Hyperspectral benchmark dataset on soil moisture

用于土壤湿度研究的遥感高光谱基准数据集

A benchmark dataset for remote sensing hyperspectral analysis in soil moisture research

原始信息汇总

数据集概述

本数据集是一个综合性的公共数据集列表，涵盖了多个领域的数据资源。数据集内容由用户贡献并经过整理，主要通过GitHub进行维护和更新。以下是各领域数据集的详细分类和部分示例：

农业

• 土壤水分高光谱基准数据集: 链接
• 美国农业部营养数据库: 链接
• 美国农业部植物数据库: 链接

生物学

• 1000 Genomes: 链接
• American Gut (Microbiome Project): 链接
• Broad Bioimage Benchmark Collection (BBBC): 链接
• Broad Cancer Cell Line Encyclopedia (CCLE): 链接
• Cell Image Library: 链接
• Complete Genomics Public Data: 链接
• EBI ArrayExpress: 链接
• EBI Protein Data Bank in Europe: 链接
• ENCODE project: 链接
• Electron Microscopy Pilot Image Archive (EMPIAR): 链接
• Ensembl Genomes: 链接
• Gene Expression Omnibus (GEO): 链接
• Gene Ontology (GO) - GO annotation files: 链接
• Global Biotic Interactions (GloBI): 链接
• Harvard Medical School (HMS) LINCS Project: 链接
• Human Genome Diversity Project: 链接
• Human Microbiome Project (HMP): 链接
• ICOS PSP Benchmark: 链接
• International HapMap Project: 链接
• Journal of Cell Biology DataViewer: 链接
• KEGG - KEGG is a database resource for understanding high-level functions [...]: 链接
• MIT Cancer Genomics Data: 链接
• NCBI Proteins: 链接
• NCBI Taxonomy: 链接
• NCI Genomic Data Commons: 链接
• NIH Microarray data: 链接
• OpenSNP genotypes data: 链接
• Pathguid - Protein-Protein Interactions Catalog: 链接
• Protein Data Bank: 链接
• Psychiatric Genomics Consortium: 链接
• PubChem Project: 链接
• PubGene (now Coremine Medical): 链接
• Sanger Catalogue of Somatic Mutations in Cancer (COSMIC): 链接
• Sanger Genomics of Drug Sensitivity in Cancer Project (GDSC): 链接
• Sequence Read Archive(SRA): 链接
• Stanford Microarray Data: 链接
• Stowers Institute Original Data Repository: 链接
• Systems Science of Biological Dynamics (SSBD) Database: 链接
• The Cancer Genome Atlas (TCGA), available via Broad GDAC: 链接
• The Catalogue of Life: 链接
• The Personal Genome Project: 链接
• UCSC Public Data: 链接
• UniGene: 链接
• Universal Protein Resource (UnitProt): 链接

气候+天气

• Actuaries Climate Index: 链接
• Australian Weather: 链接
• Aviation Weather Center - Consistent, timely and accurate weather [...]: 链接
• Brazilian Weather - Historical data (In Portuguese) - Data related to [...]: 链接
• Canadian Meteorological Centre: 链接
• Climate Data from UEA (updated monthly): 链接
• Dutch Weather - The KNMI Data Center (KDC) portal provides access to KNMI [...]: 链接
• European Climate Assessment & Dataset: 链接
• Global Climate Data Since 1929: 链接
• NASA Global Imagery Browse Services: 链接
• NOAA Bering Sea Climate: 链接
• NOAA Climate Datasets: 链接
• NOAA Realtime Weather Models: 链接
• NOAA SURFRAD Meteorology and Radiation Datasets: 链接
• The World Bank Open Data Resources for Climate Change: 链接
• UEA Climatic Research Unit: 链接
• WU Historical Weather Worldwide: 链接
• WorldClim - Global Climate Data: 链接

复杂网络

• AMiner Citation Network Dataset: 链接
• CrossRef DOI URLs: 链接
• DBLP Citation dataset: 链接
• DIMACS Road Networks Collection: 链接
• NBER Patent Citations: 链接
• NIST complex networks data collection: 链接
• Network Repository with Interactive Exploratory Analysis Tools: 链接
• Protein-protein interaction network: 链接
• PyPI and Maven Dependency Network: 链接
• Scopus Citation Database: 链接
• Small Network Data: 链接
• Stanford GraphBase: 链接
• Stanford Large Network Dataset Collection: 链接
• Stanford Longitudinal Network Data Sources: 链接
• The Koblenz Network Collection: 链接
• The Laboratory for Web Algorithmics (UNIMI): 链接
• UCI Network Data Repository: 链接
• UFL sparse matrix collection: 链接
• WSU Graph Database: 链接

计算机网络

• 3.5B Web Pages from CommonCrawl 2012: 链接
• 53.5B Web clicks of 100K users in Indiana Univ.: 链接
• CAIDA Internet Datasets: 链接
• CRAWDAD Wireless datasets from Dartmouth Univ.: 链接
• ClueWeb09 - 1B web pages: 链接
• ClueWeb12 - 733M web pages: 链接
• CommonCrawl Web Data over 7 years: 链接
• Criteo click-through data: 链接
• Internet-Wide Scan Data Repository: 链接
• MIRAGE-2019 - MIRAGE-2019 is a human-generated dataset for mobile traffic [...]: 链接
• OONI: Open Observatory of Network Interference - Internet censorship data: 链接
• Open Mobile Data by MobiPerf: 链接
• The Peer-to-Peer Trace Archive - Real-world measurements play a key role [...]: 链接
• Rapid7 Sonar Internet Scans: 链接
• UCSD Network Telescope, IPv4 /8 net: 链接

数据挑战

• Bruteforce Database: 链接
• Challenges in Machine Learning: 链接
• CrowdANALYTIX dataX: 链接
• D4D Challenge of Orange: 链接
• DrivenData Competitions for Social Good: 链接
• ICWSM Data Challenge (since 2009): 链接
• KDD Cup by Tencent 2012: 链接
• Kaggle Competition Data: 链接
• Localytics Data Visualization Challenge: 链接
• Netflix Prize: 链接
• Space Apps Challenge: 链接
• Telecom Italia Big Data Challenge: 链接
• TravisTorrent Dataset - MSR2017 Mining Challenge: 链接
• TunedIT - Data mining & machine learning data sets, algorithms, challenges: 链接
• Yelp Dataset Challenge: 链接

地球科学

• 38-Cloud (Cloud Detection) - Contains 38 Landsat 8 scene images and their [...]: 链接
• AQUASTAT - Global water resources and uses: 链接
• BODC - marine data of ~22K vars: 链接
• EOSDIS - NASAs earth observing system data: 链接
• Earth Models: 链接
• Integrated Marine Observing System (IMOS) - roughly 30TB of ocean measurements: 链接
• Marinexplore - Open Oceanographic Data: 链接
• Alabama Real-Time Coastal Observing System: 链接
• National Estuarine Research Reserves System-Wide Monitoring Program - [...]: 链接
• Oil and Gas Authority Open Data - The dataset covers 12,500 offshore [...]: 链接
• Smithsonian Institution Global Volcano and Eruption Database: 链接
• USGS Earthquake Archives: 链接

经济学

• American Economic Association (AEA): 链接
• EconData from UMD: [链接](http://inforumweb.

搜集汇总

数据集介绍

构建方式

该数据集通过收集高光谱图像，并对其进行分析和标注，构建了一个针对土壤水分含量的基准数据集。数据集包含了多个场景的高光谱图像及其对应的土壤水分含量标签，旨在为高光谱图像处理和土壤水分含量估算提供标准测试数据。

特点

该数据集的特点在于：包含了丰富的高光谱图像数据，涵盖了不同的土壤类型和环境条件；提供了精确的土壤水分含量标签，确保了数据集的质量和可靠性；采用了统一的数据格式和标注标准，便于研究人员使用和共享。

使用方法

使用该数据集时，研究人员可以通过下载和解压数据集文件来获取高光谱图像和土壤水分含量标签。然后，可以使用这些数据来训练和测试高光谱图像处理模型，或者进行土壤水分含量的分析和研究。数据集的文档和示例代码可以帮助用户更好地理解和利用数据集。

背景与挑战

背景概述

Hyperspectral benchmark dataset on soil moisture 是一个针对土壤湿度分析的高光谱数据集。该数据集的创建旨在为研究人员提供一个标准的、可靠的数据源，以促进土壤湿度监测和预测技术的发展。该数据集由多个研究人员和机构共同完成，其中包括来自不同大学和研究所的专家。它包含了多种土壤湿度相关的研究问题，如土壤湿度分布的映射、土壤湿度变化的监测等，对农业、环境监测等领域具有重要的研究价值。

当前挑战

在构建 Hyperspectral benchmark dataset on soil moisture 的过程中，研究人员面临着多个挑战。首先，高光谱数据的收集和处理需要专业的设备和复杂的数据处理流程。其次，数据集的标注和验证需要领域专家的参与，确保数据的准确性和可靠性。此外，由于土壤湿度受多种因素影响，如气候、土壤类型等，因此构建一个具有广泛适用性的数据集也是一个挑战。

常用场景

经典使用场景

Hyperspectral benchmark dataset on soil moisture被广泛应用于土壤湿度监测领域，其经典使用场景包括农业灌溉管理、环境监测以及灾害预警等。该数据集提供了丰富的光谱信息，有助于研究人员通过光谱分析技术准确判断土壤湿度状况，从而优化农业用水效率，减少资源浪费。

衍生相关工作

基于该数据集，衍生出了许多相关的研究工作，包括土壤湿度估计算法的研究、光谱数据处理技术的改进以及智能农业系统的开发等。这些工作不仅推动了数据集的进一步应用，也为土壤湿度监测领域的技术创新提供了坚实的基础。

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，近期研究方向主要聚焦于利用高光谱图像处理技术提高土壤水分估测的精度。研究者们探讨了不同的特征提取和机器学习模型在土壤水分含量预测中的应用，以及如何结合地面实况数据以优化模型性能。这些研究对于农业水资源管理以及精准农业具有重要的实践意义。