近日，国家地球系统科学数据中心湖泊-流域分中心暨中国科学院南京地理与湖泊研究所科学数据中心（以下简称“本中心”）发布我国坑塘“功能地图”数据成果，包括首套江苏省海岸带多功能类型坑塘水面空间分布数据集（2022年）和高精度中国水产养殖池塘空间分布数据集（2023年）。该成果不仅首次提出了适用于我国的坑塘水面功能分类体系，更突破现有养殖池塘提取“重沿海、轻内陆”的瓶颈，填补了中国内陆地区养殖池塘高精度数据的空白，也为全球尺度养殖池塘的精准识别与动态监测提供了可借鉴的新方法。欢迎相关领域研究人员访问使用。
该系列数据由中国科学院南京地理与湖泊研究所林晨研究员团队研制生产，相关研究成果发表在发表在国际学术期刊《Earth’s future》、《Ecological Informatics》上。
01 数据介绍
坑塘水面具有单个面积小、变化剧烈、生态功能多样的特点，然而长期被相关研究忽视。实际上，不同地理环境（如内陆、沿海等）下，坑塘水面扮演者完全不同的生态功能（如水产养殖、景观美化、调蓄洪峰、晾晒制盐等）。只有明晰不同空间尺度下多样化的坑塘水面功能类型及其时空变化特征，才能真正为水域生态系统的保护和功能提升提供路径。
数据集1：江苏省海岸带多功能类型坑塘水面空间分布数据集（2022年）
中国科学院南京地理与湖泊研究所林晨研究员团队构建了适用于海岸带区域的多功能坑塘水面分类体系，涵盖陆域养殖坑塘、海域养殖水面、盐田、天然坑塘及景观坑塘等五种类型。基于多源遥感特征与面向对象的分层分类方法（图1），生产了10m分辨率的江苏省海岸带多功能类型坑塘水面空间分布数据集（2022年），并系统揭示了“功能类型-遥感特征-地理格局”之间的耦合关系。
图1 不同功能类型坑塘的分层分类方法
数据集结果显示：不同功能类型的坑塘水面在遥感特征与地理分布模式上均存在显著差异：（1）陆域养殖坑塘在坑塘水面中占据主导地位，占比高达75.10%，而天然坑塘仅占0.52%；（2）从空间格局来看，陆域养殖坑塘与盐田主要集中分布于沿海滩涂区域，景观坑塘多见于城市建成区，天然坑塘则主要散布于农村及山区，海域养殖水面则大多位于近海海域和潮间带滩涂。
数据集2：中国水产养殖池塘空间分布数据集（2023年）
研究团队聚焦养殖水面提取问题，针对局部模型向全国尺度泛化过程中分割阈值迁移适应性差的难点，提出了一种基于Sentinel-2影像并结合蒸散量相关指数与机器学习框架的全国尺度水产养殖坑塘空间分布提取方法，发展了一套大尺度养殖池塘自动化提取与分类优化技术。
研究团队以我国全域养殖池塘为研究对象，在27个典型城市布设了19,055个养殖鱼塘样点及易混淆地类样点，构建了适用于养殖池塘遥感识别的新型光谱指数WVndapi，基于2023年10m分辨率的Sentinel-2多光谱影像，结合机器学习框架，实现了首幅中国水产养殖池塘的高分辨率空间分布制度。为保证数据的可靠性，团队在全国范围布设了45,672个验证点，并据此构建混淆矩阵进行精度评估，结果显示该方法在全国范围内总体精度达到91%，Kappa系数为0.88。
图2 我国水产养殖池塘空间分布
数据集结果显示：（1）我国养殖池塘在空间上高度集中于沿海地区及长江、黄河流域，整体呈现“东部多、西部少，北部密、南部疏”的分布特征；（2）识别出四个水产养殖核心区，包括渤海湾、长三角与珠三角等三个沿海热点区，以及一个长江中下游内陆热点区；（3）我国养殖池塘面积表现出明显的区域差异，呈现“北大南小、东密西疏”的空间格局。此外，内陆养殖池塘面积呈增长趋势，并具有显著的空间集聚特征。
02 数据下载
中国水产养殖池塘空间分布数据集（2023年）
1.国家地球系统科学数据中心湖泊-流域分中心
https://lake.geodata.cn/data/datadetails.html?dataguid=63328910889244
2.中国科学院南京地理与湖泊研究所数据中心
http://data.niglas.ac.cn/catalog/detail/1016
江苏省海岸带多功能类型坑塘水面空间分布数据集（2022年）
1.国家地球系统科学数据中心湖泊-流域分中心
https://lake.geodata.cn/data/datadetails.html?dataguid=36940740673845
2.中国科学院南京地理与湖泊研究所数据中心
http://data.niglas.ac.cn/catalog/detail/1017
03 数据引用方式
陈建春, 林晨, 等. 中国水产养殖池塘空间分布数据集（2023年）. 国家地球系统科学数据中心湖泊-流域分中心，2025. https://doi.org/10.11971/lim.2025.056.db.lwdc. https://cstr.cn/37833.11.lake.2025138
Jianchun Chen, Chen Lin, et al. Spatial Distribution Dataset of Aquaculture Ponds in China (2023). Lake-Watershed Science Data Center, National Earth System Science Data Center, 2025. https://doi.org/10.11971/lim.2025.056.db.lwdc. https://cstr.cn/37833.11.lake.2025138
童奕钧, 林晨, 等. 江苏省海岸带多功能类型坑塘水面空间分布数据集（2022年）. 国家地球系统科学数据中心湖泊-流域分中心，2025. https://doi.org/10.11971/lim.2025.057.db.lwdc. https://cstr.cn/37833.11.lake.2025140
Yijun Tong, Chen Lin, et al. Spatial Distribution Dataset of Multifunctional Pond Water Surfaces in the Coastal Zone of Jiangsu Province, China (2022). Lake-Watershed Science Data Center, National Earth System Science Data Center, 2025. https://doi.org/10.11971/lim.2025.057.db.lwdc. https://cstr.cn/37833.11.lake.2025140
04 论文引用方式
Chen, J., Lin, C*., Xue, K., et al. (2025). Mapping China aquaculture ponds: Integrating a new aquaculture index with machine learning. Earth's Future, 13, e2024EF005637.
Tong, Y., Lin, C.*, Song, K., et al. (2025). Reconstructing coastal ponds functional classification: Integration of multi-feature remote sensing. Ecological Informatics, 91, 103370.
