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
