SatBird：利用遥感与公民科学数据进行鸟类物种分布建模
机器学习
2023-11-03 v1 计算机视觉与模式识别
种群与进化
摘要
生物多样性正以前所未有的速度下降，影响着确保食物、水以及人类健康与福祉所必需的生态系统服务。了解物种及其栖息地的分布对保护政策规划至关重要。然而，生态学中传统的物种分布模型(SDMs)通常要么聚焦于狭窄的物种集合，要么局限于狭窄的地理区域，关于物种分布仍存在显著的知识空白。一个主要原因是传统所用数据可用性有限，因为传统野外监测需要耗费大量精力与专业知识。遥感数据的广泛可得，以及公民科学工具以低成本收集物种观测数据的日益普及，为改善生物多样性监测并实现复杂生态系统建模提供了机遇。我们引入了一项新任务，通过从卫星图像预测物种遇见率将鸟类物种映射到其栖息地，并提出了SatBird，这是一个位于美国的卫星数据集，其标签源自公民科学数据库eBird的存-无观测数据，考虑了夏季(繁殖期)与冬季。我们还提供了一个代表低数据情形的肯尼亚数据集。此外，我们为每个地点提供了环境数据与物种分布范围图。我们在该数据集上基准测试了一组基线模型，包括用于遥感任务的SOTA模型。SatBird为可扩展地建模全球生态系统属性开辟了可能。
引用
@article{arxiv.2311.00936,
title = {SatBird: Bird Species Distribution Modeling with Remote Sensing and Citizen Science Data},
author = {Mélisande Teng and Amna Elmustafa and Benjamin Akera and Yoshua Bengio and Hager Radi Abdelwahed and Hugo Larochelle and David Rolnick},
journal= {arXiv preprint arXiv:2311.00936},
year = {2023}
}
备注
37th Conference on Neural Information Processing Systems (NeurIPS 2023) Track on Datasets and Benchmarks