加州集中式动物饲养操作（CAFOs）的高精度地理空间数据集构建：计算机视觉与人工验证融合的实证研究

《Scientific Data》：A Comprehensive Dataset of Factory Farms in California Compiled Using Computer Vision and Human Validation

针对加州集中式动物饲养操作（CAFOs）监管数据缺失、位置信息不准确等问题，斯坦福大学团队通过计算机视觉（YOLOv3模型）分析卫星影像，结合多轮人工验证，构建了涵盖2121个设施的近全普查数据集Cal-FF。该数据集捕获了全州98%（95% CI [82%, 98%]）的CAFOs，发现222个未在监管记录中登记的设施，并补充了设施建造时间、动物类型、排污许可等丰富元数据。研究为环境暴露评估、政策效应分析和公共卫生研究提供了高精度空间数据支撑，发表于《Scientific Data》。

　　

集中式动物饲养操作（Concentrated Animal Feeding Operations, CAFOs）作为现代畜牧业的核心模式，在高效生产动物产品的同时，也带来了严峻的环境与健康挑战。大量动物粪便的集中排放导致氨、磷等污染物渗入水体，畜牧业更是美国人为甲烷排放的主要来源。然而，想要精准评估CAFOs对周边社区的环境影响与健康风险，研究者们首先面临一个基础性难题：连这些设施的确切位置、数量与特征都难以摸清。政府监管记录中存在大量信息缺失、坐标错误或重复登记问题，例如加州官方记录的3761个排污许可中，近四分之一未报告饲养数量，数百个许可地址重复或仅标注“加州”。数据质量的参差不齐严重制约了相关政策的制定与效果评估。

为解决这一数据瓶颈，斯坦福大学监管、评估与治理实验室（Regulation, Evaluation, and Governance Lab）联合多所高校与研究机构，在《Scientific Data》上发表了题为“A Comprehensive Dataset of Factory Farms in California Compiled Using Computer Vision and Human Validation”的研究论文。该研究创新性地融合计算机视觉与人工验证，构建了迄今最全面的加州CAFOs地理空间数据集——Cal-FF，不仅显著提升了设施识别的准确性与完整性，更丰富了每个设施的时空与属性信息，为环境暴露科学、政策评估与公共卫生研究提供了坚实的数据基础。

研究团队采用“模型检测-人工验证-元数据标注”的递进流程。首先，基于YOLOv3架构训练计算机视觉模型，利用来自美国中西部及加州已知CAFO位置的8479个设施、57236个建筑边界框进行训练，进而对加州2016–2018年国家农业影像计划（NAIP）的49.6万张卫星影像进行推理，检测潜在CAFO建筑。为降低误报，研究屏蔽了人口普查划定的城市区域（占州面积5.08%），并针对模型置信度≥0.5的影像、含许可坐标的影像及邻近已确认设施的影像进行全量人工核验。标注人员依据视觉特征（如废水 lagoon、通风口、饲料存储设施）判定CAFO，并通过Google地图、街景辅助验证，科恩卡帕值为0.73，显示较高标注一致性。

关键步骤还包括设施聚类与元数据标注。研究将空间邻近（如建筑间距<400米且业主名称相似）或同属一地块的建筑聚合为单一设施，最终将24818个建筑归并为2121个设施。每个设施进一步标注动物类型（基于许可记录或视觉启发式规则，如宽棚为牛/猪、窄棚为家禽）、建造与废弃时间范围（通过Google Earth历史影像回溯）、以及排污许可匹配（分为“最佳匹配”——许可地址与设施距离<200米且无歧义；“扩展匹配”——距离<1公里）。此外，通过分层抽样未标注影像，估计数据集的覆盖率达98%（95% CI [82%, 98%]）。

数据完整性验证

通过三阶段人工核验（建筑标注、建造时间判定、动物类型识别）严格控制假阳性，仅保留三方均认可为CAFO的设施。同时，对模型低置信度及无检测影像进行分层抽样，基于Waller等提出的加权比例估计方法，计算未标注区域中遗漏设施的上限，结合设施与影像数量比例（1:1.44），得出数据集覆盖全州98%CAFOs的结论。结果显示，初始标注仅覆盖全州农村面积的4.30%，却捕获99.737%的阳性影像，证实方法的高效性。

设施特征与监管差异

Cal-FF收录的2121个设施集中分布于加州中央山谷，如图1所示，图拉雷县（356个）、默塞德县（313个）设施数量居前。与监管记录对比，揭示出显著差异：45.0%的设施无法高置信匹配许可（即无“最佳匹配”），7.4%（157个）设施周边1公里内无任何许可记录，表明存在大量未登记或许可信息滞后的运营场。此外，官方许可数据中20%未报告动物数量，位置信息错误率高（仅30%许可坐标直接匹配设施），凸显行政数据的局限性。

时空动态与动物类型分析

通过历史影像追溯，82.8%的设施存在于全部可获取影像时段内（最早至1990年代），显示CAFOs运营的长期稳定性。研究记录了208个建造事件与162个废弃事件，如图5所示，建造时间范围因早期影像覆盖不足而存在较大不确定性。动物类型标注显示，459个设施通过许可确认为 cattle（牛类），其余通过视觉特征区分 dairy（乳牛）、poultry（家禽）等，但21.8%的设施因特征模糊标记为“未知”。户外饲养在加州较为普遍，增加了通过建筑规模估算动物数量的难度。

数据记录与可访问性

数据集以CSV与GeoJSON双格式发布，后者包含建筑多边形、地块信息、许可匹配列表等丰富字段。如图6示例，GeoJSON支持复杂空间分析，如建筑足迹面积计算、设施与人口统计区（Census tract）关联等。数据公开于Hugging Face平台，配套代码开源，支持重现性与后续研究。

结论与意义

Cal-FF数据集的构建，突破了传统依赖行政记录的CAFOs测绘瓶颈，通过计算机视觉与人工验证的协同，实现了对加州CAFOs的近全普查。其核心价值在于：第一，提升了设施定位的精确度，以建筑多边形替代模糊的点坐标，助力暴露评估；第二，通过建造时间、动物类型等元数据，支持时空动态与异质性分析，为因果推断研究奠定基础；第三，揭示了监管数据的高误差率，警示单纯依赖许可记录可能引入严重混淆。未来，该数据集可链接污染监测、气象与健康数据，深化CAFOs对环境正义、社区健康的影响研究。方法学亦可推广至其他地区，推动全球畜牧业环境监管的精准化。