IGNF/PureForest|林业遥感数据集|机器学习数据集

PureForest数据集是一个大型航空激光雷达和航空影像数据集，专门用于单一树种森林的树种分类。该数据集包含来自法国40个部门的449个森林的135,569个50m x 50m的补丁，每个补丁都标注了单一树种标签。数据集提供13个语义类别，涵盖18种树种。数据集包括高密度航空激光雷达扫描（ALS）点云和非常高分辨率（VHR）航空图像，这些图像具有RGB和近红外通道，分辨率为0.2m。此外，数据集详细划分了训练、验证和测试集，并提供了各集的树种分类分布。

原始信息汇总

数据集概述

名称: PureForest

许可证: etalab-2.0

大小: 100K<n<1M

任务类别:

• 图像分类
• 其他

标签:

• IGN
• 航空
• 环境
• 多模态
• 地球观测
• 激光雷达
• ALS
• 点云
• 森林
• 树种

数据集详细信息

描述:

• PureForest 数据集包含来自法国40个部门的449个不同森林的135,569个50m x 50m的补丁，覆盖总面积339平方公里。
• 每个补丁代表一个单一种类的森林，并标注有单一树种标签。
• 数据集包含13个语义类别，分层聚合了18种树种。

数据内容:

• 高密度航空激光雷达扫描（ALS）点云，密度为10脉冲/平方米，约40点/平方米。
• 具有RGB + 近红外通道的非常高分辨率（VHR）航空图像，空间分辨率为0.2米。

数据集划分:

• 训练集: 69,111个补丁
• 验证集: 13,523个补丁
• 测试集: 52,935个补丁

注释:

• 注释采用半自动方法，由IGN的专家照片解释员进行森林多边形的选取和校正。
• 使用BD Forêt和法国国家森林清查的地面实况数据进行验证。

数据集范围和训练/验证/测试分割:

• 注释多边形主要在法国南部半部的40个行政部门中采样。
• 数据集按70%-15%-15%的比例分为训练、验证和测试集，按语义标签进行分层。

引用信息

@misc{gaydon2024pureforest, title={PureForest: A Large-Scale Aerial Lidar and Aerial Imagery Dataset for Tree Species Classification in Monospecific Forests}, author={Charles Gaydon and Floryne Roche}, year={2024}, eprint={2404.12064}, archivePrefix={arXiv}, url={https://arxiv.org/abs/2404.12064} primaryClass={cs.CV} }

AI搜集汇总

数据集介绍

构建方式

PureForest数据集的构建基于法国40个部门中的449个不同森林，覆盖面积达339平方公里。每个50米x50米的补丁代表一个单一树种的森林，并附有相应的树种标签。数据集融合了高密度航空激光扫描（ALS）点云和超高分辨率（VHR）航空图像，分别来自Lidar HD项目和ORTHO HR®项目。点云数据密度为10脉冲/平方米，约40点/平方米，而图像分辨率为0.2米，包含红、绿、蓝和近红外四个通道。数据采集跨越数年，最长时间间隔可达三年，采集年份作为元数据提供。

特点

PureForest数据集的显著特点在于其多模态数据融合，包括高密度激光雷达点云和超高分辨率航空图像，为树种分类提供了丰富的信息源。数据集包含135,569个补丁，每个补丁均标注单一树种，涵盖13个语义类别，分层聚合了18种树种。此外，数据集的构建考虑了地理数据的高空间自相关性，通过在标注多边形级别进行训练、验证和测试集的划分，确保了数据集的科学性和实用性。

使用方法

PureForest数据集适用于树种分类任务，用户可以通过访问数据集的HuggingFace页面下载数据。每个补丁包含一个250像素x250像素的高分辨率航空图像和相应的高密度激光雷达点云。图像数据按近红外、红、绿、蓝的顺序排列，点云数据则垂直着色以方便使用。数据集已划分为训练集、验证集和测试集，比例为70%-15%-15%，用户可根据需要进行进一步处理和分析。

背景与挑战

背景概述

PureForest数据集由法国国家地理与森林信息研究所（IGN）主导，汇集了449个位于法国南部40个部门的单一树种森林数据。该数据集包含135,569个50米x50米的补丁，覆盖了339平方公里的可利用区域。每个补丁代表一个单一树种森林，并标注了单一树种标签。数据集的核心研究问题在于利用高密度航空激光扫描（ALS）点云和超高分辨率（VHR）航空图像，实现对单一树种森林的树种分类。该数据集的创建旨在推动地球观测技术在森林生态学和环境科学中的应用，特别是在树种分类和森林管理领域。

当前挑战

PureForest数据集在构建过程中面临多项挑战。首先，数据采集涉及多个年份和不同的项目，导致激光雷达和图像数据之间可能存在长达三年的时差。其次，数据集的标注依赖于半自动方法和专家解释，这增加了标注的复杂性和不确定性。此外，数据集的分割策略需考虑地理数据的高空间自相关性，确保训练、验证和测试集的独立性。最后，数据集的广泛应用需要克服多模态数据融合和处理的技术难题，以提高树种分类的准确性和鲁棒性。

常用场景

经典使用场景

在林业科学和遥感领域，PureForest数据集以其大规模的航空激光雷达（ALS）和航空影像数据而著称。该数据集的经典使用场景主要集中在单一种类森林的树种分类任务上。通过结合高密度的ALS点云数据和超高分辨率的航空影像，研究人员能够构建精确的树种分类模型，从而实现对森林生态系统的精细化管理。

解决学术问题

PureForest数据集解决了在单一种类森林中树种分类的学术难题。传统的树种识别方法依赖于地面调查，耗时且成本高昂。该数据集通过提供大规模、高精度的遥感数据，使得基于机器学习的树种分类成为可能，极大地提升了分类的准确性和效率。这一突破不仅推动了林业科学的发展，也为全球森林资源的监测和管理提供了新的工具。

衍生相关工作

PureForest数据集的发布催生了一系列相关研究工作。例如，有研究者利用该数据集开发了基于深度学习的树种分类模型，显著提高了分类精度。此外，还有研究探讨了如何利用多模态数据融合技术，进一步提升分类性能。这些研究不仅丰富了林业科学的研究方法，也为其他领域的多模态数据处理提供了借鉴。