Hyperspectral benchmark dataset on soil moisture

该数据集是关于土壤湿度的超高光谱基准数据集，提供了详细的光谱数据，用于研究和分析土壤湿度。

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

原始信息汇总

数据集概述

农业

• Hyperspectral benchmark dataset on soil moisture: 该数据集包含土壤湿度的超光谱基准数据。
• U.S. Department of Agricultures Nutrient Database: 美国农业部的营养数据库，提供详细的营养成分信息。
• U.S. Department of Agricultures PLANTS Database: 美国农业部的植物数据库，包含完整的植物信息。

生物学

• American Gut (Microbiome Project): 美国肠道项目，研究人类肠道微生物。
• Broad Bioimage Benchmark Collection (BBBC): 广域生物图像基准集合，用于生物图像分析。
• Broad Cancer Cell Line Encyclopedia (CCLE): 癌症细胞系百科全书，提供癌症细胞系的数据。
• Cell Image Library: 细胞图像库，提供公共和易于访问的细胞图像资源。
• EBI ArrayExpress: 欧洲生物信息学研究所的ArrayExpress数据库，存储功能基因组数据。
• EBI Protein Data Bank in Europe: 欧洲蛋白质数据库，提供电子显微镜数据。
• ENCODE project: 编码项目，旨在识别人类基因组中的所有功能元件。
• Electron Microscopy Pilot Image Archive (EMPIAR): 电子显微镜试点图像档案，提供电子显微镜图像数据。
• Ensembl Genomes: 提供全面的基因组信息资源。
• Gene Expression Omnibus (GEO): 基因表达综合数据库，提供公共功能基因组数据。
• Gene Ontology (GO): 基因本体论注释文件，提供基因功能信息。
• Global Biotic Interactions (GloBI): 全球生物相互作用数据库，提供物种相互作用数据。
• Harvard Medical School (HMS) LINCS Project: 哈佛医学院的LINCS项目，研究细胞信号网络。
• Human Genome Diversity Project: 人类基因组多样性项目，研究全球人类遗传多样性。
• Human Microbiome Project (HMP): 人类微生物组项目，研究人类微生物组的多样性和功能。
• International HapMap Project: 国际人类基因组单体型图计划，研究人类基因组的单体型结构。
• KEGG: 京都基因和基因组百科全书，提供基因组和生物化学途径信息。
• MIT Cancer Genomics Data: 麻省理工学院的癌症基因组数据。
• NCBI Proteins: 国家生物技术信息中心的蛋白质数据库。
• NCBI Taxonomy: 国家生物技术信息中心的分类数据库，提供生物分类信息。
• NCI Genomic Data Commons: 国家癌症研究所的基因组数据共享平台。
• NIH Microarray data: 国家卫生研究院的微阵列数据。
• OpenSNP genotypes data: 开放SNP基因型数据，提供直接面向消费者的基因检测结果。
• Pathguid: 蛋白质-蛋白质相互作用目录。
• Protein Data Bank: 蛋白质数据库，提供蛋白质和其他生物大分子的三维结构数据。
• Psychiatric Genomics Consortium: 精神病基因组学联盟，研究精神疾病的遗传基础。
• PubChem Project: 公共化学数据库，提供化学信息。
• PubGene (now Coremine Medical): 生物医学文献中的基因和蛋白质信息数据库。
• Sanger Catalogue of Somatic Mutations in Cancer (COSMIC): 癌症中的体细胞突变目录。
• Sanger Genomics of Drug Sensitivity in Cancer Project (GDSC): 癌症药物敏感性基因组学项目。
• Sequence Read Archive(SRA): 序列读取档案，存储原始测序数据。
• Stanford Microarray Data: 斯坦福微阵列数据库。
• Stowers Institute Original Data Repository: 斯托尔斯研究所原始数据存储库。
• Systems Science of Biological Dynamics (SSBD) Database: 生物动力学系统科学数据库。
• The Cancer Genome Atlas (TCGA): 癌症基因组图谱，提供癌症基因组数据。
• The Catalogue of Life: 生命目录，提供全球物种信息。
• The Personal Genome Project: 个人基因组项目，研究人类遗传变异。
• UCSC Public Data: 加州大学圣克鲁兹分校公共数据。
• UniGene: 基因集合，提供基因特异性序列集合。
• Universal Protein Resource (UnitProt): 通用蛋白质资源，提供蛋白质序列和功能信息。
• Rfam: RNA家族数据库，提供RNA家族信息。

气候+天气

• Actuaries Climate Index: 精算师气候指数，提供气候变化数据。
• Australian Weather: 澳大利亚天气数据。
• Aviation Weather Center: 航空天气中心，提供一致、及时和准确的天气信息。
• Brazilian Weather: 巴西天气历史数据。
• Canadian Meteorological Centre: 加拿大气象中心数据。
• Climate Data from UEA: 东英吉利大学的气候数据。
• Dutch Weather: 荷兰天气数据。
• European Climate Assessment & Dataset: 欧洲气候评估与数据集。
• Global Climate Data Since 1929: 自1929年以来的全球气候数据。
• NASA Global Imagery Browse Services: 美国宇航局的全球图像浏览服务。
• NOAA Bering Sea Climate: 美国国家海洋和大气管理局的白令海气候数据。
• NOAA Climate Datasets: 美国国家海洋和大气管理局的气候数据集。
• NOAA Realtime Weather Models: 美国国家海洋和大气管理局的实时天气模型数据。
• NOAA SURFRAD Meteorology and Radiation Datasets: 美国国家海洋和大气管理局的SURFRAD气象和辐射数据集。
• The World Bank Open Data Resources for Climate Change: 世界银行关于气候变化的开源数据资源。
• UEA Climatic Research Unit: 东英吉利大学气候研究中心数据。
• WU Historical Weather Worldwide: 世界天气信息服务的历史天气数据。
• WorldClim - Global Climate Data: 全球气候数据。

复杂网络

• AMiner Citation Network Dataset: AMiner引文网络数据集。
• CrossRef DOI URLs: CrossRef DOI网址数据集。
• DBLP Citation dataset: DBLP引文数据集。
• DIMACS Road Networks Collection: DIMACS道路网络数据集。
• NBER Patent Citations: 国家经济研究局的专利引文数据集。
• NIST complex networks data collection: 国家标准与技术研究院的复杂网络数据集。
• Network Repository with Interactive Exploratory Analysis Tools: 网络存储库，提供交互式探索性分析工具。
• Protein-protein interaction network: 蛋白质-蛋白质相互作用网络数据集。
• PyPI and Maven Dependency Network: PyPI和Maven依赖网络数据集。
• Scopus Citation Database: Scopus引文数据库。
• Small Network Data: 小型网络数据集。
• Stanford GraphBase: 斯坦福图基数据集。
• Stanford Large Network Dataset Collection: 斯坦福大学大型网络数据集集合。
• The Koblenz Network Collection: 科布伦茨网络数据集。
• The Laboratory for Web Algorithmics (UNIMI): 网络算法实验室数据集。
• UCI Network Data Repository: 加州大学欧文分校网络数据存储库。
• UFL sparse matrix collection: 佛罗里达大学稀疏矩阵集合。

计算机网络

• 3.5B Web Pages from CommonCrawl 2012: 2012年CommonCrawl的35亿网页数据集。
• 53.5B Web clicks of 100K users in Indiana Univ.: 印第安纳大学10万名用户的535亿网络点击数据。
• CAIDA Internet Datasets: 互联网数据分析合作组织的数据集。
• CRAWDAD Wireless datasets from Dartmouth Univ.: 达特茅斯大学的无线数据集。
• ClueWeb09 - 1B web pages: ClueWeb09的10亿网页数据集。
• ClueWeb12 - 733M web pages: ClueWeb12的7.33亿网页数据集。
• CommonCrawl Web Data over 7 years: 7年来的CommonCrawl网络数据。
• Criteo click-through data: Criteo点击率数据。
• Internet-Wide Scan Data Repository: 互联网全扫描数据存储库。
• MIRAGE-2019: MIRAGE-2019移动流量数据集。
• OONI: Open Observatory of Network Interference: 网络干扰开放观测站数据。
• Open Mobile Data by MobiPerf: MobiPerf的开放移动数据。
• The Peer-to-Peer Trace Archive: 对等网络跟踪档案。
• Rapid7 Sonar Internet Scans: Rapid7的Sonar互联网扫描数据。
• UCSD Network Telescope, IPv4 /8 net: 加州大学圣地亚哥分校的网络望远镜数据，IPv4 /8网络。

数据挑战

• Bruteforce Database: 暴力破解数据库。
• Challenges in Machine Learning: 机器学习挑战。
• DrivenData Competitions for Social Good: 推动数据竞赛，为社会公益。
• ICWSM Data Challenge (since 2009): 国际网络社会媒体会议数据挑战（自2009年起）。
• KDD Cup by Tencent 2012: 2012年腾讯KDD杯。
• Kaggle Competition Data: Kaggle竞赛数据。
• Localytics Data Visualization Challenge: Localytics数据可视化挑战。
• Netflix Prize: Netflix大奖赛数据。
• Space Apps Challenge: 太空应用挑战赛数据。
• Telecom Italia Big Data Challenge: 意大利电信大数据挑战。
• TravisTorrent Dataset - MSR2017 Mining Challenge: TravisTorrent数据集，MSR2017挖掘挑战。
• TunedIT - Data mining & machine learning data sets, algorithms, challenges: TunedIT数据挖掘和机器学习数据集、算法、挑战。

地球科学

• 38-Cloud (Cloud Detection): 38-Cloud云检测数据集。
• BODC - marine data of ~22K vars: 英国海洋数据中心的海量数据，约22,000个变量。
• EOSDIS - NASAs earth observing system data: 美国宇航局的地球观测系统数据。
• Earth Models: 地球模型数据集。
• Integrated Marine Observing System (IMOS): 综合海洋观测系统，约30TB海洋测量数据。
• Marinexplore - Open Oceanographic Data: 海洋探索开放海洋学数据。
• Alabama Real-Time Coastal Observing System: 阿拉巴马实时海岸观测系统。
• National Estuarine Research Reserves System-Wide Monitoring Program: 国家河口研究保护区系统范围监测计划。
• Oil and Gas Authority Open Data: 石油和天然气管理局开放数据，涵盖12,500个离岸油气井。
• Smithsonian Institution Global Volcano and Eruption Database: 史密森尼学会全球火山和喷发数据库。
• USGS Earthquake Archives: 美国地质调查局地震档案。

经济学

• American Economic Association (AEA): 美国经济协会数据资源。
• EconData from UMD: 马里兰大学经济数据。
• Economic Freedom of the World Data: 世界经济自由数据。
• Historical MacroEconomic Statistics: 历史宏观经济统计数据。
• INFORUM - Interindustry Forecasting at the University of Maryland: 马里兰大学的行业间预测。
• DBnomics – the worlds economic database: DBnomics世界经济数据库。
• International Trade Statistics: 国际贸易统计数据。
• Internet Product Code Database: 互联网产品代码数据库。
• Joint External Debt Data Hub: 联合外债数据中心。
• Jon Haveman International Trade Data Links: Jon Haveman国际贸易数据链接。
• OpenCorporates Database of Companies in the World: 全球公司数据库。
• Our World in Data: 我们的世界数据。
• The Atlas of Economic Complexity: 经济复杂性地图集。
• The Center for International Data: 国际数据中心。
• The Observatory of Economic Complexity: 经济复杂性观测站。
• UN Commodity Trade Statistics: 联合国商品贸易统计数据。
• UN Human Development Reports: 联合国人类发展报告。

教育

• College Scorecard Data: 大学记分卡数据。
• New York State Education Department Data: 纽约州教育部数据。
• Student Data from Free Code Camp: 免费编程营学生数据。

能源

• AMPds - The Almanac of Minutely Power dataset: AMPds每分钟电力数据集。
• BLUEd - Building-Level fUlly labeled Electricity Disaggregation dataset: BLUEd建筑级完全标记的电力分解数据集。
• COMBED: COMBED数据集。

搜集汇总

数据集介绍

构建方式

Hyperspectral benchmark dataset on soil moisture 是一个针对土壤湿度研究的高光谱图像数据集。该数据集的构建是通过收集具有不同土壤湿度条件的高光谱图像，并对其进行标注和整理，从而形成了一个可用于土壤湿度检测和模型训练的标准数据集。

特点

该数据集的特点在于其包含了多种土壤湿度条件下的高光谱图像，能够覆盖不同的土壤类型和环境条件。此外，数据集的标注质量高，为研究者提供了可靠的数据基础。数据集的多样性使得它在土壤湿度监测、农业信息化等领域具有较高的应用价值。

使用方法

使用该数据集时，研究者可以根据自己的需求下载相应的数据。数据集提供了详细的元数据信息，方便用户理解数据来源和特点。用户可以利用这些高光谱图像数据进行模型训练、算法验证和性能评估等研究活动。

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标准化的、可重复的实验平台。它由多个研究机构合作完成，其中包括了来自不同地理位置和环境条件下的土壤湿度数据。该数据集自发布以来，已被广泛应用于遥感领域，对土壤湿度监测技术的发展起到了推动作用。

当前挑战

该数据集在构建过程中遇到的挑战主要包括：1)数据的采集与标注，由于土壤湿度受多种因素影响，如地理位置、气候条件、土壤类型等，因此需要精确的采集和标注方法来保证数据质量；2)数据的标准化和兼容性，由于数据来源于不同的机构和设备，如何确保数据的标准化和兼容性是一大挑战；3)数据集的广泛应用和验证，确保数据集能够满足不同研究需求，并在实际应用中得到验证。

常用场景

经典使用场景

Hyperspectral benchmark dataset on soil moisture 被广泛应用于土壤湿度监测领域，特别是在农业和地球科学研究中。该数据集通过提供高光谱图像和对应的土壤湿度标签，使得研究人员能够训练和评估各种图像处理和机器学习模型，以实现对土壤湿度的准确预测。

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，包括开发新的图像处理算法、土壤湿度预测模型以及将数据集应用于不同的地理和环境条件下。这些工作进一步推动了高光谱遥感技术在土壤湿度监测领域的应用和发展。

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，近期研究方向主要集中在利用高光谱图像处理技术进行土壤湿度的精确监测与评估。这些研究对于农业灌溉管理、气候模型校准以及灾害预防具有重要的实际意义。