海域范围、海底地形等海洋地理空间数据整理

最近研究了一下有关海洋的数据，打开了新世界的大门，在此进行记录，欢迎小伙伴们交流补充呀！

1. 一个提供标准的海洋地理空间数据的网站

先上链接：

Marine Regions

部分比较有价值的数据包括：

1. 各类海洋边界（包括专属经济区、领海、毗邻区、内水、公海、群岛水域、扩展大陆架等）

该数据是根据联合国海洋法公约划定的，由于会有国家的变化，国家是否签署或退出这个公约，以及各种有争议的区域的变化，这个数据会随着时间不断更新。

2. 国际水文组织海洋区域

世界主要海洋的边界，共有101个海洋，也是随着时间会不断更新。

3. 全球海洋

该数据集包含10个主要海洋(北冰洋、北大西洋和南大西洋、北大西洋和南太平洋、南大洋、印度洋、波罗的海、地中海地区、华南和东部群岛海)的边界。

4. 海洋保护区

Natura 2000 data - the European network of protected sites — European Environment Agency

5. 联合国教科文组织海洋世界遗产区域

6. ETOPO1全球地形模型

分辨率1弧分

7. GEBCO海洋数据（包括水深数据集、GEBCO数字地图集、GEBCO世界地图和GEBCO海底特征名称地名辞典）

官网上说每年都会更新一次数据，2023年的数据已公布，分辨率15弧秒，提供netCDF、Geotiff、ESRI ASCII raster三种格式的数据。

GEBCO Gridded Bathymetry Data

2. ETOPO 2022

ETOPO 2022 取代了以往的 ETOPO1。ETOPO （Earth Topography）全称：ETOPO Global Relief Model，是全球水深地形高程数据集，集成了来自区域和全球数据集的地形、测深和海岸线数据，对地表地球物理特征进行全面、高分辨率描述。

ETOPO 2022 具有增强的15弧秒分辨率，它结合了自2010年 ETOPO1 发布以来数据源和处理技术的最新进展。ETOPO 2022模型使用了来自美国的众多机载激光雷达、卫星地形和船载测深数据集的组合。我们采用最先进的计算方法，包括机器学习，来识别和纠正数据错误，如由不同数据源的拼接引起的接缝，由仪器和后处理错误引起的点伪影，以及由数字表面模型中的密集植被和城市结构引起的高程偏差，以提高 ETOPO 全球地形模型的相对和绝对水平地理位置和垂直精度。我们还使用来自 NASA ICESat-2 和其他经过审查的数据源的大规模裸露地球地形数据来独立验证输入数据集和最终的 ETOPO 2022 模型。

下载链接：

ETOPO Global Relief Model | National Centers for Environmental Information (NCEI)

3. 10米高分辨率全球红树林分布数据集

可持续发展大数据国际研究中心（SDG中心）在高精度全球红树林制图研究方面取得进展，研制了首套高空间分辨率（10米）的全球红树林分布数据集（HGMF_2020）。该研究成果发表在综合类顶刊《Science Bulletin》（IF:20.577），贾明明副研究员为论文第一作者。该研究得到SDG中心开放研究计划——青年科学家项目(CBAS2022ORP06)的资助。

SDG中心贾明明等研究人员，利用遥感大数据和Google Earth Engine（GEE）云平台，集成影像最大值合成算法（MSIC）以及面向对象随机森林算法（OBRF），提出了一种高效、高精度、高鲁棒性的红树林制图方法体系，构建了首套高空间分辨率（10米）的全球红树林分布数据集，命名为HGMF_2020。与先前发布的全球红树林数据集相比，HGMF_2020具有如下三方面的优势：①空间分辨率更高，被精细刻画的红树林斑块包含具有明确地理学意义的属性信息；②红树林斑块空间形态完整、边界清晰，可直接用于后续的研究和分析；③漏分误差较低，包含更多零散分布的小面积红树林，总体制图精度达到95%以上。

结果显示，2020年全球红树林总面积为145,068km²，其中亚洲地区红树林资源最为丰富，约占全球总面积的39.2%；印度尼西亚红树林资源在所有国家中最为丰富，总面积约28631km²。进一步分析发现，全球共有红树林斑块336,972个，其中95%以上斑块的面积小于1km²，可见红树林生境较为破碎。

研究人员还分析了全球红树林的保护情况，结果显示，全球44%的红树林位于保护地内部，其中南美地区受保护的红树林面积最大，南亚地区受保护的红树林比例最高。通过分析HGMF_2020林带宽度，定量描述了红树林在抵御自然灾害中的作用，结果显示全球几乎所有的红树林都具有明确的防风消浪作用。

HGMF_2020数据集可在GEE平台上直接查看，并随文发布了数据下载地址。

引用方式：

M. Jia, Z. Wang, D. Mao, C. Ren, K. Song, C. Zhao, C. Wang, X. Xiao, Y. Wang. Mapping global distribution of mangrove forests at 10-m resolution, Science Bulletin (2023), doi: https://doi.org/10.1016/j.scib.2023.05.004

文章链接：https://doi.org/10.1016/j.scib.2023.05.004

数据下载地址：https://doi.org/10.7910/DVN/PKAN93