Open-Canopy

Open-Canopy数据集由LSCE/IPSL, CEA-CNRS-UVSQ等机构创建，是一个用于高分辨率树冠高度估计的国家级开放访问基准。该数据集覆盖法国超过87,000平方公里，结合了SPOT卫星图像和高分辨率航空LiDAR数据，旨在通过机器学习模型从单一超高分辨率卫星图像中估计树冠高度。数据集的创建过程包括使用航空激光扫描数据训练模型，并提供预处理脚本和官方训练及测试分割。该数据集主要应用于森林健康监测、木材资源评估和碳储量估计等领域，旨在解决森林资源管理和气候变化响应中的关键问题。

The Open-Canopy dataset, developed by institutions including LSCE/IPSL, CEA-CNRS-UVSQ and others, is a national-level open-access benchmark for high-resolution canopy height estimation. Spanning over 87,000 square kilometers across France, it integrates SPOT satellite imagery and high-resolution airborne LiDAR data, with the goal of estimating canopy height from single ultra-high-resolution satellite images using machine learning models. The dataset development workflow involves training models on airborne laser scanning data, and also provides preprocessing scripts along with official train and test splits. It is primarily utilized in domains such as forest health monitoring, timber resource assessment, and carbon stock estimation, and is designed to address critical issues in forest resource management and climate change response.

原始信息汇总

Open-Canopy 数据集概述

数据集简介

Open-Canopy 是一个国家尺度的高分辨率（1.5米）冠层高度估计数据集，涵盖法国超过87,000平方公里的区域。该数据集结合了SPOT 6-7卫星影像和高分辨率航空LiDAR数据，旨在支持森林健康、木材资源和碳储量等领域的研究。

数据集链接

数据集链接：Open-Canopy

数据集大小

数据集大小约为360GB，包括测试集的预测结果和预训练模型。

数据集结构

数据集包括训练、验证和测试集，覆盖法国大部分地区。每个图块提供1.5米分辨率的VHR图像和相关的LiDAR衍生的冠层高度图。

数据集应用

数据集主要用于冠层高度估计和冠层高度变化检测，支持多种计算机视觉模型的评估和比较。

数据集下载

推荐使用Hugging Face的Python API下载数据集。提供了下载预训练模型和数据集的脚本。

系统要求

• 存储：需要360GB可用存储空间。
• 训练：需要较新的GPU进行模型训练。

参考文献

使用该数据集时，请引用以下文章： bibtex @article{fogel2024opencanopy, title={Open-Canopy: A Country-Scale Benchmark for Canopy Height Estimation at Very High Resolution}, author={Fajwel Fogel and Yohann Perron and Nikola Besic and Laurent Saint-André and Agnès Pellissier-Tanon and Martin Schwartz and Thomas Boudras and Ibrahim Fayad and Alexandre dAspremont and Loic Landrieu and Philippe Ciais}, year={2024}, eprint={2407.09392}, publisher = {arXiv}, url={https://arxiv.org/abs/2407.09392}, }

数据集许可证

数据集使用“OPEN LICENCE 2.0/LICENCE OUVERTE”许可证，该许可证由法国政府创建，旨在促进公共管理部门的开放数据传播。

搜集汇总

数据集介绍

构建方式

Open-Canopy 数据集的构建采用了法国境内的 SPOT 卫星影像和高分辨率航空激光雷达数据。数据集覆盖了法国超过 87,000 平方公里的区域，结合了 SPOT 6-7 卫星影像的 1.5 米分辨率和高分辨率航空激光雷达数据，提供了密集的树冠高度标注。为了进一步推动研究，还提出了 Open-Canopy-∆，这是第一个用于检测两个不同年份图像之间树冠高度变化的基准数据集。

使用方法

使用 Open-Canopy 数据集的方法包括：首先，下载并准备数据集，包括 SPOT 卫星影像和高分辨率航空激光雷达数据。其次，使用提供的预处理脚本对数据进行预处理。然后，选择合适的计算机视觉模型，例如 UNet 或 Vision Transformers，并在训练集上对其进行训练。接下来，在验证集上评估模型的性能，并使用测试集进行最终的性能评估。最后，可以使用 Open-Canopy-∆ 数据集来评估模型对树冠高度变化的检测能力。

背景与挑战

背景概述

森林冠层高度估计是森林资源管理的关键技术，对于监测森林健康、木材资源、碳储量等方面具有重要意义。Open-Canopy数据集的创建旨在解决现有森林数据集通常基于商业或封闭数据源，限制了新方法的可重复性和评估的问题。该数据集由法国的研究人员和机构创建，包括LSCE/IPSL、LIF、LIGM、CNRS、École Normale Supérieure等。Open-Canopy数据集是第一个开放获取的、国家级的、高分辨率（1.5米）冠层高度估计基准，覆盖法国超过87,000平方公里的区域，结合了SPOT卫星图像和高分辨率机载激光雷达数据。Open-Canopy数据集的创建对于森林资源监测和管理具有重要意义，推动了相关领域的研究和发展。

当前挑战

Open-Canopy数据集面临的主要挑战包括：1) 冠层高度变化检测的挑战，即在两个不同年份获取的图像之间检测冠层高度的显著变化；2) 构建过程中的挑战，如数据预处理、模型训练和评估等。Open-Canopy数据集的创建和评估了多种最先进的计算机视觉模型，包括基于UNet、Vision Transformer（ViT）和其混合变体（HViT）的模型，以及基于预训练模型的模型。这些模型的评估结果表明，基于卷积的网络在冠层高度估计任务中表现优于ViT，而基于预训练的模型在ImageNet数据集上表现优于其他大型自然图像数据库。Open-Canopy数据集的创建为冠层高度估计领域的研究提供了重要的基准数据集，推动了相关领域的研究和发展。

常用场景

经典使用场景

Open-Canopy 数据集主要应用于高分辨率冠层高度估计，其经典使用场景包括监测森林健康状况、评估木材资源、监测碳排放量以及进行年度森林资源监测。该数据集通过结合 SPOT 卫星影像和高分辨率机载激光雷达数据，为高分辨率冠层高度估计提供了开放且国家规模的基准。此外，Open-Canopy-Δ 子数据集还首次提供了检测两个不同年份图像之间的冠层高度变化的能力，这对于理解森林健康状况动态、检测树木死亡以及进行森林管理具有重要意义。

解决学术问题

Open-Canopy 数据集解决了现有森林数据集大多基于商业或封闭数据源的问题，这些数据源限制了新方法的可重复性和评估。Open-Canopy 作为第一个开放访问和国家规模的基准，提供了高分辨率（1.5 米）冠层高度估计的数据，并涵盖了法国超过 87,000 平方公里的地区。此外，Open-Canopy-Δ 子数据集为检测两个不同年份图像之间的冠层高度变化提供了第一个基准，这是一个即使是最新模型也具有挑战性的任务。该数据集的开放性和规模为研究人员提供了评估和开发冠层高度估计工具的平台，推动了森林资源监测和管理的发展。

实际应用

Open-Canopy 数据集的实际应用场景广泛，包括森林健康管理、木材资源评估、碳排放监测以及年度森林资源监测。通过利用该数据集，研究人员可以开发出更精确的冠层高度估计模型，从而帮助森林管理部门更好地监测森林健康状况、评估木材资源、监测碳排放量以及进行年度森林资源监测。此外，Open-Canopy-Δ 子数据集还可以用于检测森林中的树木死亡和生长变化，从而帮助森林管理部门更好地进行森林管理。

数据集最近研究

最新研究方向

Open-Canopy 数据集作为首个国家规模的开源高分辨率冠层高度估计基准，标志着森林监测和管理领域的重要进展。该数据集融合了 SPOT 卫星图像和航空激光雷达数据，为评估和开发新的冠层高度估计工具提供了基础。研究重点在于利用高分辨率卫星图像和激光雷达数据来训练机器学习模型，以实现冠层高度的准确估计。此外，Open-Canopy-∆ 基准的提出，旨在检测两个不同年份图像之间的冠层高度变化，为监测森林健康状况和动态变化提供了新的视角。该数据集的发布有助于推动计算机视觉社区进一步探索冠层高度估计，并激发林业专家设计定制架构，以实现更精确的森林监测和管理。

相关研究论文

• Open-Canopy: A Country-Scale Benchmark for Canopy Height Estimation at Very High Resolution

  LSCE/IPSL, CEA-CNRS-UVSQ · 2024年