数往知来|2024–2025年数据与软件论文合集(一)

推文回顾：2002~2023年中国湖泊水位变化数据集

编辑推语：长时序、高频次、高精度的湖泊水位信息对于理解全球气候变化下的水文过程至关重要。本研究基于多源测高数据和AMPDR波形重跟踪方法，构建了2002–2023年中国湖泊水位变化数据集，为中国气候变化研究提供数据支撑。

编辑推语：针对AVHRR NDVI时序长但空间分辨率偏低、MODIS NDVI分辨率高却仅2000年起可用的局限，本文融合GIMMS3g AVHRR与MOD13A3 MODIS NDVI数据，生成1982年起全球1 km月度STFLNDVI长时序数据集。通过时序降噪、像素级辐射归一化、非局部时空融合、土地变化区残差校正等来统一两类传感器偏差并细化空间纹理。借助重叠期模拟、历史1 km AVHRR真值多维度检验，本产品时空变化与MODIS数据匹配度高，全球多数区域相关性良好，仅赤道多云雨林、高纬稀疏植被区精度偏低。该数据集弥补早年精细植被观测缺失，为数十年尺度全球植被动态、碳循环与生态环境研究提供连续高精度基础数据。

推文回顾：全球民用地球观测卫星语义数据库

编辑推语：地球观测卫星遥感具有大范围覆盖、规律性重访、长时序观测等特征，已在自然资源管理、全球变化应对等方面发挥重要作用。本文采用自动化处理和人工复核相结合的方法，通过对11个公开可访问的卫星和传感器信息库进行信息提取、融合和标定，构建了全球民用领域规模最大的地球观测卫星语义数据库。该数据库能够增强地球观测资源的可发现性和语义互操作能力，支撑地球观测资源的语义共享和知识服务。

推文回顾：STURM-Flood：基于深度学习的洪水范围制图精选数据集

编辑推语：研究构建面向深度学习洪水制图的STURM-Flood数据集，以Copernicus EMS洪水矢量为真值，覆盖全球60场洪涝，城市样本占比高。采用U-Net做基准测试，Sentinel-2模型精度 92.75%、加权F1达0.9243，整体优于 Sentinel-1 模型与Otsu、MNDWI传统阈值法。该数据集配套开源代码，适合洪涝分割模型训练。研究也指出模型对细小水体识别偏弱、样本水体占比不均衡等不足，后续可拓展多源融合、多类别洪水分割研究。

推文回顾：包含异构文本和多源遥感影像的全球多模态洪水事件数据集

编辑推语：本研究通过集成多源遥感影像和文本数据，构建了多模态洪水事件数据集MFED。MFED结合了多源遥感影像中的视觉语义特征和新闻报道洪水事件信息中更真实丰富的文本语义特征，为洪水事件分析模型训练提供有效的样本数据。

推文回顾：Geo-Disasters：EM-DAT气候灾害事件的高精度地理编码

编辑推语：针对EM-DAT全球灾害数据库地理定位粗糙、难以开展空间耦合分析的缺陷，本文构建Geo-Disasters数据集，对1990–2023年9217场气候灾害完成地理编码。依托 GAUL 行政边界搭建三级匹配流程，配套四级可信度标记，对比现有 GDIS 数据集验证精度更高。数据集分行政区单元与事件聚合矢量两类，覆盖洪水、风暴等六类灾害，配套开源可复现代码，可对接气候、人口、经济栅格数据，弥补全球气候风险评估空间数据缺口。

编辑推语：本文开发开源 R 软件包deeptime，基于ggplot2实现地质年代序列高度自定义、可复现可视化，弥补现有地学绘图工具短板。deeptime分为三大核心功能模块：可调取ICS标准地质年表，支持直角、极坐标图表嵌入；提供时间分层分面、化石分布范围绘图函数；集成USGS标准化岩性填充图案。文中展示同位素曲线、系统发育图、化石延限图、地层柱四类实例，配套完整文档与开源代码，可直接从CRAN安装，后续将持续完善与古生物相关R包的协同能力。

编辑推语：针对地球系统海量时空数据立方体可视化工具存在内存占用高、三维交互缺失、无法嵌入Jupyter科研工作流等问题，本研究研发开源工具Lexcube for Jupyter。该工具基于Lexcube网页可视化架构改造，搭建前后端协同架构，采用分块按需读取、自研分块缓存、高速瓦片压缩等技术，实现百GB级数据在8 GB内存设备下的实时交互。工具兼容Numpy、Xarray等主流数据格式，可导出可视化图像与筛选后的子数据集，深度融合Python开源生态，助力科研人员在模型开发、数据校验中高效挖掘时空数据特征。

推文回顾：基于Google Earth Engine的交互式工具包：用于土地覆盖的动态变化目视解译与量化分析

编辑推语：本文基于Google Earth Engine（GEE）云平台，开发了一款交互式目视解译工具包，包含辅助信息提取工具（AIExT）、单年样本数据集目视解译工具（SSD_VIT）、时间序列信息提取工具（TimeIExT）和时间序列样本数据集目视解译工具（TSD_VIT）四大核心模块，解决了现有工具在空间覆盖范围、历史数据追溯、数据质量保障等方面的局限。该工具可高效支持单年和时间序列验证数据集的收集，并通过实验验证了其在土地覆盖变化监测与精度评估中的有效性。目前工具已开放公开访问，链接为：https://zhaotingting.users.earthengine.app/view/visual-interpretation-toolkit。

编辑推语：本文以巴西韦阿代鲁斯高原国家公园为研究区，基于2020–2022年CBERS、AMAZONIA-1卫星WFI时序影像，整合多光谱波段与火烧、植被光谱指数，制作网格化火烧数据集，人工标注完全、部分、未烧毁三类样本。利用随机森林开展多套分类与验证实验，先区分三类再合并部分烧毁、未烧毁区域的方案精度最优，混合像元导致部分烧毁识别效果较差。将结果与MCD64A1产品对比，2022年识别误差明显升高，证明WFI时序数据无需跨星光谱校正即可完成火烧区制图。