SICKLE: 다중 센서 위성 영상 데이터셋으로 여러 주요 농작물 매개변수 주석 포함

잘 정리된 데이터셋의 활용 가능성이 머신 러닝(ML) 모델의 성공을 견인하였습니다. 농업 분야에서 지구 관측 데이터에 대한 접근성이 향상되었음에도 불구하고, 정리되고 라벨링된 데이터셋이 부족하여 이 데이터를 이용한 농업 원격 감시(RS) ML 모델 훈련의 잠재력이 제한되고 있습니다. 이에 우리는 SICKLE이라는 이름의 독특한 데이터셋을 소개합니다. 이 데이터셋은 Landsat-8, Sentinel-1, Sentinel-2라는 3개의 서로 다른 위성에서 얻은 다중 해상도 시간 시리즈 영상을 포함하고 있습니다.우리의 데이터셋은 2018년 1월부터 2021년 3월까지의 다중 스펙트럼, 열적 및 마이크로파 센서 정보를 포함합니다. 인도 타밀나두 주 캐우베리 델타 지역에서 주로 벼 재배를 하는 농부들이 따르는 재배 방법을 고려하여 각 시간 시퀀스를 구성하였으며, 해당 영상을 여러 해상도(즉, 3m, 10m, 30m)에서 주요 재배 매개변수로 주석 처리하였습니다. 우리의 데이터셋은 총 4개 구역에 걸쳐 21종의 작물 유형을 분류하기 위한 평균 면적 0.38에이커인 388개의 고유 필지에서 얻은 계절별 샘플 2,370건으로 구성되어 있으며, 이는 약 209,000장의 위성 이미지를 포함합니다.2,370개 샘플 중 벼 샘플 351건(145필지)은 벼 품종, 생육 기간 및 에이커당 수량 등 여러 작물 매개변수로 주석 처리되었습니다. 또한 우리 연구는 작물 현상학(plant phenology)과 관련된 생육 기간 활동(파종일, 이식일, 수확일)을 관심 매개변수로 고려하는 최초의 연구 중 하나입니다.SICKLE을 세 가지 작업에 대해 벤치마킹 하였습니다: 작물 유형 분류, 작물 현상학(파종, 이식, 수확) 예측 및 수량 예측입니다.