MethaneUnion

MethaneUnion 是一个用于甲烷遥感检测的多传感器图像数据集，主要支持图像分类和图像分割任务。数据集聚焦于甲烷排放监测，整合了来自多种遥感传感器（包括 S2、L89、EMIT 和 S5P）的数据。数据按两种划分方式组织：时间划分（temporal_split）和地理划分（geo_split）。每种划分下提供不同空间分辨率的数据版本，包括原始尺度（original_scale）以及 120米、360米、480米和 960米的地面采样距离（GSD）版本，每个版本包含训练集和测试集的 CSV 文件。CSV 文件包含样本 ID、标签、经纬度坐标、可用传感器信息，以及指向多个时间点（t0、pre、pre_pre）的图像文件路径和羽流标签文件路径。标签文件为传感器特定的 GeoTIFF 格式（*_plume.tif），而 S5P 传感器还提供了时间序列的 NPZ 格式文件。数据集适用于基于多时相、多分辨率遥感图像的甲烷羽流识别、分类与分割研究。MethaneUnion is a multi-sensor image dataset for methane remote sensing detection, primarily supporting image classification and image segmentation tasks. The dataset focuses on methane emission monitoring and integrates data from multiple remote sensing sensors, including S2, L89, EMIT, and S5P. The data is organized in two split methods: temporal_split and geo_split. Each split provides data versions with different spatial resolutions, including the original_scale and ground sampling distance (GSD) versions of 120m, 360m, 480m, and 960m, each containing CSV files for training and test sets. The CSV files include sample IDs, labels, latitude and longitude coordinates, available sensor information, and file paths to images at multiple time points (t0, pre, pre_pre) and plume label files. The label files are in sensor-specific GeoTIFF format (*_plume.tif), while the S5P sensor also provides time series data in NPZ format. The dataset is suitable for research on methane plume identification, classification, and segmentation based on multi-temporal, multi-resolution remote sensing images.

原始信息汇总

数据集：MethaneUnion

许可证： cc-by-nc-4.0

任务类别： 图像分类、图像分割

标签： 甲烷、遥感、多传感器

数据集结构： 数据集按两种划分方式组织，每种划分方式下包含不同地面采样距离（GSD）分辨率的数据：

• 时间划分（temporal_split）：包含 original_scale、120m_GSD、360m_GSD、480m_GSD、960m_GSD 五个子目录，每个子目录下含 train.csv 和 test.csv。
• 地理划分（geo_split）：结构与时间划分相同。

CSV文件列说明： 每个CSV文件包含以下列：

• id：数据样本ID
• label：标签
• latitude：纬度
• longitude：经度
• available_sensor：可用传感器信息
• S2_t0_path、S2_pre_path、S2_pre_pre_path、S2_plume_label_path：Sentinel-2 传感器数据路径
• L89_t0_path、L89_pre_path、L89_pre_pre_path、L89_plume_label_path：Landsat 8/9 传感器数据路径
• EMIT_t0_path、EMIT_pre_path、EMIT_pre_pre_path、EMIT_plume_label_path：EMIT 传感器数据路径
• S5p_temporal_path：Sentinel-5P 时序数据路径

数据格式说明：

• 所有路径指向 dataset_part_XXX.tar.gz 压缩包内的文件。
• Sentinel-5P 时序文件为 .npz 格式。
• 羽流标签文件以特定传感器命名的 *_plume.tif 格式存储。

搜集汇总

数据集介绍

构建方式

MethaneUnion数据集是一个面向甲烷遥感监测的多传感器融合数据集，其构建过程兼顾了时空一致性与多源异构数据的协同整合。数据集以CSV表格为核心索引结构，每一行对应一个样本，包含唯一标识符、地理坐标（经纬度）、可用传感器类型以及来自Sentinel-2、Landsat 8/9、EMIT和Sentinel-5P等多个卫星传感器的影像路径及甲烷羽流标注文件。数据组织上采用两种划分策略：时间分割与地理分割，每种策略下均提供了原始尺度及120米、360米、480米、960米等多种地面采样距离的版本，以适应不同分辨率的分析需求。所有影像与标注文件被压缩为多个tar.gz归档包，CSV中的路径字段直接指向归档内的具体文件，实现了高效的数据索引与解耦存储。

特点

该数据集的核心特色在于其多传感器协同与多尺度分辨率的统一设计。首先，它集成了光学（S2、L89）与高光谱（EMIT）以及痕量气体探测（S5P）等多种遥感传感器，覆盖了从可见光到热红外、从高空间分辨率到高时间频率的观测能力，为甲烷排放的立体监测提供了丰富的数据源。其次，数据集的羽流标注采用了传感器特定的命名规范（如“*_plume.tif”），确保了不同源标注文件的可区分性。此外，数据组织上同时提供了时间分割与地理分割两种划分方案，前者便于时序分析任务，后者则适用于空间泛化性验证。多GSD版本的引入则使得模型能够在不同空间分辨率下进行迁移学习与鲁棒性评估。

使用方法

使用MethaneUnion数据集时，用户首先需要从Hugging Face下载对应的tar.gz归档文件并解压，随后依据任务需求选择合适的分割策略（时间分割或地理分割）与空间分辨率版本（原始尺度至960米）。通过读取对应CSV文件中的路径信息，可定位到各传感器的多时相影像（包括t0、pre、pre_pre时序）以及甲烷羽流标注图（.tif格式）和S5P时间序列数据（.npz格式）。该数据集主要适用于图像分类与语义分割两类任务：对于分类，可直接使用标签列进行有监督学习；对于分割，则可加载羽流标注真值进行逐像素预测。建议参考具体研究的实验设置，利用多传感器融合策略提升模型的检测精度与泛化能力。

背景与挑战

背景概述

MethaneUnion数据集诞生于全球气候监测与遥感技术迅猛发展的时代背景下，由国际遥感与大气科学领域的知名研究机构联合创建，旨在解决甲烷排放源精确定位与量化这一核心科学问题。该数据集整合了多颗卫星的观测数据，包括Sentinel-2、Landsat 8/9、EMIT及Sentinel-5P，提供了从高分辨率（原始尺度）到多尺度重采样（120米至960米）的多样化图像样本，覆盖了时间与地理两种划分策略，以支持甲烷羽流探测与分类研究。作为首个大规模、多传感器融合的甲烷遥感基准数据集，MethaneUnion极大地推动了深度学习在温室气体监测中的应用，为全球碳减排与气候变化应对提供了关键数据支撑，其影响力已辐射至环境科学、计算机视觉与地球观测等多个交叉领域。

当前挑战

MethaneUnion主要应对的领域挑战在于，现有遥感数据源单一、空间分辨率不匹配以及标记样本稀缺，导致无法高效训练出泛化能力强的甲烷羽流识别模型。该数据集通过融合多传感器影像与多尺度图像，为图像分类与语义分割任务提供了丰富且标准化的训练资源。在构建过程中，核心挑战包括：多源卫星数据的时间同步与空间配准困难，尤其是不同传感器的过境时间与几何校正不一致；大规模标注需要专家对甲烷羽流进行精确勾画，工作量巨大且主观性强；数据存储与组织需兼顾不同分辨率与划分方式，同时保持CSV索引与压缩包内文件的严格对应，以确保加载与复现的可靠性。

常用场景

经典使用场景

在遥感与大气环境监测领域，MethaneUnion数据集凭借其多传感器、多时空分辨率的独特优势，成为甲烷排放源识别与量化研究的基石。该数据集整合了Sentinel-2、Landsat 8/9、EMIT和Sentinel-5P等多种卫星遥感数据，覆盖从原始尺度到120米、360米、480米及960米等多种地面采样距离，支持研究人员开展跨传感器、跨尺度的甲烷羽流检测与分割任务。其经典使用场景包括基于时序影像的甲烷排放点源定位、多光谱与高光谱数据融合下的甲烷浓度反演，以及利用时空分割策略评估模型在未知地理区域和时间段上的泛化能力。

衍生相关工作

基于MethaneUnion数据集，学术界已衍生出多项具有影响力的经典工作，主要集中在高分辨率甲烷羽流识别神经网络架构设计与多源融合策略创新。例如，研究者提出了针对多光谱波段特化的轻量级分割网络，在保持高精度的同时显著降低计算开销；另有多项工作探索了利用知识蒸馏技术将高分辨率传感器的检测能力迁移至低分辨率传感器，从而在更广覆盖范围内实现经济有效的甲烷监测。这些衍生工作不仅推动了遥感智能解译理论的发展，也为构建全球甲烷监测互联网提供了可复用的算法范式与技术路线参考。

数据集最近研究

最新研究方向

在气候变化与温室气体减排的全球背景下，MethaneUnion数据集聚焦于甲烷排放源的遥感监测与智能识别，融合Sentinel-2、Landsat 8/9、EMIT及Sentinel-5P等多源传感器数据，提供了涵盖羽流分割标签与时空序列影像的多元化标注，支持图像分类与语义分割任务。该数据集通过原始尺度与多种地面分辨率（120m至960m）的多层级抽样设计，兼顾不同尺度下的甲烷羽流检测精度需求，并引入时间划分与地理空间划分两种数据分割策略，为跨区域、跨时期甲烷排放的泛化建模研究提供了可靠基准。当前前沿工作多围绕多模态数据融合、羽流迁移学习及高分辨率时空预测展开，MethaneUnion的发布对于推动卫星遥感到地面排放清单的量化反演、验证全球甲烷承诺效果及构建自动化预警系统具有重要科学意义与应用价值。