ARTICLE · 1246365
农作物遥感数据集从哪里下载:数据整理
农作物遥感数据集从哪里下载:数据整理做作物遥感的人大多碰过这种情况：在一篇论文里看到一套合适的小麦或水稻分布图，翻到文末找数据，发现只写了“数据可向作者索取”；或者顺着搜索找到一个数据汇条目，点进去才知道要先注册、再等审核。作物数据不像 Landsat、Sentinel 那样有统一入口，它散落在论文的数据可用性声明、figshare 与 Zenodo 记录，以及国内几家科学数据中心里。 这篇整理按作物把常用公开数据挑出来，逐条给出论文出处和下载地址；能直接下载的、需要注册的，都在条目里注明。小麦、水稻、玉米之外，也把田块级基准、表型影像、估产真值和果园数据一并收进来，方便按需取用。 论文这条线，先看 ESSD 和 Scientific Data。这两家刊的论文格式里都有 Data availability（数据可用性）一节，作者要在这里给出数据存放的 DOI，因此它们是找作物数据集最高产的地方，小麦、水稻、玉米的长时序产品大多能在这里找到论文与数据的配对。一个容易踩的坑是，figshare 和 Zenodo 的记录页通常只维护版本链，不写“配套论文是哪篇”，从数据记录反查论文经常走不通，还是从论文往数据查更稳。 国内这条线，大量作物数据不在 Kaggle 或 HuggingFace，而在国家生态科学数据中心（nesdc）、国家地球系统科学数据中心（geodata）、资源环境科学数据中心（resdc）、ScienceDB 和国家农业科学数据中心（noda）。近年国内期刊推行论文关联数据汇交，这批条目增长很快。各平台共享规则不一样：有的注册即可下载，有的要提交用途申请，还有的只给元数据和联系方式。引用前把数据集名称、版本、DOI 和访问日期一起记下来。 判断一条数据是不是作者亲自发布的，就看论文正文有没有给 DOI。机构数据页、新闻稿和二手清单都不算。 平台入口如下： 国家生态科学数据中心：https://www.nesdc.org.cn/ 国家地球系统科学数据中心：https://www.geodata.cn/ 资源环境科学数据中心：https://www.resdc.cn/DOI/ ScienceDB（中国科技云数据银行）：https://www.scidb.cn/ 国家农业科学数据中心：https://www.noda.ac.cn/ 不想逐篇翻论文的话，还有两个反查入口。ScienceDB 的“中国高影响力数据论文榜单”里，每篇数据论文都天然带数据链接，按作物筛就行：https://www.scidb.cn/en/news/Article?id=68803ad74337cd265a037b53。国家农业科学数据中心的数据共享页则集中了期刊论文的关联数据，可以按研究者或作物翻：https://www.noda.ac.cn/datasharing/voteInfo/voteitemtPage?id=9117 论文发在 ESSD（2026, 18:465），覆盖 15 个省和 3 个直辖市，用 Sentinel-2 时序做省域特征选择。数据在 figshare，约 4.5 GB：https://doi.org/10.6084/m9.figshare.28852220.v2 更早的全国 10 米冬小麦产品，Zenodo 上的记录为 2023 年发布，13.4 GB，适合把时间往 2018 年之前延伸：https://zenodo.org/records/8119065 Scientific Data 2024 的数据描述论文，逐年给出冬小麦分布。数据存放ScienceDB：https://doi.org/10.57760/sciencedb.13901，制图代码在 GitHub（JieBNU/Winter-wheat-mapping-code）。2012 年可用观测最少，论文里有专门的观测质量统计。 Scientific Data 2026，GeoTIFF、EPSG:4326，1 表示冬小麦、0 表示其他。数据集约 2.7 GB，制图代码也在同一份记录里：https://doi.org/10.6084/m9.figshare.28890956，另有 GEE 在线预览链接。 2000—2023 年中国 30 米冬小麦识别数据集，nesdc 2025 年 4 月上架https://www.nesdc.org.cn/sdo/detailid=68220be37e28174acd118334 中国 10 米小麦种植模式（CPChina，2020 年），geodata 页面 2026-06-25 更新：https://www.geodata.cn/data/datadetails.html?dataguid=32534052360195 中国农田熟制遥感监测数据集，resdc 带 DOI 的长期条目：https://www.resdc.cn/DOI/DOI.aspx?DOIid=42 选哪一套，看研究范围：全国尺度的多年小麦制图，CN_Wheat10 和 ChinaWheat10 取其一即可；范围缩到华北平原、又需要 2000 年以来的连续序列，WheatMapNCP 的 30 米产品更对路。 ESSD 2025（17:6851）用 Landsat 与 FR-Net 做了 39 年年度水稻图，GeoTIFF、EPSG:4326，1 和 0 分别表示水稻与非水稻。成果数据约 2.2 GB：https://doi.org/10.6084/m9.figshare.27604839.v1，训练与验证标签约 39 MB：https://doi.org/10.6084/m9.figshare.28283606，代码在 Zenodo：https://doi.org/10.5281/zenodo.17744587 ESSD 预印本，Sentinel-1 与 Sentinel-2 融合，用了 9 万多个验证样本，总体精度 90.48%。数据在 Zenodo：https://doi.org/10.5281/zenodo.13118409 Zenodo 2026 年的记录，覆盖 2015 与 2024 两期，许可为 CC BY 4.0：https://zenodo.org/records/18168302 东南亚水稻收获面积与制图数据，CC BY 4.0：https://zenodo.org/records/14627003 2000—2020 年的年度水稻数据，CC BY 4.0。需要更长的时间基线时，可以拿它做对照：https://zenodo.org/records/5555721 做东北的长期变化，选 1985—2023 那套；只关心最近一年、且需要 10 米分辨率，EARice10 更合适。 figshare 记录 2024 年发布，标注 CC BY 4.0、2.01 GB：https://doi.org/10.6084/m9.figshare.17091653 ESSD 2022（14:2851），给出第三叶展开期和成熟期两个物候指标，覆盖 17 个省，GeoTIFF、WGS84。数据记录约 38 GB，下载前留好空间：https://doi.org/10.6084/m9.figshare.16437054 Scientific Data 2026 的数据描述论文，数据记录约 1.2 GB，GEE 代码：https://doi.org/10.6084/m9.figshare.30509831 作物分布条目：https://www.nesdc.org.cn/sdo/detail?id=627dfc4b7e28172589c2df9b； 物候条目是 NetCDF页面标注注册后下载：https://www.nesdc.org.cn/sdo/detail?id=627dfc4b7e28172589c2deaa。 同一套数据在 figshare 上还有 ChinaCropPhen1km 整包（约 8.6 GB），不想走注册流程可以直接取：https://doi.org/10.6084/m9.figshare.8313530.v7 geodata 条目：https://www.geodata.cn/data/datadetails.html?dataguid=173186863434307 全国物候与估产建模，玉米物候加三大粮食作物 1 公里产品基本够用；做西北灌溉农业或棉花轮作，新疆那套多作物数据更细。 2,433 个时序切片，Sentinel-2 光学加 Sentinel-1 雷达，用于全景农业分割，数据经 Zenodo 分发：https://github.com/VSainteuf/pastis-benchmark。高分版 PASTIS-HD 在 Hugging Face（IGNF/PASTIS-HD），OpenDataLab 也有镜像：https://opendatalab.com/OpenDataLab/PASTIS 由 Sentinel 时序融合生成：https://zenodo.org/records/17181503。同系列还有矢量版（https://zenodo.org/records/10621629）和早期栅格版（https://zenodo.org/records/15055561），各自有独立DOI，引用时别混。 122,218 组 Sentinel-1 与 Sentinel-2 配对切片，256×256，约 48% 的场景有云，适合做去云和云检测：https://patricktum.github.io/cloud_removal/sen12mscr/。页面没有标注许可。 田块级时序加官方作物层，Earth Engine 目录里也有 AAFC_ACI 图层：https://open.canada.ca/data/en/dataset/ba2645d5-4458-414d-b196-6303ac06c1c9 把欧洲多国作物申报数据统一成可评测基准的框架论文（arXiv 2606.00676）：https://arxiv.org/html/2606.00676v1 长江中游平原高分辨率遥感耕地地块数据集，遥感学报 2026 年第 8 期，地块级矢量：https://www.ygxb.ac.cn/cn/article/doi/10.11834/jrs.20266193。丘陵山区农田时序 SAR 与地面样方数据集由空天院发布，SAR 与地面样方配对，这类数据很少见：https://radars.ac.cn/web/data/getData?newsColumnId=44522436-8edc-4fe6-a065-0de47f0bce05 做模型对比，PASTIS 和 FNSAR 的评测协议最完整；做国内地块提取，长江中游那套矢量可以直接当验证底图。 Zenodo 记录：https://zenodo.org/records/5092309 GitHub 原始仓库：https://github.com/spmohanty/plantvillage-dataset。也可以直接用 TensorFlow Datasets 的 plant_village 加载。 数据在 Zenodo：https://doi.org/10.5281/zenodo.13293891，代码：https://github.com/tqwei05/PlantSeg 大规模农业作物高光谱分类基准，含验证流程与基线结果，论文发在 Remote Sensing：https://doi.org/10.3390/rs16030478 ScienceDB 2019 年条目，国内可直接申请：https://www.scidb.cn/en/detail?dataSetId=633694461276192770 KDD 2024 的多模态气候感知产量预测数据集，采用 CC BY-NC 4.0 许可，非商业用途可直接使用：https://github.com/fudong03/CropNet 加拿大开放政府门户的 AAFC 作物清单：https://open.canada.ca/data/en/dataset/ba2645d5-4458-414d-b196-6303ac06c1c9；美国 USDA-ARS 的 operational yield 论文：https://www.ars.usda.gov/ARSUserFiles/1430/isprs_agrifish_final.pdf 《基于遥感数据时空特征提取的冬小麦估产方法》（农业工程学报）：http://www.tcsae.org/cn/article/doi/10.11975/j.issn.1002-6819.202505114。同一批里还有一篇讲地面样本点布设的，做数据集文章时正好补方法段：https://doi.org/10.11975/j.issn.1002-6819.202210229 苹果、柑橘这类经济作物的公开图件比粮食作物少得多，近两年才开始有像样的数据记录，做果园提取或品质监测时可以关注这几条。 数据论文：https://pmc.ncbi.nlm.nih.gov/articles/PMC13237233/ 2026 年发布：https://doi.org/10.6084/m9.figshare.32323695 2025 年发布：https://doi.org/10.6084/m9.figshare.29533841 Zenodo，2025 年发布：https://zenodo.org/records/17552872
一、先分清两条路径
二、小麦：从 10 米全国产品到 30 米长时序
1. CN_Wheat10（10 米，2018—2024）
2. ChinaWheat10（10 米，全国）
3. 2001—2020 年中国年度冬小麦（30 米）
4. 华北平原 WheatMapNCP（30 米，2000—2024）
5. 数据汇里的其他小麦条目
三、水稻：长时序、东亚与全球 20 米
1. 东北水稻 1985—2023（30 米）
2. EARice10（10 米，东亚，2023）
3. GlobalRice20（20 米，全球）
4. Open-SEA-Rice-10（东南亚）
5. APRA500（500 米，季风亚洲）
四、玉米与多作物：物候、分布、区域多尺度
1. 中国 30 米玉米分布图（Landsat + Sentinel）
2. 中国玉米物候 1985—2020（30 米）
3. 新疆主要作物 30 米（2013—2024）
4. 全国三大粮食作物 1 公里分布与物候
5. 东北 30 米主要作物（2017—2021）
五、田块级与作物类型基准
1. PASTIS-R（法国）
2. FNSAR 德国全国作物类型图
3. SEN12MS-CR
4. CADAT / AAFC 加拿大年度作物
5. EuroCrops
6. 国内地块与样方
六、表型、病害与高光谱
1. Global Wheat Head 2021（麦穗检测）
2. PlantVillage（作物病害图像）
3. PlantSeg（田间植物分割）
4. 黑龙江大田作物高光谱基准
5. 田间作物病害图像集
七、估产：产量真值比影像更难找
1. CropNet
2. 官方产量与农情
3. 中文估产方法论文
八、果园数据
1. 中国苹果园高分辨率分布图
2. 柑橘园分类数据（2018—2025）
3. 果园苹果成熟度数据集
4. 苹果果实检测标注图像集
交流与复现
如果您对本文提到的方法感兴趣，或者需要获取原文及复现代码或其他需求等：
关注本公众号 后台回复关键词【学术交流】 欢迎在评论区留言讨论，您的点赞和在看是更新的动力！
