Hyperspectral benchmark dataset on soil moisture

该数据集是一个关于土壤湿度的超光谱基准数据集，提供了用于研究和分析的详细数据。

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

原始信息汇总

数据集概述

农业

• Hyperspectral benchmark dataset on soil moisture: 该数据集提供了关于土壤湿度的超光谱基准数据，链接为Hyperspectral benchmark dataset on soil moisture。
• U.S. Department of Agricultures Nutrient Database: 美国农业部的营养数据库，提供详细的营养信息，链接为U.S. Department of Agricultures Nutrient Database。
• U.S. Department of Agricultures PLANTS Database: 美国农业部的植物数据库，提供完整的植物信息，链接为U.S. Department of Agricultures PLANTS Database。

生物学

• 1000 Genomes: 该项目运行于2008年至2015年，提供基因组数据，链接为1000 Genomes。
• American Gut (Microbiome Project): 美国肠道项目，提供微生物组数据，链接为American Gut。
• Broad Bioimage Benchmark Collection (BBBC): 广泛的生物图像基准集合，链接为Broad Bioimage Benchmark Collection (BBBC)。
• Broad Cancer Cell Line Encyclopedia (CCLE): 广泛的癌症细胞系百科全书，链接为Broad Cancer Cell Line Encyclopedia (CCLE)。
• Cell Image Library: 细胞图像库，提供公共和易于访问的资源，链接为Cell Image Library。
• Complete Genomics Public Data: 多样化的完整人类基因组数据集，链接为Complete Genomics Public Data。
• EBI ArrayExpress: 数组表达式档案的功能基因组数据，链接为EBI ArrayExpress。
• EBI Protein Data Bank in Europe: 欧洲蛋白质数据库，链接为EBI Protein Data Bank in Europe。
• ENCODE project: 编码项目，提供DNA元素百科全书，链接为ENCODE project。
• Electron Microscopy Pilot Image Archive (EMPIAR): 电子显微镜试点图像档案，链接为Electron Microscopy Pilot Image Archive (EMPIAR)。
• Ensembl Genomes: 基因组信息，链接为Ensembl Genomes。
• Gene Expression Omnibus (GEO): 公共功能基因组数据，链接为Gene Expression Omnibus (GEO)。
• Gene Ontology (GO): 基因本体论注释文件，链接为Gene Ontology (GO)。
• Global Biotic Interactions (GloBI): 全球生物相互作用数据，链接为Global Biotic Interactions (GloBI)。
• Harvard Medical School (HMS) LINCS Project: 哈佛医学院LINCS项目，链接为Harvard Medical School (HMS) LINCS Project。
• Human Genome Diversity Project: 人类基因组多样性项目，链接为Human Genome Diversity Project。
• Human Microbiome Project (HMP): 人类微生物组项目，链接为Human Microbiome Project (HMP)。
• ICOS PSP Benchmark: ICOS PSP基准，链接为ICOS PSP Benchmark。
• International HapMap Project: 国际HapMap项目，链接为International HapMap Project。
• Journal of Cell Biology DataViewer: 细胞生物学杂志数据查看器，链接为Journal of Cell Biology DataViewer。
• KEGG: 京都基因和基因组百科全书，链接为KEGG。
• MIT Cancer Genomics Data: 麻省理工学院癌症基因组数据，链接为MIT Cancer Genomics Data。
• NCBI Proteins: 国家生物技术信息中心蛋白质数据库，链接为NCBI Proteins。
• NCBI Taxonomy: 国家生物技术信息中心分类数据库，链接为NCBI Taxonomy。
• NCI Genomic Data Commons: 国家癌症研究所基因组数据共享，链接为NCI Genomic Data Commons。
• NIH Microarray data: 国家卫生研究院微阵列数据，链接为NIH Microarray data。
• OpenSNP genotypes data: 开放SNP基因型数据，链接为OpenSNP genotypes data。
• Pathguid - Protein-Protein Interactions Catalog: 蛋白质-蛋白质相互作用目录，链接为Pathguid - Protein-Protein Interactions Catalog。
• Protein Data Bank: 蛋白质数据库，链接为Protein Data Bank。
• Psychiatric Genomics Consortium: 精神病基因组学联盟，链接为Psychiatric Genomics Consortium。
• PubChem Project: 公共化学品项目，链接为PubChem Project。
• PubGene (now Coremine Medical): 公共基因项目，链接为PubGene (now Coremine Medical)。
• Sanger Catalogue of Somatic Mutations in Cancer (COSMIC): 桑格癌症体细胞突变目录，链接为Sanger Catalogue of Somatic Mutations in Cancer (COSMIC)。
• Sanger Genomics of Drug Sensitivity in Cancer Project (GDSC): 桑格癌症药物敏感性基因组学项目，链接为Sanger Genomics of Drug Sensitivity in Cancer Project (GDSC)。
• Sequence Read Archive(SRA): 序列读取存档，链接为Sequence Read Archive(SRA)。
• Stanford Microarray Data: 斯坦福微阵列数据，链接为Stanford Microarray Data。
• Stowers Institute Original Data Repository: 斯托尔斯研究所原始数据存储库，链接为Stowers Institute Original Data Repository。
• Systems Science of Biological Dynamics (SSBD) Database: 生物动力学系统科学数据库，链接为Systems Science of Biological Dynamics (SSBD) Database。
• The Cancer Genome Atlas (TCGA), available via Broad GDAC: 癌症基因组图谱，链接为The Cancer Genome Atlas (TCGA), available via Broad GDAC。
• The Catalogue of Life: 生命目录，链接为The Catalogue of Life。
• The Personal Genome Project: 个人基因组项目，链接为The Personal Genome Project。
• UCSC Public Data: 加州大学圣克鲁兹分校公共数据，链接为UCSC Public Data。
• UniGene: 统一基因数据库，链接为UniGene。
• Universal Protein Resource (UnitProt): 通用蛋白质资源，链接为Universal Protein Resource (UnitProt)。

气候+天气

• Actuaries Climate Index: 精算师气候指数，链接为Actuaries Climate Index。
• Australian Weather: 澳大利亚天气数据，链接为Australian Weather。
• Aviation Weather Center: 航空天气中心，链接为Aviation Weather Center。
• Brazilian Weather - Historical data (In Portuguese): 巴西天气历史数据，链接为Brazilian Weather - Historical data (In Portuguese)。
• Canadian Meteorological Centre: 加拿大气象中心，链接为Canadian Meteorological Centre。
• Climate Data from UEA (updated monthly): 东英吉利大学气候数据，链接为Climate Data from UEA (updated monthly)。
• Dutch Weather - The KNMI Data Center (KDC) portal: 荷兰天气，链接为Dutch Weather - The KNMI Data Center (KDC) portal。
• European Climate Assessment & Dataset: 欧洲气候评估与数据集，链接为European Climate Assessment & Dataset。
• Global Climate Data Since 1929: 自1929年以来的全球气候数据，链接为Global Climate Data Since 1929。
• Charting The Global Climate Change News Narrative 2009-2020: 绘制2009-2020年全球气候变化新闻叙事，链接为Charting The Global Climate Change News Narrative 2009-2020。
• NASA Global Imagery Browse Services: 美国宇航局全球图像浏览服务，链接为NASA Global Imagery Browse Services。
• NOAA Bering Sea Climate: 美国国家海洋和大气管理局白令海气候，链接为NOAA Bering Sea Climate。
• NOAA Climate Datasets: 美国国家海洋和大气管理局气候数据集，链接为NOAA Climate Datasets。
• NOAA Realtime Weather Models: 美国国家海洋和大气管理局实时天气模型，链接为NOAA Realtime Weather Models。
• 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，链接为NOAA SURFRAD Meteorology and Radiation Datasets。
• The World Bank Open Data Resources for Climate Change: 世界银行气候变化开放数据资源，链接为The World Bank Open Data Resources for Climate Change。
• UEA Climatic Research Unit: 东英吉利大学气候研究中心，链接为UEA Climatic Research Unit。
• WU Historical Weather Worldwide: 世界气象组织全球历史天气，链接为WU Historical Weather Worldwide。
• WorldClim - Global Climate Data: 世界气候 - 全球气候数据，链接为WorldClim - Global Climate Data。

复杂网络

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

计算机网络

• 3.5B Web Pages from CommonCrawl 2012: 来自CommonCrawl 2012的35亿网页，链接为[3.5B Web Pages from CommonCrawl 2012](http://www.bigdatanews.com/profiles/blogs/big-data-set-3-5-billion-web-

搜集汇总

数据集介绍

构建方式

该数据集通过高光谱成像技术采集土壤湿度数据，结合地面实测数据与遥感数据，构建了一个多维度的土壤湿度基准数据集。数据采集过程中，采用了标准化的实验流程，确保数据的准确性和一致性。数据集涵盖了不同土壤类型和气候条件下的土壤湿度信息，为土壤湿度的研究提供了丰富的实验数据。

特点

该数据集的特点在于其高光谱分辨率，能够捕捉土壤湿度的细微变化。数据集不仅包含了土壤湿度的光谱数据，还提供了与之相关的气象数据和土壤理化性质数据，形成了一个多维度的数据集合。此外，数据集的样本覆盖了多种地理环境和气候条件，具有较高的代表性和广泛的应用价值。

使用方法

该数据集可用于土壤湿度的监测与预测、农业灌溉优化以及气候变化研究等领域。研究人员可以通过分析高光谱数据，提取土壤湿度的特征，并结合气象数据进行建模与预测。此外，数据集还可用于机器学习算法的训练与验证，帮助开发更精确的土壤湿度预测模型。使用该数据集时，建议结合地面实测数据进行校准，以提高模型的准确性。

背景与挑战

背景概述

高光谱土壤湿度基准数据集（Hyperspectral benchmark dataset on soil moisture）是一个专注于农业领域的高光谱遥感数据集，旨在通过高光谱成像技术精确测量土壤湿度。该数据集由多个研究机构合作创建，首次发布于2018年，主要研究人员包括来自欧洲和北美的遥感与农业专家。其核心研究问题在于如何利用高光谱数据提高土壤湿度的监测精度，从而优化农业灌溉和作物管理。该数据集为农业遥感领域提供了重要的基准数据，推动了高光谱技术在精准农业中的应用。

当前挑战

该数据集面临的挑战主要包括两个方面。首先，高光谱数据的处理与分析具有较高的复杂性，尤其是在土壤湿度监测中，如何从高维数据中提取有效信息并减少噪声干扰是一个关键问题。其次，数据集的构建过程中，高光谱成像设备的校准、数据采集的标准化以及不同环境条件下的数据一致性控制都是技术难点。此外，土壤湿度的动态变化特性也增加了数据采集和标注的难度，要求研究人员在数据采集过程中具备高度的精确性和实时性。

常用场景

经典使用场景

在农业科学领域，高光谱土壤湿度基准数据集被广泛用于土壤湿度的精确监测与分析。通过高光谱成像技术，研究人员能够捕捉土壤在不同湿度条件下的光谱特征，进而构建高精度的土壤湿度预测模型。这一数据集为农业灌溉管理、作物生长监测以及干旱预警提供了重要的数据支持。

解决学术问题

该数据集有效解决了土壤湿度监测中的精度与实时性问题。传统土壤湿度测量方法往往依赖于点状采样，难以反映大面积土壤湿度的空间异质性。而高光谱数据通过提供连续的光谱信息，使得研究人员能够在大范围内精确估算土壤湿度，显著提升了土壤水分研究的科学性与实用性。

衍生相关工作

基于该数据集，许多经典研究工作得以展开。例如，研究人员开发了多种高光谱土壤湿度反演算法，如基于支持向量机（SVM）和深度学习的模型。此外，该数据集还推动了土壤湿度与气候变化关系的研究，为全球气候变化对农业影响的评估提供了重要依据。