The global dataset of historical yields for major crops 1981–2016

全球主要作物1981-2016年历史产量数据集

Historical Yield Dataset of Major Global Crops from 1981 to 2016

原始信息汇总

数据集概述

农业

• 全球主要作物历史产量数据集 (1981-2016)：提供1981至2016年全球主要作物的历史产量数据。
• 土壤水分高光谱基准数据集：包含关于土壤水分的高光谱数据。
• 柠檬质量控制数据集：为柠檬质量控制准备的数据集。
• 优化土壤调整植被指数：用于工作植被指数的数据工具。
• 美国农业部营养数据库：提供详细的营养成分数据。
• 美国农业部植物数据库：包含完整的植物数据信息。

生物学

• 1000基因组项目：提供2008至2015年间的基因组数据。
• 美国肠道项目（微生物组项目）：研究人类微生物组的数据集。
• Broad生物图像基准集合（BBBC）：提供生物图像基准数据。
• Broad癌症细胞系百科全书（CCLE）：包含癌症细胞系的数据。
• 细胞图像图书馆：公开可访问的细胞图像资源。
• 完整基因组公共数据：多样化的全人类基因组数据集。
• EBI ArrayExpress：功能基因组数据的数据库。
• EBI蛋白质数据库在欧洲：电子显微镜数据的数据库。
• ENCODE项目：DNA元件百科全书项目的数据。
• 电子显微镜试点图像档案（EMPIAR）：电子显微镜图像的数据库。
• 基因表达综合（GEO）：公共功能基因组数据资源。
• 基因本体（GO）：基因本体注释文件。
• 全球生物相互作用（GloBI）：物种相互作用数据。
• 哈佛医学院LINCS项目：研究细胞信号传导的数据集。
• 人类基因组多样性项目：斯坦福科学家的人类基因组数据。
• 人类微生物组项目（HMP）：超过2000个参考微生物组序列的数据。
• 国际HapMap项目：人类遗传变异的数据集。
• KEGG：理解高级生物功能的资源。
• MIT癌症基因组数据：癌症基因组数据。
• NCBI蛋白质：蛋白质相关数据。
• NCBI分类学：生物分类学数据。
• NCI基因组数据共享：癌症基因组数据门户。
• NIH微阵列数据：微阵列相关数据。
• OpenSNP基因型数据：直接面向消费者的基因检测数据。
• Palmer企鹅数据集：研究企鹅的数据集。
• Pathguide：蛋白质-蛋白质相互作用目录。
• 蛋白质数据库：蛋白质结构数据。
• 精神病基因组联盟：精神病遗传学数据。
• PubChem项目：自由可用的化学信息数据库。
• PubGene（现Coremine Medical）：医学相关的数据工具。
• Sanger癌症突变目录（COSMIC）：癌症突变数据。
• Sanger药物敏感性基因组学项目（GDSC）：癌症药物敏感性数据。
• 序列读取档案（SRA）：存储原始序列数据。
• 斯坦福微阵列数据库：微阵列数据。
• Stowers研究所原始数据存储库：生物学研究数据。
• 系统生物学动态（SSBD）数据库：生物动态系统数据。
• 癌症基因组图谱（TCGA）：癌症基因组数据。
• 物种目录：物种信息的质量保证资源。
• 个人基因组项目：个人基因组数据。
• UCSC公共数据：基因组学数据。
• UniGene：基因特异性序列集合。
• 通用蛋白质资源（UniProt）：蛋白质序列和功能信息。
• Rfam：RNA家族数据库。

气候与天气

• 保险精算师气候指数：气候变化相关数据。
• 澳大利亚天气：澳大利亚的历史和实时天气数据。
• 航空天气中心：航空相关的天气数据。
• 巴西天气：巴西的历史天气数据。
• 加拿大气象中心：加拿大的气象数据。
• UEA气候数据：每月更新的气候数据。
• 荷兰天气：荷兰气象数据中心提供的数据。
• 欧洲气候评估与数据集：欧洲气候数据。
• 全球气候数据自1929年：全球气候历史数据。
• 全球气候变化新闻叙事数据集：2009-2020年全球气候变化新闻数据。
• NASA全球图像浏览服务：NASA提供的全球图像数据。
• NOAA白令海气候：白令海的气候数据。
• NOAA气候数据集：NOAA提供的多种气候数据。
• NOAA实时天气模型：NOAA的实时天气预测模型数据。
• NOAA SURFRAD气象学和辐射数据集：气象和辐射测量数据。
• 世界银行开放数据资源：气候变化相关数据。
• UEA气候研究中心：气候研究数据。
• WU历史天气全球：全球历史天气数据。
• 华盛顿邮报气候变化数据：用于分析全球变暖的数据。
• WorldClim：全球气候数据。

复杂网络

• AMiner引用网络数据集：学术引用网络数据。
• CrossRef DOI URLs：学术出版物的DOI链接数据。
• DBLP引用数据集：计算机科学文献引用数据。
• DIMACS道路网络集合：道路网络数据。
• NBER专利引用：专利引用数据。
• NIST复杂网络数据集合：复杂网络数据。
• 网络存储库：网络数据和交互式分析工具。
• 蛋白质-蛋白质相互作用网络：生物学中的蛋白质相互作用数据。
• PyPI和Maven依赖网络：软件包依赖数据。
• Scopus引用数据库：学术文献引用数据。
• 小型网络数据：小型网络数据集。
• 斯坦福图基：计算机科学中的图数据。
• 斯坦福大型网络数据集集合：大型网络数据集。
• Koblenz网络收集：网络数据集。
• 网络算法实验室（UNIMI）：网络数据集。
• UCI网络数据存储库：网络数据。
• UFL稀疏矩阵集合：稀疏矩阵数据。
• 社区资源：无线数据收集。

计算机网络

• 3.5B网页数据集：2012年CommonCrawl的网页数据。
• 53.5B网页点击数据集：印第安纳大学用户的网页点击数据。
• CAIDA互联网数据集：互联网相关数据。
• ClueWeb09：10亿网页数据。
• ClueWeb12：7.33亿网页数据。
• CommonCrawl网络数据：过去7年的网络数据。
• Criteo点击数据：广告点击数据。
• MIRAGE-2019：移动流量数据集。
• OONI：网络干扰的开放观察：互联网审查数据。
• 开放移动数据：移动网络数据。
• Peer-to-Peer跟踪档案：P2P网络测量数据。
• Rapid7 Sonar互联网扫描：互联网扫描数据。
• UCSD网络望远镜：IPv4 /8网络数据。

数据挑战

• Bruteforce数据库：密码破解数据。
• 机器学习挑战：机器学习相关数据。
• DrivenData竞赛：社会公益相关的数据竞赛。
• ICWSM数据挑战：社会媒体数据。
• KDD杯2012：数据挖掘竞赛数据。
• Kaggle竞赛数据：数据科学竞赛数据。
• Localytics数据可视化挑战：数据可视化竞赛数据。
• Netflix奖：电影推荐数据。
• 空间应用挑战：空间技术相关数据。
• Telecom Italia大数据挑战：大数据竞赛数据。
• TravisTorrent数据集：软件开发数据。
• TunedIT：数据挖掘和机器学习数据集。

地球科学

• 38-Cloud（云检测）：包含38个Landsat 8场景图像及其云掩码。
• AQUASTAT：全球水资源和使用数据。
• BODC：约22,000个海洋变量的数据。
• EOSDIS：NASA的地球观测系统数据。
• 地球模型：地球物理模型数据。
• 全球风图集：全球风能资源数据。
• 综合海洋观测系统（IMOS）：约30TB的海洋测量数据。
• Marinexplore：开放海洋学数据。
• 阿拉巴马实时海岸观测系统：海岸观测数据。
• 国家河口研究保护区系统监测计划：河口环境数据。
• 石油和天然气管理局开放数据：海上油气井数据。
• 史密森尼全球火山和喷发数据库：全球火山活动数据。
• USGS地震档案：地震相关数据。

经济学

• 美国经济协会（AEA）：经济学研究数据。
• EconData：经济学相关数据。
• 世界经济自由数据：经济自由度数据。
• 历史宏观经济统计：历史宏观经济数据。
• INFORUM：经济预测数据。
• DBnomics：世界经济数据库。
• 国际贸易统计：国际贸易数据。
• 联合外部债务数据中心：外部债务数据。
• Jon Haveman国际贸易数据链接：国际贸易数据资源。
• 长期生产力数据库：长期生产力数据。

搜集汇总

数据集介绍

构建方式

该数据集通过整合全球范围内1981年至2016年间主要农作物的历史产量数据构建而成。数据来源包括各国农业部门、国际组织以及科研机构的公开报告和数据库，确保了数据的广泛性和权威性。数据的收集和整理过程遵循严格的标准化流程，以确保不同地区和年份的数据具有可比性。

特点

该数据集涵盖了全球主要农作物的历史产量数据，时间跨度长达35年，具有较高的时间分辨率和地理覆盖范围。数据集中的农作物种类丰富，包括小麦、玉米、水稻等主要粮食作物，能够为农业研究、政策制定和市场分析提供全面的数据支持。此外，数据集还提供了详细的元数据，便于用户理解和使用。

使用方法

该数据集可通过PANGAEA平台访问，用户可以通过DOI链接直接下载数据文件。数据集以表格形式存储，支持多种数据分析工具进行进一步处理。用户可以根据研究需求，筛选特定作物、地区或时间段的产量数据，进行趋势分析、模型构建或政策评估。数据集还提供了详细的使用指南和元数据说明，帮助用户快速上手。

背景与挑战

背景概述

《The global dataset of historical yields for major crops 1981–2016》数据集由国际研究团队于2019年发布，旨在为全球主要农作物的历史产量提供详尽的记录。该数据集涵盖了1981年至2016年间全球范围内主要农作物的产量数据，包括小麦、玉米、水稻等关键作物。其核心研究问题在于通过长期的历史数据，揭示气候变化、农业政策和技术进步对农作物产量的影响。该数据集为农业经济学、气候变化研究以及粮食安全政策制定提供了重要的数据支持，推动了相关领域的定量分析和模型构建。

当前挑战

该数据集在解决全球农作物产量预测和气候变化影响评估方面面临多重挑战。首先，数据的时空覆盖不均，部分地区的记录存在缺失或精度不足，影响了全球范围内的分析一致性。其次，不同国家和地区的农业统计标准不一致，导致数据整合和比较的复杂性增加。此外，构建过程中还面临数据来源多样化的挑战，包括政府统计、卫星遥感数据以及实地调查数据的融合，需要复杂的预处理和质量控制。这些挑战不仅影响了数据的可靠性，也对后续的分析和应用提出了更高的技术要求。

常用场景

经典使用场景

在全球气候变化和粮食安全日益受到关注的背景下，The global dataset of historical yields for major crops 1981–2016数据集为研究人员提供了一个全面的历史作物产量数据库。该数据集涵盖了1981年至2016年间全球主要作物的产量数据，广泛应用于农业生产力分析、气候变化对作物产量的影响研究以及粮食安全政策的制定。通过该数据集，研究人员能够深入探讨不同地区、不同作物的产量变化趋势，为全球农业政策的制定提供科学依据。

实际应用

在实际应用中，The global dataset of historical yields for major crops 1981–2016数据集被广泛应用于农业生产力评估、粮食安全监测以及气候变化适应策略的制定。例如，国际粮食政策研究所（IFPRI）利用该数据集评估了气候变化对全球粮食生产的影响，并提出了相应的政策建议。此外，各国农业部门也利用该数据集进行区域性的作物产量预测，帮助农民优化种植结构，提高农业生产效率。

衍生相关工作

该数据集衍生了许多经典的研究工作，特别是在气候变化与农业生产力关系的研究领域。例如，基于该数据集的研究成果被广泛应用于《联合国气候变化框架公约》（UNFCCC）的报告中，为全球气候政策的制定提供了科学依据。此外，许多学术论文也利用该数据集探讨了不同气候情景下作物产量的变化趋势，为全球粮食安全研究提供了重要的数据支持。