ChronoEarth-492K

ChronoEarth-492K是一个大规模、时间丰富的高光谱遥感数据集，基于EO-1 Hyperion影像构建。它覆盖全球9个区域的492,000多个位置，包含155个高光谱波段（波长范围447 nm至2365 nm），每个位置有多次重访以支持时间分析。数据集包括六个地理空间任务的基准标签，支持静态和时序评估。ChronoEarth-492K is a large-scale, temporally-rich hyperspectral remote sensing dataset constructed from EO-1 Hyperion imagery. It covers over 492,000 locations across 9 global regions, featuring 155 hyperspectral bands spanning a wavelength range of 447 nm to 2365 nm. Each location has multiple revisit observations to support temporal analysis. The dataset provides benchmark labels for six geospatial tasks, enabling both static and temporal evaluations.

原始信息汇总

数据集概览

ChronoEarth-492K 是一个大规模、长时间序列的高光谱遥感数据集，基于 EO-1 Hyperion 传感器影像构建。

• 位置数量：超过 492,000 个空间位置。
• 光谱波段：155 个高光谱波段，波长范围 447–2365 nm。
• 空间分辨率：每像素 30 米。
• 时间覆盖：每个位置有多次重访，支持时间序列分析。
• 全球区域：涵盖 9 个地理区域：AC、AF、EA、EU、LA、NA、OC、SEA、SWA。
• 传感器：EO-1 Hyperion。

光谱分组

组别	波段范围	波长范围	通道数
VNIR	B010–B057	447–925 nm	48
SWIR1	B081–B097	952–1114 nm	17
SWIR2	B101–B119	1154–1336 nm	19
SWIR3	B134–B164	1487–1790 nm	31
SWIR4	B182–B221	1971–2365 nm	40
全部		447–2365 nm	155

基准数据集

ChronoEarth-492K 为六个地理空间任务提供基准标签，支持静态和时间序列评估：

数据集	任务	区域	类别数
NLCD	土地覆盖分割	北美	16
CDL	作物类型映射	北美	257
CORINE	土地覆盖分割	欧洲	44
CLCD	土地覆盖分割	中国	9
GFC	森林覆盖变化检测	全球	2
ISDASoil	土壤属性预测	非洲	连续值

数据集结构

ChronoEarth-492K/ ├── metadata.parquet # 全局索引（位置UID、区域、时间戳、图像路径） ├── dataset/ │ └── <UTM_zone>/ │ └── <UID>/ │ ├── <UID>_<timestamp>.TIF │ └── ... └── benchmark_labels/ └── <dataset_name>/ ├── *_metadata_static.parquet ├── *metadata_lh.parquet # 长时间序列元数据 └── labels/ └── <UID>/ ├── <dataset_name><year>.tif └── ...

使用方式

静态数据集（每个位置单张影像）：

python from ChronoEarth import ChronoEarth

dataset = ChronoEarth( split=train, cache_dir=/path/to/data, regions=[NA, EU], # 选择全球区域子集 channel_groups=[VNIR, SWIR1], # 选择光谱组子集 ) sample = dataset[0]

sample[optical] -> np.ndarray (C, H, W)

sample[optical_channel_wv] -> 波长列表 [nm]

sample[spatial_resolution] -> 30 (米)

时间序列数据集（每个位置多个时间点）：

python from ChronoEarth import TemporalChronoEarth

dataset = TemporalChronoEarth( split=train, cache_dir=/path/to/data, regions=NA, channel_groups=VNIR, num_frames=8, # 每个位置最多采样帧数（-1 表示全部） frames_lb=3, # 仅包含时间戳数 ≥3 的位置 ) sample = dataset[0]

sample[optical] -> np.ndarray (T, C, H, W)

sample[timestamp] -> np.ndarray (T,)

sample[num_frames] -> int

基准数据集加载：

python from ChronoEarth.benchmarks import StaticTask, TemporalTask

dataset = StaticTask( dataset_name=NLCD, split=train, metadata_path=/path/to/benchmark_labels/NLCD/metadata_static.parquet, image_dir=/path/to/dataset, label_dir=/path/to/benchmark_labels/NLCD/labels, BANDS=[30, 24, 16], # 从 VNIR 中选择 RGB 波段 )

预训练与评估

• 预训练脚本：位于 pretraining/ 目录，支持静态和时间序列预训练。
• 评估：在基准数据集上进行微调与评估，提供静态和时间序列任务的启动脚本。

许可与引用

• 许可：Apache 2.0
• 引用：请引用相关论文：@misc{si2026chronoearth492klargescalelong,...}

搜集汇总

数据集介绍

构建方式

ChronoEarth-492K数据集源自EO-1 Hyperion成像光谱仪获取的高光谱遥感影像，覆盖全球9个地理区域，涵盖492K余个空间位置。每个位置均包含多次重访记录，构成时间序列信息。数据集以UTM分区组织影像切片，并辅以统一的元数据索引文件，支持按区域、波段组和时间帧进行灵活筛选。基准标签数据则针对六类地理空间任务独立构建，以适配静态与长时域分析需求。

特点

该数据集具备极丰富的时-谱-空多维度特性。光谱层面涵盖155个连续波段，覆盖从可见光至短波红外的广泛光谱范围；空间分辨率达30米；时间维度上支持多年多次重访，为长时域地表动态监测提供基础。数据集合六大基准任务于一体，支持土地覆盖分类、作物识别、土壤属性预测等任务，尤以包含时间域任务的设定成为其显著亮点。

使用方法

使用者可通过Hugging Face或本地缓存加载数据集，并利用ChronoEarth类获取静态样本，或借助TemporalChronoEarth类获取时间序列样本。支持按区域、光谱组和时间帧数等参数灵活配置数据加载。基准任务部分提供静态和时间两类接口，便于开展微调与评估。项目代码库内含预训练与评估脚本，可用于训练地理空间基础模型并完成下游任务的性能验证。

背景与挑战

背景概述

高光谱遥感影像凭借其丰富的光谱信息，在地物精细分类、环境监测与资源调查等领域展现出不可替代的优势。然而，现有高光谱数据集普遍存在空间覆盖有限、时间跨度短、标注任务单一等局限，严重制约了时空深度学习模型的泛化能力与实用性。针对这一瓶颈，伊利诺伊大学厄巴纳-香槟分校的Haozhe Si、Han Zhao等研究团队于2026年构建了ChronoEarth-492K数据集。该数据集基于EO-1 Hyperion传感器影像，覆盖全球9个地理区域，包含超过49.2万个空间位置，每个位置拥有多次重访记录，共155个光谱波段（447-2365 nm），并提供了NLCD、CORINE等六类地理空间任务的基准标注。ChronoEarth-492K的发布填补了大规模长时序高光谱数据集的空白，为地球观测基础模型的预训练与时序分析研究奠定了重要数据基础。

当前挑战

ChronoEarth-492K所解决的领域挑战在于，现有高光谱数据集难以同时支持大规模空间覆盖与长时间序列分析，导致模型在跨区域、跨时间的地物识别与变化检测任务中泛化能力不足。具体而言，来自不同区域的不平衡样本分布、光谱-空间-时间多模态信息的高维耦合，以及不同传感器视角下的观测差异，均对模型的特征提取与对齐能力提出了严峻考验。在数据构建过程中，研究团队面临了多重挑战：首先，EO-1 Hyperion传感器已退役多年，历史存档数据质量参差不齐，需对云覆盖、大气干扰及传感器标定误差进行精细筛选与校正；其次，全球492K个位置点的时间序列数据涉及数兆兆字节的原始影像，需设计高效的数据流水线以平衡存储、读写效率与频谱连续性；最后，为六类基准任务提供高质量手工或半自动标注，尤其在非洲土壤属性预测任务中，稀疏的野外采样点与复杂的地类边界使得标签一致性难以保障。

常用场景

经典使用场景

ChronoEarth-492K作为大规模、长时序的高光谱遥感数据集，其最经典的使用场景在于支撑地理空间基础模型的预训练与评测。凭借其涵盖9个全球区域、492K余个空间位置以及155个光谱波段的多时相影像数据，研究者能够利用该数据集开展静态与动态场景下的高光谱图像分类、语义分割等核心任务。尤其通过其内置的NLCD、CDL、CORINE等基准测试集，可在统一的框架下评估模型在土地覆盖分类、作物类型识别以及森林变化检测等典型地球观测任务上的性能，从而推动高光谱遥感领域的标准化研究与算法迭代。

解决学术问题

该数据集着力解决当前遥感领域因缺乏大规模、高质量、时相连续的高光谱数据而导致的模型泛化能力薄弱与评测不一致等学术难题。传统高光谱数据集往往规模有限、地域单一且缺乏时间维度，ChronoEarth-492K通过提供多年度回访图像与丰富的标注体系，使得研究者能够系统性地探索时间序列信息对地物动态变化捕捉的作用，并开展长时序推理、分布外泛化等关键问题的研究。该数据集的诞生显著促进了高光谱遥感基础模型的标准化构建与公平比较，为深入理解光谱-时间联合表征学习奠定了数据基石。

衍生相关工作

围绕ChronoEarth-492K数据集，学届已衍生出一系列经典工作，主要集中在高光谱遥感基础模型的预训练范式探索与时序表征学习方法的创新。依托其提供的静态与长时序基准任务，研究者提出了针对高光谱数据的掩码自编码与对比学习策略，并进一步将时间依赖性融入Transformer及图神经网络架构中，以实现跨时间步的地物动态建模。此外，该数据集还被用于推动分布外泛化与域自适应等前沿方向的研究，催生了诸多针对光谱变异与季节性漂移的鲁棒学习算法。这些衍生工作不仅深化了地理空间人工智能的理论体系，也为实际遥感解译系统的智能化升级提供了重要的算法储备。