Hyperspectral benchmark dataset on soil moisture

该数据集是关于土壤湿度的超光谱基准数据集，提供了详细的光谱信息用于研究和分析。

This dataset is a hyperspectral benchmark dataset on soil moisture, providing detailed spectral information for research and analysis.

原始信息汇总

数据集概述

农业

• Hyperspectral benchmark dataset on soil moisture: 该数据集提供关于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

• 1000 Genomes: 2008年至2015年运行的1000基因组项目数据。
• American Gut (Microbiome Project): 美国微生物组项目，研究人类肠道微生物。
• Broad Bioimage Benchmark Collection (BBBC): 广泛的生物图像基准集合。
• Broad Cancer Cell Line Encyclopedia (CCLE): 癌症细胞系百科全书。
• Cell Image Library: 细胞图像库，提供公共和易于访问的细胞图像资源。
• Complete Genomics Public Data: 多样化的全人类基因组数据集。
• EBI ArrayExpress: ArrayExpress档案的功能基因组数据。
• EBI Protein Data Bank in Europe: 欧洲蛋白质数据库。
• ENCODE project: 编码项目，研究DNA元素百科全书。
• Electron Microscopy Pilot Image Archive (EMPIAR): 电子显微镜试点图像档案。
• Ensembl Genomes: 基因组信息资源。
• Gene Expression Omnibus (GEO): 公共功能基因组数据存储库。
• Gene Ontology (GO): 基因本体注释文件。
• Global Biotic Interactions (GloBI): 全球生物相互作用数据。
• Harvard Medical School (HMS) LINCS Project: 哈佛医学院LINCS项目。
• Human Genome Diversity Project: 人类基因组多样性项目。
• Human Microbiome Project (HMP): 人类微生物组项目，研究超过2000个参考样本。
• ICOS PSP Benchmark: ICOS PSP基准数据集。
• International HapMap Project: 国际HapMap项目。
• Journal of Cell Biology DataViewer: 细胞生物学数据查看器。
• KEGG: 理解高级别功能的生物信息学资源。
• MIT Cancer Genomics Data: 麻省理工学院癌症基因组数据。
• NCBI Proteins: 国家生物技术信息中心蛋白质数据库。
• NCBI Taxonomy: 国家生物技术信息中心分类数据库。
• NCI Genomic Data Commons: 癌症基因组数据共享资源。
• NIH Microarray data: 国家卫生研究院微阵列数据。
• OpenSNP genotypes data: 开放SNP基因型数据。
• Pathguid: 蛋白质-蛋白质相互作用目录。
• Protein Data Bank: 蛋白质数据库。
• Psychiatric Genomics Consortium: 精神病基因组学联盟。
• PubChem Project: 世界上最大的自由访问化学信息库。
• PubGene (now Coremine Medical): 医学信息工具。
• Sanger Catalogue of Somatic Mutations in Cancer (COSMIC): 癌症体细胞突变目录。
• Sanger Genomics of Drug Sensitivity in Cancer Project (GDSC): 癌症药物敏感性基因组项目。
• Sequence Read Archive(SRA): 序列读取档案，存储原始序列数据。
• Stanford Microarray Data: 斯坦福微阵列数据。
• 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。
• The Catalogue of Life: 生命目录，质量保证的物种目录。
• The Personal Genome Project: 个人基因组项目。
• UCSC Public Data: 加州大学圣克鲁兹分校公共数据。
• UniGene: 基因序列集合。
• Universal Protein Resource (UnitProt): 通用蛋白质资源。

气候+天气

• Actuaries Climate Index: 精算师气候指数。
• 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。
• Climate Data from UEA: 东安格利亚大学气候数据。
• Dutch Weather: 荷兰天气数据。
• European Climate Assessment & Dataset: 欧洲气候评估和数据集。
• Global Climate Data Since 1929: 自1929年以来的全球气候数据。
• Charting The Global Climate Change News Narrative 2009-2020: 2009-2020年全球气候变化新闻叙事图。
• NASA Global Imagery Browse Services: 美国宇航局全球图像浏览服务。
• NOAA Bering Sea Climate: 美国国家海洋和大气管理局白令海气候数据。
• NOAA Climate Datasets: 美国国家海洋和大气管理局气候数据集。
• NOAA Realtime Weather Models: 美国国家海洋和大气管理局实时天气模型。
• NOAA SURFRAD Meteorology and Radiation Datasets: 美国国家海洋和大气管理局SURFRAD气象和辐射数据集。
• The World Bank Open Data Resources for Climate Change: 世界银行气候变化开放数据资源。
• UEA Climatic Research Unit: 东安格利亚大学气候研究单位。
• WU Historical Weather Worldwide: 世界气象历史天气数据。
• WorldClim - Global Climate Data: 全球气候数据。

复杂网络

• AMiner Citation Network Dataset: AMiner引用网络数据集。
• CrossRef DOI URLs: CrossRef DOI网址。
• DBLP Citation dataset: DBLP引用数据集。
• DIMACS Road Networks Collection: DIMACS道路网络集合。
• NBER Patent Citations: 国家经济研究局专利引用。
• NIST complex networks data collection: 国家标准与技术研究所复杂网络数据收集。
• Network Repository with Interactive Exploratory Analysis Tools: 具有交互式探索分析工具的网络存储库。
• Protein-protein interaction network: 蛋白质-蛋白质相互作用网络。
• PyPI and Maven Dependency Network: PyPI和Maven依赖网络。
• Scopus Citation Database: Scopus引用数据库。
• Small Network Data: 小型网络数据。
• Stanford GraphBase: 斯坦福图形库。
• Stanford Large Network Dataset Collection: 斯坦福大型网络数据集集合。
• The Koblenz Network Collection: 科布伦茨网络集合。
• The Laboratory for Web Algorithmics (UNIMI): 网络算法实验室。
• UCI Network Data Repository: UCI网络数据存储库。
• UFL sparse matrix collection: 佛罗里达大学稀疏矩阵集合。
• WSU Graph Database: 华盛顿州立大学图形数据库。

计算机网络

• 3.5B Web Pages from CommonCrawl 2012: 2012年CommonCrawl的35亿网页。
• 53.5B Web clicks of 100K users in Indiana Univ.: 印第安纳大学10万名用户的535亿次网页点击。
• CAIDA Internet Datasets: 互联网数据分析合作组织(CAIDA)的互联网数据集。
• 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。
• ClueWeb12 - 733M web pages: ClueWeb12的7.33亿网页。
• CommonCrawl Web Data over 7 years: 7年来的CommonCrawl网络数据。
• Criteo click-through data: Criteo点击数据。
• Internet-Wide Scan Data Repository: 互联网全面扫描数据存储库。
• MIRAGE-2019: 移动流量分析的人工生成数据集。
• OONI: Open Observatory of Network Interference: 网络干扰的开放观测站。
• Open Mobile Data by MobiPerf: MobiPerf的开放移动数据。
• The Peer-to-Peer Trace Archive: 点对点跟踪档案。
• Rapid7 Sonar Internet Scans: Rapid7 Sonar互联网扫描。
• UCSD Network Telescope, IPv4 /8 net: 加州大学圣地亚哥分校网络望远镜，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。
• CrowdANALYTIX dataX: CrowdANALYTIX数据X。
• D4D Challenge of Orange: Orange的D4D挑战。
• DrivenData Competitions for Social Good: 推动数据竞赛，为社会公益。
• ICWSM Data Challenge (since 2009): 自2009年以来的ICWSM数据挑战。
• KDD Cup by Tencent 2012: 腾讯2012年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。
• Space Apps Challenge: 太空应用挑战。
• 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。
• Yelp Dataset Challenge: Yelp数据集挑战。

地球科学

• 38-Cloud (Cloud Detection): 包含38个Landsat 8场景图像及其云检测标签的数据集。
• AQUASTAT - Global water resources and uses: AQUASTAT - 全球水资源和使用。
• BODC - marine data of ~22K vars: 英国海洋数据中心 - 约22,000个变量的海洋数据。
• 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。
• Integrated Marine Observing System (IMOS): 综合海洋观测系统，约30TB的海洋测量数据。
• 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。
• 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: 马里兰大学跨行业预测。
• DBnomics – the worlds economic database: 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。
• SciencesPo World Trade Gravity Datasets: 巴黎政治学院世界贸易重力数据集。
• 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: 免费代码营学生数据。

能源

• AMPds - The Almanac of Minutely Power dataset: AMPds - 每分钟电力数据集年鉴。
• 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: 电力分解数据集。
• DEL - Domestic Electrical Load study datsets for South Africa (1994 - 2014): DEL - 南非国内电力负荷研究数据集（1994-2014）。
• ECO - The ECO data set is a comprehensive data set for non-intrusive load monitoring: ECO - 用于非侵入式负载监控的综合数据集。

搜集汇总

数据集介绍

构建方式

该数据集通过收集具有代表性的高光谱图像及其对应的土壤湿度标签构建而成，旨在为土壤湿度监测提供一个标准的基准测试集。

特点

数据集具有高光谱图像的丰富特征，提供了多种土壤湿度条件下的图像，适用于机器学习和深度学习模型的训练和测试。同时，该数据集的开源特性使得研究人员可以方便地获取和使用。

使用方法

用户可以通过数据集的官方网站或相关学术资源下载该数据集。在使用时，研究人员可以根据自己的需求对图像进行预处理，如裁剪、归一化等，然后利用该数据集训练和验证模型，以实现对土壤湿度的准确预测。

背景与挑战

背景概述

Hyperspectral benchmark dataset on soil moisture 是一个针对土壤湿度监测的高光谱数据集。该数据集的创建旨在为农业、环境监测等领域提供准确、可靠的土壤湿度信息。该数据集由相关领域的研究人员或机构于特定时间创建，尽管具体信息在提供的内容中并未明确。此数据集的构建对于提升土壤湿度监测技术的精确度和效率具有重要意义，对相关领域的研究产生了积极影响。

当前挑战

在解决领域问题方面，Hyperspectral benchmark dataset on soil moisture 面临着如何确保数据质量、提高分类精度和适应不同土壤类型的挑战。在构建过程中，数据集的创建者可能遇到了数据采集、标注准确性以及如何平衡数据集规模和计算资源等挑战。

常用场景

经典使用场景

Hyperspectral benchmark dataset on soil moisture被广泛应用于遥感领域，特别是在土壤湿度监测与分析方面。该数据集提供了丰富的光谱数据，可用于训练和验证机器学习模型，以实现对土壤湿度含量的准确预测。

衍生相关工作

基于该数据集，研究者们已经开展了一系列相关工作，包括开发新的土壤湿度预测模型、改进光谱数据处理技术以及探索土壤湿度与其他环境因素之间的关系等。这些工作进一步扩展了数据集的应用范围，并推动了遥感技术在多个领域的发展。

数据集最近研究

最新研究方向

该数据集是针对土壤水分的hyperspectral benchmark，它为农业遥感领域提供了一个高质量的标准数据集。近期研究方向主要聚焦于利用该数据集进行土壤水分含量的精确估测，以及探索hyperspectral图像处理的新方法，这对于提高农业灌溉效率和作物产量具有重要意义。研究者们还在尝试结合机器学习和深度学习技术，以提升对土壤水分的预测准确度和模型的泛化能力。