全球历史小麦产量数据集

简介

全球历史粮食产量数据集是农业普查统计(粮农组织报告的国家产量统计数据)和卫星遥感(遥感反演的作物指数)的混合数据产品,小麦的两个生长季节包括“冬(winter)”和“春(spring)”。

全球小麦产量与产区分布:

1. 中国是全球最大的小麦生产国,占全球小麦产量的约15%。

2. 亚洲地区是全球最大的小麦生产地区,占全球小麦产量的约44%。

3. 欧洲地区是全球第二大小麦生产地区,占全球小麦产量的约26%。

4. 北美洲地区是全球第三大小麦生产地区,占全球小麦产量的约14%。

5. 南美洲、非洲、大洋洲和中东等地区的小麦产量比较少,总产量约占全球小麦产量的1%至3%之间。前言 – 人工智能教程

总的来说,全球小麦产量主要分布在中国、亚洲地区、欧洲地区和北美洲地区。小麦是世界上最重要的粮食作物之一,也是世界人类的主要粮食来源之一。

春小麦和冬小麦是根据播种时间的不同而划分的两种小麦品种。它们的主要区别如下:

1. 播种时间不同:春小麦在春季播种,而冬小麦在秋季播种。

2. 生长期不同:春小麦生长期相对较短,一般为90~110天;而冬小麦生长期相对较长,一般为180~280天。因此,春小麦一年只能收割一次,而冬小麦则可以收割两次。

3. 抗逆性不同:冬小麦具有很强的抗逆性,能够在低温、雨雪等恶劣环境条件下生长,而春小麦则要求温度和湿度等环境条件较为适宜。

4. 产量和品质差异:由于栽种时间和生长期的不同,春小麦和冬小麦的产量和品质也有所不同。一般而言,冬小麦的产量更高,品质更优秀。

总的来说,春小麦和冬小麦有着明显的差异,但它们都是重要的小麦品种,对于满足人们的粮食需求和农业发展都有着重要的作用。

数据集ID: 

GDHY/wheat

时间范围: 1981年-2016年

范围: 全球

来源: Scientific Data

复制代码段: 

var images = pie.ImageCollection("GDHY/wheat")

名称类型空间分辨率(度)时间分辨率(y)无效值描述信息
wheatfloat320.51-9999wheat yield
wheat_springfloat320.51-9999wheat_spring yield
wheat_winterfloat320.51-9999wheat_winter yield
/**
* @File    :   GDHY/wheat
* @Time    :   2021/05/20
* @Author  :   piesat
* @Version :   1.0
* @Contact :   400-890-0662
* @License :   (C)Copyright 航天宏图信息技术股份有限公司
* @Desc    :   加载全球历史小麦产量数据集
*/

//加载全球历史小麦产量数据
var img = pie.ImageCollection("GDHY/wheat")
            .filterDate('2010-01-01', '2011-01-01')
            .select("wheat")
            .first();
//输出影像信息
print(img);
//定位地图中心
Map.centerObject(img, 2);
//设定预览参数
visParams = {min: 0, max: 16,
            palette: ['ffffe5', 'f7fcb9', 'd9f0a3', 'addd8e', '78c679', '41ab5d', '238443', '006837', '004529']};
//加载影像
Map.addLayer(img, visParams, "img");
//图例
var data = {title: "全球小麦年产量(吨/公顷)",
            colors: ['#ffffe5', '#f7fcb9', '#d9f0a3', '#addd8e', '#78c679', '#41ab5d', '#238443', '#006837', '#004529'],
            labels: ["0", "4", "8", "12", "16"],
            step: 30};
var style = {left: "60%", top: "70%", height: "70px", width: "350px"};
var legend = ui.Legend(data, style);
Map.addUI(legend);

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
您好!要将全球小麦数据集转换为 COCO 数据集格式,您可以按照以下步骤进行操作: 1. 下载全球小麦数据集:首先,您需要获得全球小麦数据集的图像和标注文件。确保您已经获得了图像文件和相应的标注文件,这些文件应该包含有关每个图像中物体的边界框和类别信息。 2. 安装 COCO API:COCO API 是用于处理 COCO 数据集的 Python 库。您可以使用以下命令安装 COCO API: ``` pip install pycocotools ``` 3. 创建 COCO 数据集的 JSON 文件:使用 COCO API 创建 COCO 数据集的 JSON 文件,该文件包含图像和对应的标注信息。您可以使用以下代码创建 COCO 数据集的 JSON 文件: ```python import json from pycocotools.coco import COCO # 创建 COCO 数据集对象 coco_dataset = { "info": {}, "licenses": [], "images": [], "annotations": [], "categories": [] } # 填充 images 字段 for image in image_list: coco_dataset["images"].append({ "id": image_id, "file_name": image_file_name, "width": image_width, "height": image_height }) # 填充 annotations 字段 for annotation in annotation_list: coco_dataset["annotations"].append({ "id": annotation_id, "image_id": image_id, "category_id": category_id, "bbox": [x, y, width, height], "area": area, "iscrowd": 0 }) # 填充 categories 字段 for category in category_list: coco_dataset["categories"].append({ "id": category_id, "name": category_name, "supercategory": category_supercategory }) # 将数据集保存为 JSON 文件 with open("coco_dataset.json", "w") as json_file: json.dump(coco_dataset, json_file) ``` 在上述代码中,您需要根据您的数据集结构和标注格式进行相应的修改。 4. 将图像和标注文件移动到 COCO 数据集文件夹中:将图像文件和标注文件移动到与 COCO 数据集的 JSON 文件相同的文件夹中。 完成以上步骤后,您就成功地将全球小麦数据集转换为了 COCO 数据集格式。希望对您有所帮助!如有任何问题,请随时提问。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

此星光明

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值