ibm-nasa-geospatial/BioMassters

该数据集包含2016-2021年芬兰森林的Sentinel-1 SAR和Sentinel-2 MSI图像，用于估计地上生物量（AGB）。数据集包括11,462个参考AGB图像，每个AGB图像对应12个月的S1和S2图像。Sentinel-1数据每月都有，而Sentinel-2数据则没有完整的时间覆盖。所有图像的大小为256x256。数据集还包含用于Prithvi训练的额外元数据，如云百分比、损坏值和红色波段均值。数据集被分为训练集和测试集，训练集进一步分为训练和验证集。参考AGB测量使用LiDAR进行，并与现场测量校准。数据集的文件数量和大小也在README中列出。

This dataset contains Sentinel-1 SAR and Sentinel-2 MSI imagery of Finnish forests for the years 2016-2021, with a total of 11,462 reference images for Above Ground Biomass (AGB) estimation. Each AGB reference image has corresponding S1 and S2 imagery for the 12 months leading up to the AGB observation. The dataset also includes metadata such as cloud percentage, whether there are corrupt values in the image, and the mean value of the red band. The dataset is split into training and testing sets, with the training set further randomly split into training (80%) and validation (20%) sets.

搜集汇总

数据集介绍

构建方式

在全球森林碳汇监测与气候变化研究中，高精度森林生物量估计是核心挑战之一。BioMassters数据集专为此需求而设计，基于芬兰森林区域2016至2021年的哨兵一号合成孔径雷达（SAR）与哨兵二号多光谱成像仪（MSI）时序影像构建。参考数据源自激光雷达（LiDAR）结合地面实测校准的生物量测量，共收集11,462个参考图像块，每个覆盖2,560×2,560米区域。特征数据以月为时间分辨率，包含12个月的哨兵一号影像以及部分月份缺失的哨兵二号影像，后者精选10个光谱波段与1个云概率波段。此外，为适配Prithvi模型训练，数据集额外计算并存储了云百分比、异常值标记及红波段均值等元信息，并基于原始训练集随机划分出80%训练与20%验证子集。

使用方法

该数据集主要用于森林地上生物量（AGB）的回归预测任务，可支持多模态时序神经网络（如Transformer、卷积网络）的端到端训练。使用时应首先加载biomassters_chip_tracker.csv元数据文件，根据split列区分训练、验证与测试子集，并利用cloud_percentage、corrupt_values及red_mean字段对样本进行过滤，剔除高云量、含异常值或受雪盖影响的低质量样本。输入特征为哨兵一号与哨兵二号影像序列，输出目标为对应AGB参考图。数据加载推荐使用HuggingFace Datasets库，结合PyTorch或TensorFlow框架实现高效批处理。训练时需注意哨兵二号时序不完整问题，可采用掩码策略或插值方法处理缺失月份。

背景与挑战

背景概述

森林生物量是衡量陆地生态系统碳储量的关键指标，其精确估算对全球气候变化研究具有重要意义。由意大利天体物理与空间科学研究所（IAA）与NASA合作开发的BioMassters数据集，于2023年正式发布，旨在利用多模态卫星时间序列数据推动森林地上生物量（AGB）的遥感反演研究。该数据集整合了2016至2021年间芬兰森林区域的Sentinel-1 SAR雷达影像与Sentinel-2 MSI光学影像，并提供了11,462幅基于LiDAR校准的参考AGB图像，每幅对应12个月的时序观测。作为首个将合成孔径雷达与多光谱数据联合用于生物量估算的大规模基准数据集，BioMassters为深度学习模型在生态遥感领域的应用提供了标准化评估平台，显著推动了森林碳汇监测技术的发展。

当前挑战

当前数据集面临的核心挑战在于多模态时序数据的异质性与环境噪声的协同影响。首先，Sentinel-2光学影像受云层覆盖和季节性积雪干扰，导致部分月份数据缺失或存在异常反射值，需通过云概率过滤与雪地校正算法进行预处理。其次，雷达与光学数据在空间分辨率、光谱响应及时间采样密度上的差异，要求模型具备跨模态特征对齐能力。此外，构建过程中需解决参考AGB与卫星观测之间的时空匹配问题，包括LiDAR采样点与像素级影像的几何配准误差，以及因森林类型复杂（如针叶林与阔叶林混交）导致的非线性反演难题。这些挑战共同制约了生物量估算模型在芬兰以外区域的泛化能力，亟需开发鲁棒的多源数据融合策略与迁移学习框架。

常用场景

经典使用场景

BioMassters数据集的核心经典应用在于利用多模态卫星时间序列影像，实现对森林地上生物量（AGB）的高精度估算。该数据集融合了Sentinel-1合成孔径雷达（SAR）与Sentinel-2多光谱成像仪（MSI）数据，提供长达12个月的月度观测序列，为研究人员构建时空融合模型、探索雷达与光学遥感数据在森林碳储量动态监测中的协同作用提供了标准化基准。通过256×256像素的影像切片与对应的LiDAR实测AGB标签，研究者得以系统评估深度学习回归模型在复杂森林环境下的泛化能力，推动遥感生态学从静态制图向动态预测的范式转变。

解决学术问题

该数据集精准回应了森林碳循环研究中长期存在的两大瓶颈：一是传统AGB估算依赖稀疏地面样地，难以刻画空间连续分布；二是多源遥感数据存在时间不一致性与云覆盖干扰。BioMassters通过提供11,462组配准的时序影像与高精度LiDAR参考值，使学者能够量化时序信息对生物量预测精度的增益效应，并系统分析云概率、雪覆盖及异常像元等噪声因素对模型稳健性的影响。其公开的80/20训练验证划分方案，为对比不同时空注意力机制、多模态融合策略及迁移学习方法的效能建立了可复现的学术竞赛场域，显著推进了遥感大数据驱动的生态参数反演理论。

实际应用

在气候智慧林业与碳汇交易实践中，BioMassters衍生出直接的应用价值。基于该数据集训练的AGB估算模型可部署于芬兰及北方针叶林区的卫星遥感业务化监测系统，实现年度森林碳储量动态更新，替代传统耗时费力的地面清查。具体而言，模型能够利用Sentinel-1对冠层结构的穿透能力与Sentinel-2对叶绿素含量的敏感响应，在云雨频繁的北欧地区维持稳定的监测频率，为REDD+碳减排项目提供可核查的基准数据。此外，该数据集支持的时序分析技术已延伸至森林干扰（如采伐、火灾）后的碳损失快速评估，助力国家温室气体清单编制与气候政策效果量化。

数据集最近研究

最新研究方向

在气候变化与碳循环监测的紧迫需求下，森林生物量估算成为遥感与生态交叉领域的前沿热点。BioMassters数据集以芬兰森林为研究区，融合Sentinel-1 SAR与Sentinel-2 MSI多模态卫星时序影像，结合LiDAR校准的地面真值，为高分辨率地上生物量（AGB）估算提供了标准化基准。该数据集的独特价值在于其时间维度设计——每张AGB参考图对应前12个月的月度卫星观测，这为探索时序特征与森林碳储量动态关系提供了可能。当前研究重点正从单一传感器建模转向多模态时空融合，利用Transformer等架构捕捉SAR与光学数据间的互补性，同时解决Sentinel-2云覆盖导致的数据缺失问题。通过引入云百分比、异常值检测等元数据，该数据集还推动了鲁棒性训练策略的发展，例如对抗性样本过滤与自适应损失函数。这一资源不仅服务于森林管理决策，更与全球碳收支核算、REDD+减排机制等国际气候议程深度关联，其开放共享特性正加速可重复性研究向业务化监测系统的转化。