地球资源数据云——数据资源详情

2017-2022年全球30m分辨率冬季三叶草作物分布图数据集

本数据为 2017 - 2022年全球30米分辨率冬季三叶草作物分布图。数据对象主要包括冬小麦、冬大麦、冬黑麦和小黑麦等冬季麦类作物，用于刻画目标作物在年度尺度上的空间分布。 数据来源 数据来源于 Science Data Bank及国家生态科学数据中心发布的数据集，该数据基于冬三叶草作物指数（WTCI）或冬季麦类作物识别指数构建，利用目标作物从抽穗期到收获期的NDVI时序特征与其他植被类型之间的差异进行识别，属于无需训练样本的自动制图方法。 数据内容 本数据集共包含 585个GeoTIFF栅格文件，每个地区每年对应一个栅格。本地栅格头信息检查结果显示，全部文件均为单波段栅格，像元大小均为30米×30米。数据类型以int8为主，个别文件为float32、float64或uint8。大多数文件未显式设置NoData值，少数文件设置了极小浮点值、0或3作为NoData。进行统计或叠加分析时，应先统一NoData处理规则。各区域采用等面积圆锥投影体系，便于面积统计和跨区域对比。数据主要使用欧洲、亚洲北部、中国、非洲、澳大利亚、北美和南美等区域Albers等面积投影。 数据质量 本数据使用田野调查样本和 Google Earth样本进行验证，生产者准确率、用户准确率和总体准确率分别为81.12%、87.85%和87.7%。与美国耕地数据层（CDL）和欧洲地块识别系统（LPIS）对比时，美国和欧洲大部分地区总体准确率超过80%，F1分数超过0.75。 面积一致性方面，调查县或地区的识别面积与农业统计面积总体保持一致；六个年份中，识别面积与统计面积相关系数 R²均超过0.6，相对平均绝对误差（RMAE）均小于30%。这些结果说明该产品在全球尺度和年度尺度上具有较好的稳定性和可迁移性。 使用限制方面，不同年份分幅数量存在差异，可能与区域拆分方式、数据覆盖范围和文件组织方式有关；部分文件的数据类型和 NoData设置不完全一致，批量统计前建议统一重投影、NoData和像元类别规则。在县域、田块或小区域精细化应用中，仍建议结合当地地面调查、农业统计或高分辨率影像进行复核。