。

该数据集由kerner-lab提供#xff0c;于2024年8月28日发布#xff0c;主要特征包括…Fields

The

是一个面向农业田地边界实例分割的基准数据集旨在推动机器学习模型的发展满足全球农业监测对高精度、可扩展的田地边界数据的需求。

该数据集由kerner-lab提供于2024年8月28日发布主要特征包括

广泛的地理覆盖跨越欧洲、非洲、亚洲和南美洲的24个国家覆盖多样化的农业景观有助于模型泛化至不同农业实践和田地类型。

大规模数据集包含约160万田块边界及7万多个样本每个样本包含实例和语义分割掩膜搭配多时间、多光谱的Sentinel-2卫星图像支持详细的时间和光谱分析。

多类别分割提供实例分割掩膜识别单个田地和语义分割掩膜包括背景、多边形田地、边界等类别。

光谱和时间丰富性数据集包含红、绿、蓝和近红外光谱波段并提供多时间图像捕捉生长期的不同阶段图像日期通过USDA作物日历和云量筛选确定。

完善的数据集划分数据集按训练、验证和测试集划分使用块状随机分割策略避免空间自相关确保模型评估的准确性。

详尽的元数据与文档提供关于国家、作物类型、季节、收集年份、网格结构等关键信息帮助用户有效使用数据集。

下载链接https://source.coop/repositories/kerner-lab/fields-of-***-world/description

下载之后的影像是tif格式但边界是parquet格式。

提供一个转为shapefile格式的代码亲测适用于这个数据。

import

read_parquet_with_fallback(parquet_path):try:#

尝试使用

convert_to_shapefile(parquet_path,

shapefile_path,

read_parquet_with_fallback(parquet_path)if

None:print(无法读取

df.select_dtypes(include[Int32,

将所有

df.select_dtypes(include[datetime64[ns],

datetime64[ms,

gdf.to_crs(output_crs)else:print(文件缺少几何信息geometry

保存为

Shapefiletry:gdf.to_file(shapefile_path,

driverESRI

convert_to_shapefile(parquet_pathrD:\***.parquet,shapefile_pathrD:\***.shp,input_crsEPSG:4326,

输出坐标系