- 服务电话：025-85891253
搜索
韦晶，美国马里兰大学助理研究科学家。美国地球物理学会大气杰出青年学者（AGU James R. Holton Award，全球遴选一位）、遥感杰出青年学者（Remote Sensing Young Investigator Award，全球遴选一位）。主要从事利用卫星遥感和人工智能研究空气质量、云、气溶胶、颗粒物化学成分和痕量气体，以及评估空气污染对环境健康的影响等研究。以第一或通讯作者在Lancet Planet Health、Environ Sci Technol、Remote Sens Environ等杂志发表论文70篇，15（7）篇论文入选ESI全球高被引（热点）论文。总引用5700余次，H-index 为 40，连续多年入选斯坦福大学全球前2%顶尖科学家榜单。担任Earth System Science Data编辑和JGR: Atmospheres副编辑。
E-mail：weijing_rs@163.com; weijing@umd.edu
李占清，美国马里兰大学“杰出大学”教授。美国地球物理学会、气象学会和科学进步协会会士（Fellow of AGU, AMS & AAAS）。主要研究领域为卫星遥感、气候、环境、大气物理与化学。在地球辐射平衡、云、气溶胶、降水、火灾监测、中国环境和气候变化等方面开展了较深入和系统研究。发表国际SCI文章400余篇，引用3万多次（全球前0.1%高被引学家），H-index 为 91。荣获美国地球物理学会AGU大气杰出研究与无私合作奖，加拿大公务员最高奖、航空航天协会奖，德国洪堡基金终身研究成就奖等10多项奖。担任Atmospheric Chemistry and Physics编辑。
E-mail：zli@atmos.umd.edu
中国高分辨率高质量近地表空气污染物数据集(CHAP)是一套基于多源卫星遥感技术，融合丰富地基观测、大气再分析、排放清单和模式模拟等大数据，利用人工智能，考虑了大气污染的时空异质特性，生产得到的我国长时间序列、全覆盖、高时空分辨率和高精度的不同种类近地表空气污染物遥感数据集。
CHAP数据集包含PM1、PM2.5、PM10、O3、NO2、SO2和CO共7种近地表空气污染物，及PM2.5化学成分（硫酸盐、硝酸盐、铵盐、氯离子和黑碳等），更多污染物种类会陆续推出。数据集已被哈佛大学、北京大学、生态环境保护部等国内外50余家单位广泛应用到医学健康、环境科学、大气科学及遥感等多个领域，长三角区域尺度应用效果亦反馈较好。该数据集不断更新，面向全球用户免费开放！欢迎大家下载使用，多提宝贵意见！
数据概况：
该数据集基于四维时空-极端随机树模型，利用模式资料填补了卫星MODIS MAIAC AOD产品的空间缺失值，结合地基观测、大气再分析和排放清单等大数据生产得到全球逐日无缝隙地面PM2.5数据。主要范围为全球陆地区域，空间分辨率为1 km，时间分辨率为日、月、年，单位为μg/m3。
数据已更新至2022年。
相关论文
Wei, J., Li, Z., Lyapustin, A., Wang, J., Dubovik, O., Schwartz, J., Sun, L., Li, C., Liu, S., and Zhu, T. First close insight into global daily gapless 1 km PM2.5 pollution, variability, and health impact. Nature Communications, 2023, 14, 8349. https://doi.org/10.1038/s41467-023-43862-3
更新！1 km，2017-2022年，逐日/逐月/逐年
数据下载链接（Version4）：
全球1km高分辨率高质量逐日PM2.5数据集(2017-2022年)：点击这里下载
全球1km高分辨率高质量逐月PM2.5数据集(2017-2022年)：点击这里下载
全球1km高分辨率高质量逐年PM2.5数据集(2017-2022年)：点击这里下载
数据概况：
该数据集基于时空-极端随机树模型，利用模式资料填补了卫星MODIS MAIAC AOD产品的空间缺失值，结合地基观测、大气再分析和排放清单等大数据生产得到全国无缝隙地面PM2.5数据。主要范围为整个中国地区，空间分辨率为1 km，时间分辨率为日、月、年，单位为μg/m3。
更新！1 km，2000-2023年，逐日/逐月/逐年
数据下载链接（Version4）：
中国1km高分辨率高质量逐日PM2.5数据集(2000-2023年)：点击这里下载
中国1km高分辨率高质量逐月PM2.5数据集(2000-2023年)：点击这里下载
中国1km高分辨率高质量逐年PM2.5数据集(2000-2023年)：点击这里下载
相关论文
Wei, J., Li, Z., Lyapustin, A., Sun, L., Peng, Y., Xue, W., Su, T., and Cribb, M. Reconstructing 1-km-resolution high-quality PM2.5 data records from 2000 to 2018 in China: spatiotemporal variations and policy implications. Remote Sensing of Environment, 2021, 252, 112136. https://doi.org/10.1016/j.rse.2020.112136 (ESI Hot and Highly Cited Paper, Journal Most Cited Articles since 2019/2020, 中国百篇最具影响国际学术论文)
Wei, J., Li, Z., Cribb, M., Huang, W., Xue, W., Sun, L., Guo, J., Peng, Y., Li, J., Lyapustin, A., Liu, L., Wu, H., and Song, Y. Improved 1 km resolution PM2.5 estimates across China using enhanced space-time extremely randomized trees. Atmospheric Chemistry and Physics, 2020, 20, 3273–3289. https://doi.org/10.5194/acp-20-3273-2020 (ESI Hot and Highly Cited Paper)
数据概况：
该数据集通过开发一种四维时空-深度森林模型，以CHAP数据集中逐日1公里无缝隙PM2.5数据集为约束，整合PM2.5化学成分的高密度地基观测网络、卫星遥感产品、气象再分析和模型模拟等数据，构建不同化学成分与总PM2.5浓度的转换模型，首次分离得到中国逐日无缝1公里无缝隙4种主要PM2.5无机化学成分卫星遥感产品，包括硫酸盐（SO42）、硝酸盐（NO3-）、铵盐（NH4+）和氯离子（Cl-）。主要范围为中国东部地区，空间分辨率为1 km，时间分辨率为日、月、年，单位为µg/m3。数据以NetCDF (.nc)格式进行存储。
1 km，2000-2022年，逐日/逐月/逐年
数据下载链接（Version1）
中国1km高分辨率高质量逐年PM2.5无机化学成分数据集(2013-2020年)：点击这里下载
中国1km高分辨率高质量逐月PM2.5无机化学成分数据集(2013-2020年)：点击这里下载
中国1km高分辨率高质量逐日PM2.5无机化学成分数据集(2013-2020年)：点击这里下载
相关论文
Wei, J., Li, Z., Chen, X., Li, C., Sun, Y., Wang, J., Lyapustin, A., Brasseur, G., Jiang, M., Sun, L., Wang, T., Jung, C., Qiu, B., Fang, C., Liu, X., Hao, J., Wang, Y., Zhan, M., Song, X., and Liu, Y. Separating daily 1 km PM2.5 inorganic chemical composition in China since 2000 via deep learning integrating ground, satellite, and model data. Environmental Science & Technology, 2023. https://doi.org/10.1021/acs.est.3c00272
数据概况：
该数据集基于时空-极端随机树模型，利用模式资料填补了卫星MODIS MAIAC AOD产品的空间缺失值，结合地基观测、大气再分析和排放清单等大数据生产得到全国无缝隙地面PM10数据。主要范围为整个中国地区，空间分辨率为1 km，时间分辨率为日、月、年，单位为μg/m3。
更新！1 km，2000-2023年，逐日/逐月/逐年
数据下载链接（Version4）
中国1km高分辨率高质量逐日PM10数据集(2000-2023年)：点击这里下载
中国1km高分辨率高质量逐月PM10数据集(2000-2023年)：点击这里下载
中国1km高分辨率高质量逐年PM10数据集(2000-2023年)：点击这里下载
相关论文
Wei, J., Li, Z., Xue, W., Sun, L., Fan, T., Liu, L., Su, T., and Cribb, M. The ChinaHighPM10 dataset: generation, validation, and spatiotemporal variations from 2013 to 2019 across China. Environment International, 2021, 146, 106290. https://doi.org/10.1016/j.envint.2020.106290 (ESI Highly Cited Paper)
数据概况：
该数据集基于人工智能模型以太阳辐射强度和空气温度作为主要预测因子，结合地基观测、大气再分析和排放清单等大数据生产得到全国无缝隙地面最大8小时滑动平均地面O3数据。主要范围为整个中国地区，时间分辨率为日、月、年，单位为μg/m3。请注意，2000年至今的数据产品分辨率提升至1公里。
更新！1 km，2000-2023年，逐日/逐月/逐年
数据下载链接（Version2）
中国1km高分辨率高质量逐日地面臭氧O3数据集(2000-2023年)：点击这里下载
中国1km高分辨率高质量逐月地面臭氧O3数据集(2000-2023年)：点击这里下载
中国1km高分辨率高质量逐年地面臭氧O3数据集(2000-2023年)：点击这里下载
相关论文
[1] Wei, J., Li, Z., Li, K., Dickerson, R., Pinker, R., Wang, J., Liu, X., Sun, L., Xue, W., and Cribb, M. Full-coverage mapping and spatiotemporal variations of ground-level ozone (O3) pollution from 2013 to 2020 across China. Remote Sensing of Environment, 2022, 270, 112775. https://doi.org/10.1016/j.rse.2021.112775 (ESI Highly Cited Paper)
[2] Yang, Z., Li, Z., Cheng, F., Lv, Q., Li, K., Zhang, T., Zhou, Y., Zhao, B., Xue, W., and Wei, J.* (2024). Two-decade surface ozone (O3) pollution in China: enhanced fine-scale estimations and environmental health implications. Remote Sensing of Environment, Major revision. https://doi.org/10.22541/essoar.170882559.93392805/v1
数据概况：
该数据集利用人工智能技术，考虑了空气污染的时空异质特性，从大数据(如地基观测、卫星遥感产品、大气再分析和模式模拟资料等)中生产得到全国无缝隙地面NO2数据。主要范围为整个中国地区，时间分辨率为日、月、年，单位为µg/m3。请注意，中国地面NO2数据集的空间分辨率在2019年之前为10公里，2019年之后提高到1公里。
[1]更新！1 km，2019-2023年，逐日/逐月/逐年
数据下载链接（Version2）
中国1km高分辨率高质量逐日近地表NO2数据集(2019-2023年): 点击这里下载
中国1km高分辨率高质量逐月近地表NO2数据集(2019-2023年): 点击这里下载
中国1km高分辨率高质量逐年近地表NO2数据集(2019-2023年): 点击这里下载
相关论文
Wei, J., Liu, S., Li, Z., Liu, C., Qin, K., Liu, X., Pinker, R., Dickerson, R., Lin, J., Boersma, K., Sun, L., Li, R., Xue, W., Cui, Y., Zhang, C., and Wang, J. Ground-level NO2 surveillance from space across China for high resolution using interpretable spatiotemporally weighted artificial intelligence. Environmental Science & Technology, 2022, 56(14), 9988–9998. https://doi.org/10.1021/acs.est.2c03834 (ESI Highly Cited Paper, Editor Invitation)
[2]10 km，2008-2018年，逐日/逐月/逐年
数据下载链接（Version2）
中国10km高分辨率高质量逐日近地表NO2数据集(2008-2018年)：点击这里下载
中国10km高分辨率高质量逐月近地表NO2数据集(2008-2018年)：点击这里下载
中国10km高分辨率高质量逐年近地表NO2数据集(2008-2018年)：点击这里下载
相关论文
Wei, J., Li, Z., Wang, J., Li, C., Gupta, P., and Cribb, M. Ground-level gaseous pollutants (NO2, SO2, and CO) in China: daily seamless mapping and spatiotemporal variations. Atmospheric Chemistry and Physics, 2023, 23, 1511–1532. https://doi.org/10.5194/acp-23-1511-2023 (ESI Hot and Highly Cited Paper)
数据概况：
该数据集利用人工智能技术，考虑了空气污染的时空异质特性，使用人工智能从大数据(如地基观测、卫星遥感产品、大气再分析和模式模拟资料等)中生产得到全国无缝隙地面SO2数据。主要范围为整个中国地区，时间分辨率为日、月、年，单位为µg/m3。请注意，中国地面SO2数据集的空间分辨率在2019年之前为10公里，2019年之后提高到1公里。
[1]更新！1 km，2019-2023年，逐日/逐月/逐年
数据下载链接（Version2）
中国1km高分辨率高质量逐日近地表SO2数据集(2019-2023年): 点击这里下载
中国1km高分辨率高质量逐月近地表SO2数据集(2019-2023年): 点击这里下载
中国1km高分辨率高质量逐年近地表SO2数据集(2019-2023年): 点击这里下载
[2]10 km，2013-2018年，逐日/逐月/逐年
数据下载链接（Version1）
中国10km高分辨率高质量逐日近地表SO2数据集(2013-2018年): 点击这里下载
中国10km高分辨率高质量逐月近地表SO2数据集(2013-2018年): 点击这里下载
中国10km高分辨率高质量逐年近地表SO2数据集(2013-2018年): 点击这里下载
相关论文
Wei, J., Li, Z., Wang, J., Li, C., Gupta, P., and Cribb, M. Ground-level gaseous pollutants (NO2, SO2, and CO) in China: daily seamless mapping and spatiotemporal variations. Atmospheric Chemistry and Physics, 2023, 23, 1511–1532. https://doi.org/10.5194/acp-23-1511-2023 (ESI Hot and Highly Cited Paper)
数据概况：
该数据集利用人工智能技术，考虑了空气污染的时空异质特性，使用人工智能从大数据(如地基观测、卫星遥感产品、大气再分析和模式模拟资料等)中生产得到全国无缝隙地面CO数据。主要范围为整个中国地区，时间分辨率为日、月、年，单位为mg/m3。请注意，中国地面CO数据集的空间分辨率在2019年之前为10公里，2019年之后提高到1公里。
[1]更新！1 km，2019-2023年，逐日/逐月/逐年
数据下载链接（Version2）
中国1km高分辨率高质量逐日近地表CO数据集(2019-2023年): 点击这里下载
中国1km高分辨率高质量逐月近地表CO数据集(2019-2023年): 点击这里下载
中国1km高分辨率高质量逐年近地表CO数据集(2019-2023年): 点击这里下载
[2]10 km，2013-2018年，逐日/逐月/逐年
数据下载链接（Version1）
中国10km高分辨率高质量逐日近地表CO数据集(2013-2018年): 点击这里下载
中国10km高分辨率高质量逐月近地表CO数据集(2013-2018年): 点击这里下载
中国10km高分辨率高质量逐年近地表CO数据集(2013-2018年): 点击这里下载
相关论文
Wei, J., Li, Z., Wang, J., Li, C., Gupta, P., and Cribb, M. Ground-level gaseous pollutants (NO2, SO2, and CO) in China: daily seamless mapping and spatiotemporal variations. Atmospheric Chemistry and Physics, 2023, 23, 1511–1532. https://doi.org/10.5194/acp-23-1511-2023 (ESI Hot and Highly Cited Paper)
以上数据可通过长三角科学数据中心（http://geodata.nnu.edu.cn）提交订单申请下载！ 如有其它数据需求可联系本中心邮箱咨询：geodata@njnu.edu.cn
截止2024年1月，中国高分辨率高质量近地表空气污染物数据集(CHAP)支撑应用论文已在Nature子刊、Lancet子刊、Circulation等相关领域顶级杂志发表相关应用文章340余篇！目前这些应用涵盖了环境、健康、大气等多个领域，文章入选知名杂志如Neurology、Thorax、Hypertension、ES&T、GRL等等，也已经有文章入选ESI Highly Cited Paper和Journal High Impact Paper。
可加入长江三角洲数据中心服务QQ群（185095049）或关注微信公众号（geodatanjnu）获取论文资料。
余柏蒗，博士，教授，博士生导师，教育部奖励计划青年学者（2018年度），华东师范大学紫江优秀青年学者；华东师范大学人才工作办公室主任，地理科学学院、地理信息科学教育部重点实验室教授。2009年毕业于华东师范大学地图学与地理信息系统专业获博士学位，之后留校工作。主要从事夜间灯光遥感、城市空间信息遥感分析、城市三维形态遥感等研究工作。主持了国家自然科学基金等多项国家级和省部级科研项目，在Remote Sensing of Environment、IJGIS、Landscape and Urban Planning、Applied Energy等期刊发表学术论文80余篇，其中SCI/SSCI检索60余篇。IEEE高级会员，中国地理信息产业协会理论与方法委员会副主任委员、教育与科普工作委员会委员，Remote Sensing副主编、Journal of Spatial Science等国际期刊编委，担任40余个SCI期刊审稿人，是中国自然科学基金和美国自然科学基金函评专家；获上海市科技进步一等奖、上海市青年五四奖章等奖励。
E-mail：blyu@geo.ecnu.edu.cn。
个人主页：https://faculty.ecnu.edu.cn/_s33/ybl/main.psp。
陈佐旗，博士, 数字中国研究院（福建），福州大学空间数据挖掘与信息共享教育部重点实验室副研究员。研究方向为夜间灯光遥感、城市遥感及GIS开发等。
E-mail：zqchen@fzu.edu.cn。
个人主页：https://zuoqichen.github.io
施开放，博士，安徽师范大学（地理与旅游学院）教授。研究方向为夜间灯光遥感、遥感经济分析、城市地理等。
Email: skffyy@swu.edu.cn
通过改进自编码器实现了夜间灯光数据跨传感器（DMSP-OLS和NPP-VIIRS）校正方案。将2013年的EANTLI数据作为输入数据，而输出数据的验证集则为同年份的NPP-VIIRS年合成夜间灯光数据（Composited NPP-VIIRS NTL Data），经过迭代训练获得两套数据集的关系模型，再依次将2000年至2012年的EANTLI输入至训练后的模型中，从而获得对应年份的“类NPP-VIIRS”数据（NPP-VIIRS-like NTL Data），最后通过合成2013年至2023年的NPP-VIIRS月合成夜间灯光数据获得对应年份的年合成产品，从而生产出2000年至今的新夜间灯光数据集。该数据集具有同NPP-VIIRS夜间灯光数据一致的参数属性和类似于NPP-VIIRS的数据质量。 在时序一致性方面，首套全球500米分辨率的新夜间灯光数据集能够真实地反映不同尺度下的人口以及灯光亮度的时序变化，甚至是反映出2007-2010年间的全球经济大萧条。总的来说，新夜间灯光数据集解决了DMSP-OLS和NPP-VIIRS两套夜间灯光数据无法同时使用的问题，为城市问题研究等相关领域提供了新的数据来源。
Chen Zuoqi, Yu Bailang*, Yang Chengshu, Zhou Yuyu, Yao Shenjun, Qian Xingjian, Wang Congxiao, Wu Bin, Wu Jianping. An Extended Time Series (2000–2018) of Global NPP-VIIRS-Like Nighttime Light Data from a Cross-Sensor Calibration. Earth System Science Data, 2021, 13(3): 889-906.
该数据为中国“类DMSP-OLS” 1km 夜间灯光遥感数据集，可用时间序列为1992年至2021年。长时序夜间灯光遥感数据集范围为中国大陆地区。空间分辨率为1km。处理方法为利用“伪不变像素”方法对DMSP-OLS数据进行校准，并且考虑DMSP-OLS数据与SNPP-VIIRS数据时间分辨率的一致性，在合成年度SNPP-VIIRS数据之前实现SNPP-VIIRS原始月度数据中缺失数据的修复。此外，进一步结合校准DMSP-OLS数据（1992-2013年）和由SNPP-VIIRS数据转换的类DMSP-OLS数据（2013-2021年）计算得到改进的类DMSP-OLS数据集（1992-2021年）。
Wu Yizhen, Shi Kaifang*, Chen Zuoqi, Liu Shirao, Chang Zhijian. Developing improved time-series DMSP-OLS-like data (1992–2019) in China by integrating DMSP-OLS and SNPP-VIIRS. IEEE Transactions on Geoscience and Remote Sensing, 2021, 60: 4407714.
该数据为中国数字经济发展水平指数数据集，时间范围为2017-2020年。基于长时序类NPP-VIIRS夜光遥感数据，根据集聚经济与集聚不经济理论，构建数字经济发展水平感知模型，生产全国300余个城市的数字经济发展水平指数（值域范围0-100），指数越高说明数字经济发展水平越好，无有效结果的城市以-999填充。
Zuoqi Chen, Ye Wei, Kaifang Shi, Zhiyuan Zhao, Congxiao Wang, Bin Wu, Bingwen Qiu, Bailang Yu. The potential of nighttime light remote sensing data to evaluate the development of digital economy: A case study of China at the city level, Computers, Environment and Urban Systems, 2022, 92, 101749.
该数据集提供了中国地区1997年至2012年二氧化碳逐年排放数据，空间分辨率为1km。数据加工主要是基于IPCC框架和面板数据统计估算省级尺度下和千米格网尺度下的全国碳排放量。
Shi Kaifang, Yu Bailang*, Zhou Yuyu, Chen Yun, Yang Chengshu, Chen Zuoqi, Wu Jianping, 2019, Spatiotemporal variations of CO2 emissions and their impact factors in China: A comparative analysis between the provincial and prefectural levels. Applied Energy. 233-234: 170-181. (DOI: 10.1016/j.apenergy.2018.10.050)
该数据集提供了2000年至2012年全球城市建成区范围，空间分辨率为1km，时间分辨率为年。该数据的生产是基于DMSP-OLS夜间灯光遥感数据和MODIS NDVI和LST数据，结合区域生长和支持向量机得到了初始建成区范围，再利用马尔科夫随机场对其进行时空校正，获得最终的全球城市建成区范围。
Chen Zuoqi, Yu Bailang*, Zhou Yuyu*, Liu Hongxing, Yang Chengshu, Shi Kaifang, Wu Jianping, 2019, Mapping global urban areas from 2000 to 2012 using time series nighttime light data, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 12(4): 1143-1153. (DOI: 10.1109/JSTARS.2019.2900457)
该数据集提供了全球三种社会存量产品数据（1992年至2008年），分别为钢铁存量、铝材存量和混凝土存量，其空间分辨率为1km，时间分辨率为年，单位均为吨（t），文件名格式为“dot4_xx_year_simple_reg.tif”，其中xx代表社会存量类型（al：铝材、cement：混凝土、steel：钢铁），year代表年份。
Yu Bailang, Deng Shunqiang, Liu Gang*, Yang Chengshu, Chen Zuoqi, Hill Catherine, Wu Jianping*, 2018, Nighttime light images reveal spatial-temporal dynamics of global anthropogenic resources accumulation above ground, Environmental Science & Technology, 52, 11520-11527 (DOI: 10.1021/acs.est.8b02838)
该数据集提供了1992年至2013年全球电力消耗产品数据，其空间分辨率为1km，时间分辨率为年，单位为10^4 kWh。数据加工主要是基于校正后的夜间灯光数据进行模型模拟得到千米级的全球电力消耗格网数据。
Shi Kaifang, Chen Yun, Yu Bailang*, Xu Tingba, Yang Chengshu, Li Linyi, Huang Chang, Chen Zuoqi, Liu Rui, and Wu Jianping, 2016, Detecting Spatiotemporal Dynamics of Global Electric Power Consumption Using DMSP-OLS Nighttime Stable Light Data, Applied Energy, 184, 450-63. (DOI: 10.1016/j.apenergy.2016.10.032)
以上数据可通过长三角科学数据中心（http://geodata.nnu.edu.cn）提交订单申请下载！ 如有其它数据需求可联系本中心邮箱咨询：geodata@njnu.edu.cn
“降水日变化”讲的是降水在一天中不同时间出现的频率，是科学家和普通大众都关心的一个问题。早在1000多年前，唐代诗人李商隐在著名的《夜雨寄北》一诗中就描述了四川盆地盛行的夜雨现象——“君问归期未有期，巴山夜雨涨秋池”。如今，很多科学家仍在研究不同降水日变化现象背后的气象学机制。但一直以来，我们都缺少一幅地图来直观地展示降水日变化类型的空间分布。最近，南京师范大学刘军志老师团队利用数据挖掘技术首次绘制了详细的中国夏季降水量日变化类型的空间分布图，填补了这一空白，可为进一步的降水机理研究提供线索，也为大众了解降水日变化规律提供了直观的学习材料。
研究使用国家气象信息中心制作的中国地面自动观测站与CMORPH降水数据融合的逐小时降水量栅格数据集（http://data.cma.cn），分析的时间范围是2008-2016年9年间的夏季（6月、7月、8月）。这套数据集结合了地面站点观测数据和卫星遥感数据两者的优点，时间分辨率为1小时，空间分辨率为0.1°×0.1°。
基于上述降水产品，统计了各栅格单元的夏季降水量在一天中各小时的年平均值，每个空间单元一天24小时的降水量对应一个24维向量，该向量可用于刻画降水日变化。采用聚类算法对24维向量进行聚类分析，然后根据规则对聚类结果进行归并，具有相似降水日变化特征的栅格单元会被分到同一类中，每类中栅格单元所覆盖范围就构成了该类降水日变化的空间分布。通过这样的方式，可以得到中国夏季降水日变化类型图。考虑到不同类型降水的特点，除了总降水量，研究还对不同历时的降水分别进行了制图。
刘军志，山东海阳人，博士，南京师范大学副教授、地理信息科学系副主任，主要从事分布式水文模型、时空数据挖掘相关研究，设计研发了全分布式的生态水文模型SEIMS（Spatially Explicit Integrated Modeling System，https://github.com/lreis2415/SEIMS），所提出的水文模拟并行算法被LISFLOOD等知名模型采用，发表期刊论文80余篇，被引用2000余次。
合作联系E-mail: liujunzhi@njnu.edu.cn
该数据集主要范围为整个中国地区。包含了1997年至2012年全国二氧化碳排放产品数据。数据加工主要是基于IPCC框架和面板数据统计估算省级尺度下和千米格网尺度下的全国碳排放量。空间分辨率为1km，时间分辨率为年，单位为10^4t，存储为TIF格式。
Junzhi Liu, Lei Yang, Jingchao Jiang*, Weihua Yuan, Zheng Duan. Mapping diurnal cycles of precipitation over China through clustering. Journal of Hydrology, 2020, 125804, https://doi.org/10.1016/j.jhydrol.2020.125804 .
以上数据可通过长三角科学数据中心（http://geodata.nnu.edu.cn）提交订单申请下载！ 如有其它数据需求可联系本中心邮箱咨询：geodata@njnu.edu.cn
森林作为陆地生态系统的重要组成部分，在全球碳循环过程中起着重要作用。受全球气候变化和人类活动的影响，森林生态系统面临着前所未有的威胁。森林地上生物量作为陆地生态系统碳汇的重要组成部分，准确估算森林地上生物量将对理解全球碳动态具有重要的意义。本研究以中国为研究区，主要利用能够反演森林垂直结构的GLAS星载激光雷达数据，创新性地结合地面调查数据，光学影像，气候及地形数据，绘制了我国境内森林地上生物量的估算。结果表明，估算的森林地上生物量与地面调查验证数据有较好的一致性，预测结果与验证数据的R2为0.75，RMSE为42.39 Mg/ha。
郭庆华，青年千人，中科院植物所研究员，国科大岗位教授，主要从事遥感和地理信息系统方法及其在生态环境中的应用研究。北京大学获得学士和硕士学位；美国加州大学伯克利分校获得博士学位；回国前系加州大学默塞德分校环境工程学院创始教授；2012年创建中国科学院植物研究所数字生态研究组，任国际华人地理信息协会（CPGIS）主席，美国内华达研究所客座教授，中科院无人机管控中心副主任，中科院植物所植被与环境变化国家重点实验室学术委员会副主任等职位。在林学、生态学、地理信息及遥感科学的主流期刊Forest Ecol. Manag.、Agric. For. Meteorol.、Ecology、Remote Sens. Environ.、Global Biogeochem. Cy.、J. Geophys. Res.等发表SCI论文100余篇，发表在地理信息科学顶级刊物Int. J. Geogr. Inf. Sci.的2篇论文分别入选该杂志2005~2010年间和近十年间引用前十名文章之列。撰写的激光雷达点云单木分割算法系列文章分别获评美国摄影测量学会“Talbert Abrams”奖（授予在摄影测量学中具有重大科学突破的研究）和“ERDAS最佳学术论文”奖，相关研究成果被美国自然科学基金会评为重要研究突破（Breaking News），同时被国内外多家知名媒体（如科学美国人、Science 360、EurekAlert新闻中心、The New York Times、ABC News、新华网、中科院之声等）先后报道。出版专著《激光雷达森林生态应用——理论、方法及实例》一部，全书逾50万字，插图150幅，共351页。相关成果授权专利3项、软件著作权3项。
Su, Y., Guo, Q.*, Xue, B., Hu, T., Alvarez, O., Tao, S., & Fang, J. 2016. Spatial distribution of forest aboveground biomass in China: Estimation through combination of spaceborne lidar, optical imagery, and forest inventory data. Remote Sensing of Environment, 173, 187-199
数据获取可联系：geodata@njnu.edu.cn
或通过长三角科学数据中心提交订单！
数据申请链接：
该数据集主要根据国际上公开发行的海面变化相关观测数据以及国内外公开发表的相关研究数据和文献数据整理而成，主要包括全球海面与潮位变化数据（19世纪以来）、卫星测高数据（1992－2002年）、中国地区的海面遗迹数据（东部沿海及主要三角洲地区）及全新世海面变化（1万年以来）数据以及从相关文献图表中提取的数据和图件。
该研究借助全新世以来中国东部海面变化数据集提供的全球范围内的卫星测高数据，提取全球与中国近海及相邻洋区的海面地形和海面变化速率的时空变化规律。深入研究了黄东海及邻近海域平均海面和海面变化速率的空间分布特征及海面高度的年内变化特征。
结果显示近十年来全球平均海面高度和变化速率存在显著的空间不均匀性，海面高的最大、最小值分别121cm和-180cm，上升速率的最大、最小和平均值分别为1.9cm/a，-1.5cm/a和1.06mm/a,中国近海的海面最高值和最低值分别为121cm和-15.1cm。海面变化的速率高于全球平均值。整个海区海面变化速率最大相差16mm/a，中国沿岸附近的海面变化速率变化呈现南快北慢的趋势，但数值变化比较平缓，相差3.5mm/a。对黄东海海区海面地形的结果显示，该区海面地形南高北低，西高东低，由东南向西北倾斜，最大高差超过90cm。从海面地形年内变化的空间分布看1～6月份，中部较低，南部较高；7～12月份，中部较高，而南部较低。
该特色数据集支持重大项目较多，如为国家自然科学基金：基于几何代数的时空场数据特征解析与结构匹配方法研究、江苏省高校自然科学基金:多维时空场数据建模与特征分析的Clifford代数方法、科技部重大科学研究计划：扬子大三角洲演化与陆海交互作用过程及效应研究等众多重大项目提供了数据支持。
本特色数据集收集的太湖流域相关数据集包括：1：20万太湖流域地形数据、1：25万太湖流域土地利用类型数据、2000年太湖流域遥感影像、太湖流域地面沉降等速率数据、太湖流域行政区数据、太湖流域水系数据、水陆分界二值数据、太湖流域内各个市县的社会经济1992到2002年的社会经济指标数据（GDP、第一产业增加值、第二产业增加值及人口）。本数据集罗列了太湖流域地区的基础地理数据，社会经济发展数据等，由江苏省基础地理数据和长江三角洲数据及水系流域数据等整理而得。
该研究在已有的太湖流域各数据集的的基础上，基于海面-地面系统研究思路，模拟预测了三种不同场景下2002年-2030年海面上升（以吴淞站位的验潮数据为基准）对太湖流域土地利用及社会经济的影响。
结果显示，随着海面上升值的增加，太湖流域所受的潜在影响的也越来越大。上海市区是受影响最严重的城市，不同的土地利用类型中，平原水田受影响的面积最大，湖州市是潜在受影响平原水田面积最大的城市。
该特色数据集支持的重大项目众多，为各项目提供数据支持及技术服务，为太湖流域科学研究、太湖治理等多方面研究提供了支持，重大项目有：
南京水利科学研究院中央级公益性科研院所基本科研业务费专项资金：基于环境一号卫星数据的太湖富营养化状态遥感评价；
国家水体污染控制和专项治理科技重大专项“国家水环境遥感技术体现研究与示范”：面向湖泊水色遥感的多元数据融合与生成研究；
国家建设高水平大学公派研究生项目： 基于多遥感源的长江三角洲地区城市监测及其对植被初级生产力的影像分析；
太湖水质目标管理平台研制与应用检验：流域污染源分区分类合算与减排分析及管理平台校验；
中央级公益性科研院所基本科研业务费专项:太湖流域污染模拟与管理措施情境分析；
中国科学院重点部署项目：太湖水质目标管理平台研发等。
该数据集主要是300多个包括长江三角洲地区新石器时期和隋唐的田野考古数据记录（全新世沉积厚度数据、考古数据钻孔数据），年代为7000年－隋唐时期共8个时段的数据，全新世沉积厚度数据、考古数据钻孔数据、2000年、2030年的影响评价结果图及数据说明（包括DEM数据）。
长江三角洲地区1:50万水文地质数据:相关数据主要包括水文地质基本信息、钻孔地层信息、开采井信息、监测井及其水位、水温、水质、水量监测信息。相关数据主要来源于扬州、南京等地区的水文地质钻孔资料。比例尺为1:50万，年代为20世纪80年代，数据类型为图片和属性数据。
长江三角洲地区1:50万第四纪地质数据:数据库主要包含了长江三角洲（无锡以东）第四纪钻孔分层数据的钻孔编号、孔口标高、底板埋深、基底数据等数据，数据类型为图片和属性数据。主要服务于相关领域的研究人员，为研究环境地质变迁信息服务奠定基础，提供数据资源保障。
该研究基于海面-地面系统研究思路，以共享网提供的现代地面高程数据和全新世沉积厚度数据为基础，利用GIS技术和虚拟现实技术建立模拟系统， 重建并模拟了10 000 a BP—AD2100时段内100a—1a和1km—1cm的不同时、空分辨率的长江三角洲海岸演变过程。并利用考古遗址点数据和古海滨砂堤数据对模拟结果进行验证。研究成果表现为该时段内不同尺度的沉积厚度图、地形图、古地貌分层设色图和古地貌三维晕染图、以及长江三角洲地区在研究时段内的动态演变过程的动画文件。
试验结果显示了该研究区的现代海陆格局大体上在3000abp奠定基础的，且在一万年以来有一个明显的海侵时期。模拟所采用的海面控制参数在全新世中期曾经几度高于现代海面，但是研究区从未成为汪洋大海，有大片的陆地可供古人栖息。但研究区内曾经有不少地带曾经受到过海洋的影响，几度成为0～-2m之间的海滨湿地。
该特色数据集服务于省级国家级等各项重大项目，为国家建设高水平大学公派研究生项目：基于多遥感源的长江三角洲地区城市监测及其对植被初级生产力的影像分析等提供数据支持，并为本科课程：地貌学原理等提供数据支撑与帮助。
该数据库搜集整理了19世纪以来中国东部以及长江中下游地区历次洪涝的相关记录。包括统计数据，洪灾图片，洪灾发生时的气候、水文资料。数据集包含了洪灾数据库、洪灾图表数据库和洪水相关图件数据库三个数据库，其中洪灾数据库7主要根据相关文献图表中提取的数据，包括19世纪以来长江中下游地区历次洪涝的相关记录。反映了该流域主要的洪水过程及相关影响。洪灾图表数据包括了19世纪以来中国东部洪灾记录数据及图件。洪水相关图件数据库主要根据相关文献图表中提取的图件，包括了长江、太湖及其他流域的洪水相关过程，反映了该流域主要的洪水过程及相关影响。以及主要洪水事件的影响范围、区域洪灾危险等级、洪水过程线、洪峰空间分布等洪水相关图件。
该研究借助19世纪以来中国东部及长江中下游地区洪灾数据库提供的洪灾图表数据，洪水相关图件及洪灾发生时的气候水文资料，对长江口前缘沙洲演变与流域泥沙要素关系、长江入海水沙通量与三角洲演变模式关系、长江口三角洲演变与陆海水力要素量化关系等进行了深入研究。
结果显示长江口前缘南汇边滩、九段沙和江亚南沙及横沙东滩和浅滩3个沙洲-5m以浅面积1958-1989年为淤涨趋势，1989-1997年略有侵蚀，1997-2000年转为淤涨趋势，2000-2009年表现为持续锐减趋势；建立了沙洲面积冲淤速率与流域入海沙量、含沙量关系曲线，沙洲整体达到冲刷和淤涨平衡时的临界入海沙量、含沙量分别为2.83×108t/a与0.318kg/m3；依据以往三峡水库蓄水后入海沙量多年变化的估算成果，沙洲将在三峡水库蓄水后60a左右-5m以浅面积冲刷至1958年水平，而三峡水库蓄水后（2003-2011年）入海沙量低于预测数值，沙洲面积的减少趋势将加剧。沙洲面积的锐减将使得长江河口的湿地保护、自然资源及城市安全等面临严重威胁。
近期(1950-2011年)长江流域入海水量变化不大，沙量表现为阶段性的减少，同时含沙量自 1985 年左右也表现为锐减趋势，海平面 1978-2011 年为上升趋势。长江河口水下三角洲 1985-2009 年期间伴随着流域入海水量、沙量和海平面综合作用表现为冲刷和淤涨交替变化，其中 1997-2000 年的淤涨主要受流域水量增加控制，但2000-2009 年表现为持续的冲刷，是综合因素作用的结果。建立三角洲典型区域面积变化速率和陆海水力要素量化关系曲线，流域入海水量、沙量和含沙量的增加均有利于三角洲淤涨，而海平面的上升不利于三角洲的淤涨。同时流域和海域水力要素变化对三角洲演变的影响程度上，流域大于海域，其中流域入海流量的影响最大，即长江河口演变过程中流域水力要素的影响占主导作用。
流域入海流量和输沙率的改变对长江河口水下三角洲演变模式重要影响，近期水沙组合不同，流量和输沙率的贡献也发生一定变化。研究表明，流域入海流量无明显变化趋势，输沙率和含沙量均表现为一定的阶梯型减小趋势，近期入海流量和年内分配上为 10 月和 11 月减小，12月至次年3月增加，输沙率洪季减幅大于枯季；长江河口三角洲演变模式经历了淤涨、淤涨减缓、侵蚀的变化过程，输沙率在其演变中的贡献大于流量，但大水年或是枯水年水量贡献不容忽视；近期(2003-2010 年)入海流量和输沙率组合不同，近期三角洲淤涨比例减少，侵蚀比例增加。平衡状态中流量淤涨比例增加，沙量淤涨比例大幅减少，即流量在三角洲演变中的影响逐渐加强。河口三角洲是河流和海域两矛盾共同影响，虽流域占主导作用，但海域作用不容忽视。
该特色数据库服务项目较多，为各项目提供数据支持及技术服务，服务项目包括： 南京师范大学优秀高层次人才科研启动基金项目：基于几何代数与张量代数的多维时空过程结构解析与重构方法研究； 科技部重大项目：重大水利工程影响下河口水沙和地貌变化过程 国家自然科学基金：长三角地区土地利用景观变化特征分析、基于生态过程模型的长三角地区景观变化预测等。
该特色数据库已支撑各单位各研究者开展研究，获得丰硕成果，已支撑论文数篇，包括： 杨云平. 长江口水沙条件变化与地貌系统作用关系研究[D]. 2014. 杨云平, 李义天，樊咏阳。长江口前缘沙洲演变与流域泥沙要素关系[J]。长江流域资源与环境，2014,23（5）：652-658. 杨云平, 李义天，Xue Guoqiang。长江入海水沙通量与三角洲演变模式关系[J]. 水力发电学报,2014, 33(2): 162-167. 杨云平, 李义天，Xue Guoqiang。长江口三角洲演变与陆海水力要素量化关系[J]. 水力发电学报, 2014, 33(1): 88-94. Yang Yunping, Li Yitian, Zhu Lingling, et al. Study on the relationship between water and sediment discharge and the deltaic evolution of Changjiang River Estuary [C]. Proceedings of 2013 IAHR Congress
随着工业化、城市化进程的加速，地面沉降已成为影响经济社会可持续发展的典型环境地质问题和城市地质灾害。遥感技术在城市地面沉降研究当中已经发挥了越来越重要的作用。长江三角洲地区是我国经济发达地区之一，也是地面沉降的重点监测区域之一。长三角典型区地面沉降监测数据产品使用欧空局发布的Sentinel-1A数据，利用StaMPS方法进行数字化加工计算年平均沉降速率，分别使用精轨数据去除轨道相位、SRTM30m数据去除地形相位、GACOS数据去除大气相位，并使用人工测量的水准数据进行精度验证，误差为5-10mm。
通过地面沉降监测站数据进行验证，数据产品可动态监测长三角地区重大项目工程建设引起的城市地面沉降，对接和服务长三角区域一体化发展国家战略，进一步支撑推进长三角地区地面沉降联防联治工作。
