PrediTree：一个与冠层高度图对齐的亚米级多光谱影像多时相数据集
计算机视觉与模式识别
2025-09-11 v2
摘要
我们发布了 PrediTree，这是第一个全面的开源数据集，旨在训练和评估亚米级分辨率的树高预测模型。该数据集结合了极高分辨率（0.5 米）的激光雷达（LiDAR）冠层高度图，并与多时相、多光谱影像在空间上对齐，覆盖了法国多样的森林生态系统，总计 3,141,568 张图像。PrediTree 通过支持训练能够基于多个过去观测值预测树木生长的深度学习方法，填补了森林监测能力的一个关键空白。为了利用这个 PrediTree 数据集，我们提出了一个编码器-解码器框架，该框架需要多时相多光谱影像以及冠层高度图时间戳（目标）与每个图像采集日期之间的相对年份时间差，并以此预测冠层高度。进行的实验表明，在 PrediTree 数据集上训练的 U-Net 架构提供了最低的掩码均方误差，为 11.78%，优于次优架构 ResNet-50 约 12%，并且与在较少波段（仅红、绿、蓝）上进行的相同实验相比，误差降低了约 30%。该数据集可在 https://huggingface.co/datasets/hiyam-d/PrediTree 上公开获取，处理和训练代码库可在 GitHub 上获取。
引用
@article{arxiv.2509.01202,
title = {PrediTree: A Multi-Temporal Sub-meter Dataset of Multi-Spectral Imagery Aligned With Canopy Height Maps},
author = {Hiyam Debary and Mustansar Fiaz and Levente Klein},
journal= {arXiv preprint arXiv:2509.01202},
year = {2025}
}
备注
Accepted at GAIA 2025. Dataset available at https://huggingface.co/datasets/hiyam-d/PrediTree