2000-2019年全国三大粮食作物1km种植分布数据集：20年逐年格网数据完整技术说明

一、数据集档案

参数	说明
名称	2000-2019年全国三大粮食作物1km种植分布数据集（ChinaCropArea1km）
生产者	骆玉川；张朝（北京师范大学）；贡献者：李子悦、陈一、张亮亮、曹娟、陶福禄
方法	GLASS LAI 拐点法+阈值法提取三关键物候期；旱地/水田层约束；LAI 最大值阈值剔除误分
关联论文	Luo, Y., et al. Identifying the spatiotemporal changes of annual harvesting areas for three staple crops in China by integrating multi-data sources. Environmental Research Letters, 2020, 15, 074003. DOI: 10.1088/1748-9326/ab80f0
发布平台	国家生态科学数据中心：DOI 10.12199/nesdc.ecodb.rs.2022.016 · CSTR 15732.11.nesdc.ecodb.rs.2022.016
时间范围	2000-2019 逐年，共 20 年
空间分辨率	1 km
数据格式	GeoTIFF（uint8，0/1，1=该作物种植格点）
投影	ESRI:102025（Asia North Albers 等积圆锥），1 像元 = 1 km²
覆盖范围	中国（水稻 2000-2015 为东侧裁剪框，见 §六）
验证精度	县级统计面积：R² 水稻 0.86 / 小麦 0.85 / 玉米 0.82；RMSE 8.16 / 10.02 / 6.9 千公顷
许可	CC BY-NC 4.0
文件命名	CHN_{Maize,Wheat,Rice}_{2000..2019}.tif，共 60 个

二、生产方法

1. GLASS LAI 年内时序曲线，拐点法+阈值法识别关键物候期（如冬小麦返青期、抽穗期、成熟期）；
2. 某格点该作物定义的三个关键物候期能同时提取出来，才判定为种植格点；
3. 中国土地利用现状遥感监测数据的旱地层约束玉米/小麦、水田层约束水稻；
4. LAI 最大值阈值法移除误分格点（应对北方春玉米与春季自然植被混淆等复杂种植系统）；
5. 县级统计面积验证（R² 0.82-0.86）。

三、实测：20 年全国格局（60 期全分辨率像元统计）

3.1 首尾对账（2000 → 2019）

作物	2000	2019	净变化	幅度
玉米	222,605 km²	409,765 km²	+187,160 km²	+84.1%
小麦	246,567 km²	215,648 km²	-30,919 km²	-12.5%
水稻	282,544 km²	317,432 km²	+34,888 km²	+12.3%
三作物合计	751,716 km²	942,845 km²	+191,129 km²	+25.4%

3.2 逐年趋势（摘 5 期，全表见 work/stats.json）

年份	玉米万km²	小麦万km²	水稻万km²
2000	22.3	24.7	28.3
2005	25.9	21.6	28.3
2010	31.8	23.4	29.3
2015	37.4	22.9	28.4
2019	41.0	21.6	31.7

时序要点：玉米单调扩张（2016 年回调对应收储制度改革调减，2018 年峰值 418,935 km²）；小麦与水稻 2003 年双触底（210,979 / 252,324 km²）；水稻 2016 年台阶上移与生产批次相关；增量 98% 来自玉米。

3.3 空间增减（2000→2019，公共 bounds 对齐）

作物	新增	退出	净变化
玉米	+306,619 km²	-119,459 km²	+18.7万
水稻	+193,978 km²	-159,090 km²	+3.5万
小麦	+92,573 km²	-123,492 km²	-3.1万

3.4 主产区窗口（全分辨率窗口计数）

窗口	2000	2019	占全国变化
东北玉米带（119-134.5°E, 40.5-53.5°N）	69,207 km²	162,958 km²（增至 2.4 倍）	31.1% → 39.8%
华北平原冬麦区（113-119.5°E, 32.5-39.5°N）	144,606 km²	158,300 km²	58.7% → 73.4%
南方稻区（108-122.5°E, 22-32°N）	182,523 km²	204,235 km²	64.6% → 64.3%

3.5 复种证据

2019 年小麦∩玉米同格 110,230 km²（占小麦 51.1%），即华北冬小麦-夏玉米一年两熟带。

四、面积口径

像元值为"种植格点"（harvesting area 口径），同一年同一格可同时属冬小麦与夏玉米（复种），三作物面积可加总；与统计公报对比时用播种面积口径，不可与耕地面积混用。

五、使用方法与代码

5.1 软件加载

• ArcGIS/ArcGIS Pro / QGIS：直接加载 .tif，二值渲染（0 透明、1 单色）
• Python：rasterio（见下），配色与文件清单从随包 crops_meta.csv 读取（csv.DictReader）

5.2 渲染与统计（配色读自 CSV）

import csv
import numpy as np
import rasterio
import matplotlib.pyplot as plt
from rasterio.enums import Resampling
from matplotlib.colors import LinearSegmentedColormap

crops = list(csv.DictReader(open('crops_meta.csv', encoding='utf-8-sig')))

fig, axes = plt.subplots(1, 3, figsize=(13.8, 5.9))
for ax, c in zip(axes, crops):
    with rasterio.open(c['FilePattern'].format(year=2019)) as src:
        ow, oh = 2600, round(2600 * src.height / src.width)
        frac = src.read(1, out_shape=(oh, ow), out_dtype='float32',
                        resampling=Resampling.average)   # 种植密度
        n = 0
        step = 2048
        for r0 in range(0, src.height, step):             # 全分辨率计数
            for c0 in range(0, src.width, step):
                a = src.read(1, window=((r0, min(r0+step, src.height)),
                                        (c0, min(c0+step, src.width))))
                n += int((a > 0).sum())
    cmap = LinearSegmentedColormap.from_list('d', ['#ffffff', c['ColorHex']])
    ax.imshow(frac, cmap=cmap, vmin=0, vmax=1)
    ax.set_xticks([]); ax.set_yticks([])
    ax.set_title(f"{c['CN']} 2019 · {n:,} km²")
plt.savefig('crops_2019.png', dpi=200, facecolor='white')

5.3 跨期对比（bounds 对齐）

from rasterio.windows import from_bounds
import rasterio

with rasterio.open('CHN_Maize_2000.tif') as s0, \
     rasterio.open('CHN_Maize_2019.tif') as s1:
    ib = [max(s0.bounds.left, s1.bounds.left), max(s0.bounds.bottom, s1.bounds.bottom),
          min(s0.bounds.right, s1.bounds.right), min(s0.bounds.top, s1.bounds.top)]
    def m(s):
        w = from_bounds(*ib, transform=s.transform).round_offsets().round_lengths()
        return s.read(1, window=w) > 0
    a0, a1 = m(s0), m(s1)
    print('新增', int((a1 & ~a0).sum()), 'km² / 退出', int((a0 & ~a1).sum()), 'km²')

六、使用注意事项

1. 网格变体：玉米/小麦 2000-2015=4335×4122；水稻 2000-2015=2448×4372（x 自 202,279，实测框外水稻像元为 0）；2016-2019=4335×4372（南扩 250 行仅含水稻 3,214 km²）。跨期逐像元对比必须按公共 bounds 对齐，禁止按行列索引。
2. 2016 年前后台阶：水稻序列 2015→2016 上移约 9.7%（284,103→311,809 km²），与生产批次/网格更新相关，跨该年的单年差值解读需谨慎。
3. 重采样：显示用 average（种植密度），统计用原始分辨率计数；二值掩膜禁双线性。
4. 引用规范：数据引用 骆玉川；张朝. 2000-2019年全国三大粮食作物1km种植分布数据集[DS/OL]. 国家生态科学数据中心, 2022. DOI: 10.12199/nesdc.ecodb.rs.2022.016；文献引用 Luo et al. (2020, ERL 15, 074003)；并按规范致谢国家生态科学数据中心（nesdc@igsnrr.ac.cn）。
5. 许可：CC BY-NC 4.0，学习研究使用，商用需向数据方确认。

七、常见问题

Q1: 和 CLCD 土地利用数据怎么配合用？ CLCD 给耕地范围（30m，不分作物），本数据给三大主粮在 1km 格点上的种植归属；两者结合可做"耕地里种了什么"的分析。

Q2: 面积为什么比统计年鉴的播种面积略偏大/偏小？ 1km 格点含混合像元误差；县级验证 RMSE 水稻 8.16、小麦 10.02、玉米 6.9 千公顷，做全国/省级总量对比足够，村级尺度慎用。

Q3: 港澳台有吗？ 数据覆盖中国大陆为主（Mendeley 原版标注 mainland China），港澳台不在格网内。

Q4: 能做单年两作物复种识别吗？ 可以，同年小麦∩玉米格点即为冬小麦-夏玉米复种格点（2019 年 110,230 km²）。

🗂️ 相关数据资源

更多免费空间数据资源，欢迎前往微信公众号 YouGIS空间 查看对应文章：

• 土地利用CLCD
• GlobeLand30
• 高标准农田
• DEM 34省
• 一级流域
• 湖泊水量
• 逐月降水
• 气温
• 蒸散发
• 公里网格人口
• 七普年龄分层
• 公里网格GDP
• 县域年鉴

八、免费获取方式

方式一：公众号关键词。关注「YouGIS空间」，发送 {玉米,小麦,水稻}种植分布-{YYYY}（YYYY ∈ 2000-2019，共 60 个关键词），自动回复对应文件网盘链接。

方式二：YouGIS 数据助手。PC 端 https://yougis.com.cn/res/home ，站内检索同一关键词；或使用微信小程序「YouGIS数据助手」。

参考文献

1. Luo, Y., Zhang, Z., Li, Z., et al. Identifying the spatiotemporal changes of annual harvesting areas for three staple crops in China by integrating multi-data sources. Environmental Research Letters, 2020, 15, 074003. https://doi.org/10.1088/1748-9326/ab80f0
2. 骆玉川；张朝. 2000-2019年全国三大粮食作物1km种植分布数据集[DS/OL]. 国家生态科学数据中心, 2022. https://doi.org/10.12199/nesdc.ecodb.rs.2022.016
3. YouGIS 数据助手：https://yougis.com.cn/res/home

---

📺 视频号 · YouGIS空间 —— 刷着视频领数据

这套数据在视频号同步更新：玉米带一路北移、麦区稻区 20 年换主角，30 秒看懂三大粮食版图；每期数据资源都配一支短视频——分布动图、关键数字、获取教程一镜到底，刷着视频就把数据领了。长按识别下方二维码进视频号主页，边刷边拿关键词。

微信小程序搜索「YouGIS数据助手」也可一键下载全部数据资源。