森林监测中的AI应用需要遥感基准数据集
人工智能
2023-01-03 v1 计算机与社会
摘要
随着高分辨率遥感技术的兴起,可用于森林监测的数据量呈爆发式增长,同时利用人工智能从这些数据集中自动提取感兴趣森林属性的应用也相应增多。许多研究在较小的时空尺度上使用自有数据,并展示现有或改良数据科学方法在特定任务上的应用。这种方法常涉及密集且耗时的数据收集与处理,但产生的结果局限于特定生态系统和传感器类型。学界普遍缺乏对所使用数据的类型与结构如何影响分析算法性能与准确性的广泛认知。为更高效地推动该领域进展,亟需可用于测试方法并进行比较的基准数据集。在此,我们讨论标准化的缺失如何影响对关键森林属性估计的置信度,以及评估方法性能时如何考量数据收集因素。我们提出用于创建严谨、有用的森林监测应用基准数据集的务实需求与考量,并探讨现代数据科学工具如何提升现有数据的利用。我们列举了一组可贡献于基准测试的大规模数据集示例,并展望了社区驱动、具代表性的基准倡议将如何造福该领域。
引用
@article{arxiv.2212.09937,
title = {AI applications in forest monitoring need remote sensing benchmark datasets},
author = {Emily R. Lines and Matt Allen and Carlos Cabo and Kim Calders and Amandine Debus and Stuart W. D. Grieve and Milto Miltiadou and Adam Noach and Harry J. F. Owen and Stefano Puliti},
journal= {arXiv preprint arXiv:2212.09937},
year = {2023}
}