[논문 리뷰] The GeoLifeCLEF 2023 Dataset to evaluate plant species distribution models at high spatial resolution across Europe

Christophe Botella, Benjamin Deneu외 7명|arXiv (Cornell University)|2023. 08. 07.

Species Distribution and Climate Change인용 수 6

한 줄 요약

GeoLifeCLEF 2023 데이터셋은 유럽 전역의 고해상도 식물 종 분포 모델링을 위한 기준을 제공하며, GBIF에서 수집한 500만 건의 존재기록 데이터와 2017–2021년 동안 확보된 6,000건의 철저한 존재-부재 조사 데이터를 통합하고, 10m 해상도의 위성 영상, 기후 시계열 데이터, 환경 래스터를 포함한다. 이 데이터셋은 공간 블록 테스트를 통한 딥러닝 기반 SDM의 엄격한 평가를 가능하게 하여, 미세한 규모의 생물다양성 예측에서 편향을 줄이고 이식 가능성을 향상시키는 데 중요한 자원이 된다.

ABSTRACT

The difficulty to measure or predict species community composition at fine spatio-temporal resolution and over large spatial scales severely hampers our ability to understand species assemblages and take appropriate conservation measures. Despite the progress in species distribution modeling (SDM) over the past decades, SDM have just begun to integrate high resolution remote sensing data and their predictions are still entailed by many biases due to heterogeneity of the available biodiversity observations, most often opportunistic presence only data. We designed a European scale dataset covering around ten thousand plant species to calibrate and evaluate SDM predictions of species composition in space and time at high spatial resolution (~ten meters), and their spatial transferability. For model training, we extracted and harmonized five million heterogeneous presence-only records from selected GBIF datasets and 6 thousand exhaustive presence-absence surveys both sampled during 2017-2021. We associated species observations to diverse environmental rasters classically used in SDMs, as well as to 10 m resolution RGB and Near-Infra-Red satellite images and 20 years-time series of climatic variables and satellite point values. The evaluation dataset is based on 22 thousand standardized presence-absence surveys separated from the training set with a spatial block hold out procedure. The GeoLifeCLEF 2023 dataset is open access and the first benchmark for researchers aiming to improve the prediction of plant species composition at a very fine spatial grain and at continental scale. It is a space to explore new ways of combining massive and diverse species observations and environmental information at various scales. Innovative AI-based approaches, in particular, should be among the most interesting methods to experiment with on the GeoLifeCLEF 2023 dataset.

연구 동기 및 목표

• 유럽 전역에서 약 10m 해상도의 미세한 공간 해상도와 대륙 규모에서 식물 종 조성 예측 문제를 해결하기 위해.
• 다양하고 비정형적인 기회적 존재기록 데이터로 인한 종 분포 모델(SDM)의 편향을 줄이기 위해 철저한 존재-부재 조사 데이터를 통합하기 위해.
• 미세한 공간 해상도에서 딥러닝 기반 SDM을 평가하고 향상시키기 위한 표준화되고 공개 접근이 가능한 기준 데이터셋을 만들기 위해.
• 다양한 생물다양성 관측 데이터와 다중 척도 환경 예측 변수를 융합하는 AI 기반 방법 개발을 지원하기 위해.

제안 방법

• 이 데이터셋은 2017년부터 2021년까지 수집된 정제된 GBIF 데이터셋에서 유래한 약 500만 건의 존재기록 데이터와 6,000건의 철저한 존재-부재 조사 데이터를 통합한다.
• 환경 예측 변수로는 10m 해상도의 RGB 및 근적외선 위성 영상, 20년 분량의 기후 변수 시계열 데이터, 일반적인 생기후 및 토양이용 래스터가 포함된다.
• 평가를 위해 공간 블록 테스트 절차를 통해 22,000건의 표준화된 존재-부재 조사를 분리하여, 이식 가능성 평가의 강건성을 확보한다.
• 공간 및 시간에 걸쳐 이질적인 관측 원천과 환경 변수를 일치시키기 위해 데이터 조율 및 전처리 절차를 적용한다.
• 딥러닝 모델의 학습 및 평가를 지원하도록 데이터셋을 구성하였으며, 특히 다중 모odal 입력 융합에 적합하다.
• 이 기준 평가 시스템은 다양한 유럽 생태지역의 종 집합에 대해 미세한 공간 해상도에서 모델 성능을 테스트하도록 설계되었다.

실험 결과

연구 질문

• RQ1 융합된 존재기록 및 존재-부재 데이터를 사용할 때 딥러닝 모델이 10m 공간 해상도에서 식물 종 조성 예측 성능을 얼마나 잘 수행할 수 있는가?
• RQ2 고해상도 원격 감시 및 기후 시계열 데이터는 종 분포 모델의 정확성과 이식 가능성에 얼마나 기여하는가?
• RQ3 기회적 존재기록 데이터에서 유래하는 편향은 모델 성능에 어떤 영향을 미치며, 철저한 존재-부재 조사 데이터를 통해 이를 어떻게 완화할 수 있는가?
• RQ4 이 기준 평가 시스템을 활용할 경우, 다양한 유럽 생물지역의 종 집합에 대해 AI 모델의 예측 성능는 어떠한가?
• RQ5 다중 시간적 및 다중 스펙트럼 위성 데이터의 융합은 미세한 규모의 종 분포 모델링에 어떤 영향을 미치는가?

주요 결과

• GeoLifeCLEF 2023 데이터셋은 약 10,000종의 식물 종, 500만 건의 존재기록 데이터, 2017~2021년 동안 수집된 6,000건의 철저한 존재-부재 조사 데이터를 포함한다.
• 이 데이터셋은 10m 해상도의 위성 영상과 20년 분량의 기후 변수 시계열 데이터를 포함하여 고해상도 시공간 모델링을 가능하게 한다.
• 평가 기준으로는 공간 블록 테스트를 통해 분리된 22,000건의 존재-부재 조사 데이터를 사용하여 데이터 누출을 최소화하고 강건한 이식 가능성 테스트를 가능하게 한다.
• 이 데이터셋은 공개 접근이 가능하며, 처음으로 유럽 전역에서 고해상도 식물 종 분포 모델링을 위한 기준 데이터셋으로 설계되었다.
• 표준화되고 대규모이며 다중 모달리티인 이 데이터셋을 통해 딥러닝 기반 모델과 전통적 SDM 접근 방식 간의 객관적 비교가 가능하다.
• 특히 고해상도 원격 감시 및 시계열 기후 데이터를 포함한 다양한 데이터 유형의 융합은 예측 편향을 줄이고 모델 일반화 능력을 향상시키는 기반을 마련한다.