CRU TS（Climatic Research Unit Time-Series）数据集是英国东英吉利大学气候研究中心（CRU）发布的全球气候数据集，涵盖从1901年至今的月度气候变量，广泛应用于气候变化、生态模型和农业研究等领域。CRU TS数据的空间分辨率为0.5°×0.5°，覆盖全球陆地区域，适合进行大尺度的气候分析。该数据集在全球气候监测、气候变化评估、农业生产影响分析及水资源管理等方面

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。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/

中国区域地面气象要素驱动数据集，包括近地面气温、近地面气压、近地面空气比湿、近地面全风速、地面向下短波辐射、地面向下长波辐射、地面降水率共7个要素。可为中国区陆面过程模拟提供驱动数据。该数据集是以国际上现有的Princeton再分析资料、GLDAS资料、GEWEX-SRB辐射资料，以及TRMM降水资料为背景场，融合了中国气象局常规气象观测数据制作而成。详细过程请参阅参考文献。原始资料来自于气象局观

本数据集为基于蒸散发互补方法建立的中国地表蒸散发产品(v1.5)，输入数据包括CMFD向下短波辐射、向下长波辐射、气温、气压，以及GLASS地表发射率和反照率、ERA5-land地表温度和空气湿度、NCEP散射辐射率等。本数据集时间跨度为1982年-2017年，空间范围为中国陆地区域。空间分辨率为0.1°；本数据仅为陆地实际蒸散发，不含水面。马宁, Jozsef Szilagyi, 张寅生, 刘文

为了填补这一空白，利用基于深度学习的框架和开放获取数据，包括全球土地覆盖（GLC）产品，建立了中国第一张1米分辨率的国家尺度土地覆盖图SinoLC-1， OpenStreetMap (OSM) 和 Google 地球图像。该框架通过结合保留分辨率的主干、弱监督模块和自监督损失函数，解决了图像和标签之间分辨率不匹配引起的标签噪声，自动细化 VHR 土地覆盖结果，无需任何手动注释。综上所述，SinoL

GLEAM数据提供陆地蒸发组分和相关变量，包括实际蒸发（E）、蒸腾（Et）、截留损失（Ei）、土壤蒸发（Eb）、雪升华（Es）、表面凝结（Ec）、开阔水域蒸发（Ew）、潜在蒸发（Ep）、蒸发胁迫（S）、根区土壤水分（SMrz）、表层土壤湿度（SMs）和感热通量（H）。GLEAM4采用Penman方程计算潜在蒸发，结合深度学习模型改进蒸发胁迫模拟，分辨率达0.1°，覆盖1980-2023年。该产品提

干旱指数对于评估和管理缺水和农业风险至关重要;它具有6个关键的气象干旱指数：标准化降水指数（SPI）、标准化降水蒸散指数（SPEI）、蒸发需求干旱指数（EDDI）、帕尔默干旱严重程度指数（PDSI）、自校准帕尔默干旱严重程度指数（SC-PDSI）和蒸气压赤字（VPD），其中SPI、SPEI和EDDI包含2周和1-12个月的多尺度特征。总体而言，我们的数据集弥补了中国在高精度多指标干旱数据方面的差距

全球 1° 陆地测绘 XCO2 数据集 (Mapping-XCO2) 来自 GOSAT 和 OCO-2 2009 年 4 月至 2020 年 12 月期间的卫星 XCO2 反演。3天的数据文件包括网格化的XCO2和测绘不确定性，其名称类似于“MappingXCO2_Date.nc”和“MappingUncertainty_Date.nc”。数据集的域涵盖全球陆地，范围为南纬 56° 至北纬 65°

NDVI值范围为-1.0至1.0，值接近+1.0表示浓密的植被覆盖，值接近0表示裸露地表或岩石，接近-1.0则通常代表水体或非植被区域。该数据集按每年自年初起的32天时间段合成图像，直到每年最后一个合成影像（从第353天起），这一影像会与下一年度的第一个影像重叠20天。每个32天的合成影像中使用最近的像素值作为合成结果。需要注意的是，Landsat 7自2017年1月1日后的影像因轨道漂移问题被排

并可用Matlab软件进行提取处理，Matlab发布了读入与存储nc文件的函数，读取函数为ncread，切换到nc文件存储文件夹，语句表达为：ncread (‘XXX.nc’,‘var’, [i j t],[leni lenj lent])，其中XXX.nc为文件名，为字符串需要’’；或者默认打开nc文件后，显示第一个图层（1月份），然后在图层属性下点击NETCDF属性卡，选择time维度的val