SICKLE: 複数の主要な農業パラメータでアノテーションされた多センサ衛星画像データセット

適切に整理されたデータセットの可用性が機械学習（ML）モデルの成功を後押ししてきました。農業分野では地球観測データへのアクセスが増加していますが、整理され且つラベリングされたデータセットの不足により、リモートセンシング（RS）用のMLモデルの訓練におけるその利用可能性が制限されています。この課題に対処するため、我々は初めての試みとして、SICKLEと呼ばれるデータセットを紹介します。このデータセットは、Landsat-8、Sentinel-1、Sentinel-2という3つの異なる衛星から得られる多解像度時系列画像で構成されています。当該データセットには、2018年1月から2021年3月までの期間において、多スペクトルセンサ、熱センサおよびマイクロ波センサからのデータが含まれています。各時系列は、インド・タミルナド州カウVERYデルタ地域で主に稲作を行う農家が採用している栽培方法に基づいて構築されており、対応する画像には複数の解像度（すなわち3m、10mおよび30m）での主要な栽培パラメータが注釈されています。当該データセットは、平均面積0.38エーカーの388の固有区画から得られた季節ごとのサンプル2,370件で構成されており、デルタ地域内の4つの県で21種類の作物を分類するために約209,000枚の衛星画像を使用しています。2,370件のサンプルの中で、145区画からの351件の稲サンプルには複数の作物パラメータ（例えば稲の品種、生育期およびエーカーあたりの収量）が注釈されています。また本研究は、作物生育期に関連する活動（播種日、移植日および収穫日を含む）を興味のあるパラメータとして考慮した最初の一連の研究の中でもあります。我々はSICKLEを作物タイプ分類、作物生育期（播種日、移植日および収穫日）推定および収量予測という3つのタスクについてベンチマークを行いました。