由河南大学的张航、董冠鹏等老师提交的“利用夜间灯光和深度学习构建1992-2021年全球次国家级尺度年度经济数据”，经审核整理后正式在国家对地观测科学数据中心发布，热忱欢迎广大科研工作者关注并获取数据。

图1 该数据集在国家对地观测科学数据中心的网页信息

人均国内生产总值（GDP）是最广泛使用的社会经济指标之一，也是气候变化影响分析的核心要素。然而，国家尺度的评估可能因掩盖国内区域差异而产生显著偏差，而缺乏完善的次国家尺度GDP数据是主要障碍。鉴于夜间灯光与GDP间存在密切关联，该项研究提出了一种两步创新框架以解决该问题：首先，在空间统计建模框架指导下，融合深度学习与机器学习技术，构建了针对不一致的DMSP-OLS与NPP-VIIRS两套夜间灯光数据集的空间映射模型。模型精度（相关系数）达0.945至0.980，通过集成两种技术的估算结果，成功将DMSP数据时间序列延展至2021年。随后，基于多层感知器（MLP）的建模策略，在次国家级尺度上解析夜间灯光与人均GDP之间的复杂非线性关系，并明确捕捉区域异质性效应。经训练的模型在训练集、验证集和测试集上的平均精度（相关系数）分别高达0.967、0.959和0.959。最后，对生成的GDP数据集进行了全球、国家和次国家等多尺度、多维度的评估，结果有力验证了数据的可靠性。

图2 数据集产品缩略图

扫描二维码获取数据链接