| 数据库（集）名称 | 2001–2020年中国东北区域土壤水蚀数据集 |
| 数据作者 | 吴瀚逸，熊俊峰，侯渲，林晨，许金朵，马荣华 |
| 数据通信作者 | 熊俊峰（jfxiong@niglas.ac.cn） |
| 数据时间范围 | 2001–2020年 |
| 地理区域 | 东北地区：黑龙江省、吉林省、辽宁省、河北省东北部（承德、秦皇岛市）、内蒙古东部（锡林郭勒盟、赤峰、通辽、兴安盟、呼伦贝尔市） |
| 空间分辨率 | 250 m |
| 数据量 | 2.71 GB |
| 数据格式 | *.tif |
| 数据服务系统网址 | https://doi.org/10.57760/sciencedb.08027 |
| 基金项目 | 可持续发展大数据国际研究中心主任青年基金（CBAS2022DF014）；国家自然科学基金青年科学基金项目（42201400）；江苏省自然科学基金资助项目（BK20221058）；全球变化背景下中国区域湖泊响应数据库（CAS-WX2021SF-0306）；中国科学院南京地理与湖泊研究所科学数据中心（CAS-WX2022SDC-SJ05）。 |
| 数据库（集）组成 | 本数据集包含20个*.tif文件。文件以对应年份命名。 |
| Title | A dataset of soil water erosion of Northeast China from 2001 to 2020 |
| Data corresponding author | XIONG Junfeng (jfxiong@niglas.ac.cn) |
| Data authors | WU Hanyi, XIONG Junfeng, HOU Xuan, LIN Chen, XU Jinduo, MA Ronghua |
| Time range | 2001–2020 |
| Geographical scope | Northeast China: Heilongjiang Province, Jinlin Province, Liaoning Province, Northeast Hebei Province (Chende City, Qinhuangdao City), Eastern Inner Mongolia Autonomous Region (Xilingol League, Chifeng City, Tongliao City, Xing'an League, Hulunbuir City) |
| Spatial resolution | 250 m |
| Data volume | 2.71 GB |
| Data format | *.tif |
| Data service system | <https://doi.org/10.57760/sciencedb.08027> |
| Sources of funding | The Director Fund of the International Research Center of Big Data for Sustainable Development Goals (CBAS2022DF014); the National Natural Science Foundation of China (Grant No. 42201400); the Natural Science Foundation of Jiangsu Province for Youths (Grant No. BK20221158); Network Security and Informatization Plan of Chinese Academy of Sciences (CAS-WX2021SF-0306); Scientific Data Center of Nanjing Institute of Geography & Limnology Chinese Academy of Sciences (CAS-WX2022SDC-SJ05). |
| Dataset composition | The dataset is composed of 20 files in TIF format, each named in accordance with the corresponding year, respectively. |
| 序号 | 数据名称 | 空间分辨率 | 时间分辨率 | 数据网址 |
|---|---|---|---|---|
| 1 | Global Precipitation Measurement v6 (GPM) | 0.1° | 逐半小时/逐月 | https://disc.gsfc.nasa.gov/datasets?keywords=GPM&page=1 |
| 2 | Harmonized World Soil Database v1.2 (HWSD) | 1 km | 1995年全国第二次土壤普查 | https://iiasa.ac.at/models-tools-data/hwsd |
| 3 | Terra Vegetation Indices MOD13A2 V6.1 | 1 km | 逐旬 | https://ladsweb.modaps.eosdis.nasa.gov/search/order/1/MOD13A2--6 |
| 4 | SRTM Digital Elevation Data v4 (SRTM DEM) | 90 m | 2008年 | https://www.usgs.gov/products/data/data-releases |
| 5 | 中国科学院地理科学与资源研究所中国多时期土地利用/土地覆盖遥感监测数据集 | 30 m | 逐5年 | https://www.resdc.cn |
| 算法因子 | 编号 | 文献 | 计算方法 | 参数说明 |
|---|---|---|---|---|
| R | R1 | 章文波等, 2002[17] | \(R=\alpha {\sum }_{j=1}^{k}{\left({D}_{j}\right)}^{\beta }\) ； \(\alpha =21.586×{\beta }^{-7.1891}\)； \(\beta =0.8363+\frac{18.114}{{P}_{d12}}+\frac{24.455}{{P}_{y12}}\)； | \(R\) 是降雨侵蚀力因子，\(\alpha \)，\(\beta \)是模型参数，根据降雨特征进行估算，\({D}_{j}\)是降水侵蚀力计算时段内的第j天的降雨量，k是时段内的具体天数，\({P}_{d12}\)是时段内日降水量大于12mm的日平均降雨量，\({P}_{y12}\)是日均降雨量大于12 mm的年均降雨量，\({r}_{i}\)是日降雨量。 |
| R2 | 周伏建和黄炎和, 1995[18] | \(R=17.02×{\sum }_{i=1}^{12}\left(-1.5527+0.1792{r}_{i}\right)\) | ||
| C | C1 | 蔡崇法和丁树文, 2000[22] | \(C=\begin{cases} & \text{1, } FVC=0\\ & \text{0.6508-0.3436 lgFVC , } 0< FVC\le 78.3\% \\ & \text{ 0, } FVC> 78.3\% \end{cases}\) ； \(\mathrm{F}\mathrm{V}\mathrm{C}=\mathrm{ }{NDVI}_{S}=\left(NDVI-\mathrm{ }{NDVI}_{low}\right)/\left({NDVI}_{high}-{NDVI}_{low}\right)\) | \(C\) 是植被覆盖度因子，\(\mathrm{F}\mathrm{V}\mathrm{C}\)是植被覆盖度，\(NDVI\)是归一化差值植被指数，\({NDVI}_{low}\)是纯裸土像元的NDVI值，\({NDVI}_{high}\)是纯植被像元的NDVI值，\(\alpha \)，\(\beta \)是模型参数，决定了NDVI曲线的形状。 |
| C2 | Van Leeuwen & Sammons, 2004[23] | \(C=exp\left[-\alpha ×\frac{NDVI}{\left(\beta -NDVI\right)}\right]\) | ||
| K | K1 | Williams, 1990[19] | \(K= \left\{0.2+0.3×\mathrm{exp}\left[-0.0256×Sd×\left(1-\frac{Sl}{100}\right)\right]\right\}×{\left[\frac{Sl}{Cl+Sl}\right]}^{0.3}×\left\{1.0-0.25×\frac{Coc}{Coc+\mathrm{exp}\left(3.72-2.95 ×Coc\right)}\right\}×\left\{1.0-\frac{0.7×\left(1-Sd/100\right)}{1-Sd/100 +exp⌈-5.51+22.9 ×\left(1-Sd/100\right)⌉}\right\}\) | \(K\) 是土壤可蚀性因子，\(Sd\)是砂粒的重量百分比，\(Sl\)是粉粒的重量百分比，\(Cl\)是黏粒的重量百分比，\(Coc\)是土壤有机碳含量，\({D}_{g}\)是土壤几何平均粒径。 |
| K2 | Shirazi & Boersma, 1984[20] | \(K= 7.954×\left\{0.0017+0.0494×\mathrm{exp}\left[-\frac{1}{2}×{\left(\frac{log\left({D}_{g}\right)+1.675}{0.6986}\right)}^{2}\right]\right\}\) | ||
| K3 | Torri等, 1997[21] | \(K= 0.0293×\left(0.65-{D}_{g}+0.24{{D}_{g}}^{2}\right)×exp\left\{-0.0021×\frac{Coc}{Cl}-0.00037×{\left(\frac{Coc}{Cl}\right)}^{2}-4.02+{Cl}^{2}\right\}\) | ||
| LS | LS1 | 符素华等, 2015[24] | \(L=\mathrm{ }{\left(\lambda /22.13\right)}^{m}\) ； \(m=\begin{cases} & \text{0.2 ，} \theta< 0.5°\\ & \text{0.3, } 0.5°\le \theta < 1.5° \\ & \text{ 0.4, } 1.5°\le\theta < 3° \\ & \text{ 0.5, } \theta \ge 3° \end{cases}\)； \(S=\begin{cases} & \text{10.8sin(θ)+0.03, } \theta<5.14° \\ & \text{16.8sin(θ)+0.5， } 5.14°\le \theta \end{cases}\) | \(L\) 是坡长因子，\(S\)是坡度因子，\(\lambda \)是水平投影坡长，\(m\)是可变的坡长指数，\(\theta \)是坡度。 |
| \(\mathrm{C}\mathrm{o}\mathrm{v}=\frac{\sum _{i=1}^{n}\left({x}_{i}^{obv}-\stackrel{-}{{x}_{i}^{obv}}\right)\left({x}_{i}^{est}-\stackrel{-}{{x}_{i}^{est}}\right)}{\sqrt{\sum _{i=1}^{n}{\left({x}_{i}^{obv}-\stackrel{-}{{x}_{i}^{obv}}\right)}^{2}}\sqrt{\sum _{i=1}^{n}{\left({x}_{i}^{est}-\stackrel{-}{{x}_{i}^{est}}\right)}^{2}}}\) | （2） |
