全球特定作物施肥数据集（1961-2019）|农业施肥数据集|机器学习数据集

arXiv2024-06-14 更新2024-08-06 收录

农业施肥

机器学习

下载链接：

http://arxiv.org/abs/2406.10001v1

下载链接

链接失效反馈

资源简介：

全球特定作物施肥数据集（1961-2019）是由巴塞罗那自治大学等机构创建的，旨在提供一个全面的高质量数据集，以支持全球肥料应用率的详细分析。该数据集包含13种主要作物群从1961年到2019年的氮（N）、磷五氧化二磷（P2O5）和氧化钾（K2O）的应用率，以5弧分的分辨率呈现。数据集的创建过程涉及使用两种机器学习模型——极端梯度提升（XGBoost）和历史梯度提升（HistGradientBoosting）算法，以及通过SHapley Additive exPlanations（SHAP）值进行模型验证。该数据集的应用领域广泛，包括环境建模、因果分析、肥料价格预测和预测，旨在解决全球食品安全、气候变化等关键问题。

提供机构：

巴塞罗那自治大学

创建时间：

2024-06-14

AI搜集汇总

数据集介绍

构建方式

全球特定作物施肥数据集（1961-2019）通过整合多个全球和国家级的施肥数据源，结合机器学习模型（eXtreme Gradient Boosting 和 HistGradientBoosting）进行预测，生成了1961年至2019年间13种主要作物组的氮（N）、磷（P2O5）和钾（K2O）施肥率的全球5弧分分辨率地图。数据集的构建过程包括数据收集、预处理、模型训练与验证，并通过SHapley Additive exPlanations（SHAP）值分析模型特征的重要性，确保预测的准确性和可解释性。

特点

该数据集涵盖了全球范围内13种主要作物组的氮、磷和钾施肥率，时间跨度为1961年至2019年，空间分辨率为5弧分。数据集的特点在于其高时空分辨率，能够反映不同作物和地区的施肥趋势变化。此外，数据集还提供了施肥率的社会经济、农业和环境驱动因素的分析，为全球农业政策的制定和环境影响评估提供了重要依据。

使用方法

该数据集可用于全球农业施肥趋势分析、环境影响评估、农业政策制定以及作物产量预测等研究领域。用户可以通过数据集提供的5弧分分辨率地图，分析不同作物和地区的施肥率变化，并结合社会经济和环境因素，探讨施肥率变化的驱动机制。此外，数据集还可作为其他模型的输入数据，用于预测作物产量、肥料价格等。

背景与挑战

背景概述

全球特定作物施肥数据集（1961-2019）由Fernando Coello等人于2024年创建，旨在填补全球作物施肥数据的空白。该数据集通过使用eXtreme Gradient Boosting和HistGradientBoosting两种机器学习模型，预测了13种主要作物组在1961年至2019年间的氮（N）、五氧化二磷（P2O5）和氧化钾（K2O）的施肥率。该数据集的分辨率为5弧分，涵盖了全球范围内的施肥趋势，为环境建模、因果分析、肥料价格预测等应用提供了重要输入。该研究的主要目标是理解全球作物养分管理实践，识别施肥趋势和当前差距，并为农业政策的制定提供支持。

当前挑战

该数据集在构建过程中面临多重挑战。首先，全球作物施肥数据的时空分布不均，尤其是在不同作物和地区之间的数据缺失问题严重，限制了分析的广度和深度。其次，机器学习模型的预测依赖于全球数据集，而这些数据与各国实际施肥数据存在差异，导致模型预测与实际情况的偏差。此外，数据集的构建还涉及对历史数据的整合与标准化处理，尤其是在处理不同来源的数据时，如何确保数据的一致性和准确性是一个重要挑战。最后，尽管机器学习模型能够处理非线性关系，但其黑箱特性使得模型的可解释性较低，尽管通过SHAP值分析部分解决了这一问题，但仍需进一步研究以提升模型的透明度和可靠性。

常用场景

经典使用场景

全球特定作物施肥数据集（1961-2019）为研究人员和政策制定者提供了一个全面的全球作物施肥历史记录。该数据集通过机器学习模型预测了13种主要作物在不同国家和年份的氮（N）、磷（P2O5）和钾（K2O）施肥率，生成了5弧分分辨率的施肥率地图。这一数据集广泛应用于农业生态学、环境科学和农业政策研究，帮助分析全球施肥趋势及其对粮食安全和气候变化的影响。

衍生相关工作

全球特定作物施肥数据集衍生了许多相关研究。例如，基于该数据集的研究进一步探讨了全球氮、磷和钾施肥的历史趋势及其对生态系统的影响。此外，该数据集还被用于开发更精细的农业管理模型，优化肥料使用效率。其他研究则利用该数据集分析了不同国家和地区的施肥差异，提出了针对性的农业政策建议。这些衍生工作不仅扩展了数据集的应用范围，还为全球农业可持续发展提供了新的见解。

数据集最近研究

相关研究论文

1
Global Crop-Specific Fertilization Dataset from 1961-2019巴塞罗那自治大学 · 2024年

以上内容由AI搜集并总结生成

用户留言

有没有相关的论文或文献参考？

这个数据集是基于什么背景创建的？

数据集的作者是谁？

能帮我联系到这个数据集的作者吗？

这个数据集如何下载？

点击留言

数据主题

具身智能

数据集 4098个

机构 8个

大模型

数据集 439个

机构 10个

无人机

数据集 37个

机构 6个

指令微调

数据集 36个

机构 6个

蛋白质结构

数据集 50个

机构 8个

空间智能

数据集 21个

机构 5个

5,000+

优质数据集

54 个

任务类型

进入经典数据集

热门数据集

中国食物成分数据库

食物成分数据比较准确而详细地描述农作物、水产类、畜禽肉类等人类赖以生存的基本食物的品质和营养成分含量。它是一个重要的我国公共卫生数据和营养信息资源，是提供人类基本需求和基本社会保障的先决条件；也是一个国家制定相关法规标准、实施有关营养政策、开展食品贸易和进行营养健康教育的基础，兼具学术、经济、社会等多种价值。本数据集收录了基于2002年食物成分表的1506条食物的31项营养成分（含胆固醇）数据，657条食物的18种氨基酸数据、441条食物的32种脂肪酸数据、130条食物的碘数据、114条食物的大豆异黄酮数据。

国家人口健康科学数据中心收录

中国行政区划数据

本项目为中国行政区划数据，包括省级、地级、县级、乡级和村级五级行政区划数据。数据来源于国家统计局，存储格式为sqlite3 db文件，支持直接使用数据库连接工具打开。

github 收录

AISHELL/AISHELL-1

Aishell是一个开源的中文普通话语音语料库，由北京壳壳科技有限公司发布。数据集包含了来自中国不同口音地区的400人的录音，录音在安静的室内环境中使用高保真麦克风进行，并下采样至16kHz。通过专业的语音标注和严格的质量检查，手动转录的准确率超过95%。该数据集免费供学术使用，旨在为语音识别领域的新研究人员提供适量的数据。

hugging_face 收录

BTCV

BTCV（Beyond the Cranial Vault）数据集是一个用于医学图像分割的公开数据集，主要包含30个病例的CT扫描图像，涵盖了13个不同的器官和组织。该数据集旨在促进医学图像分割算法的发展和评估。

www.synapse.org 收录

RAVDESS

情感语音和歌曲 (RAVDESS) 的Ryerson视听数据库包含7,356个文件 (总大小: 24.8 GB)。该数据库包含24位专业演员 (12位女性，12位男性)，以中性的北美口音发声两个词汇匹配的陈述。言语包括平静、快乐、悲伤、愤怒、恐惧、惊讶和厌恶的表情，歌曲则包含平静、快乐、悲伤、愤怒和恐惧的情绪。每个表达都是在两个情绪强度水平 (正常，强烈) 下产生的，另外还有一个中性表达。所有条件都有三种模态格式: 纯音频 (16位，48kHz .wav)，音频-视频 (720p H.264，AAC 48kHz，.mp4) 和仅视频 (无声音)。注意，Actor_18没有歌曲文件。

OpenDataLab 收录