作物物候为地表物候动态监测和建模以及作物管理和生产提供了重要信息。以往的大多数研究主要是在站点尺度上研究作物物候，然而，大尺度地表物候动态监测和建模需要高分辨率的作物物候动态空间显式信息。在本研究中，我们基于全球陆面卫星叶面积指数（LAI）产品，制作了 2000 年至 2015 年三种主要作物的 1 km 网格作物物候数据集，称为 ChinaCropPhen1km。首先，我们比较了三种常见的平滑方法，并针对不同作物和地区选择了最适合的方法。然后，我们开发了一种基于最优滤波的物候检测（OFP）方法，该方法结合了基于拐点和基于阈值的方法，在 1 km 空间分辨率下检测了中国三种主要作物的关键物候期。最后，我们建立了 2000-2015 年中国三种主要作物的高分辨率网格物候产品。与中国气象局农业气象站（AMS）的密集物候观测数据相比，该数据集具有较高的精度，检索到的物候日期误差小于 10 d，较好地表现了观测到的物候动态在站点尺度上的时空格局。经过验证的数据集可用于多种用途，包括改进大面积的农业系统或地球系统建模。
1）ChinaCropPhen1km 输入数据：2000-2015 年基于 MODIS 的改进 LAI 数据集（GLASS LAI）来自 Liang 等（2013；http://glass-product.bnu.edu.cn/?pid=3&c=1，最后访问日期：2020 年 1 月）。
2）ChinaCropPhen1km 验证数据：2000-2013 年玉米、水稻和小麦作物物候观测记录来自中国气象局管理的 AMSs（https://data.cma.cn/，最后访问日期：2019 年 12 月）。这些物候信息由训练有素的农业技术人员在试验田进行观测和记录，然后由中国农业气象监测系统（CAMMS）进行检查和管理。
数据处理过程如下 (1) 数据预处理；(2) 选择耕地样方网格，确定合适的平滑方法；(3) 确定基于最优滤波的物候检测（OFP）方法；(4) 生成 ChinaCropPhen1km 数据集。
数据质量良好。
本作品采用
知识共享署名
4.0 国际许可协议进行许可。
CSTR:11738.11.NCDC.FIGSHARE.DB4098.2023
10.6084/m9.figshare.8313530.v5
