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

全球主要作物历史产量数据集，涵盖1981至2016年。

A historical yield dataset of major global crops, covering the period from 1981 to 2016.

原始信息汇总

数据集概述

本数据集是一个综合性的公共数据源列表，涵盖了多个领域的数据集，包括农业、生物学、气候与天气、复杂网络、计算机网络、数据挑战、地球科学和经济等。每个领域的数据集都经过整理和分类，便于用户查找和使用。

数据集分类详情

农业

• 全球主要作物历史产量数据集 (1981–2016)
• 土壤湿度高光谱基准数据集
• 柠檬质量控制数据集
• 优化土壤调整植被指数
• 美国农业部营养数据库
• 美国农业部植物数据库

生物学

• 1000 Genomes Project数据
• 美国肠道项目（微生物组项目）
• Broad Bioimage Benchmark Collection (BBBC)
• Broad癌症细胞系百科全书(CCLE)
• 细胞图像图书馆
• 完整基因组公共数据
• EBI ArrayExpress
• EBI蛋白质数据库
• ENCODE项目
• 电子显微镜数据银行(EMDB)
• Gene Expression Omnibus (GEO)
• 基因本体论(GO)
• 全球生物相互作用(GloBI)
• 哈佛医学院LINCS项目
• 人类基因组多样性项目
• 人类微生物组项目(HMP)
• 国际HapMap项目
• KEGG数据库
• MIT癌症基因组数据
• NCBI蛋白质数据库
• NCBI分类数据库
• NCI基因组数据共享
• NIH微阵列数据
• OpenSNP基因型数据
• Palmer Penguins数据集
• 蛋白质-蛋白质相互作用目录
• 蛋白质数据库(PDB)
• 精神病基因组学联盟
• PubChem项目
• PubGene (现Coremine Medical)
• Sanger癌症突变目录(COSMIC)
• Sanger药物敏感性基因组学项目(GDSC)
• 序列读取档案(SRA)
• 斯坦福微阵列数据库
• Stowers研究所原始数据档案
• 系统生物学动态(SSBD)数据库
• 癌症基因组图谱(TCGA)
• 生命目录
• 个人基因组项目
• UCSC公共数据
• 通用蛋白质资源(UniProt)
• Rfam数据库

气候与天气

• 保险精算气候指数
• 澳大利亚天气
• 航空天气中心
• 巴西天气
• 加拿大气象中心
• 气候数据来自UEA
• 荷兰天气
• 欧洲气候评估与数据集
• 全球气候数据自1929年
• 全球气候变化新闻叙事数据集
• NASA全球影像浏览服务
• NOAA白令海气候
• NOAA气候数据集
• NOAA实时天气模型
• NOAA SURFRAD气象与辐射数据集
• 世界银行气候数据API
• UEA气候研究单位
• WU历史天气全球
• 华盛顿邮报气候变化数据集
• WorldClim全球气候数据

复杂网络

• AMiner引用网络数据集
• CrossRef DOI URLs
• DBLP引用数据集
• DIMACS道路网络集合
• NBER专利引用
• NIST复杂网络数据集合
• 网络存储库与交互式探索分析工具
• 蛋白质-蛋白质相互作用网络
• PyPI和Maven依赖网络
• Scopus引用数据库
• 小型网络数据
• 斯坦福图形库
• 斯坦福大型网络数据集集合
• 斯坦福长期网络数据源
• Koblenz网络集合
• Web算法实验室(UNIMI)
• UCI网络数据存储库
• UFL稀疏矩阵集合
• WSU图形数据库
• 社区资源用于达特茅斯无线数据存档

计算机网络

• 3.5B网页从CommonCrawl 2012
• 53.5B网页点击100K用户在印第安纳大学
• CAIDA互联网数据集
• CRAWDAD无线数据集从达特茅斯大学
• ClueWeb09 - 1B网页
• ClueWeb12 - 733M网页
• CommonCrawl网页数据超过7年
• Criteo点击率数据
• 互联网全扫描数据存储库
• MIRAGE-2019移动流量数据集
• OONI:开放网络干扰观测站
• 开放移动数据由MobiPerf
• Peer-to-Peer跟踪档案
• Rapid7 Sonar互联网扫描
• UCSD网络望远镜,IPv4 /8网

数据挑战

• 暴力破解数据库
• 机器学习挑战
• CrowdANALYTIX dataX
• D4D挑战橙色
• DrivenData竞赛为社会公益
• ICWSM数据挑战(自2009年)
• KDD杯由腾讯2012
• Kaggle竞赛数据
• Localytics数据可视化挑战
• Netflix奖
• 空间应用挑战
• 电信意大利大数据挑战
• TravisTorrent数据集-MSR2017挖掘挑战
• TunedIT -数据挖掘与机器学习数据集,算法,挑战
• Yelp数据集挑战

地球科学

• 38-Cloud(云检测)
• AQUASTAT -全球水资源与使用
• BODC -海洋数据约22K变量
• EOSDIS -NASA的地球观测系统数据
• 地球模型
• 综合海洋观测系统(IMOS)
• Marinexplore -开放海洋学数据
• 阿拉巴马实时沿海观测系统
• 国家河口研究储备系统范围监测项目
• 石油和天然气管理局开放数据
• 史密森学会全球火山和喷发数据库
• USGS地震档案

经济学

• 美国经济协会(AEA)
• EconData从UMD
• 世界经济自由数据
• 宏观经济历史统计
• INFORUM -马里兰大学产业预测
• DBnomics -世界经济数据库
• 国际贸易统计
• 互联网产品代码数据库
• 联合外部债务数据中心
• Jon Haveman国际贸易数据链接
• 长期生产率数据库
• OpenCorporates数据库全球公司

数据集特点

• 数据集覆盖广泛，包含多个领域的详细数据。
• 大多数数据集免费，部分可能需要特定条件或费用。
• 数据集通过GitHub等平台提供，便于下载和使用。
• 部分数据集存在更新或维护问题，标记为“FIXME”。

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的历史农作物产量数据构建而成，涵盖了1981年至2016年间主要作物的产量记录。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。通过统一的数据清洗和标准化处理，确保了数据的一致性和可比性。此外，数据集还结合了气候、土壤等环境因素，进一步丰富了数据的维度。

特点

该数据集的特点在于其全球覆盖范围广，时间跨度长达35年，涵盖了多种主要作物的产量数据。数据具有高度的时空分辨率，能够支持从国家到区域的多尺度分析。此外，数据集还提供了丰富的元数据信息，包括作物类型、种植面积、气候条件等，为农业研究提供了全面的数据支持。

使用方法

该数据集可用于农业产量预测、气候变化对农业的影响评估以及农业政策的制定与优化。研究人员可以通过分析历史产量数据，识别影响作物产量的关键因素，并建立预测模型。此外，数据集还可用于跨区域比较研究，帮助识别不同地区的农业生产力差异及其背后的驱动因素。使用该数据集时，建议结合其他环境和社会经济数据，以获得更全面的分析结果。

背景与挑战

背景概述

The global dataset of historical yields for major crops 1981–2016 是由国际研究团队创建的一个重要农业数据集，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。其创建时间可追溯至2019年，由多个国际研究机构共同参与，旨在为农业政策制定、气候变化研究以及粮食安全分析提供数据支持。该数据集通过整合多源数据，提供了高时空分辨率的作物产量信息，极大地推动了农业科学和全球粮食系统的研究进展。

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对农业影响的领域问题中面临诸多挑战。首先，数据的时空异质性使得全球范围内的作物产量预测变得复杂，尤其是在不同气候条件下，作物的生长表现差异显著。其次，数据集的构建过程中，数据来源的多样性和数据质量的参差不齐增加了数据整合的难度。此外，历史数据的缺失或不完整也限制了模型的准确性和预测能力。如何有效处理这些数据挑战，提升模型的泛化能力，是该数据集未来研究中的关键问题。

常用场景

经典使用场景

The global dataset of historical yields for major crops 1981–2016 数据集在农业科学领域中被广泛用于分析全球主要作物的历史产量变化趋势。研究人员通过该数据集，能够深入探讨不同地区、不同气候条件下作物的产量波动，进而为农业政策的制定提供科学依据。该数据集的时间跨度长达35年，涵盖了全球多个主要作物的产量数据，为农业经济学、气候变化对农业影响等领域的研究提供了宝贵的数据支持。

实际应用

在实际应用中，The global dataset of historical yields for major crops 1981–2016 数据集被广泛用于农业政策制定、粮食安全评估以及气候变化适应策略的制定。政府和国际组织利用这些数据来评估不同地区的粮食生产能力，预测未来的粮食供应情况，并制定相应的政策以应对气候变化带来的挑战。此外，农业企业和研究机构也利用该数据集进行作物品种改良和农业技术优化，以提高作物产量和抗逆性。

衍生相关工作

该数据集衍生了大量经典研究工作，尤其是在农业经济学、气候变化与农业适应性研究领域。例如，基于该数据集的研究成果被用于开发全球作物产量预测模型，评估气候变化对粮食安全的影响，以及制定全球农业政策。此外，该数据集还推动了跨学科研究，如农业与气候科学的结合，为全球农业可持续发展提供了重要的理论支持和实践指导。