加利福尼亚州工厂农场的综合数据集,使用计算机视觉和人类验证编制
Varun Magesh1, Nicolas Rothbacher1, Saskia Comess1,2
1Stanford Regulation, Evaluation and Governance Lab, Stanford Law School, Stanford University, Stanford, CA, USA.
Scientific data
|November 19, 2025
概括
一个新的数据集,Cal-FF,提供了加利福尼亚州集中养动物操作 (CAFO) 的全面普查. 该资源通过提供比以前可用的更丰富的设施数据来改善环境和人类健康影响研究.
科学领域:
- 环境科学 环境科学
- 农业科学 农业科学
- 公共卫生 公共卫生
背景情况:
- 集中养动物操作 (CAFO) 带来了重大的环境和人类健康风险.
- 关于CAFO的有限的公共数据阻碍了对附近社区的影响评估.
- 由于在许可和报告方面存在差距,现有的行政记录不足.
研究的目的:
- 创建加利福尼亚州CAFO的近乎完整的人口普查,并增强数据.
- 克服CAFO研究的行政记录的局限性.
- 促进对CAFO影响的研究和监测.
主要方法:
- 在卫星图像上利用计算机视觉用于CAFO识别.
- 集成广泛的人类验证数据准确性.
- 专注于加利福尼亚州,这是一个主要的畜牧生产者和监管创新者.
主要成果:
- 开发了Cal-FF,这是2,121个CAFO设施的数据集,截至2017年,捕获了加利福尼亚CAFO的98%
- 确定了222个CAFO地点,这些地点不在现有的州监管记录中.
- Cal-FF包括验证的许可数据,土地信息,卫星图像和注释功能.
结论:
- 与行政数据相比,Cal-FF为研究CAFO提供了显著改进的资源.
- 数据集提高了准确性,为研究和监测提供了更丰富的细节.
- 这一全面的普查支持更好地了解和管理CAFO的影响.


