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
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长江中上游地区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
LandScan Global 采用结合了地理空间科学、遥感技术和机器学习算法的创新方法，是可用的代表环境（24 小时平均值）人口的最高分辨率全球人口分布数据。 LandScan Global 算法是 R&D 100 奖得主，它使用空间数据、高分辨率图像开发和多变量 dasymetric 建模方法来分解行政边界内的人口普查计数。由于没有单一的人口分布模型可以解释空间数据可用性、质量、规模和准确性的差异以及文化定居实践的差异，LandScan 人口分布模型是为匹配每个国家的数据条件和地理性质而量身定制的和地区。通过对环境人口进行建模，LandScan Global 在白天和黑夜的整个过程中捕获人们的全部潜在活动空间，而不仅仅是住宅位置。
Oak Ridge National Laboratory
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°。该集合包含了中国长江上游的地表诊断数据，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
我们应用基于卫星遥感的蒸散发(ET)算法评估了1983 - 2006年全球陆地ET。该算法使用改进的Penman‐Monteith方法量化冠层蒸腾和土壤蒸发，通过归一化植被差异指数(NDVI)确定生物群落特异性冠层电导，并使用Priestley‐Taylor方法量化开放水域蒸发量。这些算法通过先进的非常高分辨率辐射计(AVHRR) GIMMS NDVI、NCEP/NCAR再分析(NNR)每日地表气象和NASA/GEWEX地表辐射预算发布版本−3.0太阳辐射输入在全球范围内应用。我们使用34个FLUXNET塔站点的观测数据对基于NDVI的冠层电导模型进行参数化，然后使用另外48个独立通量塔的测量数据验证全球ET算法。由现场气象测量和从粗分辨率NNR气象再分析插值得到的气象数据驱动的两组塔级月蒸散发估算结果一致(均方根误差(RMSE) = 13.0-15.3 mm -1;R²= 0.80-0.84)，利用全球代表性土地覆盖类型观测到的塔架通量。全球ET结果捕捉到了全球尺度上观测到的时空变化，并进行了比较(RMSE = 186.3 mm yr−1;R2= 0.80)，利用覆盖全球植被面积61%的261个盆地的流域尺度水平衡计算得出ET。该研究的结果提供了一个相对长期的全球ET记录，具有很好的量化精度，可用于评估ET气候、陆地水、能源收支和长期水循环变化。
Ke Zhang, John Kimball
PML_V2陆地蒸散发与总初级生产力数据集，包括总初级生产力（gross primary product, GPP），植被蒸腾（vegetation transpiration, Ec），土壤蒸发（soil PML_V2在Penman-Monteith-Leuning (PML) 模型的基础上，根据气孔导度理论，耦合了GPP过程。GPP与ET相互制约、相互限制，使得PML_V2在ET模拟精度，相对于以往的模型有很大的提升。PML_V2的参数分不同的植被类型，在全球95个涡度相关通量站上率定。其后根据MODIS MCD12Q2.006 IGBP分类，将参数移植至全球。PML_V2采用GLDAS 2.1的气象驱动和MODIS 叶面积指数(LAI)、反射率(Albedo)，发射率(Emissivity)为输入，最终得到PML_V2陆地蒸散发与总初级生产力数据集。evaporation, Es），冠层截流蒸发（vaporization of intercepted rainfall, Ei）和水体、冰雪蒸发（ET_water），共5个要素。数据格式为tiff，时空分辨率为8天、0.05°，时间跨度为2002.07-2019.08。
张永强
MOD16A2 Version 6蒸散发/潜热通量产品是一个8天合成数据集，以500米(m)像素分辨率生成。用于MOD16数据产品收集的算法基于Penman-Monteith方程的逻辑，其中包括每日气象再分析数据的输入以及中分辨率成像光谱仪(MODIS)遥感数据产品，如植被特性动态、反照率和土地覆盖。MOD16A2产品提供了复合蒸散(ET)层、潜热通量(LE)层、电位ET (PET)层和电位LE (PLE)层以及质量控制层。每个MOD16A2颗粒还可使用两个低分辨率浏览图像ET和LE。两个蒸散层(ET和PET)的像元值是综合周期内所有8天的像元值之和，两个潜热层(LE和PLE)的像元值是综合周期内所有8天的像元值平均值。注意，每年的最后一次采集周期是5或6天的综合周期，具体取决于年份。
NASA, Steve Running
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
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
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
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
总初级生产力（Gross primary productivity, GPP）是指单位时间内植物通过光合作用吸收CO2过程固定的有机碳量。中国长江上游MODIS植被总初级生产力产品数据集是基于MOD17A2H产品（版本006）裁剪拼接得到的。该数据产品提供了估算的GPP数值，可以作为数据模型的输入，计算陆地能源、碳、水循环过程和植被的生物地球化学。时间范围为2000年2月18日到2022年8月30日，空间分辨率为500m，时间分辨率为8天累积综合值，数据坐标系为WGS84地理坐标系。
美国国家航空航天局
植被净初级生产力（NPP）是植物光合作用有机物质的净创造，是表征陆地生态过程的关键参数，已成为理解地表碳循环过程不可缺少的部分。中国长江上游500mMODIS植被净初级生产力产品数据集基于MOD17A3HGF产品（版本6.1）裁剪拼接得到的。该产品改进并填补了MOD17的空白，根据每个像素的质量控制（QC）标签，清理了8天叶面积指数和光合有效辐射分数（LAI/FPAR）的低质量输入，已广泛应用于土地利用评价、区域生态规划、植被长势监测等方面。时间范围为2001年到2021年，空间分辨率为500m，时间分辨率为每年，数据坐标系为WGS84地理坐标系。
美国国家航空航天局
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
中国西南地区（四川，重庆，云南，贵州）Landsat8地表反射率数据集的数据集是基于 Landsat 8 OLI/TIRS 传感器得到的，该数据的表面反射率已经经过了大气校正。这些图像的波段包含 了5 个可见和近红外 (VNIR) 波段和 2 个短波红外 (SWIR) 波段，处理为正射校正表面反射率；以及两个热红外 (TIR) 波段，处理为正射校正亮温。数据时间分辨率为月尺度，并经过了去云处理。时间范围为2013年3月到2021年12月，数据坐标系为WGS84地理坐标系。
马明国
NASA全球陆地数据同化系统(GLDAS)的目标是通过生成摄取卫星和地基的最佳地表状态和通量场观测数据产品，使用先进的陆地表面建模和数据同化技术。GLDAS驱动多个离线的(不耦合的)对大气)的陆面模型，集成了大量的观测数据，并在全球范围内以高分辨率(2.5°到1公里)执行土地信息系统(LIS)。该产品的时间分辨率是三小时，空间分辨率0.25° x 0.25°，数据格式为tif。时间跨度2000-01-01至2022-07-01。该数据集为合理分配区域水资源提供科学依据。
NASA
MERRA-2是从1980年开始的NASA大气再分析。它取代了最初的MERRA再分析使用升级版的Goddard地球观测系统模型，版本5 (GEOS-5)数据同化系统。MERRA-2包括对全局统计插值(GSI)分析方案。该产品的时间分辨率是一小时，空间分辨率0.5° x 0.625°，数据格式为netCDF。时间跨度1980-01-01 至 2022-09-01。该数据集为合理分配区域水资源提供科学依据。
NASA
MERRA-2是从1980年开始的NASA大气再分析。它取代了最初的MERRA再分析使用升级版的Goddard地球观测系统模型，版本5 (GEOS-5)数据同化系统。MERRA-2包括对全局统计插值(GSI)分析方案。该产品的时间分辨率是一小时，空间分辨率0.5° x 0.625°，数据格式为netCDF。时间跨度1980-01-01 至 2022-09-01。该数据集为合理分配区域水资源提供科学依据。
NASA
