自然资源数据-数据禾

2021年湖北省土地利用数据（矢量）

2021年湖北省土地利用数据是在对2021年植被生长较好时间的Landsat遥感影像的下载、拼接、校正、配准等预处理以及高程等辅助信息的搜集整理的基础上，通过目视解译得到的2021年的土地利用数据。该数据主要包括6个一级分类和25个二级分类，通过抽样人工检查，在1：10万比例尺的基础上，一级类精度在85%以上，二级类在75%以上。

2021年青海省土地利用数据（矢量）

2021年青海省土地利用数据是在对2021年植被生长较好时间的Landsat遥感影像的下载、拼接、校正、配准等预处理以及高程等辅助信息的搜集整理的基础上，通过目视解译得到的2021年的土地利用数据。该数据主要包括6个一级分类和25个二级分类，通过抽样人工检查，在1：10万比例尺的基础上，一级类精度在85%以上，二级类在75%以上。

2020年广东省土地利用数据(矢量)

2020年广东省土地利用数据是在对2020年植被生长较好时间的Sentinel、Landsat、GF、ZY等多源卫星影像的下载、拼接、校正、配准等预处理以及高程等辅助信息的搜集整理的基础上，通过目视解译得到的2020年的土地利用数据。该数据主要包括6个一级分类和25个二级分类，通过抽样人工检查，在1：10万比例尺的基础上，一级类精度在85%以上，二级类在75%以上。

2021年江苏省土地利用数据（矢量）

2021年江苏省土地利用数据是在对2021年植被生长较好时间的Landsat遥感影像的下载、拼接、校正、配准等预处理以及高程等辅助信息的搜集整理的基础上，通过目视解译得到的2021年的土地利用数据。该数据主要包括6个一级分类和25个二级分类，通过抽样人工检查，在1：10万比例尺的基础上，一级类精度在85%以上，二级类在75%以上。

2020年河南省土地利用数据(矢量)

2020年河南省土地利用数据是在对2020年植被生长较好时间的Sentinel、Landsat、GF、ZY等多源卫星影像的下载、拼接、校正、配准等预处理以及高程等辅助信息的搜集整理的基础上，通过目视解译得到的2020年的土地利用数据。该数据主要包括6个一级分类和25个二级分类，通过抽样人工检查，在1：10万比例尺的基础上，一级类精度在85%以上，二级类在75%以上。

2020年浙江省土地利用数据(矢量)

2020年浙江省土地利用数据是在对2020年植被生长较好时间的Sentinel、Landsat、GF、ZY等多源卫星影像的下载、拼接、校正、配准等预处理以及高程等辅助信息的搜集整理的基础上，通过目视解译得到的2020年的土地利用数据。该数据主要包括6个一级分类和25个二级分类，通过抽样人工检查，在1：10万比例尺的基础上，一级类精度在85%以上，二级类在75%以上。

2020年黑龙江省土地利用数据(矢量)

2020年黑龙江省土地利用数据是在对2020年植被生长较好时间的Sentinel、Landsat、GF、ZY等多源卫星影像的下载、拼接、校正、配准等预处理以及高程等辅助信息的搜集整理的基础上，通过目视解译得到的2020年的土地利用数据。该数据主要包括6个一级分类和25个二级分类，通过抽样人工检查，在1：10万比例尺的基础上，一级类精度在85%以上，二级类在75%以上。

2020年青海省土地利用数据(矢量)

2020年青海省土地利用数据是在对2020年植被生长较好时间的Landsat遥感影像的下载、拼接、校正、配准等预处理以及高程等辅助信息的搜集整理的基础上，通过目视解译得到的2020年的土地利用数据。该数据主要包括6个一级分类和25个二级分类，通过抽样人工检查，在1：10万比例尺的基础上，一级类精度在85%以上，二级类在75%以上。

2020年山东省土地利用数据(矢量)

2020年山东省土地利用数据是在对2020年植被生长较好时间的Sentinel、Landsat、GF、ZY等多源卫星影像的下载、拼接、校正、配准等预处理以及高程等辅助信息的搜集整理的基础上，通过目视解译得到的2020年的土地利用数据。该数据主要包括6个一级分类和25个二级分类，通过抽样人工检查，在1：10万比例尺的基础上，一级类精度在85%以上，二级类在75%以上。

2020年天津市土地利用数据(矢量)

2020年天津市土地利用数据是在对2020年植被生长较好时间的Sentinel、Landsat、GF、ZY等多源卫星影像的下载、拼接、校正、配准等预处理以及高程等辅助信息的搜集整理的基础上，通过目视解译得到的2020年的土地利用数据。该数据主要包括6个一级分类和25个二级分类，通过抽样人工检查，在1：10万比例尺的基础上，一级类精度在85%以上，二级类在75%以上。

2020年湖南省土地利用数据(矢量)

2020年湖南省土地利用数据是在对2020年植被生长较好时间的Sentinel、Landsat、GF、ZY等多源卫星影像的下载、拼接、校正、配准等预处理以及高程等辅助信息的搜集整理的基础上，通过目视解译得到的2020年的土地利用数据。该数据主要包括6个一级分类和25个二级分类，通过抽样人工检查，在1：10万比例尺的基础上，一级类精度在85%以上，二级类在75%以上。

2021年四川省土地利用数据（矢量）

2021年四川省土地利用数据是在对2021年植被生长较好时间的Landsat遥感影像的下载、拼接、校正、配准等预处理以及高程等辅助信息的搜集整理的基础上，通过目视解译得到的2021年的土地利用数据。该数据主要包括6个一级分类和25个二级分类，通过抽样人工检查，在1：10万比例尺的基础上，一级类精度在85%以上，二级类在75%以上。

2020年国家森林公园分布数据

截止2020年底，国家林业与草原局公布了901个国家森林公园，通过获取地理位置及属性信息，并将其进行空间化处理，得到2020年中国国家森林公园分布数据。

陕西省国家湿地公园功能区划数据

数据禾（databox.store）根据陕西省林业草原局发布的陕西省国家湿地公园规划文件，收集截止2020年底的陕西省国家湿地公园本底资料。对每个国家湿地公园的保育区、恢复重建区、宣教展示区、合理利用区和管理服务区进行面状要素矢量化。最后，对面状要素进行拓扑检查，修改合格后，完成陕西省国家湿地公园数据的制作，共计43个国家湿地公园。

祁连山国家公园管控分区数据

祁连山国家公园位于甘肃和青海两省交界，地处青藏、蒙新、黄土三大高原交汇地带的祁连山北麓，总面积达到5.02万平方公里。其中，甘肃片区总面积3.44万平方公里，占国家公园总面积的68.5%；青海片区总面积1.58万平方公里，占国家公园总面积的31.5%。

大熊猫国家公园管控分区数据

数据禾（databox.store）根据林业草原局发布的大熊猫国家公园规划文件，基于高分辨率卫星影像，通过图上同名点的地理匹配，实现大熊猫国家公园管控分区与卫星影像之间的地理配准。然后，对核心保护区和一般控制区进行面状要素矢量化。最后，对面状要素进行拓扑检查，修改合格后，完成大熊猫国家公园管控分区数据的制作。

青海省国家湿地公园功能区划数据

在2000国家大地坐标系（CGCS2000）下，基于高分辨率卫星影像，通过图上同名点的地理匹配，实现青海省国家湿地公园功能区划图与卫星影像之间的地理配准。然后，对每个国家湿地公园的保育区、恢复重建区、宣教展示区、合理利用区和管理服务区进行面状要素矢量化。最后，对面状要素进行拓扑检查，修改合格后，完成青海省国家湿地公园数据的制作，共计19个国家湿地公园。

2020年重庆市土地利用数据(矢量)

2020年重庆市土地利用数据是在对2020年植被生长较好时间的Sentinel、Landsat、GF、ZY等多源卫星影像的下载、拼接、校正、配准等预处理以及高程等辅助信息的搜集整理的基础上，通过目视解译得到的2020年的土地利用数据。该数据主要包括6个一级分类和25个二级分类，通过抽样人工检查，在1：10万比例尺的基础上，一级类精度在85%以上，二级类在75%以上。

2019年粤港澳大湾区红树林分布数据

2019年粤港澳大湾区红树林分布数据是在高分辨率遥感影像的下载、校正、融合、拼接等的预处理的基础上，根据区域红树林的统计数据、分布数据等概括性的数据的分析和整理，通过人工目视遥感解译的方法得到的空间矢量数据。该数据采用GCS_WGS_1984地理坐标系，格式为矢量，覆盖范围主要为粤港澳大湾区。

2019年粤港澳大湾区10米土地覆盖数据

2019年粤港澳大湾区10米土地覆盖数据数学基础采用GCS_WGS_1984空间参考坐标系，格式为栅格，空间分辨率为10米，空间范围覆盖全粤港澳大湾区，总体精度在78.2%以上。

2020年国家地质公园分布数据

截止2020年底，国家林业与草原局分8个批次公布了275个国家级地质公园，通过获取地理位置及属性信息，并将其进行空间化处理，得到2020年中国国家地质公园分布数据。

2020年北京市10米土地覆盖数据

2020年北京市10米土地覆盖数据数学基础采用GCS_WGS_1984空间参考坐标系，格式为栅格，空间分辨率为10米，空间范围覆盖全北京市，总体精度在78.2%以上。

武夷山国家公园功能分区数据

根据林业草原局发布的武夷山国家公园规划文件，基于高分辨率卫星影像，通过图上同名点的地理匹配，实现武夷山国家公园功能分区与卫星影像之间的地理配准。然后，对核心保护区、生态保育区、游憩展示区和传统利用区进行面状要素矢量化。最后，对面状要素进行拓扑检查，修改合格后，完成武夷山国家公园功能分区数据的制作。

2020年宁夏回族自治区土地利用数据(矢量)

2020年宁夏回族自治区土地利用数据是在对2020年植被生长较好时间的Sentinel、Landsat、GF、ZY等多源卫星影像的下载、拼接、校正、配准等预处理以及高程等辅助信息的搜集整理的基础上，通过目视解译得到的2020年的土地利用数据。该数据主要包括6个一级分类和25个二级分类，通过抽样人工检查，在1：10万比例尺的基础上，一级类精度在85%以上，二级类在75%以上。

2021年黑龙江省土地利用数据（矢量）

2021年黑龙江省土地利用数据是在对2021年植被生长较好时间的Landsat遥感影像的下载、拼接、校正、配准等预处理以及高程等辅助信息的搜集整理的基础上，通过目视解译得到的2021年的土地利用数据。该数据主要包括6个一级分类和25个二级分类，通过抽样人工检查，在1：10万比例尺的基础上，一级类精度在85%以上，二级类在75%以上。

2020年甘肃省土地利用数据(矢量)

2020年甘肃省土地利用数据是在对2020年植被生长较好时间的Landsat遥感影像的下载、拼接、校正、配准等预处理以及高程等辅助信息的搜集整理的基础上，通过目视解译得到的2020年的土地利用数据。该数据主要包括6个一级分类和25个二级分类，通过抽样人工检查，在1：10万比例尺的基础上，一级类精度在85%以上，二级类在75%以上。

2020年福建省土地利用数据(矢量)

2020年福建省土地利用数据是在对2020年植被生长较好时间的Sentinel、Landsat、GF、ZY等多源卫星影像的下载、拼接、校正、配准等预处理以及高程等辅助信息的搜集整理的基础上，通过目视解译得到的2020年的土地利用数据。该数据主要包括6个一级分类和25个二级分类，通过抽样人工检查，在1：10万比例尺的基础上，一级类精度在85%以上，二级类在75%以上。

2020年新疆维吾尔自治区土地利用数据(矢量)

2020年新疆维吾尔自治区土地利用数据是在对2020年植被生长较好时间的Sentinel、Landsat、GF、ZY等多源卫星影像的下载、拼接、校正、配准等预处理以及高程等辅助信息的搜集整理的基础上，通过目视解译得到的2020年的土地利用数据。该数据主要包括6个一级分类和25个二级分类，通过抽样人工检查，在1：10万比例尺的基础上，一级类精度在85%以上，二级类在75%以上。