HyBEAR: a hyperspectral benchmark for bare soil detection
Agata M. Wijata · Bogdan Ruszczak · Adriana Niepala 等 7 人
提出HyBEAR高光谱航空影像基准数据集，用于整田块裸土检测。
2米分辨率高光谱航空影像，专家验证的田块级像素标注，含训练测试划分与基线模型。
构建了迄今最大（43225公顷）且异质的裸土检测数据集，并给出可复现的评估流程与基线结果。
可基于该基准探索田块级裸土检测的迁移学习与多光谱/高光谱融合方法，并关联土壤参数反演。
发布迄今最大规模高光谱裸土检测基准数据集，含像素级标注与基线结果，对精准农业土壤分析有实质推动。
在多种精准农业（PA）应用中，裸土区域检测是对地观测数据分析的重要步骤，其重点在于量化土壤性质和评估土壤质量。本文介绍了HyBEAR基准——一个全新的大规模高分辨率高光谱航空影像数据集（地面采样距离为2 m），并附有经领域专家验证的人工裸土标注。通常，裸土检测问题在像素层面进行处理，即检测方法将所有像素分类为裸土或背景。与此方法不同，我们为整个农业地块提供像素级标注（如果地块被标记为裸土，则该地块内的所有像素均被相应标记），旨在支持开发能够识别无植被整块田地的方法。通常，此类田地会经过进一步分析以确定特定的土壤参数和特征，这些在规划施肥等各种精准农业活动时至关重要。HyBEAR基准包含：（i）迄今为止规模最大（108 064 591个像素，对应43 225公顷）且最具异质性的裸土检测数据集；（ii）验证流程（训练-测试划分和质量指标）以及一组基线结果，这些结果是在一组机器学习裸土检测模型上获得的。从HyBEAR中全部1954幅图像（我们将其划分为5个空间不相交的折）中，我们额外选择了一个随机分层子集（MINI），该子集可能有助于设计和验证裸土检测算法。总体而言，HyBEAR朝着以全面、可复现且无偏见的方式标准化社区构建和对比裸土检测算法的方向迈出了一步。该数据集已在Zenodo上公开：https://doi.org/10.5281/zenodo.17607897（Wijata et al., 2025）。