该数据集名为“中国区域融合日照时数的高分辨率（10km）地表太阳辐射数据集（1983-2017）”，它是中国境内特定时间段内关于太阳辐射的重要气象数据集合。该数据集的核心内容是日照时数和地表太阳辐射强度，这两项指标对于气候研究、能源利用、环境科学以及农业等多个领域具有重大意义。 1. 日照时数：日照时数是指在特定时间段内，太阳光线直接照射到地面的累计时间。它是衡量一个地区阳光资源丰富程度的关键参数，对太阳能发电、农作物生长、人体健康以及旅游业等都有直接影响。此数据集提供了1983年至2017年这35年间，以10公里为分辨率的中国各地日照时数的详细记录，有助于研究人员分析中国各地的日照变化趋势及其对气候和环境的影响。 2. 地表太阳辐射：地表太阳辐射是指太阳光照射到地球表面的能量，它是地球能量平衡和气候变化的重要驱动力。地表太阳辐射数据对于理解气候系统、气候模型的构建和验证、以及太阳能资源评估至关重要。该数据集提供了高精度的地表太阳辐射数据，有助于科学家研究中国各地的辐射分布特点，进一步探究气候变化、大气污染等因素对其的影响。 3. 数据集结构与处理：该数据集可能包含多个文件，每个文件代表一年或一段时期的数据，以网格形式存储，每个网格点对应10公里×10公里的地理范围。数据可能以ASCII或NetCDF等格式存储，便于科学计算和地理信息系统(GIS)软件进行读取和分析。研究人员可以利用这些数据进行空间插值、时间序列分析、空间统计等复杂操作，揭示中国太阳辐射分布的时空变化规律。 4. 应用领域：这些数据在多个领域有着广泛的应用。例如，在气候学中，用于研究太阳辐射变化与气候变化的关系；在能源领域，可为太阳能发电站的选址和产能估算提供依据；在农业上，帮助优化作物种植模式和灌溉策略；在环境科学中，评估紫外线辐射对生态环境和人体健康的影响；在城市规划中，考虑建筑物的日照条件和节能设计等。 5. 数据获取与处理：由于数据的高分辨率和长期跨度，其收集、整合和处理工作必然复杂且耗时。这可能涉及到地面观测站的数据采集、卫星遥感数据的处理、误差校正以及不同数据源之间的融合算法。用户在使用此数据集时，需要了解数据的来源、精度、可能存在的不确定性，并根据实际需求进行必要的预处理和质量控制。 “中国区域融合日照时数的高分辨率（10km）地表太阳辐射数据集（1983-2017）”是一个宝贵的科研资源，对于深入理解和预测中国的气候模式、太阳能资源潜力以及环境变化等方面都具有重要的科学价值。

ASTER GDEM V3 是美国航空航天局（NASA）和日本宇宙航空研究开发机构（JAXA）共同开发的数字高程模型（DEM）。该模型使用来自 ASTER 卫星的光学数据，具有 30 米的空间分辨率。ASTER GDEM V3 是世界上分辨率最高的全球 DEM 之一，可用于各种应用，包括地形测量、土地利用监测和灾害管理。ASTER GDEM V3 于 2019 年发布，覆盖了整个地球的陆地表面。本数据是从中提取的覆盖中国区域的数据，每个文件覆盖范围是1度*1度，方便中国用户查找使用。

中国区域1~3级流域图，包括中国九大流域片区，可以用arcgis等软件打开。

基于1998年至2016年中国30个省的PM2.5浓度值，本研究运用空间Durbin模型对烟雾污染的影响因素进行了实证分析。 研究发现，中国的烟雾污染具有明显的空间溢出效应和高-高（低-低）聚集的空间特征。 并通过空间杜宾模型的方法，发现中国的烟雾污染是时间依赖性的，这是由于滞后项的影响较大。 在驱动因素方面，发现烟雾污染与经济增长之间存在明显的倒U形曲线关系。 在驱动因素方面，发现烟雾污染与经济增长之间存在明显的倒U形曲线关系。 第二产业比重高的产业结构，以城市人口衡量的城市化进程以及以煤炭为基础的能源结构严重加剧了我国的烟雾污染。 鉴于我国烟雾污染的空间溢出效应和时滞效应，有必要加强区域联合防控。 此外，还应该优化产业结构，实现资源的清洁和有效利用，使城市化合理化，并鼓励公共交通和新能源汽车。

2020年中国区域乡镇行政矢量地图，精确到乡镇级。

30米全球地表覆盖数据GlobeLand30数据——2010年中国区域数据，中国全域地表覆盖数据，每一块都有哦，物美价廉，欢迎下载！ N43_30_2010LC030 到N53_45_2010LC030

30米全球地表覆盖数据GlobeLand30数据——2020年中国区域数据，中国全域地表覆盖数据，每一块都有哦，物美价廉，欢迎下载！ N43_30_2020LC030 到N53_45_2020LC030

最新MODIS NPP数据，MOD17A3HGF061，中国区域，2001-2005年，采用略大于中国的边界提取，用户可按需自行裁剪，原数据是全世界范围的数据量较大，且较难获取，本资源针对只研究中国区域的用户，更简单轻量化，84坐标，分辨率约为500m，使用方法见压缩包中User Guide文件

关于基尼系数计算方法的改进已有很多,但对具有明显二元经济结构和地区发展严重不平衡的中国来说,目前度量贫富差距的方法还有很多不适宜的地方甚至缺陷。本文基于全国先行的东、中、西部地区的划分,以各地区的基尼系数为基础,提出了区域基尼系数的新概念,建立了计算全国基尼系数的改进模型,并通过实证研究,测算了我国2010年的基尼系数。同时就2010年不同地区,1995,2001,2010年不同时间的基尼系数做了非参数的核密度估计,分析了时间上和区域上基尼系数的变动趋势,一定程度上规避了我国明显的城乡二元经济结构和严重的

【Python应用实战案例】基于Python的NCEP再分析数据的中国区域白化.zip