awesome-forests

Awesome-forests 是一个精心整理的森林真实/验证/现场数据集列表，面向对森林感兴趣的机器学习社区。该合集涵盖树木物种分类、树木检测、树木性状与健康分类、森林导航、生物多样性植物群、树冠分割、地上和地下碳量化、森林类型与土地覆盖分类、变化检测与森林砍伐、野火、野生动物、生物声学、原始地理空间影像等多个主题领域，旨在为森林数据分析提供组织化的数据集资源，但不包含算法生成的数据产品。Awesome-forests is a curated list of real, validated and field datasets targeting the machine learning community interested in forest-related research. This collection covers multiple thematic areas including tree species classification, tree detection, tree traits and health classification, forest navigation, biodiversity flora, canopy segmentation, aboveground and belowground carbon quantification, forest type and land cover classification, change detection and deforestation, wildfires, wildlife, bioacoustics, raw geospatial imagery, etc. It aims to provide organized dataset resources for forest data analysis and does not include any algorithm-generated data products.

原始信息汇总

数据集概述

该页面整理了一个面向森林机器学习社区的地面真值/验证/原位森林数据集精选列表，旨在支持基于数据的生物多样性、碳汇、野火、生态系统服务等分析。数据集明确排除了算法生成的全球地图等数据产品。

数据集分类与内容

1. 树种分类

• 已处理数据集：
  • The Auto Arborist Dataset：来自美国、加拿大23个城市的树木属分类数据集，包含200万棵树、300多个类别，使用谷歌街景图像。
  • TreeSatAI：德国下萨克森州的树种分类数据集，包含5万张航拍、Sentinel-1/2图像，标注物种、年龄、属、森林类型和土地覆盖。
  • IDtrees NIST NEON：美国约3个国家森林站点的树种分类数据集，约400棵标记树、20个物种，使用机载RGB、高光谱和激光雷达图像。
  • Kaggle Forest Cover Type：美国罗斯福国家森林的树种分类数据集，约1.5万标注树、56.5万未标注树，包含制图变量。
  • Pasadena Urban Trees：美国帕萨迪纳城市树木数据集，约8万棵标记树、18个物种，使用机载和地面RGB图像。
  • Open AI Challenge：汤加王国的树种分类数据集，50平方公里、4个物种，使用机载RGB图像。
• 原始数据集：
  • Raw urban street tree inventory data：美国加州49个城市，约93万棵树，包含森林结构变量。
  • New York City Street Tree Map：美国纽约市，超过68万棵树、230多个物种。
  • Raw data for urban trees in California communities：美国加州城市，约4000棵树。
  • NEON Woody Plant Vegetation Structure：美国49个国家森林，包含森林结构变量。

2. 树木检测

• 已处理数据集：
  • DeepForest WeEcology NEON：美国约22个国家森林站点，超过1.5万标注树、40万未标注树，使用机载RGB、高光谱和激光雷达图像。
  • Kaggle Aerial Cactus Identification：墨西哥的仙人掌检测数据集，1.7万株仙人掌，使用机载RGB图像。
  • Swedish National Forest Data Lab：瑞典10个地点的树木检测与分类数据集，约10.2万个标注边界框，部分标注树木损伤类别。
  • Norlab – PercepTree：包含4.3万张合成森林图像和100张真实图像，提供RGB图像、深度信息、边界框、实例分割掩码和关键点标注。
• 原始数据集：参考“树种分类”部分。

3. 树木性状、损伤与健康分类

• Spectra to functional traits：跨美国、亚洲、欧洲的42组功能性状分析数据集，包含多传感器机载冠层光谱和原位性状测量。
• Forest Damages – Larch Casebearer：瑞典5个区域的树木损伤分类数据集，包含1500张图像、超过10万棵标记树，使用机载RGB图像。
• 原始数据集：
  • UAV data of standing deadwood：德国、芬兰的无人机航拍枯立木时间序列数据集（2018-2021），约700公顷、10米分辨率。

4. 森林导航

• FinnWoodlands Dataset：森林自主导航数据集，包含约5000张RGB立体图像、点云、稀疏深度图，以及300张标注语义/实例/全景分割图。

5. 生物多样性（植物区系）

• Kaggle iNaturalist：全球范围的动植物物种分类数据集，270万张标注图像、1万个物种，使用智能手机图像。
• Kaggle GeoLifeCLEF 2021：法国的动植物位置推荐数据集，190万张标注图像、3.1万个物种，包含卫星图像和制图变量。

6. 地上碳定量

• 已处理数据集：
  • ReforesTree：厄瓜多尔6个再造林地点，用于估算地上生物量，包含RGB无人机图像、单树位置、边界框、胸径、物种和生物量。
  • Forest Canopy Height in Mexican Ecosystems：墨西哥的森林高度定量数据集，包含激光雷达衍生的冠层高度值、Landsat植被指数和1105张航拍图像。
• 原始数据集：
  • Carbon Stocks of Individual Trees in African Drylands：非洲旱地单树破坏性采伐的野外测量数据。
  • Tallo：全球500条地理参考记录、6.2万个全球站点、5000多个树种的异速生长和冠层结构数据库。
  • NASA G-LiHT：美国森林的高分辨率激光雷达、高光谱和热成像数据。
  • BAAD：全球260次测量、21,000棵树的生物量和异速生长数据库。
  • FOS：全球森林观测系统，包含1600个子地块（0.25公顷）的地理位置、冠层高度、地上生物量估算等。
  • TRY：全球植物性状数据库，包含300万条记录、6.9万个物种、52个性状组。
  • GWDD：全球木材密度数据集，包含8400个物种的木材密度。
  • GlobAllomeTree：异速生长方程、木材密度、生物量、体积数据的大型原始数据集。
  • 详见Santoro et al., 2021论文的Table S4。

7. 地下碳定量

• 此类别尚无添加的数据集。

8. 树冠分割

• 已处理数据集：
  • FOR-instance：面向3D语义和实例分割的基准数据集，包含5个国家1130棵树的5个类别，使用无人机机载Riegl激光雷达。
  • Quebec Trees Dataset：包含14个类别、超过23,000个树冠标注，使用高分辨率RGB正射影像和摄影测量点云。
• 原始数据集：
  • An Unexpectedly Large Count of Trees in the West African Sahara and Sahel：西撒哈拉地区约3000个地理定位树冠分割数据集。
  • Individual tree point clouds and tree measurements from multi-platform laser scanning in German forests：德国12个森林地块的多平台激光扫描点云，包含单树点云和现场测量数据。

9. 森林类型与土地覆盖分类

• coastTrain：超过19万个沿海生态系统类别点观测数据（潮滩、红树林、珊瑚礁等）。
• BigEarthNet：欧洲10个国家约60万张标注图像的土地覆盖多分类数据集，使用Sentinel-2卫星图像。
• Chesapeake land cover：美国切萨皮克湾的土地覆盖分类数据集，使用高、低分辨率卫星图像。
• Kaggle Planet：亚马逊雨林的土地覆盖分类数据集，包含森林砍伐、采矿、云层标签，使用Planet卫星图像。
• WiDS Datathon 2019：棕榈油种植园二元分类数据集，2万张图像，使用Planet RGB卫星图像。
• UC Merced land use dataset：小规模土地覆盖分类数据集，2100张图像、21个平衡类别，使用机载图像。
• 更多数据集见Awesome satellite imagery datasets和SustainBench。

10. 变化检测与森林砍伐

• Dynamic EarthNet challenge：欧洲2年时间序列预测和多类变化检测数据集，包含75个图像时间序列、7个土地覆盖标签，使用Planet RGB卫星图像。
• SECOND：中国城市和郊区的土地覆盖变化检测数据集，约5000对图像、6个土地覆盖类别，使用机载图像。
• ForestNet deforestation driver：2756张Landsat-8卫星图像的森林损失事件数据集，包含森林砍伐驱动因素标注。
• Global Forest Change：全球森林损失图层，源自Landsat卫星图像（注：此为数据产品，需寻找地面真值数据）。
• 更多数据集见Awesome remote sensing change detection。

11. 野火

• 此类别尚无添加的数据集，计划添加火灾检测、燃料湿度定量、野火蔓延预测等数据集。

12. 野生动物

• iWildCam：414个全球地点的物种分类数据集，超过20万张标注图像，包含野生动物相机陷阱图像、Landsat-8多光谱图像和GPS坐标。
• iNaturalist：多个物种分类数据集，来自全球动物和植物图像，超过270万张、1万个物种。
• 更多数据集见LILA.science和Awesome-deep-ecology。

13. 生物声学

• 此类别尚无添加的数据集。

14. 原始地理空间图像

• GEDI：全球卫星激光雷达数据集，包含地形和激光雷达点云。
• NICFI：热带雨林月度卫星图像镶嵌数据集，包含RGB图像。
• NAIP：美国本土的机载RGB-NIR图像数据集。
• 更多资源见awesome-gis。

其他精选列表

• Awesome satellite imagery datasets：更多带标注的卫星图像数据集列表。
• Awesome GIS：GIS资源列表。
• OpenForest：超过88个开放获取的森林原位数据集和数据产品列表。

排除的数据产品

• Forest biomass in China：未能找到验证数据集来源。
• Canopy Height map by WRI and Meta：使用GEDI和NEON数据集进行训练/验证。

搜集汇总

数据集介绍

构建方式

该数据集以精选列表的形式构建，系统收集了面向森林机器学习的实地验证、地面真值与原位观测数据集。其构建过程遵循严格的筛选标准，明确排除了算法生成的全球地图等数据产品，专注于收录可用于生物多样性、碳储量、野火及生态系统服务等分析的基础数据。数据集通过GitHub平台进行维护，鼓励社区贡献，用户可通过提交问题或发送电子邮件的方式推荐新的数据集，从而持续扩充与更新列表内容。

特点

该数据集具有鲜明的领域针对性与组织系统性，其内容按森林分析任务精细划分为树种类别分类、树木检测、树冠分割、碳量化、野火监测等十余个专题模块。每个专题下进一步区分已处理数据与原始数据，便于用户根据研究阶段选择。数据集覆盖全球范围，包含从无人机、航空、卫星等多平台获取的RGB、高光谱、激光雷达等多模态影像数据，并整合了树木结构、生物量、物种等丰富的原位测量变量，为机器学习模型训练提供了多层次、高质量的基准资源。

使用方法

用户可直接通过GitHub仓库的README文件浏览数据集列表，根据感兴趣的任务专题（如树种类别分类或碳量化）定位相关数据集。每个条目均提供数据集名称、简要描述、来源链接及引用信息，用户可据此访问原始数据源进行下载。对于已处理的数据集，通常可直接用于模型训练与评估；对于原始数据，则需结合领域知识进行预处理。此外，数据集还附带了相关工具与扩展资源链接，如Awesome卫星影像数据集和OpenForest列表，以辅助用户进行更广泛的森林机器学习研究。

背景与挑战

背景概述

森林生态系统在全球碳循环、生物多样性维持与气候调节中扮演着不可替代的角色。然而，将机器学习技术应用于森林监测与分析仍面临数据碎片化与标准化不足的严峻挑战。为此，麻省理工学院的研究人员于2023年创建了Awesome-forests数据集汇编，旨在系统性地整合全球范围内公开的真实森林验证数据集。该汇编由Lütjens等人主导，汇聚了来自NASA、加州理工学院、瑞典林业局等权威机构的数据资源，覆盖树种分类、树木检测、生物量估算、森林类型识别等十余个核心研究领域。作为连接遥感观测与生态建模的桥梁，Awesome-forests已发展为森林智能分析领域的重要参考基准，显著推动了深度学习在森林监测中的可重复性与可比性。

当前挑战

森林机器学习研究面临多重挑战。在领域问题层面，树种分类与生物量估算受限于复杂冠层结构、光照变化及物种高度相似性，传统模型难以实现跨区域泛化；火灾预测与碳储量量化则亟需融合多模态遥感数据与实地测量。在数据集构建过程中，挑战同样突出：全球野外实测数据分布极不均衡，热带与寒带森林的采样密度差异悬殊；不同来源的数据在空间分辨率、标注粒度（如单木级与样地级）及传感器类型上缺乏统一标准；地面真值获取依赖高成本的外业调查，导致时间序列数据稀缺；此外，数据共享与隐私保护之间的矛盾亦制约着大规模协同标注的推进。

常用场景

经典使用场景

在森林生态学与机器学习交叉领域，该数据集目录最经典的使用场景是作为基准测试平台，用于评估和比较不同深度学习模型在树种分类、树冠检测与分割等任务上的性能。例如，研究者可利用其中收录的Auto Arborist数据集（涵盖23个美国城市、200万棵树木的图像数据）进行多视角城市森林监测的域迁移研究，或借助TreeSatAI数据集（包含德国下萨克森州的航空与多光谱卫星影像）开展树种、林型及土地覆盖的多标签分类。这些场景为模型泛化能力与鲁棒性的验证提供了标准化参考。

解决学术问题

该数据集目录系统性地解决了森林科学中因数据分散、标注标准不一而导致的学术研究瓶颈。它整合了从个体树木属性（如树种、胸径、生物量）到生态系统尺度（如碳储量、生物多样性、火灾风险）的实测与遥感数据，填补了遥感反演算法训练中高质量地面真值数据的缺失。由此，研究者得以构建更精准的机器学习模型来估算森林地上生物量（如ReforesTree数据集）、监测森林退化与碳动态（如ForestNet数据集），并推动对全球森林生态过程（如碳循环、物种分布）的定量理解，显著提升了生态模型的可重复性与科学可信度。

衍生相关工作

该数据集目录衍生了一系列标志性学术工作与技术工具。例如，由Weecology团队开发的DeepForest模型，基于NEON树冠检测数据集，已成为开源的遥感树木识别基准框架；ReforesTree数据集催生了结合深度学习与异速生长方程的碳储量估算方法，发表于《Remote Sensing of Environment》。此外，Auto Arborist项目推动了多视图城市森林监测的域适应研究，而TreeSatAI数据集则被广泛用于多模态遥感融合的基准测试。这些工作不仅深化了森林生态学与计算机视觉的交叉，还催生了如OpenForest数据库等衍生资源，进一步扩展了数据生态系统的价值。