摘要：基于Transformer融合的联邦学习多模态作物产量预测数据集（FM-CYT），包含500条主要样本和17,000条评估样本，涵盖5种主要作物（棉花、玉米、水稻、大豆、小麦）或55种作物类别。
数据集概述
基于Transformer融合的联邦学习多模态作物产量预测数据集（FM-CYT），包含500条主要样本和17,000条评估样本，涵盖5种主要作物（棉花、玉米、水稻、大豆、小麦）或55种作物类别。数据集整合了卫星遥感（NDVI指数）、气候数据（1997-2020年温度/降雨/湿度）、土壤特征（N/P/K/pH值）和农场管理信息（施肥/灌溉/农药使用），支持隐私保护的联邦学习框架。
数据结构与关键特征
数据集采用fm_cyt_前缀命名的11个CSV文件，包含主要文件（crop_type_primary.csv含500条训练样本，crop_type_eval_17000.csv含17,000条评估样本）和9个辅助文件（土壤、天气、降雨、温度、农药、历史产量等）。核心特征包括4个模态：卫星植被（4×16×16 NDVI/冠层数据）、气候时序（90×4天气序列）、土壤属性（6维）和农场管理（8维）。评估集按5类作物的经验分布采样（棉花21.4%、玉米22.2%、水稻16.4%、大豆21.6%、小麦18.4%），支持默认5类或可选55类作物标签。/p>
应用价值与研究方向
支持精准农业、作物产量预测和农业决策支持系统开发。适用于多模态Transformer融合、联邦学习隐私保护、时空序列建模（气候GRU、空间作物CNN）、跨模态特征融合、类别不平衡处理等研究方向，可用于开发智能农业管理系统，优化施肥/灌溉策略，预测区域粮食产量，为农业资源配置和粮食安全提供数据支撑。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-309
文件大小：1.3M
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)