<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>智能遥感信息工程与应用研究组 | 智能遥感信息工程与应用课题组（IRIS）</title><link>https://iris-rs-lab.github.io/zh/</link><atom:link href="https://iris-rs-lab.github.io/zh/index.xml" rel="self" type="application/rss+xml"/><description>智能遥感信息工程与应用研究组</description><generator>Hugo Blox Builder (https://hugoblox.com)</generator><language>zh</language><lastBuildDate>Tue, 20 Jan 2026 00:00:00 +0000</lastBuildDate><image><url>https://iris-rs-lab.github.io/media/logo_hu22beed192d2df0614ffd5686071d541e_785125_300x300_fit_box_3.png</url><title>智能遥感信息工程与应用研究组</title><link>https://iris-rs-lab.github.io/zh/</link></image><item><title>生态系统特征参数遥感反演</title><link>https://iris-rs-lab.github.io/zh/project/qtp/</link><pubDate>Tue, 20 Jan 2026 00:00:00 +0000</pubDate><guid>https://iris-rs-lab.github.io/zh/project/qtp/</guid><description>&lt;h3 id="总体完成情况">总体完成情况&lt;/h3>
&lt;p>基于多源卫星遥感数据、无人机遥感数据及野外科考数据，研发了长时序多尺度多源卫星遥感数据的几何标准化、辐射归一化处理技术以及天、空、地立体协同的生态系统关键参数遥感反演技术，建成了青藏高原地区长时序、多分辨率、高精度的卫星遥感数据RTU产品集以及5大类24种生态系统关键参数遥感反演产品集，包括青藏高原植被结构与生长状态参数、碳循环参数、陆表能量参数、水体参数与水体分布信息以及人类活动信息等生态系统关键参数遥感定量反演产品，空间分辨率从500m-0.8m，时间从1970s-2023年，为青藏高原生态系统服务现状评估和变化趋势分析提供可靠的数据产品保障。&lt;/p>
&lt;h3 id="青藏高原地区长时序多源遥感卫星rtu产品集科考一张图">青藏高原地区长时序多源遥感卫星RTU产品集（科考一张图）&lt;/h3>
&lt;p>
&lt;figure >
&lt;div class="d-flex justify-content-center">
&lt;div class="w-100" >&lt;img alt="alt text" srcset="
/zh/project/qtp/image_hu0315bda3fff2b5596ef61626d6253663_240944_1930685d58b0d87a10dd4a343c8d044a.webp 400w,
/zh/project/qtp/image_hu0315bda3fff2b5596ef61626d6253663_240944_0662068341db76a1715f09ab1db7f58c.webp 760w,
/zh/project/qtp/image_hu0315bda3fff2b5596ef61626d6253663_240944_1200x1200_fit_q75_h2_box_3.webp 1200w"
src="../zh/project/qtp/image_hu0315bda3fff2b5596ef61626d6253663_240944_1930685d58b0d87a10dd4a343c8d044a.webp"
width="711"
height="348"
loading="lazy" data-zoomable />&lt;/div>
&lt;/div>&lt;/figure>
&lt;/p>
&lt;h3 id="长时序生态系统关键参数遥感反演产品集">长时序生态系统关键参数遥感反演产品集&lt;/h3>
&lt;p>
&lt;figure id="figure-青藏高原长时序30米叶面积指数产品">
&lt;div class="d-flex justify-content-center">
&lt;div class="w-100" >&lt;img alt="alt text" srcset="
/zh/project/qtp/image-1_hua011e89c33dc1356e7a8a26e1f255b12_549552_43bac92f1d8ca007877c902af2f1f058.webp 400w,
/zh/project/qtp/image-1_hua011e89c33dc1356e7a8a26e1f255b12_549552_7d24e0657bfe4af17829ba162b02e5b4.webp 760w,
/zh/project/qtp/image-1_hua011e89c33dc1356e7a8a26e1f255b12_549552_1200x1200_fit_q75_h2_box_3.webp 1200w"
src="../zh/project/qtp/image-1_hua011e89c33dc1356e7a8a26e1f255b12_549552_43bac92f1d8ca007877c902af2f1f058.webp"
width="760"
height="383"
loading="lazy" data-zoomable />&lt;/div>
&lt;/div>&lt;figcaption>
青藏高原长时序30米叶面积指数产品
&lt;/figcaption>&lt;/figure>
&lt;/p>
&lt;p>
&lt;figure id="figure-青藏高原年度fvc合成产品">
&lt;div class="d-flex justify-content-center">
&lt;div class="w-100" >&lt;img alt="alt text" srcset="
/zh/project/qtp/image-2_hu9eb9a47e348c90355719333100ecdad2_376100_e9ce64e2fc5df1bea91fc02c5e21dc0d.webp 400w,
/zh/project/qtp/image-2_hu9eb9a47e348c90355719333100ecdad2_376100_8bd631f2357725ab219dff496346f893.webp 760w,
/zh/project/qtp/image-2_hu9eb9a47e348c90355719333100ecdad2_376100_1200x1200_fit_q75_h2_box_3.webp 1200w"
src="../zh/project/qtp/image-2_hu9eb9a47e348c90355719333100ecdad2_376100_e9ce64e2fc5df1bea91fc02c5e21dc0d.webp"
width="695"
height="420"
loading="lazy" data-zoomable />&lt;/div>
&lt;/div>&lt;figcaption>
青藏高原年度FVC合成产品
&lt;/figcaption>&lt;/figure>
&lt;/p>
&lt;p>
&lt;figure id="figure-青藏高原火烧迹地密度分布图">
&lt;div class="d-flex justify-content-center">
&lt;div class="w-100" >&lt;img alt="alt text" srcset="
/zh/project/qtp/image-3_hufdf00b89004a8f0161622a823646e00c_51185_6bc55eaf27981ac3719fc7548b50641a.webp 400w,
/zh/project/qtp/image-3_hufdf00b89004a8f0161622a823646e00c_51185_35850a13c3fd3de56f32ceb1455bc4e6.webp 760w,
/zh/project/qtp/image-3_hufdf00b89004a8f0161622a823646e00c_51185_1200x1200_fit_q75_h2_box_3.webp 1200w"
src="../zh/project/qtp/image-3_hufdf00b89004a8f0161622a823646e00c_51185_6bc55eaf27981ac3719fc7548b50641a.webp"
width="704"
height="351"
loading="lazy" data-zoomable />&lt;/div>
&lt;/div>&lt;figcaption>
青藏高原火烧迹地密度分布图
&lt;/figcaption>&lt;/figure>
&lt;/p>
&lt;p>
&lt;figure id="figure-青藏高原10m分辨率森林地上生物量产品">
&lt;div class="d-flex justify-content-center">
&lt;div class="w-100" >&lt;img alt="alt text" srcset="
/zh/project/qtp/image-4_hu2251a54afa06372eaf4abda52a1c9d98_114778_b1b72bd75bed9b3594e710c27eceaa3e.webp 400w,
/zh/project/qtp/image-4_hu2251a54afa06372eaf4abda52a1c9d98_114778_fe838873f11fa2daea74bf442aa43df6.webp 760w,
/zh/project/qtp/image-4_hu2251a54afa06372eaf4abda52a1c9d98_114778_1200x1200_fit_q75_h2_box_3.webp 1200w"
src="../zh/project/qtp/image-4_hu2251a54afa06372eaf4abda52a1c9d98_114778_b1b72bd75bed9b3594e710c27eceaa3e.webp"
width="489"
height="354"
loading="lazy" data-zoomable />&lt;/div>
&lt;/div>&lt;figcaption>
青藏高原10m分辨率森林地上生物量产品
&lt;/figcaption>&lt;/figure>
&lt;/p>
&lt;p>
&lt;figure id="figure-青藏高原2011-2020年平均季节蒸散发空间分布格局">
&lt;div class="d-flex justify-content-center">
&lt;div class="w-100" >&lt;img alt="alt text" srcset="
/zh/project/qtp/image-5_hub2a75c8850c0f8c230810a1c4f676a69_449633_3e4bd4f566fdc45a284436732989c058.webp 400w,
/zh/project/qtp/image-5_hub2a75c8850c0f8c230810a1c4f676a69_449633_22e719f829d54443bdae4ce9479e6ab7.webp 760w,
/zh/project/qtp/image-5_hub2a75c8850c0f8c230810a1c4f676a69_449633_1200x1200_fit_q75_h2_box_3.webp 1200w"
src="../zh/project/qtp/image-5_hub2a75c8850c0f8c230810a1c4f676a69_449633_3e4bd4f566fdc45a284436732989c058.webp"
width="643"
height="508"
loading="lazy" data-zoomable />&lt;/div>
&lt;/div>&lt;figcaption>
青藏高原2011-2020年平均季节蒸散发空间分布格局
&lt;/figcaption>&lt;/figure>
&lt;/p>
&lt;p>
&lt;figure id="figure-19822023年青藏高原陆表水体频率产品">
&lt;div class="d-flex justify-content-center">
&lt;div class="w-100" >&lt;img alt="alt text" srcset="
/zh/project/qtp/image-6_hu330a1c0ed1ef85b1f958d507870894b0_181806_faa90dd5fd1788a51a6f63e2739c7698.webp 400w,
/zh/project/qtp/image-6_hu330a1c0ed1ef85b1f958d507870894b0_181806_dd03c6a7ffce49f296ec6ce556940cfd.webp 760w,
/zh/project/qtp/image-6_hu330a1c0ed1ef85b1f958d507870894b0_181806_1200x1200_fit_q75_h2_box_3.webp 1200w"
src="../zh/project/qtp/image-6_hu330a1c0ed1ef85b1f958d507870894b0_181806_faa90dd5fd1788a51a6f63e2739c7698.webp"
width="639"
height="452"
loading="lazy" data-zoomable />&lt;/div>
&lt;/div>&lt;figcaption>
1982–2023年青藏高原陆表水体频率产品
&lt;/figcaption>&lt;/figure>
&lt;/p>
&lt;p>
&lt;figure id="figure-2022年青藏高原陆表水体浊度产品">
&lt;div class="d-flex justify-content-center">
&lt;div class="w-100" >&lt;img alt="alt text" srcset="
/zh/project/qtp/image-7_huf485b9aaf57b983c97a0c0d40b2197bb_123885_64309d2bf927c41631cb46c18a88feb3.webp 400w,
/zh/project/qtp/image-7_huf485b9aaf57b983c97a0c0d40b2197bb_123885_c95847a5e3dbad86962e10b13ab154f1.webp 760w,
/zh/project/qtp/image-7_huf485b9aaf57b983c97a0c0d40b2197bb_123885_1200x1200_fit_q75_h2_box_3.webp 1200w"
src="../zh/project/qtp/image-7_huf485b9aaf57b983c97a0c0d40b2197bb_123885_64309d2bf927c41631cb46c18a88feb3.webp"
width="584"
height="414"
loading="lazy" data-zoomable />&lt;/div>
&lt;/div>&lt;figcaption>
2022年青藏高原陆表水体浊度产品
&lt;/figcaption>&lt;/figure>
&lt;/p>
&lt;p>
&lt;figure id="figure-青藏高原地区2022年度2米分辨率陆表水体空间分布图">
&lt;div class="d-flex justify-content-center">
&lt;div class="w-100" >&lt;img alt="alt text" srcset="
/zh/project/qtp/image-8_hu662b343aadec6d087c1c866d9078f749_187453_19b1241d0b56086a88c85b4189517c66.webp 400w,
/zh/project/qtp/image-8_hu662b343aadec6d087c1c866d9078f749_187453_fcd85f32f419a203509d4c02d31bff95.webp 760w,
/zh/project/qtp/image-8_hu662b343aadec6d087c1c866d9078f749_187453_1200x1200_fit_q75_h2_box_3.webp 1200w"
src="../zh/project/qtp/image-8_hu662b343aadec6d087c1c866d9078f749_187453_19b1241d0b56086a88c85b4189517c66.webp"
width="538"
height="414"
loading="lazy" data-zoomable />&lt;/div>
&lt;/div>&lt;figcaption>
青藏高原地区2022年度2米分辨率陆表水体空间分布图
&lt;/figcaption>&lt;/figure>
&lt;/p></description></item><item><title>CASEarth DataBank系统建设</title><link>https://iris-rs-lab.github.io/zh/project/databank/</link><pubDate>Thu, 15 Jan 2026 00:00:00 +0000</pubDate><guid>https://iris-rs-lab.github.io/zh/project/databank/</guid><description>&lt;h3 id="总体完成情况">总体完成情况&lt;/h3>
&lt;p>建成了CASEarth DataBank系统，实现了数据、计算和服务的一体化；建成了多源遥感卫星数据整合加工服务系统，实现了18种多源遥感卫星数据产品的按需整合加工；建成了多源卫星数据/产品质量检验系统，支持22种国内外对地观测卫星数据/产品的质量检验。
建成了中国及周边区域1980s以来全时序Landsat系列卫星 RTU产品集，包括地表反射率、地表温度、星上反射率、星上亮温、NDVI、EVI、MSAVI、SAVI、NDWI、NDMI、NBR、FVC共计12种产品，总体平均64.5万景、774万个数据产品。完成了14期30米分辨率全球一张图的生产，时间为：1980s、1985s、1990s、1995s、2000s、2005s、2010s、2011s、2013s、2015s、2017s、2018s、2019s、2021s。完成了6期2米分辨率全国一张图的生产，时间为：2016s、2018s、2019s、2020s、2021s、2022s。按专项内外需求提供局部重点区域最高至亚米级分辨率的数据产品集。根据院科学数据管理措施要求及专项数据共享工作统一部署，已完成课题的数据汇交任务，总数据量约2.9PB。&lt;/p>
&lt;h3 id="casearth-databank系统平台">CASEarth Databank系统平台&lt;/h3>
&lt;p>
&lt;figure id="figure-按需计算的webservice服务模式">
&lt;div class="d-flex justify-content-center">
&lt;div class="w-100" >&lt;img alt="alt text" srcset="
/zh/project/databank/image_huc321705b42f4239aff86c71fb11501cc_477273_135301889da54e12aa0c03e7c1046794.webp 400w,
/zh/project/databank/image_huc321705b42f4239aff86c71fb11501cc_477273_3c1fdfdae80d1beb7bb1cc536a078548.webp 760w,
/zh/project/databank/image_huc321705b42f4239aff86c71fb11501cc_477273_1200x1200_fit_q75_h2_box_3.webp 1200w"
src="../zh/project/databank/image_huc321705b42f4239aff86c71fb11501cc_477273_135301889da54e12aa0c03e7c1046794.webp"
width="760"
height="354"
loading="lazy" data-zoomable />&lt;/div>
&lt;/div>&lt;figcaption>
按需计算的WebService服务模式
&lt;/figcaption>&lt;/figure>
&lt;/p>
&lt;p>
&lt;figure id="figure-广东省森林覆盖信息提取">
&lt;div class="d-flex justify-content-center">
&lt;div class="w-100" >&lt;img alt="alt text" srcset="
/zh/project/databank/image-1_hu6ae4ba5c9395deea80a5511d8a2abadf_399218_2342d39bae9f0cc830b3116b4a35c6f7.webp 400w,
/zh/project/databank/image-1_hu6ae4ba5c9395deea80a5511d8a2abadf_399218_f3a517842f30d99958c3f1bc7503a255.webp 760w,
/zh/project/databank/image-1_hu6ae4ba5c9395deea80a5511d8a2abadf_399218_1200x1200_fit_q75_h2_box_3.webp 1200w"
src="../zh/project/databank/image-1_hu6ae4ba5c9395deea80a5511d8a2abadf_399218_2342d39bae9f0cc830b3116b4a35c6f7.webp"
width="760"
height="214"
loading="lazy" data-zoomable />&lt;/div>
&lt;/div>&lt;figcaption>
广东省森林覆盖信息提取
&lt;/figcaption>&lt;/figure>
&lt;/p>
&lt;p>
&lt;figure id="figure-江苏省陆表水体信息提取">
&lt;div class="d-flex justify-content-center">
&lt;div class="w-100" >&lt;img alt="alt text" srcset="
/zh/project/databank/image-2_hu8d4385f46783455816d318e568a3348e_381060_ccce1bdda375449f04fbb6cfe3dfe266.webp 400w,
/zh/project/databank/image-2_hu8d4385f46783455816d318e568a3348e_381060_74524f46bd4e6cd8702478ff001d6957.webp 760w,
/zh/project/databank/image-2_hu8d4385f46783455816d318e568a3348e_381060_1200x1200_fit_q75_h2_box_3.webp 1200w"
src="../zh/project/databank/image-2_hu8d4385f46783455816d318e568a3348e_381060_ccce1bdda375449f04fbb6cfe3dfe266.webp"
width="760"
height="231"
loading="lazy" data-zoomable />&lt;/div>
&lt;/div>&lt;figcaption>
江苏省陆表水体信息提取
&lt;/figcaption>&lt;/figure>
&lt;/p>
&lt;p>
&lt;figure id="figure-城市扩展动态监测">
&lt;div class="d-flex justify-content-center">
&lt;div class="w-100" >&lt;img alt="alt text" srcset="
/zh/project/databank/image-3_hu50537b785fec96134916ac282ad8b381_986631_9de3559ce961d43984c2d21ba5b845e1.webp 400w,
/zh/project/databank/image-3_hu50537b785fec96134916ac282ad8b381_986631_fb0161dae4f6fef99b3117f8937d4738.webp 760w,
/zh/project/databank/image-3_hu50537b785fec96134916ac282ad8b381_986631_1200x1200_fit_q75_h2_box_3.webp 1200w"
src="../zh/project/databank/image-3_hu50537b785fec96134916ac282ad8b381_986631_9de3559ce961d43984c2d21ba5b845e1.webp"
width="760"
height="438"
loading="lazy" data-zoomable />&lt;/div>
&lt;/div>&lt;figcaption>
城市扩展动态监测
&lt;/figcaption>&lt;/figure>
&lt;/p>
&lt;p>
&lt;figure id="figure-地球大数据驱动的sdg-151森林覆盖比评估新范式">
&lt;div class="d-flex justify-content-center">
&lt;div class="w-100" >&lt;img alt="alt text" srcset="
/zh/project/databank/image-4_hubdf8c0c0ae776377fb3837fa5faf6bb4_430739_eb6a7e1442b0deb7f094583c612e7908.webp 400w,
/zh/project/databank/image-4_hubdf8c0c0ae776377fb3837fa5faf6bb4_430739_34c4fbaa3bc82864e89112bb24ad6bf8.webp 760w,
/zh/project/databank/image-4_hubdf8c0c0ae776377fb3837fa5faf6bb4_430739_1200x1200_fit_q75_h2_box_3.webp 1200w"
src="../zh/project/databank/image-4_hubdf8c0c0ae776377fb3837fa5faf6bb4_430739_eb6a7e1442b0deb7f094583c612e7908.webp"
width="760"
height="426"
loading="lazy" data-zoomable />&lt;/div>
&lt;/div>&lt;figcaption>
地球大数据驱动的SDG 15.1（森林覆盖比）评估新范式
&lt;/figcaption>&lt;/figure>
&lt;/p>
&lt;h3 id="建成了长时序多源对地观测rtu产品集">建成了长时序多源对地观测RTU产品集&lt;/h3>
&lt;h4 id="1中国及周边区域全时序landsat系列卫星rtu产品集">（1）中国及周边区域全时序Landsat系列卫星RTU产品集&lt;/h4>
&lt;p>中国及周边区域全时序Landsat系列卫星RTU产品集在科研机构、高校和行业应用部门等30余家单位得到应用，如中科院青藏所、中科院植物研究所、中科院地理所、中科院新疆生地所、中科院生态中心、中科院山地所、清华大学、北京大学、复旦大学、武汉大学、深圳大学、中国地质大学、法国国立高等建筑学院（ENSAS）、中国林业科学研究院资源信息研究所、阳光新能源股份有限公司等，涉及农业、林业、国土、生态环境、能源等多个行业领域。&lt;/p>
&lt;h4 id="2多源高分辨率rtu产品集">（2）多源高分辨率RTU产品集&lt;/h4>
&lt;p>2米分辨率全国一张图服务于数字地球科学平台系统展示。重点区域最高至亚米分辨率产品已服务于系统平台展示、海南SDGs示范区、临沧SDGs示范区等相关工作。&lt;/p>
&lt;h4 id="3全球尺度30米分辨率专题信息产品">（3）全球尺度30米分辨率专题信息产品&lt;/h4>
&lt;p>30米分辨率全球陆表水体产品已纳入到可持续发展大数据国际研究中心的“全球水资源数据产品”体系中，并于2023年3月向国际社会公开发布，为全球和区域范围内与水相关的可持续发展目标（如SDG 6.6、SDG 11、SDG 13、SDG 15等）的监测和评估提供数据信息支持，促进全球水资源的科学发展和可持续利用。同时，针对不同用户需求，CASEarth DataBank系统可提供该产品的批量下载、在线可视化等多种数据服务方式，实现全球数据产品的便捷共享和应用。&lt;/p>
&lt;p>森林覆盖产品研究成果连续入选郭华东院士主编的《2020地球大数据支撑可持续发展目标（SDGs）报告》和《2021地球大数据支撑可持续发展目标（SDGs）报告》（中英文）。森林产品入选“SDG公共数据产品”，研究案例参展可持续发展大数据国际论坛成果展并选为“SDG大数据平台”首页进行展示，在平台上实现了SDG15.1.1 森林覆盖数据产品按需生产和SDG15.1.1 森林覆盖率评估。&lt;/p>
&lt;p>在服务国家科技外交方面，金砖国家可持续发展大数据论坛于2022年4月26日至27日在北京举行，“2020年全球30m森林覆盖空间分布产品”作为全球基础产品纳入“金砖国家可持续发展数据产品”，服务新华社《太空看“金砖”》新闻视频并作为核心产出对外发布。2022年10月，全球30m森林覆盖产品又入选CBAS赠送联合国全球可持续发展数据产品，并由中国国务委员兼外交部长王毅赠送联合国。&lt;/p>
&lt;p>火烧迹地产品研究案例入选2020和2021年《地球大数据支撑可持续发展目标(SDGs)报告》（中英文），参展“地球大数据促进可持续发展目标监测和评估成果展”（为庆祝中华人民共和国恢复联合国合法席位50周年，由中科院主办，SDG中心等承办）。应外交部的需求，基于长时序30米分辨率火烧迹地产品，向外交部提交信息专报《澳大利亚高分辨率火烧迹地动态监测（2005-2019）》，为外交部进行相关决策提供了数据和信息支持。&lt;/p>
&lt;p>火烧迹地产品在2022年9月20日召开的“全球发展倡议之友小组”部长级会议上，由国务委员兼外长王毅赠送给联合国，为各国更好实现可持续发展目标提供数据产品支持。火烧迹地产品也成功入选UN Biodiversity Lab（UNBL）数据共享平台。&lt;/p></description></item><item><title>何国金研究团队研发的30米全球火烧迹地产品支撑Nature论文成果</title><link>https://iris-rs-lab.github.io/zh/post/2026-01-13-nature/</link><pubDate>Tue, 13 Jan 2026 00:00:00 +0000</pubDate><guid>https://iris-rs-lab.github.io/zh/post/2026-01-13-nature/</guid><description>&lt;p>1月7日，《自然》（Nature）期刊在线发表了题为“小规模持续的湿润森林损失主导了热带森林生物量损失”（Small persistent humid forest clearings drive tropical forest biomass losses）的论文。该成果基于高分辨率的森林扰动和生物量数据，构建了格点尺度的森林扰动植被恢复数据库，并在此基础上开发了一个集成高分辨率遥感数据和森林扰动恢复数据库的森林碳簿记模型。利用该模型估算了1990－2020年间森林扰动导致的植被碳储量时空变化动态，明确了不同干扰类型和扰动斑块大小对森林植被碳储量及碳密度变化的具体贡献。该模型突破了传统簿记模型长期依赖区域尺度响应曲线的方法瓶颈，通过引入空间明确的碳库恢复曲线，显著提升了对森林空间异质性和扰动响应过程的刻画能力。法国气候与环境科学实验室（LSCE）博士后徐伊迪为论文第一作者，清华大学地球系统科学系副教授李伟与法国气候与环境科学实验室教授菲利普·西亚斯（Philippe Ciais）为论文共同通讯作者，中国科学院空天信息创新研究院研究员何国金为论文的合作作者之一。&lt;/p>
&lt;p>何国金研究团队（研究员张兆明、副研究员龙腾飞等）研发的30米分辨率长时序全球火烧迹地产品（GABAM）作为该论文的重要支撑数据，用以精确表征过去30年热带森林火烧（尤其是小面积火烧）的干扰历史，进而助力热带森林碳损失的精确量化。&lt;/p>
&lt;p>自2016年起，在国家重点研发计划课题等支持下，何国金研究团队研发共享了国际首套/唯一30米分辨率全球火烧迹地产品（1990-2024），该产品是目前空间分辨率最高的全球火烧迹地产品。研究成果在《ISPRS Journal of Photogrammetry and Remote Sensing》《Earth’s Future》《Geo-spatial Information Science》《Photogrammetric Engineering &amp;amp; Remote Sensing》《Remote Sensing》《Remote Sensing Letters》《遥感学报》等国内外期刊发表论文11篇，论文被《Nature》《Science》《PNAS》等顶级期刊引用，单篇论文最高引用达到287次。&lt;/p>
&lt;p>
&lt;figure id="figure-小尺度热带森林损失造成显著碳损失">
&lt;div class="d-flex justify-content-center">
&lt;div class="w-100" >&lt;img alt="小尺度热带森林损失造成显著碳损失" srcset="
/zh/post/2026-01-13-nature/W020260113582931496576_hu35f7344ec5e89ba48db33f34813daf3f_40527_202964e2f08355f080bd705af34cb003.webp 400w,
/zh/post/2026-01-13-nature/W020260113582931496576_hu35f7344ec5e89ba48db33f34813daf3f_40527_59f495d5d5f26fe68af3b7def29d73be.webp 760w,
/zh/post/2026-01-13-nature/W020260113582931496576_hu35f7344ec5e89ba48db33f34813daf3f_40527_1200x1200_fit_q75_h2_box.webp 1200w"
src="../zh/post/2026-01-13-nature/W020260113582931496576_hu35f7344ec5e89ba48db33f34813daf3f_40527_202964e2f08355f080bd705af34cb003.webp"
width="684"
height="471"
loading="lazy" data-zoomable />&lt;/div>
&lt;/div>&lt;figcaption>
小尺度热带森林损失造成显著碳损失
&lt;/figcaption>&lt;/figure>
&lt;/p></description></item><item><title>1985–2024 年 30 米分辨率全球年度火烧迹地数据集 (GABAM) 正式发布，提供免费下载</title><link>https://iris-rs-lab.github.io/zh/post/2025-09-16-gabam/</link><pubDate>Tue, 16 Sep 2025 00:00:00 +0000</pubDate><guid>https://iris-rs-lab.github.io/zh/post/2025-09-16-gabam/</guid><description>&lt;h2 id="数据集描述">数据集描述&lt;/h2>
&lt;p>年度火烧迹地面积（Annual burned area）被定义为全年度内发生的火灾空间范围，不包括往年发生的火灾。&lt;/p>
&lt;p>GABAM 数据集是基于 Google Earth Engine (GEE) 平台的自动化处理流水线，利用 GEE 上所有可用的 Landsat 卫星影像生成的。该产品采用地理坐标系（经纬度投影），分辨率为 0.00025°（约 30 , with the WGS84 horizontal datum and the EGM96 vertical datum，使用 WGS84 水平基准和 EGM96 大地水准面。数据集由 10°×10°的分幅组成，覆盖范围为西经 180°–东经180° and 北纬80°–南纬60°。&lt;/p>
&lt;p>下图展示了 GABAM 2015 全球火烧迹地面积（BA）密度的分布情况。火烧迹地面积密度定义为 0.25°×0.25°网格中被烧毁像素所占的比例。&lt;/p>
&lt;figure>
&lt;a href="gabam_grid.jpg" target="_blank">
&lt;img src="gabam_grid.jpg" alt="GABAM 2015 grid"/>
&lt;/a>
&lt;figcaption>&lt;em>GABAM 2015 火烧迹地面积（BA）密度分布&lt;/em>&lt;/figcaption>
&lt;/figure>
&lt;p>以下是与近期发布的 Fire_cci 5.0 版&lt;sup id="fnref:1">&lt;a href="#fn:1" class="footnote-ref" role="doc-noteref">1&lt;/a>&lt;/sup> 全球 BA 产品（分辨率为 250 米，是 GABAM 发布前分辨率最高的全球产品）的对比：&lt;/p>
&lt;figure>
&lt;a href="fcci_grid.jpg" target="_blank">
&lt;img src="fcci_grid.jpg" alt="Fire_cci 2015 grid"/>
&lt;/a>
&lt;figcaption>&lt;em>Fire_cci 2015 火烧迹地面积（BA）密度分布&lt;/em>&lt;/figcaption>
&lt;/figure>
&lt;p>&lt;a href="compare.jpg">
&lt;figure >
&lt;div class="d-flex justify-content-center">
&lt;div class="w-100" >&lt;img alt="compare" srcset="
/zh/post/2025-09-16-gabam/compare_hud9a5e463fa2d949e366e08ea1246b67f_715476_326f30b4e982f39c8d13519f900e443e.webp 400w,
/zh/post/2025-09-16-gabam/compare_hud9a5e463fa2d949e366e08ea1246b67f_715476_4616ad5982e0579c52fc2b9b595f3352.webp 760w,
/zh/post/2025-09-16-gabam/compare_hud9a5e463fa2d949e366e08ea1246b67f_715476_1200x1200_fit_q75_h2_box.webp 1200w"
src="../zh/post/2025-09-16-gabam/compare_hud9a5e463fa2d949e366e08ea1246b67f_715476_326f30b4e982f39c8d13519f900e443e.webp"
width="760"
height="286"
loading="lazy" data-zoomable />&lt;/div>
&lt;/div>&lt;/figure>
&lt;/a>&lt;/p>
&lt;h2 id="下载方式">下载方式&lt;/h2>
&lt;p>GABAM 数据集可从 &lt;a href="https://zenodo.org/records/13858799" target="_blank" rel="noopener">Zenodo&lt;/a>.&lt;/p>
&lt;h2 id="引用信息">引用信息&lt;/h2>
&lt;p>如需使用该数据集，请引用以下论文：&lt;/p>
&lt;pre>&lt;code>@article{Long_2019,
doi = {10.3390/rs11050489},
url = {https://doi.org/10.3390%2Frs11050489},
year = 2019,
month = {feb},
publisher = {{MDPI} {AG}},
volume = {11},
number = {5},
pages = {489},
author = {Tengfei Long and Zhaoming Zhang and Guojin He and Weili Jiao and Chao Tang and Bingfang Wu and Xiaomei Zhang and Guizhou Wang and Ranyu Yin},
title = {30 m Resolution Global Annual Burned Area Mapping Based on Landsat Images and Google Earth Engine},
journal = {Remote Sensing}
}
&lt;/code>&lt;/pre>
&lt;ul>
&lt;li>&lt;a href="https://www.mdpi.com/2072-4292/11/5/489" target="_blank" rel="noopener">Long, T.; Zhang, Z.; He, G.; Jiao, W.; Tang, C.; Wu, B.; Zhang, X.; Wang, G.; Yin, R. 30 m Resolution Global Annual Burned Area Mapping Based on Landsat Images and Google Earth Engine. Remote Sens. 2019, 11, 489.&lt;/a>&lt;/li>
&lt;/ul>
&lt;p>Please feel free to contact us (&lt;a href="mailto:longtf@radi.ac.cn">longtf@radi.ac.cn&lt;/a>), feedback is welcome!&lt;/p>
&lt;div class="footnotes" role="doc-endnotes">
&lt;hr>
&lt;ol>
&lt;li id="fn:1">
&lt;p>Chuvieco, E., Lizundia-Loiola, J., Pettinari, M.L., Ramo, R., Padilla, M., Tansey, K., Mouillot, F., Laurent, P., Storm, T., Heil, A., &amp;amp; Plummer, S. (2018). Generation and analysis of a new global burned area product based on MODIS 250 m reflectance bands and thermal anomalies. Earth Systems Science Data, 10, 2015-2031.&amp;#160;&lt;a href="#fnref:1" class="footnote-backref" role="doc-backlink">&amp;#x21a9;&amp;#xfe0e;&lt;/a>&lt;/p>
&lt;/li>
&lt;/ol>
&lt;/div></description></item></channel></rss>