《Scientific Data》：A multi-environment dataset consisting of official field trials for three major crops in the Nordic countries
编辑推荐：
气候变化将对农业产生重大影响，因此需要开发适应未来环境胁迫并具备抗逆性的新作物品种。开发一个新的作物品种是一个长达数十年的过程。因此，气候变化因素必须已经被纳入到育种计划中。国家育种计划通常涉及单一国家的田间试验，这在气候变异性稳定的时期发挥了令人满意的作用。
气候变化将对农业产生重大影响，因此需要开发适应未来环境胁迫并具备抗逆性的新作物品种。开发一个新的作物品种是一个长达数十年的过程。因此，气候变化因素必须已经被纳入到育种计划中。国家育种计划通常涉及单一国家的田间试验，这在气候变异性稳定的时期发挥了令人满意的作用。然而，人们普遍认为，当跨国界的田间试验信息可用时，它能显著地帮助植物育种计划。研究人员在本文中提出了一个泛北欧多环境数据集，整合了1970–2024年间春大麦、红三叶草和马铃薯的国家试验数据和VCU（Value for Cultivation and Use，栽培与使用价值）试验数据。该数据集协调了跨不同环境的产量信息，从而能够进行比较分析和跨区域评估。通过为北欧地区提供统一的资源，该数据集支持开发更具抗逆性的作物品种，并促进了在气候变化条件下的数据驱动育种策略。
研究背景与意义：极端天气被确认为2025年急性粮食不安全的主要驱动因素之一，凸显了气候变化对全球粮食安全的威胁。为减轻气候变化对全球作物产量的影响，亟需培育具有更高产量和对气候胁迫具更好抗逆性的新作物品种。植物育种是通过遗传改良作物品种以获得改良特性的科学，是过去几十年产量提高的主要驱动力。然而，从初始杂交到新作物品种上市需耗时十数年，这意味着育种计划必须及早纳入气候变化考量。在品种释放过程中，候选品种通常需进行1–3年的官方试验以评估其农艺表现和质量。这些国家品种试验和VCU（Value for Cultivation and Use，栽培与使用价值）试验产生了大量表型数据，但此类数据在跨国共享与合作研究方面仍未得到充分利用。基于此，研究人员开展了整合北欧五国官方试验数据的研究，成功构建了一个泛北欧多环境数据集。该研究为北欧地区提供了统一的数据资源，支持开发更具抗逆性的作物品种，并促进了气候变化条件下的数据驱动育种策略。该研究成果已发表于《Scientific Data》。
关键技术与方法：研究人员从丹麦、挪威、瑞典、冰岛和芬兰五个北欧国家的官方试验中收集了与产量相关的表型性状数据。对于挪威、芬兰和冰岛的数据，直接从负责试验的各国研究机构获取；丹麦和瑞典的国家品种试验与VCU试验数据则从北欧田间试验系统（Nordic Field Trial System，NFTS）数字平台公开下载。数据处理过程中，产量单位统一缩放至hkg/ha，并利用R语言包ggmap等工具补充了缺失的坐标和品种元数据。针对NFTS数据，研究人员进行了广泛过滤以识别多品种试验并移除错误数据。由于红三叶草为多年生作物，同一试验的多年观察值通过计划编号和非唯一试验ID进行了分类。此外，马铃薯的产量测量值被重新缩放为绝对数值。
研究结果：
Background & Summary
通过整合多源数据构建了一个跨越数十年的数据集，包含近3000个独特年份-地点环境中2000多个品种的表型观察结果。研究表明，利用多国品种作为对照可加强推断能力并比较不同品种在广泛气候与环境范围内的表现。该数据集的优势在于揭示跨不同环境的大规模一致模式，而非基于直接比较产量值的精确试验级分析。
National trials and VCU trials from the Nordic countries
通过收集北欧国家的官方试验数据发现，各国处理产量值的方式存在差异：冰岛提供基于普通最小二乘法的小区级数据；芬兰、瑞典和丹麦提供最佳线性无偏预测值；挪威则两种形式的数据均有提供。
Norway
挪威试验数据由挪威生物经济研究所（NIBIO）收集并质量检查。数据以BLUPs形式提供春大麦数据，红三叶草和马铃薯为小区数据。研究得出挪威的试验采用随机完全区组设计，且品种测试需经过连续三年的田间试验。
Finland
芬兰试验数据由芬兰自然资源研究所（LUKE）收集和质量检查。仅分享了对照品种的数据以提供长期环境覆盖。数据以BLUPs形式提供。研究表明芬兰的VCU试验采用随机完全区组设计或不完全区组设计（最常见为alpha设计）。
Iceland
冰岛试验数据由冰岛农业大学（LBHI）收集和质量检查。通过干燥前后称重估算干物质含量，并将干物质产量乘以1.12以保持一致性。数据通过普通最小二乘模型调整后以小区数据形式提供（R
2 = 0.81）。所有冰岛试验均采用随机完全区组设计。
Sweden
瑞典田间试验数据从NFTS网站下载并处理。数据由瑞典农业大学（SLU）和农村经济与农业学会协调，以BLUPs形式提供。研究表明瑞典试验采用随机完全区组设计或alpha设计，且春大麦VCU试验自2022年起改为标准处理单因子试验。
Denmark
丹麦田间试验数据从NFTS网站下载。VCU试验和国家试验并行运行，马铃薯仅有国家试验。数据以BLUPs形式提供给NFTS网站。研究表明丹麦试验采用随机完全区组设计或alpha设计。
NFTS
通过研究NFTS的原始HTML文件，研究人员开发了一种自动识别品种作为处理因子的试验的方法。通过过滤可疑品种名称和分类标签，移除了错误数据。研究得出该过滤方法在包含尽可能多的数据与排除错误数据之间取得了良好的平衡。
Computational processing
通过计算处理对不同来源的数据进行标准化。记录的产量被重新缩放为hkg/ha，补充了缺失坐标和品种元数据。对红三叶草多年观察值进行分类，并重新缩放马铃薯产量为绝对数值。研究得出标准化处理有效统一了不同格式的数据。
Data Records
通过整理数据记录，确定产量是三种作物报告的主要表型性状。数据集还包含试验点坐标、收获年份、播种和收获日期以及品种级别元数据。马铃薯数据还包含淀粉、块茎数量等表型性状。
Data storage
通过将数据存储在国家研究数据存储库中，按作物分为三个子文件夹，每个子文件夹包含整理好的csv文件和带有变量信息的README文件。研究得出此存储方式便于公开获取和使用。
Data Overview
通过数据概述总结了各国和各作物的关键数字，并绘制了图表显示每个独特品种参与的田间试验数量及年份分布。研究表明数据在国家和作物间存在较大差异。
Technical Validation
通过技术验证确保了数据提供者之间的一致性，并移除了不符合目的的NFTS数据。使用汇总统计数据和视觉检查检测并移除或纠正了错误注册，对缺失坐标进行了地理定位。研究得出各国的产量水平和其他相关数据在每种作物内广泛一致。
Usage Notes
通过使用说明指出，虽然试验间存在差异，但均遵循标准化国家协议。数据集不适用于直接比较绝对值，而应基于试验内比较进行分析。研究得出数据集可与公开天气和气候数据集链接，并指出品种名称可能不唯一。
总结讨论部分：
在讨论部分，研究人员指出，尽管各个国家和试验在小区大小、管理实践、数据处理策略等方面存在显著差异，但所有试验均遵循旨在促进不同地点和年份间可靠品种比较的标准化国家协议。该数据集并非旨在用于直接比较试验或国家间的绝对值，分析应基于试验内比较进行，即将基因型表现相对于在相同实验条件和统计框架下测试的其他条目进行评估，以减少方法论差异的影响。此外，该数据集旨在支持专注于跨环境大规模模式的分析，如基因型与环境互作和气候适应性。数据集本身不包含气候或土壤协变量，但每个试验记录包含地理坐标和收获年份，可轻松与公开可用的天气和气候数据集进行链接。品种名称在历史上并不唯一，可能随时间和国界而变化，数据集中的多个品种名称可能代表相同的基因型。研究人员未尝试将它们链接起来，但用户在关注较小子集时进行此类工作可能更具可行性。
