Sample data for "A weakly supervised framework for high resolution crop yield forecasts"

This dataset includes sample data for the United States to run the weakly supervised framework as described in the paper titled <em>A weakly supervised framework for high resolution crop yield forecasts</em>, accessible at https://doi.org/10.48550/arXiv.2205.09016 The updated paper (including results from the US) is published in Environmental Research Letters: https://doi.org/10.1088/1748-9326/acf50e The software implementation of the machine learning baseline is available at: https://github.com/BigDataWUR/MLforCropYieldForecasting/tree/weaksup. Data 1. County data (county-data.zip) for county-level strongly supervised models: * CROP_AREA_COUNTY_US.csv: County crop production area statistics (acres). Source: NASS (USDA-NASS, 2022). * CSSF_COUNTY_US.csv: Crop productivity indicators including total above-ground production (kg ha^-1), total weight of storage organs (kg ha^-1), development stage (0-2). Source: de Wit et al. (2022). * METEO_COUNTY_US.csv: Meteo data including maximum, minimum, average daily air temperature (℃); sum of daily precipitation (PREC) (mm); sum of daily evapotranspiration of short vegetation (ET0) (Penman-Monteith, Allen et al., (1998)) (mm); climate water balance = (PREC - ET0) (mm). Source: Boogaard et al. (2022). * REMOTE_SENSING_COUNTY_US.csv: Fraction of Absorbed Photosynthetically Active Radiation (Smoothed) (FAPAR). Source: Copernicus GLS (2020). * SOIL_COUNTY_US.csv: Soil water holding capacity. Source: WISE Soil Property Database (Batjes, 2016). * YIELD_COUNTY_US.csv: County yield statistics (bushels/acre). Source: NASS (USDA-NASS, 2022). 2. 10-km grid data (grid-data.zip) for grid-level strongly supervised models: * COUNTY_GRIDS_US.csv: Mapping between counties and grids. * CSSF_GRIDS_US.csv: Crop productivity indicators at 10km grid level (similar to county data above). * METEO_GRIDs_US.csv: Meteo data at 10km grid level (similar to county data above). * REMOTE_SENSING_GRIDS_US.csv: FAPAR at 10km grid level (similar to county data above). * SOIL_GRIDS_US.csv: Soil water holding capacity at 10km grid level (similar to county data above). * YIELD_GRIDS_US.csv: Grid-level modeled yields (t ha^-1). Source: Deines et al. (2021), Lobell et al. (2020). 3. County labels and 10-km grid inputs (dscale-US.zip) for weak supervision: * COUNTY_GRIDS_US.csv: Mapping between counties and grids. * CSSF_GRIDS_US.csv: Crop productivity indicators at 10km grid level. * METEO_GRIDs_US.csv: Meteo indicators at 10km grid level. * REMOTE_SENSING_GRIDS_US.csv: FAPAR at 10km grid level. * SOIL_GRIDS_US.csv: Soil water holding capacity at 10km grid level. * YIELD_GRIDS_US.csv: Grid-level modeled yields (t ha^-1). Source: Deines et al. (2021). * YIELD_COUNTY_US.csv: County yield statistics (bushels/acre). Source: NASS (USDA-NASS, 2022). * CROP_AREA_COUNTY_US.csv: County crop production area statistics (acres). Source: NASS (USDA-NASS, 2022).本数据集包含用于美国运行《用于高精度作物产量预测的弱监督框架》（*A weakly supervised framework for high resolution crop yield forecasts*）的示例数据，该论文可通过https://doi.org/10.48550/arXiv.2205.09016 获取。包含美国区域研究结果的更新版论文已发表于《Environmental Research Letters》，链接为https://doi.org/10.1088/1748-9326/acf50e。机器学习基线模型的软件实现可于https://github.com/BigDataWUR/MLforCropYieldForecasting/tree/weaksup 获取。 1. 县级强监督模型用县级数据（county-data.zip） * CROP_AREA_COUNTY_US.csv：县级作物种植面积统计（单位：英亩），数据来源为美国农业部国家农业统计服务处（National Agricultural Statistics Service, NASS, USDA-NASS, 2022）。 * CSSF_COUNTY_US.csv：作物生产力指标，包括地上部总生物量（kg·ha⁻¹）、储藏器官总重量（kg·ha⁻¹）、作物发育阶段（0-2），数据来源为de Wit等人（2022）。 * METEO_COUNTY_US.csv：气象数据，包括每日最高、最低、平均气温（℃）；日降水量（PREC）累计量（mm）；短植被实际蒸散量（ET0，Penman-Monteith模型，Allen等人(1998)）累计量（mm）；气候水分平衡=（PREC - ET0）（mm），数据来源为Boogaard等人（2022）。 * REMOTE_SENSING_COUNTY_US.csv：经平滑处理的吸收光合有效辐射（Fraction of Absorbed Photosynthetically Active Radiation, FAPAR），数据来源为哥白尼全球陆地服务（Copernicus GLS, 2020）。 * SOIL_COUNTY_US.csv：土壤持水量，数据来源为WISE土壤属性数据库（Batjes, 2016）。 * YIELD_COUNTY_US.csv：县级作物产量统计（单位：蒲式耳/英亩），数据来源为NASS (USDA-NASS, 2022)。 2. 栅格级强监督模型用10km栅格数据（grid-data.zip） * COUNTY_GRIDS_US.csv：县级行政区与栅格的映射关系表。 * CSSF_GRIDS_US.csv：10km栅格级作物生产力指标（与上述县级数据格式一致）。 * METEO_GRIDs_US.csv：10km栅格级气象数据（与上述县级数据格式一致）。 * REMOTE_SENSING_GRIDS_US.csv：10km栅格级FAPAR（与上述县级数据格式一致）。 * SOIL_GRIDS_US.csv：10km栅格级土壤持水量（与上述县级数据格式一致）。 * YIELD_GRIDS_US.csv：栅格级模拟产量（单位：t·ha⁻¹），数据来源为Deines等人（2021）、Lobell等人（2020）。 3. 弱监督任务用县级标签与10km栅格输入数据（dscale-US.zip） * COUNTY_GRIDS_US.csv：县级行政区与栅格的映射关系表。 * CSSF_GRIDS_US.csv：10km栅格级作物生产力指标。 * METEO_GRIDs_US.csv：10km栅格级气象指标。 * REMOTE_SENSING_GRIDS_US.csv：10km栅格级FAPAR。 * SOIL_GRIDS_US.csv：10km栅格级土壤持水量。 * YIELD_GRIDS_US.csv：栅格级模拟产量（单位：t·ha⁻¹），数据来源为Deines等人（2021）。 * YIELD_COUNTY_US.csv：县级作物产量统计（单位：蒲式耳/英亩），数据来源为NASS (USDA-NASS, 2022)。 * CROP_AREA_COUNTY_US.csv：县级作物种植面积统计（单位：英亩），数据来源为NASS (USDA-NASS, 2022)。