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
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
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
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
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
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
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，获取西南地区土壤水分数据。
毛克彪
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
