刘珍环等:近30年中国农作物种植结构的时空变化

导读:本文综合运用时序变化趋势、空间集聚分析等方法,从种植结构类型和种植比例变化趋势分析了1980年以来中国县域种植结构的时空特征。

农作物种植结构的时空变化信息是农业地理和农业可持续发展的重要研究内容,特别是在研究农业生态系统对陆地碳循环贡献,评价全球变化对区域农业生产影响,分析农作物空间格局动态变化机制和建立模拟模型等方面可作为基础信息,对国家农业生产管理、国家粮食安全预警和评估等理论与实践问题有重要意义。

农作物种植结构变化以各种农作物种植面积变化为基础数据,以作物播种面积占总播种面积的比例表征,其历史变化规律可为调整粮食种植结构和指导农业适应气候变化提供科学规划、合理布局的依据。

农作物种植结构的时空分布受自然资源条件和市场经济行为影响,具有空间集聚性和时序动态性等特征,因此及时、有效地获取农作物种植结构的时空信息尤为重要。

目前获取农作物种植结构信息的数据源有两类,一是基于国家统计部门的逐级统计上报和抽样估测数据集,另外则是运用遥感技术手段进行作物面积调查。遥感技术因其时效性和空间精度高,越来越多的中、高分辨率遥感数据地被应用于作物种植结构快速调查中,可及时准确地获取全国农业种植结构信息,遥感获取种植结构技术的进步,为实时监测农业种植结构的变化提供了有效手段,然而遥感监测的种植结构尚难在宏观层面进行长时序、大尺度上的变化分析。

改革开放前,中国的粮食种植结构是长期执行计划经济体制以及错综复杂的国际国内政治经济形势综合作用的结果;改革开放后农作物的种植结构随着经济发展进行了调整和优化,但改革开放以来中国的农作物种植结构变化特征尚缺少研究。

经济的快速发展导致中国第一产业的比重不断降低,与之同期调整的还有农作物种植结构。中国农业发展虽然取得了巨大成就,但进一步的发展也面临一系列的农业结构调整问题,特别是农业总产量与结构不合理,部分农业种植区面临环境污染问题,作物缺少连茬导致病虫害加重,对中国新一轮的农作物结构调整都带来不小压力,新一轮的农作物结构调整亟待总结过去30年的种植结构变化规律。

因此,本研究旨在基于全国农作物统计数据库,分析农作物种植结构变化规律,为国家宏观层面的种植结构调整和粮食安全保障提供科学基础。

2数据和方法

2.1数据源

(1)县级农业统计数据库。

整理农业部种植司发布的农作物数据库,获得了1980-2011年逐年的农作物总产量、面积和单产数据库。由于历史时期行政边界多次变更,研究以2001年国家基础地理信息中心发布的县级行政边界为基础,依据历史时期行政边界变化,将全国的农作物数据库的统计单元整理合并为2341个县,不包含台湾、香港和澳门地区。形成了一套涵盖32年,2341个县的长时序空间数据集。作物种类涵盖38种,最终按照农业统计数据库的统计要求合并为11类:水稻、小麦、玉米、大豆、薯类、油类、麻类、糖料、棉花、蔬菜、水果。

(2)种植结构类型。

种植结构类型组合采用作物种植面积占所有作物类型种植面积的百分比组合确定,种植结构类型组合可分两种情况:

①采用作物种植面积占所有作物类型种植面积的百分比超过30%和前三位的组合确定,一般组合不会超过3种作。例如:某县级行政单元的作物种植面积中前三位只有水稻的种植面积占所有作物种植面积的比例超过30%,则认为该县的种植结构类型为单一水稻型;以此类推,有2类或3类作物超过30%,则以超过的作物进行组合,如水稻—玉米型,水稻—小麦—大豆型。

②所有作物比例都不超过30%时,以前三位作物为组合,例如某县的水稻种植面积为25%,小麦为24%,大豆为19%,玉米为17%,则可将该县的种植结构类型组合为水稻—小麦—大豆型。作物类型的组合考虑作物类型占比和大小排序,前后两者情况的3种作物组合可能存在比例上差距,但排序上如果一致可认为是同一种作物种植结构组合类型。

2.2研究方法

2.2.1种植结构类型变化趋势为考察全国尺度上的作物种植结构类型演变趋势,定义了一个种植类型组合丰富度公式,其含义表示的是某一年份的种植结构类型数量与研究时段内全部出现的类型比例,公式表示如下:

(1)式中:Rt表示的是某一年种植结构类型的比例,其值域为(0,1],值越大则种植结构类型越丰富;mt是是某一年种植结构类型的种类数量;mmax是研究时段内所有种植结构组合类型的种类数量。

运用ArcGIS10.0软件平台将种植结构类型的空间分布作图展示,并统计归纳种植结构的空间分布特征。根据时序上的种植结构类型,分析其变化。

2.2.2种植结构变化趋势分析为研究近30年来中国农业种植结构变化的状况以及该结构的变化速率在空间上的差异,对全国2341个县级行政单元内的某种作物对应的比例按年份进行一元回归分析,得到斜率系数(S),用来表示某种作物的比例状况的变化趋势。斜率为负值,表示该县的某种作物呈减少趋势;斜率为正值区表示该县的某种作物呈增加趋势,如果通过0.05的显著性水平(p<0.05),则认为某种作物变化比例增加或减小趋势显著。斜率计算公式如下:

(2)式中:S表示某类作物种植比例的变化趋势线性斜率;t为研究时段内的年份;n为研究时段内的年份数;Xtj表示的是某年j作物的种植比例。为分析30年来作物类型的种植比例变化,将S的空间分布用图展示出。

3结果分析

3.1种植结构类型的年际变化

1980-2011年,按照农作物种植面积占30%或者低于30%的按作物种植面积的前三位组合的标准,中国的种植结构类型数为182种。2000年以前,国家尺度的种植结构类型数量介于21~54种类之间,类型丰富度在0.18;2002年后,种植结构类型组合数量介于84~106之间,类型丰富度指数增长至0.52;种植结构类型的调整表明2000-2002年期间,中国种植结构发生了重大调整,类型丰富度显著增加,更为多样的种植结构逐渐替代简单的种植结构(图1)。

从调整类型来看,主要是单一型种植结构被组合型种植结构替代,从以粮食作物种植结构为主的种植格局转变为粮食与经济作物组合的格局。

中国的主要种植结构类型有单一水稻型、水稻—小麦组合型、水稻—玉米组合型、单一小麦型、小麦—玉米组合型、单一玉米型、单一蔬菜型、单一水果型等等。图1b列举了中国三大作物及其典型的组合表征的农作物种植结构类型的时序变化趋势。

三大粮食作物的占优单一型种植结构呈逐年递减趋势,单一水稻型的县数比例由最高值37.5%(1985年)降至19.0%(2008年),单一小麦型由23.3%(1985年)降至8.8%(2011年),单一玉米型相对稳定保持在10%~14%左右;小麦—玉米的组合型在2002年前维持在15%~20%之间,而2002年之后降到10%以下;水稻—小麦型也有类似趋势,2002年前在6%左右,2002年后降为2%以下;水稻—玉米型在2002年前在5%左右,而之后低于1%。

图1c展示的是经济作物的单一种植结构型的时序变化趋势。单一蔬菜型、单一薯类型、单一水果型和单一油料型在2002年前比例非常低,2002年后基本都有超过2%。

3.2种植结构类型的区域分异

表1表示的是种植结构比例数据变化,1980-2011年中国出现的种植面积前10位的主要种植结构类有16种。

1980年时主要的种植结构类型以粮食作物为主,全国82.7%的县级农业种植结构是水稻、小麦、玉米及其相互的组合型号,前10位的种植结构类型占全国总县数的93.3%;

1990年,前10位的比例略升至95.0%,相比1990年,单一蔬菜型和单一水果型的种植县数替代单一大豆型和单一棉花型进入种植结构前10位;

2000年,全国的种植结构尚未发生根本性变化,但前10位县数已降低了近10%,即有209个县通过调整种植作物类型,改变了种植结构比例;

2002年,是中国农业种植结构的重大转折时期,以粮食作物为主的种植结构发生了根本性变化,前10位中已种植粮食作物为主要种植类型的县数降至50.7%,单一蔬菜型县数上升至第4位,占9.1%;

2011年,中国前10位的县数总量为1699个,只占72.6%,相比1990年减少了524个县(22.4%),粮食作物与经济作物的混合结构出现,例如水稻—蔬菜组合型。农作物种植结构的调整,不仅是大政策的体现。

2002年以后,中国的种植结构趋于丰富,既与国家农业政策的调整有关,也与农户的微观选择有关,例如在大城市周边地区形成的粮食与蔬菜作物组合型或是粮食与水果作物组合型,就是城市化带来的经济作物需求。

图2展示的是5个时期中国县级行政单元内的农作物种植结构类型的空间分布及其变化。

从种植结构类型变化上看,1980-2011年中国63.8%的县市(1494个)调整了种植结构,主要改变方向为降低主要粮食作物产量的种植比例,增加经济作物和蔬菜瓜果类作物的种植比例;空间分布来看,改变了种植结构类型的县主要分布于中国沿海和西部地区,未改变种植结构的县主要分布于中国中部地区(图2f)。

只有近1/3的县级未改变农业种植结构,其中单一水稻型385个,单一小麦型105个,单一玉米型160个,小麦—玉米组合型130个,尽管如此这些县中的主导作物类型比例还是有不同程度的降低趋势。

1980-2011年间,虽然以单一水稻型为典型特征的种植结构县数比例在持续下降,水稻依然是第一大种植作物;空间分布上,1980年中国单一水稻型作物主要分布在中国南方的11个省市,然而到2011年分布省份无变化,但各省内都有不少县调整了单一水稻型的种植结构,以长三角、珠三角和闽三角的城市化地区最为典型。

单一玉米型则主要分布在东北至西南的东三省、内蒙古东部至广西等地,从1980-2011年在同一线上有所外扩。

1980年单一小麦型则主要分布在山东新疆北部、甘肃、宁夏、内蒙中部、河南、安徽北部和山东南部等地,2011年则相对萎缩至河南、安徽北部和山东南部局部区域。

1980年小麦—玉米组合型主要分布在山东中北部、河北南部、河南北部、山西、陕北和新疆中南部、而到2011年则萎缩至山东中北部、河北南部、河南北部、山西南部等地。

3.3作物种植比例变化的分布

图3和表2表示的是1980-2011年中国农作物种植比例的年际变化趋势。全国县级尺度上,三大粮食作物所占的农作物种植比例呈减少趋势,47%的水稻、61%的小麦和29.6%的玉米种植县的种植比例呈显著减少趋势(p<0.05)。

结合种植结构类型变化看(图2),粮食作物由水稻为主的格局调整为水稻、小麦和玉米的种植区域共存的格局;其他作物的种植比例呈现空间上的显著增加。

水稻种植比例显著减少的地区主要集中在福建、广东和浙江等沿海省份,改变了其原始的种植结构类型;传统的水稻种植区的江西、湖南、安徽南部、四川盆地和重庆等地也有减少,但减少程度相对于沿海较轻,该地区主要的农业种植结构调整有别于沿海省份,基本上不改变种植结构类型,但降低种植比例。

小麦种植比例显著减少的地区主要集中在黄土高原地区包括甘肃南部、宁夏、陕北高原至山西一带,这些地区的是种植结构类型也发生了显著调整;此外华北平原的传统小麦种植区的种植比例也显著减少,但未改变种植结构类型。

玉米种植比例显著减少的地区在空间上覆盖中国的第二阶梯,在高原区形成北东—西南走向,从东北三省至西南部云贵高原的条带地区,可以称之为种植比例“玉米减少带”(图3b);其中种植结构类型变化的地区主要分布在云南北部、四川南部、陕西南部、湖北西部、京津冀地区和东北平原区;而种植比例减少包含约650个县级行政单位,覆盖从黑龙江北部至云南西南部的15个省市。

与之相应,经济作物如大豆、蔬菜、薯类、水果和油料作物则呈增加趋势,50.3%的大豆、87.7%的蔬菜、59.5%的薯类、70.7%的水果和69.5%的油料种植县的种植比例增加趋势显著(p<0.05)(图2)。

此外,棉花、糖料和麻类是区域性种植作物,全国棉花有42.2%的棉花,糖料有55.6%的糖料以及24.2%的麻类种植县存在种植比例变化趋势,其中30.7%的棉花和24.4%的糖料呈增加趋势,13.6%的麻类呈减少趋势,三类作物的分布呈现区域性,棉花的显著增加区主要分布于新疆,华北平原和长江中下游平原;麻类主要分布于长江中下游沿岸;而糖料则零星分布于云南、广西、广东和福建等地。

3.4城市地区的种植结构变化

为了解城市化对区域性种植结构变化的影响,将中国的城市地区按照市辖区的范围提取了660个城市,共717个县区的农业种植结构变化趋势,分析城市地区种植结构变化趋势。

总体趋势表明,城市及其周边地区的种植结构变化表现出两个特征,

一是农作物种植面积在过去30年间迅速萎缩,耕地大量转为城市建设用地,粮食作物用地和林地改为经济作物用地,种植结构显著改变,90%的县区范围内农作物种植面积减少,粮食作物面积迅速减少,而水果和蔬菜类种植面积迅速增加;

二是种植结构由早期的粮食作物转向蔬菜,水果为主经济作物;68.6%的县区发生了种植结构变化,以经济作物中的单一蔬菜型和单一水果型为主的单一型种植结构随着城市扩展而迅速增加,1980年只有3个县区以蔬菜型种结构植为主,2011年则有54个县区级形状单位以蔬菜为主;1980年只有13个以水果为主要种植类型的县区,2011年为29个。

224个县市未发生种植结构类型变化,都是粮食作物为主,112个是单一水稻型,3个水稻—玉米型;6个水稻—小麦型;20个小麦型,48个小麦—玉米型;31个玉米型。

3.5种植结构变化的空间集聚

小麦的高度集聚区占5.64%,主要分布在东北的辽宁和吉林中部地区,此外在广西地区有显著的连片集聚区。

玉米种植结构增长的连片区占6.11%,分布在中国北方的甘肃黑河流域和宁夏,内蒙高原中部附近;大豆的4.53%连片集聚在内蒙古东北,黑龙江和吉林的东南等地;1.62%的麻类集聚区主要分布在湖南,江西和湖北的交界区;棉花的高级聚集区占7.77%,主要分布在新疆全境,山东北部、天津和河北东南以及河南东部部分县市;8.24%的蔬菜类聚集区主要分布在京津冀地区、上海、浙江、福建的沿海县市和珠江三角洲的外围城市如肇庆、清远、从化和惠州等地;12%的薯类种植比例增加的集聚区主要分布在中国的西部省份,包括从内蒙中部,宁夏南部,甘肃南部、四川山区、重庆周边及其与之接壤的贵州、云南等地;10%的水果种植比例集聚区主要分布在北京周边、陕北黄土高原、新疆中南部、江西赣南、福建南部、广州的粤东粤西两轴和广西南部;1.41%的糖料主要分布在贵州南部、广西南部和广东的雷州半岛附近;9.35%的油料作物主要分布在青海东部,西藏南部,湖北东部、湖南北部、河南南部、安徽南部和江西北部的集中区域。

4结论与讨论

4.1结论

(1)国家尺度上的种植结构类型变化,中国的种植结构调整从2002年起发生重大变化,类型丰富度显著增加,多元种植结构逐渐替代单一型种植结构。三大粮食作物的占优单一种植结构类型呈逐年递减趋势,其中既有三大粮食作物的组合型结构混合因素,又有三大粮食作物种植面积转换为其他作物种植面积的变化因素。

(2)近30年来中国出现的种植面积前10位的主要种植结构类型有16种。1980年全国82.7%的县级农业种植结构是水稻、小麦、玉米及其相互的组合型;但从2002年起,中国农业种植结构进入调整期,以粮食作物为主的种植结构发生了根本性变化,前10位中以种植粮食作物为主要种植类型的县数降至50.7%。

(3)全国县级尺度上,三大粮食作物所占的农作物种植比例呈减少趋势,47%的水稻、61%的小麦和29.6%的玉米种植县的种植比例减少趋势显著(p<0.05)。粮食作物以水稻为主的种植格局调整为水稻、小麦和玉米的种植区域共存的格局,其中玉米种植面积比例在空间上变化最为显著,在中国形成东北—西南向的“玉米减少带”,同时该区域也是中国种植结构多样性最丰富的地带。作为种植结构调整最为热点的城市地区,城市化对种植结构变化影响显著,水果和蔬菜类种植比例在城市化地区快速增加。

(4)种植结构变化趋势的空间集聚区域。近30年来中国种植结构在1300个县级行政单位形成了的空间集聚效应;其中,水稻的高度增长聚集区占全国县级行政单位的2.86%;小麦占5.64%;玉米种植结构增长的连片区占6.11%;4.53%的大豆;1.62%的麻类;棉花的高度聚集区占7.77%;8.24%的蔬菜类聚集区;12%的薯类;10%的水果种植比例;1.41%的糖料;9.35%的油料作物。

4.2讨论

①受粮食价格的影响,农户趋向于种植非粮食作物,或者撂荒土地;而主粮作物作为肉类食品的低端原料,受中国人口增长和经济增长带来的肉类食品需求影响,将原有的主粮转作饲料投放,因此未来受粮食消费习惯改变、国内外粮食价格变化、区域水土资源条件等影响,依托调整作物种植结构实现粮食增产的潜力有限,进而影响粮食安全;

②为减少温室气体排放,有效保护生态环境,实现可持续发展,越来越多的粮食作物种植区将会因生物质能源需求上升而转种生物质能料作物,这将直接占用种植农作物的耕地资源,进而增加粮食供给保障的负荷,因此需要统筹粮食安全保障与生物质燃料种植对种植结构的调整;

③随着城市化发展,越来越多城市周边的农业种植以生态观光农业需求为主,同时因为物流技术的发展,增加对远程经济作物和水果蔬菜类作物的需求,而改变城市近郊和传统农业主产区的种植结构,而被置换的农业用地也可能被城市建设用地侵占,进而减少粮食供应能力。

(2)种植结构变化的驱动因素分析。一般研究认为,种植结构变化的驱动是政策、技术进步、社会需求、经济效益、自然条件等多因素综合的作用过程[19]。也有研究选择单一作物水稻的种植面积变化与驱动因素进行定量分析表明,除了上述原因外,城市化和气候变化也是驱动种植结构调整的重要因素。

然而,本研究中种植结构变化并不是线性趋势,而是在某一阶段迅速发生突变,因而种植结构演变的驱动因素尚难以定量化,就定性的描述来说,中国种植结构调整的几大重要因素包括:

①城市化水平提升改变了城市周边地区的种植类型,将原有粮食作物改种为水果、蔬菜类经济作物,另外直接减少耕地面积,减少种植面积;

②不同作物的价格差异驱动种植者将经济价值低的作物改种为价值高的作物;

③技术进步包含两个方面,一是农业技术进步,提升了作物产量和种植面积,另外则是物流成本降低,加大了不同种植区间的作物需求交换;

④近30年中国农业投入的加大,特别是单位面积的农业投入提升大大增加了总的作物产量,相应地就减少了作物种植面积的需求;

⑤肉类消耗,增加了饲养作物牲畜所需的主粮作物的供应;

⑥气候变化的影响,已有研究表明近30年中国的气候变化对作物产量和种植面

积都有温和的正效应;而在过去的50年中,由于气候变暖造成了全国种植制度改变玉米、冬小麦和双季稻种植北界北移,也为结构变化提供了地理空间。

为此,种植结构变化的影响及驱动因素的时空分异特征将是下一步研究的重点。

THE END
1.好文推荐多源数据提取我国三大农作物收获面积●首次发展了一套自动、高效、大范围、长时间尺度的作物分类方法,建立了2000年—2015年我国三大作物公里网格数据集(ChinaCropArea1 km)。该数据集为提高区域农业估产的精度,以及为评估气候变化、社会经济等因素对农业生产系统的影响奠定了基础。 更多信息 https://mp.weixin.qq.com/s?__biz=MzU2MTM4MTYzOQ==&mid=2247499944&idx=1&sn=b4c70c411a2030a74e1524a33959f29a&chksm=fc7b28c0cb0ca1d69019500fefa466a5f26e12cebf230bb487d2f1ef6f6b6108228d8de9cdb8&scene=27
2.农作物分类数据集.zip农作物数据集资源标题中的“农作物分类数据集.zip”表明这是一个包含农作物图像数据的压缩文件,通常用于机器学习或深度学习项目,特别是农作物识别或分类任务。这类数据集是训练计算机视觉模型的基础,帮助算法理解不同农作物的特征。 描述中提到,“依据开源数据标注、整理所得数据集”,这暗示了数据集中的图片已经被专业人员或志愿者https://download.csdn.net/download/weixin_32393347/87423364
3.农作物数据集标准农作物 数据集本专题涉及农作物 数据集的标准有31条。国际标准分类中,农作物 数据集涉及到农业和林业、农业、软件开发和系统文件、信息技术(IT)综合、运输、农业机械、工具和设备、信息技术应用、字符集和信息编码。在中国标准分类中,农作物 数据集涉及到、电子计算机应用、基础标准与通用方法、农机具、信息处理技术https://www.antpedia.com/?action-antopdeclare-name-viewsj-id-759823
4.数据集农作物需水量数据集腾讯云开发者社区下载数据集请登录爱数科(www.idatascience.cn) 包含了农作物在不同自然环境,天气条件下的需水量数据集。 1. 字段描述 2. 数据预览 3. 字段诊断信息 4. 数据来源 来源于Kaggle。https://cloud.tencent.com/developer/article/1968073
5.中国三大作物1km分辨率种植面积数据集(2009–2015年)目前,国内外学者已将统计数据与遥感信息结合,实现了大范围的作物空间分布信息提取,生成了一系列基于统计数据和其他辅助数据开发的作物面积空间数据集[20],如MIRCA[23]、GAEZ[24]、SPAM[5,25]等。以SPAM为例,该模型考虑耕地分布、农业灌溉分布和农作物适宜性分布等遥感辅助信息,将统计面积数据分配至像元,生成了全球http://www.csdata.org/p/795/
6.GDHY1981该数据集全称为 The global dataset of historical yields for major crops 1981–2016,简称 GDHY,是一个全球性的数据集,提供了 1981 年至 2016 年期间全球主要农作物的历史产量数据。这个数据集是由农业普查统计和卫星遥感技术混合而成的数据产品,涵盖了玉米、水稻、小麦和大豆这四种主要的粮食作物。 GDHY 数据集https://hyper.ai/datasets/32833
7.基于YOLOv8深度学习的农作物幼苗与杂草检测系统python源码+Pyqt本文使用的数据集为农作物幼苗与杂草图片,并使用Labelimg标注工具对每张图片中的目标边框(Bounding Box)及类别进行标注。一共包含2822张图片,其中训练集包含2469张图片,验证集包含235张图片,测试包含118张图片。 对每张图像进行如下预处理操作,用于增加样本数量,提高训练模型的检测泛化能力与准确率: https://developer.aliyun.com/article/1536744
8.科学网—从水稻病害识别出发探索农业数据共享新模式能否采集到农作物病虫害的数据,往往取决于农作物的生长周期内是否发生了病虫害;不同的病虫害往往发生在不同的地区,需要跨地区采集数据;同一种病虫害的不同阶段,农作物的表型也有区别。所以农作物病虫害数据集的构建过程,不仅需要耗费大量的人力物力成本,同时也难以采集到足够多的数据供模型学习使用。https://blog.sciencenet.cn/blog-2374-1422691.html
9.基于土壤数据广度与深度模型的作物推荐算法根据土壤信息进行数据挖掘,并在此基础上提出区域性作物的种植建议,不仅可以促进农作物生长从而带来经济效益,还可以改善土壤肥力,促进可持续发展[3]。根据土壤种类、土地的类型,以及土壤养分元素[如:氮(N)、磷(P)、钾(K)、有机质(OM)等]的含量建立模型,分析并且给出精准预测,可以形成科学的种植方案。研究表明,http://www.jwit.org.cn/oa/pdfdow.aspx?Type=HTML&Sid=20210417
10.plantvillage番茄叶子数据集帕依提提* 以上分析是由系统提取分析形成的结果,具体实际数据为准。 README.md plantvillage 番茄叶子数据集 同类数据 211植物幼苗数据集,处于不同生长阶段的农作物和杂草幼苗的图像 142plantvillage 番茄叶子数据集 123植物病虫害数据集,应用于从叶片分析植物的疾病 https://www.payititi.com/opendatasets/show-10304.html
11.国家综合地球观测数据共享平台数据集名称:基于MODIS的地表温度长时间序列数据集重建 作者:中国农业科学院农业资源与农业区划研究所毛克彪、赵冰、蔡玉林、施建成、李召良、覃志豪、孟祥金、沈心一、郭中华 简介:地表温度是高温干旱监测以及气候变化等研究中的关键变量,在农作物蒸散及长势监测、水循环、气候交化等应用研究中发挥着重要作用。当前热红外遥https://chinageoss.cn/news/showNewsById?id=621f6c0ba0cf3527bb1ecb87
12.基本数据集标准农、林、牧、渔业生产及辅助人员 36 274 - / - 50100 农业生产人员 50101 作物种子 (苗)繁育生产人员 50102 农作物生产人员 50199 其他农业生产人员 50200 林业生产人员 50201 林木种苗繁育人员 50202 营造林人员 50203 森林经营和管护人员 50204 木材釆运人员 50299 其他林业生产人员 50300 畜牧业生产人员 50301https://max.book118.com/html/2020/0605/7143154015002140.shtm
13.资源环境科学与数据平台中国多时期土地利用遥感监测数据集(CNLUCC)是以美国陆地卫星Landsat遥感影像作为主要信息源,通过人工目视解译构建的中国国家尺度多时期土地利用/土地覆盖专题数据库。数据包括20世纪70年代末期(1980年)、80年代末期(1990年)、90年代中期(1995年)、90年代末期(2000年)、2005年、2008年、2010年、2013年和2015年、2018年https://www.resdc.cn/DOI/DOI.aspx?DOIID=54
14.2023年南京农业病虫害图像识别数据集国家农业科学数据中心,北京 100081 摘要:农业病虫害对农作物的产量和品质造成了严重的威胁,因此准确,高效地检测和识别病虫害是农业生产中的重要任务. 本文介绍了一个综合的农业病虫害数据集,由农业虫害检测数据集,农业病害检测数据集,农业病害分类数据集和水稻表型 分割数据集组成,包含 55 个类别,48576 张,共 4.14 http://agbigdata.aiijournal.com/CN/article/downloadArticleFile.do?attachType=PDF&id=22747
15.番茄病虫害数据集标题和描述中提到的“番茄病虫害数据集”是一个专门针对番茄作物的病虫害图像集合,这对于农业研究人员、机器学习工程师以及农作物保护专家来说是一个宝贵的资源。这个数据集通常包含不同种类的番茄病害和虫害的高清图片,旨在帮助识别和研究这些疾病,以提高农业生产效率和质量。 在农业领域,识别病虫害是至关重要的,因为https://www.iteye.com/resource/tyuiouio-12928028
16.实验室研发数据集入选赠送联合国全球水资源数据产品全球水资源数据产品目录 一、全球陆表蒸散发产品(2000-2021年,1公里分辨率) 陆表蒸散发是陆表水循环和碳循环的关键过程,是陆地水资源的重要支出项。准确估算陆表蒸散发不仅对地球系统和全球气候变化研究具有重要意义,而且在水资源有效开发利用、农作物需水生产管理、旱情监测预测、天气预报等方面具有重要应用价值。http://www.slrss.cn/kydt/202303/t20230330_738564.html
17.渭河流域土地利用LC10米数据集(2020年)数据集摘要 该数据集具有高覆盖性、时效性好(2020年)、分辨率高(10米)的特点,以渭河流域为研究区域,提取基于机器学习方法对哨兵2遥感影像处理的土地利用数据,分为十大类(水体、树木、草地、被淹没的植被、农作物、灌丛/灌木、建筑区、裸地、雪/冰、云层)。https://www.ncdc.ac.cn/portal/metadata/eb0782b6-074c-4787-b703-de95effe6557