HyperAIHyperAI
il y a 2 mois

SICKLE : Un Jeu de Données d'Imagerie Satellitaire Multisenseur Annoté avec Plusieurs Paramètres Clés de Culture

Sani, Depanshu ; Mahato, Sandeep ; Saini, Sourabh ; Agarwal, Harsh Kumar ; Devshali, Charu Chandra ; Anand, Saket ; Arora, Gaurav ; Jayaraman, Thiagarajan
SICKLE : Un Jeu de Données d'Imagerie Satellitaire Multisenseur Annoté avec
Plusieurs Paramètres Clés de Culture
Résumé

La disponibilité de jeux de données bien curatés a été un facteur clé du succès des modèles d'Apprentissage Automatique (AA). Malgré un accès accru aux données d'observation terrestre dans le domaine agricole, il existe une pénurie de jeux de données curatés et étiquetés, ce qui limite le potentiel de leur utilisation pour l'entraînement des modèles d'AA en télédétection (TD) agricole. À cet égard, nous présentons SICKLE, un jeu de données unique en son genre, composé d'une série temporelle d'images multi-résolution provenant de trois satellites distincts : Landsat-8, Sentinel-1 et Sentinel-2. Notre jeu de données inclut des capteurs multi-spectraux, thermiques et à micro-ondes sur la période allant de janvier 2018 à mars 2021. Nous avons construit chaque séquence temporelle en tenant compte des pratiques culturales suivies par les agriculteurs principalement engagés dans la culture du riz dans la région du Delta de la Cauvery, au Tamil Nadu, en Inde ; et nous avons annoté les images correspondantes avec des paramètres clés liés à la culture à plusieurs résolutions (c'est-à-dire 3 mètres, 10 mètres et 30 mètres). Notre jeu de données comprend 2 370 échantillons saisonniers issus de 388 parcelles uniques, ayant une taille moyenne de 0,38 acre, pour classifier 21 types de cultures dans les 4 districts du Delta, ce qui représente environ 209 000 images satellites. Parmi ces 2 370 échantillons, 351 échantillons de riz provenant de 145 parcelles sont annotés avec plusieurs paramètres culturals ; tels que la variété de riz, sa période de croissance et sa productivité en termes de rendement par acre. Notre étude est également l'une des premières à considérer les activités saisonnières liées à la phénologie des cultures (couvrant les dates semis, transplantation et récolte) comme des paramètres d'intérêt. Nous évaluons SICKLE sur trois tâches : classification du type de culture, phénologie des cultures (semis, transplantation, récolte) et prédiction du rendement.