冬小麦、冬大麦、冬黑麦和三叶草等冬季三叶草作物在人类饮食中占有重要地位，世界各地都有种植，因此准确的冬季三叶草作物空间分布信息对于监测作物生产和粮食安全至关重要。然而，由于现有的作物绘图方法依赖于训练样本，限制了其在全球范围内的应用，因此仍然缺乏全球高分辨率的冬季三叶草作物地图。基于这一新方法，我们首次绘制了 2017 年至 2022 年全球 30 米分辨率的冬凌草作物分布图。本数据集时间尺度为2017-2022年，时间分辨率为年，空间分辨率30m.高分辨率的全球冬凌草作物分布图有望为多种农业应用提供支持。
本研究使用的数据包括 (1) Landsat 7、Landsat 8 和 Sentinel-2 的反射率数据；(2) Sentinel-1 的合成孔径雷达 (SAR) 数据；(3) 实地调查样本和目视判读样本；(4) 农业统计数据。利用反射数据和合成孔径雷达数据生成冬季三叶草作物图；利用实地调查样本、目视判读样本和农业统计数据评估拟议方法的性能。
本数据集中，提出了一种基于冬小麦作物指数 （WTCI） 的全球冬小麦作物制图的新方法。这是一种新的无样本方法，用于根据从抽穗到收获阶段的归一化差异植被指数 （NDVI） 特征以及其他类型植被的差异来识别冬小麦作物。
使用野外调查样本和 Google Earth 样本进行验证表明，该方法表现出令人满意的性能和稳定的时空传递性，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%。此外，与农田数据层 （CDL） 和地块识别系统 （LPIS） 数据集相比，美国和欧洲大部分地区的总体准确率和 F1 得分分别超过 80% 和 0.75。冬小麦作物的确定面积与几乎所有调查县或地区的农业统计面积一致，确定面积与统计面积之间的相关系数（R2）均大于0.6，而相对平均绝对误差（RMAE）均小于30%。
本作品采用
知识共享署名
4.0 国际许可协议进行许可。
CSTR:https://cstr.cn/31253.11.sciencedb.12361
https://doi.org/10.57760/sciencedb.12361
