中国长江上游1kmPM2.5数据集(2000-2021)是中国(中国大气污染物监测中心( CHAP ))系列长期、全覆盖、高分辨率、高质量的地面空气污染物数据集之一。它是利用人工智能的大数据(例如,地基测量、卫星遥感产品、大气再分析和模式模拟等)，通过考虑空气污染的时空异质性而产生的。该数据为2000年至2021年中国长江流域每天1公里(即D1K)的地面PM2.5数据集。该数据集每天的交叉验证决定系数( CV-R2 )为0.92，均方根误差( RMSE )为10.76 µ g m - 3
伟晶
中国西南地区1kmPM2.5数据集(2000-2021)是中国(中国大气污染物监测中心( CHAP ))系列长期、全覆盖、高分辨率、高质量的地面空气污染物数据集之一。它是利用人工智能的大数据(例如,地基测量、卫星遥感产品、大气再分析和模式模拟等)，通过考虑空气污染的时空异质性而产生的。该数据为2000年至2021年中国西南地区每天1公里(即D1K)的地面PM2.5数据集。该数据集每天的交叉验证决定系数( CV-R2 )为0.92，均方根误差( RMSE )为10.76 µ g m - 3
伟晶
太阳诱导的叶绿素荧光(SIF)在测量陆地光合作用方面取得了重大进展。最近的几项研究评估了从轨道碳观测站-2(OCO-2)反演SIF在估计总初级生产力(GPP)方面的潜力。然而，OCO-2数据在空间和时间上的稀疏性使得将这些数据用于从生态系统尺度到全球的许多应用都具有挑战性。该数据集是利用离散的OCO-2 SIF测深、中分辨率成像光谱仪(MODIS)的遥感数据和气象再分析数据，开发的一个新的基于OCO-2的全球SIF数据集(GOSIF)，具有高时空分辨率(即0.05°，8天、月、年)。与直接从OCO-2测深聚合的粗分辨率SIF数据相比，GOSIF具有更好的空间分辨率、全球连续覆盖和更长的记录。GOSIF可用于评估陆地光合作用和生态系统功能，并作为陆地生物圈和地球系统模型的基准。本数据集为中国长江上游月尺度时间分辨率的日光诱导叶绿素荧光数据。
Li Xing, Xiao Jingfeng
太阳诱导的叶绿素荧光(SIF)在测量陆地光合作用方面取得了重大进展。最近的几项研究评估了从轨道碳观测站-2(OCO-2)反演SIF在估计总初级生产力(GPP)方面的潜力。然而，OCO-2数据在空间和时间上的稀疏性使得将这些数据用于从生态系统尺度到全球的许多应用都具有挑战性。该数据集是利用离散的OCO-2 SIF测深、中分辨率成像光谱仪(MODIS)的遥感数据和气象再分析数据，开发的一个新的基于OCO-2的全球SIF数据集(GOSIF)，具有高时空分辨率(即0.05°，8天、月、年)。与直接从OCO-2测深聚合的粗分辨率SIF数据相比，GOSIF具有更好的空间分辨率、全球连续覆盖和更长的记录。GOSIF可用于评估陆地光合作用和生态系统功能，并作为陆地生物圈和地球系统模型的基准。本数据集为中国长江上游8天时间分辨率的日光诱导叶绿素荧光数据。
Li Xing, Xiao Jingfeng
LandScan Global 采用结合了地理空间科学、遥感技术和机器学习算法的创新方法，是可用的代表环境（24 小时平均值）人口的最高分辨率全球人口分布数据。 LandScan Global 算法是 R&D 100 奖得主，它使用空间数据、高分辨率图像开发和多变量 dasymetric 建模方法来分解行政边界内的人口普查计数。由于没有单一的人口分布模型可以解释空间数据可用性、质量、规模和准确性的差异以及文化定居实践的差异，LandScan 人口分布模型是为匹配每个国家的数据条件和地理性质而量身定制的和地区。通过对环境人口进行建模，LandScan Global 在白天和黑夜的整个过程中捕获人们的全部潜在活动空间，而不仅仅是住宅位置。
Oak Ridge National Laboratory
