瓜达尔深水港位于巴基斯坦俾路支省西南部瓜德尔城南部,在巴基斯坦靠近伊朗一侧,东距卡拉奇约460km,西距巴基斯坦伊朗边境约120km,南临印度洋的阿拉伯海,向西则是霍尔木兹海峡和红海,与阿曼首都马斯喀特(Muscat)遥遥相对,是一个极具战略地位的海港。 本数据为瓜达尔及其周边土地覆盖数据,数据源于GlobeLand30 (Chen, 2014),数据空间分辨率为30米,数据格式为tiff。 GlobeLand30数据集研制所使用的分类影像主要包括美国陆地资源卫星(Landsat)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,采用基于像元对象知识(POK-based)的分类方法 (Chen, 2015),总体精度为83.50%,Kappa系数0.78 (Xie, 2015)。
吴骅
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
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
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
此数据集以1984-2018年全球地表水数据(WOD)为基础,选取了极端降水频率指标和极端降水强度指标,结合ArcGIS中的空间分析方法,构建评估了34个关键节点在极端降水条件下发生洪涝灾害的危险性等级。34个关键节点百里级危险性评估数据集评估了“一带一路”重点区域在极端降水事件下的洪涝灾害危险性,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
生态系统服务是生态系统为人类提供的诸多惠益。土壤保持作为陆地生态系统提供的主要调节服务之一,是防止区域土地退化、降低洪涝灾害发生频率的重要保证,其常用土壤保持量(Soil Conservation, SC)进行评估。作为国家生态安全战略格局的重要组成部分,深入探讨青藏高原地区土壤保持的时空分布对我国的生态文明建设及可持续发展具有深远意义。基于修正的通用土壤流失方程(RUSLE),使用GIMMS NDVI 3gv1.0 数据 、ASTER GDEM、气象站点及中国土壤数据集等多种数据生成了青藏高原地区8km分辨率土壤保持数据集(1990-2015)。
王晓峰
34个关键节点百米级脆弱性评估数据集评估了“一带一路”重点区域在极端降水事件下的洪涝灾害危险性,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。此数据集以“一带一路”34个关键节点的耕地利用占比,城镇用地占比,交错带占比,路网密度,不透水面占比为基础,结合ArcGIS中的空间分析方法,赋予各指标相应的权重,构建评估了34个关键节点在极端降水条件下发生洪涝灾害的脆弱性,并用自然断点法将脆弱性分为5个等级,分别代表无脆弱性,低脆弱性,中脆弱性,高脆弱性,极高脆弱性。
葛咏, 李强子, 李毅
1)数据内容:泛第三极地区基于遥感反演的主要生态环境数据,包含PM2.5浓度、森林覆盖率、EVI、土地覆被、CO2等指标;2)数据来源及加工方法:PM2.5数据来源于the Atmospheric Composition Analysis Group Web site at Dalhousie University、森林覆盖度数据来源于MODIS Vegetation Continuous Fields (VCF),CO2数据来源于ODIAC Fossil fuel emission dataset,EVI数据来源于MODIS Vegetation Index Products,土地覆被数据来源ESA CCI Land cover。提取出泛第三极65个国家和地区,其他未进行加工;3)数据质量描述:数据2000-2015年数据时间序列较好;4)数据应用成果及前景:可用于生态环境变化分析。
李广东
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