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
