GlobalGeoTree：用于全球树种分类的多粒度视觉语言数据集
计算机视觉与模式识别
2026-01-27 v3
摘要
使用遥感数据进行全球树种映射对于生物多样性监测、森林管理和生态研究至关重要。然而，该领域的进展受限于大规模标记数据集的稀缺。为此，我们引入GlobalGeoTree，这是一个全球树种分类综合数据集。GlobalGeoTree 包含 630 万个地理定位的树木记录，覆盖 275 个科、2734 个属和 21001 个种，跨越分层 taxonomic 级别。每个样本均配有 Sentinel-2 影像时间序列和 27 个辅助环境变量，涵盖生物气候、地理和土壤数据。数据集分为 GlobalGeoTree-6M 用于模型预训练和精选评估子集，主要为 GlobalGeoTree-10kEval 用于零样图和少样本基准测试。为展示数据集的实用性，我们引入基线模型GeoTreeCLIP，该模型在 GlobalGeoTree-6M 上预训练，利用配对的遥感数据和 taxonomic 文本标签构建视觉语言框架。实验结果表明，GeoTreeCLIP 在 GlobalGeoTree-10kEval 上的零样图和少样本分类准确率显著优于现有先进模型。通过公开数据集、模型和代码，我们旨在建立基准，推动树种分类的发展，并在生物多样性研究和生态应用中促进创新。
引用
@article{arxiv.2505.12513,
title = {GlobalGeoTree: A Multi-Granular Vision-Language Dataset for Global Tree Species Classification},
author = {Yang Mu and Zhitong Xiong and Yi Wang and Muhammad Shahzad and Franz Essl and Holger Kreft and Mark van Kleunen and Xiao Xiang Zhu},
journal= {arXiv preprint arXiv:2505.12513},
year = {2026}
}