30米全球地表覆盖数据GlobeLand30是中国研制的30米空间分辨率全球地表覆盖数据，2014年发布GlobeLand30 2000和2010版，2020版已完成。GlobeLand30数据采用WGS-84坐标系，共包括10个一级类型，分别是耕地、林地、草地、灌木地、湿地、水体、苔原、人造地表、裸地、冰川和永久积雪。GlobeLand30 V2010数据的总体精度为83.50%，Kappa系数0.78；V2020数据的总体精度为85.72%，Kappa系数0.82
陈军
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
本数据来自2020年10月18日、19日在重庆市北碚区槽上、柑橘研究所和虎头村三个观测站使用LAI-2200植物冠层分析仪测量的数据。地面观测试验是在各遥感实验站常规观测基础上，开展的无人机和有人机过境时刻的地面连续观测和加密观测。地面测量点的选择，既要地物具有代表性，又要满足地物类型符合均一性的特征，因此在无人机飞行区域内择取满足4×4 m大小内地物类型均一的区域作为地面测量点。由于区域内大部分为热带或亚热带混合林，树木高大，林中情况复杂，徒步进入比较困难，因此主要选择容易到达的地点进行测量。测量地点主要分布在公路沿线，包含林地、草地、耕地等类型，其中在柑研所区域，选择了大量覆盖度不同的柑桔园、菜园作为测量点。
马明国
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
MCD15A3H 版本 6.1 中分辨率成像光谱仪 (MODIS) 4 级、光合有效辐射 (FPAR) 的组合分数 (FPAR) 和叶面积指数 (LAI) 产品是一个 4 天的复合数据集，像素大小为 500 米。 该算法在 4 天内从位于 NASA 的 Terra 和 Aqua 卫星上的 MODIS 传感器的所有采集中选择可用的最佳像素。LAI 定义为阔叶树冠中每单位面积的单侧绿叶面积和针叶树冠中每单位面积的总针叶表面积的二分之一。
NASA
The Global Land Evaporation Amsterdam Model（GLEAM）是一套根据卫星观测分别估算陆地蒸发的不同组成部分的算法。GLEAM 中的 Priestley 和 Taylor 方程根据对地表净辐射和近地表气温的观测来计算蒸散发。该产品的时间分辨率是每天，空间分辨率0.25° x 0.25°，数据格式为netCDF。时间跨度1980-2021。该数据集为合理分配区域水资源提供科学依据。
ir. Akash Koppa
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
此版本的亮点是改进了时间和空间覆盖范围，因为它包含了3个新的主动和被动传感器（所有传感器的上升和下降立交桥的观测值首次合并到此版本中）。验证表明，新版本是迄今为止最准确的ESA CCI SM产品。它提供了从1978年到2021年的全球数据。 算法更新包括以下内容： 包括新的风云 3C、3D 和 ASCAT-C 传感器 LPRM v7.1 改进了 LPRM 的模型参数化。这适用于所有无源传感器，但使用 LPRM v06.2 的 SMOS 和 SMAP 除外 所有无源传感器的日间观测值现在都包含在合并中 包括一个新的可选标志，用于贫瘠的地面 使用年内偏置校正方法协调传感器 产品的时间范围将延长至2021年底。 本数据在原始数据（主被动联合版本）的基础上对数据进行裁剪，裁剪范围为西南地区。
Wouter Dorigo
PERSIANN-CDR（利用人工神经网络从遥感信息中估算降水--气候数据记录）由加州大学欧文分校水文气象学和遥感中心（CHRS）开发，提供了1983年1月1日至2015年12月31日（延迟至今）期间纬度带60N-60S的0.25度的日降水量估算。PERSIANN-CDR的目的是满足对一个一致的、长期的、高分辨率的全球降水数据集的需求，以研究由于气候变化和自然变异而导致的每日降水的变化和趋势，特别是极端降水事件。PERSIANN-CDR是由PERSIANN算法使用GridSat-B1红外数据生成的，并使用全球降水气候学项目（GPCP）的月度产品进行调整，以在整个记录中保持两个数据集在2.5度月尺度上的一致性。PERSIANN-CDR产品可通过NOAA NCDC CDR项目网站上的大气CDRs类别向公众提供，作为实用的气候数据记录。
Ashouri, Hamed
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
