建成区（Built-up Area）可以反映一定时间阶段城市建设用地规模、形态和实际使用情况，为分析研究用地现状，合理利用建成区的土地和规划城市建设发展用地提供基础。基于1999~2003年和2013~2014年覆盖34个关键节点的卫星影像，采用有监督和无监督的数据分类过程，将数据驱动和知识驱动合理地结合起来生产得到2000年和2014年的关键节点区域建成区分布数据。初步试验证实，该建成区信息质量优于其他通过对地观测数据自动处理提取的全球信息数据。数据的Balanced Accuracy 为0.83，遗漏误差为0.22。数据为TIFF格式的栅格数据，包含0,1,2,3,4五个唯一值，其中0表示nodata，1表示水面，2表示没有建成区的土地，3表示2014年的建成区，4表示2000年的建成区。
周璞, 凌峰
该数据集为孟加拉，Satkhira、Barisal、Sylhet3个观测站点2017-2018年的日降水稳定同位素数据(δ18O,δD,d-excess)，由Bangladesh Atomic Energy Commission (BAEC)采集，在中国科学院青藏高原研究所环境与地表过程重点实验室用Picarro L2130i 波长扫描光腔衰荡光谱仪测得。 三个观测点样品采集地点及时间： Satkhira ：2017.03.11-2018.07.16 Barisal：2017.03.05-2018.07.02 Sylhet : 2017.02.20-2018.09.04
高晶
国内生产总值(GDP)是衡指一个国家(或地区)所有常驻单位，在一定时期内，生产的全部最终产品和服务价值的总和，是衡量一个国家的总体经济状况重要指标。根据已有的2015年全球GDP公里格网数据集，通过利用夜间灯光遥感数据、土地覆被类型、植被覆盖情况和地形指数等辅助信息，构建支撑向量机回归克里格降尺度模型来实现34个关键节点区域的百米空间分辨率的GDP预测。针对辅助变量的数据缺失问题，采用克里格插值填补缺值；并通过聚合和重采样方法，获取1-km和500-m夜间灯光、植被指数、土地覆被数据和地形指数，以及100-m地形指数(包括高程、坡度和坡向)。所采用的降尺度模型由趋势和残差预测两部分组成，利用支撑向量机回归建立公里尺度GDP与辅助变量之间的非线性关系，基于变量关系尺度不变的假设，结合精细尺度辅助变量，获取精细尺度GDP趋势预测；再使用克里格插值方法，得到精细尺度GDP残差预测。在降尺度预测中，首先利用1-km和500-m数据，通过降尺度模型得到500-mGDP预测结果；然后根据500-m和100-m数据，再次利用降尺度模型获取34个关键节点区域的2015年百米分辨率GDP预测数据(单位：美元(2011年) )，为区域风险评估提供高分辨率GDP预测数据。
葛咏, 凌峰
国内生产总值(GDP)是衡指一个国家(或地区)所有常驻单位，在一定时期内，生产的全部最终产品和服务价值的总和，是衡量一个国家的总体经济状况重要指标。收集公开的GDP数据，经过数据预处理得到孟加拉和缅甸的2015年五个关键节点区域的GDP公里格网数据，包括孟加拉达卡、孟加拉吉大港、缅甸皎漂港、缅甸仰光港和缅甸曼德勒。针对现有数据缺失问题，拟采用克里格插值、函数插值等方法进行数据补缺；针对数据时间不连续、空间分辨率不高等问题，拟发展基于地统计学的多源数据融合方法，生产时间连续的高分辨率GDP预测数据。
葛咏, 凌峰
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
