WorldClim2.1 月尺度降水数据集 (1960-2018)由高空间分辨率的全天天气和气候数据数据库WorldClim提供。降水为每月的累计量，单位为mm。时间覆盖范围为1960到2018年，空间分辨率约为21 km，时间分辨率为月。这些数据由东安格利亚大学气候研究组从CRU-TS-4.03降级而来，使用WorldClim 2.1进行偏差校正得到。CRU-TS-4.03为全球陆地地区气象站的月度观测数据中构建的最新网格化气候数据集。
Philip Jones
青木关流域尺度土壤温湿度及降水观测网是重庆金佛山喀斯特生态系统国家野外科学观测研究站的重要水文气象观测节点。该数据集整合了观测网共计12个站点的多层土壤温湿度，以及其中8个站点的降水观测数据。观测站点采用美国Meter公司开发的ECH2O土壤温湿度量测系统，配合Em50数据采集器实现自动监测。观测网于2019年12月建成，采样频率为15min。土壤温湿度监测深度依次为0-5 cm、10 cm、20 cm、40 cm、60 cm。其中，土壤水分（体积含水量，m3 m-3）经由5TM电容传感器测量，土壤温度（K）经由整合在5TM传感器上的热敏电阻测量，降水（mm/15min）由ECRN-100翻斗式雨量计测量。数据以Excel格式存储。
赵龙
宇宙射线中子法是一种百米尺度的土壤水分无损测量方法。本数据是以重庆市青木关槽谷区宇宙射线土壤水分观测系统（COSMOS）同步测得的中子序列为输入，结合周边多个站点的多层土壤水分观测数据，发展了针对该中子观测的土壤水分反演算法。反演算法引入S-G滤波以对COSMOS快中子数进行平滑，同时优化了算法率定和验证阶段不同的数据筛选方案。此外，反演所需气象数据（主要是气压）由布设在COSMOS站点周边的自动气象站提供，用于对原始中子数进行校正。算法生成的宇宙射线土壤水分反演序列时间分辨率为1h。
赵龙
PERSIANN-CDR（利用人工神经网络从遥感信息中估算降水--气候数据记录）由加州大学欧文分校水文气象学和遥感中心（CHRS）开发，提供了1983年1月1日至2015年12月31日（延迟至今）期间纬度带60N-60S的0.25度的日降水量估算。PERSIANN-CDR的目的是满足对一个一致的、长期的、高分辨率的全球降水数据集的需求，以研究由于气候变化和自然变异而导致的每日降水的变化和趋势，特别是极端降水事件。PERSIANN-CDR是由PERSIANN算法使用GridSat-B1红外数据生成的，并使用全球降水气候学项目（GPCP）的月度产品进行调整，以在整个记录中保持两个数据集在2.5度月尺度上的一致性。PERSIANN-CDR产品可通过NOAA NCDC CDR项目网站上的大气CDRs类别向公众提供，作为实用的气候数据记录。
Ashouri, Hamed
WorldClim 2.1 月尺度降水数据集 (1960-2018)由高空间分辨率的全天天气和气候数据数据库WorldClim提供。降水为每月的累计量，单位为mm。时间覆盖范围为1960到2018年，空间分辨率约为21 km，时间分辨率为月。这些数据由东安格利亚大学气候研究组从CRU-TS-4.03降级而来，使用WorldClim 2.1进行偏差校正得到。CRU-TS-4.03为全球陆地地区气象站的月度观测数据中构建的最新网格化气候数据集。
Philip Jones
全球降水气候数据集（GPCP）由NASA戈达德太空飞行中心制作，数据结合了特殊传感器微波成像仪（SSM/I）项目和散射算法、GOES降水指数（GPI）、输出长波降水指数（OPI）、雨量计和NOAA极轨卫星上的TOVS探测仪的降水估计等数据。GPCP日降水数据集提供全球经纬度1度网格上的日降水积累，从1996年10月开始，一直持续到现在（有一些处理延迟）。 它依赖于GPCP月度产品的月度总降雨量，主要使用地球静止红外卫星图像来确定日降雨率。数据空间分辨率为1°，时间分辨率为天。
George. J. Huffman
稳定连续的长时序地表土壤水分数据集对于全球环境和气候变化监测等都非常重要。SMAP等卫星搭载的L波段辐射计能提供目前最优精度的全球地表土壤水分观测，但其数据记录的短时间限制了其在长期研究中的应用；而AMSR-E和AMSR2系列传感器能提供长时序多频段辐射计观测（C、X和K波段）。本数据集是一个20年（2002/07/27~2022/08/31）的全球连续一致的地表土壤水分数据集，分辨率为日尺度的36 km，采用EASE-Grid2投影坐标系，数据单位为m3/m3。数据集采用Yao et al.(2017)发展的土壤水分神经网络反演算法，将SMAP的优势传递到AMSR-E/2，以目前卫星最优精度的SMAP标准土壤水分产品为训练目标，以AMSR-E/2的亮温为输入，最终输出长时序土壤水分数据。该数据集能够重现SMAP土壤水分的时空分布，精度与SMAP土壤水分产品相当；同时该数据集精度优于AMSR-E和AMSR2的官方土壤水分产品，通过全球14个密集观测站网的地面观测验证表明，其土壤水分精度为5%左右。该全球长时序数据集目前时间覆盖20年，随着AMSR2的持续在轨观测以及即将发射的后继AMSR3任务，该数据集是可延长的，为气候极端事件、趋势分析和年代际变化的长时序研究提供支持。
姚盼盼, 卢麾
本数据集是一个包含10年（2010-2019）的全球日尺度地表土壤水分数据集，分辨率为36 km，采用EASE-Grid2投影坐标系，数据单位为m3/m3. 数据集采用Yao et al.(2017，2021)发展的土壤水分神经网络反演算法，将SMAP的优势传递到FY-3B/MWRI，利用人工神经网络方法，以SMAP标准土壤水分产品为训练目标，以FY-3B/MWRI的亮温为输入，最终输出长时序土壤水分数据。土壤水分精度和SMAP接近，达到5%左右。（ 全球14个密集观测站网的验证精度 ）。
卢麾,, 姚盼盼, 赵天杰, 武胜利, 施建成
