该数据集包括了2003-2018年25km的地表温度数据。所有数据均来自于Google Earth Engine。MOD11A1 V6.1产品在1200 × 1200公里的网格中提供每日地表温度(LST)和发射率值。温度值由 MOD11 _ L2条带积求得。在纬度30度以上的地方，某些像素可能有多个观测值，这些观测值符合晴空的标准。当这种情况发生时，像素值是所有符合条件的观测值的平均值。与白天和夜间地表温度波段及其质量指示层一起提供的是 MODIS 波段31和32以及6个观测层。
Guanyu Dong
该数据集包含了西南地区1998-2020年的地表温度数据。所有数据均来自于Google Earthe Engine网站下载。ERA5是 ECMWF 对过去80年全球气候和天气的第五代再分析。从1940年开始数据就可以查到。ERA5取代 ERA-临时再分析。ERA5每小时提供大量大气、海浪和陆地表面数量的估计值。一个不确定性估计是由一个潜在的10人集合每三个小时采样一次。为了方便起见，预先计算了集合平均值和分布。这种不确定性估计与现有观测系统的信息内容密切相关，而现有观测系统随着时间的推移发生了很大变化。它们还指示了依赖于流动的敏感区域。为了方便许多气候应用程序，也预先计算了月平均数，但没有总平均数和分布数的月平均数。该遥感数据已经广泛应用于植被生态研究领域中。
Guanyu Dong
该数据集为风云卫星FY-2C VISSR的射出长波辐射(OLR) ，时间分辨率为3小时。所有数据均来自于风云卫星遥感数据服务网。卫星OLR产品被广泛应用于气候模式输出参量即模式性能的评估。在中国气象界，OLR资料被用于南海地区夏季风的监测，和西太平洋副高位置的确定。国际上OLR资料用于ITCZ、ENSO的监测和分析。卫星DLR产品应用于气候模式、陆面模式、海洋大气环流模式，作为输入参量或模式性能评估。
吴晓
该数据集由ERA5再分析资料驱动WRF模型模拟得到，采用三层嵌套进行模拟。该数据集的变量包括近地表气压（hPa）、10m风速（m/s）、2m温度（℃）、2m相对湿度（%）、下行短波辐射（W/m-2）、下行长波辐射（W/m-2）、降水量（mm/h）。数据为NETCDF格式，时间分辨率为1小时，水平空间分辨率为9 km，投影方式为兰伯特投影。该数据集可以为复杂山区重庆的陆面过程模拟提供高时空分辨率的大气驱动数据。
郎芹
该数据集是在ERA5再分析资料基础上再模拟得到，源于ECMWF。该数据集的变量包括近地表气压（hPa）、10m风速（m/s）、2m温度（K）、2m露点温度（K）、下行短波辐射（J m-2）、下行长波辐射（J m-2）、降水量（m/h）。数据为NETCDF格式，时间分辨率为1小时，水平空间分辨率为0.1°，投影方式为WGS84。该数据集可以为中国西南复杂山区的陆面过程模拟提供0.1度空间分辨率的大气驱动数据，用于陆面过程模拟。
郎芹
该数据集包括了2002-2021年500m的光和有效辐射数据。所有数据均来自于Google Earth Engine。MCD18C2 Version 6.1是中分辨率成像光谱仪(MODIS) Terra 和 Aqua 联合光合有效辐射(PAR)栅格3级产品，每天生产0.05度(赤道5600米)的分辨率，估计每3小时产生一次 PAR。PAR 是可见光(400-700纳米)的入射太阳辐射，是解决各种科学和应用问题的陆地表面模型中的一个重要变量。MCD18产品基于一个原型算法，该算法利用 MODIS 数据的多时相特征来推导地表反射率，然后使用查找表(LUT)方法计算入射 PAR。
Dongdong Wang
MOD11B1地表温度数据集是MODIS系列的地表温度产品，该数据集是在MOD11B1产品的基础上进行拼接、裁切、格式和投影转换后得到，反映的是夜间平均地表温度。该数据集的投影方式为WGS84，时间分辨率为每日，空间分辨率为0.0577°（约6 km），空间范围为整个中国区域，时间范围为2012年到2021年，缺失值被赋值为0。地表温度数据是研究地表能量平衡和陆面过程的重要参数，该数据集可用于中国近10年地表温度变化分析以及城市热岛效应等研究，评估复杂地区水文、气候和生态系统动态变化。
郎芹
该数据集包含了西南地区2002-2021年的光合有效辐射数据。所有数据均来自于Google Earthe Engine网站下载。呼吸地球系统模拟器(BESS)是一个简化的基于过程的模型，它将大气和冠层辐射传输、冠层光合作用、蒸腾和能量平衡耦合在一起。它将大气辐射转移模型和人工神经网络与来自 MODIS 大气产品的力耦合起来，生成5公里分辨率的年尺度光合有效辐射产品。该遥感数据已经广泛应用于植被生态研究领域中。
Youngryel Ryu
MOD11B1地表温度数据集是MODIS系列的地表温度产品，该数据集是在MOD11B1产品的基础上进行拼接、裁切、格式和投影转换后得到，反映的是日间平均地表温度。该数据集的投影方式为WGS84，时间分辨率为每日，空间分辨率为0.0577°（约6 km），空间范围为整个中国区域，时间范围为2012年到2021年，缺失值被赋值为0。地表温度数据是研究地表能量平衡和陆面过程的重要参数，该数据集可用于中国近10年地表温度变化分析以及城市热岛效应等研究，评估复杂地区水文、气候和生态系统动态变化。
郎芹
该数据是国际农业磋商组织(CGIAR)对USGS/NASA的SRTM数据进行处理后所得的成果，比原数据具有更高的质量，更新于2018年11月。数据按5度*5度的经纬差进行分幅组织，每个数据行列数都是6000，每个像元的大小为0.00083333333*0.00083333333（十进制度），在赤道附近约为90米。数据的空间参考采用WGS84椭球地理坐标系统。数据覆盖的范围不仅包括长江上游地区，还扩展到全国。
田永中
LPDR是利用τ-ω模型，从美国国家航空航天局(美国航空航天局) Aqua 卫星上的先进微波扫描辐射计-地球观测系统(AMSR-E)仪器和 JAXA GCOM-W1卫星上的先进微波扫描辐射计2(AMSR2)传感器在H和V偏振下X波段(10.7 GHz)获得的TB中计算VOD。该数据以25 km空间分辨率提供了长期(2002年6月至2021年12月)的全球关键环境观测记录，时间分辨率为1天，数据格式为EASE_Grid。
Jinyang Du, John S. Kimball, Lucas A. Jones
LPDR是从美国国家航空航天局(美国航空航天局) Aqua 卫星上的先进微波扫描辐射计-地球观测系统(AMSR-E)仪器和 JAXA GCOM-W1卫星上的先进微波扫描辐射计2(AMSR2)传感器在H和V偏振下X波段(10.7 GHz)获得的TB中计算VOD。该数据以25 km空间分辨率提供了长期(2002年6月至2021年12月)的全球关键环境观测记录，时间分辨率为1天，数据格式为EASE_Grid。其中辅助质量控制(QC)位标志文件记录每个25公里网格单元内的平均土地覆盖，并指示其他质量因素，包括丢失Tb观测的非检索条件、冻结表面、积雪覆盖、主动降雨，以及在10.7和18.7 GHz通道中识别的射频干扰(RFI)。
Jinyang Du, John S. Kimball
这是网格化月度二氧化碳二氧化碳同化数据集。OCO-2任务提供了迄今为止最高质量的天基XCO2回收。然而，由于OCO-2的10公里地面轨道很窄，无法穿透云层和厚厚的气溶胶，该仪器数据的特点是覆盖范围有很大的差距。这个全局网格数据集是使用一种数据同化技术生成的，通常在地球物理文献中称为状态估计。数据同化综合模拟和观测结果，调整大气成分(如CO2)的状态，以反映观测值，因此，根据GEOS以前的观测和短输运模拟，填补观测数据的空缺。与其他方法相比，数据同化的优势在于它基于我们的集体科学理解，特别是对地球碳循环和大气运输的理解进行估计。OCO -2 GEOS(戈达德地球观测系统)3级数据是通过GEOS CoDAS每6小时摄取一次OCO-2 L2检索数据产生的，GEOS CoDAS是一个由NASA全球建模和同化办公室(GMAO)维护的建模和数据同化系统。GEOS CoDAS使用网格点统计插值方法的高性能计算实现来解决状态估计问题。GSI找到了使状态估计问题的三维变分(3D-Var)代价函数公式最小的分析状态。
NASA
这是每日网格OCO-2二氧化碳同化数据集。OCO-2任务提供了迄今为止最高质量的天基XCO2回收。然而，由于OCO-2的10公里地面轨道很窄，无法穿透云层和厚厚的气溶胶，该仪器数据的特点是覆盖范围有很大的差距。这个全局网格数据集是使用一种数据同化技术生成的，通常在地球物理文献中称为状态估计。数据同化综合模拟和观测结果，调整大气成分(如CO2)的状态，以反映观测值，因此，根据GEOS以前的观测和短输运模拟，填补观测数据的空缺。与其他方法相比，数据同化的优势在于它基于我们的集体科学理解，特别是对地球碳循环和大气运输的理解进行估计。OCO -2 GEOS(戈达德地球观测系统)3级数据是通过GEOS CoDAS每6小时摄取一次OCO-2 L2检索数据产生的，GEOS CoDAS是一个由NASA全球建模和同化办公室(GMAO)维护的建模和数据同化系统。GEOS CoDAS使用网格点统计插值方法的高性能计算实现来解决状态估计问题。GSI找到了使状态估计问题的三维变分(3D-Var)代价函数公式最小的分析状态。
NASA
这是网格化月度二氧化碳二氧化碳同化数据集。OCO-2任务提供了迄今为止最高质量的天基XCO2回收。然而，由于OCO-2的10公里地面轨道很窄，无法穿透云层和厚厚的气溶胶，该仪器数据的特点是覆盖范围有很大的差距。这个全局网格数据集是使用一种数据同化技术生成的，通常在地球物理文献中称为状态估计。数据同化综合模拟和观测结果，调整大气成分(如CO2)的状态，以反映观测值，因此，根据GEOS以前的观测和短输运模拟，填补观测数据的空缺。与其他方法相比，数据同化的优势在于它基于我们的集体科学理解，特别是对地球碳循环和大气运输的理解进行估计。OCO -2 GEOS(戈达德地球观测系统)3级数据是通过GEOS CoDAS每6小时摄取一次OCO-2 L2检索数据产生的，GEOS CoDAS是一个由NASA全球建模和同化办公室(GMAO)维护的建模和数据同化系统。GEOS CoDAS使用网格点统计插值方法的高性能计算实现来解决状态估计问题。GSI找到了使状态估计问题的三维变分(3D-Var)代价函数公式最小的分析状态。
NASA
这是网格化月度二氧化碳二氧化碳同化数据集。OCO-2任务提供了迄今为止最高质量的天基XCO2回收。然而，由于OCO-2的10公里地面轨道很窄，无法穿透云层和厚厚的气溶胶，该仪器数据的特点是覆盖范围有很大的差距。这个全局网格数据集是使用一种数据同化技术生成的，通常在地球物理文献中称为状态估计。数据同化综合模拟和观测结果，调整大气成分(如CO2)的状态，以反映观测值，因此，根据GEOS以前的观测和短输运模拟，填补观测数据的空缺。与其他方法相比，数据同化的优势在于它基于我们的集体科学理解，特别是对地球碳循环和大气运输的理解进行估计。OCO -2 GEOS(戈达德地球观测系统)3级数据是通过GEOS CoDAS每6小时摄取一次OCO-2 L2检索数据产生的，GEOS CoDAS是一个由NASA全球建模和同化办公室(GMAO)维护的建模和数据同化系统。GEOS CoDAS使用网格点统计插值方法的高性能计算实现来解决状态估计问题。GSI找到了使状态估计问题的三维变分(3D-Var)代价函数公式最小的分析状态。
NASA
本数据集中的数据，为长江上游及西南周边地区12.5米ALOS数字高程模型(DEM)分幅数据。数据源于Alaska Satellite Facility (ASF)的Advanced Land Observing Satellite (ALOS) PALSAR 的高分辨率地面校正数据。 数据格式为TIF，空间分辨率为12.5米，坐标系统为WGS_1984_UTM分带投影。数据范围包括覆盖长江上游、西南及周边地区，从行政区角度，它包括重庆、四川、贵州、云南、广西全境，以及西藏东部，青海甘肃陕西南部，广东西部，海南岛，湖南及湖北西部。数据以分幅形式存在，若需要相邻的多幅数据，则应在下载后w对数据进行镶嵌处理。数据可用于各类地形分析。
田永中, ASF DAAC
该数据集包括：大气顶射出长波辐射实时产品以及射出长波辐射实时产品。卫星 OLR 产品被广泛应用于气候模式输出参量即模式性能的评估。在中国气象界，OLR 资料被用于南海地区夏季风的监测，和西太平洋副高位置的确定。国际上 OLR 资料用于 ITCZ、ENSO 的监测和分析。为天气、气候模式及陆面模式提供输入及验证，为太阳能工业及森林草场火险监测预警提供地表太阳辐射分布信息。卫星 ULR 产品应用于气候模式、陆面模式、海洋大气环流模式，作为输入参量或模式性能评估，也用于地震诊断。
王志伟
该数据集包括：射出长波辐射(OLR)，地表下行长波辐射(DLR)，地面入射太阳辐射(SSI)，地表上行长波辐射(ULR)。所有数据均来自于风云卫星遥感数据服务网。其中，卫星 OLR 产品被广泛应用于气候模式输出参量即模式性能的评估。在中国气象界，OLR 资料被用于南海地区夏季风的监测，和西太平洋副高位置的确定。国际上 OLR 资料用于 ITCZ、ENSO 的监测和分析。卫星 DLR 产品应用于气候模式、陆面模式、海洋大气环流模式，作为输入参量或模式性能评估。SSI为入射到地表的太阳辐射通量密度（单位：瓦/平方米），具体指地球表面 水平面上单位时间单位面积接收到的总的太阳辐射能，包括直接太阳辐射和漫射辐射。为天气、气候模式及陆面模式提供输入及验证，为太阳能工业及森林草场火险监测预警提供地表太阳辐射分布信息。卫星 ULR 产品应用于气候模式、陆面模式、海洋大气环流模式，作为输入参量或模式性能评估，也用于地震诊断。
吴晓
改革开放以来，中国经济的快速发展对土地利用模式产生了深刻的影响。同时，中国又具有复杂的自然环境背景和广阔的陆地面积，其土地利用变化不仅对国家发展，还对全球环境变化产生了重要的影响。为了恢复和重建我国土地利用变化的现代过程，更好地预测、预报土地利用变化趋势，中国科学院在国家资源环境数据库基础上，以美国陆地卫星Landsat遥感影像数据作为主信息源，通过人工目视解译，建成了国家尺度1：10比例尺多时期土地利用/土地覆盖专题数据库。该数据集裁剪于2015年中国土地利用现状遥感监测数据库是以美国陆地卫星Landsat遥感影像作为主要信息源，通过人工目视解译构建的国家尺度1：10比例尺土地利用/土地覆盖专题数据库，精度为30米。数据采用二级分类系统，一级分为耕地、林地、草地、水域、建设用地和未利用土地6类，二级在一级类型基础上进一步分为25个类型。
徐新良
数据是基于10米分辨率的Sentinel-2数据的2017年全球土地覆盖图（FROM-GLC10)。数据来源于清华大学地球系统科学系宫鹏教授研究组与国内外多家单位合作发表在《科学通报》（Science Bulletin）期刊中的《有限全球样本稳定地表覆盖分类：迁移2015年的30米分辨率样本完成2017年的10米分辨率全球地表覆盖制图》。数据经精度检验后的总体精度达到72.76%，精度较高。高分辨率的全球地表覆盖信息，能够更好地进行环境监测，进而维护人类健康和实现联合国可持续发展目标。
宫鹏
SMAP (Soil Moisture Active and Passive） 是美国的地球观测卫星之一，有主动的传感器和被动的传感器。主动的传感器是L波段雷达，被动的传感器是L波段微波辐射计。该植被光学厚度源自 SMAP 1C 级 （L1C） 插值亮度温度。Backus-Gilbert 最优插值技术用于从 SMAP 天线温度中提取信息并将其转换为亮度温度，这些温度以全局圆柱投影的形式发布到 9 km 等积可扩展地球网格 2.0 版 （EASE-Grid 2.0）。截至2021年，这些数据也被发布到北半球EASE-Grid 2.0，
P. O’neill
该数据集是使用τ-ω模型，结合欧洲航天局(ESA) SMOS任务的微波成像辐射计(MIRAS)在H和V极化L波段(1.4 GHz)获得的TB反演得到的。在TB上应用阈值和2-sigma标准来过滤无效数据。基于这些干扰的建模方法的RFI标志来用于屏蔽受污染的像素。由于SMOS数据的分辨率较粗(在25 - 60公里之间)，一个像素内的土壤和植被并不均匀。每个像素TB是每一种植被和土壤类型覆盖率加权的散射总和。该数据空间分辨率为25 km，时间分辨率为1天。
Ahmad Al Bitar
SMAP (Soil Moisture Active and Passive） 是美国的地球观测卫星之一，有主动的传感器和被动的传感器。主动的传感器是L波段雷达，被动的传感器是L波段微波辐射计。该植被光学厚度源自 SMAP 1C 级 （L1C） 插值亮度温度。Backus-Gilbert 最优插值技术用于从 SMAP 天线温度中提取信息并将其转换为亮度温度，这些温度以全局圆柱投影的形式发布到 9 km 等积可扩展地球网格 2.0 版 （EASE-Grid 2.0）。截至2021年，这些数据也被发布到北半球EASE-Grid 2.0，
P. O’neill
叶面积指数（Leaf Area Index, LAI）是陆地生态系统中反映植被生长状况的基本变量，在碳循环、气候模式、陆地生态系统模拟和植被变化监测中发挥着重要作用。目前国际上已有多种中等分辨率的全球LAI产品，包括MODIS、GEOV、GLASS LAI等，但它们存在着时空不连续、产品的时间跨度、精度等局限性。梁顺林教授团队的马晗博士基于MODIS地表反射率数据，生成GLASS 第六版（V6）250米叶面积指数，该产品克服了在长期云或雪覆盖地区LAI质量低且时空不连续等问题，是目前空间分辨率最高的长时间序列的全球LAI产品。
梁顺林
VODCA VOD结合了多个传感器 (SSM/ITMI、AMSR-E、Windsat和AMSR-2) 的VOD数据集，以涵盖1987-2017年期间的长期VOD评估来补充现有产品。在聚合之前，这些数据集都利用LPRM重新缩放到AMSR-E中，以消除它们之间的系统差异。该产品为其中的ku波段(~19 GHz, 1987 - 2017)产品。空间分辨率为0.25°，时间分辨率为1天，数据格式为.tif。
Leander Moesinger
MODIS反射率产品是计算地球地表反照率过程中最常用的数据，分为MOD09GA与MYD09GA两种，分别对应terra与aqua卫星。MOD/MYD09GA产品的时间分辨率为天，地理分辨率为1km，反射率空间分辨率为500m。每幅影像的500m反射率数据集中提供了1-7波段的反射率、质量评估等级、观测范围、观测数和250m扫描信息等。1km地理信息数据集中提供了观测次数、质量评估等级、传感器方位角天顶角、太阳方位角高度角、轨道指针等信息。
NASA
MODIS反射率产品是计算地球地表反照率过程中最常用的数据，分为MOD09GA与MYD09GA两种，分别对应terra与aqua卫星。MOD/MYD09GA产品的时间分辨率为天，地理分辨率为1km，反射率空间分辨率为500m。每幅影像的500m反射率数据集中提供了1-7波段的反射率、质量评估等级、观测范围、观测数和250m扫描信息等。1km地理信息数据集中提供了观测次数、质量评估等级、传感器方位角天顶角、太阳方位角高度角、轨道指针等信息。
NASA
该数据为长江上游及周边地区1990-2021年2.5级以上地震矢量数据（点）。它是该时段全球地震数据的一个子集，地理坐标介于东经88度-112度，北纬20度至40度之间，除包括整个长江上游地区外，在行政区上包括重庆、四川、贵州、云南、广西、陕西、宁夏、青海的全域，西藏东部、甘肃南部，以及西南国境外部分地区。数据格式为Shapefile。生成该数据的原始数据来源于美国地质调查局（USGS）的地震统计数据，根据其中的经纬度生成点，并保留了记录中的地震属性数据。
田永中
ALOS (Advanced Land Observing Satellite)是日本的对地观测卫星，于2006年发射。ALOS卫星再有三个传感器：全色遥感立体测绘仪，先进可见光与近红外辐射计-2，相控阵型L波段合成孔径雷达。ALOS-12.5米DEM数据来自于ALOS卫星相控阵型L波段合成孔径雷达（PALSAR）采集，该传感器具有高分辨率、扫描式合成孔径雷达、极化三种观测模式。该数据的水平及垂直精度可达12.5米。
NASA
全球 1km 人口数量格网数据集由2000年、2005年、2010年、2015年和2020年的人口估计数（每平方公里人数）组成，与国家人口普查和人口登记册一致。利用约1350万个国家和次国家行政单位的比例分配网格算法，将人口数量分配到30弧秒的网格单元。数据文件被制作成30弧秒（赤道上约1公里）分辨率的人口数量栅格数据。数据集的基本输入是人口普查表和相应的地理界线。数据集目的是提供一个空间分类的人口层，与来自社会、经济和地球科学学科以及遥感的数据集兼容。它提供了全球一致和空间明确的数据，用于研究、决策和交流。
Center for International Earth Science Information Network - CIESIN - Columbia University
全球 1km 人口数量格网数据集由2000年、2005年、2010年、2015年和2020年的人口估计数（每个像素的人数）组成，与国家人口普查和人口登记册一致。利用约1350万个国家和次国家行政单位的比例分配网格算法，将人口数量分配到30弧秒的网格单元。数据文件被制作成30弧秒（赤道上约1公里）分辨率的人口数量栅格数据。数据集的基本输入是人口普查表和相应的地理界线。数据集目的是提供一个空间分类的人口层，与来自社会、经济和地球科学学科以及遥感的数据集兼容。它提供了全球一致和空间明确的数据，用于研究、决策和交流。
Center for International Earth Science Information Network - CIESIN - Columbia University
该数据集以PM2.5监测站点数据为基础，选取道路、建设用地面积、林地面积、园地面积、高程等因子，采用多元回归分析方法对2017年重庆主城区PM2.5的年均、季均、月均、周内平均及日内极值时刻空间分布进行了模拟。交叉验证得到模拟精度分别为90.28%、93.52%、92.27%、90.63%、93.28%。本数据集空间分辨率为25m*25m。具体反演方法参考文献“重庆市主城区PM2.5的时空格局及影响因素分析（硕士论文）”。
李月臣
调整后的人口计数与《联合国世界人口前景》国家总数2015年修订版相匹配，第11版包括与国家人口普查和人口登记的相对空间分布相一致的人类人口估计数（每像素的人数），但调整后与联合国《世界人口前景》国家总数2015年修订版2000、2005、2010、2015和2020年的数据相匹配。利用约1350万个国家和次国家行政单位的比例分配网格算法，将人口数量分配到30弧秒的网格单元。数据文件被制作成30弧秒（赤道上约1公里）分辨率的全球栅格数据。该数据集的基本输入是人口普查表和相应的地理边界。该数据集提供了一个与社会、经济、地球科学学科和遥感数据集兼容的空间分类人口层。它提供全球一致和空间明确的数据，用于研究、决策和通信。
Center for International Earth Science Information Network - CIESIN - Columbia University
该数据集：借助RS与GIS 技术，在借鉴已有的研究成果的基础上，结合三峡库区(重庆段) 的自然和社会经济实际情况，参照国家环保部颁发的《生态功能区划技术暂行规程》①，选择研究区比较突出的土壤侵蚀、石漠化、生境和酸雨4 个生态环境要素建立敏感性评价模型与方法，对三峡库区(重庆段) 生态环境敏感性进行综合研究，定量揭示研究区生态环境敏感性程度及其空间分布规律。本数据集空间分辨率统一采样为25m*25m。具体反演方法参考文献“三峡库区重庆段生态与环境敏感性综合评价（地理学报）”。
刘春霞, 李月臣
该数据集利用重庆2000、2005、2010、2015年四期土地利用遥感解译数据，在谢高地研究制定的中国陆地生态系统服务价值当量因子表基础上，结合重庆市的具体情况，基于单位面积粮食产值、经济系数、功能系数等对重庆市的生态系统服务价值当量因子表进行修订。以2000-2015年重庆耕地1hm2平均每年自然粮食的产值作为其一个当量因子时食物生产功能单位面积的服务价值，计算得到重庆市修正后的生态服务价值系数表。最终对重庆气体调节（QTTJ）、气候调节（QHTJ）、水源涵养（SYHY）、土壤形成与保护（TRBH）、废物处理（FWCL）、生物多样性保护（SWDYXBH）、食物生产（SWSC）、原材料生产（YCLSC）、文化娱乐（WHYL）等9类生态服务价值进行了估算。本数据集空间分辨率为25m*25m。具体反演方法参考文献“重庆市土地覆被变化及生态响应研究（硕士论文）”。
李月臣
近年来,大规模的城镇化开发建设在促进区域社会经济发展的同时,对生态环境带来了巨大的影响。通过可视化手段对城镇化过程中生态经济效益定量评估可为权衡经济收益和生态环境效益损失提供科学参考。本研究以重庆市为研究区,利用土地利用遥感解译数据、土壤数据、高程数据、气象数据、社会经济统计数据,结合InVEST 3.3.1、Arc GIS 10.1、SPSS 19.0等软件在对研究区2000、2005、2010、2015年四期的土地利用景观格局变化、城镇化用地变化情况的基础上,对生物栖息地、土壤保持、水源涵养、固碳、调节气候、净化环境6类生态效益和第一产业、二三产业2类经济效益进行评估,对比分析研究区各个土地利用景观格局、五大功能区、39个区县在2000、2005、2010、2015年四个时期的生态经济效益时空变化情况。本数据集空间分辨率为25m*25m。具体反演方法参考文献“基于GIS与InVEST模型的重庆市城镇化过程中生态经济效益损益研究（硕士论文）”。
李月臣
生态环境是人类赖以生存和栖息的场所,伴随着城市化进程的加快,生态环境每况愈下,因此保护生态环境、维护生态安全是可持续发展过程中的一个关键而迫切的研究课题,研究我国区域的生态安全有着特别重要的意义。重庆市位于长江上游地区,是“一带一路”和长江经济带重要的联结点,是长江上游重要的生态屏障,生态地位高,具有丰厚的林地资源和重要的生态服务功能价值,因此本文基于重庆市重要的生态地位,结合PSR模型构建评价指标体系,以格网为评价单元,利用综合指数法计算研究区生态安全综合指数并对其进行分级评价,结合探索性空间分析工具和地理探测器工具,旨在找出重庆生态安全的动态变化特征、空间关联度特征、空间格局分异特征及其驱动机制,研究目的在于更好地了解重庆市生态安全变化的基本特征和规律,为重庆市生态环境的改善提出针对性意见,进而丰富和推动我国生态安全评价的综合研究。本数据计算重庆2000/2005/2010/2015四个时期生态安全综合指数并对其进行分级评价，其空间分辨率统一采样为1000m*1000m。具体反演方法参考文献“基于GIS格网模型的重庆市生态安全时空格局研究（硕士论文）”。
李月臣
该数据集首先运用多因素融合模型对2010年重庆市人口进行空间化，通过因子与人口的相关性和实际情况分析，选择地形、交通、夜间灯光和NDVI四种因子作为模拟人口的影响因子，并引入产业点因子。本文借助第六次人口普查乡镇数据对多因素融合模型人口模拟结果进行精度验证，相关系数为0.836，在乡镇尺度上进行误差验证中有接近70%左右的乡镇精度在70%以上，模拟效果已经较好。依此方法得到重庆市2000、2005和2015年的人口进行空间分布模拟结果。本数据集空间分辨率为25m*25m。具体反演方法参考文献“基于GIS和多源数据的山地城市人口空间化模拟（硕士论文）”。
李月臣
该数据集：采集去哪儿网、马蜂窝网、携程网三个网站重庆市旅游资源样本数据。以三家网站共有旅游资源作为数据的处理条件，通过合并、删除重复、清除已关闭的旅游资源等方法最终符合条件的重庆市旅游资源点420个。通过GeoSharp软件坐标转换工具箱将420个旅游资源的坐标批量转换为WGS84坐标。通过重庆市旅游政务网获取2018年重庆市A级旅游景区名单（截止时间2018年12月31日），采集A级旅游景区及其对应的质量等级信息，与所爬取的全部旅游资源名录进行对照、核实，将质量等级数据依次录入属性表。具体方法参考文献“基于POI数据的重庆市旅游资源空间分布及其吸引力错位研究（硕士论文）”。
刘春霞
该数据集包括北碚、南川、涪陵、璧山、江津、开州、长寿、奉节、酉阳、大足等十多个区县在2022年夏遭遇山火的面积，使用2022年9月初和2022年8月初火灾前后的Sentinel-2卫星数据，通过燃烧指数归一化差值方法计算出整个重庆区域的dnbr变化，设置阈值为0.01提取出火灾燃烧的面积，将栅格结果转换为矢量，得到此次2022年重庆山火16m空间分辨率的山火面积数据集，可以为重庆市森林资源管理和防灾救灾应用提供支撑。
赵怡鑫
SoilGrids基于约150000个用于训练的土壤剖面和一堆158个基于遥感的土壤协变量（主要来自MODIS土地产品，SRTM DEM衍生物、气候图像和全球地形和岩性图）用于拟合机器学习方法的集合随机森林和梯度，在R包中实现的增强和多项式逻辑回归，对七个标准深度（0、5、15、30、60、100和200 cm）的标准数值土壤特性（有机碳、体积密度、氮、阳离子交换量、pH值、土壤质地含量和粗碎屑）进行了预测。
Tomislav Hengl
版本10r是数据集的当前版本。OCO-2 SIF Lite文件包含偏差校正的太阳诱导叶绿素荧光以及聚合为每日文件的其他选择字段。轨道碳观测站是美国宇航局的第一个任务，旨在收集基于空间的大气二氧化碳测量值，其精度、分辨率和覆盖范围是表征控制其在大气中积累过程所需的精度、分辨率和覆盖范围。 OCO-2 项目使用携带单个仪器的 LEOStar-2 航天器。它包含三个高分辨率光谱仪，可同时测量 1.61 和 2.06 微米附近的近红外 CO2 和 0.76 微米的分子氧 (O2) A 波段中的反射阳光。该集合包括IMAP-DOAS预处理器的输出，该预处理器用于筛选官方XCO2产品以及从0.76微米O2 A波段检索太阳诱导荧光。IMAP-DOAS 预处理器与 ABO2 云屏幕一样，在操作 OCO-2 处理管道中实现。
NASA
卫星检索到的太阳诱导叶绿素荧光（SIF）显示出监测陆地生态系统光合活动的巨大潜力。然而，一些问题，包括网格化数据集的空间和时间分辨率低以及单个检索的高不确定性，限制了SIF的应用。此外，测量足迹的不一致也阻碍了涡流协方差（EC）磁通量塔的总初级生产（GPP）与卫星检索的SIF之间的直接比较。该数据集是通过训练具有中分辨率成像光谱仪表面反射率的神经网络(NN)和轨道碳观测站2(OCO-2)的表面反射因子，生成的全球空间连续的SIF数据集。晴空瞬时CSIF(CSIFclear-inst)对晴空 OCO-2 SIF显示出很高的精度，并且对生物群类型的偏差很小。连续的SIF数据集和派生的GPP-SIF关系可以更好地理解GPP在生物群落和气候中的空间和时间变化。本数据集为中国西南地区4天时间分辨率的日光诱导叶绿素荧光数据集。
Zhang Yao
太阳诱导的叶绿素荧光(SIF)在测量陆地光合作用方面取得了重大进展。最近的几项研究评估了从轨道碳观测站-2(OCO-2)反演SIF在估计总初级生产力(GPP)方面的潜力。然而，OCO-2数据在空间和时间上的稀疏性使得将这些数据用于从生态系统尺度到全球的许多应用都具有挑战性。该数据集是利用离散的OCO-2 SIF测深、中分辨率成像光谱仪(MODIS)的遥感数据和气象再分析数据，开发的一个新的基于OCO-2的全球SIF数据集(GOSIF)，具有高时空分辨率(即0.05°，8天、月、年)。与直接从OCO-2测深聚合的粗分辨率SIF数据相比，GOSIF具有更好的空间分辨率、全球连续覆盖和更长的记录。GOSIF可用于评估陆地光合作用和生态系统功能，并作为陆地生物圈和地球系统模型的基准。本数据集为中国西南地区8天时间分辨率的日光诱导叶绿素荧光数据。
Li Xing, Xiao Jingfeng
太阳诱导的叶绿素荧光(SIF)在测量陆地光合作用方面取得了重大进展。最近的几项研究评估了从轨道碳观测站-2(OCO-2)反演SIF在估计总初级生产力(GPP)方面的潜力。然而，OCO-2数据在空间和时间上的稀疏性使得将这些数据用于从生态系统尺度到全球的许多应用都具有挑战性。该数据集是利用离散的OCO-2 SIF测深、中分辨率成像光谱仪(MODIS)的遥感数据和气象再分析数据，开发的一个新的基于OCO-2的全球SIF数据集(GOSIF)，具有高时空分辨率(即0.05°，8天、月、年)。与直接从OCO-2测深聚合的粗分辨率SIF数据相比，GOSIF具有更好的空间分辨率、全球连续覆盖和更长的记录。GOSIF可用于评估陆地光合作用和生态系统功能，并作为陆地生物圈和地球系统模型的基准。本数据集为中国西南地区年尺度时间分辨率的日光诱导叶绿素荧光数据。
Li Xing, Xiao Jingfeng
太阳诱导的叶绿素荧光(SIF)在测量陆地光合作用方面取得了重大进展。最近的几项研究评估了从轨道碳观测站-2(OCO-2)反演SIF在估计总初级生产力(GPP)方面的潜力。然而，OCO-2数据在空间和时间上的稀疏性使得将这些数据用于从生态系统尺度到全球的许多应用都具有挑战性。该数据集是利用离散的OCO-2 SIF测深、中分辨率成像光谱仪(MODIS)的遥感数据和气象再分析数据，开发的一个新的基于OCO-2的全球SIF数据集(GOSIF)，具有高时空分辨率(即0.05°，8天、月、年)。与直接从OCO-2测深聚合的粗分辨率SIF数据相比，GOSIF具有更好的空间分辨率、全球连续覆盖和更长的记录。GOSIF可用于评估陆地光合作用和生态系统功能，并作为陆地生物圈和地球系统模型的基准。本数据集为中国西南地区月尺度时间分辨率的日光诱导叶绿素荧光数据。
Li Xing, Xiao Jingfeng
该数据集提供了来自欧洲气象卫星 (EUMETSAT) MetOp-A 上的全球臭氧监测实验 2 (GOME-2) 仪器的叶绿素估计值的 2 级 (L2) 太阳诱导荧光 (SIF)数据，光谱分辨率约为 0.5 nm，并且波长在 734 和 758 nm 之间。 GOME-2 以约 40 公里 x 80 公里或创纪录的 40 公里 x 40 公里的分辨率在轨道基础上覆盖约 70 至 -57 度纬度之间的全球陆地。数据为 2007 年 2 月 1 日至 2018 年 1 月 31 日期间的数据。每个文件包含每日原始和偏差调整的太阳诱导荧光、质量控制信息和辅助数据。 SIF 测量可以提供有关植被功能状态的信息，包括光利用效率和全球初级生产力，可用于全球碳循环建模和农业应用。 GOME-2 SIF 产品由于信号电平低而具有固有的噪声，并且仅经过了有限的验证。该数据集中包含 3773 个 netCDF (*.nc) 格式的数据文件。数据变量被格式化为符合 CF 元数据约定的轨迹。本数据集提供的为中国西南地区的日平均SIF数据。
Joanna Joiner, Yasuko Yoshida, Philipp Koehler, Christian Frankenberg, Nicholas C. Parazoo
该数据集提供了中国西南地区的二级（L2）太阳诱导荧光（SIF）的叶绿素估计值，该估计值来自欧洲航天局（ESA）环境卫星（Envisat）上的Scanning Imaging Absorption spectroMeter for Atmospheric CartograpHY（SCIAMACHY）仪器，光谱分辨率约0.5纳米，波长在734-758纳米之间。提供了从2003-01-01到2012-04-08期间的数据。每个文件都包含每天的原始和偏差调整的太阳诱导荧光，以及质量控制信息和辅助数据。本数据集为740 nm处反演的SIF。
Joanna Joiner, Yasuko Yoshida, Philipp Koehler, Christian Frankenberg, Nicholas C. Parazoo
该数据集以0.05度（赤道约5公里）的空间分辨率和16天的时间分辨率提供了2014年9月至2020年7月的中国长江上游连续的全球平均日太阳诱导叶绿素荧光（SIF）数据。该产品来自于轨道碳观测站-2（OCO-2）的SIF观测，通过对OCO-2的原生SIF观测和沿OCO-2轨道的MODIS BRDF校正的七波段表面反射率进行人工神经网络（ANN）训练而产生。然后，根据MODIS反射率和土地覆盖率，将训练好的ANN模型应用于预测OCO-2的空白区域的平均每日SIF（mW/m2/nm/sr）。该框架按生物群落和16天的时间步骤进行分层。
Longlong Yu, Jiaming Wen, Christine Yao-Yun Chang, Christian Frankenberg, Ying Sun
数据是本项目采用福州大学徐涵秋为监测和评估区域生态变化而开发的遥感生态指数（RSEI）方法对金佛山自然保护地及其毗邻区2000年、2010年和2020年遥感生态质量进行评价的结果。该指数结合了评估区域生态学中常用的四个重要生态指标，分别代表绿色、干燥、潮湿和炎热，利用主成分分析（PCA）将四个指标压缩为一个指标来评估整个区域生态状况。本项目在评价过程中，还使用了USGS官网的Landsat7系列2000年05月12日、2010年05月24日和2020年05月03日的遥感影像数据。
杜文武
金佛山自然保护地及其毗邻区人类活动精细化评估结果数据集主要是运用团队自主构建的人类活动梯度方法，对金佛山自然保护地及其毗邻区2000年、2010年和2020年人类活动影响进行评价的空间分析的评价结果。人类活动的梯度化影响特征的揭示，是高自然度区域人类活动影响评价的关键点。本项目在人类活动梯度模型中，初始化处理了南京师范大学的智慧城市感知与模拟实验室陈旻教授团队发表的中国90座城市建筑屋顶矢量数据集。
杜文武
本数据集基于2012-2021年中国各检测站所监测断面的水质数据，利用R语言对齐进行了相应的数据整理，得到三峡库区内主要监测断面：白帝城、白马、北温泉、寸滩、丰收坝、高洞梁、高阳渡口、和尚山、红花村、湖海场、花台、黄蜡石、江津大桥、黎家乡崔家岩村、两河口、六剑滩、锣鹰、木瓜洞、清溪场、晒网坝共20个监测断面的水质数据，该数据覆盖了库区，具有连续的横断面水质数据信息系，对了解三峡库区水质状况以及后续研究具有重要作用。
陈轩敬
本数据集主要基于中高分辨率（30m）的Landsat8遥感数据集，选择成都市七环内地区为研究区域，采用随机森林的分类方法，解译提取了该区域2020年的水田、旱地、草地、林地、建设用地、水域及水利设施用地及其他用地共7种土地利用类型，并计算了混淆矩阵、总体精度与Kappa系数以验证精确性，其数据精度与同类型和同级别的产品精度相近。该数据可以用于成都市土地资源和现状调查具有重要支撑作用，对于了解成都市土地利用格局研究也具有重要意义。
孙莹
中国重庆市2022年山火面积数据集包括北碚、南川、涪陵、璧山、江津、开州、长寿、奉节、酉阳、大足等十多个区县在2022年夏季遭遇山火的面积。使用2022年8月26日左右的多源遥感数据，包括Sentinel-2，Landsat8，环境减灾卫星2A的影像数据，通过目视解译法矢量化出整个重庆区域此次森林火灾燃烧的面积，得到此次2022年重庆山火面积数据集，可以为重庆市森林资源管理和防灾救灾应用提供支撑。
赵怡鑫
该数据集包括北碚、南川、涪陵、璧山、江津、开州、长寿、奉节、酉阳、大足等十多个区县在2022年夏遭遇山火的面积，使用2022年9月5日和2022年8月8日，火灾前后的高分6号卫星数据，通过植被指数归一化差值方法计算出整个重庆区域的dndvi变化，设置阈值为0.01提取出火灾燃烧的面积，将栅格结果转换为矢量，得到此次2022年重庆山火16m空间分辨率的山火面积数据集，可以为重庆市森林资源管理和防灾救灾应用提供支撑。
Zhaoyixin
基于遥感的全球表层土壤水旬度数据集（RSSSM，2003~2020）是在世界11种常用的全球微波遥感土壤水数据产品基础上，采用神经网络方法，融入了9个微波遥感反演土壤水分的质量影响因子完成。数据空间分辨率是0.1度，时间分辨率为旬。原数据覆盖2003~2018年，现更新至2020年。RSSSM数据集的时间连续性突出，除冰雪和水体外实现空间全覆盖。通过全球实测数据进行检验，可证明RSSSM数据集较已有的常用全球或区域长时间序列表层土壤水产品具有更高的时空格局精度。此外，虽然RSSSM数据是基于遥感的，未融合任何降水资料，但其年际变异与降水量（如GPM IMERG降水数据）和标准化降水蒸散发指数（SPEI）的时间变异均可较好地吻合。RSSSM数据还可一定程度反映城市化、农田灌溉、植被恢复等人类活动对土壤水分的影响。数据为tiff格式，压缩后的数据量为2.48 GB。 数据论文于2021年发表在Earth System Science Data。本数据在原始数据的基础上，裁切获取中国长江上游地区。
陈永喆, 冯晓明, 傅伯杰
原始基于遥感的全球表层土壤水旬度数据集（RSSSM，2003~2020）是在世界11种常用的全球微波遥感土壤水数据产品基础上，采用神经网络方法，融入了9个微波遥感反演土壤水分的质量影响因子完成。数据空间分辨率是0.1度，时间分辨率为旬。原数据覆盖2003~2018年，现更新至2020年。RSSSM数据集的时间连续性突出，除冰雪和水体外实现空间全覆盖。通过全球实测数据进行检验，可证明RSSSM数据集较已有的常用全球或区域长时间序列表层土壤水产品具有更高的时空格局精度。此外，虽然RSSSM数据是基于遥感的，未融合任何降水资料，但其年际变异与降水量（如GPM IMERG降水数据）和标准化降水蒸散发指数（SPEI）的时间变异均可较好地吻合。RSSSM数据还可一定程度反映城市化、农田灌溉、植被恢复等人类活动对土壤水分的影响。数据为tiff格式，压缩后的数据量为2.48 GB。 数据论文于2021年发表在Earth System Science Data。本数据集在原始全球数据集的基础上进行区域裁剪所得
陈永喆, 冯晓明, 傅伯杰
中国长江上游陆地气溶胶光学深度数据集是基于MODIS Terra和Aqua结合的大气矫正多角度实施（MAIAC）陆地气溶胶光学深度（AOD）的网格化2级产品MCD19A2，通过拼接、裁剪处理得到。空间分辨率为1km，时间分辨率为1天；时间范围为2000年2月28日至2022年9月6日。数据为TIF格式，其命名前七位均为“UYR.AOD.”，后为年+天的日期标识，例如“2022.001”表示2022年第一天，如此类推。数据的坐标系统为GCS_Unknown_datum_based_upon_the_custom_spheroid。
Alexei Lyapustin
该数据集是清华大学地球系统科学系宫鹏团队基于团队2011年以来在全球30米地表覆盖制图中获得的经验和样本库建设方面的积累，结合10米分辨率Sentinel-2全球影像的王铮存储和免费获取，开发出了世界首套30米分辨率的全球地表覆盖产品-FROM-FLC30，该产品基于2017年在《科学通报》发表的全球首套多季节样本库（涵盖2014-2015年Landsat8影像，由专家解译得到的均匀覆盖全球的多季节样本），将该样本库中样本应用于2017年获取的Sentinel-2影像，采用随机森林分类器得到全球30米地覆盖制图。2015年共包括11个一级类和23个二级类，分别为：耕地、林地、草地、灌木、湿地、水、冻土、不透水面、裸地、雪/冰、云；2017年包括10个一级类，分别为：耕地、林地、草地、灌木、湿地、水、冻土、不透水面、裸地、雪/冰
宫鹏
该数据集是清华大学地球系统科学系宫鹏团队基于团队2011年以来在全球30米地表覆盖制图中获得的经验和样本库建设方面的积累，结合10米分辨率Sentinel-2全球影像的王铮存储和免费获取，开发出了世界首套30米分辨率的全球地表覆盖产品-FROM-FLC30，该产品基于2017年在《科学通报》发表的全球首套多季节样本库（涵盖2014-2015年Landsat8影像，由专家解译得到的均匀覆盖全球的多季节样本），将该样本库中样本应用于2017年获取的Sentinel-2影像，采用随机森林分类器得到全球30米地覆盖制图。2015年共包括11个一级类和23个二级类，分别为：耕地、林地、草地、灌木、湿地、水、冻土、不透水面、裸地、雪/冰、云；2017年包括10个一级类，分别为：耕地、林地、草地、灌木、湿地、水、冻土、不透水面、裸地、雪/冰
宫鹏
该数据集是清华大学地球系统科学系宫鹏团队基于团队2011年以来在全球30米地表覆盖制图中获得的经验和样本库建设方面的积累，结合10米分辨率Sentinel-2全球影像的王铮存储和免费获取，开发出了世界首套10米分辨率的全球地表覆盖产品-FROM-FLC10，该产品基于2017年在《科学通报》发表的全球首套多季节样本库（涵盖2014-2015年Landsat8影像，由专家解译得到的均匀覆盖全球的多季节样本），将该样本库中样本应用于2017年获取的Sentinel-2影像，采用随机森林分类器得到全球10米地覆盖制图，共包括10一级类，分别是：耕地、林地、草地、湿地、灌木、水体、冻土、不透水面、冰/雪
宫鹏
MERRA-2 是 NASA 全球建模和同化办公室 (GMAO) 使用戈达德地球观测系统模型 (GEOS) 版本 5.12.4 制作的卫星时代全球大气再分析的最新版本数据集。随着气象同化的增强，MERRA-2 朝着 GMAO 的地球系统再分析目标迈出了重要的一步。MERRA-2 是第一个长期的全球再分析，用于同化基于空间的气溶胶观测并代表它们与气候系统中其他物理过程的相互作用。本数据集是MERRA-2中平均时间为每小时的二维数据收集，涵盖了1980年到2022年的时期，空间分辨率为0.5°*0.625°。该集合包含了中国西南地区的地表诊断数据，例如基流通量、地表温度、径流、表层土壤湿度、根区土壤湿度、表层水、根区层水和六层土壤温度等。数据字段使用从 00:30 UTC 开始的一小时中心时间进行时间标记，例如：00:30、01:30、...、23:30 UTC。
NASA
WorldPop 在全球和各个国家范围内，生成各种人口网格化数据产品，包括3弧秒的格网数据 (在赤道上约为100m). 人口数据生产主要方法是加权分区密度制图，该方法依赖于随机森林模型来生成预测加权层将人口数量重新分布到网格单元中。WorldPop项目为各个国家和许多地区，包括中美洲和南美洲、非洲和亚洲，提供了一个开放存取、透明记录的空间人口数据集档案，以支持发展、救灾和卫生应用。所有数据都可以从下载https://www.worldpop.org/project/list.
Andrew J. Tatem
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
TanDEM-X 90m DEM是德国TanDEM-X任务在2010年至2015年期间获得的全球数字高程模型(DEM)数据，2015年完成数据的采集，2016年9月完成全球DEM的制作，其范围覆盖了南北两极之间的所有陆地，精度较高，绝对高程误差约1米。其在地球科学(地质学、冰川学、海洋学、气象学、水文学)、环境研究、土地利用、植被监测、城市和基础设施规划、制图，导航，后勤，危机管理，国防和安全等反面有广泛的应用。
German Aerospace Center
SRTM由美国太空总署（NASA）和国家测绘局（NIMA）联合测量。2000年2月11日，美国发射的“奋进”号飞机上搭载SRTM系统，共计进行了222小时23分钟的数据采集工作，获取北纬60度至南纬60度之间总面积超过1.19亿平方公里的雷达影像数据，覆盖地球80%以上的陆地表面。 SRTM系统获取的雷达影像制成了SRTM地形产品数据。此数据产品2003年开始公开发布，经历多修订，目前的数据修订版本为V4.1版本。该版本由CIAT（国际热带农业中心）利用新的插值算法得到的SRTM地形数据，此方法更好的填补了SRTM 90的数据空洞。SRTM地形数据按精度可以分为SRTM1和SRTM3，分别对应的分辨率精度为30米和90米数据。
NASA
数据来源：国家统计局官网(http://www.stats.gov.cn/tjsj/pcsj/)。 以第七次人口普查数据为例，以下为编辑说明内容：一、普查对象和标准时点:第七次全国人口普查的普查对象指普查标准时点在中华人民共和国境内的自然人以及在中华人民共和国境外但未定居的中国公民，不包括在中华人民共和国境内短期停留的境外人员。普查标准时点为2020年11月1日零时。二、普查表式:第七次全国人口普查采用长、短两种普查表。普查短表包括反映人口基本状况的项目，由全部住户（不包括港澳台居民和外籍人员）填报；普查长表包括所有短表项目和人口的经济活动、婚姻生育和住房等情况的项目，在全部住户中抽取10%的户（不包括港澳台居民和外籍人员）填报。三、资料主要内容:本资料分为三部分。第一部分是全部人口数据，主要反映人口的基本状况，分为八卷，共196张表；第二部分是普查长表数据，主要反映人口的各种结构情况，分为九卷，共218张表；第三部分是附录，主要是普查的有关规定和技术文件等。四、数据汇总口径及推算说明:本资料是普查实际登记直接汇总的数据，不包括漏登的人口（事后质量抽查表明，人口漏登率为0.05%），不包括200万现役军人。资料中各项指标的汇总结果未做任何误差校正，读者在使用时应考虑不同指标登记误差因素的影响。由于普查长表是按户抽样并进行登记，因此人口总数以及各种人口结构数据的抽样比会存在略微差异，请读者使用本资料推算总体时，对采用的方法予以注意。五、城乡划分规定:本次人口普查关于城乡的划分，按照国家统计局《统计上划分城乡的规定》执行。六、其他:本资料中部分相对数由于单位取舍问题而产生的计算误差，均未做机械调整。本资料中空项表示无数字或数字很小。
国家统计局
植被指数可以准确反映地表植被覆盖状况。目前，基于SPOT/VEGETATION以及MODIS等卫星遥感影像得到的NDVI时序数据已经在各尺度区域的植被动态变化监测、土地利用/覆被变化检测、宏观植被覆盖分类和净初级生产力估算等研究中得到了广泛的应用。该数据集是基于连续时间序列的SPOT/VEGETATION NDVI卫星遥感数据，采用最大值合成法生成的1998年以来的年度植被指数数据集。该数据集有效反映了地区在空间和时间尺度上的植被覆盖分布和变化状况，对植被变化状况监测、植被资源合理利用和其它生态环境相关领域的研究有十分重要的参考意义。
徐新良
夜间灯光遥感数据已被广泛应用于城市化进程监测等研究工作中，但由于常用的两种夜间灯光遥感数据（DMSP-OLS和NPP-VIIRS）存在不可比的情况，限制了夜间灯光数据的可用时间序列长度。本数据集基于自编码器的跨传感器（DMSP-OLS和NPP-VIIRS）夜间灯光数据校正方案生产。通过在不同范围不同尺度下开展的精度验证工作，证明新夜间灯光数据集具备了类似于NPP-VIIRS夜间灯光数据的质量，并能够清晰地反映出城市内部的细节信息及其时序上的变化。
陈佐旗
一普到六普的区县级人口数据（包括Excel格式和SHP格式）来自高亮、宋栋栋等研究者分享，网址：https://www.scidb.cn/detail?dataSetId=849628989872930816，七普人口数据来源于网站city population（网址为：http://www.citypopulation.de/），使用的省市县三级的行政区划数据为公众号“数读城事”整理的最新的2021年行政区划数据。利用ArcGIS中的‘空间连接’工具分别将省级七普人口连接到省级行政区划上，将市级七普人口连接到市级行政区划上，将区县级七普人口连接到区县级行政区划上，在空间连接后有些数据没有匹配上，直白点说就是有些行政单元没有匹配上七普人口值，数据有缺失，要对这些缺失数据进行逐一排查。具体处理流程见网址：https://mp.weixin.qq.com/s/EK0O2547yMURzfzx-TBbXA 和 https://mp.weixin.qq.com/s/NwWe20dS0pvBBMOK8fhOUw
高亮
本数据来自2022年1月1日-8月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究站金佛山北坡槐坪观测场（E107°13′33.0″；N29°7′56.2″，海拔956m）的自动气象站观测数据。自动气象站的空气温度、相对湿度传感器分别架设在3m和10m处，朝向正北；气压计安装在1.5m处；翻斗式雨量计安装在10m处；风速与风向传感器分别架设在3m和10m处；四分量辐射仪安装在3 m处，朝向正南；光合有效辐射传感器安装在3m、10m处，朝向正南；土壤温度探头埋设在地下0cm、2cm、5cm、10cm、20cm、40cm、60cm处，在距离气象塔2m的正南方；土壤水分探头埋设在地下2cm、5cm、10cm、20cm、40cm、60cm、80cm处，在距离气象塔2m的正南方；土壤热通量板（3块）依次埋设在地下5cm、10 cm、20 cm处，在距离气象塔2m的正南方；土壤平均温度探头（1个），埋在地下5 cm，在距离气象塔2m的正南方。每天观测144组数据（每10min），若出现数据的缺失，则由NAN标示。
孔德兵
本数据来自2021年7月1日-12月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究站金佛山北坡槐坪观测场（E107°13′33.0″；N29°7′56.2″，海拔956m）的自动气象站观测数据。自动气象站的空气温度、相对湿度传感器分别架设在3m和10m处，朝向正北；气压计安装在1.5m处；翻斗式雨量计安装在10m处；风速与风向传感器分别架设在3m和10m处；四分量辐射仪安装在3 m处，朝向正南；光合有效辐射传感器安装在3m、10m处，朝向正南；土壤温度探头埋设在地下0cm、2cm、5cm、10cm、20cm、40cm、60cm处，在距离气象塔2m的正南方；土壤水分探头埋设在地下2cm、5cm、10cm、20cm、40cm、60cm、80cm处，在距离气象塔2m的正南方；土壤热通量板（3块）依次埋设在地下5cm、10 cm、20 cm处，在距离气象塔2m的正南方；土壤平均温度探头（1个），埋在地下5 cm，在距离气象塔2m的正南方。每天观测144组数据（每10min），若出现数据的缺失，则由NAN标示。
孔德兵
本数据来自2022年1月1日-8月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究站酉阳龙潭花椒基地观测场（E108°57′32.2″；N29°1′0″，海拔378m）的自动气象站观测数据。自动气象站的空气温度、相对湿度传感器分别架设在3m和10m处，朝向正北；气压计安装在1.5m处；翻斗式雨量计安装在10m处；风速与风向传感器分别架设在3m和10m处；四分量辐射仪安装在3m处，朝向正南；光合有效辐射传感器安装在3m、10m处，朝向正南；土壤温度探头埋设在地下10cm、20cm、40cm、60cm、80cm、120cm、160cm处，在距离气象塔2m的正南方；土壤水分探头埋设在地下2cm、5cm、10cm、20cm、40cm、60cm、80cm处，在距离气象塔2m的正南方；土壤热通量板（3块）依次埋设在地下5cm、10 cm、20 cm处，在距离气象塔2m的正南方；土壤平均温度探头（3个），埋在地下5、10、20 cm ，在距离气象塔2m的正南方。每天观测144组数据（每10min），若出现数据的缺失，则由NAN标示。
孔德兵
本数据来自2021年7月1日-12月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究站酉阳龙潭花椒基地观测场（E108°57′32.2″；N29°1′0″，海拔378m）的自动气象站观测数据。自动气象站的空气温度、相对湿度传感器分别架设在3m和10m处，朝向正北；气压计安装在1.5m处；翻斗式雨量计安装在10m处；风速与风向传感器分别架设在3m和10m处；四分量辐射仪安装在3m处，朝向正南；光合有效辐射传感器安装在3m、10m处，朝向正南；土壤温度探头埋设在地下10cm、20cm、40cm、60cm、80cm、120cm、160cm处，在距离气象塔2m的正南方；土壤水分探头埋设在地下2cm、5cm、10cm、20cm、40cm、60cm、80cm处，在距离气象塔2m的正南方；土壤热通量板（3块）依次埋设在地下5cm、10 cm、20 cm处，在距离气象塔2m的正南方；土壤平均温度探头（3个），埋在地下5、10、20 cm ，在距离气象塔2m的正南方。每天观测144组数据（每10min），若出现数据的缺失，则由NAN标示。
孔德兵
SMOS INRA-CESBIO（SMOS-IC）算法由INRA（国家农学研究所）和CESBIO（生物空间研究中心）设计，用于执行SM和L-VOD的全球检索。SMOS-IC基于Wigneron等人（2017）中定义的L-MEB模型的双参数反转，并将像素视为同质。因此，SMOS-IC的设计基础与2级SM算法相同，但使用了一些简化。具体而言，SMOS-IC没有考虑与处理具有异质土地覆盖区域（森林覆盖区域）、天线模式和复杂SMOS视角几何形状的检索相关的校正。因此，SMOS-IC产品的主要目标之一是尽可能独立于辅助数据，以便更加稳健，并受上述修正中潜在不确定性的影响较小。SMOS-IC算法和数据集在费尔南德斯-莫兰等人（2017）中进行了描述。可用的土壤湿度产品是第2版，以25公里的EASEv2网格提供，为netcdf格式。本产品在元数据的基础上进行数据的裁剪，裁剪后区域为中国长江上游，格式为TIFF格式。
美国国家航空航天局
本数据来自2022年1月1日-8月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究站金佛山西坡华尔寺观测场（E107°3′13.0″；N29°5′40.4″，海拔705m）的自动气象站观测数据。自动气象站的空气温度、相对湿度传感器分别架设在3m和10m处，朝向正北；气压计安装在1.5m处；翻斗式雨量计安装在10m处；风速与风向传感器分别架设在3m和10m处；四分量辐射仪安装在3 m处，朝向正南；光合有效辐射传感器安装在3m、10m处，朝向正南；土壤温度探头埋设在地下10cm、20cm、40cm、60cm、80cm、120cm、160cm处，在距离气象塔2m的正南方；土壤水分探头埋设在地下2cm、5cm、10cm、20cm、40cm、60cm、80cm处，在距离气象塔2m的正南方；土壤热通量板（3块）依次埋设在地下5cm、10 cm、20 cm处，在距离气象塔2m的正南方；土壤平均温度探头（3个），埋在地下5、10、20 cm，在距离气象塔2m的正南方。每天观测144组数据（每10min），若出现数据的缺失，则由NAN标示。
孔德兵
这种增强的3级（L3）土壤水分产品提供了土壤湿度主动被动（SMAP）辐射计检索的全球陆地表面状况每日估计值的组合。本产品是 SMAP 2 级 （L2） 土壤湿度的每日复合物，该土壤水分源自 SMAP 1C 级 （L1C） 插值亮度温度。Backus-Gilbert 最优插值技术用于从 SMAP 天线温度中提取信息并将其转换为亮度温度，这些温度以全局圆柱投影的形式发布到 9 km 等积可扩展地球网格 2.0 版 （EASE-Grid 2.0）。截至2021年，这些数据也被发布到北半球EASE-Grid 2.0，一个方位角等积投影。
P. O’neill
本数据来自2021年7月1日-12月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究站金佛山西坡华尔寺观测场（E107°3′13.0″；N29°5′40.4″，海拔705m）的自动气象站观测数据。自动气象站的空气温度、相对湿度传感器分别架设在3m和10m处，朝向正北；气压计安装在1.5m处；翻斗式雨量计安装在10m处；风速与风向传感器分别架设在3m和10m处；四分量辐射仪安装在3 m处，朝向正南；光合有效辐射传感器安装在3m、10m处，朝向正南；土壤温度探头埋设在地下10cm、20cm、40cm、60cm、80cm、120cm、160cm处，在距离气象塔2m的正南方；土壤水分探头埋设在地下2cm、5cm、10cm、20cm、40cm、60cm、80cm处，在距离气象塔2m的正南方；土壤热通量板（3块）依次埋设在地下5cm、10 cm、20 cm处，在距离气象塔2m的正南方；土壤平均温度探头（3个），埋在地下5、10、20 cm，在距离气象塔2m的正南方。每天观测144组数据（每10min），若出现数据的缺失，则由NAN标示。
孔德兵
该数据集包含从美国国家航空航天局（NASA）Aqua卫星上的先进微波扫描辐射计-地球观测系统（AMSR-E）仪器和JAXA GCOM-W1卫星上的先进微波扫描辐射计2（AMSR2）传感器生成的卫星检索的地球物理参数文件。地球物理参数包括日空气表面温度、部分开放水域覆盖估计值、植被光学深度、表面体积土壤湿度和大气总柱可降水蒸气。全球检索是在非沉淀，非雪和非冰覆盖条件下的土地上得出的。土壤水分的空间分辨率为25KM，覆盖全球，时间分辨率为1天。
Jinyang Du
地表土壤水分（SSM）是了解地球表面水文过程的关键参数。长期以来，被动微波（PM）技术一直是在卫星遥感尺度上估算SSM的主要选择，而另一方面，PM观测的粗分辨率（通常>10 km）阻碍了其在更细尺度上的应用。虽然已经提出了定量研究，以缩小基于卫星PM的SSM的规模，但很少有产品可供公众使用，以满足1km分辨率和全天候条件下每日重访周期的要求。因此，在本研究中，我们在中国开发了一种具有所有这些特征的SSM产品。该产品是通过在36 km处对基于AMSR-E和AMSR-2的SSM进行降尺度生成的，涵盖了2003-2019年间两台辐射计的所有在轨时间。MODIS光学反射率数据和在多云条件下填补空白的每日热红外地表温度（LST）是降尺度模型的主要数据输入，以实现SSM降尺度结果的“全天候”质量。4月至9月期间，这一开发的SSM产品的每日图像在全国范围内实现了准完全覆盖。在其他月份，与最初的每日PM观测值相比，开发产品的全国覆盖率也大大提高。我们根据2000多个专业气象和土壤水分观测站的现场土壤水分测量结果对该产品进行了评估，发现该产品的精度在晴空到多云的所有天气条件下都是稳定的，无偏RMSE的站平均值在0.053 vol到0.056 vol之间。此外，评估结果还表明，开发的产品在1km分辨率下明显优于广为人知的SMAP Sentinel（主被动微波）组合SSM产品。这表明，我们开发的产品在改善未来水文过程、农业、水资源和环境管理相关调查方面可能带来的潜在重要效益。本数据集在全国数据集的基础上，裁切出中国西南地区数据进行共享。
宋沛林, 张永强
此版本的亮点是改进了时间和空间覆盖范围，因为它包含了3个新的主动和被动传感器（所有传感器的上升和下降立交桥的观测值首次合并到此版本中）。验证表明，新版本是迄今为止最准确的ESA CCI SM产品。它提供了从1978年到2021年的全球数据。 算法更新包括以下内容： 包括新的风云 3C、3D 和 ASCAT-C 传感器 LPRM v7.1 改进了 LPRM 的模型参数化。这适用于所有无源传感器，但使用 LPRM v06.2 的 SMOS 和 SMAP 除外 所有无源传感器的日间观测值现在都包含在合并中 包括一个新的可选标志，用于贫瘠的地面 使用年内偏置校正方法协调传感器 产品的时间范围将延长至2021年底。 本数据在原始数据（主被动联合版本）的基础上对数据进行裁剪，裁剪范围为中国长江上游地区。
Wouter Dorigo
GlobeLand30数据研制所使用的分类影像主要是30米多光谱影像，包括美国陆地资源卫星(Landsat)的TM5、ETM+、OLI多光谱影像和中国环境减灾卫星(HJ-1)多光谱影像，2020版数据还使用了16米分辨率高分一号(GF-1)多光谱影像。它采用WGS-84坐标系，共包括10个一级类型，分别是耕地、林地、草地、灌木地、湿地、水体、苔原、人造地表、裸地、冰川和永久积雪。GlobeLand30 V2010数据的总体精度为83.50%，Kappa系数0.78；V2020数据的总体精度为85.72%，Kappa系数0.82。
陈军
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
1985-2020年土地覆盖精细产品（GLC_FCS30）以课题组2020年最新研发的全球30米地表覆盖精细分类产品（GLC_FCS30-2020）为基准数据，该产品提出了耦合变化检测和动态更新相结合的长时序地表覆盖动态监测方案，利用1984-2020年所有Landsat卫星数据（Landsat TM，ETM+和 OLI）生产了1985 年-2020年全球30米精细地表覆盖动态监测产品，沿用2020年基准数据的分类体系，共包含29个地表覆盖类型，更新周期为5年。
刘良云
作为农林生产、土地政策、城市建设、抵御洪涝、火灾防范和传染病传播模拟等方面的重要基础数据，GLASS-GLC也将服务于生态和资源环境的评估、管理和决策，为联合国可持续发展目标的实现提供支持。5kmGLASS土地覆盖数据集是从1982年到2015年土地覆盖长期动态的首次记录。它使用最新版本的GLASS (全球陆地卫星) CDRs (气候数据记录)构建，并在Google Earth Engine ( GEE )平台上生成。包括农田、森林、草地、灌丛、苔原、荒地、雪/冰7类的34年平均总体精度为82.81 %。
Liu Han
数据集包含2002年至2018年中国陆地土壤水分数据，单位为m³/m³，时间分辨率为月，空间分辨率为0.05°。它由3个被动微波遥感产品制成：日本宇宙航空研究开发机构（JAXA）的 AMSR-E 的 Level 3 土壤水分数据和 AMSR2 的 Level 3 土壤水分数据，以及由法国农业科学研究院（INRA）和法国空间生物圈研究中心（CESBIO）研发的 SMOS 产品的土壤水分数据。为了应对被动微波土壤水分产品空间分辨率低的不足，研究人员基于温度植被干旱指数（TVDI）建立了空间权重分解（SWD）模型，其中，TVDI由中分辨率成像光谱仪（MODIS）的地表温度（LST）MYD11C3数据和归一化植被指数（NDVI）MYD13C2数据计算而来。整体而言，降尺度的土壤水分产品与实地测量结果一致（R >0.78），且均方根误差较低（ubRMSE < 0.05 m³/m³），这表明数据在整个时间序列中具有良好的准确性。数据集可以广泛应用于水文及干旱监测，并且可以作为生态和其他地球物理模型的重要输入参数。本数据集在元数据集的基础上进行裁剪，获取长江上游地区土壤水分数据。
毛克彪
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
基于微波数据同化的中国土壤水分数据集包含2002-2011年3层土壤水分数据（0-5cm，5-20cm，20-100cm）。数据采用Yang et al.(2007) 发展的自动标定参数的陆面同化系统（ITPLDAS），以中国区域高时空分辨率的地面气象要素数据集（ITP-forcing数据集）驱动陆面过程模型SiB2，同化AMSR-E 卫星观测亮温，输出三层土壤水分数据。土壤水分均方根误差：5%VWC（在青藏高原那曲和玛曲的评估精度）。
阳坤
ASTER GDEM数据由日本METI和美国NASA联合研制并免费面向公众分发。ASTER GDEM数据产品基于“先进星载热发射和反辐射计(ASTER)”数据计算生成，是目前唯一覆盖全球陆地表面的高分辨率高程影像数据。该产品空间分辨率为30m，目前有ASTER GDEM V1, ASTER GDEM V2, ASTER GDEM V3三个版本。2019年8月5日，NASA和METI共同发布了ASTER GDEM V3版本，在V2的基础之上，新增了36万光学立体像对数据，主要用于减少高程值空白区域、水域数值异常。
NASA
SRTM由美国太空总署（NASA）和国家测绘局（NIMA）联合测量。2000年2月11日，美国发射的“奋进”号飞机上搭载SRTM系统，共计进行了222小时23分钟的数据采集工作，获取北纬60度至南纬60度之间总面积超过1.19亿平方公里的雷达影像数据，覆盖地球80%以上的陆地表面。 SRTM系统获取的雷达影像制成了SRTM地形产品数据。此数据产品2003年开始公开发布，经历多修订，目前的数据修订版本为V4.1版本。该版本由CIAT（国际热带农业中心）利用新的插值算法得到的SRTM地形数据，此方法更好的填补了SRTM 90的数据空洞。SRTM地形数据按精度可以分为SRTM1和SRTM3，分别对应的分辨率精度为30米和90米数据。
NASA
中国长江上游1kmPM2.5数据集(2000-2021)是中国(中国大气污染物监测中心( CHAP ))系列长期、全覆盖、高分辨率、高质量的地面空气污染物数据集之一。它是利用人工智能的大数据(例如,地基测量、卫星遥感产品、大气再分析和模式模拟等)，通过考虑空气污染的时空异质性而产生的。该数据为2000年至2021年中国长江流域每天1公里(即D1K)的地面PM2.5数据集。该数据集每天的交叉验证决定系数( CV-R2 )为0.92，均方根误差( RMSE )为10.76 µ g m - 3
伟晶
刘良云课题研发的1985-2020年地表覆盖精细产品（GLC_FCS30）以课题组2020年最新研发的全球30米地表覆盖精细分类产品（GLC_FCS30-2020）为基准数据，该产品提出了耦合变化检测和动态更新相结合的长时序地表覆盖动态监测方案，利用1984-2020年所有Landsat卫星数据（Landsat TM，ETM+和 OLI）生产了1985 年-2020年全球30米精细地表覆盖动态监测产品，沿用2020年基准数据的分类体系，共包含29个地表覆盖类型，更新周期为5年
刘良云
World Cover数据集是欧空局联合全球多家科研机构，共同制作的2020年全球10米土地覆盖产品；该数据产品分辨率为10米，是基于Sentinel-1和Sentinel-2数据进行制作，包括11中土地覆盖类别，分别为：林地、灌木、草地、耕地、建筑、荒漠、雪\冰、水体、湿地、红树林、苔藓\地衣，是在欧洲航天局WorldCover项目框架内生成，该项目是欧空局第5次地球观测网络计划(EOEP -5)的一部分。
欧空局
30米全球地表覆盖数据GlobeLand30是中国研制的30米空间分辨率全球地表覆盖数据，2014年发布GlobeLand30 2000和2010版，2020版已完成。GlobeLand30数据采用WGS-84坐标系，共包括10个一级类型，分别是耕地、林地、草地、灌木地、湿地、水体、苔原、人造地表、裸地、冰川和永久积雪。GlobeLand30 V2010数据的总体精度为83.50%，Kappa系数0.78；V2020数据的总体精度为85.72%，Kappa系数0.82
陈军
该数据产品是基于三十万景Landsat影像，结合现有产品自动稳定样本和目视解译样本生产获得，共包括9个一级类型，分别是：农田、森林、灌木、草地、水体、冰雪、荒地、不透水面、湿地；处理流程包括生成训练和测试样本、构建特征、检查分类和时空一致性，以及与其他产品准确性进行对比均在在GEE 平台上实施，以免于数据下载和管理；该数据集基于5463个独立参考样本，产品整体精度为79.31% ；CLCD数据集揭示了1985-2019年中国土地覆盖变化的趋势和模式：如不透水面（+148.71%）和地表水（+18.39%）的扩大，耕地（-4.85%）和草地（-3.29%）的减少，森林（+4.34%）的增加。总的来说，我们的结果反映了中国快速的城市化和一系列生态工程，揭示了在气候变化下人类活动对区域地表覆盖的影响
黄昕
中国西南地区（四川、重庆、云南、贵州）陆地气溶胶光学深度数据集是基于MODIS Terra和Aqua结合的大气矫正多角度实施（MAIAC）陆地气溶胶光学深度（AOD）的网格化2级产品MCD19A2，通过拼接、裁剪处理得到。空间分辨率为1km，时间分辨率为1天；时间范围为2000年2月28日至2022年9月6日。数据为TIF格式，其命名前七位均为“SW.AOD.”，后为年+天的日期标识，例如“2022.001”表示2022年第一天，如此类推。数据的坐标系统为GCS_Unknown_datum_based_upon_the_custom_spheroid。
Alexei Lyapustin
ALOS (Advanced Land Observing Satellite)是日本的对地观测卫星，于2006年发射。ALOS卫星再有三个传感器：全色遥感立体测绘仪，先进可见光与近红外辐射计-2，相控阵型L波段合成孔径雷达。ALOS-12.5米DEM数据来自于ALOS卫星相控阵型L波段合成孔径雷达（PALSAR）采集，该传感器具有高分辨率、扫描式合成孔径雷达、极化三种观测模式。该数据的水平及垂直精度可达12.5米。
NASA
哨兵2号（Sentinel-2）包含两颗卫星，两颗相同的SENTINEL-2卫星同时运行，相位差180°，在平均海拔786 km的太阳同步轨道上运行。每个SENTINEL-2卫星在其轨道上的位置由双频全球导航卫星系统（GNSS）接收器测量。通过专用推进系统维持轨道精度。每颗卫星配备了最先进的多光谱成像仪（Multi Spectral Instrument ，MSI），可提供高分辨率的光学成像。分辨率为25米，覆盖波段13个（本数据经过筛选保留了常用的8个波段-2、3、4、5、6、8、8A）。可有效用于土地利用和变化检测制图、提供土地覆盖的支持、救灾支持、气候变化监测等。
顾松巍, 欧空局哥白尼数据中心
PALSAR拼接数据产品是通过JAXA对PALSAR和PALSAR-2的全球基本观测方案观察到的SAR反向散射图像的长路径组合而成的。以Gamma-0背向散射的形式提供的，其地理坐标为0.8秒（在赤道约为25米）的像素间距。时间间隔为年度，PALSAR-2的拼接数据可用于2015-2021年的时间段，PALSAR的拼接数据可用于2007-2010年。本数据经过数据筛选，数据裁剪等操作，获取了长江中上游地区HH和HV极化的ALOS PALSAR-2的数据。可用于P波段微波应用的研究。
ALOS-2/ALOS Science Project, ALOS-2/ALOS Science Project
TanDEM-X 90m DEM是德国TanDEM-X任务在2010年至2015年期间获得的全球数字高程模型(DEM)数据，2015年完成数据的采集，2016年9月完成全球DEM的制作，其范围覆盖了南北两极之间的所有陆地，精度较高，绝对高程误差约1米。其在地球科学(地质学、冰川学、海洋学、气象学、水文学)、环境研究、土地利用、植被监测、城市和基础设施规划、制图，导航，后勤，危机管理，国防和安全等反面有广泛的应用。
German Aerospace Center
MOD13Q1.061数据每16天生成一次，空间分辨率为250米(m)，为三级产品。MOD13Q1产品提供了归一化植被指数(NDVI)及增强植被指数(Enhanced vegetation Index, EVI)。算法从16天期间的所有获取中选择最佳可用像素值。使用的标准是低云层，低视角，和最高的NDVI/EVI值。除了植被层和两个质量层，HDF 文件具有 MODIS 反射波段 1（红色）、2（近红外）、3（蓝色）和 7（中红外），以及四个观测层。
Steve Running
GRACE ，Gravity Recovery and Climate Experiment，由 NASA 和德国宇航中心（DLR）联合研制。提供Mascon RL06 版本的等效液态水估计的数据，数据提供商分别为美国德克萨斯大学空间研究中心 (CSR)，喷气动力实验室 (JPL)和戈达德空间飞行中心 (GSFC)。空间分辨率分别为0.25°，0.5°和0.5°。对原始数据进行时间线性插值、中国区域掩膜提取以及坐标系转换后得到中国西南地区GRACE月度海量网格数据（2002-2022），以geotiff文件格式保存。其数据真实可靠，是目前GRACE用于估计陆地水储量变化的主要数据。
D. N. Wiese, D.-N. Yuan, C. Boening, F. W. Landerer, M. M. Watkins, Himanshu Save,Srinivas Bettadpur,Byron D. Tapley, Bryant D. Loomis,Denis Felikson,Terence J. Sabaka,Brooke Medley
MOD13Q1.061数据每16天生成一次，空间分辨率为250米(m)，为三级产品。MOD13Q1产品提供了归一化植被指数(NDVI)及增强植被指数(Enhanced vegetation Index, EVI)。算法从16天期间的所有获取中选择最佳可用像素值。使用的标准是低云层，低视角，和最高的NDVI/EVI值。除了植被层和两个质量层，HDF 文件具有 MODIS 反射波段 1（红色）、2（近红外）、3（蓝色）和 7（中红外），以及四个观测层.
Steve Running
该NDVI数据集是最新发布的NOAA全球模拟和绘图项目（GIMMS，Global Inventory Monitoring and Modeling System）长时间序列（1981-2015）NDVI产品，版本号3g.v1。为了去除NDVI数据中的噪声，进行了最大化合成、多传感器对比纠正。该产品的时间分辨率是每月两次，空间分辨率8km，数据格式为geotiff。时间跨度1981年7月至2015年12月。该数据集在植被长期变化趋势分析中被广泛应用。该数据集是从全球数据集中将中国西南地区部分裁切出来，以便单独开展西南地区的研究分析。
NOAA
SRTM由美国太空总署（NASA）和国家测绘局（NIMA）联合测量。2000年2月11日，美国发射的“奋进”号飞机上搭载SRTM系统，共计进行了222小时23分钟的数据采集工作，获取北纬60度至南纬60度之间总面积超过1.19亿平方公里的雷达影像数据，覆盖地球80%以上的陆地表面。 SRTM系统获取的雷达影像制成了SRTM地形产品数据。此数据产品2003年开始公开发布，经历多修订，目前的数据修订版本为V4.1版本。该版本由CIAT（国际热带农业中心）利用新的插值算法得到的SRTM地形数据，此方法更好的填补了SRTM 90的数据空洞。SRTM地形数据按精度可以分为SRTM1和SRTM3，分别对应的分辨率精度为30米和90米数据。
NASA
该数据集主要范围中国大陆地区长时序夜间灯光信息。数据存储格式为GeoTIFF，空间分辨率为1km。处理方法是模拟NPP-VIIRS数据与DMSP-OLS数据之间的关系，将2013-2020年的NPP-VIIRS模拟2013-2020年的DMSP-OLS数据，从而得到1992-2020年类DMSP-OLS数据集。首先利用核密度法将NPP-VIIRS数据的空间分率重采样为1-km，基于对数转换后的重采样NPP-VIIRS数据与DMSP-OLS数据之间的“S”曲线关系，利用Sigmoid函数将对数NPP-VIIRS数据转换为模拟DMSP-OLS数据，将1992-2013年校准的DMSP-OLS数据与2013-2020年的模拟DMSP-OLS数据拼接为1992-2020年的类DMSP-OLS数据
施开放
该实验的观测参数包括归一化离水辐射率、水体悬浮物浓度、水体叶绿素浓度、水体透明度。水色参数地面调查主要在虎头村和歇马两个样地开展试验，基于该区域遥感影像解译获取了水体分布数据。在该区域，水体主要表现为一些人工养殖的鱼塘。本次试验重点关注对象为水域面积相对较大的开阔区域，在2 km2 的无人机飞行区范围内，上部分别选取重点水域1和重点水域2，长宽比分别为90×200 m和90×75 m；下部选择重点水域3，长宽比为90×700 m的水体开展观测。主要应用橡皮艇布点采样。
汤旭光
ASTER GDEM数据由日本METI和美国NASA联合研制并免费面向公众分发。ASTER GDEM数据产品基于“先进星载热发射和反辐射计(ASTER)”数据计算生成，是目前唯一覆盖全球陆地表面的高分辨率高程影像数据。该产品空间分辨率为30m，目前有ASTER GDEM V1, ASTER GDEM V2, ASTER GDEM V3三个版本。2019年8月5日，NASA和METI共同发布了ASTER GDEM V3版本，在V2的基础之上，新增了36万光学立体像对数据，主要用于减少高程值空白区域、水域数值异常。
NASA
该数据集是使用τ-ω模型，结合欧洲航天局(ESA) SMOS任务的微波成像辐射计(MIRAS)在H和V极化L波段(1.4 GHz)获得的TB反演得到的。在TB上应用阈值和2-sigma标准来过滤无效数据。基于这些干扰的建模方法的RFI标志来用于屏蔽受污染的像素。由于SMOS数据的分辨率较粗(在25 - 60公里之间)，一个像素内的土壤和植被并不均匀。每个像素TB是每一种植被和土壤类型覆盖率加权的散射总和。该数据空间分辨率为25 km，时间分辨率为1天。
Ahmad Al Bitar
全球 1km 根据联合国世界人口展望调整后的人口密度格网数据集，包括基于与国家人口普查和人口登记相对空间分布相一致的计数的人口密度估计值（每平方公里人口数），但经过调整以匹配2000、2005、2011、2015和2020年《联合国世界人口展望2015年修订版》国家总数。使用比例分配网格算法，利用约1350万个国家和地方行政单位，将联合国世界人口展望调整后的人口数分配到30弧秒网格单元。密度栅格是通过将联合国WPP调整的给定目标年人口计数栅格除以陆地面积栅格而创建的。数据文件为30弧秒（赤道约1公里）分辨率。该数据集提供基于调整后匹配联合国国家总数与国家人口普查和人口登记册，且相对空间分布相一致的计数，包括2000年、2005年、2010年、2015年和2020年的人口密度估计数。
Center for International Earth Science Information Network - CIESIN - Columbia University
SoilNet是具有无线数据采集与传输功能的土壤水分无线传感器节点。数据采集终端具有自动采集与长时间低功耗运行能力。SoilNet由低功耗高精度无线数据采集终端和土壤温湿度传感器组成。SoilNet温湿度传感器利用传感器探头，基于频率域的介电常数探测原理，得到土壤体积含水量（%）和土壤温度（℃）。此观测使用两个通道的传感器探头（通道1埋于3cm，通道2埋于10cm）来测量3cm和10cm处的土壤水分体积含水量和土壤温度。
张可
版本10r是数据集的当前版本。旧版本将不再可用，并被版本10r取代。OCO-2 Lite文件包含偏差校正的XCO2以及其他聚集为日常文件的选择字段。2021年初，OCO团队发现了自2020年1月28日以来处理的OCO-2二级产品的一个问题。辅助几何产品（AGAP）文件是OCO-二级地理定位处理中使用的静态文件。此AGAP文件包含约300 m的指向错误。因此，对2020年1月28日至12月31日期间的所有OCO-2 Level 2 10r版数据文件进行了更正和替换。替换过程于2021 6月底完成。轨道碳观测站是美国航天局的第一个任务，旨在收集大气二氧化碳的空间测量数据，其精度、分辨率和覆盖面都是控制其在大气中积聚的过程所需的。
NASA
VODCA VOD结合了多个传感器 (SSM/ITMI、AMSR-E、Windsat和AMSR-2) 的VOD数据集，以涵盖1987-2017年期间的长期VOD评估来补充现有产品。在聚合之前，这些数据集都利用LPRM重新缩放到AMSR-E中，以消除它们之间的系统差异。该产品为其中的ku波段(~19 GHz, 1987 - 2017)产品。空间分辨率为0.25°，时间分辨率为1天，数据格式为.tif。
Leander Moesinger
经济活动对人类的生存和发展至关重要。在社会组织和秩序的推动下，人类利用劳动和其他生产资源来交换商品和服务，以创造、转化和实现经济价值。一个国家或地区的经济产出是其在一定时期内创造的经济价值的积累；其中，国内生产总值（GDP）是全球最普遍的指标。该数据集采用自上而下的方法，根据校准后的夜间光照数据，从修订后的实际增长角度来计算1992-2019年间全球1km×1km网格化修订后的真实GDP。网格化数据的范围并未涉及全球所有国家（175个国家或地区的GDP数据）。因此，超出我们研究范围的区域值设置为0。官方GDP数据来自宾夕法尼亚大学世界数据库。此外，将所有图像的投影坐标系设置为Mollweide坐标。
Yu Liu, MingGao
Terra和Aqua组合的中分辨率成像光谱仪(MODIS)陆地覆盖气候模拟网格(CMG)(MCD12C1)Version 6数据产品提供了空间聚合和重投影版本的平铺MCD12Q1 Version 6数据产品。国际地圈-生物圈计划(IGBP)、马里兰大学(UMD)和叶面积指数(LAI)分类方案的地图以0.05 °( 5600米)空间分辨率逐年提供。MCD12C1产品的分类值从0-16，共17种土地类型。
NASA
中国长江上游土地覆盖遥感监测数据来源于中国多时相土地覆盖现状数据库，经过多年的积累而建立的覆盖全国陆地区域的数据库。 该数据集包括1970年代末期（1980年）、1980年代末期（1990年）、1995年、2000年、2005年、2010年、2015年、2018年、2020年数据，数据生产制作是以各期Landsat TM/ETM遥感影像为主要数据源，在前一年数据成果基础上，通过人工目视解译生成，数据可靠、质量较高。 土地利用类型包括耕地、林地、草地、水域、居民地和未利用土地6个一级类型以及25个二级类型。
资源环境科学与数据中心
LPDR是从美国国家航空航天局(美国航空航天局) Aqua 卫星上的先进微波扫描辐射计-地球观测系统(AMSR-E)仪器和 JAXA GCOM-W1卫星上的先进微波扫描辐射计2(AMSR2)传感器在H和V偏振下X波段(10.7 GHz)获得的TB中计算VOD。该数据以25 km空间分辨率提供了长期(2002年6月至2021年12月)的全球关键环境观测记录，时间分辨率为1天，数据格式为EASE_Grid。其中辅助质量控制(QC)位标志文件记录每个25公里网格单元内的平均土地覆盖，并指示其他质量因素，包括丢失Tb观测的非检索条件、冻结表面、积雪覆盖、主动降雨，以及在10.7和18.7 GHz通道中识别的射频干扰(RFI)。
Jinyang Du, John S. Kimball
科佩尼库斯全球陆地服务( CGLS )被指定为陆地服务的一个组成部分，运营一个多用途服务组件，在全球范围内提供一系列关于陆地表面状态和演变的生物地球物理产品。 CGLS-LC100 ( Dynamic Land Cover Map at 100 m Resolution )是CGLS产品组合中的新产品，提供了100 m空间分辨率的全球土地覆盖图。CGLS土地覆盖产品提供了一个初步的土地覆盖方案。除这些离散的类别外，该产品还包括所有基本土地覆盖类别的连续字段层，为土地覆盖类型提供植被/地表覆盖的比例估计。这种连续的分类方案可能比标准分类方案更好地描述异质性土地覆盖的区域，因此，可以为应用定制(例如森林监测、作物监测、生物多样性与保护、非洲环境与安全监测、气候模拟等)。 这些一致的土地覆盖图(v3.0.1)提供了整个全球范围内2015-2019年的土地覆盖图，来源于PROBA-V100m时间序列、高质量土地覆盖训练场地数据库和若干辅助数据集，历年在Level1达到80 %的精度。计划从2020年起通过使用Sentinel时间序列提供年度更新。
Marcel Buchhorn
版本10r是数据集的当前版本。旧版本将不再可用，并被版本10r取代。OCO-2 Lite文件包含偏差校正的XCO2以及其他聚集为日常文件的选择字段。2021年初，OCO团队发现了自2020年1月28日以来处理的OCO-2二级产品的一个问题。辅助几何产品（AGAP）文件是OCO-二级地理定位处理中使用的静态文件。此AGAP文件包含约300 m的指向错误。因此，对2020年1月28日至12月31日期间的所有OCO-2 Level 2 10r版数据文件进行了更正和替换。替换过程于2021 6月底完成。轨道碳观测站是美国航天局的第一个任务，旨在收集大气二氧化碳的空间测量数据，其精度、分辨率和覆盖面都是控制其在大气中积聚的过程所需的。
NASA
此数据集拥有2000-2020年的网格人口密度分布数据,分辨率为1km，投影为地理坐标系WGS84。基于联合国秘书处经济和社会事务部人口司编制的相应联合国官方人口估计数（2019年《世界人口展望》修订版），WorldPop研究团队对模型进行校正，在此基础上采集2001~2015年的西南地区人口空间分布数据，选择其中具有完整乡镇数据人口的地区作为检验样本，进行模型结果检验，最后经过重采样，形成一套具有统一空间坐标参数、统一数据格式、统一元数据标准的2001~2015年西南地区250 m网格人口空间分布数据集。
WorldPOP
此数据集拥有2000~2020年的网格人口分布数据,分辨率为3-arc（约为100m），投影为地理坐标系WGS84。基于联合国秘书处经济和社会事务部人口司编制的相应联合国官方人口估计数（2019年《世界人口展望》修订版），WorldPop研究团队对模型进行校正，在此基础上采集2001~2015年的西南地区人口空间分布数据，选择其中具有完整乡镇数据人口的地区作为检验样本，进行模型结果检验，最后经过重采样，形成一套具有统一空间坐标参数、统一数据格式、统一元数据标准的2001~2015年西南地区250 m网格人口空间分布数据集。
WorldPOP
覆盖中国30个省（直辖市、自治区）（西藏、香港、澳门和台湾因缺少数据，没有计算），是2005-2014历年各省（直辖市、自治区）的数据。数据集包括：（1）农村水贫困指数及其相关指标数据，包括：人均供水量、人均水资源量、农村自来水受益人口比例、节水灌溉面积比重、农村人均纯收入、平均受教育年限、水的生产力、人均生活用水量、农药使用强度和化肥使用强度；（2）农业现代化水平指数及其相关指标数据，包括：农业劳均经济产出、农业劳均主要农产品产量、农业机械化程度和农业灌溉指数；（3）中国农村水贫困与农业现代化水平的耦合协调度与基尼系数。该数据集是在中国统计年鉴、中国农村统计年鉴、中国水利统计年鉴等相关统计数据基础上计算得到。数据集存储为.xlsx格式，1个数据文件，数据量为85.2 KB。该数据集的分析研究成果发表在《地理科学》2018年38卷第5期。
赵雪雁
植被指数（NDVI, Normalized Difference Vegetation Index）可以准确反映地表植被覆盖状况。目前，基于SPOT/VEGETATION以及MODIS等卫星遥感影像得到的NDVI时序数据已经在各尺度区域的植被动态变化监测、土地利用/覆被变化检测、宏观植被覆盖分类和净初级生产力估算等研究中得到了广泛的应用。 中国年度植被指数（NDVI）空间分布数据集(1998-2015年，逐年，1km)是基于连续时间序列的SPOT/VEGETATION NDVI卫星遥感数据，采用最大值合成法生成的1998年以来的年度植被指数数据集。该数据集有效反映了全国各地区在空间和时间尺度上的植被覆盖分布和变化状况，对植被变化状况监测、植被资源合理利用和其它生态环境相关领域的研究有十分重要的参考意义。
徐新良
中国陆地生态系统类型空间分布数据包括1980、1990、1995、2000、2005、2010、2015五年的数据，在遥感解译获取的1：10万比例尺土地利用/土地覆盖数据的基础上，通过对各生态系统类型进行辨识和研究，经过分类处理形成多期中国陆地生态系统类型空间分布数据集，具体划分为7大生态系统类型：（1）农田生态系统（2）森林生态系统（3）草地生态系统（4）水体与湿地生态系统（5）荒漠生态系统（6）聚落生态系统（7）其它生态系统
中国科学院资源环境科学与数据中心
”中国1km陆地生态系统服务价值空间分布数据集“是以全国陆地生态系统类型遥感分类数据为基础，参考谢高地等生态服务价值当量因子法，估算的全国2000年、2005、2010年、2015年和2020年这5个年度的供给服务（食物生产、原料生产、水资源供给）、调节服务（气体调节、气候调节、净化环境、水文调节）、支持服务（土壤保持、维持养分循环、生物多样性）和文化服务（美学景观）共4大类，11种生态系统服务的价值。
徐新良
数据是基于10米分辨率的Sentinel-2数据的2017年中国长江上游及西南地区土地覆盖图（FROM-GLC10)。数据来源于清华大学地球系统科学系宫鹏教授研究组与国内外多家单位合作发表在《科学通报》（Science Bulletin）期刊中的《有限全球样本稳定地表覆盖分类：迁移2015年的30米分辨率样本完成2017年的10米分辨率全球地表覆盖制图》，通过ArcGIS裁剪出中国长江上游及西南地区的相关数据。数据经精度检验后的总体精度达到72.76%，精度较高。高分辨率的全球地表覆盖信息，能够更好地进行环境监测，进而维护人类健康和实现联合国可持续发展目标。
宫鹏
改革开放以来，中国经济的快速发展对土地利用模式产生了深刻的影响。同时，中国又具有复杂的自然环境背景和广阔的陆地面积，其土地利用变化不仅对国家发展，还对全球环境变化产生了重要的影响。为了恢复和重建我国土地利用变化的现代过程，更好地预测、预报土地利用变化趋势，中国科学院在国家资源环境数据库基础上，以美国陆地卫星Landsat遥感影像数据作为主信息源，通过人工目视解译，建成了国家尺度1：10比例尺多时期土地利用/土地覆盖专题数据库。2015年中国土地利用现状遥感监测数据库是以美国陆地卫星Landsat遥感影像作为主要信息源，通过人工目视解译构建的国家尺度1：10比例尺土地利用/土地覆盖专题数据库，精度为30米。数据采用二级分类系统，一级分为耕地、林地、草地、水域、建设用地和未利用土地6类，二级在一级类型基础上进一步分为25个类型。
徐新良
中国2421个国家级气象站点空间分布数据集是中国2421个国家级气象观测站点空间分布数据，数据来源是中科院资源环境科学与数据中心。气象站分为国家基准气象站、国家基本气象站和国家一般气象站共三类；它的类型是中国气象局根据地理分布、区域气候代表性等进行确定的。国家基本气象站（基本站）：大多担负区域或国家气象情报交换任务，是国家天气气候站网中的主体。国家一般气象站（一般站）：获取的观测资料主要用于本省(区、市)和当地的气象服务，也是国家天气气候站网观测资料的补充。
中国科学院资源环境科学与数据中心
中国1980年以来逐年年平均气温空间插值数据集是基于全国2400多个气象站点日观测数据，通过整理、计算和空间插值处理生成。年平均气温单位为0.1摄氏度。平均气温的插值应用的是澳大利亚的ANUSPLIN插值软件，ANUSPLIN是一种采用平滑样条函数对多变量数据进行分析和插值的工具，即使用函数逼近曲面的一种方法，它能够对数据进行合理的统计分析和数据诊断，并可以对数据的空间分布进行分析进而实现空间插值的功能。
中国科学院资源环境科学与数据中心
数据以统计图表和分析说明为主，收录了1999-2015年全国2000多个县（市）及20000多个镇的基本情况、综合经济、农业、工业、基本建设、教育、卫生、社会保障等方面的资料。主要内容包括四个部分：一是县（市）社会经济主要指标；二是分区域县（市）社会经济基本情况，包括山区、丘陵、平原、民族地区、陆地边境县、牧区、半牧区、九大农区、棉花生产大县、扶贫工作重点县等（分区域名单为统计时使用，不做其他用途）；三是按主要经济指标分组县（市）资料，包括按地方财政一般预算收入、农民人均纯收入分组；四是镇的综合情况。篇末另附主要指标解释。
国家统计局
数据以统计图表和分析说明为主，收录1989-2016年全国和各省、自治区、直辖市每年经济和社会各方面大量的统计数据，以及历史重要年份和近二十年的全国主要统计数据，由国家统计局每年出版发行，是我国最全面、最具权威性的综合统计年鉴。年鉴正文内容一般分为20余个篇章，于不同年份根据经济社会发展的不同情况略有调整。如：1、行政区划和自然资源；2、综合；3、国民经济核算；4、人口；5、就业人员和职工工资；6、固定资产投资；7、能源；8、财政；9、价格指数；10、人民生活；11、城市概况；12、环境保护；13、农业；14、工业；15、建筑业；16、运输和邮电；17、国内贸易；18、对外经济贸易；19、旅游；20、金融业；21、教育和科技；22、文化、体育和卫生；23、其他社会活动；24、香港特别行政区主要社会经济指标；25、澳门特别行政区主要社会经济指标；等。同时附录两个篇章：台湾省主要社会经济指标和我国经济、社会统计指标同世界主要国家比较。为方便读者使用，各篇章前设有《简要说明》，对该篇章的主要内容、资料来源、统计范围、统计方法以及历史变动情况予以简要概述，篇末附有《主要统计指标解释》。
国家统计局
《中国人口和就业统计年鉴1995-2017》是一部以全面反映我国1994-2016年人口和就业状况为主的资料性年刊，收集了全国和各省、自治区、直辖市人口就业统计的主要数据，同时附录了世界部分国家和地区的相关数据。 本年鉴内容分为八部分：综合数据；年度全国人口变动情况抽样调查数据；年度劳动力抽样调查主要数据；年度城镇单位就业人员统计数据；年度全国户籍统计人口数据；年度全国计划生育统计人口数据；世界部分国家及地区人口和就业统计数据；年度人口变动和劳动力调查制度说明及主要统计指标解释。
国家统计局
《中国区域经济统计年鉴2001-2014》数据是全面、系统反映中国2000-2013年区域经济与社会发展状况的大型统计资料书。本书资料来源于各级政府统计年报或相关的抽样调查资料，系统收集了2010年全国及其10个经济区域、31个省级行政单位、330多个地级行政单位和2000多个县级行政单位的主要社会经济统计指标。主要内容涵盖自然资源、人口与就业、国民核算、固定资产投资、财政、物价、人民生活、农业、工业、建筑业、运输邮电业、国内贸易、对外经济贸易、旅游、金融保险、教育、科技、文化、卫生、社会福利、环境保护和市政建设等社会经济发展的各个方面。
国家统计局
《中国气象年鉴》是中国气象局主办的大型资料性期刊，主要记载1985-2014年全国气象部门及有关单位的业务、科研、教育等方面的基本情况及进展，以及全国天气气候综述与影响评价和气象服务的社会经济效益，每年一期，具有综合、翔实资料性工具书特征。《中国气象年鉴》的栏目设：特载；大事记；气象工作综合情况；各省、自治区、直辖市气象工作情况；中国气象局直属单位工作情况；其他部门气象工作情况；全国天气气候综述与影响评价；气象服务效益事例选编；大气科学进展述评；人物；重要会议和活动；统计资料及全书附录。
国家统计局
一、数据“中国农业年鉴1980-2017”是反映中国1979-2016年种植业、林业、畜牧业、兽医事业、渔业、农产品加工业、农垦、农机、农村经营管理等方面情况的大型资料性工具书。统计资料包括：综合；种植业；畜牧业；生猪屠宰行业；饲料工业；渔业；农垦；农业机械化；农产品成本与收益；农村居民收入。 二、年鉴撰稿人主要是各有关涉农主管部门和研究机构的工作人员；统计资料由国家统计局、农业部、国家林业局、水利部、中国气象局、海关总署等有关部门提供。 三、各省、自治区、直辖市按行政区划顺序排列。 四、本年鉴所含资料的时间界限一般为标题年份的上一年年底。 五、各部类的资料数据，仅限于内地31个省、自治区、直辖市的材料。各项总产值，未加说明者均是当年价格，比上年增长速度都按可比价格计算。 六、本年鉴的内容在遵守四项基本原则的前提下，实行文责自负。
国家统计局
数据由国家粮食局、国家发展改革委、农业部、国家统计局和各地粮食行政管理部门等相关部门领导和权威专家亲自撰稿，全面、系统地记述了2005-2014年的年度全国和各地粮食工作的主要情况，刊载有重要的粮食政策法规文件和完备的统计资料，与国家粮食局主办并委托中国粮食研究培训中心组织编撰出版的《中国粮食发展报告》联袂成为姊妹篇。 数据由综述、专文、全国粮食工作、各地粮食工作、粮食政策与法规文件、附录等六部分组成。
国家统计局
一、本数据“中国教育统计年鉴1949-2015”逐年反映全国1949-2014年教育改革和发展情况的资料性工具书。 二、它是各级教育行政部门、各级各类学校执行党和国家的教育法律法规与方针政策、做好教育工作的经验总结，是中国教育事业发展进程的真实记录。 三、编纂本书是为教育管理决策、教育科研提供参考；为教育战线沟通信息、交流经验开辟园地；为宣传中国教育改革与发展成就设立窗口；并为热心关注和研究中国教育的读者提供信息资料。
教育部
数据是国土资源部发布的1999-2015年中国国土资源信息，既有中国国土资源各行业全面情况的综合文字材料，又有系统的统计资料，并对中国国土资源开发进行政策指导、信定、服务和对外交流的国土资源部机关刊，全面反映土地、矿产、海洋和测绘四个方面工作进展情况。统计范围是全国土地资源、矿产资源、海洋资源，国土资源调查、勘查，国家、省（自治区、直辖市）、市（地）、县四级自然资源行政主管部门对土地资源、矿产资源的行政管理和国家对海洋资源的行政管理，国土资源科学技术研究和测绘与地理信息。内容包括国土资源调查、勘查，国土资源开发利用，国土资源行政管理，国土资源科学技术研究，测绘和其他资料。
国家统计局
一、数据介绍：《中国城乡建设统计年鉴》是一部全面反映我国城乡市政公用设施建设与发展状况，中国城乡建设全貌的统计年鉴。 二、设市的城市的城区： 市本级： （1）街道办事处所辖地域； （2）城市公共设施、居住设施和市政公用设施等连接到的其他镇（乡）地域； （3）常住人口在3000人以上独立的工矿区、开发区、科研单位、大专院校等特殊区域。 县城： （1）县政府驻地的镇、乡或街道办事处地域（城关镇）； （2）县城公共设施、居住设施和市政公用设施等连接到的其他镇（乡）地域； （3）常住人口在3000人以上独立的工矿区、开发区、科研单位、大专院校等特殊区域。 此次分享的年份跨度为2005-2013年，所有年份均为Excel格式。
中华人民共和国住房和城乡建设部
一、《中国城市统计年鉴》是全面反映中国城市社会经济发展情况的资料性年刊。本数据收录了1988-2011年全国各级城市社会经济发展方面的主要统计数据。 二、本年鉴内容共分四个部分：第一部分是全国城市行政区划，列有不同区域、不同级别的城市分布情况；第二、三部分分别是地级以上城市统计资料和县级城市统计资料，具体包括人口、资源环境、经济发展、科技创新、人民生活、公共服务、基础设施等方面的数据；第四部分是附录，为主要统计指标解释。需要说明的是，从1997年开始，地级以上城市和县级城市分别采用不同的统计制度，有些指标在两类城市之间不具有可比性，故本年鉴将地级以上城市和县级城市统计资料分为独立的两部分。
国家统计局
一、数据是由重庆市统计局和国家统计局重庆调查总队编纂、中国统计出版社公开出版发行的一部全面记录重庆市经济建设和社会发展情况的大型资料性年刊。数据收录了重庆市历史重要年份和1989-2016年经济和社会各方面的统计数据，以及各区县（自治县）主要统计资料。 二、每份年鉴共二十二章，包括：1.综合;2.国民经济核算;3.人口与就业;4.固定资产投资;5.能源消费;6.财政;7.人民生活与物价;8.城镇建设;9.资源和环境;10.要素市场;11.农业和农村经济;12.工业;13.建筑业;14.运输和邮电;15.国内贸易;16.对外经济贸易和旅游业;17.金融业;18.教育、科技和文化业;19. 卫生、体育和其他社会活动;20.区县;21.三峡工程重庆库区移民;22.基本单位名录库。同时附录一个篇章：全国及各省（自治区、直辖市）主要统计资料。每章前设《简要说明》，介绍本章节的主要内容和资料来源，章末附有《主要统计指标解释》。 三、本年鉴统计资料：大部分数据来自统计年报，部分来自抽样调查。 四、本年鉴所使用的度量衡单位均采用国际统一标准计量单位；各种分类标准均采用国家统一分类标准。 五、部分数据的合计数或相对数，由于计量单位取舍不同而产生的计算误差未作机械调整。 六、本年鉴各表的部分指标注解位于该表下方或最后一张续表的下方。 七、符号使用说明：年鉴各表中的“空格”表示该项统计指标数据不足本表最小单位数、数据不详或无该项数据；“＃”表示其中的主要项。
国家统计局
一、数据是一部全面反映云南省国民经济和社会发展情况的统计资料工具书，汇集了全省及各州市、县(市、区)1989-2016年和主要年份经济和社会发展主要统计数据。 二、每份年鉴全书共18章，即:1.省情概况;2.国民经济核算;3.固定资产投资;4.城乡市场消费;5.公共财政;6.对外经济贸易;7.农业和农村;8.工业和能源;9.建筑业和房地产业;10.交通运输、通信和服务业;11.金融和保险业;12.旅游业;13.教育、科技和文化业;14.卫生、体育和社会管理;15.人口与就业;16.资源与环境;17.民族自治地方经济概况;18.县域经济概况。 三、本年鉴每个章节后附有主要统计指标解释，对主要统计指标的含义、统计范围和统计方法作了简要说明。本年鉴的资料来源，大部分来自年度统计报表。由于统计口径范围和调查方法的差别，部分指标各州市、县(市、区)数字相加可能不等于全省总计，对于一些统计指标的统计口径范围发生变化的，相关年份的年鉴对有关数据作了相应的调整，并在有关统计表中作了解释，在使用中请注意。 四、度量衡单位均采用国家颁布的国际统一标准计量单位。本年鉴中对计量单位进一步统一调整，符号使用说明：“空格”表示无该项统计指标数据，或不足本表最小单位数，或资料不详；“#”表示指标的其中项。
国家统计局
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
一、数据是全面反映四川省国民经济和社会发展情况的大型资料性年刊，收录了四川省1989-2016年和重要年份的主要统计数据，以及各市、县（区）1989-2016年的主要统计数据。 二、每个年份的统计年鉴分为23个篇章，即：一、综合;二、国民经济核算;三、人口;四、就业人员和工资;五、固定资产投资;六、能源;七、资源和环境;八、财政和物价;九、人民生活和社会保障;十、城市概况;十一、民族自治地方概况;十二、县(市、区)概况;十三、农业;十四、工业;十五、建筑业;十六、交通运输、邮电和通讯;十七、国内贸易;十八、对外经济贸易和旅游;十九、金融和保险;二十、教育、科技和专利;二十一、文化、体育和卫生;二十二、其他社会活动;二十三、法人单位概况。为便于读者更直观地了解全书内容和正确使用资料，每篇章末尾附有主要统计指标解释。 三、资料中所使用的度量街单位均采用国际统一标准计量单位。 四、本年鉴部分合计数由于其中数的小数点位数取舍不同而产生的计算误差未作机械调整。 五、年鉴所涉及的历史数据，凡与其他年份年鉴资料有所出入的，均以最新出版的为准。 六、年鉴的资料来源：主要来自自治区统计局的常规统计年报、各类抽样调查、普查。部分篇章和指标的内容由相关区直单位（部门）提供，自治区统计局对这些指标数据没有解释及说明的权力和能力。
国家统计局
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
MCD12Q1 V6产品每年提供土地覆盖类型( 2001-2020年)，来自六种不同的分类方案，一般采用的是第一个数据集Land cover type1(LC_Type1)IGBP的分类体系，因为其数据类型最为丰富，一共17种土地类型；其中包括11个自然植被类型，3个土地开发和镶嵌的地类和3个非草木土地类型定义类。它是利用MODIS Terra和Aqua反射率数据的监督分类得出的。然后对监督分类进行附加的后处理，其中包括先验知识和辅助信息，以进一步细化特定类。数据空间分辨率为500m。
NASA
哨兵2号（Sentinel-2）包含两颗卫星，两颗相同的SENTINEL-2卫星同时运行，相位差180°，在平均海拔786 km的太阳同步轨道上运行。每个SENTINEL-2卫星在其轨道上的位置由双频全球导航卫星系统（GNSS）接收器测量。通过专用推进系统维持轨道精度。每颗卫星配备了最先进的多光谱成像仪（Multi Spectral Instrument ，MSI），可提供高分辨率的光学成像。分辨率为25米，覆盖波段13个（本数据经过筛选保留了常用的8个波段-2、3、4、5、6、8、8A）。可有效用于土地利用和变化检测制图、提供土地覆盖的支持、救灾支持、气候变化监测等。
欧空局哥白尼数据中心
PALSAR拼接数据产品是通过JAXA对PALSAR和PALSAR-2的全球基本观测方案观察到的SAR反向散射图像的长路径组合而成的。以Gamma-0背向散射的形式提供的，其地理坐标为0.8秒（在赤道约为25米）的像素间距。时间间隔为年度，PALSAR-2的拼接数据可用于2015-2021年的时间段，PALSAR的拼接数据可用于2007-2010年。本数据经过数据筛选，数据裁剪等操作，获取了长江中上游地区HH和HV极化的ALOS PALSAR-2的数据。可用于P波段微波应用的研究。
ALOS-2/ALOS Science Project, ALOS-2/ALOS Science Project
本数据来自2022年1月1日-8月26日在重庆市金佛山喀斯特生态系统国家野外科学观测研究虎头村农田观测场（E106.3192621°；N29.76271°，海拔473m）的TDP观测数据。TDP观测系统每套共8组探头，观测树种为山茶树和桂花树。根据树木的不同高度及胸径，选取样树安装TDP(Thermal Dissipation sap flow velocity Probe, 热扩散液流计)，采用国产TDP插针式热扩散植物茎流计，型号为TDP30。选取的样地位于通量观测塔南侧3米，以此代表整个区域进行树干液流的测量。探针安装高度为1.3米，安装方位为样树东南、西南和正北方向。TDP的原始观测数据为探针之间的温度差，采集频率为30秒，平均时间为10分钟，一天144组数据，缺失数据标记为NAN。
孔德兵
本数据来自2022年1月1日-8月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究柑研所果园观测场（E106.3817569°；N29.76232°，海拔231m）的TDP观测数据。TDP观测系统每套共8组探头，观测树种为柚子树。根据树木的不同高度及胸径，选取样树安装TDP(Thermal Dissipation sap flow velocity Probe, 热扩散液流计)，采用国产TDP插针式热扩散植物茎流计，型号为TDP30。选取的样地位于通量观测塔南侧3米，以此代表整个区域进行树干液流的测量。探针安装高度为1.3米，安装方位为样树东南、西南和正北方向。TDP的原始观测数据为探针之间的温度差，采集频率为30秒，平均时间为10分钟，一天144组数据，缺失数据标记为NAN。
孔德兵
本数据来自2021年1月17日-12月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究虎头村农田观测场（E106.3192621°；N29.76271°，海拔473m）的TDP观测数据。TDP观测系统每套共8组探头，观测树种为山茶树和桂花树。根据树木的不同高度及胸径，选取样树安装TDP(Thermal Dissipation sap flow velocity Probe, 热扩散液流计)，采用国产TDP插针式热扩散植物茎流计，型号为TDP30。选取的样地位于通量观测塔南侧3米，以此代表整个区域进行树干液流的测量。探针安装高度为1.3米，安装方位为样树东南、西南和正北方向。TDP的原始观测数据为探针之间的温度差，采集频率为30秒，平均时间为10分钟，一天144组数据，缺失数据标记为NAN。
孔德兵
本数据来自2020年1月1日-5月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究站隐仙洞原生林观测场（E107°11′38.8″；N29°4′3.2″，海拔1194m）的开路涡度观测数据。观测场下垫面为金佛山北坡原生林、涡动相关仪的架高3m，采样频率是10Hz，超声朝向是正北向，超声风速温度仪CSAT3B与CO2/H2O分析仪LI-7500RS之间的距离是15cm。观测数据的平均周期为30分钟，一天48组数据，缺失数据标记为NAN。数据时间的含义，如0:30代表0:00-0:30的平均。
孔德兵
本数据来自2019年1月1日-12月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究站隐仙洞原生林观测场（E107°11′38.8″；N29°4′3.2″，海拔1194m）的开路涡度观测数据。观测场下垫面为金佛山北坡原生林、涡动相关仪的架高3m，采样频率是10Hz，超声朝向是正北向，超声风速温度仪CSAT3B与CO2/H2O分析仪LI-7500RS之间的距离是15cm。观测数据的平均周期为30分钟，一天48组数据，缺失数据标记为NAN。数据时间的含义，如0:30代表0:00-0:30的平均。
孔德兵
本数据来自2021年1月1日-12月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究柑研所果园观测场（E106.3817569°；N29.76232°，海拔231m）的TDP观测数据。TDP观测系统每套共8组探头，观测树种为柚子树。根据树木的不同高度及胸径，选取样树安装TDP(Thermal Dissipation sap flow velocity Probe, 热扩散液流计)，采用国产TDP插针式热扩散植物茎流计，型号为TDP30。选取的样地位于通量观测塔南侧3米，以此代表整个区域进行树干液流的测量。探针安装高度为1.3米，安装方位为样树东南、西南和正北方向。TDP的原始观测数据为探针之间的温度差，采集频率为30秒，平均时间为10分钟，一天144组数据，缺失数据标记为NAN。
孔德兵
本数据来自2018年4月1日-12月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究站隐仙洞原生林观测场（E107°11′38.8″；N29°4′3.2″，海拔1194m）的开路涡度观测数据。观测场下垫面为金佛山北坡原生林、涡动相关仪的架高3m，采样频率是10Hz，超声朝向是正北向，超声风速温度仪CSAT3B与CO2/H2O分析仪LI-7500RS之间的距离是15cm。观测数据的平均周期为30分钟，一天48组数据，缺失数据标记为NAN。数据时间的含义，如0:30代表0:00-0:30的平均。
孔德兵
本数据来自2022年1月1日-8月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究站烂坝靖半山腰原生林观测场（E107°8′20.4″；N29°1′12″，海拔1525m）的闭路涡度观测数据。观测场下垫面为金佛山西坡原生林、涡动相关仪的架高24m，采样频率是10Hz，超声朝向是正北向，超声风速温度仪CSAT3A与CO2/H2O分析仪EC155之间的距离是15cm。观测数据的平均周期为30分钟，一天48组数据，缺失数据标记为NAN。数据时间的含义，如0:30代表0:00-0:30的平均。
孔德兵
本数据来自2020年1月1日-12月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究柑研所果园观测场（E106.3817569°；N29.76232°，海拔231m）的TDP观测数据。TDP观测系统每套共8组探头，观测树种为柚子树。根据树木的不同高度及胸径，选取样树安装TDP(Thermal Dissipation sap flow velocity Probe, 热扩散液流计)，采用国产TDP插针式热扩散植物茎流计，型号为TDP30。选取的样地位于通量观测塔南侧3米，以此代表整个区域进行树干液流的测量。探针安装高度为1.3米，安装方位为样树东南、西南和正北方向。TDP的原始观测数据为探针之间的温度差，采集频率为30秒，平均时间为10分钟，一天144组数据，缺失数据标记为NAN。
孔德兵
本数据来自2021年1月1日-12月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究站烂坝靖半山腰原生林观测场（E107°8′20.4″；N29°1′12″，海拔1525m）的闭路涡度观测数据。观测场下垫面为金佛山西坡原生林、涡动相关仪的架高24m，采样频率是10Hz，超声朝向是正北向，超声风速温度仪CSAT3A与CO2/H2O分析仪EC155之间的距离是15cm。观测数据的平均周期为30分钟，一天48组数据，缺失数据标记为NAN。数据时间的含义，如0:30代表0:00-0:30的平均。
孔德兵
本数据来自2021年1月1日-12月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究隐仙洞原生林观测场（E107.1941206°；N29.06757°，海拔1194m）的TDP观测数据。TDP观测系统每套共8组探头，观测树种为松树。根据树木的不同高度及胸径，选取样树安装TDP(Thermal Dissipation sap flow velocity Probe, 热扩散液流计)，采用国产TDP插针式热扩散植物茎流计，型号为TDP30。样地依次为TDP-1点，TDP-2点和TDP-3点，位于通量观测塔南侧30米。样树高度从高到低依次为TDP-2、TDP-1、TDP-3，胸径从大到小依次为TDP-2、TDP-3、TDP-1，以此代表整个区域进行树干液流的测量。探针安装高度为1.3米，安装方位为样树东南、西南和正北方向。TDP的原始观测数据为探针之间的温度差，采集频率为30秒，平均时间为10分钟，一天144组数据，缺失数据标记为NAN。
孔德兵
本数据来自2020年1月1日-12月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究隐仙洞原生林观测场（E107.1941206°；N29.06757°，海拔1194m）的TDP观测数据。TDP观测系统每套共8组探头，观测树种为松树。根据树木的不同高度及胸径，选取样树安装TDP(Thermal Dissipation sap flow velocity Probe, 热扩散液流计)，采用国产TDP插针式热扩散植物茎流计，型号为TDP30。样地依次为TDP-1点，TDP-2点和TDP-3点，位于通量观测塔南侧30米。样树高度从高到低依次为TDP-2、TDP-1、TDP-3，胸径从大到小依次为TDP-2、TDP-3、TDP-1，以此代表整个区域进行树干液流的测量。探针安装高度为1.3米，安装方位为样树东南、西南和正北方向。TDP的原始观测数据为探针之间的温度差，采集频率为30秒，平均时间为10分钟，一天144组数据，缺失数据标记为NAN。
孔德兵
本数据来自2019年1月1日-12月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究隐仙洞原生林观测场（E107.1941206°；N29.06757°，海拔1194m）的TDP观测数据。TDP观测系统每套共8组探头，观测树种为松树。根据树木的不同高度及胸径，选取样树安装TDP(Thermal Dissipation sap flow velocity Probe, 热扩散液流计)，采用国产TDP插针式热扩散植物茎流计，型号为TDP30。样地依次为TDP-1点，TDP-2点和TDP-3点，位于通量观测塔南侧30米。样树高度从高到低依次为TDP-2、TDP-1、TDP-3，胸径从大到小依次为TDP-2、TDP-3、TDP-1，以此代表整个区域进行树干液流的测量。探针安装高度为1.3米，安装方位为样树东南、西南和正北方向。TDP的原始观测数据为探针之间的温度差，采集频率为30秒，平均时间为10分钟，一天144组数据，缺失数据标记为NAN。
孔德兵
本数据来自2018年3月6日-12月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究隐仙洞原生林观测场（E107.1941206°；N29.06757°，海拔1194m）的TDP观测数据。TDP观测系统每套共8组探头，观测树种为松树。根据树木的不同高度及胸径，选取样树安装TDP(Thermal Dissipation sap flow velocity Probe, 热扩散液流计)，采用国产TDP插针式热扩散植物茎流计，型号为TDP30。样地依次为TDP-1点，TDP-2点和TDP-3点，位于通量观测塔南侧30米。样树高度从高到低依次为TDP-2、TDP-1、TDP-3，胸径从大到小依次为TDP-2、TDP-3、TDP-1，以此代表整个区域进行树干液流的测量。探针安装高度为1.3米，安装方位为样树东南、西南和正北方向。TDP的原始观测数据为探针之间的温度差，采集频率为30秒，平均时间为10分钟，一天144组数据，缺失数据标记为NAN。
孔德兵
本数据来自2021年1月1日-12月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究隐仙洞原生林观测场（E107.1941206°；N29.06757°，海拔1194m）的蒸渗仪观测数据。站点下垫面为金佛山北坡原生林。蒸渗仪的采集频率是1Hz，发布数据为10min输出数据。蒸渗仪为圆柱形结构，表面积为1m2，土柱埋深1.5m，蒸散量观测精度为0.01mm。蒸渗仪安装有三台，位于通量塔南侧30米原生林中，均保持裸土状态。观测数据的处理与质量控制：（1）确保每天144个数据（每10min），若出现数据的缺失或超量程数据，则由NAN标示；（3）日期和时间的格式统一。如，时间为：2020-6-10 10:30；
孔德兵
本数据来自2020年1月1日-12月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究隐仙洞原生林观测场（E107.1941206°；N29.06757°，海拔1194m）的蒸渗仪观测数据。站点下垫面为金佛山北坡原生林。蒸渗仪的采集频率是1Hz，发布数据为10min输出数据。蒸渗仪为圆柱形结构，表面积为1m2，土柱埋深1.5m，蒸散量观测精度为0.01mm。蒸渗仪安装有三台，位于通量塔南侧30米原生林中，均保持裸土状态。观测数据的处理与质量控制：（1）确保每天144个数据（每10min），若出现数据的缺失或超量程数据，则由NAN标示；（3）日期和时间的格式统一。如，时间为：2020-6-10 10:30；
孔德兵
本数据来自2019年1月1日-12月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究隐仙洞原生林观测场（E107.1941206°；N29.06757°，海拔1194m）的蒸渗仪观测数据。站点下垫面为金佛山北坡原生林。蒸渗仪的采集频率是1Hz，发布数据为10min输出数据。蒸渗仪为圆柱形结构，表面积为1m2，土柱埋深1.5m，蒸散量观测精度为0.01mm。蒸渗仪安装有三台，位于通量塔南侧30米原生林中，均保持裸土状态。观测数据的处理与质量控制：（1）确保每天144个数据（每10min），若出现数据的缺失或超量程数据，则由NAN标示；（3）日期和时间的格式统一。如，时间为：2020-6-10 10:30；
孔德兵
样地内林木起测胸径拟采用5cm，称为样木，不观测胸径小于5cm的小树，需要记录小树的株数。 树种识别：基于调查人员的树木学知识结合林场造林资料识别树种。 胸径测量：采用胸径尺，观测1.3m高度处的样木胸径，若被测单木位于山坡上，调查人员应站在上坡位置进行测量。 树高测量：采用激光测高计，测量样木根部到样地顶部之间的垂直距离。 枝下高测量：利用激光测高仪进行单木枝下高的测量。 生物量计算：样地生物量是每个样地单木生物量加和，单位kg，生物量计算公式参见生物量计算行业标准文件夹下的行业标准文件和相关论文。 平均数高：样地平均树高为所有单木的树高平均值。
钱凤
本数据来自2018年4月12日-12月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究隐仙洞原生林观测场（E107.1941206°；N29.06757°，海拔1194m）的蒸渗仪观测数据。站点下垫面为金佛山北坡原生林。蒸渗仪的采集频率是1Hz，发布数据为10min输出数据。蒸渗仪为圆柱形结构，表面积为1m2，土柱埋深1.5m，蒸散量观测精度为0.01mm。蒸渗仪安装有三台，位于通量塔南侧30米原生林中，均保持裸土状态。观测数据的处理与质量控制：（1）确保每天144个数据（每10min），若出现数据的缺失或超量程数据，则由NAN标示；（3）日期和时间的格式统一。如，时间为：2020-6-10 10:30；
孔德兵
植被荧光自动观测系统架设于重庆市北碚区虎头村喀斯特生态系统野外观测研究站（106.3191E, 29.7627N），观测系统距离地面垂直高度为10 m，下垫面为桂花树等绿化乔木。荧光自动观测系统采用QE65 Pro光谱仪，与LI7500RS涡度观测系统实现同步观测。全天候植被荧光观测系统是基于760nm 和687 nm 附近的O2-A和O2-B 暗线内外的波谱观测值，通过3FLD、SFM等算法提取日光诱导叶绿素荧光。本设备的核心工作是准同步地测量太阳入射辐照度和植被冠层上行的表观辐亮度。其中太阳入射辐照度通过带余弦校正器的光纤向上观测获取，植被冠层上行的表观辐亮度通过另一光纤观测冠层获取，然后数据通过光纤传输到主机，并进行运算。SIF观测时间长度：2020年10月1日至11月30日。其中，10月18日 数据缺失；10月8日、10月20日、11月20日 数据不全。SIF荧光观测数据单位：mW/m2/nm/sr
汤旭光
本数据来自2019年12月1日-2020年12月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究站烂坝靖半山腰原生林观测场（E107°8′20.4″；N29°1′12″，海拔1525m）的闭路涡度观测数据。观测场下垫面为金佛山西坡原生林、涡动相关仪的架高24m，采样频率是10Hz，超声朝向是正北向，超声风速温度仪CSAT3A与CO2/H2O分析仪EC155之间的距离是15cm。观测数据的平均周期为30分钟，一天48组数据，缺失数据标记为NAN。数据时间的含义，如0:30代表0:00-0:30的平均。
孔德兵
本数据来自2022年1月1日-8月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究站虎头村农田观测场（E106°19′9.3″；N29°45′45.7″，海拔473m）的开路涡度观测数据。观测场下垫面为山茶树丛、涡动相关仪的架高5m，采样频率是10Hz，超声朝向是正北向，超声风速温度仪Windmaster与CO2/H2O分析仪LI-7500RS之间的距离是15cm。观测数据的平均周期为30分钟，一天48组数据，缺失数据标记为NAN。数据时间的含义，如0:30代表0:00-0:30的平均。
孔德兵
本数据来自2021年10月1日-12月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究站虎头村农田观测场（E106°19′9.3″；N29°45′45.7″，海拔473m）的开路涡度观测数据。观测场下垫面为山茶树丛、涡动相关仪的架高5m，采样频率是10Hz，超声朝向是正北向，超声风速温度仪Windmaster与CO2/H2O分析仪LI-7500RS之间的距离是15cm。观测数据的平均周期为30分钟，一天48组数据，缺失数据标记为NAN。数据时间的含义，如0:30代表0:00-0:30的平均。
孔德兵
本数据来自2020年1月1日-12月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究站虎头村农田观测场（E106°19′9.3″；N29°45′45.7″，海拔473m）的开路涡度观测数据。观测场下垫面为山茶树丛、涡动相关仪的架高5m，采样频率是10Hz，超声朝向是正北向，超声风速温度仪Windmaster与CO2/H2O分析仪LI-7500RS之间的距离是15cm。观测数据的平均周期为30分钟，一天48组数据，缺失数据标记为NAN。数据时间的含义，如0:30代表0:00-0:30的平均。
孔德兵
叶片采集地点分别选择在槽上、柑橘研究所、虎头村三个无人机飞行区域采集该地区优势物种的新鲜叶片，同时，叶片采集点与SPAD-2、LAI测量点、光合有效辐射测量点吻合。分别在虎头村采集105份样本，在槽上 采集180份样本，在柑橘研究所采集120份样本，共31个物种。高等植物光合作用过程中利用的光能是通过叶绿体色素(光合色素)吸收的。叶绿体色素由叶绿素a、叶绿素b、胡萝卜素和叶黄素组成。叶绿素不溶于水，溶于有机溶剂，可用多种有机溶剂，如丙酮、乙醇或二甲基亚砜等研磨提取或浸泡提取。叶绿色素在特定提取溶液中对特定波长的光有最大吸收，用分光光度计测定在该波长下叶绿素溶液的吸光度(也称为光密度)，再根据叶绿素在该波长下的吸收系数即可计算叶绿素含量。
钱凤
本数据来自2018年10月1日-2019年12月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究站虎头村农田观测场（E106°19′9.3″；N29°45′45.7″，海拔473m）的开路涡度观测数据。观测场下垫面为山茶树丛、涡动相关仪的架高5m，采样频率是10Hz，超声朝向是正北向，超声风速温度仪Windmaster与CO2/H2O分析仪LI-7500RS之间的距离是15cm。观测数据的平均周期为30分钟，一天48组数据，缺失数据标记为NAN。数据时间的含义，如0:30代表0:00-0:30的平均。
孔德兵
本数据来自2022年1月1日8月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究站柑研所果园观测场（E106°22′54.3″；N29°45′44.3″，海拔231m）的闭路涡度观测数据。观测场下垫面为柑橘、柚子树丛、涡动相关仪的架高4m，采样频率是10Hz，超声朝向是正北向，超声风速温度仪CSAT3A与CO2/H2O分析仪EC155之间的距离是15cm。观测数据的平均周期为30分钟，一天48组数据，缺失数据标记为NAN。数据时间的含义，如0:30代表0:00-0:30的平均。
孔德兵
本数据来自2021年1月1日-12月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究站柑研所果园观测场（E106°38′1.8″；N29°76′23 .2″，海拔231m）的闭路涡度观测数据。观测场下垫面为柑橘、柚子树丛、涡动相关仪的架高4m，采样频率是10Hz，超声朝向是正北向，超声风速温度仪CSAT3A与CO2/H2O分析仪EC155之间的距离是15cm。观测数据的平均周期为30分钟，一天48组数据，缺失数据标记为NAN。数据时间的含义，如0:30代表0:00-0:30的平均。
孔德兵
植被覆盖度指植被（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比。植被的覆盖度可分为高、中高、中、低四种覆盖类型。覆盖度的检测主要有地表实测法和遥感监测法。获得产品为地面测量点规则采集的清晰相片，相片包含植被和裸土或者植被和天空，相片中植被在整个相片中所占比例为该相片的植被覆盖度，相同地面测量点的植被覆盖度均值为该地面观测点的植被覆盖度。植被覆盖度是衡量地表植被状况的一个重要指标，是描述生态系统的重要基础数据，也是区域生态系统环境变化的重要指示，对水文、生态、区域变化等都具有重要意义。植被覆盖度为植被在地面的垂直投影面积占统计区总面积的百分比，它的取值范围为0-1，植被越茂盛，覆盖度越大，反之越小，大于1或者小于0的值为错误值。
马明国
本数据来自2019年12月1日-2020年12月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究站柑研所果园观测场（E106°38′1.8″；N29°76′23 .2″，海拔231m）的闭路涡度观测数据。观测场下垫面为柑橘、柚子树丛、涡动相关仪的架高4m，采样频率是10Hz，超声朝向是正北向，超声风速温度仪CSAT3A与CO2/H2O分析仪EC155之间的距离是15cm。观测数据的平均周期为30分钟，一天48组数据，缺失数据标记为NAN。数据时间的含义，如0:30代表0:00-0:30的平均。
孔德兵
本数据来自2022年1月1日-8月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究站槽上退耕观测场（E106°26′32.9″；N29°47′14.8″，海拔591m）的闭路涡度观测数据。观测场下垫面为退耕地灌木丛、涡动相关仪的架高5m，采样频率是10Hz，超声朝向是正北向，超声风速温度仪CSAT3B与CO2/H2O分析仪EC155之间的距离是15cm。观测数据的平均周期为30分钟，一天48组数据，缺失数据标记为NAN。数据时间的含义，如0:30代表0:00-0:30的平均。
孔德兵
本数据来自2021年1月1日-12月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究站槽上退耕观测场（E106°26′32.9″；N29°47′14.8″，海拔591m）的闭路涡度观测数据。观测场下垫面为退耕地灌木丛、涡动相关仪的架高5m，采样频率是10Hz，超声朝向是正北向，超声风速温度仪CSAT3A与CO2/H2O分析仪EC155之间的距离是15cm。观测数据的平均周期为30分钟，一天48组数据，缺失数据标记为NAN。数据时间的含义，如0:30代表0:00-0:30的平均。
孔德兵
本数据来自2019年1月1日-2020年12月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究站槽上退耕观测场（E106°26′32.9″；N29°47′14.8″，海拔591m）的闭路涡度观测数据。观测场下垫面为退耕地灌木丛、涡动相关仪的架高5m，采样频率是10Hz，超声朝向是正北向，超声风速温度仪CSAT3A与CO2/H2O分析仪EC155之间的距离是15cm。观测数据的平均周期为30分钟，一天48组数据，缺失数据标记为NAN。数据时间的含义，如0:30代表0:00-0:30的平均。
孔德兵
一、数据系统收录了1989-2016年贵州省国民经济和社会发展等各方面统计数据，改革开放以来特别是2015年以来的主要统计数据，全省各市（州）、县（市、区、特区）和全国及各省（区、市）主要统计数据，是反映贵州省情的重要工具书之一。 二、本年鉴包括26个部分：综合，国民经济核算，人口，就业人员和职工工资，固定资产投资，对外经济贸易，能源财政税收，价格指数，人民生活，城市概况，资源和环境，农业，工业，建筑业，运输和邮电，批发、零售、住宿和餐饮业，旅游业，金融业，教育，科学技术，文化、体育和卫生，社会服务及其他，民族自治地方，市(州)、县(市、区、特区)资料，全国及各省(区、市)资料。为便于读者了解和使用统计数据，在每部分首页作简要说明，后面附有主要统计指标解释。 三、本年鉴中，凡由有关部门(单位)提供的数据均在表下注明数据来源，部分指标统计范围、口径发生变化的在表下均有注释，使用时请读者注意。 四、本年鉴中部分数据合计数或相对数由于计算单位或取舍不同而产生的计算误差，均未作机械调整。 五、本年鉴表中符号使用说明：“…”表示数据不足最小计量单位，“空格”表示该统计指标数据不详或无数据，“#”表示为上级指标的其中项。
国家统计局
本数据来自2022年1月1日-8月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究站槽上退耕观测场（E106°26′32.9″；N29°47′14.8″，海拔591m）的开路涡度观测数据。观测场下垫面为退耕地灌木丛、涡动相关仪的架高5m，采样频率是10Hz，超声朝向是正北向，超声风速温度仪CSAT3B与CO2/H2O分析仪LI-7500RS之间的距离是15cm。观测数据的平均周期为30分钟，一天48组数据，缺失数据标记为NAN。数据时间的含义，如0:30代表0:00-0:30的平均。
孔德兵
本数据来自2021年1月1日-12月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究站槽上退耕观测场（E106°26′32.9″；N29°47′14.8″，海拔591m）的开路涡度观测数据。观测场下垫面为退耕地灌木丛、涡动相关仪的架高5m，采样频率是10Hz，超声朝向是正北向，超声风速温度仪CSAT3B与CO2/H2O分析仪LI-7500RS之间的距离是15cm。观测数据的平均周期为30分钟，一天48组数据，缺失数据标记为NAN。数据时间的含义，如0:30代表0:00-0:30的平均。
孔德兵
本数据来自2020年1月1日-12月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究站槽上退耕观测场（E106°26′32.9″；N29°47′14.8″，海拔591m）的开路涡度观测数据。观测场下垫面为退耕地灌木丛、涡动相关仪的架高5m，采样频率是10Hz，超声朝向是正北向，超声风速温度仪CSAT3B与CO2/H2O分析仪LI-7500RS之间的距离是15cm。观测数据的平均周期为30分钟，一天48组数据，缺失数据标记为NAN。数据时间的含义，如0:30代表0:00-0:30的平均。
孔德兵, 顾松巍
中国1980年以来逐年年降水量空间插值数据集是基于全国2400多个气象站点日观测数据，通过整理、计算和空间插值处理生成。年降水量单位为0.1毫米。降水量的插值应用的是澳大利亚的ANUSPLIN插值软件，ANUSPLIN是一种采用平滑样条函数对多变量数据进行分析和插值的工具，即使用函数逼近曲面的一种方法，它能够对数据进行合理的统计分析和数据诊断，并可以对数据的空间分布进行分析进而实现空间插值的功能。
中国科学院资源环境科学与数据中心
一、数据是全面反映广西壮族自治区国民经济和社会发展情况的大型资料性年刊，收录了广西壮族自治区1989-2016年和1978年以来重要年份的主要统计数据，以及各市、县（区）1989-2016年的主要统计数据。 二、每个年份的统计年鉴分为23个篇章，即：1.综合；2.人口；3.国民经济核算；4.从业人员和职工工资；5.物价；6.人民生活；7.财政、金融和保险；8.资源与环境；9能源生产与消费；10.固定资产投资；11.城市概况；12.对外经济贸易；13.农业；14.工业；15.建筑业；16.批发和零售业；17.住宿餐饮业和旅游业；18.交通、运输和邮电通信；19.教育、科技和文化；20.体育、卫生、社会福利及服务业；21.区域经济；22.各市基本情况；23.县（市、区）基本情况。为便于读者更直观地了解全书内容和正确使用资料，每篇章末尾附有主要统计指标解释。 三、资料中所使用的度量街单位均采用国际统一标准计量单位。 四、本年鉴部分合计数由于其中数的小数点位数取舍不同而产生的计算误差未作机械调整。 五、年鉴所涉及的历史数据，凡与其他年份年鉴资料有所出入的，均以最新出版的为准。 六、年鉴的资料来源：主要来自自治区统计局的常规统计年报、各类抽样调查、普查。部分篇章和指标的内容由相关区直单位（部门）提供，自治区统计局对这些指标数据没有解释及说明的权力和能力。
国家统计局
该NDVI数据集是最新发布的NOAA全球模拟和绘图项目（GIMMS，Global Inventory Monitoring and Modeling System）长时间序列（1981-2015）NDVI产品，版本号3g.v1。为了去除NDVI数据中的噪声，进行了最大化合成、多传感器对比纠正。该产品的时间分辨率是每月两次，空间分辨率8km，数据格式为geotiff。时间跨度1981年7月至2015年12月。该数据集在植被长期变化趋势分析中被广泛应用。该数据集是从全球数据集中将中国长江上游部分裁切出来，以便单独开展长江上游地区的研究分析。
NOAA
GLOBMAP叶面积指数产品 (Version 3) 提供了全球1981年以来的高一致性长时间序列叶面积指数(Leaf Area Index, LAI)数据，产品持续更新。数据覆盖全球植被区域，空间分辨率为8km，采用经纬度坐标。产品基于AVHRR和MODIS数据定量融合反演得到，2000年前后分别为AVHRR和MODIS数据反演结果。算法首先基于MODIS地表反射率产品MOD09A1利用GLOBCARBON LAI算法(Deng et al., 2006)反演得到MODIS LAI序列，然后基于两个传感器的重叠观测构建AVHRR GIMMS NDVI与MODIS LAI像元级的关系，并基于该关系回溯反演了AVHRR LAI。
刘荣高
全球植被监测单位开展了多项与土地覆盖制图和监测相关的活动。特别是GVM正在与世界各地的伙伴网络合作，协调和实施全球土地覆盖2000年项目(GLC 2000)。总体目标是为2000年提供一个全球统一的土地覆盖数据库。"2000年"被认为是与各种活动有关的环境评估的参考年，特别是联合国与生态系统有关的国际公约。其中包括了中国2000年土地覆盖数据，共有24种土地覆盖分类和对应的名称，空间分辨率为1km。
Wu Bingfang
GLASS - GLC数据集是以5公里分辨率从1982年到2015年全球土地覆盖34年长期动态的首次记录。它使用最新版本的GLASS (全球陆地卫星) CDRs (气候数据记录)构建，并在Google Earth Engine ( GEE )平台上生成。包括农田、森林、草地、灌丛、苔原、荒地、雪/冰7类的34年平均总体精度为82.81 %。 年度地表覆盖图( 5 km )以Geo TIFF文件格式呈现，以"GLASS-GLC_7classes_year "形式命名，采用WGS 84投影。
Liu Han
该数据集是清华大学地球系统科学系宫鹏团队基于团队2011年以来在全球30米地表覆盖制图中获得的经验和样本库建设方面的积累，结合10米分辨率Sentinel-2全球影像的王铮存储和免费获取，开发出了世界首套10米分辨率的全球地表覆盖产品-FROM-FLC10，该产品基于2017年在《科学通报》发表的全球首套多季节样本库（涵盖2014-2015年Landsat8影像，由专家解译得到的均匀覆盖全球的多季节样本），将该样本库中样本应用于2017年获取的Sentinel-2影像，采用随机森林分类器得到全球10米地覆盖制图，共包括10一级类，分别是：耕地、林地、草地、湿地、灌木、水体、冻土、不透水面、冰/雪
宫鹏
MODIS反射率产品是计算地球地表反照率过程中最常用的数据，分为MOD09GA与MYD09GA两种，分别对应terra与aqua卫星。MOD/MYD09GA产品的时间分辨率为天，地理分辨率为1km，反射率空间分辨率为500m。每幅影像的500m反射率数据集中提供了1-7波段的反射率、质量评估等级、观测范围、观测数和250m扫描信息等。1km地理信息数据集中提供了观测次数、质量评估等级、传感器方位角天顶角、太阳方位角高度角、轨道指针等信息。
NASA
该数据集是对国际卫星陆面气候学(ISLSCP)倡议II数据收集的贡献，在0.25 °、0.5 °和1 °三种空间分辨率和两种不同的分类方案下提供。每个空间分辨率都有一个主要的土地覆盖类型分类层，SiB (简单生物圈)分类方案从0到15，IGBP分类方案从1到17。对于使用的每种分类方案，都有对应图层提供每个单元格中每种土地覆盖类型的百分比，从0到100。该数据集代表1992年4月至3月期间出现的土地覆盖类型。因此，时间分辨率为一年。
Tom Loveland
MODIS反射率产品是计算地球地表反照率过程中最常用的数据，分为MOD09GA与MYD09GA两种，分别对应terra与aqua卫星。MOD/MYD09GA产品的时间分辨率为天，地理分辨率为1km，反射率空间分辨率为500m。每幅影像的500m反射率数据集中提供了1-7波段的反射率、质量评估等级、观测范围、观测数和250m扫描信息等。1km地理信息数据集中提供了观测次数、质量评估等级、传感器方位角天顶角、太阳方位角高度角、轨道指针等信息。
NASA
该数据集包含了2022年1月1日至8月31日金佛山国家站虎头村农田观测场宇宙射线土壤水分观测系统数据。站点位于重庆市北碚区虎头村，下垫面是山茶树灌木丛。观测点的经纬度是106.3192° E, 29.7627° N，海拔473m，位于通量观测塔西侧5m。仪器探头底部距地面0.5m，采样频率是1小时。宇宙射线仪器的原始观测项目包括：电压Batt（V）、温度T（℃）、相对湿度RH（%）、气压P（hPa）、快中子数N1C（个/小时）、热中子数N2C（个/小时）、快中子采样时间N1ET（s）及热中子采样时间N2ET（s）。
孔德兵
该数据集包含了2021年1月1日至12月31日金佛山国家站虎头村农田观测场宇宙射线土壤水分观测系统数据。站点位于重庆市北碚区虎头村，下垫面是山茶树灌木丛。观测点的经纬度是106.3192° E, 29.7627° N，海拔473m，位于通量观测塔西侧5m。仪器探头底部距地面0.5m，采样频率是1小时。宇宙射线仪器的原始观测项目包括：电压Batt（V）、温度T（℃）、相对湿度RH（%）、气压P（hPa）、快中子数N1C（个/小时）、热中子数N2C（个/小时）、快中子采样时间N1ET（s）及热中子采样时间N2ET（s）。
孔德兵
该数据集包含了2020年1月1日至12月31日金佛山国家站虎头村农田观测场宇宙射线土壤水分观测系统数据。站点位于重庆市北碚区虎头村，下垫面是山茶树灌木丛。观测点的经纬度是106.3192° E, 29.7627° N，海拔473m，位于通量观测塔西侧5m。仪器探头底部距地面0.5m，采样频率是1小时。宇宙射线仪器的原始观测项目包括：电压Batt（V）、温度T（℃）、相对湿度RH（%）、气压P（hPa）、快中子数N1C（个/小时）、热中子数N2C（个/小时）、快中子采样时间N1ET（s）及热中子采样时间N2ET（s）。
孔德兵
World Cover数据集是欧空局联合全球多家科研机构，共同制作的2020年全球10米土地覆盖产品；该数据产品分辨率为10米，是基于Sentinel-1和Sentinel-2数据进行制作，包括11中土地覆盖类别，分别为：林地、灌木、草地、耕地、建筑、荒漠、雪\冰、水体、湿地、红树林、苔藓\地衣，是在欧洲航天局WorldCover项目框架内生成，该项目是欧空局第5次地球观测网络计划(EOEP -5)的一部分。
欧空局
