T/SDTS
T/SDTS 006-2025
茶树数据集建设规范
山东省茶叶学会发布
前言
本文件按照GB/T1.1-2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定起草.
请注意本文件的某些内容可能涉及专利.本文件的发布机构不承担识别专利的责任.
本文件由山东省茶叶学会提出并归口.
本文件起草单位：山东省农业科学院、青岛农业大学.
本文件主要起草人：丁兆堂、孙立涛、范凯、钱文俊、李玉胜、王玉、王林军、杨海滨、蒋双丰、申加枝.
茶树数据集建设规范
1范围
本文件规定了茶树数据集建设的术语和定义、数据采集规范、数据存储与管理、数据质量控制、数据标准化、数据共享与安全及档案管理.
本文件适用于茶树数据集建设.
2规范性引用文件
引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括 下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款.其中，注日期的的修改单）适用于本文件.
GB/T2260中华人民共和国行政区划代码GB/T7408数据元和交换格式信息交换日期和时间表示法 DB37/T3553茶树物联网平台数据采集规范
3术语和定义
下列术语和定义适用于本文件.
3.1
茶树数据集
指通过感知设备、实验测量、遥感监测等方式采集的，涵盖茶树表型、基因组、环境、管理及经济数据的集合.
3.2
表型数据
指茶树的形态、生长特征、抗逆性、产量、品质等外部可观测性状数据.
3.3
遥感数据
利用无人机、卫星或地面传感器获取的茶树生长环境及状态的影像和光谱数据.
3.4
数据标准化
指通过统一的数据格式、存储方式和编码规则，提高数据的兼容性和可复用性.
3.5
多组学数据
指基因组、转录组、蛋白组、代谢组等多层次的生物数据.
4数据采集规范
4.1数据分类
茶树数据集应涵盖以下类别：
a）表型数据：叶面积指数、叶绿素含量、冠层结构、生长速率等.b）基因组数据：基因组测序、转录组、蛋白组、代谢组数据等.c）环境数据：气温、降水、光照、土壤湿度、土壤养分等.按照DB37/T3553的规定执行.d）遥感数据：无人机高光谱、RGB影像、热成像、雷达数据等. e）管理数据：施肥、病虫害防控、采摘时间、茶叶产量等.
4.2采集方法
4.2.1自动化采集：使用物联网传感器、无人机遥感、智能监测设备实时采集.4.2.2实验测定：利用实验室仪器测定茶叶化学成分、基因表达等. 4.2.3人工记录：田间观察、手动记录生长性状.
4.3采集频率
数据类型 环境数据 实时或小时级 采集频率表型数据 每周或按生长关键期基因组数据 季度或年度遥感数据 每月或关键生长期
5数据存储与管理
5.1数据存储格式
5.1.1结构化数据采用CSV、JSON、SQL数据库存储.5.1.2非结构化数据（影像、基因数据）采用HDF5、GeoTIFF、FASTQ格式存储.5.1.3元数据应符合DublinCore标准，包括采集时间、地点、设备型号等信息.
5.2数据存储平台
5.2.1采用分布式存储架构（Hadoop、Spark）处理大规模数据.5.2.2重要数据采用云存储，支持阿里云、AWS、HDFS等平台.5.2.3建立数据备份机制，采用本地远程双备份，确保数据安全.
6数据质量控制
6.1质量控制原则
6.1.1一致性：确保不同来源的数据格式、单位、编码统一.6.1.2完整性：数据采集避免缺失，关键字段不能为空.6.1.3准确性：使用传感器校准、人工复核、数据比对等方式确保数据精准. 6.1.4去噪处理：使用异常值检测算法（如IQR、Z-score）排除异常数据.
