本数据集基于时间权重的动态时间规划方法和冬季麦类作物指数，生产了2001–2023年全国11个省（种植面积占全国冬小麦面积的99%以上）30米空间分辨率的冬小麦种植分布图。经野外调查样本和Google Earth样本验证，冬小麦识别图的总体精度达到91.17%，生产者精度和用户精度分别为91.6%和90.92%。

该数据集是中国长期的高分辨率玉米物候图（China Crop phenology dataset - maize, CCPD-Maize），包含2001 - 2020年中国22个省份的玉米物候图。文件格式为GeoTIFF，空间参考为WGS84 （EPSG:4326），空间分辨率为30 m。基于长期高时空分辨率归一化植被指数（NDVI）融合数据集和每年更新的玉米分布数据集，采用相对阈值法对玉米物候特征进行识别。CCPD-Maize包括玉米生长季开始（SOS）、生长季结束（EOS）、营养生长期（VGS）、生殖生长期（RGS）以及生长期长度（LOS）。CCPD-Maize SOS和EOS数据与农业气象站观测的玉米出苗期和成熟期的验证精度较高，R²分别为0.964和0.823。

本数据集基于Landsat-7、Landsat-8和Sentinel-2光学遥感影像，利用冬季麦类作物抽穗期至收获期NDVI与其他地物NDVI的差异，设计了冬季麦类作物指数（WTCI，Winter-Triticeae Crops Index）,开发了一种无需训练样本的冬季麦类作物识别新方法，并生产了2017-2022年全球66个国家（覆盖全球99.19%的冬季麦类作物种植面积）30米分辨率的冬季麦类作物空间分布数据集。经野外调查样本和谷歌地球目视解译样本验证，使用WTCI方法生产的冬季麦类作物分布图的生产者精度、用户精度和总体精度分别为81.12%、87.85%和87.7%。与美国的CDL数据集和欧洲的EuroCrops数据集相比，该数据集的总体精度在大多数区域都超过了80%。此外，冬季麦类作物的识别面积与省（州）级、市级或县级的统计面积具有良好的一致性。

基于牲畜普查数据和卫星遥感植被指数，开发制备了1980 年至 2022 年中国西部七个牧区省份草原长期高分辨率放牧强度数据集，是中国陆地生态系统干扰数据集的一部分（简称TED-LHGI）。TED-LHGI采用 GeoTIFF存储格式，空间参考为WGS84，年放牧强度单位为SU ha-1。TED-LHGI有效地捕捉了放牧强度的空间变化，在 72 个地点的验证显示相关系数为0.78，县级验证显示1980年至2022年的平均 R2 值为 0.73±0.03。TED-LHGI可以作为估算草原碳循环和畜牧系统 CH4 排放的重要数据资源，用于支撑草业、畜牧业管理。

植被总初级生产力（Gross Primary Productivity, GPP）代表了生态系统水平上叶片光合作用过程所固定的有机碳总量，是表征陆地生态系统“碳汇”能力的重要生态学指标。全球热带森林GPP遥感估算的不确定性较大，叶龄组分是联系冠层物候与植被生产力季节性变化的关键植物性状，利用考虑叶龄结构的光能利用率模型（leaf-age-dependent light use efficiency, LA-LUE）生成逐月GPP数据集，可为热带森林植被生产力季节变化和格局变化分析等提供数据支持。

本数据集为1990-2024年中国水稻种植数据集，包含中国25个省级行政区的单、双季稻种植图。数据文件格式为GeoTIFF，地理参考为WGS84（EPSG:4326）。种植图的分辨率为30米。1990-2016年的种植分布图基于Landsat系列卫星数据，使用机器学习方法生产；2017-2024年的种植分布图基于Sentinel-1、2卫星数据，使用TWDTW方法生产，并重采样至30米分辨率。 分类系统： 0：非水稻 1：单季稻 2：双季稻