UEMM团队近期对全球不透水面数据（GAIA）、全球城市边界数据（GUB）、全球人类足迹数据（GHF）和全球夜间灯光时序数据（Harmonized NTL）进行集中更新。以上4种数据集自发布以来，被国内外多个研究团队引用，开展全球性的环境与城市评价工作。此次更新，主要在原有数据集的基础上更新了时间年份，并统一对外发布。数据与方法可参考相关论文。
数据下载链接
1. 全球逐年不透水面数据GAIA
论文：Gong, P.*, Li, X.C., Wang, J.*, Bai, Y., Chen, B., Hu, T.Y., Liu, X.P., Xu, B., Yang, J., Zhang, W., & Zhou, Y.Y. 2020. Annual maps of global artificial impervious areas (GAIA) between 1985 and 2018. Remote Sensing of Environment, 236, 111510. doi: 10.1016/j.rse.2019.111510.
简介: GAIA数据是基于长时序的30米分辨率的Landsat系列光学遥感及其他辅助数据（VIRRS夜间灯光数据及Sentinel-1雷达数据），首先通过空间掩模和特征评价算法实现了对逐年不透水面的快速制图，再通过时序一致性检验算法对不透水面序列进行滤波与转化逻辑推理，保证不透水面序列在时空上的合理性。
下载链接：https://pan.baidu.com/s/1dt8SILPrLCJZBr1NlskrOA?pwd=7tgm
2. 全球城市边界数据
论文：Li, X.C., Gong, P.*, Zhou, Y.Y.*, Wang, J., Bai, Y.Q., Chen, B., Hu, T.Y., Xiao, Y.X., Xu, B., Yang, J., Liu, X.P., Cai, W.J., Huang, H.B., Wu, T.H., Wang, X., Lin, P., Li, X., Chen, J., He, C.Y., Li, X., Yu, L., Clinton, N., & Zhu, Z.L. 2020. Mapping global urban boundaries from the global artificial impervious area (GAIA) data. Environmental Research Letters, 15, 094044. doi: 10.1088/1748-9326/ab9be3.
简介: 该数据集以全球不透水面数据(GAIA)数据为主要数据源，首先采用空间聚合、核密度估计的方法，填补城市内部；再采用膨胀和腐蚀的形态学处理方法，合并、去除零散城市斑块；最后识别城市边界目标，再移除内部空洞，得到城市矢量边界。
下载链接：https://pan.baidu.com/s/1iBKqLMyEqGnJAtDCLlLPCg?pwd=9s36
3. 全球逐年人类足迹数据
论文：Mu, H.W., Li, X.C.*, Wen, Y.N., Huang, J.X., Du, P.J., Su, W., Miao, S.X., Geng, M.Q. 2022. A global record of annual terrestrial Human Footprint dataset from 2000 to 2018. Scientific Data, 9, 176. doi: 10.1038/s41597-022-01284-8.
简介: 使用了反映人类压力不同方面的建筑环境、人口密度、夜间灯光、农田、牧场、公路、铁路、通航水道等8个变量，遵循Sanderson and Venter等人的方法，开发了2000-2020年全球陆地人类足迹的年度动态数据。利用Venter的视觉解释样本（总共3460个）评估制图精度，结果表明发现该人类足迹图的R2=0.62，高于先前的人类足迹图（R2=0.50）。同时，与Venter，Kennedy，Williams等人开发的数据保持一致，相关性分别达到0.72，0.66和0.93。
下载链接：https://pan.baidu.com/s/1X9OB1xjQdo2x4uk6lHJHNg?pwd=tvm7
4. 全球夜间灯光时序数据
论文：Li, X.C., Zhou, Y.Y.*, Zhao, M., & Zhao, X. 2020. A harmonized global nighttime light dataset 1992-2018. Scientific Data, 7, 168. doi: 10.1038/s41597-020-0510-y.
简介: 通过协调来自DMSP数据的相互校准的NTL观测值和来自VIIRS数据模拟的类似DMSP的NTL观测值，在全球范围内生成了一个综合的、一致的NTL数据集。生成的全球DMSP NTL时间序列数据（1992-2022）显示出一致的时间趋势。
下载链接：https://pan.baidu.com/s/1JzxN54pecQlM6SEHdx4xTg?pwd=7d9k