PureForest
קוד פתוחIGNFetalab-2.02024-03-05
המאגר כולל מעל 135 אלף דגימות של צילומי אוויר ברזולוציה גבוהה וענני נקודות ליידאר מצרפת. הוא נבנה במיוחד לאימון מודלים לזיהוי וסיווג מיני עצים ביערות עם מין דומיננטי יחיד.
- 538הורדות בחודש
- 20לייקים
מה זה
הנתונים מורכבים מ־135,569 מקטעים בגודל 50 על 50 מטר, המכסים שטח כולל של 339 קמ״ר מתוך 449 יערות שונים בצרפת, בעיקר מאזור הדרום. כל מקטע מגיע בשני אופנים: תצלום אוויר ברזולוציה של 0.2 מטר לפיקסל בארבעה ערוצים (אינפרא אדום קרוב, אדום, ירוק וכחול), וענן נקודות ליידאר אווירי בצפיפות של כ־40 נקודות למ״ר שנצבעו אנכית לפי התצלומים.
התיוג מכיל 13 מחלקות סמנטיות המאגדות 18 מיני עצים, כאשר כל מקטע מייצג יער חד מיני עם תווית אחת בלבד. התהליך התבסס על פוליגונים ממאגר היערות הלאומי של צרפת ונתוני אמת מהשטח, שעברו סינון ואימות בידי מפענחי תצלומי אוויר מומחים של סוכנות המיפוי הצרפתית.
החלוקה למערכי הנתונים נעשתה ברמת היער השלם כדי למנוע דליפת מידע מרחבית. יער שמופיע באימון לא יופיע בוולידציה או בבדיקה. בפועל יש 69,111 מקטעים באימון, 13,523 בוולידציה ו־52,935 במערך הבדיקה.
מתאים ל
- סיווג עצים רב שכבתי
אימון רשתות המשלבות ענני נקודות תלת ממדיים עם תצלומי אוויר רב ספקטרליים לזיהוי מינים.
- ניתוח יערות ממצלמות רחפן
הערכת ביצועים של מודלי ראייה ממוחשבת על ערוצי אינפרא אדום קרוב למיפוי חורשות.
- בדיקת הכללה מרחבית
בחינת יכולת הכללה של אלגוריתמים גיאוגרפיים בעזרת הפרדה מוחלטת בין אזורי יער שונים.
איפה זה נופל
הנתונים מוגבלים גיאוגרפית לדרום צרפת וליערות חד מיניים בלבד, מה שאומר שהמודל יתקשה מאוד ביערות מעורבים או בצמחייה מזרח תיכונית וישראלית שלא מיוצגת שם. בנוסף, קיים חוסר איזון חריף בין המחלקות: אלון נשיר תופס יותר ממחצית ממערך הבדיקה וכרבע ממערך האימון, בזמן שמינים כמו אשוח או דאגלס מגרדים שברירי אחוזים. הפער של עד שלוש שנים בין צילום התמונה לסריקת הליידאר עלול לייצר חוסר התאמה מבני אם העצים צמחו או נכרתו בזמן הזה.
שאלות
נפוצות
האם מותר להשתמש בדאטהסט לפיתוח מוצר מסחרי?
כן, רישיון etalab-2.0 מתיר שימוש מסחרי מלא ללא תשלום תמלוגים. הדרישה המרכזית היא מתן קרדיט וייחוס מתאים לסוכנות המיפוי הצרפתית IGN בהתאם לתנאי הרישיון.
האם הדאטהסט רלוונטי לזיהוי עצים בישראל?
באופן חלקי מאוד. המאגר כולל מינים מסוימים שגדלים בארץ כמו אורן ירושלים, אך רוב המינים והסביבה האקלימית שייכים לדרום צרפת. בנוסף, הוא נאסף ביערות חד מיניים הומוגניים, תנאי שאינו מייצג שטחים פתוחים טבעיים בישראל.
כיצד נאספו הנתונים?
הנתונים משלבים שתי תוכניות מיפוי לאומיות בצרפת. ענני הנקודות נסרקו מהאוויר באמצעות ליידאר בצפיפות גבוהה, ותצלומי האוויר נדגמו ברזולוציה של 20 ס״מ. התיוג נלקח ממאגר היערות הלאומי ועבר אימות ידני על ידי מומחי פענוח.
האם קיים פער זמנים בין תמונות האוויר לענני הליידאר?
כן, שתי המדידות לא בוצעו בו זמנית. ייתכן פער של עד שלוש שנים בין מועד צילום התמונה האווירית לבין סריקת הליידאר של אותו תא שטח, ושנת הדגימה של כל שכבה מצורפת במטא דאטה.
איך טוענים
המאגר פתוח לציבור ללא צורך בהרשאה מיוחדת ומחולק ל־44 קבצים, כולל ארכיוני זיפ של תמונות לפי מינים ספציפיים. כל מקטע תמונה מגיע במידות של 250 על 250 פיקסלים. סדר הערוצים הוא אינפרא אדום קרוב, אדום, ירוק וכחול, ולכן אם המודל שלכם מצפה למבנה RGB סטנדרטי תצטרכו להמיר את סדר הערוצים בטעינה. שנת הדגימה מופיעה כמטא דאטה וחשוב לקרוא אותה, מאחר שיש פער של עד שלוש שנים בין מועד טיסת הצילום לבין סריקת הליידאר באותו תא שטח.
from datasets import load_dataset
ds = load_dataset("IGNF/PureForest")הרישיון
הרישיון הוא etalab-2.0 של ממשלת צרפת. הוא מתיר שימוש מסחרי ומחקר חופשי, כולל אימון מודלים והפצה שלהם, בתנאי שנותנים ייחוס הולם ליוצרים המקוריים. הרישיון תואם לרישיונות פתוחים מוכרים כמו CC-BY, ואינו דורש שיתוף של תוצרי הפיתוח או המודלים המאומנים תחת אותו הרישיון.