GeoLifeCLEF 2023 概述：利用遥感进行大陆尺度高空间分辨率物种组成预测

理解物种的时空分布是生态学与保护生物学的基石。通过将物种观测数据与地理和环境预测因子相匹配，研究人员可以建立环境与其中可能存在的物种之间关系的模型。为了利用深度学习模型和遥感数据推进该领域的最新进展，我们组织了一项名为 GeoLifeCLEF 2023 的开放机器学习挑战赛。训练数据集包含分布在欧洲各地并涵盖其大部分植物区系的 500 万条植物物种观测记录（每个样本具有单个正标签），以及高分辨率栅格数据：遥感影像、土地覆盖、高程，此外还有粗分辨率数据：气候、土壤和人类活动足迹变量。在此多标签分类任务中，我们评估了模型基于标准化调查预测 2.2 万个小样地物种组成的能力。本文概述了该竞赛，综合了参赛队伍所使用的方法，并分析了主要结果。特别地，我们强调了针对单正标签拟合的方法在多标签评估中面临的偏差，以及在训练中结合单标签和多标签数据的全新且有效的学习策略。