本数据整合了多源数据，包括高分辨率遥感数据、模型模拟数据及历史农业普查数据，以1950年至2020年为时间尺度，以1公里×1公里空间分辨率，重建了南美洲四种主要经济作物（即大豆、玉米、小麦和水稻）的历史动态。研究结果表明，过去70年间，南美洲的农田面积通过侵占其他植被迅速扩张。具体而言，大豆是扩张最为显著的作物之一，其种植面积从1950年的几乎为零增长至2020年的4880万公顷，导致其他植被（即森林、牧场/草地和未管理草地/灌木丛）总计减少2392万公顷。此外，玉米种植面积从1950年的1270万公顷增加到2020年的2690万公顷，增长了2.1倍，而水稻和小麦的种植面积则相对稳定。新开发的作物类型数据为评估南美洲农业用地扩张对作物产量、温室气体排放以及碳和氮循环的影响提供了重要见解。此外，这些数据对于制定国家政策、可持续贸易、投资和开发战略至关重要，旨在确保南美洲及其他地区粮食供应以及实现其他人类和环境目标
包括高分辨率遥感数据、模型模拟数据及历史农业普查数据。具体如下：
（1）利用基于遥感和基于模型的LULC和作物类型155 - 160数据生成了南美洲的耕地密度图和作物类型底图；
（2）哥白尼全球土地服务土地覆盖地图（CGLS-LC100):PROBA-V 100m时间序列数据和高质量的土地覆盖训练样本，构建1级精度为80%的土地覆盖分类模型；
（3）全球30米土地覆盖动态监测数据集_FCS30D;
（4）全球环境历史数据库（HYDE 3.2版）;
（5）历史土地动力学评估+ (HILDA+);
（6）空间生产分配模型（SPAM 2010）;
（7）地球观测全球农业监测组织（GEOGLAM）;
（8）全球土地分析与发现 （GLAD）;
（9）MapBiomas 为阿根廷、巴西和乌拉圭提供分辨率为 30 m 的土地利用和土地覆盖图；
（10）阿根廷跨国公司提供了 2018 年至 2022 年阿根廷分辨率为 30 m 的详细作物类型地图。
为了重建历史耕地和作物类型动态，需要对所有数据集进行预处理。首先，将高分辨率数据集（即CGLS-LC100、GLC_FCS30D、GLAD、Argentina MNC、MapBiomas和Uruguay LC）聚合到1 km分辨率，以获得部分农田和作物类型。其次，采用双线性方法对HYDE3.2、SPAM2010和GEOGLAM进行重采样，达到1 km的空间分辨率。最后，投影数据集转换为WGS84进行进一步分析，所有过程在谷歌Earth Engine中进行。
与现有数据相比，重构数据具有更高的时空分辨率，能够更好地捕捉历史时期作物类型变化的动态。
本作品采用
知识共享署名
4.0 国际许可协议进行许可。
CSTR:11738.11.NCDC.ZENODO.DB6963.2025
10.5281/zenodo.14002960
