five

AGBD|生物量估算数据集|遥感技术数据集

收藏
arXiv2024-06-07 更新2024-06-17 收录
生物量估算
遥感技术
下载链接:
https://github.com/ghjuliasialelli/AGBD
下载链接
链接失效反馈
资源简介:
AGBD数据集由苏黎世联邦理工学院创建,旨在提供一个全球范围内的高分辨率生物量数据集,以支持气候变化和生物多样性损失的研究。该数据集结合了GEDI任务的生物量参考数据与Sentinel-2和PALSAR-2的遥感图像,并包含了预处理的高级特征,如密集冠层高度图、高程图和土地覆盖分类图。数据集覆盖多种植被类型,并跨越数年,提供了一个高分辨率(10米)的全球生物量预测图。该数据集的应用领域广泛,主要用于全球生物量估算,旨在解决现有数据集在空间分辨率和全球代表性上的不足。
提供机构:
苏黎世联邦理工学院
创建时间:
2024-06-07
AI搜集汇总
数据集介绍
main_image_url
构建方式
AGBD数据集的构建融合了全球范围内的多种数据源,包括GEDI任务的AGB参考数据、Sentinel-2和PALSAR-2影像数据。通过结合这些数据,AGBD不仅涵盖了多种植被类型,还跨越了多个年份。此外,数据集还包含了预处理的高级特征,如密集冠层高度图、高程图和土地覆盖分类图。为了确保数据集的全球代表性,研究团队从全球范围内选取了具有代表性的区域,这些区域的植被分布模拟了全球的植被分布。
使用方法
AGBD数据集的设计旨在支持全球AGB估算的机器学习研究。用户可以通过GitHub仓库访问所有代码和数据,数据集的预处理版本兼容所有主流机器学习框架,如TensorFlow和PyTorch。数据集的下载和使用非常简便,用户只需几行代码即可完成。此外,数据集还提供了多个基准模型和预训练权重,用户可以在此基础上进行进一步的模型训练和优化,从而提高AGB估算的准确性和性能。
背景与挑战
背景概述
AGBD数据集,全称为Above Ground Biomass Dataset,由ETH Zurich的Photogrammetry and Remote Sensing实验室与University of Zurich的EcoVision Lab合作创建。该数据集的核心研究问题在于提供一个全球范围内的高分辨率地上生物量(AGB)估计基准,以应对气候变化和生物多样性丧失这两大全球性挑战。AGBD数据集结合了NASA GEDI任务的AGB参考数据与Sentinel-2和PALSAR-2影像数据,并包含了预处理的高级特征,如密集冠层高度图、高程图和土地覆盖分类图。该数据集的发布时间为2024年,其影响力在于为全球AGB估计提供了机器学习就绪的数据集,显著提升了模型的性能和泛化能力。
当前挑战
AGBD数据集在构建过程中面临多项挑战。首先,全球范围内的高分辨率AGB数据稀缺,现有数据要么局限于特定区域,要么分辨率较低。其次,获取和处理全球遥感数据的规模巨大,数据量高达70TB,远超ImageNet,这使得数据预处理和模型训练变得极为复杂和耗时。此外,AGB与不同植被类型的复杂交互关系增加了数据集的代表性和准确性要求。为了应对这些挑战,研究团队通过选择具有全球植被分布代表性的子区域,并结合多源遥感数据,成功构建了一个具有全球代表性的高分辨率AGB数据集。
常用场景
经典使用场景
AGBD数据集的经典使用场景在于全球尺度上高分辨率地上生物量(Above Ground Biomass, AGB)的估算。该数据集整合了GEDI任务的AGB参考数据与Sentinel-2和PALSAR-2影像数据,提供了密集的冠层高度图、高程图和土地覆盖分类图等预处理高层次特征。通过这些数据,研究人员可以训练和验证AGB估算模型,从而在全球范围内实现高精度的生物量估算。
解决学术问题
AGBD数据集解决了全球尺度上高分辨率AGB数据稀缺的问题。传统方法受限于高成本和时间需求,难以实现全球扩展。AGBD通过整合多源遥感数据,提供了一个机器学习就绪的全球代表性高分辨率基准,显著提升了AGB估算的准确性和泛化能力。这不仅有助于量化碳储量,还为生物多样性热点区域的结构分析提供了宝贵见解,对应对气候变化和生物多样性丧失具有重要意义。
实际应用
AGBD数据集在实际应用中具有广泛潜力,特别是在生态监测和碳汇管理领域。例如,它可以用于森林资源管理,帮助制定可持续的林业政策;在气候变化研究中,支持碳排放和吸收的精确估算;在生物多样性保护中,提供关键的生态系统健康指标。此外,AGBD的高分辨率特性使其在灾害评估和恢复规划中也具有重要应用价值。
数据集最近研究
最新研究方向
在应对气候变化和生物多样性丧失的全球挑战中,准确估算地上生物量(AGB)至关重要。AGBD数据集通过整合GEDI任务的AGB参考数据与Sentinel-2和PALSAR-2影像数据,提供了一个全球范围内的高分辨率基准。该数据集不仅涵盖多种植被类型,还包含了预处理的高级特征,如密集冠层高度图、高程图和土地覆盖分类图。此外,它还生成了一个密集的高分辨率(10米)AGB预测图,适用于整个数据集覆盖区域。通过严格的测试和公开的基准模型,AGBD数据集为全球AGB估算提供了坚实的基础,促进了机器学习方法在该领域的应用和发展。
相关研究论文
  • 1
    AGBD: A Global-scale Biomass Dataset苏黎世联邦理工学院 · 2024年
以上内容由AI搜集并总结生成
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4098个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

学生课堂行为数据集 (SCB-dataset3)

学生课堂行为数据集(SCB-dataset3)由成都东软学院创建,包含5686张图像和45578个标签,重点关注六种行为:举手、阅读、写作、使用手机、低头和趴桌。数据集覆盖从幼儿园到大学的不同场景,通过YOLOv5、YOLOv7和YOLOv8算法评估,平均精度达到80.3%。该数据集旨在为学生行为检测研究提供坚实基础,解决教育领域中学生行为数据集的缺乏问题。

arXiv 收录

Google Scholar

Google Scholar是一个学术搜索引擎,旨在检索学术文献、论文、书籍、摘要和文章等。它涵盖了广泛的学科领域,包括自然科学、社会科学、艺术和人文学科。用户可以通过关键词搜索、作者姓名、出版物名称等方式查找相关学术资源。

scholar.google.com 收录

poi

本项目收集国内POI兴趣点,当前版本数据来自于openstreetmap。

github 收录

猫狗图像数据集

该数据集包含猫和狗的图像,每类各12500张。训练集和测试集分别包含10000张和2500张图像,用于模型的训练和评估。

github 收录

CatMeows

该数据集包含440个声音样本,由21只属于两个品种(缅因州库恩猫和欧洲短毛猫)的猫在三种不同情境下发出的喵声组成。这些情境包括刷毛、在陌生环境中隔离和等待食物。每个声音文件都遵循特定的命名约定,包含猫的唯一ID、品种、性别、猫主人的唯一ID、录音场次和发声计数。此外,还有一个额外的zip文件,包含被排除的录音(非喵声)和未剪辑的连续发声序列。

huggingface 收录