此数据集以仰光深水港地区极端降水灾害危险性空间分布数据集（2019）和脆弱性空间分布数据集（2019）为基础，结合仰光深水港地区的GDP和人口分布数据，通过“风险=暴露度×脆弱性×危险性”的定义，计算得出了仰光深水港地区极端降水灾害的风险。该数据集可以为当地的防灾减灾工作提供参考，通过分析高风险的分布及成因，可以针对性的提出工程措施或非工程措施，达到减灾防灾的目的，降低极端降水灾害所带来的人民群众生命财产损失。
李毅
该数据集的区域为仰光深水港中心城区。该数据集以极端降水灾害脆弱性空间分布数据集（2019）为基础，参考了其评价指标体系。在评价仰光深水港地区的极端降水灾害脆弱性时，考虑了减灾力和敏感性指标，其中减灾力与脆弱性呈负相关，敏感性与脆弱性呈正相关。减灾力考虑了不透水面的密度、路网密度和救援应急设施的密度；敏感性考虑了当地的土地覆盖类型，包括农田、城镇和道路交错带。当极端降水灾害发生时，高脆弱性的区域会受到更严重的损失，重建的难度更大。
葛咏, 李强子, 李毅
面向中亚五国农业可持续发展，以耕地为目标，从土地资源开发利用风险角度开展了土地资源脆弱性评价。以耕地为目标的土地资源开发利用风险评价因子包括：地形因子（高程、坡度）、土地利用类型、土壤质地等，农业可持续发展评价因子包括：人均GDP、人均谷物产量、农业经济增长率、城市化水平、人口自然增长率、土壤有机质含量等。将上述指标中直接代表土地资源属性的土地利用类型、土壤质地、土壤有机质含量等作为土地资源脆弱性评价指标，基于指标加权平均获取了土地资源脆弱性，并将土地资源脆弱性评价作为土地资源开发利用风险评价的一部分，进行土地资源开发利用风险评估时采用多元线性回归方法确定土地资源脆弱性评价指标的权重。数据提供了1995s (1992-1996), 2000s (1997-2001), 2005s (2002-2006), 2010s (2007-2011), 2015s (2012-2017)和1995-2015六个时间段的中亚五国土地资源脆弱性，空间分辨率为0.5°×0.5°。数据集可为中亚五国土地资源开发利用和农业发展等提供基础数据支撑。
李兰海, 黄法融
该数据集的评价区域为仰光深水港中心城区。该数据集以极端降水灾害危险性空间分布数据集（2019）为基础，参考了其的评价指标体系。该数据集综合考虑了降水危险性和地形危险性指标。其中降水危险性指标包括极端降水强度指标和极端降水频率指标，这两个指标都从GPM降水数据中统计、提取得到，地形危险性主要考虑了高程指标。最终得到了极端降水灾害危险性评价结果，危险性高的区域，其受到极端降水灾害的可能性和灾害的强度高于危险性低的区域。
葛咏, 李强子, 李毅
仰光深水港地区经济发展程度空间分布数据是仰光主要城区的GDP分布数据。GDP可以表示一个地区的经济发展程度，是衡量一个国家的总体经济状况重要指标。该数据的源数据来自Matti，原始分辨率为5km。对原数据进行裁剪，获得仰光深水港主城区的数据后，进行降尺度处理，将数据的分辨率降尺度至10m级。经济发展程度数据可以衡量仰光深水港地区的发达程度，并用于城市规划、选举、风险评估、灾害救援、疾病防控、减贫扶贫等诸多领域。
葛咏, 李毅
本数据是2019年十米尺度的人口格网数据，每个格网表达该范围内的人口总的数量（单位：人）。该数据的源数据来源于World Pop 数据中心的缅甸2019年1km人口数据集（https://www.worldpop.org/geodata/summary?id=40443），对获取到的源数据进行投影转换、裁剪等处理加工得到仰光地区的人口分布，再对数据进行降尺度处理，通过空间尺度转换以及降尺度等方法结合多源辅助数据利用随机森林方法计算得到，得到仰光深水港地区精细化人口（10m）空间分布数据集。人口数据可用于诸多领域，包括城市规划、选举、风险评估、灾害救援、疾病防控、减贫扶贫等；
葛咏, 李强子, 李毅
该数据集包括了仰光深水港中心城区的道路情况，水系情况，以及土地利用情况。道路数据集同时包括公路和铁路，水系数据集包括河流和湖泊。道路数据集和水系数据集为矢量数据，土地利用数据集为10m分辨率的栅格数据。土地利用的分类体系为：10.Forest森林；20.Cultivated Land 耕地；21.Paddy filed 水田；22.Dry farmland 旱地；30.Water 水体；31.River 河流；32.Lake 湖泊（含水库、坑塘）；33.wetland 沼泽湿地；40.Artificial surface 人工表面；43. Mining area 采矿区；50.Bareland 裸土、裸岩、荒漠等，基于有限样本对数据进行精度分析，分类精度约在90%以上。
葛咏, 李强子, 李毅
本数据目标是围绕“一带一路”沿线关键节点区域气候变化相关环境问题，选择34个关键节点（重要城市，重大工程、港口和工业园区）区域的极端干旱气候事件，开展极端干旱的风险评估，支撑绿色“一带一路”建设空间路线图的研究，服务于绿色“一带一路”建设。本数据将2011-2015年的多期干旱风险的线性回归斜率作为“极端干旱时空变化状态”，得到“一带一路”区域共34个节点1km分辨率的极端干旱变化状态特征，为我国海外园区、港口和重大工程建设规划、运营管理、环境问题应急与防治提供应对干旱灾害的科学依据和对策建议，推进和保障“一带一路”泛第三极地区的区域发展战略的顺利实施。
吴骅, 张丹, 陈报章
遥感影像是指记录各种地物电磁波大小的胶片或照片，主要分为航空像片和卫星相片。仰光深水港地区1-5m遥感数据集来自于高分二号卫星，最高分辨率为1m，最低分辨率为5m，总共包括7个区域的影像。每一个区域都有4幅影像，分别是5m级和1m级的波段合成影像。5m级的影像的精度已经能够满足大部分研究用途的需要，且数据量更小；1m级的影像的精度更高，可以用于合成、验证等用途，但是数据量较5m级的数据更大。在实际使用时，可以根据研究者自己的需要，选择5m级或1m级的影像。
葛咏, 李强子, 李毅
仰光深水港地区10m级高程数据集是仰光深水港主要城区的DEM数据，DEM是数字高程模型的英文简称(Digital Elevation Model)，是流域地形、地物识别的重要原始资料。该数据集能够反映仰光深水港主要城区10m级分辨率的局部地形特征，因此通过该数据集，可提取大量的地表形态信息，这些信息包含流域网格单元的坡度、坡向以及单元格之间的关系等，可以为仰光深水港主要城区的研究提供精确的地形数据以及可靠的验证数据。
葛咏, 李强子, 李毅
1）沙尘、硫酸盐、有机碳、黑碳和海盐气溶胶以及总气溶胶的光学厚度、垂直质量浓度和消光系数； 2）数据来源：数值模拟，加工方法：基于CALIPSO卫星垂直观测和全球气溶胶模式，通过四维局地集合转换卡尔曼滤波同化方法产生； 3）数据质量良好； 4）该气溶胶同化数据时空覆盖完整，可用于泛第三极地区气溶胶及其化学组分的时空分布特征及其演变规律研究，还可用于气溶胶-云互馈对降水和水汽输送及其辐射、气候以及环境效应研究。
戴铁, 程越茗
CMIP5（Coupled Model Intercomparison Project Phase 5）是气候耦合模型相互比较项目的第五阶段实验，提供了一个多气候模式环境，可用于预估“一带一路”关键节点区域未来气候变化，以应对关键节点区域的环境气候问题。本数据集以“一带一路”关键节点区域为研究区，对CMIP5的43个气候模式对研究区未来气候变化的预估能力进行评估，以模拟结果的均方根误差为标准，分别选取RCP4.5及RCP8.5情景下模拟能力最优的气候模式，对研究区进行气候模拟，得到研究区2006至2065年降雨量、气温的未来预估数据，并使用统计降尺度方法使数据集空间分辨率达到10km，时间分辨率为每月。每一期数据具有三个波段，分别是气温最大值、气温最小值和降雨量。本数据集中，降雨量单位为kg/(m^2*s)，气温单位为K。本数据集为应对关键节点区域的环境气候问题提供数据基础。
李炘妍, 凌峰
基于全球热带气旋路径数据、全球灾害事件及损失数据、全球潮位观测数据以及典型区域的DEM数据、海岸线分布数据、土地覆盖信息、人口及其他相关数据，以十米网格为评估单元，提取并计算每个单元里与风暴潮灾害危险性相关的指标。基于统计学方法估算每20年、50年和100年一遇的潮位高低。在此基础上，构建风暴潮灾害危险性评估指数，利用加权方法综合上述各指标得到风暴潮危险指数，以此来评价各评估单元风暴潮危险性的高低，并可用于进行风暴潮危险等级评估。数据集包括汉班托塔港口区域的20年一遇、50年一遇和100年一遇的危险性评估结果图。
董文
汉班托塔港地区精细化GDP空间分布数据集是以2015年百米尺度的斯里兰卡地区GDP数据为基础，辅助从高分辨率遥感影像上获得的土地利用数据以及POI数据进行降尺度获得的。通过DigitalGlobe的高分辨率（0.5m）卫星图像开展土地利用分类处理，对分类结果进行人工交互解译纠正获得包含建筑、农田等主要利用类型的土地利用分类图。在此基础上，通过互联网地图获得POI数据，基于POI数据进行密度分析，进行建成区的功能区划分，形成商业区、工业区、教育区、住宅区、农业区等产业相关功能区划图。以百米尺度GDP数据为基础，依据不同图斑中的百米尺度GDP统计均值，设定不同功能区的GDP权重比例。最后，在区域GDP总值的控制下，按照权重比例分配不同功能区单元的GDP，得到精细尺度的GDP分布数据。数据产品为WGS84坐标系，空间分辨率为30米，与公里尺度公开发表数据产品对比精度到80%。
董文
汉班托塔港地区精细化人口空间分布数据集是在斯里兰卡地区的HRSL数据基础上通过再分析加工生成的。HRSL数据以1弧秒（约30米）的分辨率提供了2015年人口分布的估计值。在HRSL数据中使用了最近的人口普查信息和基于卫星影像的建成区信息。本数据集是以HRSL数据为基础，首先通过计算机视觉技术从0.5米分辨率的遥感影像上提取建筑物的边界并结合人工目视解译和实地采集样本确定建筑物类型（高层楼房、中低层楼房、平房等），以建筑物区域构建人口分布区掩膜，以十米网格为分析单元，计算单元内不同建筑物类型比例、主要土地利用类型比例、建筑物密度、距离道路距离等相关指标，从HRSL数据中计算建筑类型一致区的平均密度，通过机器学习方法获得各建筑物对应的人口密度，然后采用比例分配法，将区域中人口数据分配到对应单元内，得到10米分辨率的人口分布产品。数据以GeoTIFF文件的形式分发。人口GeoTIFF代表人口估计数（以人计），为人道主义领域的人口、基础设施和可持续性研究提供详细的估计。
董文
汉班托塔和科伦坡地区防灾减灾设施空间分布数据集（2016-2018年）是基于高分辨率遥感影像进行分类信息提取获得的。基于融合得到的1-2米的遥感影像数据，结合POI数据，分别开展了医院、消防和避难设施等相关的基础设施分布信息提取，在此基础上，将OSM的相关图层、POI图层与提取的结果、影像进行叠加，通过目视检查等方式发现错误，进行提取结果的修正，最后形成汉班托塔节点和科伦坡区域的防灾减灾相关设施分布矢量图层数据。
董文
汉班托塔和科伦坡地区交通、水系等基础设施空间分布数据集（2016-2018年）是基于高分辨率遥感影像进行分类信息提取获得的。基于融合得到的1-2米的遥感影像数据，分别开展了道路、水体、海岸线和沿海设施等相关的基础设施分布信息提取，在此基础上，将OSM的道路等图层与提取的结果、影像进行叠加，通过目视检查等方式发现错误，进行提取结果的修正，最后分别形成汉班托塔节点区域的道路、水系、海岸线和沿海设施分布图层。本数据集包含了汉班托塔和科伦坡两个关键节点区域的数据信息。
董文
汉班托塔地区的米级分辨率的遥感影像数据是由不同卫星的数据融合拼接而成，选择了2018年-2019年2年时间期间，分辨率在0.5米-1米之间的多光谱遥感影像，筛选时间相近的无云数据，按照研究区裁剪、拼接形成结果数据集。数据主要覆盖汉班托塔港口区域，数据的空间分辨率约为0.6米左右。数据主要用于研究去高精度的承灾体要素提取，例如港口设施、道路等。提取的专题要素将作为风暴潮灾害暴露度和脆弱性分析的基础数据。
董文
汉班托塔地区的5米分辨率的DEM数据是由资源三号卫星获取的立体像对数据加工处理得到。资源三号卫星搭载了四台光学相机，包括一台地面分辨率2.1m的正视全色 TDI CCD相机、地面分辨率3.5m的前视和后视全色 TDI CCD相机、一台地面分辨率5.8m的正视多光谱相机。其中前正后视全色相机，推扫成像形成三线阵立体像对，可用于DEM提取。通过对2018年至2019年间的资源三号过境信息及数据进行检索，选择了汉班托塔地区无云的立体像对数据进行DEM提取，主要包括定义地面控制点、连接点、设置DEM 提取参数和结果编辑等步骤。
董文
此数据集以百米级危险性评估数据集和百米级脆弱性评估数据集为基础，以国际上对风险的定义“风险(R)=危险性(H)×脆弱性(V)”，计算获得了“一带一路”关键区域34个节点百米级的风险评估数据集。该数据集评估了“一带一路”重点区域在极端降水事件下的极端降水灾害风险，为当地政府部门决策提供依据，同时以便在洪涝灾害发生前进行预警，从而可以争取到宝贵的时间采取防灾减灾措施，降低洪涝灾害所带来的人民群众生命财产损失。
葛咏, 李强子, 李毅
联系方式
中国科学院西北生态环境资源研究院
0931-4967287
poles@itpcas.ac.cn
关注我们
时空三极环境大数据平台 © 2018-2020 陇ICP备05000491号 | All Rights Reserved
｜ 
京公网安备11010502040845号
数据中心技术支持: 数云软件
