Hyperspectral benchmark dataset on soil moisture

该数据集是一个关于土壤湿度的超光谱基准数据集，提供了用于研究和分析土壤湿度的详细数据。

This dataset is a hyperspectral benchmark dataset concerning soil moisture, providing detailed data for research and analysis of soil moisture.

原始信息汇总

数据集概述

本数据集是一个综合性的公共数据集列表，涵盖了多个领域的数据资源。以下是各领域数据集的概要总结：

农业

• Hyperspectral benchmark dataset on soil moisture
• Optimized Soil Adjusted Vegetation Index
• U.S. Department of Agricultures Nutrient Database
• U.S. Department of Agricultures PLANTS Database

生物学

• 1000 Genomes
• American Gut (Microbiome Project)
• Broad Bioimage Benchmark Collection (BBBC)
• Broad Cancer Cell Line Encyclopedia (CCLE)
• Cell Image Library
• Complete Genomics Public Data
• EBI ArrayExpress
• EBI Protein Data Bank in Europe
• ENCODE project
• Electron Microscopy Pilot Image Archive (EMPIAR)
• Ensembl Genomes
• Gene Expression Omnibus (GEO)
• Gene Ontology (GO)
• Global Biotic Interactions (GloBI)
• Harvard Medical School (HMS) LINCS Project
• Human Genome Diversity Project
• Human Microbiome Project (HMP)
• ICOS PSP Benchmark
• International HapMap Project
• Journal of Cell Biology DataViewer
• KEGG
• MIT Cancer Genomics Data
• NCBI Proteins
• NCBI Taxonomy
• NCI Genomic Data Commons
• NIH Microarray data
• OpenSNP genotypes data
• Pathguid
• Protein Data Bank
• Psychiatric Genomics Consortium
• PubChem Project
• PubGene (now Coremine Medical)
• Sanger Catalogue of Somatic Mutations in Cancer (COSMIC)
• Sanger Genomics of Drug Sensitivity in Cancer Project (GDSC)
• Sequence Read Archive(SRA)
• Stanford Microarray Data
• Stowers Institute Original Data Repository
• Systems Science of Biological Dynamics (SSBD) Database
• The Cancer Genome Atlas (TCGA), available via Broad GDAC
• The Catalogue of Life
• The Personal Genome Project
• UCSC Public Data
• UniGene
• Universal Protein Resource (UnitProt)
• Rfam

气候与天气

• Actuaries Climate Index
• Australian Weather
• Aviation Weather Center
• Brazilian Weather - Historical data (In Portuguese)
• Canadian Meteorological Centre
• Climate Data from UEA (updated monthly)
• Dutch Weather
• European Climate Assessment & Dataset
• Global Climate Data Since 1929
• Charting The Global Climate Change News Narrative 2009-2020
• NASA Global Imagery Browse Services
• NOAA Bering Sea Climate
• NOAA Climate Datasets
• NOAA Realtime Weather Models
• NOAA SURFRAD Meteorology and Radiation Datasets
• The World Bank Open Data Resources for Climate Change
• UEA Climatic Research Unit
• WU Historical Weather Worldwide
• WorldClim - Global Climate Data

复杂网络

• AMiner Citation Network Dataset
• CrossRef DOI URLs
• DBLP Citation dataset
• DIMACS Road Networks Collection
• NBER Patent Citations
• NIST complex networks data collection
• Network Repository with Interactive Exploratory Analysis Tools
• Protein-protein interaction network
• PyPI and Maven Dependency Network
• Scopus Citation Database
• Small Network Data
• Stanford GraphBase
• Stanford Large Network Dataset Collection
• The Koblenz Network Collection
• The Laboratory for Web Algorithmics (UNIMI)
• UCI Network Data Repository
• UFL sparse matrix collection
• WSU Graph Database

计算机网络

• 3.5B Web Pages from CommonCrawl 2012
• 53.5B Web clicks of 100K users in Indiana Univ.
• CAIDA Internet Datasets
• CRAWDAD Wireless datasets from Dartmouth Univ.
• ClueWeb09 - 1B web pages
• ClueWeb12 - 733M web pages
• CommonCrawl Web Data over 7 years
• Criteo click-through data
• Internet-Wide Scan Data Repository
• MIRAGE-2019
• OONI: Open Observatory of Network Interference
• Open Mobile Data by MobiPerf
• The Peer-to-Peer Trace Archive
• Rapid7 Sonar Internet Scans
• UCSD Network Telescope, IPv4 /8 net

数据挑战

• Bruteforce Database
• Challenges in Machine Learning
• CrowdANALYTIX dataX
• D4D Challenge of Orange
• DrivenData Competitions for Social Good
• ICWSM Data Challenge (since 2009)
• KDD Cup by Tencent 2012
• Kaggle Competition Data
• Localytics Data Visualization Challenge
• Netflix Prize
• Space Apps Challenge
• Telecom Italia Big Data Challenge
• TravisTorrent Dataset - MSR2017 Mining Challenge
• TunedIT - Data mining & machine learning data sets, algorithms, challenges
• Yelp Dataset Challenge

地球科学

• 38-Cloud (Cloud Detection)
• AQUASTAT - Global water resources and uses
• BODC - marine data of ~22K vars
• EOSDIS - NASAs earth observing system data
• Earth Models
• Integrated Marine Observing System (IMOS)
• Marinexplore - Open Oceanographic Data
• Alabama Real-Time Coastal Observing System
• National Estuarine Research Reserves System-Wide Monitoring Program
• Oil and Gas Authority Open Data
• Smithsonian Institution Global Volcano and Eruption Database
• USGS Earthquake Archives

经济学

• American Economic Association (AEA)
• EconData from UMD
• Economic Freedom of the World Data
• Historical MacroEconomic Statistics
• INFORUM - Interindustry Forecasting at the University of Maryland
• DBnomics – the worlds economic database
• International Trade Statistics
• Internet Product Code Database
• Joint External Debt Data Hub
• Jon Haveman International Trade Data Links
• Long-Term Productivity Database
• OpenCorporates Database of Companies in the World
• Our World in Data
• SciencesPo World Trade Gravity Datasets
• The Atlas of Economic Complexity
• The Center for International Data
• The Observatory of Economic Complexity
• UN Commodity Trade Statistics
• UN Human Development Reports

教育

• College Scorecard Data
• New York State Education Department Data

以上数据集覆盖了从农业到教育等多个领域的关键数据资源，为研究和分析提供了丰富的信息来源。

搜集汇总

数据集介绍

构建方式

该数据集通过收集和整理有关高光谱遥感图像和土壤湿度信息的数据源构建而成，旨在为土壤湿度监测提供标准化的数据集。

特点

数据集特点包括：包含多种土壤湿度状况的高光谱图像，具有统一的格式和标准化的处理流程，适用于机器学习和数据分析任务。

使用方法

用户可以通过访问指定的URL链接下载数据集，并根据数据集提供的文档和元数据信息进行数据加载和分析。数据集支持多种机器学习框架和数据处理工具，便于研究人员进行土壤湿度预测模型的研究和开发。

背景与挑战

背景概述

Hyperspectral benchmark dataset on soil moisture 是一个专门针对土壤湿度研究的高光谱数据集。该数据集的创建旨在为土壤湿度监测提供一个可靠和标准化的数据源，以促进相关领域的研究与应用。该数据集由研究人员于近年开发，并由多个研究机构和专家共同维护。它包含了多种土壤湿度条件下的大量高光谱图像，可用于训练和评估土壤湿度检测模型。该数据集在农业遥感领域具有较大的影响力，为土壤湿度监测和预测提供了重要支持。

当前挑战

该数据集在构建过程中遇到的挑战主要包括：1) 数据的精确标注问题，因为土壤湿度受多种因素影响，如土壤类型、天气条件等，这要求高精度的测量设备和精确的标注方法；2) 数据的多样性和覆盖范围问题，为了使模型具有更好的泛化能力，数据集需要涵盖多种土壤类型和环境条件；3) 数据集的实时更新和扩展问题，随着研究的深入，需要不断更新和扩展数据集以适应新的研究需求。在解决的领域问题方面，该数据集面临的挑战包括：如何提高土壤湿度检测模型的准确性和鲁棒性，以及如何将模型应用于不同的地理和环境条件。

常用场景

经典使用场景

该数据集被广泛应用于土壤湿度监测与评估领域，经典的的使用场景包括利用高光谱遥感图像分析土壤湿度分布，为农业生产提供决策支持。

衍生相关工作

基于该数据集，研究人员已经开展了一系列相关工作，如土壤湿度预测模型的开发、高光谱图像处理技术的优化等，推动了相关领域的研究进展。

数据集最近研究

最新研究方向

该数据集为高光谱土壤湿度基准数据集，近期研究方向主要聚焦于土壤湿度监测与预测，以及高光谱图像处理与分析技术的应用。这些研究对于农业、环境监测和灾害预防等领域具有重要意义，能够帮助科学家和工程师更准确地理解和预测土壤湿度变化，进而优化农业生产和水资源管理。