AGBD

这是一个全球尺度的生物量数据集，由多种遥感数据源（如Sentinel-2 L2A, ALOS-2 PALSAR-2, JAXA数字高程模型, Copernicus土地覆盖, Lang等人的树冠高度图以及GEDI L4A地上生物量数据）组成，用于估计地上生物量。

This is a global-scale biomass dataset, composed of multiple remote sensing data sources (such as Sentinel-2 L2A, ALOS-2 PALSAR-2, JAXA Digital Elevation Model, Copernicus Land Cover, Lang et al.'s Canopy Height Map, and GEDI L4A Aboveground Biomass Data), used for estimating aboveground biomass.

原始信息汇总

数据集概述

数据集名称

• 名称: AGBD: A Global-scale Biomass Dataset

数据集内容

• 数据来源: 来自多个遥感数据源，包括Sentinel-2 L2A、ALOS-2 PALSAR-2、JAXA Digital Elevation Model、Copernicus Land Cover、Lang et al. Canopy Height Map和GEDI L4A Above-Ground Biomass (AGB)数据。
• 数据目的: 用于开发估计地上生物量（AGB）的基准模型。

数据集访问

• 访问方式: 通过HuggingFace平台，使用以下代码进行访问： python from datasets import load_dataset dataset = load_dataset("prs-eth/AGBD", streaming=True)["train"]

数据集大小

• 数据集大小: 约300GB。

数据集使用

• 模型训练: 提供用于训练基准模型的代码，位于GitHub仓库的Models部分。
• 补丁创建: 提供补丁创建过程的示例和进一步说明，位于GitHub仓库的Patches部分。

数据集输出

• 密集预测: 提供区域覆盖的密集预测，大小约40GB，可通过以下命令下载： bash wget "https://libdrive.ethz.ch/index.php/s/VPio6i5UlXTgir0/download?path=%2F&files=predictions&downloadStartSecret=gxairgqzc" -O predictions.tar

许可证

• 许可证: 本工作根据Creative Commons Attribution-NonCommercial 4.0 International License授权。

搜集汇总

数据集介绍

构建方式

AGBD数据集的构建基于多种遥感数据源的整合，包括Sentinel-2 L2A、ALOS-2 PALSAR-2、JAXA数字高程模型、Copernicus地表覆盖数据、Lang等人的冠层高度图以及GEDI L4A地上生物量数据。通过这些数据的融合与处理，构建了一个全球尺度的地上生物量数据集。

特点

AGBD数据集的显著特点在于其全球覆盖范围和多源数据的融合。该数据集不仅提供了高精度的地上生物量估计，还包含了丰富的地理和环境信息，如地表覆盖类型和高程数据。此外，数据集以流式ML准备格式存储，便于机器学习模型的直接应用。

使用方法

AGBD数据集可通过HuggingFace平台进行访问和下载，用户可以通过Python的datasets库加载数据集，并选择训练、验证或测试子集。为了便于数据处理和模型训练，数据集还提供了详细的使用指南和代码示例，包括数据下载、模型训练和补丁创建等步骤。

背景与挑战

背景概述

AGBD（A Global-scale Biomass Dataset）是由Ghjulia Sialelli、Torben Peters、Jan Wegner和Konrad Schindler等人创建的一个全球尺度的生物量数据集。该数据集整合了多种遥感数据源，包括Sentinel-2 L2A、ALOS-2 PALSAR-2、JAXA数字高程模型、Copernicus地表覆盖数据、Lang等人的冠层高度图以及GEDI L4A的地上生物量数据。AGBD的创建旨在为全球生物量估算提供一个标准化的基准，推动遥感技术在生态学和环境科学领域的应用。该数据集的开发不仅有助于提高生物量估算的准确性，还为全球气候变化研究提供了重要的数据支持。

当前挑战

AGBD数据集在构建过程中面临了多方面的挑战。首先，数据源的多样性和异质性增加了数据整合的复杂性，需要开发高效的数据融合算法。其次，全球尺度的数据采集和处理对计算资源和存储空间提出了极高的要求，数据量达到约300GB。此外，生物量估算模型的开发和验证也是一个重大挑战，需要克服数据稀疏性和空间异质性等问题。最后，数据集的公开访问和使用也面临技术障碍，如数据下载和处理的效率问题，以及确保数据质量和一致性的挑战。

常用场景

经典使用场景

AGBD数据集在生态学和环境科学领域中被广泛应用于全球尺度生物量估算的经典场景。通过整合多源遥感数据，如Sentinel-2 L2A、ALOS-2 PALSAR-2、JAXA数字高程模型等，AGBD数据集为研究人员提供了一个全面且精确的生物量估算平台。其经典使用场景包括利用深度学习模型对全球范围内的植被生物量进行高精度预测，从而为气候变化研究、生态系统管理以及碳循环分析提供关键数据支持。

解决学术问题

AGBD数据集解决了全球尺度生物量估算中的多个学术研究问题。首先，它通过整合多源遥感数据，克服了单一数据源在空间和时间分辨率上的局限性，提高了生物量估算的准确性和可靠性。其次，该数据集为全球气候变化研究提供了重要数据支持，有助于科学家更好地理解植被在碳循环中的作用。此外，AGBD还为生态系统管理和保护提供了科学依据，推动了相关领域的研究进展。

衍生相关工作

AGBD数据集的发布催生了一系列相关研究工作。例如，研究人员利用该数据集开发了多种深度学习模型，用于提高生物量估算的精度和效率。此外，AGBD还激发了对多源遥感数据融合技术的进一步研究，推动了遥感科学的发展。在生态学领域，基于AGBD的研究成果被广泛应用于全球气候变化模型和生态系统服务评估，为相关领域的研究提供了新的视角和方法。