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
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10米分辨率的全球地表覆盖产品-FROM-FLC10，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10米地覆盖制图，共包括10一级类，分别是：耕地、林地、草地、湿地、灌木、水体、冻土、不透水面、冰/雪
宫鹏
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°。该集合包含了中国西南地区的地表诊断数据，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
WorldPop 在全球和各个国家范围内，生成各种人口网格化数据产品，包括3弧秒的格网数据 (在赤道上约为100m). 人口数据生产主要方法是加权分区密度制图，该方法依赖于随机森林模型来生成预测加权层将人口数量重新分布到网格单元中。WorldPop项目为各个国家和许多地区，包括中美洲和南美洲、非洲和亚洲，提供了一个开放存取、透明记录的空间人口数据集档案，以支持发展、救灾和卫生应用。所有数据都可以从下载https://www.worldpop.org/project/list.
Andrew J. Tatem
WorldClim2.1 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
TanDEM-X 90m DEM是德国TanDEM-X任务在2010年至2015年期间获得的全球数字高程模型(DEM)数据，2015年完成数据的采集，2016年9月完成全球DEM的制作，其范围覆盖了南北两极之间的所有陆地，精度较高，绝对高程误差约1米。其在地球科学(地质学、冰川学、海洋学、气象学、水文学)、环境研究、土地利用、植被监测、城市和基础设施规划、制图，导航，后勤，危机管理，国防和安全等反面有广泛的应用。
German Aerospace Center
SRTM由美国太空总署（NASA）和国家测绘局（NIMA）联合测量。2000年2月11日，美国发射的“奋进”号飞机上搭载SRTM系统，共计进行了222小时23分钟的数据采集工作，获取北纬60度至南纬60度之间总面积超过1.19亿平方公里的雷达影像数据，覆盖地球80%以上的陆地表面。 SRTM系统获取的雷达影像制成了SRTM地形产品数据。此数据产品2003年开始公开发布，经历多修订，目前的数据修订版本为V4.1版本。该版本由CIAT（国际热带农业中心）利用新的插值算法得到的SRTM地形数据，此方法更好的填补了SRTM 90的数据空洞。SRTM地形数据按精度可以分为SRTM1和SRTM3，分别对应的分辨率精度为30米和90米数据。
NASA
数据来源：国家统计局官网(http://www.stats.gov.cn/tjsj/pcsj/)。 以第七次人口普查数据为例，以下为编辑说明内容：一、普查对象和标准时点:第七次全国人口普查的普查对象指普查标准时点在中华人民共和国境内的自然人以及在中华人民共和国境外但未定居的中国公民，不包括在中华人民共和国境内短期停留的境外人员。普查标准时点为2020年11月1日零时。二、普查表式:第七次全国人口普查采用长、短两种普查表。普查短表包括反映人口基本状况的项目，由全部住户（不包括港澳台居民和外籍人员）填报；普查长表包括所有短表项目和人口的经济活动、婚姻生育和住房等情况的项目，在全部住户中抽取10%的户（不包括港澳台居民和外籍人员）填报。三、资料主要内容:本资料分为三部分。第一部分是全部人口数据，主要反映人口的基本状况，分为八卷，共196张表；第二部分是普查长表数据，主要反映人口的各种结构情况，分为九卷，共218张表；第三部分是附录，主要是普查的有关规定和技术文件等。四、数据汇总口径及推算说明:本资料是普查实际登记直接汇总的数据，不包括漏登的人口（事后质量抽查表明，人口漏登率为0.05%），不包括200万现役军人。资料中各项指标的汇总结果未做任何误差校正，读者在使用时应考虑不同指标登记误差因素的影响。由于普查长表是按户抽样并进行登记，因此人口总数以及各种人口结构数据的抽样比会存在略微差异，请读者使用本资料推算总体时，对采用的方法予以注意。五、城乡划分规定:本次人口普查关于城乡的划分，按照国家统计局《统计上划分城乡的规定》执行。六、其他:本资料中部分相对数由于单位取舍问题而产生的计算误差，均未做机械调整。本资料中空项表示无数字或数字很小。
国家统计局
植被指数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。该数据集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
夜间灯光遥感数据已被广泛应用于城市化进程监测等研究工作中，但由于常用的两种夜间灯光遥感数据（DMSP-OLS和NPP-VIIRS）存在不可比的情况，限制了夜间灯光数据的可用时间序列长度。本数据集基于自编码器的跨传感器（DMSP-OLS和NPP-VIIRS）夜间灯光数据校正方案生产。通过在不同范围不同尺度下开展的精度验证工作，证明新夜间灯光数据集具备了类似于NPP-VIIRS夜间灯光数据的质量，并能够清晰地反映出城市内部的细节信息及其时序上的变化。
陈佐旗
一普到六普的区县级人口数据（包括Excel格式和SHP格式）来自高亮、宋栋栋等研究者分享，网址：https://www.scidb.cn/detail?dataSetId=849628989872930816，七普人口数据来源于网站city population（网址为：http://www.citypopulation.de/），使用的省市县三级的行政区划数据为公众号“数读城事”整理的最新的2021年行政区划数据。利用ArcGIS中的‘空间连接’工具分别将省级七普人口连接到省级行政区划上，将市级七普人口连接到市级行政区划上，将区县级七普人口连接到区县级行政区划上，在空间连接后有些数据没有匹配上，直白点说就是有些行政单元没有匹配上七普人口值，数据有缺失，要对这些缺失数据进行逐一排查。具体处理流程见网址：https://mp.weixin.qq.com/s/EK0O2547yMURzfzx-TBbXA 和 https://mp.weixin.qq.com/s/NwWe20dS0pvBBMOK8fhOUw
高亮
本数据来自2022年1月1日-8月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究站金佛山北坡槐坪观测场（E107°13′33.0″；N29°7′56.2″，海拔956m）的自动气象站观测数据。自动气象站的空气温度、相对湿度传感器分别架设在3m和10m处，朝向正北；气压计安装在1.5m处；翻斗式雨量计安装在10m处；风速与风向传感器分别架设在3m和10m处；四分量辐射仪安装在3 m处，朝向正南；光合有效辐射传感器安装在3m、10m处，朝向正南；土壤温度探头埋设在地下0cm、2cm、5cm、10cm、20cm、40cm、60cm处，在距离气象塔2m的正南方；土壤水分探头埋设在地下2cm、5cm、10cm、20cm、40cm、60cm、80cm处，在距离气象塔2m的正南方；土壤热通量板（3块）依次埋设在地下5cm、10 cm、20 cm处，在距离气象塔2m的正南方；土壤平均温度探头（1个），埋在地下5 cm，在距离气象塔2m的正南方。每天观测144组数据（每10min），若出现数据的缺失，则由NAN标示。
孔德兵
本数据来自2021年7月1日-12月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究站金佛山北坡槐坪观测场（E107°13′33.0″；N29°7′56.2″，海拔956m）的自动气象站观测数据。自动气象站的空气温度、相对湿度传感器分别架设在3m和10m处，朝向正北；气压计安装在1.5m处；翻斗式雨量计安装在10m处；风速与风向传感器分别架设在3m和10m处；四分量辐射仪安装在3 m处，朝向正南；光合有效辐射传感器安装在3m、10m处，朝向正南；土壤温度探头埋设在地下0cm、2cm、5cm、10cm、20cm、40cm、60cm处，在距离气象塔2m的正南方；土壤水分探头埋设在地下2cm、5cm、10cm、20cm、40cm、60cm、80cm处，在距离气象塔2m的正南方；土壤热通量板（3块）依次埋设在地下5cm、10 cm、20 cm处，在距离气象塔2m的正南方；土壤平均温度探头（1个），埋在地下5 cm，在距离气象塔2m的正南方。每天观测144组数据（每10min），若出现数据的缺失，则由NAN标示。
孔德兵
本数据来自2022年1月1日-8月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究站酉阳龙潭花椒基地观测场（E108°57′32.2″；N29°1′0″，海拔378m）的自动气象站观测数据。自动气象站的空气温度、相对湿度传感器分别架设在3m和10m处，朝向正北；气压计安装在1.5m处；翻斗式雨量计安装在10m处；风速与风向传感器分别架设在3m和10m处；四分量辐射仪安装在3m处，朝向正南；光合有效辐射传感器安装在3m、10m处，朝向正南；土壤温度探头埋设在地下10cm、20cm、40cm、60cm、80cm、120cm、160cm处，在距离气象塔2m的正南方；土壤水分探头埋设在地下2cm、5cm、10cm、20cm、40cm、60cm、80cm处，在距离气象塔2m的正南方；土壤热通量板（3块）依次埋设在地下5cm、10 cm、20 cm处，在距离气象塔2m的正南方；土壤平均温度探头（3个），埋在地下5、10、20 cm ，在距离气象塔2m的正南方。每天观测144组数据（每10min），若出现数据的缺失，则由NAN标示。
孔德兵
本数据来自2021年7月1日-12月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究站酉阳龙潭花椒基地观测场（E108°57′32.2″；N29°1′0″，海拔378m）的自动气象站观测数据。自动气象站的空气温度、相对湿度传感器分别架设在3m和10m处，朝向正北；气压计安装在1.5m处；翻斗式雨量计安装在10m处；风速与风向传感器分别架设在3m和10m处；四分量辐射仪安装在3m处，朝向正南；光合有效辐射传感器安装在3m、10m处，朝向正南；土壤温度探头埋设在地下10cm、20cm、40cm、60cm、80cm、120cm、160cm处，在距离气象塔2m的正南方；土壤水分探头埋设在地下2cm、5cm、10cm、20cm、40cm、60cm、80cm处，在距离气象塔2m的正南方；土壤热通量板（3块）依次埋设在地下5cm、10 cm、20 cm处，在距离气象塔2m的正南方；土壤平均温度探头（3个），埋在地下5、10、20 cm ，在距离气象塔2m的正南方。每天观测144组数据（每10min），若出现数据的缺失，则由NAN标示。
孔德兵
SMOS INRA-CESBIO（SMOS-IC）算法由INRA（国家农学研究所）和CESBIO（生物空间研究中心）设计，用于执行SM和L-VOD的全球检索。SMOS-IC基于Wigneron等人（2017）中定义的L-MEB模型的双参数反转，并将像素视为同质。因此，SMOS-IC的设计基础与2级SM算法相同，但使用了一些简化。具体而言，SMOS-IC没有考虑与处理具有异质土地覆盖区域（森林覆盖区域）、天线模式和复杂SMOS视角几何形状的检索相关的校正。因此，SMOS-IC产品的主要目标之一是尽可能独立于辅助数据，以便更加稳健，并受上述修正中潜在不确定性的影响较小。SMOS-IC算法和数据集在费尔南德斯-莫兰等人（2017）中进行了描述。可用的土壤湿度产品是第2版，以25公里的EASEv2网格提供，为netcdf格式。本产品在元数据的基础上进行数据的裁剪，裁剪后区域为中国长江上游，格式为TIFF格式。
美国国家航空航天局
本数据来自2022年1月1日-8月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究站金佛山西坡华尔寺观测场（E107°3′13.0″；N29°5′40.4″，海拔705m）的自动气象站观测数据。自动气象站的空气温度、相对湿度传感器分别架设在3m和10m处，朝向正北；气压计安装在1.5m处；翻斗式雨量计安装在10m处；风速与风向传感器分别架设在3m和10m处；四分量辐射仪安装在3 m处，朝向正南；光合有效辐射传感器安装在3m、10m处，朝向正南；土壤温度探头埋设在地下10cm、20cm、40cm、60cm、80cm、120cm、160cm处，在距离气象塔2m的正南方；土壤水分探头埋设在地下2cm、5cm、10cm、20cm、40cm、60cm、80cm处，在距离气象塔2m的正南方；土壤热通量板（3块）依次埋设在地下5cm、10 cm、20 cm处，在距离气象塔2m的正南方；土壤平均温度探头（3个），埋在地下5、10、20 cm，在距离气象塔2m的正南方。每天观测144组数据（每10min），若出现数据的缺失，则由NAN标示。
孔德兵
这种增强的3级（L3）土壤水分产品提供了土壤湿度主动被动（SMAP）辐射计检索的全球陆地表面状况每日估计值的组合。本产品是 SMAP 2 级 （L2） 土壤湿度的每日复合物，该土壤水分源自 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 2.0，一个方位角等积投影。
P. O’neill
本数据来自2021年7月1日-12月31日在重庆市金佛山喀斯特生态系统国家野外科学观测研究站金佛山西坡华尔寺观测场（E107°3′13.0″；N29°5′40.4″，海拔705m）的自动气象站观测数据。自动气象站的空气温度、相对湿度传感器分别架设在3m和10m处，朝向正北；气压计安装在1.5m处；翻斗式雨量计安装在10m处；风速与风向传感器分别架设在3m和10m处；四分量辐射仪安装在3 m处，朝向正南；光合有效辐射传感器安装在3m、10m处，朝向正南；土壤温度探头埋设在地下10cm、20cm、40cm、60cm、80cm、120cm、160cm处，在距离气象塔2m的正南方；土壤水分探头埋设在地下2cm、5cm、10cm、20cm、40cm、60cm、80cm处，在距离气象塔2m的正南方；土壤热通量板（3块）依次埋设在地下5cm、10 cm、20 cm处，在距离气象塔2m的正南方；土壤平均温度探头（3个），埋在地下5、10、20 cm，在距离气象塔2m的正南方。每天观测144组数据（每10min），若出现数据的缺失，则由NAN标示。
孔德兵
该数据集包含从美国国家航空航天局（NASA）Aqua卫星上的先进微波扫描辐射计-地球观测系统（AMSR-E）仪器和JAXA GCOM-W1卫星上的先进微波扫描辐射计2（AMSR2）传感器生成的卫星检索的地球物理参数文件。地球物理参数包括日空气表面温度、部分开放水域覆盖估计值、植被光学深度、表面体积土壤湿度和大气总柱可降水蒸气。全球检索是在非沉淀，非雪和非冰覆盖条件下的土地上得出的。土壤水分的空间分辨率为25KM，覆盖全球，时间分辨率为1天。
Jinyang Du
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
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，裁剪范围为中国长江上游地区。
Wouter Dorigo
GlobeLand30数据研制所使用的分类影像主要是30米多光谱影像，包括美国陆地资源卫星(Landsat)的TM5、ETM+、OLI多光谱影像和中国环境减灾卫星(HJ-1)多光谱影像，2020版数据还使用了16米分辨率高分一号(GF-1)多光谱影像。它采用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
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
1985-2020年土地覆盖精细产品（GLC_FCS30）以课题组2020年最新研发的全球30米地表覆盖精细分类产品（GLC_FCS30-2020）为基准数据，该产品提出了耦合变化检测和动态更新相结合的长时序地表覆盖动态监测方案，利用1984-2020年所有Landsat卫星数据（Landsat TM，ETM+和 OLI）生产了1985 年-2020年全球30米精细地表覆盖动态监测产品，沿用2020年基准数据的分类体系，共包含29个地表覆盖类型，更新周期为5年。
刘良云
作为农林生产、土地政策、城市建设、抵御洪涝、火灾防范和传染病传播模拟等方面的重要基础数据，GLASS-GLC也将服务于生态和资源环境的评估、管理和决策，为联合国可持续发展目标的实现提供支持。5kmGLASS土地覆盖数据集是从1982年到2015年土地覆盖长期动态的首次记录。它使用最新版本的GLASS (全球陆地卫星) CDRs (气候数据记录)构建，并在Google Earth Engine ( GEE )平台上生成。包括农田、森林、草地、灌丛、苔原、荒地、雪/冰7类的34年平均总体精度为82.81 %。
Liu Han
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，获取长江上游地区土壤水分数据。
毛克彪
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
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
ASTER GDEM数据由日本METI和美国NASA联合研制并免费面向公众分发。ASTER GDEM数据产品基于“先进星载热发射和反辐射计(ASTER)”数据计算生成，是目前唯一覆盖全球陆地表面的高分辨率高程影像数据。该产品空间分辨率为30m，目前有ASTER GDEM V1, ASTER GDEM V2, ASTER GDEM V3三个版本。2019年8月5日，NASA和METI共同发布了ASTER GDEM V3版本，在V2的基础之上，新增了36万光学立体像对数据，主要用于减少高程值空白区域、水域数值异常。
NASA
SRTM由美国太空总署（NASA）和国家测绘局（NIMA）联合测量。2000年2月11日，美国发射的“奋进”号飞机上搭载SRTM系统，共计进行了222小时23分钟的数据采集工作，获取北纬60度至南纬60度之间总面积超过1.19亿平方公里的雷达影像数据，覆盖地球80%以上的陆地表面。 SRTM系统获取的雷达影像制成了SRTM地形产品数据。此数据产品2003年开始公开发布，经历多修订，目前的数据修订版本为V4.1版本。该版本由CIAT（国际热带农业中心）利用新的插值算法得到的SRTM地形数据，此方法更好的填补了SRTM 90的数据空洞。SRTM地形数据按精度可以分为SRTM1和SRTM3，分别对应的分辨率精度为30米和90米数据。
NASA
中国长江上游1kmPM2.5数据集(2000-2021)是中国(中国大气污染物监测中心( CHAP ))系列长期、全覆盖、高分辨率、高质量的地面空气污染物数据集之一。它是利用人工智能的大数据(例如,地基测量、卫星遥感产品、大气再分析和模式模拟等)，通过考虑空气污染的时空异质性而产生的。该数据为2000年至2021年中国长江流域每天1公里(即D1K)的地面PM2.5数据集。该数据集每天的交叉验证决定系数( CV-R2 )为0.92，均方根误差( RMSE )为10.76 µ g m - 3
伟晶
刘良云课题研发的1985-2020年地表覆盖精细产品（GLC_FCS30）以课题组2020年最新研发的全球30米地表覆盖精细分类产品（GLC_FCS30-2020）为基准数据，该产品提出了耦合变化检测和动态更新相结合的长时序地表覆盖动态监测方案，利用1984-2020年所有Landsat卫星数据（Landsat TM，ETM+和 OLI）生产了1985 年-2020年全球30米精细地表覆盖动态监测产品，沿用2020年基准数据的分类体系，共包含29个地表覆盖类型，更新周期为5年
刘良云
World Cover数据集是欧空局联合全球多家科研机构，共同制作的2020年全球10米土地覆盖产品；该数据产品分辨率为10米，是基于Sentinel-1和Sentinel-2数据进行制作，包括11中土地覆盖类别，分别为：林地、灌木、草地、耕地、建筑、荒漠、雪\冰、水体、湿地、红树林、苔藓\地衣，是在欧洲航天局WorldCover项目框架内生成，该项目是欧空局第5次地球观测网络计划(EOEP -5)的一部分。
欧空局
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
该数据产品是基于三十万景Landsat影像，结合现有产品自动稳定样本和目视解译样本生产获得，共包括9个一级类型，分别是：农田、森林、灌木、草地、水体、冰雪、荒地、不透水面、湿地；处理流程包括生成训练和测试样本、构建特征、检查分类和时空一致性，以及与其他产品准确性进行对比均在在GEE 平台上实施，以免于数据下载和管理；该数据集基于5463个独立参考样本，产品整体精度为79.31% ；CLCD数据集揭示了1985-2019年中国土地覆盖变化的趋势和模式：如不透水面（+148.71%）和地表水（+18.39%）的扩大，耕地（-4.85%）和草地（-3.29%）的减少，森林（+4.34%）的增加。总的来说，我们的结果反映了中国快速的城市化和一系列生态工程，揭示了在气候变化下人类活动对区域地表覆盖的影响
黄昕
中国西南地区（四川、重庆、云南、贵州）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“SW.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
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
哨兵2号（Sentinel-2）包含两颗卫星，两颗相同的SENTINEL-2卫星同时运行，相位差180°，在平均海拔786 km的太阳同步轨道上运行。每个SENTINEL-2卫星在其轨道上的位置由双频全球导航卫星系统（GNSS）接收器测量。通过专用推进系统维持轨道精度。每颗卫星配备了最先进的多光谱成像仪（Multi Spectral Instrument ，MSI），可提供高分辨率的光学成像。分辨率为25米，覆盖波段13个（本数据经过筛选保留了常用的8个波段-2、3、4、5、6、8、8A）。可有效用于土地利用和变化检测制图、提供土地覆盖的支持、救灾支持、气候变化监测等。
顾松巍, 欧空局哥白尼数据中心
PALSAR拼接数据产品是通过JAXA对PALSAR和PALSAR-2的全球基本观测方案观察到的SAR反向散射图像的长路径组合而成的。以Gamma-0背向散射的形式提供的，其地理坐标为0.8秒（在赤道约为25米）的像素间距。时间间隔为年度，PALSAR-2的拼接数据可用于2015-2021年的时间段，PALSAR的拼接数据可用于2007-2010年。本数据经过数据筛选，数据裁剪等操作，获取了长江中上游地区HH和HV极化的ALOS PALSAR-2的数据。可用于P波段微波应用的研究。
ALOS-2/ALOS Science Project, ALOS-2/ALOS Science Project
TanDEM-X 90m DEM是德国TanDEM-X任务在2010年至2015年期间获得的全球数字高程模型(DEM)数据，2015年完成数据的采集，2016年9月完成全球DEM的制作，其范围覆盖了南北两极之间的所有陆地，精度较高，绝对高程误差约1米。其在地球科学(地质学、冰川学、海洋学、气象学、水文学)、环境研究、土地利用、植被监测、城市和基础设施规划、制图，导航，后勤，危机管理，国防和安全等反面有广泛的应用。
German Aerospace Center
MOD13Q1.061数据每16天生成一次，空间分辨率为250米(m)，为三级产品。MOD13Q1产品提供了归一化植被指数(NDVI)及增强植被指数(Enhanced vegetation Index, EVI)。算法从16天期间的所有获取中选择最佳可用像素值。使用的标准是低云层，低视角，和最高的NDVI/EVI值。除了植被层和两个质量层，HDF 文件具有 MODIS 反射波段 1（红色）、2（近红外）、3（蓝色）和 7（中红外），以及四个观测层。
Steve Running
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中国西南地区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
MOD13Q1.061数据每16天生成一次，空间分辨率为250米(m)，为三级产品。MOD13Q1产品提供了归一化植被指数(NDVI)及增强植被指数(Enhanced vegetation Index, EVI)。算法从16天期间的所有获取中选择最佳可用像素值。使用的标准是低云层，低视角，和最高的NDVI/EVI值。除了植被层和两个质量层，HDF 文件具有 MODIS 反射波段 1（红色）、2（近红外）、3（蓝色）和 7（中红外），以及四个观测层.
Steve Running
该NDVI数据集是最新发布的NOAA全球模拟和绘图项目（GIMMS，Global Inventory Monitoring and Modeling System）长时间序列（1981-2015）NDVI产品，版本号3g.v1。为了去除NDVI数据中的噪声，进行了最大化合成、多传感器对比纠正。该产品的时间分辨率是每月两次，空间分辨率8km，数据格式为geotiff。时间跨度1981年7月至2015年12月。该数据集在植被长期变化趋势分析中被广泛应用。该数据集是从全球数据集中将中国西南地区部分裁切出来，以便单独开展西南地区的研究分析。
NOAA
SRTM由美国太空总署（NASA）和国家测绘局（NIMA）联合测量。2000年2月11日，美国发射的“奋进”号飞机上搭载SRTM系统，共计进行了222小时23分钟的数据采集工作，获取北纬60度至南纬60度之间总面积超过1.19亿平方公里的雷达影像数据，覆盖地球80%以上的陆地表面。 SRTM系统获取的雷达影像制成了SRTM地形产品数据。此数据产品2003年开始公开发布，经历多修订，目前的数据修订版本为V4.1版本。该版本由CIAT（国际热带农业中心）利用新的插值算法得到的SRTM地形数据，此方法更好的填补了SRTM 90的数据空洞。SRTM地形数据按精度可以分为SRTM1和SRTM3，分别对应的分辨率精度为30米和90米数据。
NASA
该数据集主要范围中国大陆地区长时序夜间灯光信息。数据存储格式为GeoTIFF，空间分辨率为1km。处理方法是模拟NPP-VIIRS数据与DMSP-OLS数据之间的关系，将2013-2020年的NPP-VIIRS模拟2013-2020年的DMSP-OLS数据，从而得到1992-2020年类DMSP-OLS数据集。首先利用核密度法将NPP-VIIRS数据的空间分率重采样为1-km，基于对数转换后的重采样NPP-VIIRS数据与DMSP-OLS数据之间的“S”曲线关系，利用Sigmoid函数将对数NPP-VIIRS数据转换为模拟DMSP-OLS数据，将1992-2013年校准的DMSP-OLS数据与2013-2020年的模拟DMSP-OLS数据拼接为1992-2020年的类DMSP-OLS数据
施开放
该实验的观测参数包括归一化离水辐射率、水体悬浮物浓度、水体叶绿素浓度、水体透明度。水色参数地面调查主要在虎头村和歇马两个样地开展试验，基于该区域遥感影像解译获取了水体分布数据。在该区域，水体主要表现为一些人工养殖的鱼塘。本次试验重点关注对象为水域面积相对较大的开阔区域，在2 km2 的无人机飞行区范围内，上部分别选取重点水域1和重点水域2，长宽比分别为90×200 m和90×75 m；下部选择重点水域3，长宽比为90×700 m的水体开展观测。主要应用橡皮艇布点采样。
汤旭光
ASTER GDEM数据由日本METI和美国NASA联合研制并免费面向公众分发。ASTER GDEM数据产品基于“先进星载热发射和反辐射计(ASTER)”数据计算生成，是目前唯一覆盖全球陆地表面的高分辨率高程影像数据。该产品空间分辨率为30m，目前有ASTER GDEM V1, ASTER GDEM V2, ASTER GDEM V3三个版本。2019年8月5日，NASA和METI共同发布了ASTER GDEM V3版本，在V2的基础之上，新增了36万光学立体像对数据，主要用于减少高程值空白区域、水域数值异常。
NASA
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
