1、1985-2020年中国玉米主产区30米空间分辨率物候数据产品
30米空间分辨率和36年长时序逐年动态的中国玉米主产区物候产品。是以1985-2020年的美国陆地卫星数据为基础数据，基于谷歌地球引擎（GEE)平台进行研发。首先通过谐波拟合模型进行多年均态物候指标提取，并区分种植模式（春玉米和夏玉米），再将逐年数据与多年平均态数据进行对比，从而获取逐年物候动态数据。
2、2007至2015年中国冬小麦主产区地上生物量数据集
3、2015-2021年中国种植模式数据
数据说明：
复种是一种通过多种作物的轮作来强化作物生产的方法。带有作物描述的种植强度图对于可持续的农业管理非常重要。中国作为人口最多的国家，谷物产量在全球排名第一，复种的面积比例是全球平均水平的两倍。然而，中国没有可靠的更新的全国范围的种植模式地图。在此，我们提出了最新的基于物候学的算法和基于像素纯度的阈值，提供了中国首个基于MODIS的年度500m中国作物种植模式地图。这些地图提供了三种主要作物（玉米、水稻和小麦）的种植强度描述。基于地面实况数据，所绘制的种植模式图达到了89%的总体准确率，并与统计数据有良好的一致性（R2≥0.89）,中国耕作模式图（ChinaCP）
该数据集在figshare存储库中以Geotiff格式提供，数据集大小为112.81Mb。此数据集的空间坐标系为EPSG：4326（WGS1984）。ChinaCP地图产品中类的编号不超过三位。代码的含义如下:“0”是“休耕”;“14”是“单一玉米”;“15”是“单一水稻”;“16”是“单一小麦”;“17”是“单一其他作物”;“245”是“水稻加玉米”;“246”是“小麦加玉米”;“255”是“双稻”;“256”是“小麦加水稻”;“277”是“其他双季作物”;“3”是“三季作物”。
属性说明：
(ⅱ).在“ChinaCP”软件包中，我们提供了2015年至2021年的中国种植模式数据。数据以Geotiff格式显示。对于每个数据，代码的含义如下：“0”是“休耕”；“14”是“单一玉米”；“15”是“单一大米”；“16”是“单一小麦”；“17”是“单身的其他人”；“245”是“大米加玉米”；“246”是“小麦加玉米”；“255”是“双米”；“256”是“小麦加大米”；“27”是“其他双季制”；“3”是“三熟制”。
(ⅲ).在“ChinaCPDA”包中，我们提供了2015年至2021年的数据质量层。数据以Geotiff格式显示。对于每个数据，代码“1”表示观测的有效数量超过70%；代码“2”表示有效观测次数超过50%；代码“3”表示观测的有效数量小于50%。
(ⅳ).在“CPM”软件包中，我们提供了基于2020年GlobeL30数据的每个MODIS像素的耕地百分比图。
(ⅴ).在“CropMappingCode”软件包中，我们提供了用于作物分类的Matlab代码。
每个代码文件的用途如下：
文件“decloud_QA”是一个用于减少云影响的函数。
文件“加密”是一种用于对数据进行插值的功能，可以减少数据丢失的影响。
文件“Fan_peaks”是一个用于查找数据序列峰值的函数。
文件“WS”是一个用于平滑数据序列的函数。
文件“FindLocMax”是一个用于通过连续小波变换找到局部最大值的函数。
文件“玉米”是用于映射玉米的核心代码。
文件“Rice”是用于映射Rice的核心代码。
文件“小麦”是用于绘制小麦图的核心代码。
文件“裁剪强度”是用于识别裁剪强度的核心代码。
(ⅶ).在“CCalendar”软件包中，我们提供了中国小麦的预计抽穗期和早期生长长度。数据以Geotiff格式显示。提供了新疆、甘肃、内蒙古、黑龙江、吉林、辽宁等6个北方省份春小麦的作物日历（抽穗期和早期生长长度）。为中部和南部省份提供了冬小麦的作物日历（抽穗日期和早期生长长度）。
4、2017-2019年东北亚和东南亚高分辨率年度水稻地图
通过整合MODIS和Sentinel-1数据，构建了为期3年(2017-2019年)的东南亚和东北亚洲水稻地图数据库(neea-rice10)，空间分辨率为10m。
5、2017-2022年中国单季水稻（10m20m）高分辨率分布数据
GoogleEarthEngine云计算平台，Sentinel-2遥感影像
数据产生或加工方法
数据空间投影
ProjectedCoordinateSystem：WGS_1984_UTM_Zone_51NGeographicCoordinateSystem：WGS_1984、0.98、0.99、0.99、0.99，玉米R2分别为0.91、0.99、0.98、0.94，大豆R2分别为0.96、0.91、0.96、0.96。
6、GEE提取东北地区长时（2013-2021）序主要作物（玉米、水稻、大豆）数据（30米分辨率）
作为中国重要的粮仓之一，东北对于中国的粮食安全起着至关重要的作用。为了应对粮食需求和土壤保护的挑战，东北已经实行了轮作和免耕，这些政策的实施也引起了年际作物种植面积和分布的变化。为了更好的在区域尺度对作物种植类型进行时序监测，基于六边形策略和分块分类的自动样本采样的随机森林分类方法。利用该方法，利用Landsat-8影像进行了东北地区2013-2021年长时序作物分类。通过与统计数据对比，该作物制图有较高的一致性，并且有较高的总体精度。
数据精度：根据混淆矩阵得知，从2013年到2021年的所有分类结果，OA均高于0.9，平均OA为0.94，Kappa系数从0.83到0.95不等。
原始影像：Landsat-8影像
地区：东北
数据分辨率：30m
作物类型：玉米、大豆、水稻
7、东北地区10m分辨率主要作物分布数据集（2017-2019年）
GeographicCoordinateSystem：WGS_1984
数据质量说明
通过地面样本点计算计算混淆矩阵进行数据精度验证，2017-2019年验证精度分别为：总体精度(OA)=81%、81%、87%。通过与统计数据在市级尺度上对比进行交叉验证，2017-2018年在市级尺度上对比结果为：水稻R2分别为0.99、0.99，玉米R2分别为0.98、0.99，大豆R2分别为0.83、0.94。
8、三大作物（玉米、水稻、小麦）分布面积监测数据（2000-2015，分辨率1km）
数据分辨率：1km
作物类型：水稻、玉米、小麦
空间范围：全国
概述：将中国土地利用现状遥感监测数据的旱地层和水田层分别用于提取旱地作物（玉米、小麦）和水稻，并根据每种作物定义的三个关键物候期能同时提取出来的条件确定作物的种植格点。
水稻主要广泛分布在东北平原、长江中下游平原、四川、云贵高原梯田和珠江三角洲。小麦的分布更为集中，主要在华北平原和四川。相比于水稻和小麦，玉米的分布横跨整个中国，包括东北、华北和西南地区。
9、三大作物（玉米、水稻、小麦）物候1K监测数据（2000-2015，分辨率1km）
基于全球陆地表面卫星（GLASS）叶面积指数（LAI）产品，即ChinaCropPhen1km，为2000年至2015年间的三个主要作物制作了1公里网格作物物候数据集。这个数据集提供了中国稻谷、小麦和玉米这三种主要作物在2000年至2015年期间的1公里网格作物物候数据。
数据格式为：tif
作物物候阶段：
V3：玉米的三叶期阶段；
TR：水稻的插秧日期；
HE：所有作物的抽穗日期；
MA：所有作物的成熟日期。
数值范围：从2000年到2015年。
10、中国冬小麦种植分布数（2016-2020年，30米，全国、tif）
基本信息
最新发布日期：2020-09-09
存储量：292.83MB
存储类型：栅格图像
学科分类：测绘科学技术>摄影测量与遥感技术
11、中国甘蔗分布数据（2016-2020,30米，全国、tif）
中国的甘蔗主要种植在中国南部，从秦岭北部到海南南部。如图1所示，我们在中国95%以。上的种植区鉴定了甘蔗，包括广西（64.01%）、云南（17.70%）、广东（12.20%）和海南（1.32%）。其中广西是中国甘蔗产地，约占全国甘蔗产量的65%。在这些省份中，主要产区分布在广西中南部、云南西南部、广东西部和海南西部。
利用陆地卫星-7/8、哨兵-1和哨兵-2图像来识别中国的甘蔗种植区。从2016年至2020年，利用SR和TOA数据，以30m的空间分辨率绘制了中国的甘蔗地图。对野外样本和农业统计数据的验证表明，该地图的准确性较高。
12、中国灌溉农田分布数据（2016年，500米）
灌溉是最重要的农田管理措施之一，对决定作物产量起着重要作用。2016年东北地区灌溉田主要分布在三个冲积平原（松嫩、辽河、三江平原）和三江（松花江、五苏里、黑龙江）的河谷。由于近10年灌溉农田向北扩张，黑龙江省占三个省总灌溉面积的近52.11%。
13、中国双季水稻种植分布图（2016-2020年，10米，全国、各省）