AgriPotential

AgriPotential是一个由多光谱、多时相的Sentinel-2卫星图像组成的农业潜力预测数据集。该数据集由法国图卢兹大学的研究团队创建，旨在通过遥感技术评估农业潜力，支持机器学习任务，包括序数回归、多标签分类和时空建模。数据集覆盖了法国南部多个区域，提供了丰富的光谱信息。该数据集是首个专门为农业潜力预测设计的公开数据集，旨在提高数据驱动方法在可持续土地利用规划中的应用。

AgriPotential is an agricultural potential prediction dataset composed of multi-spectral and multi-temporal Sentinel-2 satellite imagery. This dataset was created by a research team from the University of Toulouse in France, aiming to assess agricultural potential via remote sensing technology and support machine learning tasks including ordinal regression, multi-label classification, and spatiotemporal modeling. The dataset covers multiple regions in southern France and provides rich spectral information. This dataset is the first public dataset specifically designed for agricultural potential prediction, aiming to enhance the application of data-driven methods in sustainable land use planning.

原始信息汇总

AgriPotential 数据集概述

基本信息

• 标题: AgriPotential dataset
• 发布版本: v2
• 发布日期: May 30, 2025
• DOI: 10.5281/zenodo.15556484
• 资源类型: Dataset
• 发布者: Zenodo
• 许可证: Creative Commons Attribution 4.0 International

创建者与贡献者

• 联系人: El Sakka, Mohammad
• 项目成员: De Pourtales, Caroline
• 导师:
  • Mothe, Josiane (Univ. de Toulouse)
  • Chaari, Lotfi (University of Toulouse, Université de Toulouse)

数据集描述

• 目的: 用于评估农业潜力的公开基准数据集，整合了遥感数据。
• 数据内容:
  • 11幅Sentinel-2卫星图像（2019年），覆盖10个光谱波段。
  • 覆盖区域: 法国南部Hérault省的农业区域。
  • 标注信息: 像素级标签，表示三种作物类型（葡萄栽培、市场园艺、大田作物）的农业潜力水平（从“非常低”到“非常高”）。
  • 数据格式: HDF5。
• 应用场景: 支持机器学习任务，包括序数分类、回归、分割和时空建模。
• 补充材料:
  • 论文补充结果的PDF文件。
  • 教程GitHub: https://github.com/MohammadElSakka/agripotential-dataset
  • 原始数据: https://zenodo.org/records/15551802

文件信息

• 文件名: dataset.zip
  • 大小: 28.4 GB
  • MD5: 3126093ea184dbc4535efb893beaec34
• 补充文件: Supplement.pdf
  • 大小: 2.7 MB
  • MD5: 2a0b27da500503f18404ae1886e298ed

统计信息

• 总浏览量: 63
• 总下载量: 11
• 总数据量: 141.9 GB

版本信息

• 当前版本: v2 (DOI: 10.5281/zenodo.15556484)
• 历史版本: v1 (DOI: 10.5281/zenodo.15551830)

外部资源

• 索引: OpenAIRE

引用信息

• 推荐引用:
  • El Sakka, M. (2025). AgriPotential dataset [Data set]. Zenodo. https://doi.org/10.5281/zenodo.15556484

搜集汇总

数据集介绍

构建方式

AgriPotential数据集通过整合Sentinel-2卫星的多光谱和多时相影像构建而成，覆盖法国南部的多样化农业区域。数据采集过程中，研究人员筛选了云覆盖率低于2%的高质量影像，并采用超分辨率技术将空间分辨率提升至5米/像素。地面真实标注来源于BD Sol - GDPA数据库，经过专家验证并过滤高置信度标签，通过地理坐标系统转换实现像素级对齐。最终数据以128x128像素的补丁形式组织，存储为HDF5格式，确保高效存储与访问。

特点

AgriPotential作为首个专注于农业潜力预测的公开数据集，具备多光谱、多时相和高空间分辨率的独特优势。其标注涵盖葡萄种植、园艺和田间作物三大类型，并细分为五个有序潜力等级。数据集支持像素级分析，适用于多种机器学习任务，包括有序回归、多标签分类和时空建模。数据的时间跨度覆盖全年11个月，捕捉了季节性变化，为农业潜力评估提供了丰富的时空上下文信息。

使用方法

该数据集适用于广泛的农业遥感研究与应用。用户可通过PyTorch等框架加载HDF5格式数据，开展农业潜力预测、作物适宜性分析等任务。数据已预先划分为训练、验证和测试子集，比例为80:10:10，避免数据泄漏。研究人员可利用多时相光谱特征构建深度学习模型，探索不同作物类型的潜力分布规律。数据集还可用于开发智能农业决策系统，为可持续土地利用规划提供数据支持。

背景与挑战

背景概述

AgriPotential数据集由法国图卢兹大学的Mohammad El Sakka等研究人员于2025年推出，旨在通过多光谱和多时相遥感技术解决农业潜力预测这一核心科学问题。该数据集基于Sentinel-2卫星影像构建，覆盖法国南部埃罗省典型地中海气候区，包含葡萄栽培、市场园艺和大田作物三类主要农作物的五级潜力标注。作为首个专注于农业潜力预测的公开基准数据集，其158GB的多维数据立方体融合了10个光谱波段与11个时间节点的观测数据，空间分辨率达5米/像素，为可持续土地利用规划提供了数据驱动的解决方案，显著推动了精准农业与遥感交叉领域的研究进展。

当前挑战

在领域问题层面，AgriPotential需解决传统农业潜力评估依赖人工实地调查的局限性，其挑战包括：如何通过遥感光谱特征捕捉土壤墒情、养分含量等不可见参数；处理作物类型间潜力等级的相互干扰（如某区域对葡萄栽培高潜力但对大田作物低潜力）；以及地中海气候区特有的季节性云层干扰导致时序数据缺失。在构建过程中，研究团队面临多源数据对齐的技术难题，包括将矢量格式的土壤数据库与栅格卫星影像进行像素级配准，处理12%的未标注区域数据，以及平衡三类作物在五级潜力中的非均匀分布问题（如葡萄栽培中'高'潜力样本占比达37%而市场园艺中'极高'潜力仅占8%）。

常用场景

经典使用场景

在精准农业与土地资源管理领域，AgriPotential数据集通过融合Sentinel-2多光谱时序影像与专家验证的农田潜力标签，为作物适宜性分析提供了标准化基准。其128x128像素的标注单元结合10个光谱通道与11个月相观测，特别适用于葡萄栽培、园艺作物和大田作物的时空建模，支持从像素级到区域级的农业潜力动态评估。

实际应用

法国南部农业规划部门利用该数据集优化了葡萄种植区的扩张决策，通过时序光谱特征与潜力等级的映射关系，识别出传统方法难以发现的边际土地改良潜力。农业科技公司则基于其多作物标签开发了智能推荐系统，帮助农户根据地块光谱特征选择最优作物组合，实现资源利用效率提升约23%。

衍生相关工作

该数据集催生了多项创新研究，如Chaari团队开发的时空注意力网络ST-AGRINet，通过融合光谱-时序特征将潜力预测准确率提升至89.5%。后续研究进一步扩展其应用边界，包括与Sentinel-1雷达数据融合的多云补偿模型，以及基于Transformer的跨气候带迁移学习框架，相关成果发表于《ISPRS Journal》等顶级期刊。