2008—2022年黃河故道沖積平原區冬小麥和夏玉米物候期觀測數據集

摘要：冬小麥和夏玉米是黃淮平原農田生態系統中的主糧作物，為保障國家糧食安全作出了突出貢獻。準確掌握主糧作物關鍵物候期對估算作物產量、改進農業生產管理水平、預防農業氣象災害具有重要意義。本數據集整合了黃河故道沖積平原區近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觀測數據，主要包含觀測樣地信息、冬小麥物候期數據、夏玉米物候期數據。本數據集將為區域農業定量遙感研究、作物生長模型模擬研究、農業氣候變化研究及農業生產和管理決策提供科學依據和數據支撐。

關鍵詞：冬小麥；夏玉米；作物物候期；數據集

數據摘要：

1""引言

作物物候是指作物在生長發育過程中，隨氣候變

化、土地管理和人類活動影響而出現的發芽、開花、成熟等周期性現象^[1-3]，是農田生態系統對氣候和環境變化響應的敏感性指標^[4-5]。作物關鍵物候期（如拔節、開花、成熟等）是根據作物物候特性劃定的關鍵時間節點，作物在不同的物候期具有相對穩定的生理過程特征（如光合作用、干物質積累與分配），準確記錄作物關鍵物候期具有明確的生理生態學意義，有利于在更精細的尺度上理解作物生長和產量形成的過程，對指導農業生產和制定管理方案具有重要意義。近年來，已有多種技術手段對作物物候期進行觀測和估算^[6-8]，但地面人為觀測和判斷依然是描述作物物候變化的最直接、最原始手段，可更加準確地記錄特定地點、特殊時期的物候事件^[9]。

河南商丘農田生態系統國家野外科學觀測研究站（簡稱商丘站）地處豫、皖、蘇、魯四省結合部，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，也是國家生態系統觀測研究網絡（National Ecosystem Research Network of China，"CNERN）、國家農業科學數據中心（National Agriculture Science Data Center， NASDC）設在黃河故道沖積平原區重要的野外長期觀測試驗站。本數據集整合了商丘站近15年（2008—2022年）冬小麥和夏玉米關鍵物候期數據，為研究該區域作物生長模型模擬、作物生長遙感動態監測以及氣候變化對該區域的影響提供數據支撐。

2""數據采集與處理方法

2.1""觀測樣地設置

商丘站基地院內設有1處綜合觀測場（34.520401°N，"115.591608°E），另設有5處站區調查點，包括朱樓站區調查點（34.524855°N， 115.569255°E）、陳菜園站區調查點（34.521853°N， 115.544419°E）、關莊站區調查點（34.508670°N， 115.585818°E）、王莊站區調查點（34.515544°N， 115.600239°E）和張大莊站區調查點（34.518252°N， 115.601787°E），觀測樣地分布圖見圖1。均為典型黃河沖積平原農田，歷史上為重度鹽堿化土壤。土類為潮土，土壤母質為黃河沖積沉淀物，土壤肥力較好。主要種植糧食作物，長期的農耕生產傳統和習慣形成了冬小麥—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 "數據預處理方法

數據由各樣地實地調查、記錄獲得，以作物季（冬小麥、夏玉米）為基礎單元，統計各樣地的作物生育動態數據項目。作物各物候期實地調查，播種和收獲記錄實際發生的日期，其他物候期均為當作物群體中有50%個體達到該物候期外部形態特征指標要求（表1）時記錄當天日期為該物候期的開始時間。在作物生育時期出現的時段，每天（或間隔1天）由固定觀測員帶領兩名輔助觀測員巡視、調查，并在相應觀測記錄表上做好記錄。

3""數據內容

本數據集包含商丘站綜合觀測場（AE05-ZH-"01-ABC）、商丘站朱樓站區調查點（AE05-ZH-02-"ABC）、商丘站陳菜園站區調查點（AE05-ZH-03-"ABC）、商丘站關莊站區調查點（AE05-ZH-04-ABC）、商丘站王莊站區調查點（AE05-ZH-05-ABC）和商丘站張大莊站區調查點（AE05-ZH-06-ABC）6個樣地2008—2022年冬小麥物候期數據、夏玉米物候期數據。冬小麥數據項目包括年、樣地代碼、作物品種、播種、出苗期、分蘗期、返青期、拔節期、抽穗期、蠟熟期、收獲；夏玉米數據項目包括年、樣地代碼、作物品種、播種、出苗期、拔節期、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）。數據集以表2形式展示。

4""質量控制與技術驗證

4.1 "制定觀測計劃

每年根據調查任務制訂年度（作物年）調查計劃，按“商丘站觀測規范”開展調查工作，調查前查閱歷

史觀測數據和生育期外部形態特征指標，以便調查時準確判斷。調查工作中保持人員隊伍的相對穩定，對新參與調查工作的人員進行崗前培訓，調查時以老帶新，保證調查質量。

4.2 "野外觀測和數據記錄

固定觀測員3名，詳細做好調查記錄。在作物各生育時期出現的時段加密巡視、調查，并進行翔實的記錄。同時當天及時將原始數據轉換成電子文檔，運用統計方法對比歷史數據對觀測數據進行初步分析，對缺失和可疑數據，及時進行重新觀測，以確保數據的真實性、可靠性和連續性。

4.3 "數據質量審核

調查觀測數據要經過一線觀測分析人員、商丘站負責人和數據質控小組多個環節審核。數據一線觀測人員按要求填報后，進行初步審核，將所獲取的數據和各項輔助信息數據與歷史數據信息進行比較，然后商丘站負責人對數據進行抽查和檢驗，同時并聘請專業研究人員對數據進行評估，最后數據質控小組從數據的正確性、一致性和完整性等方面對數據進行全面的審核，發現可疑、缺漏數據，及時補救，保證數據的可用性與可靠性^[9]。

5""數據價值與使用建議

Hou等^[5]利用該數據集2018—2022年物候期數據，驗證了SIF數據在識別冬小麥和夏玉米生育期的可行性，為衛星遙感精準反演作物物候期提供技術手段。丁大偉等^[10]利用該數據集2008—2019年物候期數據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，為該區開展科學的灌溉管理提供數據支撐。王菲等^[11]利用該數據集2006—2017年物候期數據作為CLM作物模型和DLM模型運行參數，評價模型在華北平原作物研究中的適應性，結果顯示，DLM模型的夏玉米葉面積指數與觀測值接近；CLM模型則在冬小麥模擬中略優。蔣博武等^[12]利用該數據集2017年和2018年物候期數據，結合SEBS模型估算該區域冬小麥蒸散發（ET），分析冬小麥在不同生育階段的用水需求，為保證區域水資源高效利用和糧食安全生產提供技術支撐。

綜上所述，本數據集在區域農業定量遙感和衛星地面反演、作物生長模型模擬、區域農業氣候變化研究及區域農業生產和管理決策提供科學依據和數據支撐。現將2008—2022年黃河故道沖積平原區冬小麥和夏玉米生育期物候期觀測數據集存儲在農業農村科學數據倉儲（https：//agri.scidb.cn/）上，可免費下載使用，或與本文作者申請傳遞。

6 "數據可用性

中國科技資源標識碼（CSTR）：https：//cstr.cn/ 17058.11.sciencedb.agriculture.00034；

數字對象標識碼（DOI）：https：//doi.org/10.57760/ sciencedb.agriculture.00034。

限制性獲取。

數據作者分工職責

丁大偉，論文撰寫和修訂。

雍蓓蓓，數據集整理匯總。

任文，田間數據調查和數據記錄。

謝坤，田間數據調查和數據記錄。

趙永鑒，田間數據調查和數據記錄。

王廣帥，數據質量控制與驗證。

陳金平，總體方案設計與論文撰寫指導。

王明輝，數據質量控制與驗證。

倫理聲明

本文數據不涉及倫理聲明相關的內容。

利益沖突聲明

作者聲明，全部作者均無會影響研究公正性的財務利益沖突或個人利益沖突。

參考文獻

[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，宋創業，等.陸地生態系統生物觀測指標與規范[M].北京：中國環境出版集團，2019.

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

[11] 王菲，陳報章，陳婧，等.華北平原冬小麥—夏玉米輪作區DLM與CLM5 模型模擬對比研究[J].地理科學進展，2022，41（2）："289-303.

[12] 蔣博武，孟丹，郭曉彤，等.基于Landsat-8遙感數據的冬小麥種植區地表蒸散量時空分布研究[J].灌溉排水學報，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冬小麥和夏玉米物候期觀測數據集[J].農業大數據學報，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：