qq_31988139的博客

中国站点尺度天然径流量估算数据集，包括全国多个水文站1961–2018年月值天然径流量（数据将继续更新），数据为ASCII格式。该数据是基于VIC（The Variable Infiltration Capacity）分布式水文模型，结合参数不确定分析、流向校正和统计后处理等数据质量方法重建的，是中国长时序、高质量与时间连续的天然河川径流资料。研究中涉及到的全国水文站分别约有83％和56％水文站的NSE值、KGE值大于0.70。

公司的宏图一号 SAR 卫星星座，此卫星系统由“1 颗主星+3 颗辅 星”组成，具备全球范围高分宽幅成像、高精度测绘及形变监测等能力， 可快速、高效地制作高精度数字表面模型（DSM）并完成全球非极区测绘 任务，具备在 1 年内完成全球陆地范围测图任务的能力。作为航天宏图“女娲星座”建设计划的首发卫星，航天宏图-1号可获取0.5米-5米的分辨率影像，具备高精度地形测绘、高精度形变检测、高分辨率宽幅成像以及三维立体成像等能力，在自然资源、应急管理、水利等行业与领域具有极高的应用价值。范围: 北京上海部分区域。

1.缪驰远, 苟娇娇. (2022). 中国天然径流量格点数据集CNRD v1.0（1961-2018）. 国家青藏高原科学数据中心. [https://doi.org/10.11888/Atmos.tpdc.272864.](https://doi.org/10.11888/Atmos.tpdc.272864) [https://cstr.cn/18406.11.Atmos.tpdc.272864.](https://cstr.cn/18406.11.Atmos.tpdc.272864).

这个合成产品提供了全球范围内陆地生态系统每年的NPP估计值，对于研究全球变化、探究陆地生态系统碳循环等具有重要的科学意义。中国净初级生产力年度合成产品NPP（MYD17A3H.006）由航天宏图实验室提供，根据NASA MODIS数据（MYD17A3H.006）通过航天宏图 Smoother计算得到的平滑后NPP产品，解决了影像云雾覆盖、像元异常值等问题。该产品的分辨率为500米，时间覆盖范围为2000年至今，包括了每年的12个月份的数据。时间范围: 2001年-2020年。

数据引用：陈永喆,冯晓明,田汉勤,武旭同,高镇,冯宇,朴世龙,吕楠,潘乃青,傅伯杰.(2021).气候变化和人类活动对中国植被固碳的贡献量化数据（2001-2018）.国家青藏高原科学数据中心,DOI:10.11888/Ecolo.tpdc.271667.CSTR:18406.11.Ecolo.tpdc.271667.空间分辨率为0.1°。此外，还包括在气候驱动下（无人类干扰）的以上11个生态系统参量在2001~2018年间的时空变化。时间范围: 2001年-2018年。

数据集根据水体的类型和水体覆盖的百分比进行分类，包括河流、湖泊、人工水体和沼泽等。该数据集可以在JRC的网站上免费下载和使用。3. 评估水资源利用的可行性：长时间序列观测能够提供水资源的质量和量的信息，有助于科学家评估水资源的利用的可行性，包括是否能够满足人类需求以及是否拥有足够的水资源来支持其生态系统的健康。2. 检测地表水资源的变化趋势：长时间序列观测数据能够反映出地表水资源的变化趋势，包括变化的周期、变化的单调性、变化速率等，有助于发现地表水资源的威胁和机会，以及制定水资源的管理计划。

本数据集是一个20年（2002/07/27~2022/08/31）的全球连续一致的地表土壤水分数据集，分辨率为日尺度的36km，数据单位为m3/m3。数据集采用Yao et al.(2017)发展的土壤水分神经网络反演算法，将SMAP的优势传递到AMSR-E/2，以目前卫星最优精度的SMAP标准土壤水分产品为训练目标，以AMSR-E/2的亮温为输入，最终输出长时序土壤水分数据。该数据集能够重现SMAP土壤水分的时空分布，精度与SMAP土壤水分产品相当；

全球历史粮食产量数据集是农业普查统计（粮农组织报告的国家产量统计数据）和卫星遥感（遥感反演的作物指数）的混合数据产品，玉米有两个生长季节，以“主要（major）”/“次要（second）”区分。

全球历史粮食产量数据集是农业普查统计（粮农组织报告的国家产量统计数据）和卫星遥感（遥感反演的作物指数）的混合数据产品，水稻有两个生长季节，以“主要（major）”/“次要（second）”区分。3. 印度尼西亚：印度尼西亚是全球第三大水稻生产国，占全球总产量的8%左右，2019年产量为40亿公斤。4. 孟加拉国：孟加拉国是全球第四大水稻生产国，占全球总产量的5%左右，2019年产量为26亿公斤。1. 中国：中国是全球最大的水稻生产国，占全球总产量的30%左右，2019年产量为148亿公斤。

1. 美国：美国是全球最大的大豆生产国，主要集中在中西部的五大州：伊利诺伊州、艾奥瓦州、内布拉斯加州、明尼苏达州和南达科他州。2. 巴西：巴西是全球第二大大豆生产国，主要集中在南部地区，如马托格罗索州、里约格兰德州、巴拉那州等。4. 中国：中国是世界上最大的大豆进口国，也是大豆生产国之一，主要地区包括东北、北方、西北和华南等地。5. 印度：印度是全球第五大大豆生产国，主要集中在中部和西部的马哈拉施特拉邦、马迪亚邦等地。3. 阿根廷：阿根廷是全球第三大大豆生产国，主要集中在布宜诺斯艾利斯省、科尔多瓦省等地。

全球人类足迹数据(WSF)是由德国航空航天中心（DLR）和地球观测中心（EOC）共同发布的，包括2015和2019两个版本，分别利用landsat-8/Sentinel-1、Sentinel-1/Sentinel-2数据,和采集的居民区/非居民区样本点，基于随机森林分类法进行分类，及一定的后处理，并使用辅助数据来减少遗漏和误差后生成的。对全球人类足迹进行数据分析可以帮助我们更好地了解人类活动对地球环境和资源的影响，以及如何更好地管理和保护这些资源。4. 资源管理和利用。时间范围: 2015年-2019年。

该数据集是第一个具有精细分类系统的全球30米湿地地图（GWL_FCS30），包括四个内陆湿地子类别（内陆沼泽、沼泽、泛滥平原和盐碱地）和三个沿海湿地子类（红树林、盐沼和潮坪）。该数据集通过结合2020年的Landsat SR数据与Sentinel-1数据，利用分层分类策略和局部自适应随机森林分类算法在谷歌地球引擎云计算平台生产所得。湿地数据可以用来帮助人们更好地了解和保护湿地生态系统。

全球250米年度城区范围产品（MGUP）基于现有的城区产品CCI-LC、MCD12Q1和GlobeCover产品经样本清洗自动化得到可靠的多时序城区样本。将全球划分为5°格网使用随机森林分类器对2001-2018年进行全球城区范围制图。经时空后处理后，得到全球250米全球年度城区范围产品MGUP。为了验证产品，在2001年至2018年每隔一年基于Landsat影像目视解译得到9组验证样本，共逾150,000个样本点，作为全球验证数据集。

全球10米土地覆盖产品(ESA)来源于欧空局，是基于哨兵一号、哨兵二号数据制作的2020年的10m分辨率的全球土地覆盖数据。土地利用数据一共分为11类，分别是:林地、灌木、草地、耕地、建筑、裸地/稀疏植被区、雪和冰、开阔水域、草本湿地、红树林、苔藓。经验证，数据精度达到74.4%。欧洲空间局的全球10米土地覆盖产品（ESA's Global Land Cover）是一种高分辨率土地覆盖数据集，采用多源遥感数据和机器学习算法生成。

HWSD（Harmonized World Soil Database）是联合国粮食及农业组织（FAO）和国际土壤参考与信息中心（ISRIC）共同开发的世界土壤数据集。该数据集是一份高分辨率（1 km），全球范围的土壤数据库，包括有关土壤类型、土壤属性、土壤质地、土层深度和土壤水分等方面的信息。HWSD数据集是基于大量地面测量和遥感数据，以及土壤分类系统和统一名称体系，进行整合和标准化而成。HWSD数据集对于许多领域的实践和研究都具有重要意义，例如土地利用规划、农业生产、自然资源管理和环境保护等。

新一代对地观测卫星Suomi NPP,搭载的可见光红外成像辐射仪（Visible Infrared Imaging Radiometer Suit,VIIRS），能够获取新的夜间灯光遥感影像（Day/Night Band,DNB波段）。VIIRS_VCMCFG夜光遥感数据的空间分辨率为750m，为月度合成数据，它能准确地记录了夜光辐射强度，相比DMSP/OLS能够探测到更微弱的灯光辐射。夜间灯光数据指的是收集和记录城市或地区夜间灯光的数量、亮度和分布情况的数据。

全球高分辨率地表太阳辐射数据集包含36年（1983.7-2018.12）的全球地表太阳辐射数据，其分辨率为3小时，10公里，数据单位为W/㎡，瞬时值。该数据集可用于水文建模、地表建模和工程应用，将有助于未来地表过程模拟的研究和光伏发电的应用。该数据集基于改进的物理参数化方案并以ISCCP-HXG云产品、ERA5再分析数据以及MODIS气溶胶和反照率产品为输入而生成的。验证并和其他全球卫星辐射产品比较表明，该数据集的精度通常比ISCCP-FD、GEWEX-SRB和CERES全球卫星辐射产品的精度要高。

生态系统总初级生产力（Gross Primary Productivity, GPP）指单位时间、单位面积内植物把无机物质合成为有机物质的总量或固定的总能量。生态系统总初级生产力（GPP）是指一个生态系统在一定时间内通过光合作用转化的所有太阳能量的总量。它包括植物和其他生物的光合作用，而不考虑任何能量转移和损失。GPP是一个生态系统的重要指标，可以用来衡量生态系统的生产力和能量流动效率。日光诱导叶绿素荧光（SIF）与光合过程的紧密联系使得其成为指示植被光合变化的有效探针，监测GPP的强有力手段。

全球长时序(10000BC-2100)农地分布产品(1km)，由清华大学地学系俞乐课题组发布，产品空间分辨率为1000m，时间范围从公元前10000年到公元后2100年。本项研究充分考虑了5条共享社会经济途径(SSPs)和7条代表性浓度途径(RCPs)的组合，分析了8种不同情景（SSP1-RCP1.9，SSP1-RCP2.6、SSP2-RCP4.5、SSP3-RCP7.0、SSP4-RCP3.4、P4-RCP6.0、SSP5-RCP3.4OS、SSP5-RCP8.5)下的中国未来农地分布情况。

GlobeLand30研制所用的分类影像主要为30米多光谱影像，包括Landsat系列的TM5、ETM+、OLI多光谱影像和中国环境减灾卫星HJ-1多光谱影像，2020版数据还使用了16米的GF1多光谱影像。基于景观形状指数抽样模型进行全套数据布点，共布设样本超过23万个。全球地表覆盖数据(GlobeLand30)是中国研制的30米空间分辨率全球地表覆盖数据，2014年已发布2000和2010版，自然资源部于2017年对该数据进行了更新，形成了2020版。时间范围: 2000年-2020年。

全球PML_V2陆地蒸散发与总初级生产力数据集，包括总初级生产力（gross primary product, GPP），植被蒸腾（vegetation transpiration, Ec），土壤蒸发（soil evaporation, Es），冠层截流蒸发（vaporization of intercepted rainfall, Ei）和水体、冰雪蒸发（ET_water），共5个要素。时空分辨率为8天、0.05°，时间跨度为2002.07-2019.08。

利用GlobeLand30地表覆盖产品、VIIRS夜间灯光数据和MODIS EVI植被指数产品，提取全球高置信度的人工不透水面分类的训练样本；基于多源多时相遥感数据的不透水面提取算法，以5°网格进行了逐区块地自适应随机森林建模，生产了区块不透水面产品，并经过地理拼接生成了2015年全球30m不透水面产品（MSMT_IS30-2015）。数据的总体精度为95.1%，kappa系数为0.898，显著优于国际上现有产品。

全球2.5分分辨率最高和最低气温数据集包含了全球范围内的年度最高气温数据，每个像元大小为2.5分(~21 km2)，最高气温单位为摄氏度。为研究全球大范围气候分异规律与全球变化提供基础的年最高气温空间分布数据，常应用于气候学、地理学等相关领域研究。最高和最低气温数据集用于记录某个地区在一定时间内的最高和最低气温。它们的作用是：1. 提供天气信息：最高和最低气温数据集可以提供天气信息，以帮助人们更好地了解某个地区的气候情况。这对于农民、旅行者、气象学家等都非常重要。

生物气候是指生物和气候相互作用的结果，包括植物和动物对气候的影响，以及气候对生物的影响。生物气候研究的是生物、气候、土地和水等自然要素之间相互作用的过程，旨在探讨它们是如何互动并导致生态系统的变化的。生物气候对于理解全球气候变化、生物多样性和生态系统功能至关重要。生物气候变量来源于月温度和月降雨量，常用于物种分布模型和生态相关模型等。生物气候变量反映年度趋势、季节性、极端或限制性环境因素。1. 形成生态系统：生物气候是生态系统形成的关键因素之一。植物和动物的分布、生长和繁殖均受气候条件的影响。

生物气候变量来源于月温度和月降雨量，常用于物种分布模型和生态相关模型等。生物气候变量反映年度趋势、季节性、极端或限制性环境因素。数据集ID:时间范围: 1970年-2000年范围: 全球来源:复制代码段:波段名称范围描述datestring影像时间。

全球月度气象数据集（GLDAS Noah Land Surface Model L4 monthly 0.25 x 0.25 degree V2.1，简称GLDAS_NOAH025_M 2.1），时空分辨率分别为1个月、0.25度。该数据产品于2020年1月重新处理得到，代替之前版本。该数据产品是利用GLDAS-2.1 Noah每3小时数据进行时间平均生成的，其中GLDAS-2.1 Noah每3小时数据是利用土地信息系统(LIS)版本7中的Noah Model 3.6模拟得到的。

全球日值气象数据集（GLDAS Catchment Land Surface Model L4 daily 0.25 x 0.25 degree GRACE-DA1 V2.2 ，简称GLDAS_CLSM025_DA1_D），时空分辨率分别为1天、0.25度。GLDAS-2.2目前包括来自CLSM-F2.5和GRACE-DA的产品，其中GRACE-DA数据范围为2003年至今。根据与ECMWF的数据协议，此GLDAS-2.2日产品不包括气象强迫字段。GLDAS-2.2 数据以NetCDF格式存档和分发。

行政区划边界是指各个行政区域之间划定的界限，以确保行政管理的有序和合法。通常，这些边界是根据政治、行政、文化等因素来划分的，如国家、省份、市级行政单元、县区等。这些行政区划边界的划分和调整需要经过政府的制定和批准，并通过法律或行政文件加以规定和实施。行政区划边界的划分也常常存在争议和问题，因此需要各方面的协商和解决。

全球二氧化碳排放数据1deg产品(ODIAC)是一个空间分辨率为1deg*1deg的全球化石燃料燃烧产生的二氧化碳空间分布产品。它率先将基于空间的夜间灯光数据与单个发电厂的排放/位置相结合来估计化石燃料二氧化碳的排放。

全球3小时气象数据集（GLDAS Noah Land Surface Model L4 3 hourly 0.25 x 0.25 degree V2.1，简称GLDAS_NOAH025_3H 2.1），时空分辨率分别为3小时、0.25度。该数据产品于2020年1月重新处理，代替之前版本。该数据产品利用土地信息系统(LIS)第7版中的Noah Model 3.6模拟而成，包含2000年1月至今的36个地表字段。GLDAS-2.1 数据以NetCDF格式存档和分发,取代了相应的 GLDAS-1 产品。

全球250米叶面指数产品由北京师范大学的肖志强教授团队生产，提供了多分辨率卫星遥感（MUSES）250m分辨率全球LAI产品，利用了MODIS地表反射率数据（MOD09Q1）生成的网格数据，时间分辨率为8天。数据中的每一个MOD09Q1像元包含了8天之内最佳L2G（栅格化后的L2级产品）观测数值，综合考虑了高观测覆盖、低视角、无云及云的阴影以及气溶胶浓度的影响。LAI即叶面积指数（leaf area index）又叫叶面积系数，是指单位土地面积上植物叶片总面积占土地面积的倍数。

LandScan全球人口分布数据来自于East View Cartographic，由美国能源部橡树岭国家实验室(ORNL)开发。LandScan运用GIS和遥感等创新方法，是全球人口数据发布的社会标准，是全球最为准确、可靠，基于地理位置的，具有分布模型和最佳分辨率的全球人口动态统计分析数据。Landscan全球人口分布数据集提供了2000年至2017年的全球人口统计数据，空间分辨率接近1km*1km。

青藏高原连续日光诱导叶绿素荧光数据集（2000-2018）是通过MODIS各通道反射率和SIF观测数据建立神经网络模型，从而得到较高时空分辨率的SIF数据，常作为初级生产力的参考。源数据范围为全球，本数据集选取了青藏高原区域。本数据将原本的4天时间尺度数据集成至月数据，加工方法为取月最大值，尽可能达到去除噪声的效果。该数据集常被用作评定植被绿度和初级生产力的时间和空间格局，具有实际意义和理论价值。叶绿素荧光是叶绿体中叶绿素分子在光激发下发生的荧光现象。

基于多源数据融合方法的中国1公里土地覆盖图（2000）在评价已经有土地覆盖数据的基础上，将2000年中国1:10万土地利用数据、中国植被图集(1:100万)的植被型分类、中国1:10万冰川图、中国1:100万沼泽湿地图和MODIS 2001年土地覆盖产品(MOD12Q1)进行融合，基于最大信任度原则进行决策，产生了新的IGBP分类系统的2000年1KM中国土地覆盖数据。

不透水面是指人工和自然地表覆盖物，如建筑物、道路、停车场等，这些覆盖物不允许水渗透到地下，导致大量水流失和洪涝灾害。水资源问题：不透水层会阻碍地表雨水渗透到地下水层，导致地下水资源减少、水质下降。生态环境问题：不透水层会破坏自然水循环，导致湿地、河流生态系统遭受破坏。此外，不透水层会导致城市热岛效应，影响空气质量和生态环境。城市规划问题：不透水层会限制城市土地利用，导致城市扩张受限和土地资源浪费。因此，保护地表水资源、维护生态环境、合理规划城市发展都需要考虑不透水层的影响。

中国雪深长时间序列数据集（1979-2020）提供1979年1月1日到2020年12月31日逐日的中国范围的积雪厚度分布数据，其空间分辨率为25km，是“中国雪深长时间序列数据集（1978-2012）”的升级版本。用于反演该雪深数据集的原始数据来自美国国家雪冰数据中心（NSIDC）处理的SMMR（1979-1987年)，SSM/I（1987-2007年)和SSMI/S(2008-2020)逐日被动微波亮温数据（EASE-Grid）。通过对不同传感器的亮温进行交叉定标提高亮温数据在时间上的一致性。

中国陆地生态系统服务价值空间分布产品是以全国陆地生态系统类型遥感分类为基础，生态系统类型包括：旱地、农田、针叶林、针阔混交林、阔叶林、灌木林、草原、灌草丛、草甸、湿地、荒漠、裸地、水系、冰川积雪、人工表面（包括建筑用地、工矿用地）15个二级类（农田、森林、草地、湿地、荒漠、水域6个一级类）。

中国长序列地表冻融数据集——双指标算法(1978-2015)采用SMMR（1978-1987）、SSM/I（1987-2009）和SSMIS（2009-2015）逐日亮温数据，由双指标（TB,37v，SG）冻融判别算法生成。分类结果包含冻结地表、融化地表、沙漠及水体四种类型。数据覆盖范围为中国大陆主体部分，空间分辨率为25.067525 km，EASE-Grid投影方式，以ASCIIGRID格式存储。

植被功能型（PFT）是根据植物种的生态系统功能及其资源利用方式而对宠大的植物种进行的组合，每一种植被功能型共享相似的植物属性，是将植物种的多样性简化为植物功能和结构的多样性,用以预测全球变化情景下生态系统结构与功能的变化。目前，植被功能型已被广泛用于生物地理模型、生物地球化学模型、陆面过程模型和全球动态植被模型，如美国国家大气研究中心（NCAR）的陆面过程模型已经将原来用土地覆盖信息变为应用植被功能型图（Bonan et al., 2002）。

1.He, J., Yang, K., Tang, W. Lu, H., Qin, J., Chen, Y.Y., & Li, X. (2020). The first high-resolution meteorological forcing dataset for land process studies over China. Scientific Data, 7, 25, https://doi.org/10.1038/s41597-020-0369-y.( 查看 | Bibtex格式)