qq_31988139的博客

Google Earth Engine Toolbox (GEET) 是一个 JavaScript 单文件库，可帮助开发人员使用 Google Earth Engine (GEE) 平台编写小型代码库应用程序。 该库还可用于教新开发人员使用该平台，即使之前没有任何编程技能。

此处描述的应用程序集可在地球上的任何地方制作以下 GIF。不需要编码，只需要一个浏览器和一些鼠标点击。目标是让任何人都可以轻松地在社交媒体上生成和分享这种动画。 操作流程：在GEE上的任何地方画一个矩形 记录应用信息：开始和结束年份、GIF 中心纬度和经度以及宽度（公里）。 下载生成的 GIF 第 2 步：转到Snazzy-EE-TS-GIF 应用 从以前的应用上传 GIF 输入来自上一个应用的信息 下载生成的 GIF 第 3 步：进入社交媒体 从以前的应用上传 GIF

在线分析工具 Google Earth Engine 是一个用于卫星图像处理的网络平台 ( https://earthengine.google.com/ )。使用该平台的一种方式（可能是最流行的方式）是使用名为The Code Editor的在线工具，它允许用户使用脚本语言 (JavaScript) 访问该平台。

中国10年平均水热条件变化公里网格数据集（1951-2010）是指中国近60年（1951-2010年）每10年（1951-1960，1961-1970，1971-1980，1981-1990，1991-2000，2001-2010）平均的年平均气温、年降水量、最热月平均气温、最冷月平均气温和年0℃积温的1公里空间分辨率的数据集。该数据集是在中国气象科学数据共享服务网提供的1951-2010年中国824个气象站点日平均气温和日降水量观测资料基础上，经过三步处理完成的。首先，根据站点日平均气温计算出年平均气温、年0℃积温、年最热和最冷月平均气温，依据日降水量计算出年降水量；然后，按照年代分成6期得到每10年的站点平均值；最后，应用普通克里格模型进行空间插值，得到10年平均的水热条件变化公里网格数据集。

中国10年平均水热条件变化公里网格数据集（1951-2010）是指中国近60年（1951-2010年）每10年（1951-1960，1961-1970，1971-1980，1981-1990，1991-2000，2001-2010）平均的年平均气温、年降水量、最热月平均气温、最冷月平均气温和年0℃积温的1公里空间分辨率的数据集。该数据集是在中国气象科学数据共享服务网提供的1951-2010年中国824个气象站点日平均气温和日降水量观测资料基础上，经过三步处理完成的。首先，根据站点日平均气温计算出年平均气温、年0℃积温、年最热和最冷月平均气温，依据日降水量计算出年降水量；然后，按照年代分成6期得到每10年的站点平均值；最后，应用普通克里格模型进行空间插值，得到10年平均的水热条件变化公里网格数据集。

中国10年平均水热条件变化公里网格数据集（1951-2010）是指中国近60年（1951-2010年）每10年（1951-1960，1961-1970，1971-1980，1981-1990，1991-2000，2001-2010）平均的年平均气温、年降水量、最热月平均气温、最冷月平均气温和年0℃积温的1公里空间分辨率的数据集。该数据集是在中国气象科学数据共享服务网提供的1951-2010年中国824个气象站点日平均气温和日降水量观测资料基础上，经过三步处理完成的。首先，根据站点日平均气温计算出年平均气温、年0℃积温、年最热和最冷月平均气温，依据日降水量计算出年降水量；然后，按照年代分成6期得到每10年的站点平均值；最后，应用普通克里格模型进行空间插值，得到10年平均的水热条件变化公里网格数据集。

中国10年平均水热条件变化公里网格数据集（1951-2010）是指中国近60年（1951-2010年）每10年（1951-1960，1961-1970，1971-1980，1981-1990，1991-2000，2001-2010）平均的年平均气温、年降水量、最热月平均气温、最冷月平均气温和年0℃积温的1公里空间分辨率的数据集。该数据集是在中国气象科学数据共享服务网提供的1951-2010年中国824个气象站点日平均气温和日降水量观测资料基础上，经过三步处理完成的。首先，根据站点日平均气温计算出年平均气温、年0℃积温、年最热和最冷月平均气温，依据日降水量计算出年降水量；然后，按照年代分成6期得到每10年的站点平均值；最后，应用普通克里格模型进行空间插值，得到10年平均的水热条件变化公里网格数据集。

中国10年平均水热条件变化公里网格数据集（1951-2010）是指中国近60年（1951-2010年）每10年（1951-1960，1961-1970，1971-1980，1981-1990，1991-2000，2001-2010）平均的年平均气温、年降水量、最热月平均气温、最冷月平均气温和年0℃积温的1公里空间分辨率的数据集。该数据集是在中国气象科学数据共享服务网提供的1951-2010年中国824个气象站点日平均气温和日降水量观测资料基础上，经过三步处理完成的。首先，根据站点日平均气温计算出年平均气温、年0℃积温、年最热和最冷月平均气温，依据日降水量计算出年降水量；然后，按照年代分成6期得到每10年的站点平均值；最后，应用普通克里格模型进行空间插值，得到10年平均的水热条件变化公里网格数据集。

中国-东盟5km分辨率2013年日均下行短波辐射数据集（MuSyQ_DSR_5km_2013）是以静止卫星MTSAT2和极轨卫星TERRA/MODIS数据为基础研发的数据产品。该数据产品生产的技术路线为：（1）模式识别云天、晴空；（2）分别建立云天、晴空模式下行短波辐射值计算模型；（3）数据验证。在云天、晴空模式识别中，采用CDFS(Cloud Depiction and Forecast System)模型,通过时间差分、动态阈值和光谱识别进行云检测。在分别建立云天、晴空模式下行短波辐射值计算模型过程中，云天模式，反演云光学厚度(COT)；晴空模式，反演气溶胶光学厚度(AOD)及大气总可降水量。以大气辐射传输模型为基础，分别构建晴空条件下和云天条件下大气状况与下行短波辐射的查找表(LUT)，利用查找表插值，得到瞬时下行短波辐射值（DSR），然后采用时间积分的方法获得每日平均的下行短波辐射量。数据验证采用与国家级气象观测站2013年测量的日总下行短波辐射值做比较。验证结果表明：本数据集计算的日总下行短波辐射量与实测值的相关系数为0.93，总体偏差为10.13 W/m2 (5.86%)，均方根误差为35.83 W/m2 (20.72%)。计算的青藏高原区下行短波辐射量与实测值的总体相关系数为0.91，总体偏差为3.20 W/m2 (1.53%)，均方根误差为36.56 W/m2 (17.50%)。本数据集的时间分辨率为天，时间范围为2013年（因原始数据缺失，缺8天）。数据缩放系数是0.1，单位是W/m2。

中国-东盟5km分辨率光合有效辐射数据集是以静止卫星MTSAT2和极轨卫星MODIS数据为基础，研发的技术路线为：（1）首先进行云天/晴空模式判别，以区分晴空与阴天；本研究中采用CDFS模型(Cloud Depiction and Forecast System进行云检测，采用三步来完成云识别：1)时间差分；2)动态阈值；3)光谱识别，每种方法分别利用云在时间、空间、光谱方面的不同特征，以便快速准确的检测云。（2）对云天模式，需要进行云光学厚度(COT)反演；对晴空模式，需要反演气溶胶光学厚度(AOD)及大气总可降水量。以大气辐射传输模型为基础，分别构建晴空条件下大气状况与光合有效辐射的查找表(LUT)，云天条件下大气状况与光合有效辐射的查找表，利用查找表插值得到瞬时光合有效辐射，采用时间积分的方法获每日光合有效辐射。（3）日累积光合有效辐射数据产品精度验证采用中国国家气象局气象资料中心提供的国家级气象辐射观测站（96个台站）的实测下行太阳辐射资料与计算数据对比的方法。由于光合有效辐射与太阳短波辐射的转换系数随季节，植被类型以及植被物候期的不同而有所差异，在本研究统一采用转换系数0.47。中国-东盟5km分辨率光合有效辐射数据集的时间分辨率为日，时间范围为2013年（因原始数据缺失，缺8天）。数据缩放系数是0.1，单位是W/m2。数据结果表明：在华东/华中地区以及东北/华北地区日估算值与实测值的相关系数较高（0.86），西南山区和青藏高原地区相关系数略低（0.75左右）。本数据集可以作为该区域2013年植被生长因子年内变化分析的主要参考数据集

中国生长季1KM植被指数（NDVI）空间分布数据集是基于SPOT/VEGETATION NDVI卫星遥感数据，在月数据基础上采用最大值合成法生成的1998年以来的生长季植被指数数据集。该数据集有效反映了全国各地区在空间和时间尺度上的植被覆盖分布和变化状况，对植被变化状况监测、植被资源合理利用和其它生态环境相关领域的研究有十分重要的参考意义。     生长季NDVI数据为3-11 月份（春、夏、秋三季）NDVI数据数值的最大值，数据空间覆盖范围为全国，数据获取时间为1998年—2019年。

中国生长季1KM植被指数（NDVI）空间分布数据集是基于SPOT/VEGETATION NDVI卫星遥感数据，在月数据基础上采用最大值合成法生成的1998年以来的生长季植被指数数据集。该数据集有效反映了全国各地区在空间和时间尺度上的植被覆盖分布和变化状况，对植被变化状况监测、植被资源合理利用和其它生态环境相关领域的研究有十分重要的参考意义。     生长季NDVI数据为3-11 月份（春、夏、秋三季）NDVI数据数值的最大值，数据空间覆盖范围为全国，数据获取时间为1998年—2019年。

中国生长季1KM植被指数（NDVI）空间分布数据集是基于SPOT/VEGETATION NDVI卫星遥感数据，在月数据基础上采用最大值合成法生成的1998年以来的生长季植被指数数据集。该数据集有效反映了全国各地区在空间和时间尺度上的植被覆盖分布和变化状况，对植被变化状况监测、植被资源合理利用和其它生态环境相关领域的研究有十分重要的参考意义。     生长季NDVI数据为3-11 月份（春、夏、秋三季）NDVI数据数值的最大值，数据空间覆盖范围为全国，数据获取时间为1998年—2019年。

中国生长季1KM植被指数（NDVI）空间分布数据集是基于SPOT/VEGETATION NDVI卫星遥感数据，在月数据基础上采用最大值合成法生成的1998年以来的生长季植被指数数据集。该数据集有效反映了全国各地区在空间和时间尺度上的植被覆盖分布和变化状况，对植被变化状况监测、植被资源合理利用和其它生态环境相关领域的研究有十分重要的参考意义。     生长季NDVI数据为3-11 月份（春、夏、秋三季）NDVI数据数值的最大值，数据空间覆盖范围为全国，数据获取时间为1998年—2019年。

中国生长季1KM植被指数（NDVI）空间分布数据集是基于SPOT/VEGETATION NDVI卫星遥感数据，在月数据基础上采用最大值合成法生成的1998年以来的生长季植被指数数据集。该数据集有效反映了全国各地区在空间和时间尺度上的植被覆盖分布和变化状况，对植被变化状况监测、植被资源合理利用和其它生态环境相关领域的研究有十分重要的参考意义。     生长季NDVI数据为3-11 月份（春、夏、秋三季）NDVI数据数值的最大值，数据空间覆盖范围为全国，数据获取时间为1998年—2019年。

长（长春）吉（吉林）联合都市区地理区域位于东经124度57分40秒-126度56分25秒；北纬43度15分37秒-44度31分32秒之间，覆盖长春、吉林两市规划区以及九台市、永吉县和范家屯镇。面积13,561.82平方千米。在ASTER-DEM数据基础上按照地形坡度分类，得到长吉区地形坡度5级分类数据。根据2010年长吉地区土地利用交通道路调查和Google Earth 遥感影像综合分析，得到长吉地区铁路（644.28千米）和公路主干线和主要支线（2,198.81千米）数据集（2010年）。

长（长春）吉（吉林）联合都市区地理区域位于东经124度57分40秒-126度56分25秒；北纬43度15分37秒-44度31分32秒之间，覆盖长春、吉林两市规划区以及九台市、永吉县和范家屯镇。面积13,561.82平方千米。在ASTER-DEM数据基础上按照地形坡度分类，得到长吉区地形坡度5级分类数据。根据2010年长吉地区土地利用交通道路调查和Google Earth 遥感影像综合分析，得到长吉地区铁路（644.28千米）和公路主干线和主要支线（2,198.81千米）数据集（2010年）。

长（长春）吉（吉林）联合都市区地理区域位于东经124度57分40秒-126度56分25秒；北纬43度15分37秒-44度31分32秒之间，覆盖长春、吉林两市规划区以及九台市、永吉县和范家屯镇。面积13,561.82平方千米。在ASTER-DEM数据基础上按照地形坡度分类，得到长吉区地形坡度5级分类数据。根据2010年长吉地区土地利用交通道路调查和Google Earth 遥感影像综合分析，得到长吉地区铁路（644.28千米）和公路主干线和主要支线（2,198.81千米）数据集（2010年）。

长春位于中国东北部，是吉林省省会。为研究长春市功能区及其相互关系，作者研发了长春市中心城区19个功能区划分数据；2002-2012年间长春中心城区及各功能区主要功能土地利用变化数据，土地利用转变耦合系数，多样性指数和功能空间耦合类型划分数据。本数据集存储为.shp格式，压缩后数据量为49KB

中国中东部地区植被覆盖分类数据集（2013）是以2012-2014年间MODIS-EVI数据为基础，将中国中东部地区9个省（河北、山西、陕西、河南、山东、江苏、安徽、浙江、湖北）和4个直辖市（北京、上海、天津、重庆）（27°9′38″N-42°33′44″N，105°18′35″E-122°40′41″E）植被覆盖进行分类研究基础上研发得到。数据集中，将植被类型划分为常绿阔叶林、常绿针叶林、落叶阔叶林、农田、稀疏农田、稀疏林草混合覆盖等六种类型。数据集包括：（1）研究区边界数据；（2）植被覆盖分类数据，空间分辨率为500米。该数据集以.tif、.shp格式存储

岷江上游（北纬31度26分 - 北纬33度16分，东经102度59分 - 东经104度14分）为研究区域，在ArcGIS软件平台下，基于ASTER GDEM数据、前人研究成果和实地勘察数据，研发了该区域系列生境要素数据集。数据集包括五个方面：（1）地形地貌数据，包括：海拔高程数据、地形坡度数据、坡向数据；（2）气象气候数据，包括：区域年降雨量、旱季和雨季的平均温度、太阳日照时数、蒸发量和相对湿度；（3）土壤类型数据；（4）植被类型数据；（5）生境适宜性指数和生境适宜性评价等级数据。该数据集存储为 .tif格式

利用全球中期天气预报（GRAPES-GFS）模式和2013年5月0.25°分辨率预报场，预报时效为192小时，计算每天6小时一次、预报24-192小时简天气预报动能谱，并每6个小时输出一次预报结果数据，包括模式动能谱的垂直分布及动能谱的辐散分量和旋转分量。数据集包括：（1）500-10hPa所选高度层的模式动能谱；（2）拐点位置波数和拐点两侧线性拟合得到的斜率；（3）200hPa高度上的总动能谱、旋转动能谱和辐散动能谱；（4）150hPa高度上的总动能谱、旋转动能谱和辐散动能谱；（5）100hPa高度上的总动能谱、旋转动能谱和辐散动能谱；（6）200、150和100hPa高度上的旋转和辐散动能谱；（7）辐散动能谱与旋转动能谱交点位置波数随高度的变化；（8）辐散动能谱斜率随高度的变化。该数据集存储为.xlsx格式

北极海冰范围的变化是全球气候变化的一个指示剂。作者在北极海冰监测卫星遥感密集度数据（美国冰雪中心发布，SMMR，DMSP，SSMI, SSMIS）基础上，按照海冰密集度大于15%的网格点统计面积，获得1979-2012年北极海冰季节统计数据集。数据集包括：（1）全北极1979-2012年海冰面积统计数据(ArcticSeasonalSeaIce1979_2012-1)，其中包括1979-2012年历年四季（春夏秋冬）海冰分布面积统计数据表，全北极海冰范围异常场数据统计表；历年春季和夏季北极区域海冰范围滑动t统计表；（2）北极各分区海冰面积统计数据，其中包括1979-2012年历年季节（春夏秋冬）东半球（东经0度-180度）、西半球（西经0度-180度）、太平洋扇区（东经120度-西经120度）和大西洋扇区（西经60度-东经60度）四个海区海冰分布原始场和异常场数据表（共8个表）(ArcticSeasonalSeaIce1979_2012-2)；（3）2007年9月至2012年9月北极冰密集度数据（ArcticSeasonalSeaIce1979_2012-3），（4）北极区域1979-1988、1989-1998、1999-2008和2009-2012的春季（3月-5月）、夏季（6月-8月）、秋季（9月-11月）和冬季（12月及次年1-2月）的季节平均冰密集度异常数据及对应的空间分布数据（ArcticSeasonalSeaIce1979_2012-4）；（5）春、夏、秋和冬北极海冰小波分析数据（ArcticSeasonalSeaIce1979_2012-5）。本数据集存储为.xlsx、.dat、.shp格式

为了检验归一化水指数（NDWI）模型、FAI (Floating Algae Index)和波段差值模型分别在反演MODIS数据水体中的精度和适用性，作者选取了青海湖、纳木错、鄱阳湖、阿雅克库木湖、乌梁素海等5个湖泊作为验证湖，通过三种模型分别计算出湖水面积，然后，采用与MODIS同日（ -1天）的Landsat TM/ETM 数据进行验证，获得验证数据集。该数据集可以反映在不同湖泊类型中MODIS数据反演的3种模型的适用性。数据集包括：（1）用于提取水体的MOD09数据的日期和用于验证的Landsat TM/ETM 数据的日期（表1）；（2）不同方法提取的五个湖泊湖面面积统计数据（表2）；（3）MODIS基础上不同方法提取的五个湖泊空间分布数据和Landsat TM/ETM 基础上提取的、用于验证的湖泊空间分布数据。数据集存储为.xlsx, .shp和.tiff格式。

IPCC AR5 全球气候模式模拟的中国日平均降水精度评价数据集（1996-2005）(APrec_AR5_GCMs_China_1996-2005)是在15个全球气候模式（BCC，BNU，CanESM2，CCSM4，CNRM-CM5，CSIRO-Mk3.6.0，FGOALS-g2，GISS-E2-R，IPSL-CM5A-LR，MIROC5，MIROC-ESM，MIROC-ESM-CHEM，MPI-ESM-LR，MRI-CGCM3，NorESM1-M）和1个多模式集合(Multi-Model Ensemble，MME)对中国地区降水的模拟数据与660个中国气象站观测数据对比基础上产生的数据集。该数据集研发的技术路线为：（1）从15个全球气候模式（GCMs）模拟的数据集中，选取中国境内1996-2005年日降水量模拟数据；（2）计算1996-2005年GCMs 的日平均降水模拟值；（3）通过双线性插值方法，提取660个气象站点处的日平均降水模拟值；（4）将气象站点处的所有GCMs模拟值取平均，得到各气象站点的MME日平均降水模拟值；（5）以气象站点实际观测值为基准，对15个GCMs和MME日平均降水模拟值精度进行评估。评估参数包括：相关系数（R）、偏差（BIAS）、平均相对误差（MRE）和均方根误差（RMSE）。

基于可可西里地区湖泊边界矢量数据和2000-2011年2816景MODIS MOD09GA数据产品，采用阈值法提取可可西里地区面积大于100 km2的22个湖泊冰情时空变化数据集（2000-2011）。该数据集由三部分组成：（1）湖泊冻结统计数据，包括每一个湖泊开始冻结、完全冻结、开始消融和完全消融时间以及封冻期和完全封冻期的统计信息；（2）湖泊冻结的空间模式数据，包括湖岸—湖岸、湖岸—湖心和子湖—全湖三种模式；（3）湖泊冰情时空变化趋势数据，包括推迟和提前两种类型数据。为了验证数据集的精度，运用891景Landsat TM/ETM 遥感影像对提取的湖泊冰情数据进行验证，结果表明运用阈值法提取的湖冰数据具有较高精度，误差小于2%。

基于可可西里地区湖泊边界矢量数据和2000-2011年2816景MODIS MOD09GA数据产品，采用阈值法提取可可西里地区面积大于100 km2的22个湖泊冰情时空变化数据集（2000-2011）。该数据集由三部分组成：（1）湖泊冻结统计数据，包括每一个湖泊开始冻结、完全冻结、开始消融和完全消融时间以及封冻期和完全封冻期的统计信息；（2）湖泊冻结的空间模式数据，包括湖岸—湖岸、湖岸—湖心和子湖—全湖三种模式；（3）湖泊冰情时空变化趋势数据，包括推迟和提前两种类型数据。为了验证数据集的精度，运用891景Landsat TM/ETM 遥感影像对提取的湖泊冰情数据进行验证，结果表明运用阈值法提取的湖冰数据具有较高精度，误差小于2%。

中国生长季1KM植被指数（NDVI）空间分布数据集是基于SPOT/VEGETATION NDVI卫星遥感数据，在月数据基础上采用最大值合成法生成的1998年以来的生长季植被指数数据集。该数据集有效反映了全国各地区在空间和时间尺度上的植被覆盖分布和变化状况，对植被变化状况监测、植被资源合理利用和其它生态环境相关领域的研究有十分重要的参考意义。     生长季NDVI数据为3-11 月份（春、夏、秋三季）NDVI数据数值的最大值，数据空间覆盖范围为全国，数据获取时间为1998年—2019年。

中国生长季1KM植被指数（NDVI）空间分布数据集是基于SPOT/VEGETATION NDVI卫星遥感数据，在月数据基础上采用最大值合成法生成的1998年以来的生长季植被指数数据集。该数据集有效反映了全国各地区在空间和时间尺度上的植被覆盖分布和变化状况，对植被变化状况监测、植被资源合理利用和其它生态环境相关领域的研究有十分重要的参考意义。     生长季NDVI数据为3-11 月份（春、夏、秋三季）NDVI数据数值的最大值，数据空间覆盖范围为全国，数据获取时间为1998年—2019年。

中国生长季1KM植被指数（NDVI）空间分布数据集是基于SPOT/VEGETATION NDVI卫星遥感数据，在月数据基础上采用最大值合成法生成的1998年以来的生长季植被指数数据集。该数据集有效反映了全国各地区在空间和时间尺度上的植被覆盖分布和变化状况，对植被变化状况监测、植被资源合理利用和其它生态环境相关领域的研究有十分重要的参考意义。     生长季NDVI数据为3-11 月份（春、夏、秋三季）NDVI数据数值的最大值，数据空间覆盖范围为全国，数据获取时间为1998年—2019年。

中国生长季1KM植被指数（NDVI）空间分布数据集是基于SPOT/VEGETATION NDVI卫星遥感数据，在月数据基础上采用最大值合成法生成的1998年以来的生长季植被指数数据集。该数据集有效反映了全国各地区在空间和时间尺度上的植被覆盖分布和变化状况，对植被变化状况监测、植被资源合理利用和其它生态环境相关领域的研究有十分重要的参考意义。     生长季NDVI数据为3-11 月份（春、夏、秋三季）NDVI数据数值的最大值，数据空间覆盖范围为全国，数据获取时间为1998年—2019年。

中国生长季1KM植被指数（NDVI）空间分布数据集是基于SPOT/VEGETATION NDVI卫星遥感数据，在月数据基础上采用最大值合成法生成的1998年以来的生长季植被指数数据集。该数据集有效反映了全国各地区在空间和时间尺度上的植被覆盖分布和变化状况，对植被变化状况监测、植被资源合理利用和其它生态环境相关领域的研究有十分重要的参考意义。     生长季NDVI数据为3-11 月份（春、夏、秋三季）NDVI数据数值的最大值，数据空间覆盖范围为全国，数据获取时间为1998年—2019年。

华北地区植被覆盖与干旱历年数据集（2001-2013）（VegetationDroughtData_NorthChina_2001-2013）由华北地区植被覆盖度数据（2001-2013）和干旱指数数据（2001-2013）组成。本数据集覆盖的空间范围包括北京、天津、河北、河南和山东五个省（市）区域， 即中国华北地区。植被覆盖度反映了植物进行光合作用面积的大小以及植被生长的茂盛程度，能够在一定程度上代表植被的生长状态和生长趋势，常被作为评价区域生态系统健康程度的重要指标。根据16日 MOD13Q1 (NDVI) 数据产品(2001-2013)，运用最大值合成法得到NDVI年最大值，选择0.5%作为置信度域值， 分别计算出NDVIveg和NDVIsoil， 运用混合像元分解模型计算历年植被覆盖度。 干旱指数是反映该地区干旱程度的一种定量指标。干旱指数（Palmer Drought Severity Index，PDSI）数据的计算是根据国家气象信息中心提供的1964~2013年华北及其周边地区共100个气象站点的平均气温、气压、相对湿度、风速、日照时数、降水量的日数据和月数据，运用修正的PDSI干旱指数的计算方法，得到2001-2013年华北地区各站点的PDSI矢量点数据。本数据集的初步研究成果发表在《地理学报》2015年70卷第5期。植被覆盖度数据是250米分辨率栅格数据， 以.Tiff格式存储， 分别存储在两个数据文件中，干旱指数是100个站点.shp格式

华北地区植被覆盖与干旱历年数据集（2001-2013）（VegetationDroughtData_NorthChina_2001-2013）由华北地区植被覆盖度数据（2001-2013）和干旱指数数据（2001-2013）组成。本数据集覆盖的空间范围包括北京、天津、河北、河南和山东五个省（市）区域， 即中国华北地区。植被覆盖度反映了植物进行光合作用面积的大小以及植被生长的茂盛程度，能够在一定程度上代表植被的生长状态和生长趋势，常被作为评价区域生态系统健康程度的重要指标。根据16日 MOD13Q1 (NDVI) 数据产品(2001-2013)，运用最大值合成法得到NDVI年最大值，选择0.5%作为置信度域值， 分别计算出NDVIveg和NDVIsoil， 运用混合像元分解模型计算历年植被覆盖度。 干旱指数是反映该地区干旱程度的一种定量指标。干旱指数（Palmer Drought Severity Index，PDSI）数据的计算是根据国家气象信息中心提供的1964~2013年华北及其周边地区共100个气象站点的平均气温、气压、相对湿度、风速、日照时数、降水量的日数据和月数据，运用修正的PDSI干旱指数的计算方法，得到2001-2013年华北地区各站点的PDSI矢量点数据。本数据集的初步研究成果发表在《地理学报》2015年70卷第5期。植被覆盖度数据是250米分辨率栅格数据， 以.Tiff格式存储， 分别存储在两个数据文件中，干旱指数是100个站点.shp格式

华北地区植被覆盖与干旱历年数据集（2001-2013）（VegetationDroughtData_NorthChina_2001-2013）由华北地区植被覆盖度数据（2001-2013）和干旱指数数据（2001-2013）组成。本数据集覆盖的空间范围包括北京、天津、河北、河南和山东五个省（市）区域， 即中国华北地区。植被覆盖度反映了植物进行光合作用面积的大小以及植被生长的茂盛程度，能够在一定程度上代表植被的生长状态和生长趋势，常被作为评价区域生态系统健康程度的重要指标。根据16日 MOD13Q1 (NDVI) 数据产品(2001-2013)，运用最大值合成法得到NDVI年最大值，选择0.5%作为置信度域值， 分别计算出NDVIveg和NDVIsoil， 运用混合像元分解模型计算历年植被覆盖度。 干旱指数是反映该地区干旱程度的一种定量指标。干旱指数（Palmer Drought Severity Index，PDSI）数据的计算是根据国家气象信息中心提供的1964~2013年华北及其周边地区共100个气象站点的平均气温、气压、相对湿度、风速、日照时数、降水量的日数据和月数据，运用修正的PDSI干旱指数的计算方法，得到2001-2013年华北地区各站点的PDSI矢量点数据。本数据集的初步研究成果发表在《地理学报》2015年70卷第5期。植被覆盖度数据是250米分辨率栅格数据， 以.Tiff格式存储， 分别存储在两个数据文件中，干旱指数是100个站点.shp格式

纳库鲁湖面海拔高度在1976-2015年间，变化在1758米-1790米之间， 湖水面积也历年有所不同。根据历史记录，纳库鲁湖在20世纪50年代有过干枯的记录。根据美国陆地资源卫星和Google Earth 遥感影像数据，纳库鲁湖水面积在1976年40.58平方千米，之后至2010年一直徘徊在40-30平方千米之间（1986年37.13平方千米，2000年40.34平方千米，2007年32.04平方千米，2010年31.64平方千米）。 2013年-2015年水面突然增加至50平方千米以上（2013年56.06平方千米，2015年53.98平方千米）。

纳库鲁湖面海拔高度在1976-2015年间，变化在1758米-1790米之间， 湖水面积也历年有所不同。根据历史记录，纳库鲁湖在20世纪50年代有过干枯的记录。根据美国陆地资源卫星和Google Earth 遥感影像数据，纳库鲁湖水面积在1976年40.58平方千米，之后至2010年一直徘徊在40-30平方千米之间（1986年37.13平方千米，2000年40.34平方千米，2007年32.04平方千米，2010年31.64平方千米）。 2013年-2015年水面突然增加至50平方千米以上（2013年56.06平方千米，2015年53.98平方千米）。

纳库鲁湖面海拔高度在1976-2015年间，变化在1758米-1790米之间， 湖水面积也历年有所不同。根据历史记录，纳库鲁湖在20世纪50年代有过干枯的记录。根据美国陆地资源卫星和Google Earth 遥感影像数据，纳库鲁湖水面积在1976年40.58平方千米，之后至2010年一直徘徊在40-30平方千米之间（1986年37.13平方千米，2000年40.34平方千米，2007年32.04平方千米，2010年31.64平方千米）。 2013年-2015年水面突然增加至50平方千米以上（2013年56.06平方千米，2015年53.98平方千米）。

纳库鲁湖面海拔高度在1976-2015年间，变化在1758米-1790米之间， 湖水面积也历年有所不同。根据历史记录，纳库鲁湖在20世纪50年代有过干枯的记录。根据美国陆地资源卫星和Google Earth 遥感影像数据，纳库鲁湖水面积在1976年40.58平方千米，之后至2010年一直徘徊在40-30平方千米之间（1986年37.13平方千米，2000年40.34平方千米，2007年32.04平方千米，2010年31.64平方千米）。 2013年-2015年水面突然增加至50平方千米以上（2013年56.06平方千米，2015年53.98平方千米）。

纳库鲁湖面海拔高度在1976-2015年间，变化在1758米-1790米之间， 湖水面积也历年有所不同。根据历史记录，纳库鲁湖在20世纪50年代有过干枯的记录。根据美国陆地资源卫星和Google Earth 遥感影像数据，纳库鲁湖水面积在1976年40.58平方千米，之后至2010年一直徘徊在40-30平方千米之间（1986年37.13平方千米，2000年40.34平方千米，2007年32.04平方千米，2010年31.64平方千米）。 2013年-2015年水面突然增加至50平方千米以上（2013年56.06平方千米，2015年53.98平方千米）。

纳库鲁湖面海拔高度在1976-2015年间，变化在1758米-1790米之间， 湖水面积也历年有所不同。根据历史记录，纳库鲁湖在20世纪50年代有过干枯的记录。根据美国陆地资源卫星和Google Earth 遥感影像数据，纳库鲁湖水面积在1976年40.58平方千米，之后至2010年一直徘徊在40-30平方千米之间（1986年37.13平方千米，2000年40.34平方千米，2007年32.04平方千米，2010年31.64平方千米）。 2013年-2015年水面突然增加至50平方千米以上（2013年56.06平方千米，2015年53.98平方千米）。

纳库鲁湖面海拔高度在1976-2015年间，变化在1758米-1790米之间， 湖水面积也历年有所不同。根据历史记录，纳库鲁湖在20世纪50年代有过干枯的记录。根据美国陆地资源卫星和Google Earth 遥感影像数据，纳库鲁湖水面积在1976年40.58平方千米，之后至2010年一直徘徊在40-30平方千米之间（1986年37.13平方千米，2000年40.34平方千米，2007年32.04平方千米，2010年31.64平方千米）。 2013年-2015年水面突然增加至50平方千米以上（2013年56.06平方千米，2015年53.98平方千米）。

纳库鲁湖面海拔高度在1976-2015年间，变化在1758米-1790米之间， 湖水面积也历年有所不同。根据历史记录，纳库鲁湖在20世纪50年代有过干枯的记录。根据美国陆地资源卫星和Google Earth 遥感影像数据，纳库鲁湖水面积在1976年40.58平方千米，之后至2010年一直徘徊在40-30平方千米之间（1986年37.13平方千米，2000年40.34平方千米，2007年32.04平方千米，2010年31.64平方千米）。 2013年-2015年水面突然增加至50平方千米以上（2013年56.06平方千米，2015年53.98平方千米）。

纳库鲁湖面海拔高度在1976-2015年间，变化在1758米-1790米之间， 湖水面积也历年有所不同。根据历史记录，纳库鲁湖在20世纪50年代有过干枯的记录。根据美国陆地资源卫星和Google Earth 遥感影像数据，纳库鲁湖水面积在1976年40.58平方千米，之后至2010年一直徘徊在40-30平方千米之间（1986年37.13平方千米，2000年40.34平方千米，2007年32.04平方千米，2010年31.64平方千米）。 2013年-2015年水面突然增加至50平方千米以上（2013年56.06平方千米，2015年53.98平方千米）。

纳库鲁湖面海拔高度在1976-2015年间，变化在1758米-1790米之间， 湖水面积也历年有所不同。根据历史记录，纳库鲁湖在20世纪50年代有过干枯的记录。根据美国陆地资源卫星和Google Earth 遥感影像数据，纳库鲁湖水面积在1976年40.58平方千米，之后至2010年一直徘徊在40-30平方千米之间（1986年37.13平方千米，2000年40.34平方千米，2007年32.04平方千米，2010年31.64平方千米）。 2013年-2015年水面突然增加至50平方千米以上（2013年56.06平方千米，2015年53.98平方千米）。

纳库鲁湖面海拔高度在1976-2015年间，变化在1758米-1790米之间， 湖水面积也历年有所不同。根据历史记录，纳库鲁湖在20世纪50年代有过干枯的记录。根据美国陆地资源卫星和Google Earth 遥感影像数据，纳库鲁湖水面积在1976年40.58平方千米，之后至2010年一直徘徊在40-30平方千米之间（1986年37.13平方千米，2000年40.34平方千米，2007年32.04平方千米，2010年31.64平方千米）。 2013年-2015年水面突然增加至50平方千米以上（2013年56.06平方千米，2015年53.98平方千米）。

纳库鲁湖面海拔高度在1976-2015年间，变化在1758米-1790米之间， 湖水面积也历年有所不同。根据历史记录，纳库鲁湖在20世纪50年代有过干枯的记录。根据美国陆地资源卫星和Google Earth 遥感影像数据，纳库鲁湖水面积在1976年40.58平方千米，之后至2010年一直徘徊在40-30平方千米之间（1986年37.13平方千米，2000年40.34平方千米，2007年32.04平方千米，2010年31.64平方千米）。 2013年-2015年水面突然增加至50平方千米以上（2013年56.06平方千米，2015年53.98平方千米）。

纳库鲁湖面海拔高度在1976-2015年间，变化在1758米-1790米之间， 湖水面积也历年有所不同。根据历史记录，纳库鲁湖在20世纪50年代有过干枯的记录。根据美国陆地资源卫星和Google Earth 遥感影像数据，纳库鲁湖水面积在1976年40.58平方千米，之后至2010年一直徘徊在40-30平方千米之间（1986年37.13平方千米，2000年40.34平方千米，2007年32.04平方千米，2010年31.64平方千米）。 2013年-2015年水面突然增加至50平方千米以上（2013年56.06平方千米，2015年53.98平方千米）。

纳库鲁湖面海拔高度在1976-2015年间，变化在1758米-1790米之间， 湖水面积也历年有所不同。根据历史记录，纳库鲁湖在20世纪50年代有过干枯的记录。根据美国陆地资源卫星和Google Earth 遥感影像数据，纳库鲁湖水面积在1976年40.58平方千米，之后至2010年一直徘徊在40-30平方千米之间（1986年37.13平方千米，2000年40.34平方千米，2007年32.04平方千米，2010年31.64平方千米）。 2013年-2015年水面突然增加至50平方千米以上（2013年56.06平方千米，2015年53.98平方千米）。

根据生态地理区划分的发生学原则和区域综合生态地理学特征，由澳大利亚、新西兰、印度尼西亚东部岛屿、东帝汶、巴布亚新几内亚及其毗邻地区组成的澳亚生态地理区成为世界生态地理区划一级区的独立区域单元。该区域西边通过龙目海峡、望加锡海峡与南亚热带湿润、半湿润生态地理区相接，北边和东边与太平洋岛屿生态地理区相望。该数据集是基于Google earth的影像开发的，地理范围北起4o48＇27〞N， 南至 54°46＇38〞S，西起112°34＇11〞E， 东至175°49＇32〞W。该区域陆地总面积9,223,438.42平方千米；海岸线总长度200,950.20千米，其中， 澳大利亚大陆海岸线长46,006.72千米。除澳大利亚大陆以外，该生态地理区包含17,035个岛屿。其中，最小岛屿的面积是75平方米；最大岛屿是新几内亚岛（又称伊里安岛）， 面积768,603.81平方千米。本区地处热带、亚热带、温带，包括湿润、半湿润、半干旱、干旱生态系统，生物多样性丰富，且有独特的澳亚生物区系特征。本数据集采用Google earth 的kmz格式和Arcgis 的shp格式归档。kmz数据格式数据集由5个数据文件组成。.shp格式数据集包括线和面两种数据类型，压缩成一个数据文件。

根据生态地理区划分的发生学原则和区域综合生态地理学特征，由澳大利亚、新西兰、印度尼西亚东部岛屿、东帝汶、巴布亚新几内亚及其毗邻地区组成的澳亚生态地理区成为世界生态地理区划一级区的独立区域单元。该区域西边通过龙目海峡、望加锡海峡与南亚热带湿润、半湿润生态地理区相接，北边和东边与太平洋岛屿生态地理区相望。该数据集是基于Google earth的影像开发的，地理范围北起4o48＇27〞N， 南至 54°46＇38〞S，西起112°34＇11〞E， 东至175°49＇32〞W。该区域陆地总面积9,223,438.42平方千米；海岸线总长度200,950.20千米，其中， 澳大利亚大陆海岸线长46,006.72千米。除澳大利亚大陆以外，该生态地理区包含17,035个岛屿。其中，最小岛屿的面积是75平方米；最大岛屿是新几内亚岛（又称伊里安岛）， 面积768,603.81平方千米。本区地处热带、亚热带、温带，包括湿润、半湿润、半干旱、干旱生态系统，生物多样性丰富，且有独特的澳亚生物区系特征。本数据集采用Google earth 的kmz格式和Arcgis 的shp格式归档。kmz数据格式数据集由5个数据文件组成。.shp格式数据集包括线和面两种数据类型，压缩成一个数据文件。

根据生态地理区划分的发生学原则和区域综合生态地理学特征，由澳大利亚、新西兰、印度尼西亚东部岛屿、东帝汶、巴布亚新几内亚及其毗邻地区组成的澳亚生态地理区成为世界生态地理区划一级区的独立区域单元。该区域西边通过龙目海峡、望加锡海峡与南亚热带湿润、半湿润生态地理区相接，北边和东边与太平洋岛屿生态地理区相望。该数据集是基于Google earth的影像开发的，地理范围北起4o48＇27〞N， 南至 54°46＇38〞S，西起112°34＇11〞E， 东至175°49＇32〞W。该区域陆地总面积9,223,438.42平方千米；海岸线总长度200,950.20千米，其中， 澳大利亚大陆海岸线长46,006.72千米。除澳大利亚大陆以外，该生态地理区包含17,035个岛屿。其中，最小岛屿的面积是75平方米；最大岛屿是新几内亚岛（又称伊里安岛）， 面积768,603.81平方千米。本区地处热带、亚热带、温带，包括湿润、半湿润、半干旱、干旱生态系统，生物多样性丰富，且有独特的澳亚生物区系特征。本数据集采用Google earth 的kmz格式和Arcgis 的shp格式归档。kmz数据格式数据集由5个数据文件组成。.shp格式数据集包括线和面两种数据类型，压缩成一个数据文件。

根据生态地理区划分的发生学原则和区域综合生态地理学特征，由澳大利亚、新西兰、印度尼西亚东部岛屿、东帝汶、巴布亚新几内亚及其毗邻地区组成的澳亚生态地理区成为世界生态地理区划一级区的独立区域单元。该区域西边通过龙目海峡、望加锡海峡与南亚热带湿润、半湿润生态地理区相接，北边和东边与太平洋岛屿生态地理区相望。该数据集是基于Google earth的影像开发的，地理范围北起4o48＇27〞N， 南至 54°46＇38〞S，西起112°34＇11〞E， 东至175°49＇32〞W。该区域陆地总面积9,223,438.42平方千米；海岸线总长度200,950.20千米，其中， 澳大利亚大陆海岸线长46,006.72千米。除澳大利亚大陆以外，该生态地理区包含17,035个岛屿。其中，最小岛屿的面积是75平方米；最大岛屿是新几内亚岛（又称伊里安岛）， 面积768,603.81平方千米。本区地处热带、亚热带、温带，包括湿润、半湿润、半干旱、干旱生态系统，生物多样性丰富，且有独特的澳亚生物区系特征。本数据集采用Google earth 的kmz格式和Arcgis 的shp格式归档。kmz数据格式数据集由5个数据文件组成。.shp格式数据集包括线和面两种数据类型，压缩成一个数据文件。

根据生态地理区划分的发生学原则和区域综合生态地理学特征，由澳大利亚、新西兰、印度尼西亚东部岛屿、东帝汶、巴布亚新几内亚及其毗邻地区组成的澳亚生态地理区成为世界生态地理区划一级区的独立区域单元。该区域西边通过龙目海峡、望加锡海峡与南亚热带湿润、半湿润生态地理区相接，北边和东边与太平洋岛屿生态地理区相望。该数据集是基于Google earth的影像开发的，地理范围北起4o48＇27〞N， 南至 54°46＇38〞S，西起112°34＇11〞E， 东至175°49＇32〞W。该区域陆地总面积9,223,438.42平方千米；海岸线总长度200,950.20千米，其中， 澳大利亚大陆海岸线长46,006.72千米。除澳大利亚大陆以外，该生态地理区包含17,035个岛屿。其中，最小岛屿的面积是75平方米；最大岛屿是新几内亚岛（又称伊里安岛）， 面积768,603.81平方千米。本区地处热带、亚热带、温带，包括湿润、半湿润、半干旱、干旱生态系统，生物多样性丰富，且有独特的澳亚生物区系特征。本数据集采用Google earth 的kmz格式和Arcgis 的shp格式归档。kmz数据格式数据集由5个数据文件组成。.shp格式数据集包括线和面两种数据类型，压缩成一个数据文件。

根据生态地理区划分的发生学原则和区域综合生态地理学特征，由澳大利亚、新西兰、印度尼西亚东部岛屿、东帝汶、巴布亚新几内亚及其毗邻地区组成的澳亚生态地理区成为世界生态地理区划一级区的独立区域单元。该区域西边通过龙目海峡、望加锡海峡与南亚热带湿润、半湿润生态地理区相接，北边和东边与太平洋岛屿生态地理区相望。该数据集是基于Google earth的影像开发的，地理范围北起4o48＇27〞N， 南至 54°46＇38〞S，西起112°34＇11〞E， 东至175°49＇32〞W。该区域陆地总面积9,223,438.42平方千米；海岸线总长度200,950.20千米，其中， 澳大利亚大陆海岸线长46,006.72千米。除澳大利亚大陆以外，该生态地理区包含17,035个岛屿。其中，最小岛屿的面积是75平方米；最大岛屿是新几内亚岛（又称伊里安岛）， 面积768,603.81平方千米。本区地处热带、亚热带、温带，包括湿润、半湿润、半干旱、干旱生态系统，生物多样性丰富，且有独特的澳亚生物区系特征。本数据集采用Google earth 的kmz格式和Arcgis 的shp格式归档。kmz数据格式数据集由5个数据文件组成。.shp格式数据集包括线和面两种数据类型，压缩成一个数据文件。

湿地是全球生物多样性丰富和高生产力的生态系统之一。大型国际重要湿地覆盖遥感分类数据集(RamsarSites_Top100_WetlandCover_2001/2013)由湿地保护区界线和湿地覆盖类型二部分数据组成。 在拉姆萨尔湿地公约组织公布的相关数据、相关自然保护区、Google Earth、天地图等遥感影像基础上，选择了全球100处大型（面积大于20万hm2）国际重要湿地， 开发了与Google Earth 遥感影像相匹配的湿地界线地理信息系统数据。在2001年和2013年Terra/Aqua卫星MODIS传感器 250 m空间分辨率16天合成的MOD13Q1数据基础上，通过对归一化植被指数（NDVI）进行滤波和时间序列重建，采用支持向量机方法（SVM）对其进行分类和制图，得到2001年和2013年全球100处国际重要湿地的地表覆盖遥感分类数据集。国际重要湿地地表覆盖遥感分类系统包括三级分类系统，其中，一级划分为湿地和非湿地，在湿地中，二级分类系统划分水体、森林/灌丛沼泽、草本沼泽、洪泛沼泽、水田、苔原/藓类沼泽等六类，第三级划分中，将森林/灌丛沼泽划分为森林/灌丛沼泽（常绿）和森林/灌丛沼泽（落叶）二种类型，将草本沼泽划分为永久性草本沼泽和季节性草本沼泽二种类型。由于本数据集包括了2001年和2013年间隔12年的数据，因此，可以为全球大型国际重要湿地在这期间变化做对比分析。

湿地是全球生物多样性丰富和高生产力的生态系统之一。大型国际重要湿地覆盖遥感分类数据集(RamsarSites_Top100_WetlandCover_2001/2013)由湿地保护区界线和湿地覆盖类型二部分数据组成。 在拉姆萨尔湿地公约组织公布的相关数据、相关自然保护区、Google Earth、天地图等遥感影像基础上，选择了全球100处大型（面积大于20万hm2）国际重要湿地， 开发了与Google Earth 遥感影像相匹配的湿地界线地理信息系统数据。在2001年和2013年Terra/Aqua卫星MODIS传感器 250 m空间分辨率16天合成的MOD13Q1数据基础上，通过对归一化植被指数（NDVI）进行滤波和时间序列重建，采用支持向量机方法（SVM）对其进行分类和制图，得到2001年和2013年全球100处国际重要湿地的地表覆盖遥感分类数据集。国际重要湿地地表覆盖遥感分类系统包括三级分类系统，其中，一级划分为湿地和非湿地，在湿地中，二级分类系统划分水体、森林/灌丛沼泽、草本沼泽、洪泛沼泽、水田、苔原/藓类沼泽等六类，第三级划分中，将森林/灌丛沼泽划分为森林/灌丛沼泽（常绿）和森林/灌丛沼泽（落叶）二种类型，将草本沼泽划分为永久性草本沼泽和季节性草本沼泽二种类型。由于本数据集包括了2001年和2013年间隔12年的数据，因此，可以为全球大型国际重要湿地在这期间变化做对比分析。

湿地是全球生物多样性丰富和高生产力的生态系统之一。大型国际重要湿地覆盖遥感分类数据集(RamsarSites_Top100_WetlandCover_2001/2013)由湿地保护区界线和湿地覆盖类型二部分数据组成。 在拉姆萨尔湿地公约组织公布的相关数据、相关自然保护区、Google Earth、天地图等遥感影像基础上，选择了全球100处大型（面积大于20万hm2）国际重要湿地， 开发了与Google Earth 遥感影像相匹配的湿地界线地理信息系统数据。在2001年和2013年Terra/Aqua卫星MODIS传感器 250 m空间分辨率16天合成的MOD13Q1数据基础上，通过对归一化植被指数（NDVI）进行滤波和时间序列重建，采用支持向量机方法（SVM）对其进行分类和制图，得到2001年和2013年全球100处国际重要湿地的地表覆盖遥感分类数据集。国际重要湿地地表覆盖遥感分类系统包括三级分类系统，其中，一级划分为湿地和非湿地，在湿地中，二级分类系统划分水体、森林/灌丛沼泽、草本沼泽、洪泛沼泽、水田、苔原/藓类沼泽等六类，第三级划分中，将森林/灌丛沼泽划分为森林/灌丛沼泽（常绿）和森林/灌丛沼泽（落叶）二种类型，将草本沼泽划分为永久性草本沼泽和季节性草本沼泽二种类型。由于本数据集包括了2001年和2013年间隔12年的数据，因此，可以为全球大型国际重要湿地在这期间变化做对比分析。

湿地是全球生物多样性丰富和高生产力的生态系统之一。大型国际重要湿地覆盖遥感分类数据集(RamsarSites_Top100_WetlandCover_2001/2013)由湿地保护区界线和湿地覆盖类型二部分数据组成。 在拉姆萨尔湿地公约组织公布的相关数据、相关自然保护区、Google Earth、天地图等遥感影像基础上，选择了全球100处大型（面积大于20万hm2）国际重要湿地， 开发了与Google Earth 遥感影像相匹配的湿地界线地理信息系统数据。在2001年和2013年Terra/Aqua卫星MODIS传感器 250 m空间分辨率16天合成的MOD13Q1数据基础上，通过对归一化植被指数（NDVI）进行滤波和时间序列重建，采用支持向量机方法（SVM）对其进行分类和制图，得到2001年和2013年全球100处国际重要湿地的地表覆盖遥感分类数据集。国际重要湿地地表覆盖遥感分类系统包括三级分类系统，其中，一级划分为湿地和非湿地，在湿地中，二级分类系统划分水体、森林/灌丛沼泽、草本沼泽、洪泛沼泽、水田、苔原/藓类沼泽等六类，第三级划分中，将森林/灌丛沼泽划分为森林/灌丛沼泽（常绿）和森林/灌丛沼泽（落叶）二种类型，将草本沼泽划分为永久性草本沼泽和季节性草本沼泽二种类型。由于本数据集包括了2001年和2013年间隔12年的数据，因此，可以为全球大型国际重要湿地在这期间变化做对比分析。

太平洋岛屿生态地理区由位于浩瀚的太平洋中一系列岛屿组成，该区域划分主要依据是地理位置和岛屿及其生态环境特征。太平洋岛屿生态地理区界线数据集的研发是基于2015年Google Earth影像中提供的Digital Globe、CNES/Astrium和部分Landsat数据基础上完成的。该区域西边与东亚季风生态地理区、南亚热带湿润半湿润生态地理区相邻，西南与澳新生态地理区相邻，东至南北美洲沿岸地带，北至夏威夷群岛的库雷岛。区域范围自131o7＇13〞E，东至109 o13＇40〞W，南自30 o32＇42〞S，北至28o24＇5〞N。区域内包括斐济群岛、夏威夷群岛、萨摩亚群岛、社会群岛、马克萨斯群岛、加罗林群岛、马里亚纳群岛、圣克鲁斯群岛、莱恩群岛、汤加群岛、吉尔伯特群岛、库克群岛、土布艾群岛、克马德克群岛、菲尼克斯群岛、图瓦卢群岛、托克劳群岛等。数据集中包括面积大于97平方米的岛屿4912个（最小岛屿面积为97平方米），海岸线总长25,841.57千米，岛屿总面积 47,850.92平方千米。其中，最大岛屿是位于177 o55＇56.87〞E，17 o49＇24.5〞S附近的斐济的维提岛，面积10,662.54平方千米。太平洋岛屿生态地理区是世界上岛屿集中的区域，受洋流变化、厄尔尼诺现象、海平面变化等海洋生态环境影响深刻。本数据集采用kmz和shp两种数据格式归档，在shp格式中，包括线和面两种数据类型。

太平洋岛屿生态地理区由位于浩瀚的太平洋中一系列岛屿组成，该区域划分主要依据是地理位置和岛屿及其生态环境特征。太平洋岛屿生态地理区界线数据集的研发是基于2015年Google Earth影像中提供的Digital Globe、CNES/Astrium和部分Landsat数据基础上完成的。该区域西边与东亚季风生态地理区、南亚热带湿润半湿润生态地理区相邻，西南与澳新生态地理区相邻，东至南北美洲沿岸地带，北至夏威夷群岛的库雷岛。区域范围自131o7＇13〞E，东至109 o13＇40〞W，南自30 o32＇42〞S，北至28o24＇5〞N。区域内包括斐济群岛、夏威夷群岛、萨摩亚群岛、社会群岛、马克萨斯群岛、加罗林群岛、马里亚纳群岛、圣克鲁斯群岛、莱恩群岛、汤加群岛、吉尔伯特群岛、库克群岛、土布艾群岛、克马德克群岛、菲尼克斯群岛、图瓦卢群岛、托克劳群岛等。数据集中包括面积大于97平方米的岛屿4912个（最小岛屿面积为97平方米），海岸线总长25,841.57千米，岛屿总面积 47,850.92平方千米。其中，最大岛屿是位于177 o55＇56.87〞E，17 o49＇24.5〞S附近的斐济的维提岛，面积10,662.54平方千米。太平洋岛屿生态地理区是世界上岛屿集中的区域，受洋流变化、厄尔尼诺现象、海平面变化等海洋生态环境影响深刻。本数据集采用kmz和shp两种数据格式归档，在shp格式中，包括线和面两种数据类型。

采用 2013-2015年期间共计428景30m空间分辨率的Landsat-8多光谱遥感数据及ASTER GDEM数据，结合GOOGLE EARTH高空间分辨率影像，采用多分类器组合方法对东南亚地区以及中国广西和雷州半岛的红树林进行了提取。其中选取的单分类器包括：支持向量机分类器、人工神经网络分类器、波谱角分类器、最大似然分类器、最小距离分类器。采用并行方式对各分类器输出信息进行组合，分类器的组合采用贝叶斯算法。经过部分地区的抽样检验。数据表明，研究区红树林提取面积为4.52万平方公里。本数据集包含.shp和.kmz两种格式。

采用 2013-2015年期间共计428景30m空间分辨率的Landsat-8多光谱遥感数据及ASTER GDEM数据，结合GOOGLE EARTH高空间分辨率影像，采用多分类器组合方法对东南亚地区以及中国广西和雷州半岛的红树林进行了提取。其中选取的单分类器包括：支持向量机分类器、人工神经网络分类器、波谱角分类器、最大似然分类器、最小距离分类器。采用并行方式对各分类器输出信息进行组合，分类器的组合采用贝叶斯算法。经过部分地区的抽样检验。数据表明，研究区红树林提取面积为4.52万平方公里。本数据集包含.shp和.kmz两种格式。

利用30m 分辨率ASTER GDEM数据，将东北甘河流域划分为2960个单一坡面，计算各单一坡面的平均坡度和平均坡长；并与大兴安岭气象数据和全球土地覆盖数据GlobCover2009和土壤数据经过处理后,输入WEPP模型（水蚀预报模型），得到甘河流域的侵蚀-沉积数据，确定了13个侵蚀—沉积平衡点（坡面）。

利用30m 分辨率ASTER GDEM数据，将东北甘河流域划分为2960个单一坡面，计算各单一坡面的平均坡度和平均坡长；并与大兴安岭气象数据和全球土地覆盖数据GlobCover2009和土壤数据经过处理后,输入WEPP模型（水蚀预报模型），得到甘河流域的侵蚀-沉积数据，确定了13个侵蚀—沉积平衡点（坡面）。

利用30m 分辨率ASTER GDEM数据，将东北雅鲁河流域划分为2850个单一坡面，计算各单一坡面的平均坡度和平均坡长；并与扎兰屯气象数据和全球土地覆盖数据GlobCover2009和土壤数据经过处理后,输入WEPP模型（水蚀预报模型），得到雅鲁河流域的侵蚀-沉积数据，确定了14个侵蚀—沉积平衡点（坡面）。

利用30m 分辨率ASTER GDEM数据，将东北雅鲁河流域划分为2850个单一坡面，计算各单一坡面的平均坡度和平均坡长；并与扎兰屯气象数据和全球土地覆盖数据GlobCover2009和土壤数据经过处理后,输入WEPP模型（水蚀预报模型），得到雅鲁河流域的侵蚀-沉积数据，确定了14个侵蚀—沉积平衡点（坡面）。

中国生长季1KM植被指数（NDVI）空间分布数据集是基于SPOT/VEGETATION NDVI卫星遥感数据，在月数据基础上采用最大值合成法生成的1998年以来的生长季植被指数数据集。该数据集有效反映了全国各地区在空间和时间尺度上的植被覆盖分布和变化状况，对植被变化状况监测、植被资源合理利用和其它生态环境相关领域的研究有十分重要的参考意义。     生长季NDVI数据为3-11 月份（春、夏、秋三季）NDVI数据数值的最大值，数据空间覆盖范围为全国，数据获取时间为1998年—2019年。

中国生长季1KM植被指数（NDVI）空间分布数据集是基于SPOT/VEGETATION NDVI卫星遥感数据，在月数据基础上采用最大值合成法生成的1998年以来的生长季植被指数数据集。该数据集有效反映了全国各地区在空间和时间尺度上的植被覆盖分布和变化状况，对植被变化状况监测、植被资源合理利用和其它生态环境相关领域的研究有十分重要的参考意义。     生长季NDVI数据为3-11 月份（春、夏、秋三季）NDVI数据数值的最大值，数据空间覆盖范围为全国，数据获取时间为1998年—2019年。

中国生长季1KM植被指数（NDVI）空间分布数据集是基于SPOT/VEGETATION NDVI卫星遥感数据，在月数据基础上采用最大值合成法生成的1998年以来的生长季植被指数数据集。该数据集有效反映了全国各地区在空间和时间尺度上的植被覆盖分布和变化状况，对植被变化状况监测、植被资源合理利用和其它生态环境相关领域的研究有十分重要的参考意义。     生长季NDVI数据为3-11 月份（春、夏、秋三季）NDVI数据数值的最大值，数据空间覆盖范围为全国，数据获取时间为1998年—2019年。