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
