近日，一个国际研究团队在arXiv上发布了首个全球农田地块边界数据集，空间分辨率达到10米，覆盖2024和2025年两个年份。该数据集由31.7亿个遥感地块多边形组成，其中2024年约16.2亿个，2025年约15.5亿个，涵盖241个国家和地区。研究团队采用U-Net分割模型，在“世界田野”数据集上训练，并将其应用于无云的哨兵二号卫星影像镶嵌图，从而生成了这一全球一致的地块边界图。此前，全球农业遥感产品大多停留在像素级别，虽然存在一些高质量的地块级数据产品，但它们要么来自仅覆盖欧洲部分地区的土地登记册，要么是针对单个国家的机器学习产品。因此，这一全球统一的开放数据集填补了重要空白。
验证结果表明，该地图性能出色。在24个国家的实地地块边界验证中，平均像素级召回率达到0.85，其中14个国家超过0.90。此外，在奥地利、拉脱维亚和芬兰三个国家的全国范围评估中，F1分数分别达到0.89、0.88和0.74。由于全球验证参考数据本身不完整，团队还附带了一个500米分辨率的置信度图层，用于标识预测可靠的区域，这允许用户在使用时谨慎评估数据质量。
该数据集以三种全球地图的形式开放发布：默认的置信度阈值化地块边界图、完整的未过滤数据集，以及连续值的置信度栅格图。这些地图首次为全球作物监测、粮食安全评估及下游农业科学提供了统一的田间尺度分析单元。研究人员表示，这一开放资源将极大地推动农业遥感领域的发展，并为政策制定者和农民提供更精准的决策支持。例如，利用这些地图可以更准确地估算作物产量、优化农业管理决策，并在全球范围内追踪粮食生产的变化。该论文由Caleb Robinson等12位作者共同完成，已提交至arXiv，并计划在正式期刊上发表。