有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
Agriculture-Remote-Sensing-Dataset|农业遥感数据集|遥感分析数据集
收藏github2024-06-13 更新2024-06-14 收录
下载链接：
https://github.com/rsdler/Agriculture-Remote-Sensing-Dataset
下载链接
链接失效反馈资源简介：
农业遥感数据集，包含多个子数据集，用于农业领域的遥感分析和研究。
The agricultural remote sensing dataset comprises multiple sub-datasets, designed for remote sensing analysis and research in the agricultural sector.
创建时间：
2024-06-13
原始信息汇总
数据集概述
1. Field Boundaries for Agriculture (FIBOA)
- 项目链接: FIBOA
- GitHub仓库: FIBOA GitHub
- 数据下载: FIBOA数据下载
2. Sentinel-2 Image Time Series for Crop Mapping
- 数据下载: Sentinel-2 Crop Mapping
- 相关论文: 论文链接
3. Barley Remote Sensing Dataset
- 数据下载: Barley Dataset
AI搜集汇总
数据集介绍
构建方式
在遥感技术与农业科学交叉领域，Agriculture-Remote-Sensing-Dataset 数据集通过整合多源遥感数据，构建了一个综合性的农业遥感数据库。该数据集包括来自不同项目和研究机构的多种数据类型，如Field Boundaries for Agriculture (fiboa) 项目中的田地边界数据、Sentinel-2卫星图像时间序列数据用于作物映射，以及大麦遥感数据集。这些数据通过公开的下载链接和项目页面进行收集，确保了数据来源的多样性和可靠性。
特点
Agriculture-Remote-Sensing-Dataset 数据集的显著特点在于其多源数据的整合与应用。该数据集不仅涵盖了不同类型的遥感数据，如光学图像和时间序列数据，还包含了具体的农业应用场景，如田地边界识别和作物类型映射。此外，数据集的多样性还体现在其覆盖的地理区域和作物类型上，为农业遥感研究提供了丰富的数据资源。
使用方法
Agriculture-Remote-Sensing-Dataset 数据集适用于多种农业遥感应用研究。研究者可以通过访问提供的下载链接获取所需数据，并结合具体的项目需求进行数据处理和分析。例如，田地边界数据可用于土地利用规划和农业管理，而Sentinel-2图像时间序列数据则适用于作物生长监测和产量预测。数据集的开放性和多样性使其成为农业遥感领域研究的重要资源。
背景与挑战
背景概述
农业遥感数据集（Agriculture-Remote-Sensing-Dataset）是由多个研究机构和项目共同构建的，旨在通过遥感技术解决农业领域的关键问题。该数据集涵盖了多个子集，如农田边界数据（fiboa）、Sentinel-2图像时间序列用于作物映射，以及大麦遥感数据集等。这些数据集的创建时间跨度较大，主要研究人员和机构包括fiboa项目团队、Kaggle数据集贡献者以及阿里云天池平台。核心研究问题集中在利用遥感技术进行精准农业、作物分类和农田管理等方面。该数据集对农业遥感领域的影响力显著，为相关研究提供了丰富的数据资源和实验基础。
当前挑战
农业遥感数据集在构建和应用过程中面临多项挑战。首先，数据集的多样性和复杂性要求高精度的数据处理和分析技术，以确保数据的准确性和可靠性。其次，遥感数据的获取和处理成本较高，涉及大量的硬件和软件资源。此外，数据集的更新和维护也是一个持续的挑战，需要不断整合新的遥感数据以反映农业环境的动态变化。最后，数据集的应用需要跨学科的合作，包括农业科学、遥感技术和数据科学等领域的专家共同参与，以解决实际的农业问题。
常用场景
经典使用场景
在农业遥感领域，Agriculture-Remote-Sensing-Dataset 数据集的经典使用场景主要集中在农田边界识别和作物类型分类。通过分析Sentinel-2卫星图像的时间序列数据，研究人员能够精确地识别和划分农田边界，这对于农业管理和规划具有重要意义。此外，该数据集还支持作物类型的分类，如大麦的遥感数据，为精准农业提供了关键信息。
衍生相关工作
基于 Agriculture-Remote-Sensing-Dataset 数据集，衍生了一系列重要的研究工作。例如，有研究利用该数据集开发了高效的农田边界识别算法，显著提升了识别精度。此外，还有研究团队基于Sentinel-2图像时间序列数据，构建了作物生长模型，为作物产量预测提供了新的方法。这些衍生工作不仅丰富了农业遥感的研究内容，也为实际应用提供了技术支持。
数据集最近研究
最新研究方向
在农业遥感领域，Agriculture-Remote-Sensing-Dataset 数据集的最新研究方向主要集中在利用高分辨率卫星图像进行精准农业管理。具体而言，研究者们通过分析Sentinel-2图像时间序列，探索其在作物类型识别和生长状态监测中的应用。此外，Field Boundaries for Agriculture (fiboa) 项目的数据集也被广泛用于农田边界自动提取和土地利用变化检测，这对于提高农业生产效率和可持续性具有重要意义。这些研究不仅推动了遥感技术在农业中的应用，还为全球粮食安全和环境保护提供了科学依据。
以上内容由AI搜集并总结生成
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
中国1km分辨率逐月降水量数据集（1901-2023）
该数据集为中国逐月降水量数据，空间分辨率为0.0083333°（约1km），时间为1901.1-2023.12。数据格式为NETCDF，即.nc格式。该数据集是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集，通过Delta空间降尺度方案在中国降尺度生成的。并且，使用496个独立气象观测点数据进行验证，验证结果可信。本数据集包含的地理空间范围是全国主要陆地（包含港澳台地区），不含南海岛礁等区域。为了便于存储，数据均为int16型存于nc文件中，降水单位为0.1mm。 nc数据可使用ArcMAP软件打开制图; 并可用Matlab软件进行提取处理，Matlab发布了读入与存储nc文件的函数，读取函数为ncread，切换到nc文件存储文件夹，语句表达为：ncread (‘XXX.nc’,‘var’, [i j t],[leni lenj lent])，其中XXX.nc为文件名，为字符串需要’’；var是从XXX.nc中读取的变量名，为字符串需要’’；i、j、t分别为读取数据的起始行、列、时间，leni、lenj、lent i分别为在行、列、时间维度上读取的长度。这样，研究区内任何地区、任何时间段均可用此函数读取。Matlab的help里面有很多关于nc数据的命令，可查看。数据坐标系统建议使用WGS84。
国家青藏高原科学数据中心 收录
CE-CSL
CE-CSL数据集是由哈尔滨工程大学智能科学与工程学院创建的中文连续手语数据集，旨在解决现有数据集在复杂环境下的局限性。该数据集包含5,988个从日常生活场景中收集的连续手语视频片段，涵盖超过70种不同的复杂背景，确保了数据集的代表性和泛化能力。数据集的创建过程严格遵循实际应用导向，通过收集大量真实场景下的手语视频材料，覆盖了广泛的情境变化和环境复杂性。CE-CSL数据集主要应用于连续手语识别领域，旨在提高手语识别技术在复杂环境中的准确性和效率，促进聋人与听人社区之间的无障碍沟通。
arXiv 收录
MUStARD++
MUStARD++是一个多模态讽刺检测数据集，由萨里大学创建，旨在通过语言、语音和视觉线索全面捕捉讽刺现象。数据集包含1202个视频样本，来源于多个流行电视节目，通过手动标注确保高质量的讽刺标签。创建过程中，研究者们通过多轮标注和验证确保数据的准确性和多样性。该数据集主要应用于自动讽刺检测，帮助机器理解并识别讽刺语境，解决讽刺识别中的多模态挑战。
arXiv 收录
Materials Project
材料项目是一组标有不同属性的化合物。数据集链接： MP 2018.6.1（69,239 个材料） MP 2019.4.1（133,420 个材料）
OpenDataLab 收录
中国食物成分数据库
食物成分数据比较准确而详细地描述农作物、水产类、畜禽肉类等人类赖以生存的基本食物的品质和营养成分含量。它是一个重要的我国公共卫生数据和营养信息资源，是提供人类基本需求和基本社会保障的先决条件；也是一个国家制定相关法规标准、实施有关营养政策、开展食品贸易和进行营养健康教育的基础，兼具学术、经济、社会等多种价值。 本数据集收录了基于2002年食物成分表的1506条食物的31项营养成分（含胆固醇）数据，657条食物的18种氨基酸数据、441条食物的32种脂肪酸数据、130条食物的碘数据、114条食物的大豆异黄酮数据。
国家人口健康科学数据中心 收录