IGNF/TreeSatAI-Time-Series

TreeSatAI-Time-Series数据集是一个针对中欧地区树种分类任务的多传感器数据集，基于德国下萨克森州森林管理数据，包含了20种欧洲树种的标签。该数据集扩展了原有的TreeSatAI数据集，整合了一年内所有可用的Sentinel-1和Sentinel-2时间序列数据，以辅助区分不同的树种。

The TreeSatAI-Time-Series dataset is an extension of the TreeSatAI benchmark archive for tree species classification in Central Europe, based on multi-sensor data from aerial, Sentinel-1, and Sentinel-2. It includes labels for 20 European tree species derived from forest administration data in the federal state of Lower Saxony, Germany. This extension compiles all available Sentinel-1 and -2 time series data spanning a year for each patch, aiding in the differentiation between different tree species.

原始信息汇总

TreeSatAI-Time-Series 数据集概述

数据集简介

TreeSatAI-Time-Series 数据集是由 Ahlswede 等人引入的 TreeSatAI 基准档案的扩展，专注于中欧树种分类。该数据集基于来自航空、Sentinel-1 和 Sentinel-2 的多传感器数据，包含德国下萨克森州森林管理数据中提取的 20 种欧洲树种（即 15 个树属）的标签。

数据集特点

• 时间序列扩展：与原始数据集仅提供每个地块的单个 Sentinel-1 和 Sentinel-2 图像不同，新数据集整合了跨越一年的所有可用 Sentinel-1 和 Sentinel-2 数据，有助于区分不同树种。
• 时间对齐：如果航空地块的年份是 2017 年或之后，则将 Sentinel 时间序列与该年份对齐。对于之前的年份，考虑到森林变化较小且需要足够的时序上下文，选择了 2017 年。

数据集组成

数据集包含 50,381 个位于德国的 60mx60m 地块，提供以下压缩文件：

• aerial：原始数据集中的航空采集数据，0.2m 空间分辨率，包含 RGB 和红外波段。
• sentinel：原始数据集中的单次 Sentinel-1 和 Sentinel-2 采集数据，覆盖地块范围（60m）或更广区域（200m）。
• sentinel-ts：Sentinel-1 和 Sentinel-2 的年度时间序列。
• labels：原始数据集中的地块树种和比例标签。
• geojson：原始数据集中的地块地理位置矢量文件。
• split：原始数据集中的训练、验证和测试地块分割。

Sentinel 时间序列数据格式

Sentinel 时间序列数据以 HDF 格式（.h5）提供，包含以下数据集：

• sen-1-asc-data：Sentinel-1 升轨后向散射系数数据（Tx2x6x6），通道：VV, VH
• sen-1-asc-products：Sentinel-1 升轨产品名称（T）
• sen-1-des-data：Sentinel-1 降轨后向散射系数数据（Tx2x6x6），通道：VV, VH
• sen-1-des-products：Sentinel-1 降轨产品名称（T）
• sen-2-data：Sentinel-2 级别-2 BOA 反射率（Tx10x6x6），通道：B02, B03, B04, B05, B06, B07, B08, B8A, B11, B12
• sen-2-masks：Sentinel-2 云覆盖掩码（Tx2x6x6），通道：雪概率，云概率
• sen-2-products：Sentinel-2 产品名称（T）

Sentinel 产品名称遵循欧洲航天局的官方命名约定。

许可证

该数据集在 Creative Commons Attribution-ShareAlike 4.0 International License 下授权。

搜集汇总

数据集介绍

构建方式

TreeSatAI-Time-Series数据集的构建基于Ahlswede等人在2023年提出的TreeSatAI基准档案，该档案专注于中欧地区的树种分类。新数据集在原有基础上进行了扩展，整合了Sentinel-1和Sentinel-2卫星数据，涵盖了一整年的时序信息。具体而言，对于每个60mx60m的补丁，数据集提供了全年Sentinel-1和Sentinel-2的观测数据，并与航空影像进行了时间对齐。这种时间序列的整合有助于区分不同的树种，特别是在2017年及之后的航空影像与Sentinel数据对齐，而对于2017年之前的年份，由于森林变化较小，选择了2017年的数据作为基准。

特点

TreeSatAI-Time-Series数据集的主要特点在于其时间序列数据的整合，这为树种分类提供了丰富的时序上下文。数据集包含了50,381个60mx60m的补丁，每个补丁都附有全年Sentinel-1和Sentinel-2的观测数据，以及航空影像和红外波段的高分辨率图像。此外，数据集还提供了每个补丁的树种标签和比例信息，以及地理定位的矢量文件。这种多传感器数据的融合，使得该数据集在树种分类任务中具有显著的优势，能够支持多种机器学习方法的应用，包括人工神经网络和基于树的机器学习方法。

使用方法

TreeSatAI-Time-Series数据集的使用方法相对直观。首先，用户可以通过提供的HDF格式文件访问Sentinel-1和Sentinel-2的时间序列数据，这些数据包括了升轨和降轨的散射系数、产品名称、以及Sentinel-2的BOA反射率和云覆盖掩码。在Python环境中，用户可以使用h5py库加载这些数据，并进行进一步的分析和处理。此外，数据集还提供了航空影像、标签、地理信息和训练/验证/测试集的划分，这些都为树种分类模型的训练和评估提供了全面的支持。通过这些数据，研究人员可以开发和验证各种树种分类模型，从而推动该领域的研究进展。

背景与挑战

背景概述

TreeSatAI-Time-Series数据集由Ahlswede等人在2023年引入，作为TreeSatAI基准档案的扩展，专注于中欧树种分类。该数据集整合了来自航空、Sentinel-1和Sentinel-2的多传感器数据，涵盖了德国下萨克森州的50,381个60mx60m的补丁。其核心研究问题在于利用多标签数据进行树种分类，通过引入时间序列信息，显著提升了不同树种的区分能力。该数据集的引入不仅为树种分类提供了新的工具，还为机器学习技术在地球观测领域的应用提供了宝贵的实验平台。

当前挑战

TreeSatAI-Time-Series数据集在构建过程中面临多重挑战。首先，整合多传感器数据，特别是Sentinel-1和Sentinel-2的时间序列数据，需要解决数据同步和一致性问题。其次，由于森林环境的动态变化，确保时间序列数据的有效性和代表性是一个关键挑战。此外，数据集的规模和复杂性要求高效的存储和处理方法，以支持大规模的机器学习实验。最后，如何从多传感器数据中提取有意义的特征，以提高树种分类的准确性，是该数据集面临的主要技术挑战。

常用场景

经典使用场景

在遥感与生态学交叉领域，IGNF/TreeSatAI-Time-Series数据集以其独特的多传感器时间序列数据，成为树种分类研究的核心资源。该数据集整合了Sentinel-1和Sentinel-2卫星的全年观测数据，结合航空影像，为研究人员提供了丰富的时空信息。通过分析这些数据，研究者能够构建复杂的机器学习模型，以精准区分中欧地区的20种主要树种，从而推动森林生态系统的精细化管理。

实际应用

在实际应用中，IGNF/TreeSatAI-Time-Series数据集为森林资源管理、生态保护和环境监测提供了强有力的工具。通过精准的树种分类，林业部门能够更有效地进行森林健康评估、病虫害监测和碳汇计算。此外，该数据集还可用于城市绿化规划，帮助决策者选择适宜的树种，优化城市生态环境。其广泛的应用前景，使得该数据集成为生态学和遥感领域不可或缺的资源。

衍生相关工作

IGNF/TreeSatAI-Time-Series数据集的发布，催生了多项相关研究工作。例如，Astruc等人在2024年ECCV会议上提出的OmniSat模型，利用该数据集进行自监督学习，实现了多模态数据的融合，显著提升了树种分类的精度。此外，该数据集还激发了基于时间序列分析的树种生长预测模型研究，以及多传感器数据融合技术的进一步探索，推动了遥感与生态学交叉领域的创新发展。