近日，科学数据银行（ScienceDB）公布了第四届“ScienceDB科学数据奖”评选结果。该奖项旨在表彰在科学数据共享及出版方面具有突出贡献的优秀数据集及相关机构。经过严格评审，大数据系发表的数据产品 “The 30 m annual soil water erosion dataset in Chinese hinterland from 1990 to 2022” 在本届评选中荣获“十佳数据集”，并位居榜首！数据产品“ChinaUIS Dataset” 在本届评选中荣获“十佳数据集”，位居第二名。
关于ScienceDB科学数据奖
ScienceDB是由中国科学院计算机网络信息中心创建的通用型科学数据公共存储库，致力于推动科学数据的开放共享与出版。“ScienceDB科学数据奖”自2021年首届评选以来，已成功举办四届，是我国科学数据领域最具影响力的专业奖项之一。首届评选曾获新华社、中央广播电视总台、光明网、科技日报、科学网等多家国内主流媒体报道。该奖项评选设置严格，分为“十佳数据集奖”（不超过10个名额）和“优秀数据社区奖”（不超过5个名额）两个类别。评选面向ScienceDB平台上所有公开发布的数据集，经过严格的专家评审，从海量数据集中优中选优。十佳数据集为评选年度中数据集引用量和平均下载量排名各前5位。
获奖公告详情请见：
//www.scidb.cn/en/news/Article?id=698a8a4b8fdc250259d2c22c
The 30m annual soil water erosion dataset 数据集介绍
本次获奖数据集为中国大陆1990—2022年30米分辨率年度水力侵蚀数据集（单位：t/(hm⟡·a)）。该数据集基于Google Earth Engine云计算平台和修正通用土壤流失方程（RUSLE）构建而成。该数据集创新性地引入了随机森林降雨插值方法获取30米分辨率年度降雨数据，并设计了适配中国大陆土壤特征的多方程组合植被覆盖管理因子。包含中国大陆31个省份的土壤侵蚀数据，所有数据文件均为TIFF格式，相关论文发表在Remote Sensing of Environment期刊。标题：New 30-m resolution dataset reveals declining soil erosion with regional increases across Chinese mainland (1990–2022)
【中国大陆水土流失各因子时空分布示意图-以2022年为例】
该数据集不仅有助于公众更加全面深入地了解土壤侵蚀的严重危害，更为政府决策提供了区域化、精准化、科学化的重要参考依据。
1.数据集访问链接：
//www.scidb.cn/en/detail?dataSetId=9d14070a664f4d368ca107c5e9d6b746
2.研究团队
该数据集由数字地球实验室团队完成。团队成员包括：
Jining Yan，Sheng Wang，Jiaxin Feng，Haixu He，Lizhe Wang*，Ziyong Sun ;
Chunmiao Zheng（注：*为通讯作者）
3.数据影响力
到目前为止，该数据集累计下载量超150w，具体指标如下：
总浏览量 234,455 | 文件下载量 1,568,518 | 引用下载量 154 |
【数据下载统计图】
4.数据集和论文引用格式
[1] Jining Yan, Sheng Wang, Jiaxin Feng, et al. The 30 m annual soil water erosion dataset in Chinese mainland from 1990 to 2022[DS/OL]. V7. Science Data Bank, 2025[2026-03-06].//cstr.cn/31253.11.sciencedb.12876. CSTR:31253.11.sciencedb.12876.
[2] Jining Yan, Sheng Wang, Jiaxin Feng, et al. New 30-m resolution dataset reveals declining soil erosion with regional increases across Chinese mainland (1990–2022)[J]. Remote Sensing of Environment, 2025, 323: 114681.
ChinaUIS Dataset 获奖数据集介绍
本次获奖数据集为ChinaUIS Dataset（融合街景图像和遥感影像的多模态中国特大城市非正规居住区数据集）。数据集共包含1833组样本，每组样本包含一幅遥感影像和四幅不同视角的街景影像。遥感影像空间分辨率约为1.19米。数据集包含643个城市非正规居住区样本和1190个非城市非正规居住区。数据覆盖范围包含中国八个常住人口超过1000万的特大城市（北京、上海、广州、深圳、天津、成都、武汉和重庆）。该数据集创新性地提出了一种新型的多模态Kolmogorov-Arnold融合网络KANFusion，通过使用 Kolmogorov-Arnold 网络 (KAN)充分挖掘各模态内部的模态特异性特征，结合提出的新型多级特征融合KANFusion模块，融合不同模态之间的模态相关性特征，进而提升利用遥感和街景影像进行城市非正规居住区提取的准确率与可信度。相关论文发表在Science of Remote Sensing期刊，标题：Urban informal settlements interpretation via a novel multi-modal Kolmogorov–Arnold fusion network by exploring hierarchical features from remote sensing and street view images。
【融合街景图像和遥感影像的多模态中国特大城市非正规居住区数据集示意图】
该数据集可以促进对中国特大城市的城市非正规居住区的空间分布的认知，为政府城市更新等相关决策提供重要参考依据。
1.数据集访问链接
//www.scidb.cn/en/detail?dataSetId=f7939339b10840be935f41d5608b1409
研究团队
该数据集由数字地球实验室团队完成。团队负责人为王力哲教授，团队成员包括：
Niu Hongyang，Runyu Fan*，Jiajun Chen，Zijian Xu，Ruyi Feng（注：*为通讯作者）
2.数据影响力
到目前为止，该数据集累计下载量43,340。
【数据下载统计图】
3.数据集和论文引用格式
[1] Niu Hongyang, Fan Runyu*, Chen Jiajun, et al. ChinaUIS Dataset[DS/OL]. V3. Science Data Bank, 2025[2026-03-06]. //cstr.cn/31253.11.sciencedb.19802. CSTR:31253.11.sciencedb.19802.
[2] Niu, Hongyang, Runyu Fan*, Jiajun Chen, Zijian Xu, and Ruyi Feng. "Urban informal settlements interpretation via a novel multi-modal Kolmogorov–Arnold fusion network by exploring hierarchical features from remote sensing and street view images." Science of Remote Sensing 11 (2025): 100208.
通讯员：阎继宁，樊润宇
审核：龚文引
校对：卢笙
