DOI: 10.3974/geodp.2019.03.01
全球变化暨地球科学数据影响力分区方法及
2019年实践研究
刘 闯*，张应华
中国科学院地理科学与资源研究所 北京 100101
摘 要：伴随大数据时代的来临，科学研究数据及其成果再应用的重要性日益显著，而如何量化评价数据的重要作用和价值以及数据贡献者对科学的贡献显得尤为迫切需要。但是，目前对这方面的研究尚处于起步阶段。本文基于全球变化暨地球科学2014年-2018年发表的数据集，开展“数据影响力积分”分区的计量方法研究，提出科学研究数据对科学影响力的不同类别计量评估体系。以规范性引文为基础，引用数据的发表论文期刊影响因子为权重，年份综合累加的统计学方法，给出了全球变化暨地球科学数据集5年的数据影响力积分，针对积分由大到小的排序，提出以5%、15%、30%和50%比例划分Q1、Q2、Q3和Q4区的影响力分区方法。通过5年的数据集实例应用表明，该方法不仅可以对数据成果、数据作者、数据出版中心等不同类别在科学数据领域的影响力进行量化评价，也可以对科学影响力进行合理的分区评估。本文提出的数据影响力计量和分区评估方法体系，可以推广应用于其他学科的科学数据集，用以量化评价数据的重要价值和对科学的贡献。
关键词：大数据；数据影响力；统计；数据作者；数据中心
DOI: 10.3974/geodp.2019.03.01
1 前言
全球变化暨地球科学数据涉及地球各个圈层、从全球到地方不同空间范围、从瞬时到地质年代各个时间跨度及多种存储格式。它是全球变化、地球科学研究和社会可持续发展基础性科技资源。数据集是数据出版、传播、引用和绩效的基本计量单位，也是数据科学影响力计量的基本单位。为了促进科学数据共享及应用，中国地理学会于大数据工作委员会决定试行科学数据出版成果科学影响力定量化评价工作，评估的办法采取数据影响力积分为基础的综合评估方法[1]。通过定量化评价科学数据影响力，遴选出前5%，前15%最有影响力的数据集分别列在Q1区、Q2区，力图以此为科学数据对科学的影响力给予可参照的学术地位。
中国地理学会于大数据工作委员会于2019年初发出参加“2019年全球变化暨地球科学数据影响力排行”征集通知，然后中国地理学会对审核合格的数据集国内外被规范引用的情况进行普查和统计，并根据数据被规范性引用[2]统计结果发布数据科学影响力积分排行榜。
数据集征集的条件如下：
（1）数据集的内容与全球变化和地球科学领域相关；
（2）数据集正式出版注册DOI（Digital Object
Unique Identifier）并存储在中国境内有资质的科学数据中心（世界数据系统正式成员、国家科学数据中心或国家主管部门批准的具有出版资质的出版单位）[3]；
（3）数据可开放获取，可在互联网查询、下载、检验；
（4）数据集出版时间期限为2014年1月1日-2018年12月31日。
满足下列条件之一者均可以申报：
（1）数据集作者：数据集作者（包括第一作者、通信作者、合作作者）可以申报作者本人（或作者团队）的数据集成果；
（2）数据出版中心（系统、单位）负责人： 数据出版中心（数据出版系统、数据出版单位）负责人可以申报该出版中心出版的全部数据集。
申报截止日为2019年5月15日。
中国地理学会大数据工作委员会对申报的数据集进行了全面审核、普查和统计，在此基础上，中国地理学会副理事长兼秘书长张国友研究员代表中国地理学会在“中国地理学会大数据工作委员会2019年会”（2019年9月21日，大连）上正式发布“2019年全球变化暨地球科学数据影响力”结果[4]。
2 2019年全球变化暨地球科学数据影响力评价流程
2019年全球变化暨地球科学数据影响力评估采取流程如图1所示。
在2019年全球变化暨地球科学数据影响力评估过程中，首先确定每一个有效被评估数据集，并建立2019年被评估数据子库。其后的评估都是围绕这些入库的数据集开展普查和统计，纳入到“2019年全球变化暨地球科学数据影响力数据库数据集子库”中的数据集为282个。
其次，对282个数据集被引用的论文（包括论文发表的题目，作者，期刊、卷期、年份、DOI）进行全面普查（包括中、英文）。然后，对被引期刊当年影响因子[5]统计并建立子库。最后，根据数据影响力积分（DIS-Data Impact Score）[1]计算方法计算出每一个数据集的5年（2014-2018）数据影响力积分（DISdataset）总计，即该数据每年数据影响力积分的总和。
在5年数据集影响力积分（DISdataset）的基础上，将前5%数据集列为Q1区，前15%为Q2区，前30%为Q3区，其余50%为Q4区。
在数据集影响力积分基础上，根据数据作者数据影响力积分、基金项目数据影响力积分、作者单位数据影响力积分和数据中心数据影响力积分计算方法[1]，分别计算出数据作者、基金项目、数据中心、数据作者单位等数据影响力积分，并根据这个统计结果列出排行榜。
图1
2019年全球变化暨地球科学数据影响力评估流程图
3 2019年全球变化暨地球科学数据影响力数据库建设
2019年全球变化暨地球科学数据影响力数据库由五个子库组成，其中包括：
（1）被评估数据集子库；
（2）历年被规范性引用的论文子库；
（3）论文发表期刊历年影响因子子库；
（4）数据影响力计算方法子库；
（5）数据影响力排行榜子库。
3.1 全球变化暨地球科学数据影响力数据集子库
“全球变化暨地球科学数据影响力数据集子库”（2019）在征集过程中总计收到284个数据集，其中有二个数据集只发表了数据论文，实体数据没有发表，因此，没有被列入到有效入库数据集中。最终纳入到“2019年全球变化暨地球科学数据影响力数据库数据集子库”中的数据集为282。
该子库的主要栏目信息包括：序号、数据集名称（中文）、数据集名称（英文） 数据集出版单位，DOI， 出版时间，网址、第一作者，第一作者单位， 合作作者，合作作者单位，通信作者，通信作者单位，通信作者联系信息，基金项目，数据覆盖地理区域，学科领域，数据格式，数据量，数据政策，数据检索系统、数据论文关联、科学发现论文关联等栏目。
3.2 被规范性引用的论文子库
在“全球变化暨地球科学数据影响力被规范性引用的论文子库”（2019）中的栏目按照每一个入库数据集分别普查和统计2014-2018年间历年被引用的论文情况。该子库的主要栏目信息包括：被引用的数据集名称（中文）、被引用的数据集名称（英文）、被引用的数据集DOI、引用该数据集的论文题目，论文DOI，论文作者，论文发表年度，论文发表期刊名称，期刊DOI，论文发表期刊卷、期。
3.3 论文发表期刊历年影响因子子库
在“全球变化暨地球科学数据影响力被规范性引用的论文期刊影响因子子库”（2019）中列出了每一个引用数据集发表论文期刊的历年影响因子。
3.4 科学数据影响力计算方法子库
科学数据影响力计算方法子库是由一系列关于科学数据影响力计算模型组成的子库，包括：
（1）数据集影响力积分计算方法；
（2）数据出版系统（数据中心）数据影响力积分计算方法；
（3）数据作者、数据作者单位数据影响力积分计算方法；
（4）资助基金数据影响力积分计算方法；
（5）数据关联学术期刊数据影响力排行计算方法；
（6）数据集、数据作者、数据作者单位数据影响力四区（Q1区、Q2区、Q3区、Q4区）划分方法；
3.5 数据影响力排行榜及Q区名录子库
科学数据影响力排行榜子库包括：
（1）数据集影响力积分排行榜；
（2）数据出版系统（数据中心）数据影响力积分排行榜；
（3）作者数据、作者单位影响力积分排行榜；
（4）资助基金数据影响力积分排行榜；
（5）数据关联学术期刊数据关联出版排行榜；
（6）数据集、数据作者、数据作者单位影响力四区（Q1、Q2、Q3、Q4区）名录；
4 2019年全球变化暨地球科学数据集影响力排行榜
4.1 数据集影响力积分（DISdataset）
在有效被评估的282个数据集中，有规范被引用（参考文献中引用）记录的数据集为192个，规范被引用率为68.09%。这些数据来自于2个数据出版单位、565位数据作者。
2019年全球变化暨地球科学数据集影响力积分（DISdataset）的计算采用数据成果特定年份数据影响力积分（DISDy）模型 [1]，通过累加2014-2018年5年得分的总和获得，如下列公式所示：
(1)
式中，DISDy是第y年数据成果（数据集）的数据影响力积分。
4.2 2014-2018年5年数据集影响力普查统计结果
在有效被评估的282个数据集影响力普查的基础上，总计192个被规范性引用的数据集。这些数据集历年被引次数和影响力积分汇总列于表1。
表1 2014-2018年间192个被引数据集被引情况普查统计表
|
年份 |
被引次数 |
|
数据集影响力积分 |
平均引文期刊影响因子 |
||||
|
中文刊 |
英文刊 |
小计 |
|
中文刊 |
英文刊 |
小计 |
||
|
2014 |
30 |
0 |
30 |
|
69 |
0 |
69 |
2.300,0 |
|
2015 |
2 |
5 |
7 |
|
2.786 |
15.144 |
17.93 |
2.561,4 |
|
2016 |
6 |
9 |
15 |
|
7.913 |
68.302 |
76.215 |
5.081,0 |
|
2017 |
20 |
82 |
102 |
|
18.080,5 |
78.533 |
96.613,5 |
0.947,2 |
|
2018 |
30 |
140 |
170 |
|
36.289,9 |
150.122 |
186.411,9 |
1.096,5 |
|
5年合计 |
88 |
236 |
324 |
|
134.069,4 |
312.101 |
446.170,4 |
1.377,1 |
2014-2018年192个规范性被引用的192个数据集中总被引324次，数据影响力积分5年总计为446.170,4，平均引用数据发表论文期刊影响因子为1.377,1。在引用数据发表的期刊论文，在英文期刊中为236篇，占比为72.84%，中文期刊中为引用88篇，占比27.16%；数据影响力积分英文期刊引用312.101，占比为69.95%，中文期刊引用134.069,4，占比30.05%。英文期刊是中文期刊的2.33倍。从数据集被引次数和影响力积分二个指标分析，英文期刊都比中文期刊引用占比要高。
4.3 数据集影响力积分（DISdataset）四区的划分
根据数据影响力积分（DISdataset）4区划分指标，划分指标为：
（1）Q1区：数据集影响力积分5年总分位于前5%分为Q1区，共10个数据集（6分以上，表2）；
（2）Q2区：数据集影响力积分5年总分位于前15%为Q2区，共24个数据集（2.0以上，表3）；
（3）Q3区：数据集影响力积分5年总分位于前30%为Q3区，共41个数据集（0.2以上）；
（4）Q4区：数据集影响力积分5年总分位于后50%为Q4区，共117个数据集（小于0.2）。
4.4 Q1区数据集数据影响力普查统计结果
2014-2018年最有影响力10个被列为Q1区数据集被引用情况和影响力积分5年总计列于表4。从表4可以看出，位于Q1区10个数据集总被引115次，被英文期刊论文引用75次，占比为65.22%，被中文期刊论文引用40次，占比34.78%；数据影响力积分英文期刊引用246.206，占比为78.02%，中文期刊引用69.368,3，占比21.98%。英文期刊是中文期刊的3.55倍。平均引用数据发表论文期刊影响因子为2.744,1。从数据集被引次数和影响力积分二个指标分析，英文期刊都比中文期刊引用占比要高。
表2
2014-2018年最有影响力10个被列为Q1区数据集被引用情况普查统计表
|
年份 |
被引次数 |
|
数据集影响力积分 |
平均引文期刊影响因子 |
||||
|
中文刊 |
英文刊 |
小计 |
|
中文刊 |
英文刊 |
小计 |
||
|
2014 |
17 |
0 |
17 |
|
39.1 |
0 |
39.1 |
2.300,0 |
|
2015 |
1 |
4 |
5 |
|
0.932,8 |
12.222 |
13.154,8 |
2.613,0 |
|
2016 |
6 |
7 |
13 |
|
7.913 |
65.441 |
73.354 |
5.642,6 |
|
2017 |
7 |
17 |
24 |
|
6.715 |
55.059 |
61.774 |
2.573,9 |
|
2018 |
9 |
47 |
56 |
|
14.707,5 |
113.484 |
128.191,5 |
2.289,1 |
|
5年合计 |
40 |
75 |
115 |
|
69.368,3 |
246.206 |
315.574,3 |
2.744,1 |
表3
全球变化暨地球科学数据集规范引用五年（2014-2018）影响力积分Q1区（前5%）数据集
|
序号 |
数据集名称 |
作者 |
数据集DOI |
出版系统DOI |
DIS |
|
1 |
中国公里网格人口分布数据集[6] |
付晶莹, 江东, 黄耀欢 |
10.3974/geodb.2014.01.06.V1 |
10.3974/ |
113.508,6 |
|
2 |
青藏高原范围与界线地理信息系统数据[7] |
张镱锂, 李炳元, 郑度 |
10.3974/geodb.2014.01.12.V1 |
10.3974/ |
94.067,2 |
|
3 |
中国公里网格GDP分布数据集[8] |
黄耀欢, 江东, 付晶莹 |
10.3974/geodb.2014.01.07.V1 |
10.3974/ |
55.676,3 |
|
4 |
中国5 年间隔陆地生态系统空间分布数据集(1990-2010) [9] |
徐新良, 刘纪远, 张增祥等 |
10.3974/geodb.2015.01.01.V1 |
10.3974/ |
11.766,6 |
|
5 |
世界屋脊生态地理区区域界线地理信息系统数据集[10] |
刘闯, 石瑞香, 陈文波 |
10.3974/geodb.2014.01.01.V1 |
10.3974/ |
9.560,0 |
|
6 |
世界屋脊生态地理区地形坡度分级数据集[11] |
刘闯, 石瑞香, 吕婷婷等 |
10.3974/geodb.2014.01.03.V1 |
10.3974 |
6.900,0 |
|
7 |
世界屋脊生态地理区山地高度分类数据集[12] |
刘闯, 石瑞香, 吕婷婷等 |
10.3974/geodb.2014.01.02.V1 |
10.3974 |
6.900,0 |
|
8 |
中国农田熟制资源地理分布数据[13] |
徐新良, 刘洛 |
10.3974/geodb.2014.01.08.V1 |
10.3974/ |
6.868,6 |
|
9 |
中国-东盟1km分辨率NDVI数据集（2013）[14] |
李静, 曾也鲁, 柳钦火等 |
10.3974/geodb.2015.01.16.V1 |
10.3974/ |
6.697,0 |
|
10 |
中国-东盟1 km分辨率5 d频率地表反射率数据集（2013）[15] |
仲波, 吴善龙, 柳钦火等 |
10.3974/geodb.2015.02.02.V1 |
10.3974/ |
6.697,0 |
表4 全球变化暨地球科学数据集规范引用五年（2014-2018）影响力积分Q2区（前5%-15%）数据集
|
序号 |
数据集名称 |
作者 |
数据集DOI |
出版系统DOI |
DIS |
|
11 |
东南亚地区红树林空间分布数据集[16] |
吕婷婷, 周翔, 刘闯等 |
10.3974/geodb.2015.01.08.V1 |
10.3974/ |
5.994 |
|
12 |
南尖峰岭热带山地雨林60公顷样地不同空间尺度物种多样性数据集[17] |
李艳朋, 许涵, 李意德等 |
10.3974/geodb.2017.02.05.V1 |
10.3974/ |
5.172 |
|
13 |
中国分省主要畜种产污系数数据集[18] |
周天墨, 诸云强, 付强等 |
10.3974/geodb.2014.01.10.V1 |
10.3974 |
5.041 |
|
14 |
中国1km栅格月平均气温数据集[19] |
荆文龙, 杨雅萍, 冯敏等 |
10.3974/geodb.2015.01.02.V1 |
10.3974 |
4.706 |
|
15 |
一带一路及其毗邻地区1 km / 5 d分辨率植被覆盖度数据集（2015）[20] |
李静, 柳钦火, 赵静等 |
10.3974/geodb.2017.04.18.V1 |
10.3974/ |
4.61 |
|
续表 |
|||||
|
序号 |
数据集名称 |
作者 |
数据集DOI |
出版系统DOI |
DIS |
|
16 |
全球30m分辨率陆表水域数据集(2010) [21] |
陈 军，廖安平，陈利军等 |
10.3974/geodb.2014.02.01.V1 |
10.3974/ |
4.0032 |
|
17 |
青藏高原草地退化类型空间分布数据集[22] |
王靓, 徐新良, 刘洛 |
10.3974/geodb.2014.01.11.V1 |
10.3974/ |
4.0024 |
|
18 |
中国-东盟1km分辨率地表蒸散发数据集(2013)
[23] |
贾 立, 胡光成, 郑超磊等 |
10.3974/geodb.2015.01.11.V1 |
10.3974/ |
3.646 |
|
19 |
黄土高原地区—全球变化数据大百科辞条[24] |
王正兴 |
10.3974/geodb.2015.01.09.V1 |
10.3974/ |
3.526 |
|
20 |
中国5年间隔陆地生态系统空间分布数据集（1990-2010）[25] |
徐新良, 刘纪远, 张增祥等 |
10.3974/geodb.2015.01.01.V1 |
10.3974/ |
3.51 |
|
21 |
亚洲宜能边际土地资源分布[26] |
江东, 付晶莹, 黄耀欢 |
10.3974/geodb.2014.01.04.V1 |
10.3974/ |
3.338 |
|
22 |
全球30m分辨率人造地表覆盖数据集(2010) [27] |
陈 军，廖安平，陈利军等 |
10.3974/geodb.2014.02.02.V1 |
10.3974/ |
3.162 |
|
23 |
基于CMIP5情景模拟的ETCCDI极端温度指数数据集[28] |
杨赤 |
10.3974/geodb.2017.02.09.V1 |
10.3974/ |
3.1 |
|
24 |
中国东北森林物候期遥感监测数据集[29] |
于信芳, 庄大方, 王乾坤 |
10.3974/geodb.2014.01.14.V1 |
10.3974/ |
2.42 |
|
25 |
中国10年平均水热条件变化公里网格数据集（1951-2010）[30] |
宁晓菊, 秦耀辰, 崔耀平等 |
10.3974/geodb.2016.01.07.V1 |
10.3974/ |
2.329 |
|
26 |
中国东北地区时间序列雪盖监测数据集[31] |
陈圣波, 杨倩, XIE Hongjie等 |
10.3974/geodb.2014.01.15.V1 |
10.3974/ |
2.3 |
|
27 |
中国物候观测网北京站典型植物物候观测数据[32] |
葛全胜, 戴君虎, 刘浩龙等 |
10.3974/geodb.2014.01.19.V1 |
10.3974/ |
2.3 |
|
28 |
1952-2007年中国白蜡树春季物候格网数据[33] |
葛全胜, 戴君虎, 王焕炯 |
10.3974/geodb.2014.01.09.V1 |
10.3974/ |
2.3 |
|
29 |
中华地理一奇峰 ——追忆百年林超[34] |
洪诗荣, 林永信 |
10.3974/geodb.2014.01.20.V1 |
10.3974/ |
2.3 |
|
30 |
卫星遥感集邮品数据集（1957-1959）[35] |
刘闯 |
10.3974/geodb.2014.01.05.V1 |
10.3974/ |
2.3 |
|
31 |
白洋淀蝗区典型样点2002年土壤调查数据[36] |
石瑞香 |
10.3974/geodb.2014.01.16.V1 |
10.3974/ |
2.3 |
|
32 |
1981-2010年湖南省年均土壤生产潜力数据集[37] |
孙伟, 郭春霞, 诸云强 |
10.3974/geodb.2014.01.18.V1 |
10.3974 |
2.3 |
|
33 |
长江中下游地区冬闲田地理分布数据[38] |
徐新良, 翟孟源, 刘洛 |
10.3974/geodb.2014.01.17.V1 |
10.3974 |
2.3 |
|
34 |
青藏高原植被变化区域分异分析数据[39] |
于伯华, 吕昌河, 吕婷婷等 |
10.3974/geodb.2014.01.13.V1 |
10.3974 |
2.3 |
5 数据作者排行榜
根据数据作者数据影响力积分计算方法（刘闯，2018）[1]和2019年统计数据，2019年全球变化暨地球科学565位数据作者中前5%（Q1区）作者（28名）获得的五年（2014-2018）数据影响力积分（DIS）列于表5（图2）。其中，中科院地理资源所16名，占Q1区作者人数的一半以上（57.14%），中科院遥感与数字地球研究所7名，占25%。
表5 2019年全球变化暨地球科学565位数据作者中前5%作者（（Q1区28名）获得的五年（2014-2018）数据影响力积分（DISA）排行榜
|
序号 |
作者 |
单位 |
DIS |
|
1 |
付晶莹 |
中国科学院地理科学与资源研究所 |
71.507,9 |
|
2 |
黄耀欢 |
中国科学院地理科学与资源研究所 |
57.049,8 |
|
3 |
张镱锂 |
中国科学院地理科学与资源研究所 |
47.033,6 |
|
4 |
江东 |
中国科学院地理科学与资源研究所 |
43.969,0 |
|
5 |
郑度 |
中国科学院地理科学与资源研究所 |
23.516,8 |
|
6 |
李炳元 |
中国科学院地理科学与资源研究所 |
23.516,8 |
|
7 |
刘闯 |
中国科学院地理科学与资源研究所 |
16.579,3 |
|
8 |
徐新良 |
中国科学院地理科学与资源研究所 |
13.230,7 |
|
9 |
石瑞香 |
中国科学院地理科学与资源研究所 |
9.021,3 |
|
10 |
李静 |
中国科学院遥感与数字地球研究所 |
5.777,3 |
|
11 |
吕婷婷 |
中国科学院遥感与数字地球研究所 |
5.084,5 |
|
12 |
刘洛 |
中国科学院新疆生态与地理研究所 |
5.009,9 |
|
13 |
王正兴 |
中国科学院地理科学与资源研究所 |
4.197,3 |
|
14 |
仲波 |
中国科学院遥感与数字地球研究所 |
3.856,0 |
|
15 |
刘纪远 |
中国科学院地理科学与资源研究所 |
3.819,2 |
|
16 |
陈军 |
自然资源部基础地理信息中心 |
3.582,6 |
|
17 |
陈文波 |
日本庆应义塾大学 |
3.432,5 |
|
18 |
杨赤 |
北京师范大学 |
3.220,0 |
|
19 |
柳钦火 |
中国科学院遥感与数字地球研究所 |
3.003,7 |
|
20 |
李艳朋 |
中国林业科学研究院热带林业研究所 |
2.586,0 |
|
21 |
周天墨 |
中国科学院地理科学与资源研究所 |
2.520,5 |
|
22 |
荆文龙 |
中国科学院地理科学与资源研究所 |
2.353,0 |
|
23 |
葛全胜 |
中国科学院地理科学与资源研究所 |
2.300,0 |
|
24 |
王靓 |
中国科学院地理科学与资源研究所 |
2.001,2 |
|
25 |
吴善龙 |
中国科学院遥感与数字地球研究所 |
1.960,3 |
|
26 |
周翔 |
中国科学院遥感与数字地球研究所 |
1.959,8 |
|
27 |
诸云强 |
中国科学院地理科学与资源研究所 |
1.925,3 |
|
28 |
张增祥 |
中国科学院遥感与数字地球研究所 |
1.909,6 |
图2 中国地理学会大数据工作委员会主任廖小罕研究员、中国地理学会副理事长鹿化煜教授为数据集代表和数据作者颁发证书
（2019年9月21日，大连）
6 数据出版中心5年数据影响力排行榜
在每一个数据集DISdataset统计基础上，根据每一个数据集的出版单位统计，计算出每一个数据出版中心的数据影响力积分5年总和。计算方法如下：
(2)
式中，DISp为数据出版中心5年数据集影响力积分总和，n为数据出版中心2014-2018年数据出版的个数；DISi dataset为第i个数据集2014-2018年数据集影响力积分。
根据上述计算方法统计，分别计算出由中国科学院、中国科学院地理科学与资源研究所和中国地理学会联合主办的“全球变化科学研究数据出版系统”[5]（DOI:10.3974/）出版的数据中被规范引用的数据集为161个，数据出版系统5年（2014-2019）数据影响力积分（DISp）为416.001,9。由中华人民共和国自然资源部主管、全国地质资料馆主办的“地质科学数据出版系统”[6]（DOI: 10.23650/）自2018年出版工作开展以来总结出版并被引用了31个数据集，数据影响力积分（DISp）为30.048,5（表6）。
表 6 全球变化暨地球科学数据出版中心五年（2014-2018）数据影响力积分（DIS）统计表
|
数据出版 系统 |
主办单位 |
主管单位 |
DOI |
引用数据集个数 |
被引次数 |
DISp |
平均引文期刊影响因子 |
|
全球变化科学研究数据出版系统 |
中国科学院地理科学与资源研究所、 中国地理学会 |
中国科学院 |
10.3974/ |
161 |
291 |
416.001,9 |
1.429,6 |
|
地质科学数据出版系统 |
全国地质资料馆 |
中华人民共和国自然资源部 |
10.23650/ |
31 |
31 |
30.048,5 |
0.969,3 |
7 2019年最有影响力的数据集统计案例
7.1 “中国公里网格人口分布数据集”数据影响力普查统计结果
“中国公里网格人口分布数据集”是由中国科学院地理科学与资源研究所付晶莹、江东和黄耀欢共同完成，该数据集于2014年6月在“全球变化科学研究数据出版系统”出版，DOI：10.3974/geodb.2014. 01.06.V1。自2014-2018年五年间共被引用42次，数据集数据影响力积分总分为113.508,6，被列为2019年全球变化暨地球科学数据影响力前5%（Q1区）的首位。其中，引用此数据集发表论文影响因子最高的一篇文章是2018年在《Remote
Sensing of Environment》（ISSN 0034-4257）期刊上发表的题目为“Satellite-based mapping of daily
high-resolution ground PM2.5 in China via space-time regression modeling”论文（10.1016/j.rse.2017.12.018， 该期刊当年影响因子为6.457。该数据集被引用次数随着发表时间的延长呈现逐年递增的状况（图3），被引用的详细记录汇总在表7。
|
图 3 中国公里网格人口分布数据历年被引用情况 |
表7
“中国公里网格人口分布数据集”被引统计表（2014-2018）
|
序号 |
引用论文题目 |
引用论文DOI |
引用论文期刊 |
期刊ISSN |
引用年份 |
期刊当年影响因子 |
|
1 |
中国公里网格人口分布数据集[40] |
10.11821/dlxb2014S006 |
地理学报 |
0375-5444 |
2014 |
2.3 |
|
2 |
Daily Estimation of
Ground-Level PM2.5 Concentrations over Beijing Using 3 km Resolution MODIS
AOD[41] |
10.1021/acs.est.5b01413 |
Environment Science &
Technology |
0013-936X |
2015 |
5.393 |
|
3 |
An estimation model of
population in China using time series DMSP night-time satellite imagery from
2002-2010[42] |
10.1117/12.2207575 |
International Conference
on Intelligent earth Observing and Application |
2015 |
0 |
|
|
4 |
Contamination of phthalate
esters, organochlorine pesticides and polybrominated diphenyl ethers in agricultural
soils from the Yangtze River Delta of China[43] |
10.1016/j.scitotenv.2015.12.012 |
Science of the Total Environment |
0048-9697 |
2016 |
4.9 |
|
5 |
Comparison of Socioeconomic
Factors between Surrounding and Non-Surrounding Areas of the Qinghai-Tibet
Railway before and after Its Construction[44] |
10.3390/su8080776 |
Sustainability |
2071-1050 |
2016 |
1.789 |
|
6 |
基于DMSP /OLS的人口分布网格精细化研究[45] |
10.3969/j.issn.1000-0666.2016.02.020 |
地震研究 |
1000-0666 |
2016 |
0.4171 |
|
7 |
结合GIS数据对合肥市大气污染状况的初步数值模拟研究[46] |
10.13671/j.hjkxxb.2016.0100 |
环境科学学报 |
0253-2468 |
2016 |
1.2175 |
|
8 |
多气候情景下中国森林火灾风险评估[47] |
10.13287/j.1001-9332.201603.034 |
应用生态学报 |
1001-9332 |
2016 |
1.6795 |
|
9 |
Predicting malaria vector
distribution under climate change scenarios in China: Challenges for malaria
elimination[48] |
10.1038/srep20604 |
Scientific Reports |
2045-2322 |
2016 |
4.122 |
|
10 |
The air quality and health
impacts of domestic trans-boundary pollution in various regions of China[49] |
10.1016/j.envint.2016.08.004 |
Environment International |
0160-4120 |
2016 |
7.297 |
续表
|
序号 |
引用论文题目 |
引用论文DOI |
引用论文期刊 |
期刊ISSN |
引用年份 |
期刊当年影响因子 |
|
11 |
巢湖流域地形起伏度及其与人口分布的相关性研究[50] |
- |
科学技术与工程 |
1671-1815 |
2016 |
0.12 |
|
12 |
A
comprehensive biomass burning emission inventory with high spatial and
temporal resolution in China[51] |
10.5194/acp-17-2839-2017 |
Atmospheric
Chemistry and Physics |
1680-7316 |
2017 |
5.509 |
|
13 |
Development
of a high-resolution emission inventory and its evaluation and application
through air quality modeling for Jiangsu Province, China[52] |
10.5194/acp-17-211-2017 |
Atmospheric
Chemistry and Physics |
1680-7316 |
2017 |
5.509 |
|
14 |
Impacts
of 1.5 and 2 °C global warming on water availability and extreme hydrological
events in Yiluo and Beijiang River catchments in China[53] |
10.1007/s10584-017-2072-3 |
Climatic
Change |
0165-0009 |
2017 |
3.537 |
|
15 |
Water
scarcity under various socio-economic pathways and its potential effects on
food production in the Yellow River basin[54] |
10.5194/hess-2016-188 |
Hydrology
and Earth System Sciences |
1027-5606 |
2017 |
4.256 |
|
15 |
Fire
dynamics under monsoonal climate in Yunnan, SW China: past, present and future[55] |
10.1016/j.palaeo.2016.10.028 |
Palaeogeography,
Palaeoclimatology, Palaeoecology |
0031-0182 |
2017 |
2.375 |
|
17 |
Impacts
of sanitation improvement on reduction of nitrogen discharges entering the
Env. from human excreta in China[56] |
10.1016/j.scitotenv.2017.03.177 |
Science
of the Total Environment |
0048-9697 |
2017 |
4.61 |
|
18 |
京津冀固碳释氧生态服务供-受关系分析[57] |
10.11934/j.issn.1673-4831.2017.09.003 |
生态与农村环境学报 |
1673-4831 |
2017 |
0.9112 |
|
19 |
中国民用燃煤排放细颗粒物中水溶性离子清单及减排启示[58] |
10.13227/j.hjkx.201707063 |
中国环境科学 |
1000-6923 |
2017 |
1.7143 |
|
20 |
“Ghost
cities” identification using multi-source remote sensing datasets: A case
study in Yangtze River Delta[59] |
10.1016/j.apgeog.2017.02.004 |
Applied
Geography |
0143-6228 |
2017 |
3.117 |
|
21 |
全球变化科学研究数据出版与共享排行榜[60] |
10.3974/geodp.2018.03.01 |
全球变化数据学报 |
2096-3645 |
2018 |
0.12 |
|
22 |
2018年中国地理学会数据成果科学影响力排行榜榜首解析[61] |
10.3974/geodp.2018.03.02 |
全球变化数据学报 |
2096-3645 |
2018 |
0.12 |
|
23 |
数据影响力积分(DIS)——数据影响力新的计量方法[1] |
10.3974/geodb.2018.02.02 |
全球变化数据学报 |
2096-3645 |
2018 |
0.12 |
|
24 |
Optimal
redistribution of an urban air quality monitoring network using atmospheric
dispersion model and genetic algorithm[62] |
10.1016/j.atmosenv.2018.01.011 |
Atmosphere
Environment. |
1352-2310 |
2018 |
3.708 |
|
25 |
Mapping
human influence intensity in the Tibetan Plateau for conservation of
ecological service functions[63] |
10.1016/j.ecoser.2017.10.003 |
Ecosystem
Service |
2212-0416 |
2018 |
4.395 |
续表
|
序号 |
引用论文题目 |
引用论文DOI |
引用论文期刊 |
期刊ISSN |
引用年份 |
期刊当年影响因子 |
|
|
26 |
Pedodiversity
and its controlling factors in mountain regions - A case study of Taihang
Mountain, China[64] |
10.1016/j.geoderma.2017.09.027 |
Geoderma |
0016-7061 |
2018 |
3.74 |
|
|
27 |
Resilience
analysis of countries under disasters based on multisource data[65] |
10.1111/risa.12807 |
Risk
Analysis |
0272-4332 |
2018 |
2.898 |
|
|
28 |
非首都功能疏解背景下北京市人口空间分布形态模拟[66] |
10.12082/dqxxkx.2018.170368 |
地球信息科学学报 |
1560-8999 |
2018 |
0.7989 |
|
|
29 |
基于改进LUR模型的区域土壤重金属空间分布预测[67] |
10.13227/j.hjkx.201704024 |
环境科学 |
0250-3301 |
2018 |
1.7318 |
|
|
30 |
大数据时代的地缘环境研究[68] |
10.3981/j.issn.1000-7857.2018.03.005 |
科技导报 |
1000-7857 |
2018 |
0.2923 |
|
|
31 |
Potential
Threats from Variations of Hydrological Parameters to the Yellow River and
Pearl River Basins in China over the Next 30 Years[69] |
10.3390/w10070883 |
Water |
2073-4441 |
2018 |
2.069 |
|
|
32 |
Impact
of land-cover layout on particulate matter 2.5 in urban areas of China[70] |
10.1080/17538947.2018.1530310 |
International
Journal of Digital Earth |
1753-8947 |
2018 |
2.746 |
|
|
33 |
Satellite-based
mapping of daily high-resolution ground PM2.5 in China via space-time
regression modeling[71] |
10.1016/j.rse.2017.12.018 |
Remote
sensing of Environment |
0034-4257 |
2018 |
6.457 |
|
|
34 |
The
impacts of climate change and human activities on alpine vegetation and permafrost
in the Qinghai-Tibet Engineering Corridor[72] |
10.1016/j.ecolind.2018.04.067 |
Ecological
Indicators |
1470-160X |
2018 |
3.983 |
|
|
35 |
Development
of an asset value map for disaster risk assessment in China by spatial disaggregation
using ancillary remote sensing data[73] |
10.1111/risa.12806 |
Risk
Analysis |
0272-4332 |
2018 |
2.898 |
|
|
36 |
Study
of car-sharing diffusion criticality conditions based on human traveling network[74] |
10.1142/S0129183118400090 |
International
Journal of Modern Physics C |
0129-1831 |
2018 |
0.919 |
|
|
37 |
Spatiotemporal
Variations in Satellite-Based Formaldehyde (HCHO) in the Beijing-Tianjin-Hebei
Region in China from 2005 to 2015[75] |
10.3390/atmos9010005 |
Atmosphere |
2073-4433 |
2018 |
1.704 |
|
|
38 |
Satellite-based
high-resolution PM2. 5 estimation over the Beijing-Tianjin-Hebei region of
China using an improved geographically and temporally weighted regression
model[76] |
10.1016/j.envpol.2018.01.053 |
Environmental
Pollution |
0269-7491 |
2018 |
4.358 |
|
|
续表 |
|||||||
|
序号 |
引用论文题目 |
引用论文DOI |
引用论文期刊 |
期刊ISSN |
引用年份 |
期刊当年影响因子 |
|
|
39 |
Assessing
local resilience to typhoon disasters: A case study in Nansha, Guangzhou[77] |
10.1371/journal.pone.0190701 |
PLoS
ONE |
1932-6203 |
2018 |
2.766 |
|
|
40 |
基于地层地形条件的贵州省人口空间分布及变化[78] |
（无） |
贵州科学 |
1003-6563 |
2018 |
0 |
|
|
41 |
Impacts
of sectoral emissions in China and the implications: air quality, public
health, crop production, and economic costs[79] |
10.1088/1748-9326/aad138 |
Environmental
Research Letters |
1748-9326 |
2018 |
4.541 |
|
|
42 |
Are
all cities with similar urban form or not? Redefining cities with ubiquitous
points of interest and evaluating them with indicators at city and block levels
in China[80] |
10.1080/13658816.2018.1511793 |
International
Journal of Geographical Information Science |
1365-8816 |
2018 |
2.37 |
|
|
5年总计（2014-2018）：数据集被引42次，数据集5年影响力积分（DISdataset） 113.5086， 平均每篇引用论文发表期刊影响因子为2.70 |
|||||||
7.2 “青藏高原范围与界线地理信息系统数据”数据影响力普查统计结果
“青藏高原范围与界线地理信息系统数据”是由中国科学院地理科学与资源研究所张镱锂、李炳元和郑度三位作者共同完成，该数据集于2014年6月在“全球变化科学研究数据出版系统”出版，DOI: 10.3974/geodb.2014.01.12.V1。自2014-2018年五年间共被引用23次，数据集数据影响力积分总分为94.067,2，被列为2019年全球变化暨地球科学数据影响力前5%（Q1区）的第二位。其中，引用此数据集发表论文影响因子最高的一篇文章是香港中文大学地理与资源管理系（Department of Geography and Resource Management, The
Chinese University of Hong Kong, Hong Kong）He, Qingqing和香港中文大学大数据决策分析研究中心（Big Data Decision Analytics (BDDA) Research Centre, The
Chinese University of Hong Kong, Hong Kong）Huang Bo 2016年在Nature（ISSN 0028-0836）期刊上发表的题目为“High-resolution mapping of global surface water and its
long-term changes”论文（DOI:
10.1038/nature20584），该期刊当年影响因子为40.137。藏高原范围与界线地理信息系统数据集历次被引用的详细记录汇总在图4与表8。
|
图 4青藏高原范围与界线地理信息系统数据 |
表8 “青藏高原范围与界线地理信息系统数据”被引用表
|
序号 |
引用论文名称 |
引用论文DOI |
期刊刊名 |
引用期刊（ISSN） |
引用年份 |
期刊当年影响因子 |
|
1 |
青藏高原草地退化类型空间分布数据集[81] |
10.11821/dlxb2014S011 |
地理学报 |
0375-5444 |
2014 |
2.3 |
|
2 |
《论青藏高原范围与面积》一文数据的发表:青藏高原范围界线与面积地理信息系统数据[82] |
10.11821/dlxb2014S012 |
地理学报 |
0375-5444 |
2014 |
2.3 |
|
3 |
青藏高原植被变化区域分异数据[83] |
10.11821/dlxb2014S013 |
地理学报 |
0375-5444 |
2014 |
2.3 |
|
4 |
世界屋脊生态地理区区域划分界线及其数据成果[84] |
10.11821/dlxb2014S001 |
地理学报 |
0375-5444 |
2014 |
2.3 |
|
5 |
Changes
in the timing and duration of the near-surface soil freeze/thaw status from
1956 to 2006 across China[85] |
10.5194/tc-9-1321-2015 |
Cryosphere |
1994-0416 |
2015 |
4.906 |
|
6 |
Recent
changes in wetlands on the Tibetan Plateau: A review[86] |
10.1007/s11442-015-1208-5 |
Journal
of Geographical Sciences |
1009-637X |
2015 |
1.923 |
|
7 |
青藏高原自然保护区特征与保护成效简析[87] |
资源科学 |
1007-7588 |
2015 |
0.932,8 |
|
|
8 |
High-resolution mapping of global surface water and its
long-term changes[88] |
10.1038/nature20584 |
Nature |
0028-0836 |
2016 |
40.137 |
|
9 |
基于分层分区法的中国历史耕地数据的网格化重建[89] |
10.11821/dlxb201607005 |
地理学报 |
0375-5444 |
2016 |
2.799,4 |
|
10 |
Tracing
changes in atmospheric moisture supply to the drying Southwest China[90] |
10.5194/acp-17-10383-2017 |
Atmospheric
Chemistry and Physics |
1680-7316 |
2017 |
5.509 |
|
11 |
The
dynamic response of lakes in the Tuohepingco Basin of the Tibetan Plateau to
climate change[91] |
10.1007/s12665-017-6446-7 |
Environmental
Earth Sciences |
1866-6280 |
2017 |
1.435 |
|
12 |
Glacier
changes on the Tibetan Plateau derived from Landsat imagery:
mid-1970s-2000-13[92] |
10.1017/jog.2016.137 |
Journal
of Glaciology |
0022-1430 |
2017 |
3.2 |
|
13 |
羌塘高原降水空间分布及其变化特征[93] |
10.11821/dlyj201711002 |
地理研究 |
1000-0585 |
2017 |
2.526,3 |
|
14 |
中国四大生态地理区的划分及其界线数据研究[94] |
10.3974/geodp.2018.01.08 |
全球变化数据学报 |
2096-3645 |
2018 |
0.12 |
|
15 |
全球变化科学研究数据出版与共享排行榜[60] |
10.3974/geodp.2018.03.01 |
全球变化数据学报 |
2096-3645 |
2018 |
0.12 |
|
16 |
2018年中国地理学会数据成果科学影响力排行榜榜首解析[61] |
10.3974/geodp.2018.03.02 |
全球变化数据学报 |
2096-3645 |
2018 |
0.12 |
|
17 |
Mapping
human influence intensity in the Tibetan Plateau for conservation of
ecological service functions[63] |
10.1016/j.ecoser.2017.10.003 |
Ecosystem
Services |
2212-0416 |
2018 |
4.395 |
续表
|
序号 |
引用论文名称 |
引用论文DOI |
期刊刊名 |
引用期刊（ISSN） |
引用年份 |
期刊当年影响因子 |
|
18 |
Spatiotemporal
Patterns of Vegetation Greenness Change and Associated Climatic and
Anthropogenic Drivers on the Tibetan Plateau during 2000-2015[95] |
10.3390/rs10101525 |
Remote
Sensing |
2072-4292 |
2018 |
3.406 |
|
19 |
青藏高原维管植物物种丰富度分布的情景模拟[96] |
10.11821/dlxb201801014 |
地理学报 |
0375-5444 |
2018 |
3.015,7 |
|
20 |
Soil
carbon stocks are underestimated in mountainous regions[97] |
10.1016/j.geoderma.2018.01.029 |
Geoderma |
0016-7061 |
2018 |
3.74 |
|
21 |
Grassland
ecosystem responses to climate change and human activities within the
Three-River Headwaters region of China[98] |
10.1038/s41598-018-27150-5 |
Scientific
Reports |
2045-2322 |
2018 |
4.122 |
|
22 |
Current
challenges in distinguishing climatic and anthropogenic contributions to
alpine grassland variation on the Tibetan Plateau[99] |
10.1002/ece3.4099 |
Ecology
and Evolution |
2045-7758 |
2018 |
2.34 |
|
23 |
2001-2010年西藏生态系统碳蓄积量数据集[100] |
10.3974/geodp.2018.01.11 |
全球变化数据学报 |
2096-3645 |
2018 |
0.12 |
|
5年总计（2014-2018）：数据集被引23次，数据集5年影响力积分（DISdataset） 为94.067,2，平均每篇引用论文发表期刊影响因子为4.1 |
||||||
8 讨论
全球变化暨地球科学数据影响力定量化和分区是科学数据影响力评价的可操作方法，通过2019年实践研究表明，科学数据影响力评价可以深入到每一个数据集、每一位数据作者、每一个数据出版中心。 由于篇幅所限，本文对每一个资助项目、每一个作者单位数据影响力评价没有一一列出。
数据引用与科学发现论文引用有所不同的是数据引用滞后时间比较长。通过表、表可以看出，这二个2014年出版的数据集被引用的高峰值都出现在第5年，这说明“全球变化科学研究数据出版系统”出版的数据集在2014-2018年间被引用在出版当年引用量不多，这些数据集被引用有一个滞后期，从出版到引用高峰年份至少要5年。这里可能有几个原因，其一，可能由于“全球变化科学研究数据出版系统”创立初期，国内外知名度还不高，随着时间的推移，该数据出版平台的国内外影响力有所增强；其二，数据集被引用做出来的科学成果与科学观点不同，它需要有一个数据再应用、再融合的分析和科学发现过程，这个时间要比直接采用科学发现观点的论文的时间要长一些；其三，有可能数据使用者对规范性引用数据这一新生事物还不是很熟悉，随着时间的推移在数据应用、引用规范化普及工作有所增加。
由于目前统计的数据均为在中国出版的数据集，根据下载使用用户来源情况统计，国内数据下载用户量和数据量都远远超出国外用户。但是，在规范性引用数据方面，中文期刊的引用量小于英文期刊的引用量。这种现象表明很可能中国用户没有规范性标引，因此没有能够统计在被规范性引用数据集中。因此，推动我国科学数据规范性引用科学道德的宣传和要求还需进一步加强，各刊编辑部也需要严格把关，在论文审核中，把数据的规范性著录作为重要审核内容之一。
科学数据被引用的高峰期出现在5年统计的最后一年，是否就出现在第5年或者还要至后几年？很可能不同的数据会有不同的滞后期。但是，到底数据的长尾效应有多长，数据被引用高峰期出现在哪个时间段，还需要更长的实践才能有充分的数据和案例回答这个问题。
作者分工：刘闯设计了DIS计算模型和整体构思并撰写了论文；张应华进行数据库开发、数据收集和数据处理。
参考文献
[1]
刘闯. 数据影响力积分(DIS)——数据影响力新的计量方法[J]. 全球变化数据学报, 2018, 2(2): 135-143. DOI:
10.3974/geodp.2018.02.02.
[2]
刘闯,马军花, Paul F. Uhlir等. 科学数据出版成果著录规范化研究[J]. 全球变化数据学报, 2018, 2(2): 123-134. DOI: 10.3974/geodp.2018.02.01.
[3]
World Data System [OL]. https://www.icsu-wds.org/
[4]
张威, 申艳. 地理大数据支持可持续发展目标大会——中国地理学会地理大数据工作委员会2019年会在大连召开[J]. 全球变化数据学报, 2019, 3(3): 308-310. DOI:
10.3974/geodp.2019.03.14.
[5]
Journal Citation Reports [OL].
https://jcr.clarivate.com/JCRLandingPageAction.action?wsid=6EKpNNj5m
Cwv3EtO4QG&Init=Yes&SrcApp=IC2LS&SID=H4-tHxxYNNFDux2FxxlOByqgMn7Tblox2FcKQf3id-18x2dhjxxx2BSoPx2Baf7Xs0XqhOfBNgx3Dx3D34iaBIOODVHh1p4eZOTmKwx3Dx3D-WwpRYkX4Gz8e7T4uNl5SUQx3Dx3D-wBEj1mx2B0mykql8H4kstFL.
[6]
付晶莹, 江东, 黄耀欢. 中国公里网格人口分布数据集[DB/OL]. 全球变化科学研究数据出版系统, 2014. DOI:
10.3974/geodb.2014.01.06.V1.
[7]
张镱锂, 李炳元, 郑度. 青藏高原范围与界线地理信息系统数据[DB/OL]. 全球变化科学研究数据出版系统, 全球变化科学研究数据出版系统, 2014. DOI:
10.3974/geodb.2014.01.12.V1.
[8]
黄耀欢, 江东, 付晶莹. 中国公里网格GDP分布数据集[DB/OL]. 全球变化科学研究数据出版系统, 2014. DOI: 10.3974/geodb.2014.01.07.V1.
[9]
徐新良, 刘纪远, 张增祥等. 中国5 年间隔陆地生态系统空间分布数据集(1990-2010) [DB/OL]. 全球变化科学研究数据出版系统, 2015. DOI:
10.3974/geodb.2015.01.01.V1.
[10]
刘闯, 石瑞香, 陈文波. 世界屋脊生态地理区区域界线地理信息系统数据集[DB/OL]. 全球变化科学研究数据出版系统, 2014. DOI:
10.3974/geodb.2014.01.01.V1.
[11]
刘闯, 石瑞香, 吕婷婷等. 世界屋脊生态地理区地形坡度分级数据集[DB/OL]. 全球变化科学研究数据出版系统, 2014. DOI:
10.3974/geodb.2014.01.03.V1.
[12]
刘闯, 石瑞香, 吕婷婷等. 世界屋脊生态地理区山地高度分类数据集[DB/OL]. 全球变化科学研究数据出版系统, 2014. DOI:
10.3974/geodb.2014.01.02.V1.
[13]
徐新良, 刘洛. 中国农田熟制资源地理分布数据[DB/OL]. 全球变化科学研究数据出版系统, 2014. DOI:
10.3974/geodb.2014.01.08.V1.
[14]
李静, 曾也鲁, 柳钦火等. 中国-东盟1km分辨率NDVI数据集(2013) [DB/OL].
全球变化科学研究数据出版系统, 2015. DOI:
10.3974/geodb.2015.01.16.V1.
[15]
仲波, 吴善龙, 柳钦火等. 中国-东盟1 km分辨率5 d频率地表反射率数据集(2013) [DB/OL].
全球变化科学研究数据出版系统, 2015. DOI:
10.3974/geodb.2015.02.02.V1.
[16]
吕婷婷, 周翔, 刘闯等. 东南亚地区红树林空间分布数据集[DB/OL]. 全球变化科学研究数据出版系统, 2015.
10.3974/geodb.2015.01.08.V1
[17]
李艳朋, 许涵, 李意德等. 南尖峰岭热带山地雨林60公顷样地不同空间尺度物种多样性数据集[DB/OL]. 全球变化科学研究数据出版系统, 2017. DOI:
10.3974/geodb.2017.02.05.V1.
[18]
周天墨, 诸云强, 付强等. 中国分省主要畜种产污系数数据集[DB/OL]. 全球变化科学研究数据出版系统, 2014. DOI: 10.3974/geodb.2014.01.10.V1.
[19]
荆文龙, 杨雅萍, 冯敏等. 中国1km栅格月平均气温数据集[DB/OL]. 全球变化科学研究数据出版系统, 2015. DOI:
10.3974/geodb.2015.01.02.V1.
[20]
李静, 柳钦火, 赵静等. 一带一路及其毗邻地区1 km / 5 d分辨率植被覆盖度数据集(2015) [DB/OL]. 全球变化科学研究数据出版系统, 2017. DOI:
10.3974/geodb.2017.04.18.V1.
[21]
陈军，廖安平，陈利军等. 全球30m分辨率陆表水域数据集(2010) [DB/OL]. 全球变化科学研究数据出版系统, DOI: 10.3974/geodb.2014.02.01.V1.
[22]
王靓, 徐新良, 刘洛. 青藏高原草地退化类型空间分布数据集[DB/OL]. 全球变化科学研究数据出版系统, 2014. DOI:
10.3974/geodb.2014.01.11.V1
[23]
贾 立, 胡光成, 郑超磊等. 中国-东盟1km分辨率地表蒸散发数据集(2013) [DB/OL].
全球变化科学研究数据出版系统, 2015. DOI: 10.3974/geodb.2015.01.11.V1.
[24]
王正兴. 黄土高原地区—全球变化数据大百科辞条[DB/OL]. 全球变化科学研究数据出版系统, 2015. DOI:
10.3974/geodb.2015.01.09.V1.
[25]
徐新良, 刘纪远, 张增祥等. 中国5年间隔陆地生态系统空间分布数据集(1990-2010) [DB/OL]. 全球变化科学研究数据出版系统, 2015. DOI:
10.3974/geodb.2015.01.01.V1.
[26]
江东, 付晶莹, 黄耀欢. 亚洲宜能边际土地资源分布[DB/OL]. 全球变化科学研究数据出版系统, 2014. DOI:
10.3974/geodb.2014.01.04.V1.
[27]
陈 军，廖安平，陈利军等. 全球30m分辨率人造地表覆盖数据集(2010) [DB/OL]. 全球变化科学研究数据出版系统, 2014. DOI: 10.3974/geodb.2014.02.02.V1.
[28]
杨赤. 基于CMIP5情景模拟的ETCCDI极端温度指数数据集[DB/OL]. 全球变化科学研究数据出版系统, 2017. DOI: 10.3974/geodb.2017.02.09.V1.
[29]
于信芳, 庄大方, 王乾坤. 中国东北森林物候期遥感监测数据集[DB/OL]. 全球变化科学研究数据出版系统, 2014. DOI:
10.3974/geodb.2014.01.14.V1.
[30]
宁晓菊, 秦耀辰, 崔耀平等. 中国10年平均水热条件变化公里网格数据集(1951-2010) [DB/OL]. 全球变化科学研究数据出版系统, 2016. DOI:
10.3974/geodb.2016.01.07.V1.
[31]
陈圣波, 杨倩, Xie, H. J.等. 中国东北地区时间序列雪盖监测数据集[DB/OL]. 全球变化科学研究数据出版系统, 2014. DOI:
10.3974/geodb.2014.01.15.V1.
[32]
葛全胜, 戴君虎, 刘浩龙等. 中国物候观测网北京站典型植物物候观测数据[DB/OL]. 全球变化科学研究数据出版系统, 2014. DOI:
10.3974/geodb.2014.01.19.V1.
[33]
葛全胜, 戴君虎, 王焕炯. 1952-2007年中国白蜡树春季物候格网数据[DB/OL]. 全球变化科学研究数据出版系统, 2014. DOI:
10.3974/geodb.2014.01.09.V1.
[34]
洪诗荣, 林永信. 中华地理一奇峰 ——追忆百年林超[DB/OL]. 全球变化科学研究数据出版系统, 2014. DOI:
10.3974/geodb.2014.01.20.V1.
[35]
刘闯. 卫星遥感集邮品数据集(1957-1959) [DB/OL]. 全球变化科学研究数据出版系统, 2014. DOI:
10.3974/geodb.2014.01.05.V1.
[36]
石瑞香. 白洋淀蝗区典型样点2002年土壤调查数据[DB/OL]. 全球变化科学研究数据出版系统, 2014. DOI: 10.3974/geodb.2014.01.16.V1.
[37]
孙伟, 郭春霞, 诸云强. 1981-2010年湖南省年均土壤生产潜力数据集[DB/OL]. 全球变化科学研究数据出版系统, 2014. DOI:
10.3974/geodb.2014.01.18.V1.
[38]
徐新良, 翟孟源, 刘洛. 长江中下游地区冬闲田地理分布数据[DB/OL]. 全球变化科学研究数据出版系统, 2014. DOI:
10.3974/geodb.2014.01.17.V1.
[39]
于伯华, 吕昌河, 吕婷婷等. 青藏高原植被变化区域分异分析数据[DB/OL]. 全球变化科学研究数据出版系统, 2014. DOI:
10.3974/geodb.2014.01.13.V1
[40]
付晶莹, 江东, 黄耀欢. 中国公里网格人口分布数据集[J]. 地理学报, 2014, 69(增刊): 41-44. DOI: 10.11821/dlxb2014S006.
[41]
Xie, Y. Y., Wang, Y. X., Zhang, K., et al. Daily Estimation of Ground-Level PM2.5
concentrations over Beijing using 3 km resolution MODIS AOD [J]. Environment Science & Technology,
2015, 49(20): 12280-12288. DOI: 10.1021/acs.est.5b01413.
[42]
Zhang, X. Y., Zhang, Z. J., Chang, Y. G., et al. An estimation model of population
in China using time series DMSP night-time satellite imagery from 2002-2010 [C].
International Conference on Intelligent earth Observing and Application, 2015,
9808: 9808D. DOI: 10.1117/12.2207575.
[43]
Sun, J. T., Pan, L. L., Zhan, Y., et al. Contamination of phthalate esters,
organochlorine pesticides and polybrominated diphenyl ethers in agricultural
soils from the Yangtze River Delta of China [J]. Science of the Total Environment, 2016, 544: 670-676. DOI:
10.1016/j.scitotenv.2015.12.012.
[44]
Li, S. C., Wang, Z. F., Zhang, Y. L., et al. Comparison of socioeconomic
factors between surrounding and non-surrounding areas of the Qinghai-Tibet
Railway before and after its construction [J]. Sustainability, 8(8): 776. DOI: 10.3390/su8080776.
[45]
郭山山, 龚俊, 尹晶飞. 基于DMSP/OLS的人口分布网格精细化研究[J]. 地震研究, 2016, 39(2): 321-326.
10.3969/j.issn.1000-0666.2016.02.020.
[46]
王辉, 吴其重, 周任君等. 结合GIS数据对合肥市大气污染状况的初步数值模拟研究[J]. 环境科学学报, 2016, 36(11): 3902-3912. DOI:
10.13671/j.hjkxxb.2016.0100
[47]
田晓瑞, 代玄, 王明玉等. 多气候情景下中国森林火灾风险评估[J]. 应用生态学报, 2016, 27(3): 769-776. DOI:
10.13287/j.1001-9332.201603.034.
[48]
Ren, Z. P., Wang, D. Q., Ma, A. M., et al. Predicting malaria vector
distribution under climate change scenarios in China: Challenges for malaria
elimination [J]. Scientific Reports,
2016, 6: 20604. DOI: 10.1038/srep20604.
[49]
Gu, Y., Yim, S.
H. L. The air quality and health impacts of domestic trans-boundary pollution
in various regions of China [J]. Environment
International, 2016, 97: 117-124. DOI:
10.1016/j.envint.2016.08.004
[50]
陈慧玲, 肖武, 王铮等. 巢湖流域地形起伏度及其与人口分布的相关性研究[J]. 科学技术与工程, 2016, 16(17): 108-112, 144.
[51]
Zhou, Y., Xing, X. F., Lang, J. L., et al. A comprehensive biomass burning
emission inventory with high spatial and temporal resolution in China [J]. Atmospheric Chemistry and Physics, 2017,
17(4): 2839-2864. DOI: 10.5194/acp-17-2839-2017.
[52]
Zhou, Y. D., Zhao, Y., Mao, P., et al. Development of a high-resolution
emission inventory and its evaluation and application through air quality
modeling for Jiangsu province, China [J]. Atmospheric
Chemistry and Physics, 2017, 17: 211-233. DOI:
10.5194/acp-17-211-2017.
[53]
Liu, L. L., Xu, H. M., Wang, Y. Impacts of 1.5
and 2 °C global warming on water availability and extreme hydrological events
in Yiluo and Beijiang River catchments in China [J]. Climatic Change, 2017, 145(1-2): 145-148. DOI: 10.1007/s10584-017-2072-3.
[54]
Yin, Y. Y., Tang, Q. H., Liu, X. C., et al. Water scarcity under various
socio-economic pathways and its potential effects on food production in the
Yellow River basin [J]. Hydrology and
Earth System Sciences, 2017, 21 (2): 791-804. DOI:
10.5194/hess-2016-188.
[55]
Li, S. F., Hughes, A. C., Su, T., et al. Fire dynamics under monsoonal
climate in Yunnan, SW China: past, present and future [J]. Palaeogeography, Palaeoclimatology, Palaeoecology, 2017, 465(part
A): 168-176. DOI: 10.1016/j.palaeo.2016.10.028.
[56]
Tong, Y. D., Bu, X. G., Chen. C, et al. Impacts of sanitation improvement
on reduction of nitrogen discharges entering the environment from human excreta
in China [J]. Science of the Total
Environment, 2017(593-594): 439-448. DOI: 10.1016/j.scitotenv.2017.03.177.
[57]
年蔚, 陈艳梅,高吉喜等. 京津冀固碳释氧生态服务供-受关系分析[J]. 生态与农村环境学报, 2017, 33(9):
783-791. DOI: 10.11934/j.issn.1673-4831.2017.09.003.
[58]
严沁, 孔少飞, 刘海彪等. 中国民用燃煤排放细颗粒物中水溶性离子清单及减排启示[J]. 中国环境科学, 2017, 37(10): 3708-3721. DOI:
10.13227/j.hjkx.201707063.
[59]
Zheng, Q. M., Zeng, Y., Deng, J. S., et al. “Ghost cities” identification
using multi-source remote sensing datasets: a case study in Yangtze River Delta
[J]. Applied Geography, 2017, 80: 112-121. DOI:
10.1016/j.apgeog.2017.02.004.
[60]
中国地理学会. 全球变化科学研究数据出版与共享排行榜. 全球变化数据学报, 2018, 2(3): 243-248. DOI:
10.3974/geodp.2018.03.01.
[61]
刘闯, 廖小罕, 张国友等. 2018年中国地理学会数据成果科学影响力排行榜榜首解析[J]. 全球变化数据学报, 2018, 2(3): 249-255. DOI:
10.3974/geodp.2018.03.02.
[62]
Hao, Y. F., Xie, S. D. Optimal redistribution of an
urban air quality monitoring network using atmospheric dispersion model and
genetic algorithm [J]. Atmosphere
Environment, 2018, 177: 222-223. DOI:
10.1016/j.atmosenv.2018.01.011.
[63]
Li, S. C., Zhang, Y. L., Wang, Z. F., et al. Mapping
human influence intensity in the Tibetan Plateau for conservation of ecological
service functions [J]. Ecosystem Services,
2018, 30(part B): 276-286. DOI: 10.1016/j.ecoser.2017.10.003.
[64]
Fu, T. G., Han, L. P., Gao, H., et al. Pedodiversity and its controlling
factors in mountain regions - A case study of Taihang Mountain, China [J]. Geoderma, 2018, 310: 230-237. DOI: 10.1016/j.geoderma.2017.09.027.
[65]
Zhang, N., Huang, H. Resilience analysis of
countries under disasters based on multisource data [J]. Risk Analysis, 2018, 38(1): 31-42. DOI: 10.1111/risa.12807.
[66]
胡曾曾, 赵志龙, 张贵祥. 非首都功能疏解背景下北京市人口空间分布形态模拟[J]. 地球信息科学学报, 2018, 20(2): 205-216. DOI:
10.12082/dqxxkx.2018.170368.
[67]
曾菁菁, 沈春竹, 周生路等. 基于改进LUR模型的区域土壤重金属空间分布预测[J]. 环境科学, 2018, 39(1): 371-378. DOI:
10.13227/j.hjkx.201704024.
[68]
江东, 王倩, 丁方宇. 大数据时代的地缘环境研究[J]. 科技导报, 2018, 36(3): 41-48. DOI:
10.3981/j.issn.1000-7857.2018.03.005.
[69]
Liu, L. L., Jiang, T., Xu, H. M., et al. Potential threats from variations
of hydrological parameters to the Yellow River and Pearl River Basins in China
over the next 30 years [J]. Water,
2018, 10(7): 883. DOI:
10.3390/w10070883.
[70]
Li, J. Y., Huang, X. Impact of land-cover layout
on particulate matter 2.5 in urban areas of China [J]. International Journal of Digital Earth, 2018. DOI:
10.1080/17538947.2018.1530310.
[71]
He, Q. Q., Huang, B. Satellite-based mapping of
daily high-resolution ground PM2.5 in China via space-time regression modeling
[J]. Remote Sensing of Environment,
2018, 206: 72-83. DOI: 10.1016/j.rse.2017.12.018.
[72]
Luo, L. H., Ma, W., Zhuang, Y. L., et al. The impacts of climate change and
human activities on alpine vegetation and permafrost in the Qinghai-Tibet
Engineering Corridor [J]. Ecological
Indicators, 2018, 93: 24-35. DOI:
10.1016/j.ecolind.2018.04.067.
[73]
Wu, J. D., Li, Y., Li, N., et al. Development of an asset value map for disaster risk
assessment in China by spatial disaggregation using ancillary remote sensing
data [J]. Risk Analysis, 2018, 38(1):
17-30. DOI: 10.1111/risa.12806.
[74]
Xu, Y., Ji, X. H. Study of car-sharing diffusion
criticality conditions based on human traveling network [J]. International
Journal of Modern Physics C, 2018, 29(5): 1840009. DOI:
10.1142/S0129183118400090
[75]
Zhu, S. Y., Li, X. Y., Chao, Y., et al. Spatiotemporal variations in
satellite-based formaldehyde (HCHO) in the Beijing-Tianjin-Hebei region in
China from 2005 to 2015 [J]. Atmosphere,
2018, 9(1): 5. DOI:
10.3390/atmos9010005.
[76]
He, Q. Q., Huang, B. Satellite-based
high-resolution PM2.5 estimation over the Beijing-Tianjin-Hebei region of China
using an improved geographically and temporally weighted regression model [J]. Environmental Pollution, 2018, 236: 1027-1037. DOI:
10.1016/j.envpol.2018.01.053.
[77]
Song, J. H., Huang, B., Li, R. R. Assessing local
resilience to typhoon disasters: a case study in Nansha, Guangzhou [J]. PLoS ONE, 2018, 13(3): e190701. DOI:
10.1371/journal.pone.0190701.
[78]
罗雅雪, 周秋文, 肖永琴. 基于地层地形条件的贵州省人口空间分布及变化[J]. 贵州科学, 2018, 36(4): 50-55.
[79]
Gu, T. F., Wong,
T. W., Law, S. C. K., et al. Impacts
of sectoral emissions in China and the implications: air quality, public
health, crop production, and economic costs [J]. Environmental Research Letters, 2018, 13(8): 1-13. DOI:
10.1088/1748-9326/aad138.
[80]
Song, Y. Z., Long, Y., Wu, P., et al. Are all cities with similar urban
form or not? Redefining cities with ubiquitous points of interest and
evaluating them with indicators at city and block levels in China [J]. International Journal of Geographical
Information Science, 2018. DOI: 10.1080/13658816.2018.1511793.
[81]
王靓, 徐新良, 刘洛. 青藏高原草地退化类型空间分布数据集[J]. 地理学报, 2014, 69(增刊): 61-64. DOI: 10.11821/dlxb2014S011.
[82]
张镱理, 李炳元, 郑度. 《论青藏高原范围与面积》一文数据的发表: 青藏高原范围界线与面积地理信息系统数据[J]. 地理学报, 2014, 69(增刊): 65-68. DOI: 10.11821/dlxb2014S012.
[83]
于伯华, 吕昌河, 吕婷婷等. 青藏高原植被变化区域分异数据[J]. 地理学报, 2014, 69(增刊): 69-71. DOI: 10.11821/dlxb2014S013.
[84]
刘闯, 石瑞香, 陈文波. 世界屋脊生态地理区区域划分界线及其数据成果[J] 地理学报, 2014, 69(增刊): 12-19. DOI:
10.11821/dlxb2014S001.
[85]
Wang, K., Zhang, T. J., Zhong, X. Y. Changes in
the timing and duration of the near-surface soil freeze/thaw status from 1956
to 2006 across China [J]. The Cryosphere,
2015, 9: 1321-1331. DOI: 10.5194/tc-9-1321-2015.
[86]
Zhao, Z. L., Zhang, Y. L., Liu, L. S, et al. Recent changes in wetlands on the
Tibetan Plateau: a review [J]. Journal of
Geographical Sciences, 2015, 25(7): 879-896. DOI:
10.1007/s11442-015-1208-5.
[87] 张镱锂, 吴雪, 祁威等. 青藏高原自然保护区特征与保护成效简析[J]. 资源科学, 2015, 37(7): 1455-1464.
[88]
Pekel, J. F., Cottam, A., Gorelick, N., et al. High-resolution mapping of global
surface water and its long-term changes [J]. Nature, 2016, 540: 418-422. DOI:
10.1038/nature20584.
[89]
魏希文, 缪丽娟, 江源等. 基于分层分区法的中国历史耕地数据的网格化重建[J]. 地理学报, 2016,71(7): 1144-1156. DOI:
10.11821/dlxb201607005.
[90]
Zhang, C., Tang, Q. H., Chen, D. L., et al. Tracing changes in atmospheric
moisture supply to the drying Southwest China [J]. Atmospheric Chemistry and Physics, 2017, 17: 10383-10393.
DOI: 10.5194/acp-17-10383-2017.
[91]
Zhao, Z. L., Liu, F. G., Zhang, Y. L., et al. The dynamic response of lakes in
the Tuohepingco Basin of the Tibetan Plateau to climate change [J]. Environmental Earth Sciences, 2017, 76:
137. DOI: 10.1007/ s12665-017-6446-7.
[92] Ye, Q. H., Zong, J. B. A., Tian, L. D., et
al. Glacier changes on the Tibetan Plateau
derived from Landsat imagery: mid-1970s-2000-13 [J]. Journal of Glaciology,
2017, 63(238): 273-287.
DOI: 10.1017/jog.2016.137.
[93]
李兰晖, 刘琼欢, 张镱锂等. 羌塘高原降水空间分布及其变化特征[J]. 地理研究, 2017, 36(11): 2047-2060. DOI:
10.11821/dlyj201711002.
[94]
刘闯, 石瑞香. 中国四大生态地理区的划分及其界线数据研究[J]. 全球变化数据学报, 2018, 2(1): 42-50. DOI:
10.3974/geodp.2018.01.08.
[95]
Li, L. H., Zhang, Y. L., Liu, L. S., et al. Spatiotemporal patterns of
vegetation greenness change and associated climatic and anthropogenic drivers
on the Tibetan Plateau during 2000-2015 [J]. Remote Sensing, 2018, 10(10): 1525. DOI: 10.3390/rs10101525.
[96]
范泽孟, 黄言, 岳天祥. 青藏高原维管植物物种丰富度分布的情景模拟[J]. 地理学报, 2018,73(1): 164-176. DOI: 10.11821/dlxb201801014.
[97]
Chen, S. C., Arrouays, D. Soil carbon stocks are
underestimated in mountainous regions [J]. Geoderma,
2018, 320: 146-148. DOI: 10.1016/j.geoderma.2018.01.029.
[98]
Han, Z., Song, W., Deng, X. Z., et al. Grassland ecosystem responses to
climate change and human activities within the Three-River Headwaters region of
China [J]. Scientific Reports, 2018,
8: 9079. DOI: 10.1038/s41598-018-27150-5.
[99]
Li, L. H., Zhang, Y. L., Liu, L. S., et al. Current challenges in
distinguishing climatic and anthropogenic contributions to alpine grassland
variation on the Tibetan Plateau [J]. Ecology
and Evolution, 2018, 8(11): 5949-5963. DOI:
10.1002/ece3.4099.
[100]
赵忠贺, 刘高焕, 徐增让. 2001-2010年西藏生态系统碳蓄积量数据集[J]. 全球变化数据学报, 2018, 2(1): 67-71. DOI:
10.3974/geodp.2018.01.11.