[论文解读] The GeoLifeCLEF 2023 Dataset to evaluate plant species distribution models at high spatial resolution across Europe

Christophe Botella, Benjamin Deneu+7 more|arXiv (Cornell University)|Aug 7, 2023

Species Distribution and Climate Change被引用 6

一句话总结

GeoLifeCLEF 2023 数据集为欧洲范围内的高分辨率植物物种分布建模提供了基准，整合了来自 GBIF 的 500 万条仅存在记录以及 2017 至 2021 年间收集的 6,000 份详尽的有无记录调查，结合了 10 米分辨率的卫星影像、气候时间序列和环境栅格数据。该数据集通过空间块保留法，为基于深度学习的 SDM 提供了严格的评估方法，是减少偏差并提升细尺度生物多样性预测可迁移性的重要资源。

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.

研究动机与目标

• 为解决在欧洲大陆尺度上以高空间分辨率（约 10 米）预测植物物种组成的问题。
• 通过整合详尽的有无记录调查，减少因异质性、机会性仅存在记录数据而引起的物种分布模型（SDM）偏差。
• 创建一个标准化、开放获取的基准数据集，用于在细空间粒度下评估和改进基于深度学习的 SDM。
• 支持开发结合大规模、多样化生物多样性观测与多尺度环境预测因子的 AI 驱动方法。

提出的方法

• 该数据集整合了来自经过筛选的 GBIF 数据集的 500 万条仅存在记录，以及 2017 至 2021 年间收集的 6,000 份详尽的有无记录调查。
• 环境预测因子包括 10 米分辨率的 RGB 和近红外卫星影像、20 年的气候变量时间序列，以及标准的生物气候和土地覆盖栅格数据。
• 采用空间块保留程序，将 22,000 份标准化的有无记录调查用于评估，确保可迁移性评估的稳健性。
• 应用数据调和与预处理，以在空间和时间上对齐异质的观测源和环境变量。
• 该数据集的结构支持深度学习模型的训练与评估，尤其适用于多模态输入融合。
• 该基准旨在测试模型在不同欧洲生物群落中对物种群落的预测性能，具备细粒度的空间分辨率。

实验结果

研究问题

• RQ1 基于融合的仅存在记录与有无记录数据，深度学习模型在 10 米空间分辨率下预测植物物种组成的能力如何？
• RQ2 高分辨率遥感与气候时间序列在多大程度上提升了物种分布模型的准确性和可迁移性？
• RQ3 机会性仅存在记录数据中的偏差如何影响模型性能？如何通过详尽的有无记录调查来缓解这些偏差？
• RQ4 利用该基准，AI 模型在不同欧洲生物地理区域的物种群落预测性能如何？
• RQ5 多时相与多光谱卫星数据的整合在多大程度上增强了细尺度物种分布建模？

主要发现

• GeoLifeCLEF 2023 数据集包含约 10,000 种植物、500 万条仅存在记录，以及 2017 至 2021 年间收集的 6,000 份详尽的有无记录调查。
• 该数据集包含 10 米分辨率的卫星影像和 20 年的气候变量时间序列，支持高分辨率时空建模。
• 评估基于通过空间块保留法分离出的 22,000 份有无记录调查，最大限度减少数据泄露，并支持稳健的可迁移性测试。
• 该数据集为开放获取，并被设计为欧洲范围内高分辨率植物物种分布建模的首个基准。
• 它支持在标准化、大规模、多模态数据集上对深度学习与传统 SDM 方法进行客观比较。
• 多种数据类型的整合——尤其是高分辨率遥感与时间序列气候数据——为减少预测偏差和提升模型泛化能力奠定了基础。