（1） 2000-2019年全国三大粮食作物1km物候数据集
本数据集涵盖了2000-2019年中国玉米、小麦和水稻的三个关键物候期在一年中出现的日期（儒略日，DOY）。基于GLASS LAI遥感产品，利用农业气象站长期观测的物候记录，根据作物物候曲线特征定义了每种作物的三个关键物候期的拐点和峰值，结合拐点法和阈值法识别出LAI特征曲线对应的拐点和峰值，最终得到每个作物像元的关键物候期在一年中出现的日期。基于全国436个农业气象站点近十多年的观测数据对数据集进行验证，三种作物的物候期提取的均方根误差（RMSE）均小于10天，其中，水稻、小麦和玉米关键物候期的RMSE分别为5.3、5.5和6.7天。
该项研究工作和数据制备得到了国家重点研发计划项目（2019YFA0607401、2017YFD0300301）、国家自然科学基金（41977405、31561143003、31761143006）的资助。
图1 2000-2015年中国三大粮食作物关键物候期时空分布格局
（a.水稻，b.小麦，c.玉米）
（2） 2000-2019年全国三大粮食作物1km种植分布数据集
本数据集涵盖了2000-2019年中国玉米、小麦和水稻的种植空间分布。基于GLASS LAI数据，结合拐点法和阈值法识别出LAI特征曲线对应的拐点和峰值，从而作为遥感提取的关键物候信息。将中国土地利用现状遥感监测数据的旱地层和水田层分别用于提取旱地作物（玉米、小麦）和水稻，并根据每种作物定义的三个关键物候期能同时提取出来的条件确定作物的种植格点。例如，对于某格点，若冬小麦的返青期、抽穗期和成熟期能同时提取出来，就将它认作冬小麦的种植格点。对于某些省份作物种植系统复杂（如中国北方的春玉米易与其它春季植被混淆），通过设置LAI最大值的阈值法来移除误分的作物种植格点。基于县级统计面积进行验证，水稻、小麦和玉米的平均决定系数（R2）分别为0.86、0.85和0.82，均方根误差（RMSE）分别为8.16、10.02和6.9千公顷。
图2 中国小麦空间分布 2000 (a), 2005 (b), 2010 (c) 2015 (d)
该项研究工作和数据制备得到了国家重点研发计划项目（2019YFA0607401、2017YFA0604703、2017YFD0300301）、国家自然科学基金(41977405、31561143003、31761143006)的资助。
（3） 2018-2019年欧盟10国主要农作物10m种植分布数据集
本数据集涵盖了2018-2019年欧盟10个国家冬麦、春麦、玉米和油菜的种植空间分布。基于哨兵2号(Sentinel-2) 遥感影像数据，利用英国和法国可公开获取的地面样本训练随机森林模型，并将模型迁移到欧盟其它缺乏地面样本的国家进行作物分类。基于2万多个LUCAS实地调查样本进行验证，10个国家的主要作物识别总体精度从89%到97%，生产者精度从72%到98%，用户精度从73%到98%。基于NUTS-2级统计面积进行验证，平均决定系数（R2）大于0.9。
图3 2019年欧盟8个国家10米分辨率农作物分布
该项研究工作和数据制备得到了国家自然科学基金项目（42061144003、41977405）的资助。
（4） 2017-2019年东北亚和东南亚10m水稻种植面积数据集
2017-2019年东北亚和东南亚的水稻种植面积数据集（NESEA-Rice10）是结合MODIS影像和Sentinel-1影像等多源数据，基于水稻的生长环境和物候特征等信息提取每年水种植稻的像素，获得这套水稻种植面积数据集，分辨率为10m×10m。
图4 2017-2019年东北亚水稻种植分布
该项研究工作和数据制备得到了国家自然科学基金项目（42061144003）的资助。
（5） 2017-2019年欧美洲33国10m油菜籽种植分布数据集
2017-2019年欧美洲33国10m油菜籽种植分布数据集（RapeseedMap10）是结合Sentinel-2影像和Sentinel-1影像等多源数据，基于油菜籽的生长物候，光谱和极化特征，提取出了欧洲、美洲33个国家的种植油菜籽的像素，得到这套油菜种植面积数据集，空间分辨率为10m×10m。
图5 2018年油菜籽空间分布 (a) 欧洲和土耳其. (b) 加拿大和美国.
该项研究工作和数据制备得到了国家重点研发计划项目（2019YFA0607401）的资助。
粮食安全研究与教育团队简介
北京师范大学粮食安全研究与教育团队是一个专注于国家粮食安全教育、科研和政策的研究团队。研究团队负责人张朝教授就职于北京师范大学国家安全与应急管理学院，担任硕士和博士研究生导师。研究团队主要从事国家粮食安全、农业灾害风险、资源环境等方面的研究，具体包括以下三点：
（1）基于大数据、作物模型模拟、遥感和深度学习等技术发展了一套快速、大范围地提取农情信息的方法及技术；
（2）基于情景驱动和致灾机理过程构建了高温、低温冷害、干旱等农作物灾害脆弱性模型，实现了农业灾损的快速地评估；
（3）发展了农业灾害保险智能设计的新方法，可有效解决目前我国农业保险行业“费率单一、灾种不明、基差风险大、核损和定损难”等问题。
团队研究成果为我国农业灾害风险分析和防灾减灾发展了理论基础和应用工具，为我国粮食安全宏观政策的制定和行业部门业务的开展提供了科学依据。近十多年团队共发表文章120余篇，引用次数5906次，h-index 41。