Ai2 推出热带作物测绘基准 PLANTEUR

热带作物测绘基准

基础模型和开放数据正在推动遥感机器学习的快速进展，而基准在理解模型改进方面发挥着关键作用。得益于高质量的标签和地理空间元数据，PASTIS 是社区最受信任的基准之一。它还代表着一个重要问题。作物类型测绘是粮食安全规划、水资源分配以及追踪农田变化的起点。然而，其覆盖范围仅限于法国本土。我们推出 PLANTEUR，这是 PASTIS 向六个热带地区的扩展，希望构建地理空间基础模型的团队能够检验其模型在测绘可能最具价值的农业系统中是否表现良好：小农、热带、地形复杂。

PLANTEUR 包含什么

PLANTEUR 与 PASTIS 基于同一可靠数据源——法国的地块识别系统——构建，覆盖留尼汪、瓜德罗普、马提尼克、法属圭亚那、马约特和圣马丁。为了让 PLANTEUR 易于接入现有的评估流程，其格式与 PASTIS 高度相似：2,750 条对齐的 Sentinel-2、Sentinel-1 和 Landsat-8 时间序列，以及覆盖七个作物类别（包括甘蔗、香蕉、菠萝和热带块茎作物（木薯、山药和芋头等根茎作物））的 4,506 km² 地块衍生标签。

我们提供了若干线性探针和监督方法在标准划分、留一岛划分、少样本设置，甚至包含 PASTIS 样本作为训练数据的设置下的基线数值。这些基线在新地点引入了新挑战，例如在热带地区表现良好、泛化到未见地区、从稀缺标签中学习，以及跨农业系统迁移知识。

它开辟了什么，以及还有多远的路要走

我们构建 PLANTEUR 是为了增加遥感基准的地理多样性。借助 PASTIS 数据集的成功，我们希望为遥感模型的构建者提供一种方式，来评估其模型在许多不同地理区域进行作物类型测绘的效果。

我们评估的每一种方法（包括我们自己的方法）在 PLANTEUR 上的得分都明显低于在 PASTIS 上的得分，而且每个模型在训练中从未见过的小岛上测试时，准确率大约下降一半。正如 PASTIS 激励社区为法国本土的作物测绘开发强有力方法一样，我们希望 PLANTEUR 也能激励社区开发在热带环境中同样表现良好的方法。

PLANTEUR 已在 Hugging Face 和 GitHub 上发布。