AdaTreeFormer-Jiangsu 江苏高分辨率树木检测数据集

该数据集是中国东部平原丘陵区高分辨率树木计数与定位数据集 (High-resolution tree counting and localization dataset in plain and hilly areas of eastern China) 。

被同济大学和伦敦国王学院于 2024 年在论文「AdaTreeFormer: Few shot domain adaptation for tree counting from a single high-resolution image」中使用。该论文被「ISPRS Journal of Photogrammetry and Remote Sensing」接受，论文使用了三个数据集：伦敦数据集、江苏数据集和约塞米蒂数据集。

该数据集提供了江苏高分辨率树木检测数据集。

• 位置：中国江苏省
• 景观类型：农田、郊区、城市、住宅区
• 每张图像的平均树木数量：276
• 总树木数量：664,487
• 图像分辨率：0.8 米
• 数据划分：训练集：1920 张图像, 测试集：480 张图像

江苏数据集包括了多样化的景观类型，如农田和郊区，树木密度相对较高。这种多样性为模型在不同环境下的适应性提供了良好的测试条件。

数据集背景

树木是维持全球生物多样性和地球健康的中心生物，对生物地球化学循环有广泛贡献，并提供无数的生态系统服务，包括水质控制、木材储量和碳封存。树木密度是生态系统结构的重要组成部分，控制着元素处理和保留的速率，以及许多动植物物种的栖息地适宜性。特定区域的树木数量也可以作为指导森林管理实践和为公共和政府部门决策提供参考的重要指标。然而，由于树木分布复杂，利用遥感技术在较大的空间尺度上高效、有效地获取树木数量一直是一项挑战。为了满足日益增长的单株树木尺度研究需求，我们基于 GF-Ⅱ遥感影像制作了树木计数数据集，空间分辨率为 0.8m 。该数据集包含温带和亚热带平原和丘陵不同地质情景下的 2400 个样本，包括野生林地、城市和农村地区。每个样本对由遥感图像、树木注释和高斯卷积生成的树木密度图组成。交叉验证实验表明，常见的计数网络在地面实况和估计值之间的判定系数（R ²）方面可以达到竞争性性能（高于 0.93），平均准确率大于 84% 。该数据集可用于树木密度估计、树木计数和树木定位研究，从而促进生物学分析并促进依赖于单个树木预测的任务的模型开发。