全球特定作物施肥数据集（1961-2019）

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。

The Global Crop-Specific Fertilization Dataset (1961–2019) was developed by institutions including the Autonomous University of Barcelona, with the objective of providing a comprehensive, high-quality dataset to support detailed analyses of global fertilizer application rates. This dataset contains the application rates of nitrogen (N), diphosphorus pentoxide (P₂O₅), and potassium oxide (K₂O) for 13 major crop groups from 1961 to 2019, at a spatial resolution of 5 arc-minutes. The dataset construction involved the use of two machine learning models: eXtreme Gradient Boosting (XGBoost) and Histogram-based Gradient Boosting (HistGradientBoosting) algorithms, with model validation conducted using SHapley Additive exPlanations (SHAP) values. This dataset has a wide range of application domains, including environmental modeling, causal analysis, fertilizer price forecasting and prediction, and aims to address key global issues such as food security and climate change.

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

最新研究方向

近年来，全球特定作物施肥数据集（1961-2019）的研究方向主要集中在利用机器学习模型（如XGBoost和HistGradientBoosting）进行国家层面的氮（N）、磷（P2O5）和钾（K2O）施肥率的精确预测。该数据集通过整合全球范围内的社会经济、农业和环境驱动因素，生成了13种主要作物组的5弧分分辨率施肥率地图。研究还通过SHapley Additive exPlanations（SHAP）值验证了模型的预测结果，并识别了施肥率的主要驱动因素。这一数据集为评估施肥趋势、识别施肥率的社会经济和环境驱动因素提供了重要资源，并为环境建模、因果分析和肥料价格预测等应用提供了输入数据。

相关研究论文

• Global Crop-Specific Fertilization Dataset from 1961-2019

  巴塞罗那自治大学 · 2024年