本数据集为塔吉克斯坦哈特隆州（Khatlon）2023年耕地作物类型/种植结构空间分布数据，以地块（面状图斑）为基本单元。每个图斑携带两个属性字段：clazz为作物/地类类型编码（0–33编码体系），name为对应的中文名称（如棉花、向日葵、玉米、水稻、小麦、果树、草地等）。数据以ESRI Shapefile格式存储，地理坐标系为WGS-84（EPSG:4326）， 空间分辨率源自10米级卫星影像。数据集反映了研究区2023年主要作物的空间分布格局。
以面状图斑（地块）为基本单元的作物类型矢量数据，每个图斑含两个核心属性：
clazz：作物/地类类型编码（0–33 编码体系）
name：对应中文名称（棉花、向日葵、玉米等）
坐标系为 WGS-84（EPSG:4326）， 格式为 ESRI Shapefile，空间分辨率源自 Sentinel-2 10m 影像。
本数据集以欧空局Sentinel-2（S_2A）多光谱卫星影像为主要数据源（蓝、绿、红、3个红边、双近红外、水汽及双短波红外共11个波段），通过Google Earth Engine云平台获取，成像时间为2023年5月至10月；同时采用项目积累的地块矢量边界数据，以及通过野外地面调查获取的作物类型训练样本。
首先，按作物物候期划分苗期（5月1日–6月1日）、生长旺季（7月1日–8月1日）、成熟收获期（9月1日–10月15日）三个时间窗口，分别以整景云量阈值（≤10%/15%）进行影像滤波；对三个时相分别构建NDVI时序特征与11波段中值合成光谱特征，共33个特征变量表征作物物候差异。
其次，采用随机森林分类器进行作物分类，训练样本按7:3随机划分训练集与验证集，以10米尺度采样；
最后，以地块为单元对像元级分类结果进行众数统计（10米尺度），取图斑内占优类型作为该地块作物类型，仅保留面状要素并导出为Shapefile；对导出数据进行属性规范化：按编码映射表添加中文名称字段。
采用整景云量阈值滤波与中值合成相结合的方法控制云污染；利用多时相NDVI与光谱特征增强作物物候可分性；以30%独立验证样本进行精度评价，总体精度为75.46%，Kappa系数为0.65，分类结果与地面真实情况具有较高一致性；经地块众数法后处理有效抑制了椒盐噪声，保证地块内部类型一致性；经完整性校验，全部图斑的clazz与name字段无空值，编码与名称一一对应无冲突。
| # | 编号 | 名称 | 类型 |
| 1 | 2023YFE0103600 | 塔吉克斯坦农业于旱和蝗灾动态监测及早期预报 | 国家重点研发计划 |
本作品采用
CC BY 4.0 （知识共享 署名 4.0 国际许可协议）进行许可。
CSTR:11738.11.ncdc.db7833.2026
10.12072/ncdc.db7833.2026
