中国的500米长期冬季小麦谷物蛋白质含量数据集来自多来源数据的多来源数据
Xiaobin Xu1, Lili Zhou1, James Taylor2
1College of Geodesy and Geomatics, Shandong University of Science and Technology, Qingdao, 266590, PR China.
Scientific data
|September 19, 2024
概括
中国开发了第一个长期,500米分辨率的冬季小麦数据集 (CNWheatGPC-500),以准确估计谷物蛋白含量 (GPC). 一个层次的线性模型实现了优越的GPC估计,帮助农业决策.
科学领域:
- 农业科学 农业科学
- 遥感 遥感 遥感 遥感
- 数据科学数据科学数据科学
背景情况:
- 准确的小麦谷蛋白含量 (GPC) 数据对于中国的粮食安全和市场竞争力至关重要.
- 之前的GPC研究受到小规模,短时间和缺乏高分辨率数据的限制,特别是在中国多样化的地形上.
- 对于中国大规模的长期GPC估计,存在很大的数据差距.
研究的目的:
- 为了解决中国大规模GPC估计数据缺口和挑战.
- 创建第一个500米的空间分辨率,中国的冬季小麦长期数据集 (CNWheatGPC-500).
- 开发和验证一个可靠的模型来估计小麦GPC.
主要方法:
- 整合来自ERA5和MODIS的多源数据来构建CNWheatGPC-500数据集.
- 开发一个GPC估计模型,使用层次的线性模型方法.
- 严格验证使用专门的数据集和交叉验证技术 (假期一年).
主要成果:
- 层次的线性模型显著优于GPC估计的传统模型.
- 验证数据集实现了0.45的R2和0.96%的根平均平方误差 (RMSE).
- 交叉验证显示出强的表现,RMSE在区域范围内范围为0.90%至1.32%,而一年假期为0.77%至1.11%.
结论:
- CNWheatGPC-500数据集为中国主要冬季小麦地区提供了前所未有的高分辨率,长期GPC数据.
- 层次线性模型为准确的GPC估计提供了一种优越的方法.
- 这项工作支持增强小麦生产,质量控制和明智的农业决策.
