HyBiomass：用于评估地理空间基础模型在森林地上生物量估计中的全球高光谱影像基准数据集
计算机视觉与模式识别
2025-06-16 v1 图像与视频处理
摘要
对地理空间基础模型（Geo-FMs）的全面评估需要在多样化任务、传感器和地理区域上进行基准测试。然而，大多数现有基准数据集仅限于分割或分类任务，且聚焦于特定地理区域。为弥补这一空白，我们引入了一个用于森林地上生物量（AGB）估计的全球分布数据集，这是一个逐像素回归任务。该基准数据集结合了来自环境制图与分析计划（EnMAP）卫星的共址高光谱影像（HSI）以及全球生态系统动力学调查激光雷达（lidar）推导的 AGB 密度估计预测，覆盖七大洲区域。在该数据集上的实验结果表明，所评估的地理空间基础模型可以达到甚至在某些情况下超越基线 U-Net 的性能，尤其是在微调编码器时。我们还发现，U-Net 与地理空间基础模型之间的性能差异取决于每个区域的数据集大小，并强调了 Vision Transformer 主干中 token 块大小对逐像素回归任务准确预测的重要性。通过发布这一全球分布的高光谱基准数据集，我们旨在促进地理空间基础模型在高光谱影像应用中的发展与评估。利用该数据集还可以开展地理空间基础模型的地理偏差和泛化能力研究。数据集和源代码将公开发布。
引用
@article{arxiv.2506.11314,
title = {HyBiomass: Global Hyperspectral Imagery Benchmark Dataset for Evaluating Geospatial Foundation Models in Forest Aboveground Biomass Estimation},
author = {Aaron Banze and Timothée Stassin and Nassim Ait Ali Braham and Rıdvan Salih Kuzu and Simon Besnard and Michael Schmitt},
journal= {arXiv preprint arXiv:2506.11314},
year = {2025}
}