2008—2022年黃河故道沖積平原區(qū)冬小麥和夏玉米物候期觀測(cè)數(shù)據(jù)集

摘要：冬小麥和夏玉米是黃淮平原農(nóng)田生態(tài)系統(tǒng)中的主糧作物，為保障國(guó)家糧食安全作出了突出貢獻(xiàn)。準(zhǔn)確掌握主糧作物關(guān)鍵物候期對(duì)估算作物產(chǎn)量、改進(jìn)農(nóng)業(yè)生產(chǎn)管理水平、預(yù)防農(nóng)業(yè)氣象災(zāi)害具有重要意義。本數(shù)據(jù)集整合了黃河故道沖積平原區(qū)近15年（2008—2022年）一年兩熟冬小麥-夏玉米連作制度下作物不同物候期的生態(tài)觀測(cè)數(shù)據(jù)，主要包含觀測(cè)樣地信息、冬小麥物候期數(shù)據(jù)、夏玉米物候期數(shù)據(jù)。本數(shù)據(jù)集將為區(qū)域農(nóng)業(yè)定量遙感研究、作物生長(zhǎng)模型模擬研究、農(nóng)業(yè)氣候變化研究及農(nóng)業(yè)生產(chǎn)和管理決策提供科學(xué)依據(jù)和數(shù)據(jù)支撐。

關(guān)鍵詞：冬小麥；夏玉米；作物物候期；數(shù)據(jù)集

數(shù)據(jù)摘要：

1""引言

作物物候是指作物在生長(zhǎng)發(fā)育過(guò)程中，隨氣候變

化、土地管理和人類活動(dòng)影響而出現(xiàn)的發(fā)芽、開(kāi)花、成熟等周期性現(xiàn)象^[1-3]，是農(nóng)田生態(tài)系統(tǒng)對(duì)氣候和環(huán)境變化響應(yīng)的敏感性指標(biāo)^[4-5]。作物關(guān)鍵物候期（如拔節(jié)、開(kāi)花、成熟等）是根據(jù)作物物候特性劃定的關(guān)鍵時(shí)間節(jié)點(diǎn)，作物在不同的物候期具有相對(duì)穩(wěn)定的生理過(guò)程特征（如光合作用、干物質(zhì)積累與分配），準(zhǔn)確記錄作物關(guān)鍵物候期具有明確的生理生態(tài)學(xué)意義，有利于在更精細(xì)的尺度上理解作物生長(zhǎng)和產(chǎn)量形成的過(guò)程，對(duì)指導(dǎo)農(nóng)業(yè)生產(chǎn)和制定管理方案具有重要意義。近年來(lái)，已有多種技術(shù)手段對(duì)作物物候期進(jìn)行觀測(cè)和估算^[6-8]，但地面人為觀測(cè)和判斷依然是描述作物物候變化的最直接、最原始手段，可更加準(zhǔn)確地記錄特定地點(diǎn)、特殊時(shí)期的物候事件^[9]。

河南商丘農(nóng)田生態(tài)系統(tǒng)國(guó)家野外科學(xué)觀測(cè)研究站（簡(jiǎn)稱商丘站）地處豫、皖、蘇、魯四省結(jié)合部，是黃淮平原冬小麥-夏玉米連作一年兩熟種植模式的典型代表區(qū)，也是國(guó)家生態(tài)系統(tǒng)觀測(cè)研究網(wǎng)絡(luò)（National Ecosystem Research Network of China，"CNERN）、國(guó)家農(nóng)業(yè)科學(xué)數(shù)據(jù)中心（National Agriculture Science Data Center， NASDC）設(shè)在黃河故道沖積平原區(qū)重要的野外長(zhǎng)期觀測(cè)試驗(yàn)站。本數(shù)據(jù)集整合了商丘站近15年（2008—2022年）冬小麥和夏玉米關(guān)鍵物候期數(shù)據(jù)，為研究該區(qū)域作物生長(zhǎng)模型模擬、作物生長(zhǎng)遙感動(dòng)態(tài)監(jiān)測(cè)以及氣候變化對(duì)該區(qū)域的影響提供數(shù)據(jù)支撐。

2""數(shù)據(jù)采集與處理方法

2.1""觀測(cè)樣地設(shè)置

商丘站基地院內(nèi)設(shè)有1處綜合觀測(cè)場(chǎng)（34.520401°N，"115.591608°E），另設(shè)有5處站區(qū)調(diào)查點(diǎn)，包括朱樓站區(qū)調(diào)查點(diǎn)（34.524855°N， 115.569255°E）、陳菜園站區(qū)調(diào)查點(diǎn)（34.521853°N， 115.544419°E）、關(guān)莊站區(qū)調(diào)查點(diǎn)（34.508670°N， 115.585818°E）、王莊站區(qū)調(diào)查點(diǎn)（34.515544°N， 115.600239°E）和張大莊站區(qū)調(diào)查點(diǎn)（34.518252°N， 115.601787°E），觀測(cè)樣地分布圖見(jiàn)圖1。均為典型黃河沖積平原農(nóng)田，歷史上為重度鹽堿化土壤。土類為潮土，土壤母質(zhì)為黃河沖積沉淀物，土壤肥力較好。主要種植糧食作物，長(zhǎng)期的農(nóng)耕生產(chǎn)傳統(tǒng)和習(xí)慣形成了冬小麥—夏玉米連作一年兩熟的種植制度。冬小麥10月上、中旬播種，6月上旬收獲；夏玉米6月上中旬播種，9月中下旬收獲。

2.2 "數(shù)據(jù)預(yù)處理方法

數(shù)據(jù)由各樣地實(shí)地調(diào)查、記錄獲得，以作物季（冬小麥、夏玉米）為基礎(chǔ)單元，統(tǒng)計(jì)各樣地的作物生育動(dòng)態(tài)數(shù)據(jù)項(xiàng)目。作物各物候期實(shí)地調(diào)查，播種和收獲記錄實(shí)際發(fā)生的日期，其他物候期均為當(dāng)作物群體中有50%個(gè)體達(dá)到該物候期外部形態(tài)特征指標(biāo)要求（表1）時(shí)記錄當(dāng)天日期為該物候期的開(kāi)始時(shí)間。在作物生育時(shí)期出現(xiàn)的時(shí)段，每天（或間隔1天）由固定觀測(cè)員帶領(lǐng)兩名輔助觀測(cè)員巡視、調(diào)查，并在相應(yīng)觀測(cè)記錄表上做好記錄。

3""數(shù)據(jù)內(nèi)容

本數(shù)據(jù)集包含商丘站綜合觀測(cè)場(chǎng)（AE05-ZH-"01-ABC）、商丘站朱樓站區(qū)調(diào)查點(diǎn)（AE05-ZH-02-"ABC）、商丘站陳菜園站區(qū)調(diào)查點(diǎn)（AE05-ZH-03-"ABC）、商丘站關(guān)莊站區(qū)調(diào)查點(diǎn)（AE05-ZH-04-ABC）、商丘站王莊站區(qū)調(diào)查點(diǎn)（AE05-ZH-05-ABC）和商丘站張大莊站區(qū)調(diào)查點(diǎn)（AE05-ZH-06-ABC）6個(gè)樣地2008—2022年冬小麥物候期數(shù)據(jù)、夏玉米物候期數(shù)據(jù)。冬小麥數(shù)據(jù)項(xiàng)目包括年、樣地代碼、作物品種、播種、出苗期、分蘗期、返青期、拔節(jié)期、抽穗期、蠟熟期、收獲；夏玉米數(shù)據(jù)項(xiàng)目包括年、樣地代碼、作物品種、播種、出苗期、拔節(jié)期、抽雄期、吐絲期、成熟期、收獲等。物候期日期格式為年-月-日（YYYY-MM-DD）。數(shù)據(jù)集以表2形式展示。

4""質(zhì)量控制與技術(shù)驗(yàn)證

4.1 "制定觀測(cè)計(jì)劃

每年根據(jù)調(diào)查任務(wù)制訂年度（作物年）調(diào)查計(jì)劃，按“商丘站觀測(cè)規(guī)范”開(kāi)展調(diào)查工作，調(diào)查前查閱歷

史觀測(cè)數(shù)據(jù)和生育期外部形態(tài)特征指標(biāo)，以便調(diào)查時(shí)準(zhǔn)確判斷。調(diào)查工作中保持人員隊(duì)伍的相對(duì)穩(wěn)定，對(duì)新參與調(diào)查工作的人員進(jìn)行崗前培訓(xùn)，調(diào)查時(shí)以老帶新，保證調(diào)查質(zhì)量。

4.2 "野外觀測(cè)和數(shù)據(jù)記錄

固定觀測(cè)員3名，詳細(xì)做好調(diào)查記錄。在作物各生育時(shí)期出現(xiàn)的時(shí)段加密巡視、調(diào)查，并進(jìn)行翔實(shí)的記錄。同時(shí)當(dāng)天及時(shí)將原始數(shù)據(jù)轉(zhuǎn)換成電子文檔，運(yùn)用統(tǒng)計(jì)方法對(duì)比歷史數(shù)據(jù)對(duì)觀測(cè)數(shù)據(jù)進(jìn)行初步分析，對(duì)缺失和可疑數(shù)據(jù)，及時(shí)進(jìn)行重新觀測(cè)，以確保數(shù)據(jù)的真實(shí)性、可靠性和連續(xù)性。

4.3 "數(shù)據(jù)質(zhì)量審核

調(diào)查觀測(cè)數(shù)據(jù)要經(jīng)過(guò)一線觀測(cè)分析人員、商丘站負(fù)責(zé)人和數(shù)據(jù)質(zhì)控小組多個(gè)環(huán)節(jié)審核。數(shù)據(jù)一線觀測(cè)人員按要求填報(bào)后，進(jìn)行初步審核，將所獲取的數(shù)據(jù)和各項(xiàng)輔助信息數(shù)據(jù)與歷史數(shù)據(jù)信息進(jìn)行比較，然后商丘站負(fù)責(zé)人對(duì)數(shù)據(jù)進(jìn)行抽查和檢驗(yàn)，同時(shí)并聘請(qǐng)專業(yè)研究人員對(duì)數(shù)據(jù)進(jìn)行評(píng)估，最后數(shù)據(jù)質(zhì)控小組從數(shù)據(jù)的正確性、一致性和完整性等方面對(duì)數(shù)據(jù)進(jìn)行全面的審核，發(fā)現(xiàn)可疑、缺漏數(shù)據(jù)，及時(shí)補(bǔ)救，保證數(shù)據(jù)的可用性與可靠性^[9]。

5""數(shù)據(jù)價(jià)值與使用建議

Hou等^[5]利用該數(shù)據(jù)集2018—2022年物候期數(shù)據(jù)，驗(yàn)證了SIF數(shù)據(jù)在識(shí)別冬小麥和夏玉米生育期的可行性，為衛(wèi)星遙感精準(zhǔn)反演作物物候期提供技術(shù)手段。丁大偉等^[10]利用該數(shù)據(jù)集2008—2019年物候期數(shù)據(jù)分析不同降水年型不同生育階段作物耗水量、需水量、缺水量，為該區(qū)開(kāi)展科學(xué)的灌溉管理提供數(shù)據(jù)支撐。王菲等^[11]利用該數(shù)據(jù)集2006—2017年物候期數(shù)據(jù)作為CLM作物模型和DLM模型運(yùn)行參數(shù)，評(píng)價(jià)模型在華北平原作物研究中的適應(yīng)性，結(jié)果顯示，DLM模型的夏玉米葉面積指數(shù)與觀測(cè)值接近；CLM模型則在冬小麥模擬中略優(yōu)。蔣博武等^[12]利用該數(shù)據(jù)集2017年和2018年物候期數(shù)據(jù)，結(jié)合SEBS模型估算該區(qū)域冬小麥蒸散發(fā)（ET），分析冬小麥在不同生育階段的用水需求，為保證區(qū)域水資源高效利用和糧食安全生產(chǎn)提供技術(shù)支撐。

綜上所述，本數(shù)據(jù)集在區(qū)域農(nóng)業(yè)定量遙感和衛(wèi)星地面反演、作物生長(zhǎng)模型模擬、區(qū)域農(nóng)業(yè)氣候變化研究及區(qū)域農(nóng)業(yè)生產(chǎn)和管理決策提供科學(xué)依據(jù)和數(shù)據(jù)支撐。現(xiàn)將2008—2022年黃河故道沖積平原區(qū)冬小麥和夏玉米生育期物候期觀測(cè)數(shù)據(jù)集存儲(chǔ)在農(nóng)業(yè)農(nóng)村科學(xué)數(shù)據(jù)倉(cāng)儲(chǔ)（https：//agri.scidb.cn/）上，可免費(fèi)下載使用，或與本文作者申請(qǐng)傳遞。

6 "數(shù)據(jù)可用性

中國(guó)科技資源標(biāo)識(shí)碼（CSTR）：https：//cstr.cn/ 17058.11.sciencedb.agriculture.00034；

數(shù)字對(duì)象標(biāo)識(shí)碼（DOI）：https：//doi.org/10.57760/ sciencedb.agriculture.00034。

限制性獲取。

數(shù)據(jù)作者分工職責(zé)

丁大偉，論文撰寫(xiě)和修訂。

雍蓓蓓，數(shù)據(jù)集整理匯總。

任文，田間數(shù)據(jù)調(diào)查和數(shù)據(jù)記錄。

謝坤，田間數(shù)據(jù)調(diào)查和數(shù)據(jù)記錄。

趙永鑒，田間數(shù)據(jù)調(diào)查和數(shù)據(jù)記錄。

王廣帥，數(shù)據(jù)質(zhì)量控制與驗(yàn)證。

陳金平，總體方案設(shè)計(jì)與論文撰寫(xiě)指導(dǎo)。

王明輝，數(shù)據(jù)質(zhì)量控制與驗(yàn)證。

倫理聲明

本文數(shù)據(jù)不涉及倫理聲明相關(guān)的內(nèi)容。

利益沖突聲明

作者聲明，全部作者均無(wú)會(huì)影響研究公正性的財(cái)務(wù)利益沖突或個(gè)人利益沖突。

參考文獻(xiàn)

[1] PIAO S L， LIU Q， CHEN A P， et al. Plant phenology and global climate change： Current progresses and challenges[J]. Global Change Biology， 2019， 25： 1922 - 1940. DOI： 10.1111/gcb.14619.

[2] SCHR?TER D， CRAMER W， LEEMANS R， et al. Ecosystem service supply and vulnerability to global change in Europe[J]. Science， 2005， 310（5752）： 1333-1337. DOI： 10.1126/science.1115233.

[3] RICHARDSON A D， KEENAN T F， MIGLIAVACCA M， et al. Climate change， phenology， and phenological control of vegetation feedbacks to the climate system[J]. Agricultural and Forest Meteorology， 2013， 169： 156-173. DOI： 10.1016/j.agrformet.2012."09.012.

[4] DIAO C Y. Innovative pheno-network model in estimating crop phenological stages with satellite time series[J]. Isprs Journal of Photogrammetry and Remote Sensing， 2019， 153： 96-109. DOI： 10.1016/j.isprsjprs.2019.04.012.

[5] HOU Y Q， WU Y F， WU L S， et al. Identifying crop growth stages from solar-induced chlorophyll fluorescence data in maize and winter wheat from ground and satellite measurements [J]. Remote Sensing， 2023， 15（24）： 5689. DOI： 10.3390/rs15245689.

[6] JUNTTILA S， ARD? J， CAI Z Z， et al. Estimating local-scale forest GPP in Northern Europe using Sentinel-2： Model comparisons with LUE， APAR， the plant phenology index， and a light response function[J]. Science of Remote Sensing， 2023， 7： 100075. DOI： 10.1016/j."srs.2022.100075.

[7] LIU Y， WU C Y， TIAN F， et al. Modeling plant phenology by MODIS derived photochemical reflectance index （PRI）[J]. Agricultural and Forest Meteorology， 2022， 324： 109095. DOI： 10.1016/j.agrformet."2022.109095.

[8] JIN H X， EKLUNDH L. A physically based vegetation index for improved monitoring of plant phenology[J]. Remote Sensing of Environment， 2014， 152： 512-525. DOI： 10.1016/j.rse.2014.07.010.

[9] 吳冬秀，張琳，宋創(chuàng)業(yè)，等.陸地生態(tài)系統(tǒng)生物觀測(cè)指標(biāo)與規(guī)范[M].北京：中國(guó)環(huán)境出版集團(tuán)，2019.

[10] 丁大偉，陳金平，申孝軍，等.商丘地區(qū)不同降水年型冬小麥-夏玉米需水量和缺水量分析[J].灌溉排水學(xué)報(bào)，2023，42（9）：9-18.

[11] 王菲，陳報(bào)章，陳婧，等.華北平原冬小麥—夏玉米輪作區(qū)DLM與CLM5 模型模擬對(duì)比研究[J].地理科學(xué)進(jìn)展，2022，41（2）："289-303.

[12] 蔣博武，孟丹，郭曉彤，等.基于Landsat-8遙感數(shù)據(jù)的冬小麥種植區(qū)地表蒸散量時(shí)空分布研究[J].灌溉排水學(xué)報(bào)，2022，41（7）："140-146.

引用格式：丁大偉，雍蓓蓓，任文，謝坤，趙永鑒，王廣帥，陳金平，王明輝.2008—2022年黃河故道沖積平原區(qū)冬小麥和夏玉米物候期觀測(cè)數(shù)據(jù)集[J].農(nóng)業(yè)大數(shù)據(jù)學(xué)報(bào)，2024，6（4）： 552-557. DOI： 10.19788/j.issn.2096-6369.100029.

CITATION："DING DaWei，YONG BeiBei， REN Wen， XIE Kun， ZHAO YongJian， WANG GuangShuai， CHEN JinPing， WANG MingHui. The Dataset for Crop Phenology of Winter Wheat and Summer Maize in The Alluvium Plain of the Old Yellow River From 2008 to 2022[J]. Journal of Agricultural Big Data，2024，6（4）： 552-557. DOI： 10.19788/j.issn.2096-6369.100029.

The Dataset for Crop Phenology of Winter Wheat and Summer Maize in The Alluvium Plain of the Old Yellow River"From 2008"to 2022

DING DaWei^1，2， YONG BeiBei^1，2， REN Wen^1，2， XIE Kun^1，2， ZHAO YongJian^1，2， WANG GuangShuai^1，2， CHEN JinPing^1，2*， WANG"MingHui^3*

1. Institute of Farmland Irrigation of CAAS，"Xinxiang 453002， China; 2. Shangqiu Station of National Field Agro-ecosystem Experimental Network/ National Agricultural Experimental Station for Agricultural Environment/National Long-term Experimental Station for Agricultural Green Development， Shangqiu 476000， China; 3. Rural Industry Development Center"of Shangqiut， Shangqiu 476000， China

Abstract："The farmland ecosystem of the Huanghuai Plain primarily cultivates winter wheat and summer maize， which have played a crucial role in ensuring national food security."To grasp the key phenological period of primary crops precisely is of great significance for estimating crop yield， improving the level of agricultural production management， and preventing agricultural meteorological disasters. The dataset integrates ecological observation data on the phenology of different crops in a two-cropping winter wheat-summer maize continuous cropping system in the alluvial plain of the Old Yellow River over the past 15 years （2008-2022）. It mainly includes information on observation plots， winter wheat phenological period data， and summer maize phenological period data. It will serve as a valuable resource for regional agricultural quantitative remote sensing， crop growth model simulation， agricultural climate change research， and decision-making in agricultural production and management.

Keywords： winter wheat; summer maize; crop phenology period; dataset

Data summary：