CropNet
Conjunto de datos multimodales a gran escala que combina imágenes de satélite Sentinel-2, datos meteorológicos de alta resolución y datos agrícolas del USDA, alineados espacial y temporalmente para la predicción de los rendimientos agrícolas a nivel de condado en los Estados Unidos.
Datos multimodales que cubren 2200 condados de EE. UU., 6 años (2017-2022), imágenes de satélite, datos meteorológicos, datos tabulares agrícolas
CC BY 4.0
Descripción
El conjunto de datos CropNet incluye tres modalidades de datos: imágenes de Sentinel-2, datos meteorológicos del WRF-HRRR y datos agrícolas del USDA, que abarcan 2200 condados de los Estados Unidos durante 6 años (2017-2022). Estos datos están alineados espacial y temporalmente para facilitar el entrenamiento de modelos de aprendizaje profundo destinados a predecir con precisión los rendimientos agrícolas teniendo en cuenta las variaciones climáticas y meteorológicas.
¿Para qué sirve este conjunto de datos?
- Predicción precisa de los rendimientos agrícolas a nivel de condado
- Estudio sobre el impacto del cambio climático en la agricultura
- Desarrollo de modelos multimodales que combinan imágenes y datos tabulares
¿Se puede enriquecer o mejorar?
Este conjunto de datos se puede enriquecer añadiendo datos climáticos adicionales, anotando fenómenos agrícolas específicos o integrando datos socioeconómicos para realizar análisis más exhaustivos.
🔎 En resumen
🧠 Recomendado para
- Investigadores de agricultura de precisión
- Climatología
- Los científicos de datos en el aprendizaje profundo multimodal
🔧 Herramientas compatibles
- PyTorch
- TensorFlow
- Conjuntos de datos de Hugging Face
- Herramientas SIG
💡 Consejo
Alinee cuidadosamente las modalidades de tiempo para optimizar el rendimiento predictivo.
Preguntas frecuentes
¿Qué métodos de datos se incluyen en CropNet?
Sentinel-2 (imágenes de satélite), datos meteorológicos del WRF-HRRR y datos agrícolas a nivel de condado del USDA.
¿Este conjunto de datos cubre regiones fuera de los Estados Unidos?
No, se limita a los 2.200 condados contiguos de los Estados Unidos.
¿Este conjunto de datos es adecuado para la capacitación con recursos modestos?
Al ser grande y multimodal, requiere importantes recursos de capacitación.
