OpenForest：面向森林监测机器学习的开放数据集目录
计算机视觉与模式识别
2024-11-01 v3
摘要
森林在地球系统过程中起着至关重要的作用，并提供一系列社会与经济生态系统服务，但深受人类活动影响，导致生态系统内平衡被显著打破。推进全球森林监测有助于减轻人类影响、增进对森林组成及气候变化效应的理解。尽管统计建模传统上应用于森林生物学，但机器学习与计算机视觉近期利用遥感数据取得了重要里程碑，如树种识别、树冠分割与森林生物量评估。为此，开放获取数据对于改进此类数据驱动算法与方法至关重要。本文全面概述了86个跨空间尺度的开放获取森林数据集，涵盖清查数据、地面、航空、卫星记录以及国家或世界地图。这些数据集归集于OpenForest——一个开放贡献的动态目录，旨在收录所有可用的开放获取森林数据集。此外，基于这些数据集，我们旨在通过建立当代主题、视角及两领域固有挑战之间的联系，激发机器学习应用于森林生物学的研究。我们希望促进科学家间的合作，通过应用机器学习方法开展大规模森林监测，推动多样数据集的共享与探索。OpenForest可在 https://github.com/RolnickLab/OpenForest 获取。
引用
@article{arxiv.2311.00277,
title = {OpenForest: A data catalogue for machine learning in forest monitoring},
author = {Arthur Ouaknine and Teja Kattenborn and Etienne Laliberté and David Rolnick},
journal= {arXiv preprint arXiv:2311.00277},
year = {2024}
}
备注
43 pages, 3 figures, 9 tables. Accepted in Environmental Data Science. The OpenForest catalogue is available at https://github.com/RolnickLab/OpenForest