准确、空间明确的全球作物产量信息对于指导决策和确保粮食安全至关重要。然而，大多数公共数据集的空间和时间分辨率都很低。在此，我们利用数据驱动模型开发了一个从 1982 年到 2020 年全球小麦产量的 4 公里数据集（GlobalWheatYield4km）。首先，我们提出了一种基于物候学的方法来绘制春小麦和冬小麦的空间分布图。然后，我们通过比较两种数据驱动模型（即随机森林模型（RF）和长短期记忆模型（LSTM））与公开数据（即来自谷歌地球引擎（GEE）平台的卫星和气候数据、土壤特性以及覆盖约 11000 个政治单位的国家级以下人口普查数据）的性能，确定了最佳网格尺度产量估算模型。结果表明，GlobalWheatYield4km 在所有国家以下地区和年份捕捉到了 82% 的产量变化，均方根误差为 619.8 千克/公顷。此外，与空间生产分配模型（SPAM）（R2 20 ~ 0.49）相比，我们的数据集在所有国家以下地区和三个年份的准确度更高（R2 ~ 0.71）。数据集可能会在更大范围的作物系统建模和气候影响评估中发挥重要作用。
（1）遥感数据：我们在谷歌地球引擎（GEE）平台上获取了高分辨率辐射计（AVHRR）传感器的 1981-2021 年全球每日 0.05°归一化植被指数（NDVI）数据(https://developers.google.com/earth-engine/datasets/)。
(2) 小麦收获面积和产量:我们收集了 54 个国家约 11000 个行政单位的国家以下各级普查数据，包括收获面积（单位：公顷）、产量（单位：吨）和单产（单位：千克/公顷），最长时间跨度为 1981-2020 年。产量按产量除以收获面积计算。总体而言，97% 的数据来自二级行政单位（ADM2）和三级行政单位（ADM3）。欧盟的数据收集于 NUTS-2 级。整个研究区域的时间覆盖范围各不相同。我们剔除了普查数据中与平均值相差 +/- 2 个标准差的异常值。
(3) 环境数据：气象信息来自高空间分辨率（1/24°，约 4 千米）的 TerraClimate 月度数据集。本分析使用的气候变量包括 1981 年至 2021 年的最高气温（Tmin）、最低气温（Tmax）、降水量（Pre）、蒸气压（Vap）、蒸气压差（Vpd）、参考蒸散量（Petref）、土壤水分（Soil）、帕尔默干旱严重程度指数（Pdsi）和向下的地表短波辐射（Srad）。此外，土壤特性来自 0.00833°（约 1 公里）的世界统一土壤数据库 (HWSD)，包括表土（0-30 厘米）的容重、有机碳含量、pH 值、砾石、粘土、沙和淤泥成分。
应用了全球小麦生产绘图系统（GWPMS）框架，并从两个方面进行了改进。我们按照以下方法进行了研究： 1）通过基于物候学的算法绘制春小麦和冬小麦的收获面积图；2）比较ML和DL两种方法在预测网格产量方面的性能；3）使用最优模型生成 GlobalWheatYield4km 数据集；4）评估数据集的精度和不确定性。
数据质量良好。
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.FIGSHARE.DB4094.2023
10.6084/m9.figshare.10025006.v1
