环境数据

4.1.1 全球环境单独属性数据集

1、 提供全球氮沉降数据集(已下载)：
## 数据描述：
该数据集提供了1860年大气中总无机氮（N），NHx（NH3和NH4 +)和NOy（除N2O以外的所有氧化形式的氮)的大气沉积量的全球网格估计值，单位为mg N / m2 /年，为1860年和1993年以及对2050年的预测。
## 数据下载网址：
https://search.earthdata.nasa.gov/search/granules?p=C179003620-ORNL_DAAC&pg[0][gsk]=-start_date&tl=1580710137!4!!

2、提供全球的每年份的NDVI数据集：
## 数据下载网址：(根据气候shp范围下载)
https://ndvi.ntsg.umt.edu/
## 数据描述：
包含1984年到2019年的环境数据NDVI,可以使用17天的图层组；

3、全球降水气候中心：
## 数据下载：
https://www.dwd.de/EN/Home/home_node.html;jsessionid=F2A81B0B6552228220D592D0F9535788.live11054
## 数据描述：
不提供直接数据下载，但提供每天的可视化观测结果；

4、## 世界气象组织全球极端天气和气候档案
## 数据说明：提供全球部分区域的天气和极端气候；
## 数据下载：
https://wmo.asu.edu/content/world-meteorological-organization-global-weather-climate-extremes-archive
## 数据说明补充：
1、在文档中的研究者提到 使用地表两米温度的时间序列来探究全球气候变化中厄尔尼诺期和拉尼娜期的气候、降水变化。但是这个数据没有提供可用的栅格数据，可能需要自行下载模拟使用；
http://climexp.knmi.nl/effects.cgi?id=someone@somewhere#temperature
4.1 全球降水子库——欧洲和德国数据中心：
## 数据链接：
https://cdc.dwd.de/portal/201912031600/searchview
## 数据描述：(方便下载)
Deutscher wetterdienst Wetter und Klima aus einer Hand
仅提供欧洲和德国的气候、土壤、辐射以及降雪等信息。

5、全球碳足迹：250m精度
## 数据下载链接：
http://citycarbonfootprints.info/
## 数据简述：
该模型提供了全球一致的，在空间上可解析的(250m），按人均和绝对条件估算的189个国家/地区的碳足迹(也称为范围3排放量)。它包含了针对美国，中国，日本，欧盟和英国的现有地方政府模型。开放获取出版物“ 13,000个城市的碳足迹”中描述了该模型 。

6、全球辐射数据集：
6.1 全球辐射数据集-glUV：
## 数据链接：
https://www.ufz.de/gluv/index.php?en=32367
UVB1-年平均UV-B UVB1（16.7 MB）
UVB2-UV-B季节性 UVB2（16.7 MB）
UVB3-最高月份的平均UV-B UVB3（16 MB）
UVB4-最低月份的平均UV-B

6.2 全球太阳能辐射数据集(工业用)
## 数据链接：
https://globalsolaratlas.info/downloads/iran
## 数据说明：
1、太阳能，光伏发电潜力和其他参数以栅格(网格)数据的形式提供，有两种格式：GeoTIFF和AAIGRID(Esri ASCII网格)。提供的要下载的ZIP文件包含以下几层：PVOUT (光伏电源电位);GHI（全局水平辐照);DIF(漫反射水平辐照);GTI(用于最佳倾斜表面的全局辐照);OPTA  (光伏组件的最佳倾斜角度)最大化年产量);DNI(直接法线照射);TEMP(高于地面2 m的气温，以°C为单位);ELE(地形高于海平面的海拔，以米为单位)。
2、数据层以地理空间参考（EPSG：4326）提供。太阳能资源数据（GHI，DIF，GTI，DNI）的分辨率（像素大小）为9 arcsec（标称250 m），PVOUT和TEMP 30 arcsec（标称1 km）和OPTA 2 arcmin（标称4 km）。

6.3 Clear-sky UV index forecast
## 数据链接：
http://www.temis.nl/uvradiation/world_uvi.html
## 数据说明：
此数据集不仅提供uv辐射数据(每天实时更新)，还提供：no2、co2、co、o3、气溶胶、云和火山熔岩的实时更新数据；

6.4 世界臭氧和紫外线辐射数据中心
https://woudc.org/data/explore.php?lang=en

6.5 太阳辐射数据下载的其他平台：
https://photovoltaic-software.com/principle-ressources/solar-radiation-databases

7、 生物气候模拟的全球气候:
## 数据链接：(## 数据集提供是1985-1999年的历史气候数据)
https://www.climond.org/Default.aspx
## 数据说明：
提供下载1-19个环境因子(基于worldclim)以及扩展的16个附加变量集（太阳辐射和土壤湿度）。以及基于ipcc5创建的 未来气候数据；

8、全球河流流量数据库
## 数据链接：
http://nelson.wisc.edu/sage/data-and-models/datasets.php 
## 数据描述：
数据来自于美国威斯康星大学麦迪逊分校数据库，该数据库不仅包括全球河流节点信息，还包含一些常用的社会生态信息，但该数据库信息存在数据过时的问题。

9、全球高精度土地分类：10m/30m精度
## 数据描述：
来自清华大学研究组提供的全球高精度环境分类图层信息：精度高达10m，2017年最新更新；
数据网站底部提供了数据的分类信息；
## 数据链接：
http://data.ess.tsinghua.edu.cn/
http://data.ess.tsinghua.edu.cn/fromglc2017v1.html



11 全球海洋监测数据集：
11.1 ## 哈德利中心海冰和海水温度数据集    
## 数据链接：
http://www.metoffice.gov.uk/hadobs/hadisst/

11.2 ## MARSPEC数据集
## 数据描述：
全球海洋的原位 和卫星观测中得出的地球物理和气候数据层  。地球物理层来自  SRTM30_PLUS 高分辨率（1公里）测深数据集，并且包含描述海底深度，坡度，纵横比和曲率以及到最近海岸线的距离的变量。气候层来自  NOAA的《世界海洋地图集》 和  NASA的《海洋色彩网》。这些变量  表征了20世纪末以来观测到的年际平均值，极端值以及海表温度和盐度的变化。
## 数据链接：
http://marspec.weebly.com/modern-data.html

12 全球植被丛集指数产品
## 数据描述：
总初级生产力（GPP）和蒸散量（ET）的估算将受到植被叶子的空间分布的影响，可以用冠层丛集指数（CI）来描述。CI是表征陆地生态系统和模拟地表过程的重要因素。多角度遥感数据提供了一种有效的方式来产生长期的全球CI数据。
## 数据链接：
https://doi.pangaea.de/10.1594/PANGAEA.884994
## 数据引用：
Wei, Shanshan; Fang, Hongliang (2016): Estimation of canopy clumping index from MISR and MODIS sensors using the normalized difference hotspot and darkspot (NDHD) method: The influence of BRDF models and solar zenith angle. Remote Sensing of Environment, 187, 476-491, https://doi.org/10.1016/j.rse.2016.10.039

13 未来及近代历史数据：
## 未来气候数据：
## 数据下载：
http://www.ccafs-climate.org/data_spatial_downscaling/
## 数据描述：
基于ipcc4和5的降尺度分析；

## 近代历史数据：
## 提供公元前10000到2005年的网络化人口(总人口、城市和农村人口，密度和区域)
## 数据链接：
https://themasites.pbl.nl/tridion/en/themasites/hyde/download/index-2.html

## 数据来自：MERRAclim，高分辨率的全球遥感数据集，用于生态建模的生物气候变量
## 数据提供链接：
## 提供1980/1990/2000年的19个气候变量因子：
https://datadryad.org/stash/dataset/doi:10.5061/dryad.s2v81

14 降雪反演数据，雪深数据：
从太空观测北半球山脉的积雪深度变化
Snow depth variability in the Northern Hemisphere mountains observed from space

15全球永久冻土模拟结果：
# 论文：
Northern Hemisphere permafrost map based on TTOP modelling for 2000–2016 at 1 km2 scale
# 数据下载：
https://doi.pangaea.de/10.1594/PANGAEA.888600?format=html#download

16 全球气候站点数据： http://www.ccafs-climate.org/
http://www.ccafs-climate.org/data/
# 数据包含：CCAFS-气候数据门户网站提供了全球和区域未来的高分辨率气候数据集，这些数据集是评估生物多样性，农业和畜牧生产以及生态系统服务和水文学等多个领域的气候变化影响和适应的基础。
# 降尺度的气候数据、环境数据、环境偏差数据以及方法；


17： 全球海洋数据集：
## 提供详细且丰富的海洋数据集：温度
盐度、流速、冰厚、海冰浓度、硝酸盐、磷酸盐、硅酸盐、溶解分子氧、铁
叶绿素、浮游植物、初级生产力、方解石、酸碱度等等
https://www.bio-oracle.org/downloads-to-email.php

## GMED:
http://gmed.auckland.ac.nz/data.html

4.1.2 国家环境数据集

1、美国环境数据以及各领域数据集合：
## 数据网址：
https://www.usgs.gov/products/data-and-tools/gis-data
## 数据说明：
该数据集是奥巴马执政时的数据公开网站，几乎包含了美国所有可查询不涉密的环境数据集集社会经济数据集；

2、USGS 提供数字高程、土地覆盖、遥感及卫星遥感地图和植被检测数据：
## 数据网址：
https://earthexplorer.usgs.gov/
## 数据下载说明：
### 高程数据 STRM:
提供包括13精度的高程数据、无空洞数据集以及水体高度数据集；
### 植被检测 Vegetation Monitoring:(## 不方便下载)
提供DRI/LST/NDVI 数据集；

## 澳大利亚气候中心：
## 数据链接：
http://www.bom.gov.au/climate/enso/#current
## 数据描述：
此网站关于极端气候和日常监测气候都提供共享；

## 中国国家数据集：

##青藏高原数据集(第三极数据中心)：
## 数据描述：
由姚檀栋院士领导，提供研究青藏高原和极地气候的所有数据集，目前已总结 的数据集已经超过几千种；
## 关于青藏高原数据集有趣的描述：
http://www.tpe.ac.cn/stories/202005/t20200529_237984.html
## 数据下载说明：
部分数据的下载需要ftp，不需要端口，直接输入对应主机、用户名和密码即可；
## 数据下载名录：
青藏高原新绘制冻土分布图(2017)
中国数字高程图(1KM)
中东亚千旱半干旱区全新世气候变化的集成数据集
青藏高原湖泊面积长时间序列数据集(1970-2013)
青藏高原与周边地区冰川变化及其与大气环流关系(19705-20005)
全球PMLV2陆地蒸散发与总初级生产力数据集(2002.07-201908)
青藏高原1:100万行政边界数据(2017)
中国土壤有机质数据集
青藏工程走廊地表温度数据(2000-2010)
中国植被功能型图(1km)
中国西部水湖编目数据(2015
喜马拉雅造山带隆升历史及其对南亚季风的指示意义
中国雪深长时间序列数据集(1979-2019
中国第二次冰川编目数据集(V1.0)(2006-2011)
P青藏高原光学仪器通感1km积雪夏盖数据集(1989-2018)
中国1km分辨率月最任温度数据集(1901-2017
中国1km分辨率月最高温度数据集(1901-2017)
中国1km分辨率逐月降水量数据集(1901-2017
青藏高原湖泊动态数据集（V1.0）（1984-2016）
全球高分辨率（3小时，10公里）地表太阳辐射数据集（1983-2017）###  1.3Tb;

4.1.3 全球数据集集合网站：

4.1.3.1 NASA EARTHDATA

## NASA EARTHDATA :
## 数据网址1：
https://worldview.earthdata.nasa.gov/
https://search.earthdata.nasa.gov/search
https://search.earthdata.nasa.gov/portal/idn/search?ac=true
## 数据产品网站
https://lpdaac.usgs.gov/product_search/?view=list&status=Operational&per_page=90&collections=Combined+MODIS&collections=Terra+MODIS&collections=Aqua+MODIS&page=2
## 数据描述：
包含农业；生物分类；生物圈；气候指标；冰冻圈；数据分析与可视化；地球观测卫星
环境咨询；人的维度；地表；海洋；光谱；工程；日地相互作用；

## 数据网址2：
https://earthdata.nasa.gov/learn/toolkits/biological-diversity
## 数据描述：
1、从各种遥感参数中收集测量值，包括植被指数（或绿度），叶面积，初级生产力，蒸腾作用，冠层高度，物候和生物量。人居适宜性可作为物种分布的代表。
2、通过整合环境变量（例如土地覆盖类型，温度，降水，土壤湿度，积雪和地形）以及物种存在数据，使用模型来估计给定物种的栖息地潜力。
3、遥感地球观测数据，地面观测数据和模型数据的组合可用于确定单个物种的运动模式。这些观察结果可以帮助确定特定区域内物种的数量（物种丰富度），或评估其当代人类改变形式的陆地生物群落（人为生物群落）
4、遥感数据可用于监测来自太空的水生生态系统的状态。从藻华发展到动物迁徙，诸如叶绿素浓度，海面温度和盐度之类的测量对于确定栖息地的适宜性很有用。这些数据也可以合并到海洋环流模型和生物地球化学模型中，以帮助预测动物运动。
上述所有数据集全部可以通过https://worldview.earthdata.nasa.gov/查看和下载；

## 数据特色分类：

### 全球土壤剖面数据（ISRIC-WISE）:
#### 数据描述：提供1950年全年的土壤数据剖面全集：
#### 数据下载：
https://search.earthdata.nasa.gov/search/granules?p=C179003026-ORNL_DAAC&pg[0][gsk]=-start_date&tl=1580712882!4!!&fsm0=Soils&fst0=Agriculture

### 二十世纪的全球每月气候学（New等)：
#### 数据描述：
1900-01-01至1998-12-31的包括南极洲在内的全球陆地区域每月地面气候的0.5度经/纬度数据集。主要变量直接从台站时间序列内插：降水，平均温度和昼夜温度范围。
#### 数据链接：
https://search.earthdata.nasa.gov/search/granules?p=C1404020810-ORNL_DAAC&pg[0][gsk]=-start_date&tl=1580713207!4!!&fs10=Nitrogen&fsm0=Soils&fst0=Agriculture&fsm1=Atmospheric%20Chemistry/Nitrogen%20Compounds&fst1=Atmosphere&fsm2=Weather%20Events&fst2=Atmosphere

### 全球人口分布数据集：
####  数据网址：
https://sedac.ciesin.columbia.edu/gpw/app/?file=gpwv3&level=global&code=GL&level-scope=continent&region=Global&data=pcount&type=ascii&resolut=quar&year=90#### 数据描述：
提供了全球1990、1995和2000年的全球人口数据；包含多种形式的数据类型以及质心、海岸线等的迁移。

4.1.3.2 IPCC

## ipcc数据库：
## 数据连接：https://www.ipcc.ch/data/
## 数据库描述：政府间气候变化专门委员会——全球气候变化评估数据中心，提供数据下载及数据分发和评估；

###  数据分配中心(DDC)：
http://www.ipcc-data.org/
###  排放因子数据库(EFDB):
https://www.ipcc-nggip.iges.or.jp/EFDB/main.php
## IPCC分享气候链接：
http://www.ipcc-data.org/guidelines/pages/approvedDatasetLinks.html

### DDC-co2浓度变化；
#### 数据网址：
http://www.ipcc-data.org/observ/ddc_co2.html
#### 数据描述：
提供了过去、现在及未来的co2数据输出

### IPCC提供的高分辨率气候数据集：csv形式；
## 数据描述：
温度；wet days；降雨；day tmax；day tmin；结霜频率；水蒸气昼夜温度范围；云盖
## 数据下载：
http://ipcc-data.org/observ/clim/cru_ts2_1.html

4.1.3.3 NOAA

## noaa ：美国国家海洋与大气管理局：
## 数据网址：
https://www.psl.noaa.gov//
https://www.psl.noaa.gov/data/gridded/index.html
https://www.ncdc.noaa.gov/customer-support/world-data-centers
### 数据集描述：
该数据集包含以下四个部分，均提供便捷的下载方式：包含
大气层数据：包含云属性和降水以及太阳辐射信息(见下)；
海洋数据集：包括海洋热量、海冰浓度以及海洋温度等；
陆地数据集：AVHRR表面反射率；叶面积指数和 FAPAR；归—化植被指数；积雪范围(北半球)
基本数据集：主要提供是大气环流层的建模数据结果；
古气候数据：包含过去几百万的历史研究，如气候重建、植被重演等；
## FTP NOAA:NCEI ftp
ftp2.psl.noaa.gov
ftp.ngdc.noaa.gov  ftp://ftp.nodc.noaa.gov/
ftp.ncei.noaa.gov  ftp.ncei.noaa.gov/data/
ftp://ftp.ncdc.noaa.gov/pub/data/gsod/

ftp://ftp.nodc.noaa.gov/pub/data.nodc/

#########################  全球大气信息  ######################
### 全球太阳辐射数据集：
## 数据描述：该数据集提供了总太阳辐照度（TSI）的高质量气候数据记录（CDR）；包含从1985-2019年的太阳每月太阳辐射和每年的太阳辐射数据集；
## 数据下载：
https://www.ncdc.noaa.gov/cdr/atmospheric/total-solar-irradiance

### 全球大气层温度图层2.5度
## 数据说明：包含平均温度异常数据(anom)和平均值(average)数据
## 数据下载链接：
https://www.ncei.noaa.gov/data/mean-layer-temperature-rss/access/

### 卫星间校准的晴空高分辨率红外辐射探测器（HIRS）的NOAA气候数据记录（CDR）通道12亮度温度版本3
## 数据描述：是一种网格化的全球月度时间序列产品，范围从1979年到最近的全年，每月更新一次。在HIRS仪器的20个通道中，通道12测量对流层上方的水蒸气（UTWV）；2.5度；
## 数据下载：从1978-2017年；
https://www.ncei.noaa.gov/data/hirs-brightness-temperature/access/
83.634101 
### 全球co2数据图层(Footprints)：
## 数据链接：
ftp://aftp.cmdl.noaa.gov/products/carbontracker/lagrange/footprints/ctl-na-v1.1
## 数据说明：
提供全球数据2007-2016年的碳追踪数据；

##  noaa 提供的全球冰雪数据集：
## 数据描述：
提供从2003年至今每一天的降雪数据图层；
## 数据链接：
https://nsidc.org/data/G02158
https://nsidc.org/data/G02158#  ## 说明文档
####################  全球海洋数据集 #######################
###  noaa- 全球海洋数据集：
#### 数据网址：
https://icoads.noaa.gov/Release_1/coads.html
#### 数据描述：
海面温度；气温；标里风；矢里风向东分里；矢里风向北分里；海平面压力，等

## 海洋表面数据集：
## 数据描述：
该数据集提供了高质量的气候数据记录（CDR），其中包括海洋表面的气温，风速和特定湿度
## 数据下载：
https://www.ncdc.noaa.gov/cdr/atmospheric/ocean-near-surface-atmospheric-properties


######################  陆地信息  ###################
### 这些数据精确到每一天就很烦！！！！！，需要月均值即可
## Leaf Area Index and FAPAR(叶面积指数和反射率)
## 关于数据集的介绍：
https://neo.sci.gsfc.nasa.gov/view.php?datasetId=MOD15A2_M_LAI
## 数据描述：该数据集为科研人员提供了高质量的叶面积指数（LAI）的气候数据记录（CDR）和吸收的光合有效辐射分数（FAPAR）
## 
https://www.ncdc.noaa.gov/cdr/terrestrial/leaf-area-index-and-fapar
##数据下载链接及说明：
### 该数据是获取从1981年到2020年每一个月对应的值，需要分批次下载；
https://www.ncei.noaa.gov/data/avhrr-land-leaf-area-index-and-fapar/access/

## Normalized Difference Vegetation Index（NDVI）
## 数据说明：NDVI CDR总结了表面植被覆盖度活动的度量。从超高分辨率高分辨率辐射计（AVHRR）得出的红色和近红外光谱带中的表面反射率计算可提供NDVI值。从1981年至今，NDVI CDR每天在0.05°x 0.05°网格上产生输出。这项对遥感植被观测资料的长期一致记录使科学家能够表征世界各地不同地区的植被健康状况。
##数据下载链接及说明：
### 该数据是获取从1981年到2020年每一个月对应的值，需要分批次下载；
https://www.ncei.noaa.gov/data/avhrr-land-normalized-difference-vegetation-index/access/

## AVHRR Surface Reflectance(陆地表面反射)
## 数据说明：
表面反射率可以测量在超高分辨率高分辨率辐射计（AVHRR）传感器的两个光谱范围内从地球表面反射的太阳辐射的比例：红色(约640 nm）和近红外(约860 nm）。作为关键变量，“表面反射率”为基本上所有更高级别的地表地球物理参数提供主要输入。表面反射CDR在0.05°x 0.05°网格上以日产形式提供有价值的可追溯到1981年的表面信息。
## 数据下载：
https://www.ncei.noaa.gov/data/avhrr-land-surface-reflectance/access/

## Snow Cover Extent (Northern Hemisphere)北半球冰雪覆盖：
## 数据说明：
每周一次的NH SCE CDR跨度从1966年末到现在，包括任何环境变量中最长的基于卫星的CDR。该CDR结合了从1999年5月起每周一次和1999年6月以来每天进行的NOAA可见卫星SCE分析，形成了连续的NH记录。由此产生的大陆性SCE产品可为气候研究，气候变化监测和气候模型验证提供依据。
## 数据下载(已下载)：
https://www.ncei.noaa.gov/data/snow-cover-extent/access/

## 海洋数据集：                                                https://www.nodc.noaa.gov/OC5/woa13/woa13data.html

4.1.3.4 UEA气候研究组

## UEA 气候研究组：东英吉利大学(英国)
#### 数据网址：
http://www.cru.uea.ac.uk/data/ 
#### 数据描述：
包含现代气候、降水和 干旱以及古气候、和未来气候，还有极端天气气候数据集；
## 补充说明：
1、有些极端气候无法使用(诸如南方涛动、北大西洋涛动等等)；
2、另外提供实时的六小时更新数据，包含数据如气温、空气表面温度、海平面压力等等。
3、提供的古气候数据是区域性的，主要包括美国、欧洲部分；

### 全球土地干旱数据集(1901-2018)：
## 数据描述：使用CRU高分辨率中可用的月降水量和温度观测值的插值场作为输入来计算scPDSI值
##数据链接 ：https://crudata.uea.ac.uk/cru/data/drought/
##数据下载：https://crudata.uea.ac.uk/cru/data/drought/scPDSI.cru_ts4.03early1.1901.2018.cal_1901_18.bams.2019.GLOBAL.1901.2018.nc.gz

### 全球温度和降水数据集；0.5度分辨率；
## 数据描述：
包含以下数据集，切碎今年最新更新后的全球数据集(除南极洲以外)：
cld：云层覆盖：百分比单位
dtr：气温日较差：摄氏度单位；
frs:霜冻天频率:天单位；
pet：潜在蒸散量：毫米每天
pre：降雨量：毫米每月
rhm：相对湿度：百分比；
ssh：日照时间：小时为单位；
tmp：日平均温度：摄氏度单位
tmn：月平均最低温度：摄氏度单位
tmx：月平均最高温度：摄氏度单位
vap：蒸气压：帕斯卡单位
wet：潮湿的频率(雨天的频率)：天为单位；
wnd：风速：米/秒（m / s）
## 数据下载(注册后下载)：
https://crudata.uea.ac.uk/cru/data/hrg/
https://catalogue.ceda.ac.uk/uuid/89e1e34ec3554dc98594a5732622bce9

### 历史数据(1750-1999,数值模拟)
### 数据说明：欧盟相关机构(英国气象局 Hadley中心的 第3个耦合海洋-大气压模型)模拟的结果，包含月度数据值，如海平面压力、2m出空气温度、降水量、积雪深度、土壤水分、土壤温度、风速、海冰浓度、海冰厚度以及净辐射；
## 数据下载：
https://crudata.uea.ac.uk/cru/projects/soap/pw/data/model/hadcm3/main.html

4.1.3.5 ECMWF(欧洲气象数据中心之一)

## ENMWF (欧洲气象数据中心之一)
## 数据说明：提供全球模拟气候，需要公开注册，答应服务通知后才可以下载数据集
## 数据下载：
https://apps.ecmwf.int/data-catalogues/cams-reanalysis/?class=mc&expver=eac4

4.1.3.6 哥白尼数据中心：CAMS

## 哥白尼数据中心：CAMS:(需要注册下载)
## 数据下载：
https://ads.atmosphere.copernicus.eu/cdsapp#!/search?type=dataset
## 数据描述：
数据是对原始数据的重新反演：包含全球数据重新分析(月平均)、反演优化的温室气候气体通量和浓度、太阳辐射时间序列、和人为排放；

## 全球数据重新分析(月度均值)
## 数据下载：
https://ads.atmosphere.copernicus.eu/cdsapp#!/dataset/cams-global-reanalysis-eac4-monthly?tab=form
## 数据描述：
提供反演后的各种环境变量(极其详细)，从2003年到2018年，可以提供12个月的平均值数据，提供net4的下载。


### 哥白尼全球土地服务中心
## 免费提供植被检测、土地利用水循环和热点；

## 数据下载：
https://land.copernicus.eu/global/access
https://land.copernicus.vgt.vito.be/PDF/datapool/

4.1.3.7 IRI / LDEO气候数据库

## IRI / LDEO气候数据库
## 数据链接：
http://iridl.ldeo.columbia.edu/
## 数据描述：
该数据库主要用途在于提供全球实时气候信息的实时监控，和一些国际重点气候实验室网站链接信息，也提供部环境信息的直接下载，但信息多为原始数据。

## 土壤数据：(提供全球土壤数据信息30cm以上)
粗碎屑含量    
细土的水分含量-饱和    
细土的水分含量-枯萎点    
细土的质地课    
绝对总可用水    
可用水容量-细土    
可用水总量-细土和粗碎屑

4.1.3.8 EAARTH-DAAC

##  EAARTH-DAAC
## 数据描述：
包含几千种数据集：在生态、大气环流和社会经济以及土壤信息方面都有涉及；
## 数据链接：
 https://daac.ornl.gov/get_data/ 

 1 ：土壤数据：(已下载)
 ## 数据描述：
 1km的全球土壤，石和沉积层网格厚度(2016年)
 ## 数据链接：
 https://daac.ornl.gov/cgi-bin/dsviewer.pl?ds_id=1304

 ## 数据描述：(已下载)
 全球土壤呼吸数据数据库，版本4.0
 ## 数据链接：
 https://daac.ornl.gov/cgi-bin/dsviewer.pl?ds_id=1578

 2、生物数据：
 ## 数据描述： (已下载)
 1950-2010年全球森林面积，碳储量和生物量的1度地图
 ## 数据链接：
 https://daac.ornl.gov/cgi-bin/dsviewer.pl?ds_id=1296

 ## 数据描述：(已下载)
 叶片光合速率，叶片氮和磷以及特定叶片面积的全球数据集
 ## 数据链接：
 https://daac.ornl.gov/cgi-bin/dsviewer.pl?ds_id=1224

 ## 数据描述：(已下载)
 来自MODIS BRDF的全球500米植物丛集指数数据，2006年
 ## 数据链接：
 https://daac.ornl.gov/cgi-bin/dsviewer.pl?ds_id=1531

4.1.3.9 CGIARCSI-Consortium for Spatial Information

##  CGIARCSI-Consortium for Spatial Information
## 数据库描述：
提供多种常用数据库，包含全球高程90m(V4.1)、
## 数据下载：
## 全球高程数据90m(V4.1):
https://cgiarcsi.community/data/srtm-90m-digital-elevation-database-v4-1/

## 全球干旱指数和潜在蒸散量气候数据库v2
## 数据链接：
https://cgiarcsi.community/2019/01/24/global-aridity-index-and-potential-evapotranspiration-climate-database-v2/

##

4.1.3.10 earthenv

######### http://www.earthenv.org/##########
### 全球地球遥感环境数据集：
## 数据描述：
目前已经发现，该数据集包含基于DEM的地形复杂度指数数据集、全球人居异质性数据集、全球淡水网络数据集(##这个非常有用；)

全球人居异质性    http://www.earthenv.org/texture
## 数据描述：
1、这些度量基于中分辨率成像光谱仪（MODIS）获取的增强植被指数（EVI）图像的纹理特征，以多种分辨率量化了全球栖息地的空间异质性。有关度量标准及其对生物多样性建模效用的评估的其他信息。
2、提供全球信息栅格矩阵数据集中植被指数间的指数运算：包含一阶指数：香农、辛普森和平均值等；二阶指数：熵（RVI的混乱度）、均匀度(EVI的秩序)
##数据引用：
Tuanmu, M.-N. and W. Jetz. (2015) A global, remote sensing-based characterization of terrestrial habitat heterogeneity for biodiversity and ecosystem modeling. Global Ecology and Biogeography. DOI: 10.1111/geb.12365.

全球地形复杂度数据集：http://www.earthenv.org/topography
## 提供以下地形变量：高程，坡度，纵横比，东部，北部，粗糙度，地形粗糙度指数，地形位置指数，矢量崎measure度度量，轮廓/切向曲率，一阶/二阶偏导数和10种地貌地貌类别。并且提供1km、5km和10km的全球数据集；
## 数据参考：
Amatulli, G., Domisch, S., Tuanmu, M.-N., Parmentier, B., Ranipeta, A., Malczyk, J., and Jetz, W. (2018) A suite of global, cross-scale topographic variables for environmental and biodiversity modeling. Scientific Data volume 5, Article number: 180040. DOI: doi:10.1038/sdata.2018.40.

全球淡水网络数据集：    http://www.earthenv.org/streams(##数据量太大，需要夜间下载)
## 数据描述：基于clim的19个数据集，也根据地形、降水和土壤属性来构建了全球淡水分布的19个环境变量，这些环境变量纳入到建模中将十分有利于研究物种分布扩散机制。
## 数据参考：
Domisch, S., Amatulli, G., and Jetz, W. (2015) Near-global freshwater-specific environmental variables for biodiversity analyses in 1 km resolution. Scientific Data 2:150073 doi:10.1038/sdata.2015.73

共识土地覆盖 http://www.earthenv.org/landcover
## 多种全球遥感衍生的土地覆盖产品，以及关于1 km分辨率下12种土地覆盖类别盛行的共识性信息。


全球1公里的云量 http://www.earthenv.org/cloud
## 这些数据集以1公里的分辨率集成了15年的两次每日两次的遥感云观测。有关集成方法和数据集评估的其他信息，请参阅相关的期刊文章：
## 数据集提供1-12个云层数据，以及某些特殊云层数据；
## 参考论文：
Global Cloud Dynamics for Predicting Ecosystem and Biodiversity Distributions. PLoS Biol 14(3): e1002415. doi:10.1371/journal. pbio.1002415

4.1.3.11 全球变化科学研究数据集(中文)

#  数据集下载链接：
http://geodoi.ac.cn/WebCn/CategoryList.aspx?categoryID=10
## 关键下载数据目录：（已下载）
1、亚洲热带湿润、半湿润生态地理区区域界线数据
2、东亚季风生态地理区界线数据

4.1.3.12 ENVIREM数据集

## 数据集描述：
http://envirem.github.io/
借助worldclim和其他网站集成的新气候，用于生物建模：
被认为与物种生态和地理分布相关的环境变量对于诸如物种分布建模之类的应用至关重要。但是，此类变量跨越多个时间段并且可以轻松与其他数据集集成的数量非常有限。

借助ENVIREM数据集，我们提供了文献中已描述的许多气候和地形变量，并以与WorldClim可用的分辨率相同的分辨率提供了当前和过去的时间段。此外，我们提供了一个R包，可以为其他输入数据集生成这些变量，例如未来的气候情景。有关更多详细信息，请参见下面的“ R代码”部分。

这个数据集需要切换为国内网络去下载，速度极快

## 代码网址：https://envirem.github.io/ENVIREM_tutorial.html
## 数据集链接：
https://envirem.github.io/#downloads
https://deepblue.lib.umich.edu/data/concern/data_sets/gt54kn05f
## 参考论文：
Title P.O., Bemmels J.B. 2018. ENVIREM: an expanded set of bioclimatic and topographic variables increases flexibility and improves performance of ecological niche modeling. Ecography. 41:291–307.

## 数据列表：
年度潜在蒸散量:在没有水分的情况下,大气通过蒸散过程去除水的能力的量度
干早指数：桑索维特千旱指数:低于需水量的缺水程度指数
气候湿度指数：相对湿度和干旱度的度量
大陆性：平均温度最温暖的月份-平均温度最冷的月份
emerger：Emberger的温热商:-种旨在区分地中海型气候的指衍
growthDegDays0：平均温度大于0的月份的月平均温度的总和乘以天数
owthDeg Days5：平均温度超过5℃的月份的月平均温度的总和乘以天数
maxTempColdestMonth：最高温度最冷的月份
minTempWarmestMonth：分钟温度最温暖的月份
month CountByTempT0：平均温度大于0℃C的月数
PET最冷的季度：    最冷季度的平均每月PET
PET干燥机：    最干燥季度的平均每月PET
PET季节性 ：潜在蒸散量的月变化
PET最温暖的季度：最热季度的平均每月PET
PETWettest季度：最湿季的平均每月PET
热敏指数：补偿温度指数:年平均温度总和,最小值温度最冷月份的最大值温度最冷月份的×10,并进行补偿以提高全球可比性
tri：地形粗糙度指数
topoWet：地形湿度指数

4.1.3.12 NCAR / UCAR气候数据指南

##  NCAR / UCAR气候数据指南
## 数据描述：
提供超过200个环境数据集合，该网站为一个数据收集平台，包含全球数据网站，但数据并没有按类型分类，包含多种数据集形式，但主要数据认为遥感观测数据集形式；
## 数据网站：
https://climatedataguide.ucar.edu/climate-data

4.1.3.13 PANGEA

## PANGEA
## 地球与环境科学数据发布者

PANGEA由主办Alfred Wegener Institute（MARUM） 亥姆霍兹极地和海洋研究中心（AWI）海洋环境科学中心 Alfred Wegener研究所；是欧盟六大公开数据平台之一；
主要用于承接学术数据的共享结果；
## 数据链接： 
https://www.pangaea.de/
## 使用方法:
获取研究信息后，翻译英文，去数据库中检测即可；

4.1.3.14 CHELSA

## CHELSA  
## 数据描述：
CHELSA（地球陆地表面的高分辨率气候）是目前由瑞士联邦森林，雪地和景观研究所WSL托管的高分辨率（30弧秒）气候数据集。
它包括不同时间段的温度和降水模式。
CHELSA基于准机械统计缩减规模的全球再分析和全局流通模型输出，可在下载部分免费获得。
### 提供从1901-2016年的全球降雨、温度最大值和温度最低值数据图层；
https://chelsa-climate.org/chelsacruts/
ftp://envidatrepo.wsl.ch/uploads/chelsa/chelsa_V1/chelsa_cruts/

## 数据下载：
https://chelsa-climate.org/
## 提供两个有用的环境数据集：
第一是：模拟的从1979-2013年的环境数据集chelsa-bioclimate ：：bio1-bio19
第二是：模拟的建模基础分布数据提供从：
1901-2016年的pre、min和max，以及结合R包dismo中使用'biovars'函数构建和反演这些变量；
## 这个应该很容易做；但是下载数据本身太麻烦了；甚至可以对每一年的数据进行建模；或者每五年一个单位建模；



## 数据库：
1、基于cmip2-5的bioclims19个气候变量；
2、末世冰盛期模拟
3、未来气候模拟(cmip5)
4、历史气候(1901-2016)
5、欧洲高分辨率气候数据

4.1.3.15 CAMS

## 网站来源：
https://ads.atmosphere.copernicus.eu/cdsapp#!/search?type=dataset

## 网站描述,主要提供各种反演数据：
CAMS全局重新分析(EAC4)
EAC4( ECMWF大气成分再分析4)是第四代 ECMWF大气成分全球再分析。重新分析将模型
数据与来自世界各地的观测数据相结合。
CAMS全局重新分析(EAC4)每月平均字段
EAC4( ECMWF大气成分再分析4)是第四代 ECMWF大气成分全球再分析。重新分析将模型
数据与来自世界各地的观测数据相结合。
CAMS全球反演优化的温室气体通量和浓度
该数据集包含表面的净通量,模型级别的大气混合比以及二氧化碳(CO2),甲烷(CH4)和
氧化二氮(N20)的柱均大气混合比。
CAMS欧洲空气质量预报
该数据集提供欧洲的每日空气质量分析和预报。CAMS可以在更高的空间分辨率下针对欧洲范
围进行特定的每日空气质量分析和预报

4.1.3.15 The CEDA Archive

## The Natural Environment Research Council's Data Repository for Atmospheric Science and Earth Observation
## 简要说明：
自然环境研究委员会的大气科学和地球观测数据库
提供极其全面的环境数据集，有可能这个网站本身就是基于收集和汇总这些数据集所开发设计的；

## 网页链接：  
http://archive.ceda.ac.uk/

4.1.3.16 AIM 未来气候变化的下土地利用数据推演

https://www-iam.nies.go.jp/aim/data_tools/aimssp/aimssp.html

AIM-SSP / RCP网格排放和土地利用数据
版本名称    AIM-SSP / RCP版本2018
发布日期    2018/03/16
土井    10.18959 / 20180403.001

4.1.3.17 ESRI 提供的大气建模数据集

ecology/AITest (ImageServer)
ecology/AOT (MapServer)
ecology/CH4 (ImageServer)
ecology/CH4 (MapServer)
ecology/CO2 (ImageServer)
ecology/CO (ImageServer)
ecology/Ecohydro_Quality (MapServer)
ecology/ecology_radiation_field (ImageServer)
ecology/ecology_radiation (MapServer)
ecology/fire_ratio_map (ImageServer)
ecology/Fires (MapServer)
ecology/image_fire_maps (ImageServer)
ecology/kd490_2 (MapServer)
ecology/kd490 (MapServer)
ecology/N20 (ImageServer)
ecology/smoke_test (ImageServer)
ecology/SO2 (ImageServer)

4.1.3.18 ERA Interim正在逐步淘汰。强烈建议用户迁移到[ERA5]

ERA Interim正在逐步淘汰。强烈建议用户迁移到[ERA5]  提供的全球建模数据集，精确到每日；


https://apps.ecmwf.int/datasets/data/interim-full-daily/levtype=sfc/
(https://cds.climate.copernicus.eu/#!/home)**
2米露点温度 2米温度 10米U风分量 10米V风分量 自上次后处理以来的10米大风 反照率 边界层耗散 边界层高度 夏诺克 晴朗的天空表面具有光合有效辐射 对流可用势能 对流降水 对流降雪 表面向下的紫外线辐射 东向重力波表面应力 向东湍流表面应力 蒸发 预测反照率 预测热的表面粗糙度的对数 预测表面粗糙度 重力波耗散 高云量 冰温层1 冰温层2 冰温层3 冰温层4 瞬时向东湍流表面应力 瞬时水分通量 瞬时北向湍流表面应力 瞬时表面显热通量 大规模降水 大规模降水分数 大规模降雪 热的表面粗糙度长度的对数 低云层 自上次后处理以来的最高温度为2米 平均海平面压力 平均波向 平均波浪周期 中云量 自上次后处理以来的最低温度为2米 北向重力波表面应力 北向湍流表面应力 表面的光合有效辐射 径流 海冰面积分数 海面温度 组合风浪和浪涌的显着高度 皮肤贮库含量 皮肤温度 雪反照率 雪密度 雪深 积雪蒸发 降雪 融雪 土壤温度1级 土壤温度等级2 土壤温度3级 土壤温度等级4 日照时间 表面潜热通量 表面净太阳辐射 表面净太阳辐射，晴空 表面净热辐射 表面净热辐射，晴空 表面压力 表面粗糙度 表面显热通量 表面太阳辐射向下 表面热辐射向下 TOA入射太阳辐射 雪层温度 顶部净太阳辐射 顶部净太阳辐射，晴朗的天空 顶部净热辐射 顶部净热辐射，晴空 总云量 总柱云冰水 总柱云液态水 总柱臭氧 总柱水 总塔水蒸气 总降水量 云冻水的垂直积分 云液态水的垂直积分 云冻水通量散度的垂直积分 云液态水通量散度的垂直积分 地势通量散度的垂直积分 动能通量散度的垂直积分 质量通量散度的垂直积分 水分通量散度的垂直积分

4.1.4 古气候数据

## 古气候数据：

## 亚太数据研究中心(ASIA-PACIelC DATA-RESEARCH cENTER)
## 数据网址：
http://apdrc.soest.hawaii.edu/projects/paleomodeling/index.php
## 数据描述：
包含海洋、陆地、大气环流和海汽环流等数据结构；需要使用OPeNDAP服务器下载对应文件；
## 数据下载教程：
http://apdrc.soest.hawaii.edu/tutorials/gds.php
## 数据列表：
1、使用LOVECLIM气候模型对50,000至30,000年前的广播模拟 50k-30k;
2、使用中等复杂性的3维地球系统模型模拟了最近的78.4万年-80万年;

## 古气候建模———— PaleoView    
## 数据链接：
https://github.com/GlobalEcologyLab/PaleoView/releases
## 数据描述：
不提供直接的数据支持，提供一个下载软件，可以在软件中使用数据；

## paleoclim
## 古气候数据的论文描述：
《A Short Guide to the Climatic Variables of the Last Glacial Maximum for Biogeographers》



## 数据描述：
提供0.3ka-3.3ma的历史数据集；数据集精度最高为2.5min精度；数据集参考bio1-19的生物气候数据集，选择构建具有生物意义的气候生态数据集；另外，提供了数据集的 研究方法，主要包括数据集的降尺度、小区域优化等。

## 数据下载及方法链接：
http://www.paleoclim.org/
http://www.paleoclim.org/methods/#BIOCLIMS

## 数据名录：
时间段(bp):
当前（1979年– 2013年）：人类世，v1.2b **
更新:晚全新世, Meghalayan(42-0.3
更新;全新世中期,Northgrippian (8.326-42 ka),V1.0
更新:全新世早期,格陵兰(11.7-8326ka),v1.0
更新:新仙女木阶(12.9-11.7ka)
更新: Bollin- Allerod(14.7-12.9ka)
更新; Heinrich stadial1(17.0-14.7ka),v1.0
更新世：末次冰期最大值（约21 ka），v1.2b **    
更新世;上一次冰间期(约130ka),v.0
更新世;MIS19(大约787ka),v1.0*
上新世:上新中期暧期(3.205Ma),v.0
上新世:M2(约33Ma),v1.0*

Pleistocene: late-Holocene, Meghalayan (4.1-0.3 ka)
CCSM    Fordham  et al., 2017
Pleistocene: mid-Holocene, Northgrippian (8.326-4.1 ka)
CCSM    Fordham  et al., 2017
Pleistocene: early-Holocene, Greenlandian (11.7-8.326 ka)
CCSM    Fordham  et al., 2017
Pleistocene: Younger Dryas Stadial (12.9-11.7 ka)
CCSM    Fordham  et al., 2017
Pleistocene: Bølling-Allerød ( 14.7-12.9 ka)
CCSM    Fordham  et al., 2017
Pleistocene: Heinrich Stadial 1 (17.0-14.7 ka)
CCSM    Fordham  et al., 2017
Pleistocene: Last Interglacial (ca. 130 ka)
CCSM    Otto-Bliesner…  2006
Pleistocene: MIS19 (ca. 787 ka)
HadCM3     Brown  et al., 2018
Pliocene: mid-Pliocene warm period (3.205 Ma)    HadCM3     Hill 2015
Pliocene: M2 (ca. 3.3 Ma)    HadCM3     Dolan et al., 2015                   
LH_v1_2_5m:    late-Holocene, Meghalayan (4.1-0.3 ka)   
MH_v1_2_5m:   mid-Holocene, Northgrippian (8.326-4.1 ka)               EH_v1_2_5m  :early-Holocene, Greenlandian (11.7-8.326 ka)
YDS_v1_2_5m:   Younger Dryas Stadial (12.9-11.7 ka)                     
BA: Bollin- Allerod(14.7-12.9ka)
HS1_v1_2_5m:  Heinrich Stadial 1 (17.0-14.7 ka)
chelsa_LGM_v1_2B_r2_5m:   （约21 ka），v1.2b **                         LIG_v1_2_5m: Last Interglacial (ca. 130 ka)
MIS19_v1_r2_5m:   MIS19 (ca. 787 ka) 
mPWP_v1_r2_5m:  mid-Pliocene warm period (3.205 Ma)                   
M2_v1_r2_5m:   Pliocene: M2 (ca. 3.3 Ma)    




## 数据引用：
1、PaleoView: a tool for generating continuous climate projections spanning the last 21 000 years at regional and global scales
2、Simulating Arctic Climate Warmth and Icefield Retreat in the Last Interglaciation
3、PaleoClim, high spatial resolution paleoclimate surfaces for global land areas
4、Hill, DJ (2015) The non-analogue nature of Pliocene temperature gradients. Earth and Planetary Science Letters, 425. 232 - 241. ISSN 0012-821X
5、Modelling the enigmatic Late Pliocene Glacial Event — Marine Isotope Stage M2
另外参见：http://www.paleoclim.org/methods/#BIOCLIMS 中的数据引文；

EMBSeCBIO现代花粉生物化
用于气候重建的现代花粉数据，版本1（SMPDS）
BIOME 6000植被重建
中国植物性状数据库
Last Glacial Maximum气候模拟的新多变量基准
欧洲花粉类群的气候空间
化石花粉数据用于ElCañizarde Villarquemado的气候重建
## 数据链接：
https://research.reading.ac.uk/palaeoclimate/resources/

## Paleoclimate Modelling Intercomparison Project
## 古气候建模不同阶段比较项目；
## 数据描述：
PMIP始于1990年代初，旨在提供一种有效的机制来协调古气候建模活动。
针对ipcc不同阶段，目前已经建立到PMIP4阶段；网站好像不提供注册服务，需要到对应的实验项目中查看文献，再到【PANGEA】中获取对应的文献信息生成的数据；
## 数据链接：
https://pmip.lsce.ipsl.fr/

## 提供数据时间段：
在数据网站的实验设计界面可以查到PMIP4阶段主要是对以往历史数据边界的新一步优化用以和实际的全球历史变化区域相关联。
目前提供的数据主要是对：中新世、末世冰盛期、和上新世中期暖期的相关研究。

## NOAA
################## 古气候模拟 #########################
## noaa 提供的古气候模拟数据：(一般仅提供原始数据，需要根据论文重建)
## 提供的古气候类型：
气温；干旱；沉淀；水流；其他水气候；大气和海洋环流模式；海面温度；海冰；冰川和冰盖
；植被；海平面；大气气体；太阳强迫
## 数据连接：
https://www.ncdc.noaa.gov/paleo-search/reports/location?dataTypeId=3&reconKeywords=Air%20Temperature&search=true
## 数据说明：包含现今气候条件下大气环流、冰川冰盖等等，详细参见网页链接；所有数据大部分只提供原始数据，以net4、txt和csv数据格式为主；
## 数据列表：
克拉克和休斯2009年冰川和未来海平面
过去两千年中大陆尺度的温度变化
克劳利（Crowley）2000年过去1000年气候变化的原因
Farrera等。1999年LGM热带陆地数据综合
全球1500年空间温度重建
全球1Ma温度，海平面和冰量的重建
全球2,000年古流体动力学数据同化产品（PHYDA）
全球3Ma温度，海平面和冰量的重建
全球500万年的海平面，温度和d18Osw重建
全球784,000年的代理和温度模型重建
全球通用时代多代理温度场重构
整体全新世平均表面温度重构
全球和半球400年冰川长度温度重建
全球和区域500年温度重建
全球和区域性200年多代理温度重构
Huang和Pollack全球钻孔温度和气候重建数据库
黄等。2008 20ka钻孔表面温度监测
Jansen等。2007 IPCC WG1 AR4古气候章节数据
琼斯和曼恩2004年过去几千年的气候
基于LGM和中全新世花粉的大陆性气候重建
上一次冰河最高温度的重建和气候敏感性
上一次千年再分析（LMR）项目全球气候重建第2版
最近的千年重新分析多代理数据库（LMRdb v1.0.0）
Ljungqvist 2009年的温度代理记录，近两千年
曼恩和琼斯（Mann and Jones）2003年过去两千年的全球地表温度
Mann等1998年的《全球六世纪温度模式》
曼等。过去几个世纪的2000年全球温度模式：交互式演示
曼等。2003利用地面钻孔数据重建最佳表面温度
曼等。2008年2,000年的半球和全球温度观测
NOAA古气候重建网络
Oerlemans 2005年全球冰川长度温度重建
PAGES（过去的全局更改)2K
PAGES2k通用时代表面温度重构
古索引130年全球标准化代理温度数据
8.2 ka模拟的相互比较的代理基准
温度12k数据库

##  古气候——整体全新世平均表面温度重构
## 数据连接：
https://www1.ncdc.noaa.gov/pub/data/paleo/reconstructions/kaufman2020/
## 数据描述：
一个广泛的新的古温度时间序列(温度12k）的多代理数据库，使全局平均表面温度（GMST）和相关不确定性的分析比以前更强大。我们应用了五种不同的统计方法来重建过去12,000年(全新世)的GMST。每种方法都使用不同的方法来平均全球分布的时间序列并表征各种不确定性来源，包括代理温度，年代和方法选择。对结果进行汇总，以产生一个可行的GMST和经纬度带温度重构的多方法合奏，并具有实际的不确定性范围。200年以来最温暖的时间间隔发生在大约6500年前，当时GMST比19世纪(中位数为5，95％)。继全球热最大值之后，GMST的平均冷却速率为每1000年-0.08C（-0.24，-0.05）。多方法合集和用于生成它们的代码突出了Temperature 12k数据库的实用性，现在旨在了解地球系统全新世演化的研究可将它们将来使用。

## 古气候论文及数据评估：
## 数据描述：
Hadley Centre Earth System Model simulations performed by the BRIDGE group开发的全部数据集：
这些论文中包含近些年关于古气候模拟相关的论文，这些论文很好的和生物建模、季风形成、古气候发展演化相验证，揭示了其形成推动机制和潜在的原理；
## 数据链接：
https://www.paleo.bristol.ac.uk/ummodel/scripts/papers/?

## 补充：古气候数据建模研究组：DEEPMIP
## 数据描述：
1、DeepMIP是古气候建模比对项目（PMIP）的一部分，该项目本身隶属于CMIP6。
2、地球系统的数值模型支持对保护社会和生态系统至关重要的未来气候的预测。这些模型会根据现代地球系统的观测值进行常规测试，并且在许多情况下会针对这些观测值进行调整。但是，由于预计的未来CO 2强迫显着大于观测记录中的值，因此本世纪末气候的模型预测很大程度上不在该评估期之内。事实上，最近的工作重建过去的CO 2显示，最接近的类似物的22 次世纪，在CO方面2浓度，是数千万年前
3、提供最新的古气候建模相关论文；
## 数据链接：
https://www.deepmip.org/

4.1.5 世界土壤数据库

1、ISRIC(世界土壤信息库)
数据描述：
提供250m高精度数据,基于实际观测和机器学习生成；数据结构提供地下0-100cm的常用土壤信息：如，细土的密度、土壤阳离子含量、粗碎石的体积、黏土含量、总氮、土壤ph、含沙量、粉尘含量、有机碳密度、有机碳库存；一般建模过程中多使用30cm数据精度的图层信息；
数据链接：
## 数据库常见信息解答：
https://www.isric.org/explore/soilgrids/faq-soilgrids#What_do_the_filename_codes_mean

## 全球土壤信息可视化(新网站)，不提供shp范围下载：
##  数据下载方法：
https://www.isric.org/explore/soilgrids/soilgrids-access

## 数据下载链接：
该数据不再提供直接下载渠道，是通过arcgis和qgis提供URL链接，实现在线server储存信息的下载和使用；
https://maps.isric.org/mapserv?map=/map/nitrogen.map

2、世界统一土壤数据库HSWD数据库
## 数据描述：
2012年发表该数据1.2版本，

http://webarchive.iiasa.ac.at/Research/LUC/External-World-soil-database/HTML/HWSD_Data.html?sb=4

## 土壤盐分变化的全局映射
## 网站链接：
https://www.researchgate.net/publication/334282393_Global_mapping_of_soil_salinity_change

http://www.fao.org/global-soil-partnership/resources/highlights/detail/en/c/1269946/

4.1.6 环境资源清单网站

清单1：Nimbios网站

## 来自：Nimbios网站，主要由Kneum组的研究者开发提供：
## 网站链接：
http://www.nimbios.org/wordpress-training/spatialdata/tutorial-data/

#####################  气候数据 ###############################
## 提供的数据链接：
worldclim(2020)    http://www.worldclim.org

MerraClim(该数据发表于2017年)    :
## 数据气候链接：
https://www.nature.com/articles/sdata201778
## 数据说明：
数据来自：MERRAclim，高分辨率的全球遥感数据集，用于生态建模的生物气候变量；这些数据集是针对最近三个十年（1980年代，（1990年代和2000年代）使用每小时2 m温度和特定湿度的数据。我们以三种空间分辨率（10弧分，5弧分和2.5弧分）提供MERRAclim。这些重新分析的数据可与基于地面站插值的广泛使用的数据集进行比较，但可以扩展其地理范围和在全球先前未发现的区域中建立SDM。注意在数据使用时乘以10000，需要修改后参与实际建模；
## 数据引用：
Vega, Greta C.; Pertierra, Luis R.; Olalla-Tárraga, Miguel Ángel (2018), Data from: MERRAclim, a high-resolution global dataset of remotely sensed bioclimatic variables for ecological modelling, v2, Dryad, Dataset, https://doi.org/10.5061/dryad.s2v81

TerraClimate http://www.climatologylab.org/terraclimate.html
## 见4.1.3.4  UEA气候研究组 ，所有环境数据为〜4-km（1/24度）的空间分辨率；
## 提供环境数据包括从1958-2019年的环境数据集—，以及增温2度和4度的未来场景模拟；
##数据集名称如下：实际蒸散量、潜在蒸散量、降水、地表径流；土壤水分；向下短波辐射；月度降雪量、最高温度、最低温度、蒸气压、风速和帕尔默干旱严重性指数；
## 数据下载链接：https://climate.northwestknowledge.net/TERRACLIMATE/index_directDownloads.php
http://www.climatologylab.org/terraclimate.html
### 数据补充：升温数据集对应一篇农业增温实验中，当雪山溶解增加时对全球农业的影响。

气候NA    
## Andreas Hamann的个人网站
## 数据链接：
http://tinyurl.com/ClimateNA
## 数据描述：
提供基于ipcc5开发的气候变量，数据仅限于北美地区(现代气候及未来预估气候)

Climate Analysis
## 数据链接：
http://globalclimatedata.org/
http://prism.oregonstate.edu/
## 数据说明：
Oregon State(美国俄勒冈州大学)提供的全球环境气候数据；全球气候变化数据 持续更新中；数据集抱哈从1895年到2020年的全部数据集，主要内容包括：
降水、平均温度、最低温度、最高温度、蒸汽压；

USGS生物气候变量    
## https://pubs.usgs.gov/ds/691/
## 数据描述：仅提供美国的国家气候建模数据；

气候SA    http://tinyurl.com/ClimateSA
## 数据描述：墨西哥，中美洲和南美洲的历史和预计气候数据

气候欧盟    http://tinyurl.com/ClimateEU
## 数据描述：欧洲的历史和预计的气候数据

气候AP ：（## 做的有点粗糙。。。。。）
http://asiapacific.forestry.ubc.ca/research-approaches/climate-modeling/
## 数据描述：亚太森林适应气候变化

气候变化的速度（过去至今）,数据发布于2011    https://datadryad.org/resource/doi:10.5061/dryad.b13j1
## 数据来源：第四纪晚期气候变化速度对物种特有性的影响
## 

气候变化的速度（从现在到未来）    ：北美气候变化网格的速度https://adaptwest.databasin.org/pages/adaptwest-velocitywna


###################### DEM 数据 #################################
# 海拔 SRTM    
EarthEnv-DEM90    http://www.earthenv.org/DEM
## 数据描述：
提供全球更新后的全球90m数据集；

############ 森林数据 ########################
全球森林变化    
## http://earthenginepartners.appspot.com/science-2013-global-forest
## 数据集包含从2000-2019年的森林变化覆盖数据集；

3D森林景观特征：https://landscape.jpl.nasa.gov/
## 提供1 km空间分辨率下的冠层高度和生物量的全球比例图。

###############  水文数据  ############################# 
水文    HydroLakes    http://www.hydrosheds.org/page/hydrolakes
## 数据描述：提供湖泊数据集

全球地表水    https://global-surface-water.appspot.com/
## 数据描述：提供1984-2019年全球地表水的所有数据集；

分水岭    http://hydrosheds.org/
## 此数据集十分详细的汇总了全球的淡水水流数据，包含：空隙填充高程、水文方向和流量累积以及河网、盘底轮廓等，可提供直接下载。。


############### 人类社会、经济发展数据 ####################
## 全球人口统计数据集：
## 网站链接：
https://ghsl.jrc.ec.europa.eu/download.php?ds=pop
## 数据描述：
提供全球1990、1975、2000和2015年的人口数据集分布栅格数据，并提供从2m精度到1km精度的栅格数据集；

## NASA社会经济数据和应用中心
## https://sedac.ciesin.columbia.edu/data/collection/wildareas-v2/sets/browse
## 数据描述：提供全球人类影响力指数和全球人类足迹(地理1995-2004)

## 全球火灾排放数据库
http://www.globalfiredata.org/

## 全球土地覆盖利用数据集2000
## 这个精度稍微低一些，可以用于建模，清华大学那边也提供更高精度的数据；
https://forobs.jrc.ec.europa.eu/products/glc2000/data_access.php

清单2：LandGIS(zenodo)

## 数据包含常用的土地利用信息：
## 数据描述：
1、由数十位地理科学家开发的基于html和github的数据共享平台，数据不断更新，包含全球绝大部分可用于建模的环境数据集；
2、除数据集以外，还包含海量的物种数据、以及教学课程数据；
3、实际上这个数据集已经发展为全球的论文或者软件等的主要发布地，可用于检索研究niche-model的相关论文数据和代码资源。
4、数据使用遵循：
https://creativecommons.org/licenses/by-sa/4.0/
5、该网址提供了用于构建tif的底层模板，参见：Cloud-optimized GeoTIFF

## 数据链接平台：
https://zenodo.org/   ##全球数据共享集，遵循国际公约；
https://maps.opengeohub.org/  ## 可视化由zenodo提供的数据集集提供下载；
https://github.com/Envirometrix/LandGISmaps#the-land-mask

## 提供数据集如下：
## 数据链接：
https://github.com/Envirometrix/LandGISmaps#the-land-mask

############## 地形数据： #################(待下载)
## 数据描述：
1、参数是使用SAGA GIS（http://www.saga-gis.org/）和MERIT DEM（Yamazaki等人，2017）在Equi7网格系统中投影得出的（Bauer-Marschallinger等人，2014）。
2、主要数据集全部基于dem提取，主要有用的数据集包括：
SAGA地形湿度指数（TWI）；谷底平坦度（MRVBF）的模块多分辨率指数；岩石类型；
复合地形指数；最大多尺度粗糙度；地形粗糙度；
## 数据链接：（google 云盘链接）
https://drive.google.com/drive/folders/1k4mFqY3g4BhEMuf9bWX8lLg3YO_lxOYw
## 数据引用：
# 地形粗糙度论文引用：
Geomorpho90m - Global high-resolution geomorphometry layers: empirical evaluation and accuracy assessment

## 土地覆盖，土地利用和行政数据# #####
## 数据集包括：
## 数据集描述：
地表水发生概率、夜灯的变化、历史耕地、


########### 全球水动力模拟和地表径流量模拟 ############
## 数据引用：
Barbarossa, Valerio; Huijbregts, Mark A.J.; Beusen, Arthur H.W.; Beck, Hylke E.; King, Henry; Schipper, Aafke M. (2018): FLO1K: global maps of mean, maximum and minimum annual streamflow at 1 km resolution from 1960 through 2015. figshare. Collection. https://doi.org/10.6084/m9.figshare.c.3890224.v1
##  数据下载：
# FLO1K：1960年至2015年分辨率为1 km的年均，最大和最小年流量的全球地图
https://figshare.com/collections/FLO1K_global_maps_of_mean_maximum_and_minimum_annual_streamflow_at_1_km_resolution_from_1960_through_2015/3890224



########################### climate data ##########################
##  https://maps.opengeohub.org/  
##  提供数据集如下：

##  全球每月降雪频率：
基于CCI土地覆盖数据集/ MOD10A2产品在2000-2012年期间的500 m处。
## 数据下载链接：
https://maps.opengeohub.org/layers/?limit=20&offset=0&extent=-181.40625,-86.81727471533517,188.4375,87.38445679076668&category__identifier__in=climatic%20layers

## 每月降水频率
基于2014-2018年全球气象监测（IMERG）和WorldClim v2的全球降水量测量综合多卫星检索，CHELSA每月降雨图像。
## 数据链接：
https://maps.opengeohub.org/layers/?limit=20&offset=0&extent=-181.40625,-86.81727471533517,188.4375,87.38445679076668&category__identifier__in=climatic%20layers

## 每月温度平均值
## MODIS MOD11A2地表温度白天的sd值。

################## biome #################################
##  生物群落的潜在分布
## 数据描述：
提供全球的植物潜在分布 规律数据集，Potential Natural Vegetation biomes global predictions of classes (based on the BIOMES 6000 data set current biomes).
## 数据链接：
https://maps.opengeohub.org/layers/predicted1km:pnv_biome.type_biome00k_c_1km_s0..0cm_2000..2017_v0.1

## 全球生物群戏植被指数2020 数据集
论文引用：
Global mapping of potential natural vegetation: an assessment of machine learning algorithms for estimating land potential
## 数据链接：(包含250精度和1km精度)
https://github.com/Envirometrix/PNVmaps

## 植被指数 
## 数据集描述：
基于哥白尼数据集提供的2014-2017年FAPAR月中值、平均值和标准偏差年值；

######################## 地形指数 ############################
# 谷底平坦度（MRVBF）的模块多分辨率指数
# 陆地弧度斜率
# SAGA地形湿度指数（TWI）
# Rock type(岩石类型)
## 数据提供者：
基于使用SAGA GIS和Equi7网格系统得出的MERIT DEM（Yamazaki et al.2017）。
## 数据链接：
https://maps.opengeohub.org/layers/?limit=20&offset=0&extent=-181.40625,-86.81727471533517,188.4375,87.38445679076668&category__identifier__in=relief%20%2F%20geology

清单3 免费的gis数据来源

https://www.gisresources.com/free-gis-data/

清单4免费的gis数据来源

https://www.edenextdata.com/?q=content/global-gis-datasets-links-0

4.1.7 地图数据

###  全球数据底图数据图层：so beautiful
## 数据描述：
可提供全球的shp和栅格底图，提供10m、50m和110m的数据精度；
## 数据下载：
https://www.naturalearthdata.com/

4.1.8 数据产生及评估

## 国际农业研究磋商组织气候变化，农业和粮食安全研究计划（CCAFS）提供的数据
## 数据描述：
此网站提供的数据集比较乱，但在网站中提供了评估GCM（global climate model）和环境数据降尺度的方法以及最新的一些气候学研究进展。
## 数据网站：
http://ccafs-climate.org/

## 全球长期生态观测站点：
## 数据链接：
https://deims.org/
## 数据描述：
DEIMS-SDR（动态生态信息管理系统-网站和数据集注册表）是一个信息管理系统，可让您发现全球范围内的长期生态系统研究站点以及在这些站点以及与之关联的人员和网络上收集的数据他们。DEIMS-SDR描述了各种各样的站点，提供了丰富的信息，包括每个站点的位置，生态系统，设施，测量的参数和研究主题。还可以访问与站点关联的越来越多的数据集和数据产品

r## 关于CMIP6的介绍：
https://en.wikipedia.org/wiki/Coupled_Model_Intercomparison_Project
## 关于GCM的介绍：
https://en.wikipedia.org/wiki/General_circulation_model

## 世界气候研究计划（WCRP）
## 数据描述：https://www.wcrp-climate.org/
1、世界气候研究计划（WCRP）在解决与气候耦合系统相关的前沿科学问题方面处于领先地位，这些问题太大，太复杂，无法由一个国家，机构或科学学科来解决。通过国际科学协调和伙伴关系，WCRP有助于增进我们对影响气候的自然系统与社会系统之间多尺度动态相互作用的理解。WCRP通过这些合作伙伴关系进行了富有成效的合作，为政策和服务的发展提供了信息，并促进了科学教育。最为关键的是，由WCRP支持的研究提供了支持《联合国气候变化框架公约》的气候科学。，其中包括2015年的巴黎协定下的国家承诺，并有助于支持知识2030议程可持续发展，在仙台框架减少灾害风险和多边环境公约。
2、WCRP构建的气候耦合系统已经发展到多代，包括CMIP3-5-6；
## CMIP6的介绍：
https://www.wcrp-climate.org/wgcm-cmip/wgcm-cmip6

另外，补充关于input4MIPS:
## 网站描述：
ESGF提供CMIP6所需的边界条件和强制数据集的活动；
## 数据链接：
https://esgf-node.llnl.gov/projects/input4mips/

4.1.9 中国国内数据集

##就是有这样一群见钱眼开的人阻碍了中国科技的进步；

这部分数据需要研究下详细说明定义，然后去国外网站找；

## 寒区旱区科学数据中心
## 数据集描述：
数据集涉及冰川、冻土、水文、气象、大气、土壤和极地以及部分遥感信息；
## 垃圾网站，限制太严重了。。。。。
## 数据链接：
http://data.casnw.net/portal/

########### 冰川 ################
尼泊尔冰川编目数据集
印度锡金地区冰川编目数据集
巴基斯坦冰川编目数据集（2003-2004年）

### 地理国情监测云平台：
## 数据描述：
可用于建模的数据集包括如下：
# 生态环境类数据：
辐射、地表温度、蒸散、归一化植被指数、叶面积指数、净初级生产力数据等等；
# 气象/气候数据：
年平均降雨、均温；湿润指数；零度积温；光合有效辐射；潜热；
# 社会经济类数据
## 数据链接：部分数据可免费下载，大部分数据需付费下载；
http://www.dsac.cn/DataProduct
## 此外，可能用到的数据集：
全国人口密度数据产品
全国土地覆盖数据
全国土地利用数据产品



## 公园个数10年数据目录
http://www.dsac.cn/DataProduct/Detail/303516

### 国家地球系统科学数据中心
## 垃圾网站：拿着中国学者的工作收费；也是够无耻了。。。
## 主要数据集如下：
全球变化数据、全球碳循环、地表参数反演产品、青藏高原三维壳幔结构；
## 数据链接：http://www.geodata.cn/thematicView/

## 地理空间数据云
## 数据描述：
仅提供中国范围内的环境数据和生态数据，数据下载麻烦，需要写爬虫批量下载；
另外数据在使用时
## 数据链接：
http://www.gscloud.cn/
## 特色数据，好像可以直接下载；
火点判识(GFR)
叶面积指数(LAD
地表比辐射率实时产品(LsE)
陆表反射比(LsR)
陆表温度(LsT)
陆表温湿特征(LTH)
植被指数(Nv
干旱监测(P-DRo
植被指数(P-NV)
积雪覆盖(P-SNW)
积雪盖(SNC)
云雪盖率(sNF)
积雪覆盖(sNW
雪深雪水当量(sWE
土壤水份(vsM

## 国家气象科学数据中心：(又名中国气象数据网)
## 数据描述：
主要提供地面和高空气象站定时观测资料累积观测资料：包含常用的地面观测指标和气象指标。
## 数据链接：
http://data.cma.cn/site/index.html

### 特色数据：
## 第三次青藏高原大气科学试验气象数据-青藏高原土壤水分数据
## 数据描述：有项目才可以下载；
## 数据链接：
http://tipex.data.cma.cn/tipex/expeditionData/id/7.html

## 风云卫星遥感数据服务网
## 数据描述：
主要提供地面和高空气象站定时观测资料累积观测资料：包含常用的地面观测指标和气象指标。以及部分极地轨道卫星、碳卫星和静止卫星的长期观测。目前还不清楚出这部分数据的下载效率。

## 数据链接：
http://satellite.nsmc.org.cn/PortalSite/Data/DataView.aspx?SatelliteType=0&DataCategoryCode=Land&DataTypeCode=P-NVI#

## 国家地理信息公开服务平台
## 数据描述：
提供中国范围shp的标准格式，部分国内论文发表需要其提供制图号才能发表。
## 数据链接：
https://www.tianditu.gov.cn/

## 资源环境数据云
## 数据链接：
http://www.resdc.cn/data.aspx?DATAID=203
## 数据描述：
中国自然地理分区数据
中国气象数据
中国土地利用遥感监测数据
中国陆地生态系统宏观结构数据多
植被类型数据
土壤数据
社会经济数据
城市空气质量监测数据
高分辨率卫星遥感影像数据
中分辨率卫星遥感影像数据
全球100万基础地理数据
地形地貌数据
中国水系流域空间分布数据集
中国长时间序列植被指数(NDVI
全国兴趣点Pol数据
中国陆地生态系统服务价值空间分
全球夜间灯光数据

## 实名注册登录；
## 其他提供下载的数据集：
# 全球省级行政区划数据
http://www.resdc.cn/DOI/doi.aspx?DOIid=56
# 中国季度植被指数（NDVI）空间分布数据集（1998-2018）等；下载困难。

## 北京大学 地理数据平台
## 数据描述：
提供部分长期观测的地图集绘图；对于历史和当代气候都包含，但部分数据仅供学院内部提供，不能直接下载。。。但有了可视化平台之后就可以去其他平台寻找。
## 数据链接：
https://geodata.pku.edu.cn/

## OSGeo 中国
## 数据描述：
开放地理空间实验室，由gis技术开发提供；
主要包含全球数据(东北亚基础统计数据、一带一路基础国情数据)以及部分中国的自然地理数据；但存在数据下载困难的问题；
## 数据链接：
https://www.osgeo.cn/data/

## 中国科学院数据云
## 数据描述：
中国科学院数据云主要提供的服务是整合集成服务，对全国各大数据库不做直接整合，而是采用分布式自主管理方法，进而提供所有数据集及其数据库名录下载。该数据网站特别有用是整合专题数据提供下载，这可以有效针对数据单元进行分析。另外，数据库可以转移到其他数据库，不做另外阐释。
实际测试后，发现即使登录后下载仍十分困难。
## 与生物有关的数据库名录：
冰冻圈领域特色数据库
湖泊学科领域特色专题数据库
青海湖流域综合研究特色数据库
中国生态系统评估与生态安全格局特色数据库
中国土壤特色数据库
大数据驱动的第三极环境创新示范平台
南海海洋重点数据库建设与应用服务

## 数据链接：
http://www.csdb.cn/pageDataResource#main_top

## 特色数据库介绍：
# 湖泊学科领域特色专题数据库：
## 数据描述:
提供一带一路湖泊特色数据专题；

## 资源学科创新平台
## 数据描述：
主要为中国及中国周边国家的数据库信息，包含中国范围内：
1、自然资源极其开发利用数据库(气候、土地、水资源等)
2、全球数据(泛第三极、中蒙俄区域)
3、中国周边国家数据专题库(周边国家地理背景数据、中亚5国地理背景数据、西亚国家地理背景数据、西伯利亚数据库以及中国周边国家及全球人口、资源、经济与文化数据库)
##
但以上大部分数据不提供直接下载；需要联系数据服务组才可以提供下载；
该数据库从表观上看是中国科学院数据云的前身，中国科学院数据云该数据库从表观上看是中国科学院数据云的前身，中国科学院数据云
该数据库从表观上看是中国科学院数据云的前身，中国科学院数据云进一步优化和整合资源。
## 数据链接：
http://www.data.ac.cn/server/database.html

## 国家生态科学数据中心（资源共享服务平台）
## 数据描述：
提供中国范围内农业生态系统；森林生态系统；草地生态系统；荒莫生态系统；沼泽生态系统；湖治生态系统；海湾生态系统；等的实际观测统计数据；网站提供数据链接共享，需要到各自链接去下载，数据链接打开及下载仍十分困难。
## 数据链接：
http://www.cnern.org.cn/share_dict.jsp?data=4

4.1.10 地图瓦片地址

以下是各地图的瓦片地图地址，可以在QGIS中加载，也可以在openlayer或leaflet前端页面中加载。
腾讯、百度、高德，加上谷歌和天地图应该足够用了。

腾讯、高德是GCJ02坐标系，百度是BD09坐标系，谷歌、必应是WGS84坐标系，天地图是CGCS2000坐标系，瓦片地图都是平面墨卡托投影。WGS84和CGCS2000坐标系，近似认为它们相等就可以了。

高德路网：
https://wprd01.is.autonavi.com/appmaptile?x={x}&y={y}&z={z}&lang=zh_cn&size=1&scl=2&style=8&ltype=11
高德影像：
https://webst01.is.autonavi.com/appmaptile?style=6&x={x}&y={y}&z={z}
高德矢量：
http://wprd04.is.autonavi.com/appmaptile?lang=zh_cn&size=1&style=7&x={x}&y={y}&z={z}
谷歌矢量：
http://mt2.google.cn/vt/lyrs=m&scale=2&hl=zh-CN&gl=cn&x={x}&y={y}&z={z}
谷歌路网：
https://mt1.google.com/vt/lyrs=h&x={x}&y={y}&z={z}
谷歌影像：
http://www.google.cn/maps/vt?lyrs=s@189&gl=cn&x={x}&y={y}&z={z}
谷歌影像带注记：
https://mt1.google.com/vt/lyrs=y&x={x}&y={y}&z={z}
谷歌地形：
https://mt1.google.com/vt/lyrs=t&x={x}&y={y}&z={z}
谷歌地图矢量带地形渲染：
https://mt1.google.com/vt/lyrs=r&x={x}&y={y}&z={z}
街景地图：
https://tile.openstreetmap.org/{z}/{x}/{y}.png
天地图影像：
http://t7.tianditu.gov.cn/img_w/wmts?SERVICE=WMTS&REQUEST=GetTile&VERSION=1.0.0&LAYER=img&STYLE=default&TILEMATRIXSET=w&FORMAT=tiles&TILEMATRIX={z}&TILEROW={y}&TILECOL={x}&tk=e3b434f191257368fc43c5b011ab5911
天地图影像注记：
http://t7.tianditu.gov.cn/cia_w/wmts?SERVICE=WMTS&REQUEST=GetTile&VERSION=1.0.0&LAYER=cia&STYLE=default&TILEMATRIXSET=w&FORMAT=tiles&TILEMATRIX={z}&TILEROW={y}&TILECOL={x}&tk=e3b434f191257368fc43c5b011ab5911
天地图矢量：
http://t7.tianditu.gov.cn/vec_w/wmts?SERVICE=WMTS&REQUEST=GetTile&VERSION=1.0.0&LAYER=vec&STYLE=default&TILEMATRIXSET=w&FORMAT=tiles&TILEMATRIX={z}&TILEROW={y}&TILECOL={x}&tk=e3b434f191257368fc43c5b011ab5911

天地图矢量注记：
http://t7.tianditu.gov.cn/cva_w/wmts?SERVICE=WMTS&REQUEST=GetTile&VERSION=1.0.0&LAYER=cva&STYLE=default&TILEMATRIXSET=w&FORMAT=tiles&TILEMATRIX={z}&TILEROW={y}&TILECOL={x}&tk=e3b434f191257368fc43c5b011ab5911

天地图地形：
http://t7.tianditu.gov.cn/ter_w/wmts?SERVICE=WMTS&REQUEST=GetTile&VERSION=1.0.0&LAYER=ter&STYLE=default&TILEMATRIXSET=w&FORMAT=tiles&TILEMATRIX={z}&TILEROW={y}&TILECOL={x}&tk=e3b434f191257368fc43c5b011ab5911
天地图地形注记：
http://t7.tianditu.gov.cn/cta_w/wmts?SERVICE=WMTS&REQUEST=GetTile&VERSION=1.0.0&LAYER=cta&STYLE=default&TILEMATRIXSET=w&FORMAT=tiles&TILEMATRIX={z}&TILEROW={y}&TILECOL={x}&tk=e3b434f191257368fc43c5b011ab5911

腾讯地图矢量：
http://rt0.map.gtimg.com/realtimerender?z={z}&x={x}&y={-y}&type=vector&style=0

百度地图瓦片：
百度瓦片规格不符合WMS标准，需要重新计算，QGIS不支持重新计算瓦片，但openlayer和leaflet都支持。啥时候写前端加上。

##  利用qgis加载卫星地图数据；
https://raw.githubusercontent.com/klakar/QGIS_resources/master/collections/Geosupportsystem/python/qgis_basemaps.py
## 脚本如下：
# Sources
sources = []
sources.append(["connections-xyz","Google Maps","","","","https://mt1.google.com/vt/lyrs=m&x=%7Bx%7D&y=%7By%7D&z=%7Bz%7D","","19","0"])
sources.append(["connections-xyz","Google Satellite", "", "", "", "https://mt1.google.com/vt/lyrs=s&x=%7Bx%7D&y=%7By%7D&z=%7Bz%7D", "", "19", "0"])
sources.append(["connections-xyz","Google Terrain", "", "", "", "https://mt1.google.com/vt/lyrs=t&x=%7Bx%7D&y=%7By%7D&z=%7Bz%7D", "", "19", "0"])
sources.append(["connections-xyz","Google Terrain Hybrid", "", "", "", "https://mt1.google.com/vt/lyrs=p&x=%7Bx%7D&y=%7By%7D&z=%7Bz%7D", "", "19", "0"])
sources.append(["connections-xyz","Google Satellite Hybrid", "", "", "", "https://mt1.google.com/vt/lyrs=y&x=%7Bx%7D&y=%7By%7D&z=%7Bz%7D", "", "19", "0"])
sources.append(["connections-xyz","Stamen Terrain", "", "", "Map tiles by Stamen Design, under CC BY 3.0. Data by OpenStreetMap, under ODbL", "http://tile.stamen.com/terrain/%7Bz%7D/%7Bx%7D/%7By%7D.png", "", "20", "0"])
sources.append(["connections-xyz","Stamen Toner", "", "", "Map tiles by Stamen Design, under CC BY 3.0. Data by OpenStreetMap, under ODbL", "http://tile.stamen.com/toner/%7Bz%7D/%7Bx%7D/%7By%7D.png", "", "20", "0"])
sources.append(["connections-xyz","Stamen Toner Light", "", "", "Map tiles by Stamen Design, under CC BY 3.0. Data by OpenStreetMap, under ODbL", "http://tile.stamen.com/toner-lite/%7Bz%7D/%7Bx%7D/%7By%7D.png", "", "20", "0"])
sources.append(["connections-xyz","Stamen Watercolor", "", "", "Map tiles by Stamen Design, under CC BY 3.0. Data by OpenStreetMap, under ODbL", "http://tile.stamen.com/watercolor/%7Bz%7D/%7Bx%7D/%7By%7D.jpg", "", "18", "0"])
sources.append(["connections-xyz","Wikimedia Map", "", "", "OpenStreetMap contributors, under ODbL", "https://maps.wikimedia.org/osm-intl/%7Bz%7D/%7Bx%7D/%7By%7D.png", "", "20", "1"])
sources.append(["connections-xyz","Wikimedia Hike Bike Map", "", "", "OpenStreetMap contributors, under ODbL", "http://tiles.wmflabs.org/hikebike/%7Bz%7D/%7Bx%7D/%7By%7D.png", "", "17", "1"])
sources.append(["connections-xyz","Esri Boundaries Places", "", "", "Requires ArcGIS Onlinesubscription", "https://server.arcgisonline.com/ArcGIS/rest/services/Reference/World_Boundaries_and_Places/MapServer/tile/%7Bz%7D/%7By%7D/%7Bx%7D", "", "20", "0"])
sources.append(["connections-xyz","Esri Gray (dark)", "", "", "Requires ArcGIS Onlinesubscription", "http://services.arcgisonline.com/ArcGIS/rest/services/Canvas/World_Dark_Gray_Base/MapServer/tile/%7Bz%7D/%7By%7D/%7Bx%7D", "", "16", "0"])
sources.append(["connections-xyz","Esri Gray (light)", "", "", "Requires ArcGIS Onlinesubscription", "http://services.arcgisonline.com/ArcGIS/rest/services/Canvas/World_Light_Gray_Base/MapServer/tile/%7Bz%7D/%7By%7D/%7Bx%7D", "", "16", "0"])
sources.append(["connections-xyz","Esri National Geographic", "", "", "Requires ArcGIS Onlinesubscription", "http://services.arcgisonline.com/ArcGIS/rest/services/NatGeo_World_Map/MapServer/tile/%7Bz%7D/%7By%7D/%7Bx%7D", "", "12", "0"])
sources.append(["connections-xyz","Esri Ocean", "", "", "Requires ArcGIS Onlinesubscription", "https://services.arcgisonline.com/ArcGIS/rest/services/Ocean/World_Ocean_Base/MapServer/tile/%7Bz%7D/%7By%7D/%7Bx%7D", "", "10", "0"])
sources.append(["connections-xyz","Esri Satellite", "", "", "Requires ArcGIS Onlinesubscription", "https://server.arcgisonline.com/ArcGIS/rest/services/World_Imagery/MapServer/tile/%7Bz%7D/%7By%7D/%7Bx%7D", "", "17", "0"])
sources.append(["connections-xyz","Esri Standard", "", "", "Requires ArcGIS Onlinesubscription", "https://server.arcgisonline.com/ArcGIS/rest/services/World_Street_Map/MapServer/tile/%7Bz%7D/%7By%7D/%7Bx%7D", "", "17", "0"])
sources.append(["connections-xyz","Esri Terrain", "", "", "Requires ArcGIS Onlinesubscription", "https://server.arcgisonline.com/ArcGIS/rest/services/World_Terrain_Base/MapServer/tile/%7Bz%7D/%7By%7D/%7Bx%7D", "", "13", "0"])
sources.append(["connections-xyz","Esri Transportation", "", "", "Requires ArcGIS Onlinesubscription", "https://server.arcgisonline.com/ArcGIS/rest/services/Reference/World_Transportation/MapServer/tile/%7Bz%7D/%7By%7D/%7Bx%7D", "", "20", "0"])
sources.append(["connections-xyz","Esri Topo World", "", "", "Requires ArcGIS Onlinesubscription", "http://services.arcgisonline.com/ArcGIS/rest/services/World_Topo_Map/MapServer/tile/%7Bz%7D/%7By%7D/%7Bx%7D", "", "20", "0"])
sources.append(["connections-xyz","OpenStreetMap Standard", "", "", "OpenStreetMap contributors, under ODbL", "http://tile.openstreetmap.org/%7Bz%7D/%7Bx%7D/%7By%7D.png", "", "19", "0"])
sources.append(["connections-xyz","OpenStreetMap H.O.T.", "", "", "OpenStreetMap contributors, under ODbL", "http://tile.openstreetmap.fr/hot/%7Bz%7D/%7Bx%7D/%7By%7D.png", "", "19", "0"])
sources.append(["connections-xyz","OpenStreetMap Monochrome", "", "", "OpenStreetMap contributors, under ODbL", "http://tiles.wmflabs.org/bw-mapnik/%7Bz%7D/%7Bx%7D/%7By%7D.png", "", "19", "0"])
sources.append(["connections-xyz","OpenTopoMap", "", "", "Kartendaten: © OpenStreetMap-Mitwirkende, SRTM | Kartendarstellung: © OpenTopoMap (CC-BY-SA)", "https://tile.opentopomap.org/%7Bz%7D/%7Bx%7D/%7By%7D.png", "", "17", "1"])
sources.append(["connections-xyz","Strava All", "", "", "OpenStreetMap contributors, under ODbL", "https://heatmap-external-b.strava.com/tiles/all/bluered/%7Bz%7D/%7Bx%7D/%7By%7D.png", "", "15", "0"])
sources.append(["connections-xyz","Strava Run", "", "", "OpenStreetMap contributors, under ODbL", "https://heatmap-external-b.strava.com/tiles/run/bluered/%7Bz%7D/%7Bx%7D/%7By%7D.png?v=19", "", "15", "0"])
sources.append(["connections-xyz","Open Weather Map Temperature", "", "", "Map tiles by OpenWeatherMap, under CC BY-SA 4.0", "http://tile.openweathermap.org/map/temp_new/%7Bz%7D/%7Bx%7D/%7By%7D.png?APPID=1c3e4ef8e25596946ee1f3846b53218a", "", "19", "0"])
sources.append(["connections-xyz","Open Weather Map Clouds", "", "", "Map tiles by OpenWeatherMap, under CC BY-SA 4.0", "http://tile.openweathermap.org/map/clouds_new/%7Bz%7D/%7Bx%7D/%7By%7D.png?APPID=ef3c5137f6c31db50c4c6f1ce4e7e9dd", "", "19", "0"])
sources.append(["connections-xyz","Open Weather Map Wind Speed", "", "", "Map tiles by OpenWeatherMap, under CC BY-SA 4.0", "http://tile.openweathermap.org/map/wind_new/%7Bz%7D/%7Bx%7D/%7By%7D.png?APPID=f9d0069aa69438d52276ae25c1ee9893", "", "19", "0"])
sources.append(["connections-xyz","CartoDb Dark Matter", "", "", "Map tiles by CartoDB, under CC BY 3.0. Data by OpenStreetMap, under ODbL.", "http://basemaps.cartocdn.com/dark_all/%7Bz%7D/%7Bx%7D/%7By%7D.png", "", "20", "0"])
sources.append(["connections-xyz","CartoDb Positron", "", "", "Map tiles by CartoDB, under CC BY 3.0. Data by OpenStreetMap, under ODbL.", "http://basemaps.cartocdn.com/light_all/%7Bz%7D/%7Bx%7D/%7By%7D.png", "", "20", "0"])
sources.append(["connections-xyz","Bing VirtualEarth", "", "", "", "http://ecn.t3.tiles.virtualearth.net/tiles/a{q}.jpeg?g=1", "", "19", "1"])


# Add sources to browser
for source in sources:
   connectionType = source[0]
   connectionName = source[1]
   QSettings().setValue("qgis/%s/%s/authcfg" % (connectionType, connectionName), source[2])
   QSettings().setValue("qgis/%s/%s/password" % (connectionType, connectionName), source[3])
   QSettings().setValue("qgis/%s/%s/referer" % (connectionType, connectionName), source[4])
   QSettings().setValue("qgis/%s/%s/url" % (connectionType, connectionName), source[5])
   QSettings().setValue("qgis/%s/%s/username" % (connectionType, connectionName), source[6])
   QSettings().setValue("qgis/%s/%s/zmax" % (connectionType, connectionName), source[7])
   QSettings().setValue("qgis/%s/%s/zmin" % (connectionType, connectionName), source[8])

# Update GUI
iface.reloadConnections()