摘要：面向热带农林复合系统树木检测、地上生物量估算与森林碳储量监测构建的高分辨率无人机遥感数据集。
数据集概述
面向热带农林复合系统树木检测、地上生物量估算与森林碳储量监测构建的高分辨率无人机遥感数据集。数据采集于厄瓜多尔多个农林复合经营区域，通过大疆 Phantom 4 Pro 无人机获取高分辨率 RGB 正射影像，并结合实地树木调查数据，为每棵调查树木提供树种、胸径、GPS 坐标和地上生物量等信息。数据集的核心目标是利用机器学习和计算机视觉方法，从无人机航拍影像中自动识别树木并估算地上生物量（Above-Ground Biomass，AGB），从而降低传统森林样地人工调查的成本，并支持森林恢复、农业生态监测及碳储量评估等研究。
数据结构与关键特征
无人机影像的地面采样距离约为 2 厘米/像素，具有较高空间分辨率，可以清晰观察单株树冠的形状、颜色、纹理及阴影等细节。大型正射影像被切分为 4000×4000 像素的 RGB 图块，每个图块约覆盖 80×80 米的实际地面范围，数据集共包含约 100 个图块。影像按照不同农林复合经营地点存储在 tiles 目录中。
实地调查数据保存在 field_data.csv 中，每一行对应一棵实地调查树木，主要记录树种名称、胸径（DBH）、GPS 坐标以及物种组等信息。物种组主要包括香蕉、可可、柑橘、水果、木材及其他类别。研究人员依据胸径和树种相关异速生长方程计算每棵树的地上生物量，并以千克为单位记录 AGB 估算值。
数据集还利用 DeepForest 模型对无人机影像中的树冠进行自动检测，并通过人工校正生成树冠边界框。mapping/final_dataset.csv 将图像、目标框和地面调查数据统一关联，其中包含 img_path、xmin、ymin、xmax、ymax、name、group 和 AGB 等关键字段，可同时支持树冠目标检测、树种分类和生物量回归预测。由于树冠位置与实地 GPS 数据之间可能存在数米误差，因此部分样本可能存在边界框与实测树木匹配误差，这也是该数据集需要重点考虑的标签噪声来源。
应用价值与研究方向
该数据集适用于树冠目标检测、树种识别、地上生物量估算、森林碳储量评估、农林复合系统监测以及智慧林业等研究方向。目标检测任务可采用 YOLOv8、YOLO11、Faster R-CNN、RT-DETR 或 DeepForest 等模型定位单株树冠；树种和物种组识别可以采用 ResNet、EfficientNet、ConvNeXt 或 Vision Transformer 等模型进行分类；地上生物量预测则可以将树冠视觉特征、边界框尺度、树种信息与胸径等结构化特征结合，使用 Random Forest、XGBoost、LightGBM 或深度神经网络构建回归模型。
进一步还可以研究树冠检测与 AGB 联合预测、多模态遥感与实测数据融合、GPS 标签误差鲁棒学习、不同农林经营区域的跨域泛化以及无人机大范围碳储量制图。该数据集对于植树造林效果监测、REDD+ 碳核算、自愿碳市场验证、国家温室气体清单以及热带农林生态系统长期监测具有较高的研究和应用价值。。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-838
文件大小：48M
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)