GTPBD：粗粒度全球茶园地块与边界数据集
计算机视觉与模式识别
2026-01-06 v3
摘要
农业地块是开展农业实践和应用的基本单位，对土地所有权登记、粮食安全评估和土壤侵蚀监测等至关重要。然而，现有的农业地块提取研究仅关注中分辨率的制图或规则平原农田，缺乏对复杂茶园地形的表征。本文引入一个更细粒度的茶园地块数据集，命名为GTPBD（Global Terraced Parcel and Boundary Dataset），这是第一个覆盖全球主要茶园地区的细粒度数据集，包含超过200,000个具有手动标注的复杂茶园地块。GTPBD包含47,537张高分辨率图像，具有三级标签，包括像素级边界标签、掩码标签和地块标签。它覆盖中国的七个主要地理区域以及跨大陆气候区域。与现有数据集相比，GTPBD数据集由于(1)地形多样性；(2)复杂且不规则的地块对象；(3)多种域样式，带来了显著的挑战。我们提出的GTPBD数据集适用于四种不同任务，包括语义分割、边缘检测、茶园地块提取和无监督域适应(DA)任务。相应地，我们在八种语义分割方法、四种边缘提取方法、三种地块提取方法和五种DA方法上对GTPBD数据集进行基准测试，构建了一个集成像素级和对象级指标的多维评估框架。GTPBD填补了茶园遥感研究中的关键空白，为细粒度农业地形分析和跨情景知识迁移提供了基本基础设施。
引用
@article{arxiv.2507.14697,
title = {GTPBD: A Fine-Grained Global Terraced Parcel and Boundary Dataset},
author = {Zhiwei Zhang and Zi Ye and Yibin Wen and Shuai Yuan and Haohuan Fu and Jianxi Huang and Juepeng Zheng},
journal= {arXiv preprint arXiv:2507.14697},
year = {2026}
}
备注
40 pages, 40 figures, Accepted to the 39th Conference on Neural Information Processing Systems (NeurIPS 2025)