用户注册协议
OpenEx环境数据平台用户注册协议
（学术开源非商业使用版）
在访问、注册或使用本平台提供的数据服务前，请务必仔细阅读并充分理解本协议全部条款。您的任何注册、登录、数据下载或使用行为，即被视为无条件接受本协议约束。若您不同意任何条款，请立即终止使用本平台服务。
第一条 数据免责声明
1.1 本平台提供的数据（包括但不限于污染物浓度、环境暴露模型输出、专题图等）均基于科研目的收集或计算生成，可能存在不确定性。
1.2 用户须自行承担使用数据的一切风险。
本平台及所属研究团队对数据准确性、完整性、适用性不作任何明示或暗示保证，亦不承担因数据使用直接或间接导致的科研、法律或经济责任。
1.2 用户须自行承担使用数据的一切风险。
本平台及所属研究团队对数据准确性、完整性、适用性不作任何明示或暗示保证，亦不承担因数据使用直接或间接导致的科研、法律或经济责任。
第二条 使用授权范围
2.1 非商业性使用许可
用户可基于科学研究、教育、政策制定等非营利目的免费使用数据，但必须满足：
• (a) 完整保留数据原始来源标识
• (b) 严格遵守第三条引用要求
2.2 商业使用禁令
未经本平台书面授权，禁止任何商业实体或个人将数据用于：
• 商业产品开发
• 有偿咨询服务
• 营利性分析报告
• 其他直接或间接获取经济利益的行为
(商业授权申请请联系：[email protected])
用户可基于科学研究、教育、政策制定等非营利目的免费使用数据，但必须满足：
• (a) 完整保留数据原始来源标识
• (b) 严格遵守第三条引用要求
2.2 商业使用禁令
未经本平台书面授权，禁止任何商业实体或个人将数据用于：
• 商业产品开发
• 有偿咨询服务
• 营利性分析报告
• 其他直接或间接获取经济利益的行为
(商业授权申请请联系：[email protected])
第三条 学术引用义务
3.1 任何公开发表成果（论文、报告、出版物等）使用本平台数据时，必须进行引用，推荐引用格式请参考平台说明。
第四条 数据传播限制
4.1 禁止数据再分发
用户不得通过任何途径（有偿/无偿）向第三方提供原始数据、衍生数据集及平台专属可视化产品（如专题图）。
4.2 禁止数据混杂
未经本平台书面许可，不得将本平台数据（无论是否经过修改）整合至其他环境数据产品中。
用户不得通过任何途径（有偿/无偿）向第三方提供原始数据、衍生数据集及平台专属可视化产品（如专题图）。
4.2 禁止数据混杂
未经本平台书面许可，不得将本平台数据（无论是否经过修改）整合至其他环境数据产品中。
第五条 账号与安全责任
5.1 用户账号仅限本人学习、研究使用，禁止出租、出借、转让。
5.2 用户需对账号下所有操作行为负责，包括但不限于数据下载、API调用等日志记录。
5.2 用户需对账号下所有操作行为负责，包括但不限于数据下载、API调用等日志记录。
第六条 协议动态性
6.1 本平台保留对协议的单方修订权，修改后的协议将在平台公告后自动生效。
6.2 若您继续使用服务，即视为接受修订条款。重大变更将提供30天过渡期通知。
6.2 若您继续使用服务，即视为接受修订条款。重大变更将提供30天过渡期通知。
第七条 违约处理
违反本协议任何条款时，平台有权：
• 立即终止账户权限
• 追溯要求补充引用声明
• 对商业侵权行为主张法律赔偿
• 列入失信名单并通报合作学术机构
• 立即终止账户权限
• 追溯要求补充引用声明
• 对商业侵权行为主张法律赔偿
• 列入失信名单并通报合作学术机构
第八条 用户数据管理准则
8.1 收集范围声明
为保障服务运行与持续优化，本平台将严格限于以下目的收集用户注册及使用信息：
• 必要账号信息（姓名、邮箱、所属机构）
• 基础使用日志（访问时间、下载数据类型、API调用频次）
• 匿名化统计分析（地域分布、所属领域、热点数据需求）
8.2 使用边界承诺
用户数据不会用于以下目的：
• 商业广告推送
• 第三方数据共享或销售
8.3 数据处理保障
• 依据《中华人民共和国个人信息保护法》要求建立数据保护体系
• 汇总统计数据可能在未来学术出版物中公开（不包含任何可识别个体信息）
为保障服务运行与持续优化，本平台将严格限于以下目的收集用户注册及使用信息：
• 必要账号信息（姓名、邮箱、所属机构）
• 基础使用日志（访问时间、下载数据类型、API调用频次）
• 匿名化统计分析（地域分布、所属领域、热点数据需求）
8.2 使用边界承诺
用户数据不会用于以下目的：
• 商业广告推送
• 第三方数据共享或销售
8.3 数据处理保障
• 依据《中华人民共和国个人信息保护法》要求建立数据保护体系
• 汇总统计数据可能在未来学术出版物中公开（不包含任何可识别个体信息）
常见问题
数据获取类
如何注册账户并下载数据？
请点击页面右上角的"登录/注册"按钮，填写有效的教育邮箱进行注册。注册成功后，您可以在数据下载页面选择所需的数据类型和时间范围进行下载。
数据下载是否有限制？
目前平台对注册用户提供免费数据下载服务，但为了确保服务质量，可能会对同时下载的数据量或频次进行适当限制。如有特殊需求，请联系我们的技术支持团队。
为什么需要教育邮箱注册？
本平台主要面向学术研究用户，使用教育邮箱注册有助于我们验证用户的学术身份，确保数据用于正当的科研教育目的。
数据使用类
数据的时空分辨率如何？
不同数据产品的时空分辨率有所差异。中国区域数据空间分辨率通常为1km×1km，时间分辨率包括月均和年均（由日均数据平均得到）。具体信息请查看各数据产品的详细介绍页面。
数据的命名规则是什么？
中国数据：该数据以HDF文件格式存储，以年为单位分发，文件名称为OpenEx_ENV_China_T_yyyy.h5，其中ENV为环境要素名称，T为时间分辨率（monthly表示月水平数据，annual表示年平均数据，annual_max表示年最大数据），yyyy为数据年份，例如OpenEx_pm25_China_monthly_2005.h5为2005年1-12月中国1 km*1 km月均PM2.5数据。
英国数据：该数据以CSV压缩文件格式存储，以年为单位分发，年均数据文件名称为OpenEx_ENV_GreatBritain_annual_yyyy.csv.gz，月均数据文件名称为OpenEx_ENV_GreatBritain_monthly_yyyymm.csv.gz，其中月均数据包含在压缩文件OpenEx_ENV_GreatBritain_monthly_yyyy.tar.gz中。其中ENV表示环境要素名称，T为时间分辨率（monthly表示月水平数据，annual表示年平均数据），yyyy为数据年份，mm为对应月份。例如OpenEx_pm25_GreatBritain_monthly_200601.csv.gz为2006年1月英国地区1 km*1 km月均PM2.5数据。
英国数据：该数据以CSV压缩文件格式存储，以年为单位分发，年均数据文件名称为OpenEx_ENV_GreatBritain_annual_yyyy.csv.gz，月均数据文件名称为OpenEx_ENV_GreatBritain_monthly_yyyymm.csv.gz，其中月均数据包含在压缩文件OpenEx_ENV_GreatBritain_monthly_yyyy.tar.gz中。其中ENV表示环境要素名称，T为时间分辨率（monthly表示月水平数据，annual表示年平均数据），yyyy为数据年份，mm为对应月份。例如OpenEx_pm25_GreatBritain_monthly_200601.csv.gz为2006年1月英国地区1 km*1 km月均PM2.5数据。
技术问题类
推荐使用哪些数据读取工具？
HDF文件可用R语言、Python等编程读取。
推荐引用格式
中国PM2.5数据
Xia Meng, Cong Liu, Lina Zhang, Weidong Wang, Jennifer Stowell, Haidong Kan, Yang Liu, Estimating PM2.5 concentrations in Northeastern China with full spatiotemporal coverage, 2005–2016. Remote Sensing of Environment 2021, 253, 112203.
Su Shi, Weidong Wang, Xinyue Li, Yun Hang, Jian Lei, Haidong Kan, Xia Meng, Optimizing modeling windows to better capture the long-term variation of PM2.5 concentrations in China during 2005–2019. Science of The Total Environment 2022, 158624.
Shi, S., Wang, W., Li, X., Xu, C., Lei, J., Jiang, Y., Zhang, L., He, C., Xue, T., Chen, R., Kan, H., Meng, X.*. Evolution in disparity of PM2.5 pollution in China. Eco-Environment & Health, 2023, 2, (4), 257-263.
Su Shi, Weidong Wang, Xinyue Li, Yun Hang, Jian Lei, Haidong Kan, Xia Meng, Optimizing modeling windows to better capture the long-term variation of PM2.5 concentrations in China during 2005–2019. Science of The Total Environment 2022, 158624.
Shi, S., Wang, W., Li, X., Xu, C., Lei, J., Jiang, Y., Zhang, L., He, C., Xue, T., Chen, R., Kan, H., Meng, X.*. Evolution in disparity of PM2.5 pollution in China. Eco-Environment & Health, 2023, 2, (4), 257-263.
中国PM10数据
Shi, S., Chen, R., Wang, P., Zhang, H., Kan, H., and Meng, X. (2024). An Ensemble Machine Learning Model to Enhance Extrapolation Ability of Predicting Coarse Particulate Matter with High Resolutions in China. Environ Sci Technol 58, 19325-19337.
中国PM10-2.5数据
Shi, S., Chen, R., Wang, P., Zhang, H., Kan, H., and Meng, X. (2024). An Ensemble Machine Learning Model to Enhance Extrapolation Ability of Predicting Coarse Particulate Matter with High Resolutions in China. Environ Sci Technol 58, 19325-19337.
中国O3数据
Xia Meng, Weidong Wang, Su Shi, Shengqiang Zhu, Peng Wang, Renjie Chen, Qingyang Xiao, Tao Xue, Guannan Geng, Qiang Zhang, Haidong Kan, Hongliang Zhang. Evaluating the spatiotemporal ozone characteristics with high-resolution predictions in mainland China, 2013–2019. Environmental Pollution 2022, 299, 118865.
中国NO2数据
Xinyue Li, Peng Wang, Weidong Wang, Hongliang Zhang, Su Shi, Tao Xue, Jintai Lin, Yuhang Zhang, Mengyao Liu, Renjie Chen, Haidong Kan, Xia Meng, Mortality burden due to ambient nitrogen dioxide pollution in China: Application of high-resolution models. Environment International 2023, 176, 107967.
中国CO数据
Xia Meng, Cong Liu, Lina Zhang, Weidong Wang, Jennifer Stowell, Haidong Kan, Yang Liu, Estimating PM2.5 concentrations in Northeastern China with full spatiotemporal coverage, 2005–2016. Remote Sensing of Environment 2021, 253, 112203.
Su Shi, Weidong Wang, Xinyue Li, Yun Hang, Jian Lei, Haidong Kan, Xia Meng, Optimizing modeling windows to better capture the long-term variation of PM2.5 concentrations in China during 2005–2019. Science of The Total Environment 2022, 158624.
Shi, S., Wang, W., Li, X., Xu, C., Lei, J., Jiang, Y., Zhang, L., He, C., Xue, T., Chen, R., Kan, H., Meng, X.*. Evolution in disparity of PM2.5 pollution in China. Eco-Environment & Health, 2023, 2, (4), 257-263.
Su Shi, Weidong Wang, Xinyue Li, Yun Hang, Jian Lei, Haidong Kan, Xia Meng, Optimizing modeling windows to better capture the long-term variation of PM2.5 concentrations in China during 2005–2019. Science of The Total Environment 2022, 158624.
Shi, S., Wang, W., Li, X., Xu, C., Lei, J., Jiang, Y., Zhang, L., He, C., Xue, T., Chen, R., Kan, H., Meng, X.*. Evolution in disparity of PM2.5 pollution in China. Eco-Environment & Health, 2023, 2, (4), 257-263.
中国地表温度数据
中国紫外辐射数据
Jiang, Y., Shi, S., Li, X., Xu, C., Kan, H., Hu, B., and Meng, X. (2024). A 10 km daily-level ultraviolet-radiation-predicting dataset based on machine learning models in China from 2005 to 2020. Earth System Science Data 16, 4655-4672.
中国NDVI数据
Shi, S., Wang, W., Li, X., Xu, C., Lei, J., Jiang, Y., Zhang, L., He, C., Xue, T., Chen, R., Kan, H., Meng, X.*. Evolution in disparity of PM2.5 pollution in China. Eco-Environment & Health, 2023, 2, (4), 257-263.
英国污染物（PM2.5/PM10/O3/NO2）数据
Chen, J., Zhu, S., Wang, P., Zheng, Z., Shi, S., Li, X., Xu, C., Yu, K., Chen, R., Kan, H., et al. (2024). Predicting particulate matter, nitrogen dioxide, and ozone across Great Britain with high spatiotemporal resolution based on random forest models. Sci Total Environ 926, 171831.
引用注意事项
1. 请根据您实际使用的数据产品选择对应的引用格式
2. 如果您的研究成果发表后，欢迎告知我们，我们将在相关页面展示
联系我们
技术支持
团队介绍
OpenEx环境数据平台由数据模拟和平台构建由复旦大学公共卫生学院阚海东教授和孟夏副教授、上海理工大学张宏亮教授和复旦大学大气与海洋科学系王芃副研究员及其研究团队负责。
我们秉承开放科学的理念，希望通过数据共享促进环境健康领域的科学发现。如果您在使用过程中有任何问题或建议，欢迎随时与我们联系。
我们秉承开放科学的理念，希望通过数据共享促进环境健康领域的科学发现。如果您在使用过程中有任何问题或建议，欢迎随时与我们联系。