1:400万中国土壤图(FAO分类)。1:400万中国土壤图（2000）由中国科学院南京土壤研究所高以新、李锦等编制，2000年地图出版社出版。编图的基础资料为各省1:100土壤图，经过制图综合编辑成1:400万中国土壤图。1:400万中国土壤图（基于FAO分类体系）（2005）以中国科学院南京土壤研究所高以新、李锦等编制，2000年地图出版社出版的1:400万中国土壤图作为基础底图，对照联合国粮农组织（FAO）土壤分类体系，经转换编辑而成。

我们发现学者王晓磊在自己的主页里面分享了2014年5月以来的全国范围的到站点的逐时空气质量数据，包括AQI、PM2.5、PM10、 SO2、NO2、 O3、CO等指标，且数据持续更新。空气质量数据的15个具体指标为AQI、SO2_24h、SO2、PM10_24h、PM10、PM2.5_24h、PM2.5、O3_24h、O3_8h_24h、O3_8h、O3、NO2_24h、NO2、CO_24h、CO。空气质量的好坏反映了空气的污染程度，在各项涉及城市环境的研究中，空气质量都是一个十分重要的指标。

下载并处理了2021年的风速数据，经过处理后形成了到地级市的风速数据，加上之前的2000-2020年的数据，一起分享给大家！该数据是通过风速平均值插值得来，由于插值的方式与各种处理参数的不同，会导致该数据与其它风速数据不同，数据仅供个人学习使用哦。我们基于原始数据，将2000——2021年的风速数据处理为了地级市的逐日、逐月、逐年三种风速数据。，经过处理形成了各个城市的风速数据，不过该数据集并没有更新2021年的数据，我们从另外一个开源网站“之前我们分享过2000——2020年的风速数据，数据来源于。

该数据的网格分辨率为0.25°× 0.25°，数据精度较低，难以支撑精细化的分析！网站公布了多个精度的PM2.5数据，我们下载了精度最高的0.01°× 0.01°分辨率的数据，数据格式为.nc。考虑到很多小伙伴不会使用.nc格式的数据，我们又将数据转换为了.tif格式。该网站提供三个版本的数据0.01°× 0.01°、0.1°× 0.1°和0.01°× 0.01° uncertainty三个版本，大家可以根据需要下载对应版本数据。网站中对数据也有详细介绍，大家可以自行查看，数据坐标：wgs1984。

缪月;王爱慧邮箱：wangaihui@mail.iap.ac.cn数据量：26.21 GB。

三、数据来源：原始数据来源于国家气象科学数据共享服务平台-中国地面气候资料日值数据集（V3.0），原始数据是各个观测站点的日度数据，为了方便大家使用，我使用 Barnes 方法（先使用 IDW 法插值成格点数据（覆盖中国的 500x500 网格，每个网格的大小是 0.1231924经度 x 0.0994549纬度），再分区域平均）计算得到了2000 年～2019 年中国各省、各市、各县的分年、分月、逐日的平均气温数据。2000年1月1日～2019年12月31日中国各区县降水量日度数据.csv。

分享一份自己处理生成的2000-2020年全国各城市逐日、逐月、逐年的气温数据，更多的气象指标也会在后面的推文里发出来，希望可以帮助到大家⁄(⁄ ⁄•⁄ω⁄•⁄ ⁄)⁄。气象数据包括有气温、气压、相对湿度、降水、蒸发、风向风速、日照等多种指标，但是包含了这些全部指标的气象数据却较难获取，即使获取到了也不能随意分享。该数据是通过气温平均值插值得来，由于插值的方式与各种处理参数的不同，会导致该数据与其它气温数据不同，数据仅供个人学习使用哦。日期、省份、城市、城市代码、平均气温。

该数据来源于NASA地球科学数据网站（https://nasadaacs.eos.nasa.gov/），是ALOS卫星获取的高精度地形数据。该数据由于精度高，包括全省范围的数据和省内每个城市范围的数据！

首先这个工作非常有必要的，因为我们正常使用的道路的分类都是基于包括城市快速路、城市主干路、城市次干路这个体系的，大家对于这个分类体系应该更熟悉，但是OSM地图的道路分类又不是完全按这个来的，所以非常有必要重新分类；搞清楚道路类型是我们使用道路数据做很多工作的基础，比如我们在使用道路数据的时候，经常需要预估道路的行车速度，而这个速度一般就是根据道路类型来的，比如高架路的车速肯定就比城市支路快很多！下载分为两种情况，第一种是下载小区域的数据，比如下载一个街区的数据，第二种为下载整个中国范围的。

降水数据具有较高的理论研究和实际应用价值，已广泛应用于水文预报、农业生产、生态保护等领域。中国幅员辽阔，地势起伏大。气象台站大多集中在人口密集的平原地区，山区等部分地区台站密度低，降水观测资料匮乏。因此，有必要采用插值法建立高精度的降水数据集。该数据集基于 1960 年至 2020 年地面 2400 多个气象站的降水监测数据，使用气候数据空间插值软件 anusplin4 4 计算了1960-2020年中国1km空间分辨率的月降水插值数据集。

封装解析后的数据，areainfo。

本文分享的是如何用Python从中央台的全国雷达拼图中提取出纯净的水系图层。实现过程中会较多地使用numpy的向量运算技巧，比较适合有扎实的numpy基础的朋友进行综合练习。

主要监测项目可分为两大类：一类是反映水质状况的综合指标，如温度、色度、浊度、pH值、电导率、悬浮物、溶解氧、化学需氧量和生化需氧量等；另一类是一些有毒物质，如酚、氰、砷、铅、铬、镉、汞和有机农药等。省份、城市、水系、河流、断面、经度（wgs84）、纬度（wgs84）、描述、溶解氧（mg/L）、温度（°C）、浊度（NTU）、氨氮（mg/L）、高锰酸盐指数（mg/L）、氢离子浓度指数（即PH）、水质类别。一类水质：水质良好。二类水质：水质受轻度污染。我国的水质分类为：I，II，III，IV，V和劣V，共五类。

乡镇是中国最基层的行政单位。（四级行政区）乡级行政区共40497个其中：11626个乡、1034个民族乡、20117个镇、7566个街道、151个苏木、1个民族苏木、2个(县辖)区；（三级行政区）县级行政区共2854个其中：1429个县、117个自治县、49个旗、3个自治旗、361个县级市、893个(市辖)区、1个林区、1个特区；（一级行政区）省级行政区共34个其中：23个省、5个自治区、4个直辖市、2个特别行政区；（二级行政区）地级行政区共333个其中：11个地区、3个盟、30个自治州、289个市；

叶片叶绿素含量(leaf chlorophyll content, Chlleaf)直接反映了植被叶片的生理状态，是植被获取光合作用所需太阳辐射信息的重要参数，遥感是获取大范围动态Chlleaf的主要技术手段。本文利用哨兵二号多光谱成像仪(Sentinel-2 MSI)高时空分辨率的特点，基于叶绿素敏感指数（chlorophyll sensitive index, CSI）生产了MuSyQ高分系列中国地区2019 - 2020年30 m/10天分辨率的标准化Chlleaf产品01版。

叶面积指数（leaf area index，LAI）是研究植被生态系统结构和功能的核心参数之一，遥感是获取大范围动态LAI的一个主要技术手段。但目前国际上没有高分辨率的LAI标准化产品，本文利用高分一号（GF-1）宽幅相机高时空分辨率的特点，基于三维随机辐射传输模型生产了MuSyQ高分系列中国地区2018 - 2020年16 m/10天分辨率的标准化LAI产品01版。本产品可为中国地区植被变化分析、农林业示范应用、生态环境监测提供可靠的数据支撑。叶面积指数产品高分辨率中国区域高分一号。

我们基于耦合模型比较项目第18阶段（CMIP6）和欧洲中期天气预报中心再分析6（ERA5）数据集的5个模型构建了一个偏差校正的全球数据集。该数据集跨越 1979-2014 年的历史时间段和 245-585 年的未来情景（SSP2015 和 SSP2100），水平网格间距为 （1.25° × 1.25°），每 6 小时一次。我们的评估表明，在气候平均值、年际方差和极端事件方面，偏差校正数据的质量优于单个CMIP模型。该数据集将有助于对地球未来气候、大气环境、水文、农业、风力发电等进行动态降尺度预测。

这可能是由于云层覆盖，特别是在热带地区，也可能是由于太阳照射，正如在各自的夏季月份里发生在两极。因此，使用这些数据的用户必须利用无云观测文件，而不是假定平均辐射率图像中的值为零，这意味着没有观测到光。每年的版本只有“ vcm”版本，不包括任何受杂散光影响的数据。另外，它的目标是观测地表夜光的，但是也会受到太阳、月亮等外部光源的干扰，纬度越高，影响越大（别忘了极地的极昼极夜现象）。首先，由于夜光测量是基于光学系统的，因此它会受到大气云雾干扰，这在低纬度地区影响较大，会让某些月份的数值失真严重。

其中包含阿根廷3427787个建筑物轮廓，玻利维亚1015151个建筑物轮廓，巴西18711536个建筑物轮廓，智利2208744个建筑物轮廓，哥伦比亚6083821个建筑物轮廓，厄瓜多尔3674190个建筑物轮廓，圭亚那3339个建筑物轮廓，巴拉圭990756个建筑物轮廓，秘鲁1710431个建筑物轮廓，乌拉圭2656个建筑物轮廓，委内瑞拉6572969个建筑物轮廓。全国范围的50516194个建筑物轮廓数据集，数据集包含尼日利亚35767509个建筑物轮廓，肯尼亚14748685个建筑物轮廓。

除此之外，由于各个官方机构公布数据的时间都不相同，统一时限较为困难，但都是尽量为最近发布的数据，时间标注在下文，如果有更新的可靠数据来源可以联系小黄鸭进行数据更新。而随着国家旅游管理部门对于A级景区实行“有进有出”的动态管理以来，A级景区的调整越来越常态化，其中不乏4A、5A级景区的调整，这也为A级景区的统计带来了困难。其中5A级为中国旅游景区最高等级，代表着中国世界级精品的旅游风景区。景区名称、地区、景区等级、百度经纬度、WGS84经纬度。景区名称、所在市、县、部分详细地址、景区等级。

该项目的关键成果是于2021年10月发布了2020年可免费获取的10米分辨率全球土地覆盖产品，该产品基于Sentinel-1和Sentinel-2数据，包含11个土地覆盖类别，并独立验证，全球总体准确率为74.4%。该数据源于Sentinel-1/2的10m分辨率图像制作而成，本次分享我国区域土地利用数据。链接：https://pan.baidu.com/s/1ip69EXzJWyop8-8WLU4gAA。共分为11类: 林地、灌木、草地、耕地、建筑、荒漠、雪\冰、水体、湿地、红树林、苔藓\地衣.