利用Landsat和Sentinel卫星影像，基于物侯识别和动态时间规划算法（TWDTW），生成了2016-2019年巴西的甘蔗分布图。经验证，数据集的用户、生产者、总体精度分别达到94.35%、87.04%和91.47%。

使用Sentinel-1 A / B的合成孔径雷达数据，区分油菜籽和冬季谷物；采用基于时间加权的动态时间规划算法（TWDTW），通过比较Landsat和Sentinel-2植被指数（NDVI）中季节变化的相似性，把冬季谷物与其他作物区分开来。在此基础上生成了 2016-2020 年的欧洲冬季谷物分布图，覆盖 32个欧洲国家，空间分辨率为30米。验证表明，数据集的生产者和用户平均精度分别为91%±7.8%和89%±10.3%。

基于全球超过1000个站点的观测数据，使用随机森林模型生成了全球陆地生态系统土壤呼吸、地下异养呼吸和自养呼吸的全球网格数据集，数据集的空间分辨率为 0.5 度，数据单位为 gC/m^2，数据集格式为NetCDF格式。

本数据集通过对比灌溉农田、自然森林植被和非灌溉农田的遥感植被冠层水分状况，得出了2016年全国灌溉农田数据集，结果能够反映87%和59%的省级和地市级的灌溉农田面积，其精度同样优于其他灌溉产品。

通过融合森林资源清查数据和20种遥感土地利用产品，重建生成了1980-2015年中国森林覆盖数据集，空间分辨率1×1公里，再现了1985-2015年间森林覆盖面积增加的趋势，3851个地面调查样本验证结果表明，数据集精度达到76.9%到99.4%之间。在此基础上，进一步将获得的高精度森林覆被信息和CLCD土地利用覆盖数据集（Yang and Huang, 2021）相融合，生成了中国1980-2021年土地利用覆盖和变化数据集，空间分辨率10×10公里。该数据集充分再现了中国自1980年以来森林扩张趋势主导的土地利用覆被变化，在中国陆地碳汇估算方面具有巨大的潜力和应用价值。关于数据集详细说明参见数据说明文档和引用文献。

079个全球地上凋落物通量观测数据、全球气候再分析数据集和遥感植被指数数据，使用随机森林模型生成了全球陆地生态系统地上凋落物通量数据集。该数据集提供的地上凋落物通量是开展模型区域和全球精度评价的基础数据。数据集的空间分辨率为 0.5 度，数据单位为g C m-2 yr-1，数据集格式为Mat格式。