ben-ge
收藏资源简介：
ben-ge是一个多模态地球观测数据集，作为BigEarthNet数据集的扩展，提供了额外的地理和环境数据，包括高程数据、土地利用/覆盖数据、环境数据和气候区信息等。该数据集旨在为地球观测应用提供丰富的数据模态，支持模型训练和预训练，以及数据融合、多任务学习和自监督学习等概念的实验。
The ben-ge dataset is a multimodal Earth observation dataset, serving as an extension of the BigEarthNet dataset. It provides additional geographical and environmental data, including elevation data, land use/cover data, environmental data, and climate zone information. This dataset aims to offer a rich variety of data modalities for Earth observation applications, supporting model training and pre-training, as well as experiments in data fusion, multi-task learning, and self-supervised learning concepts.
数据集概述
ben-ge 是一个多模态地球观测数据集，作为 BigEarthNet 数据集的扩展。BigEarthNet 数据集包含欧洲590,326个地点的Sentinel-1和Sentinel-2观测数据。ben-ge 为每个观测点提供了以下额外数据：
- 从Copernicus数字高程模型GLO-30提取的海拔数据；
- 从ESA WorldCover提取的土地利用/土地覆盖数据；
- 与Sentinel-1/2观测同时的环境数据，来自ERA-5全球再分析；
- 从Beck et al. 2018提取的气候带信息；
- 季节编码。
数据下载
ben-ge 数据托管在zenodo，用户可以从该平台下载不同模态的数据。除了完整数据集外，还提供了一个小型版本 ben-ge-8k，用于代码实现和快速实验。
完整数据集
完整 ben-ge 数据集包含590,326个补丁的多模态数据。数据集以模块化方式提供，用户可以选择感兴趣的数据模态：
- Sentinel-2: 多波段图像数据，参考BigEarthNet下载网站。
- Sentinel-1: 合成孔径雷达(SAR)极化数据，参考BigEarthNet下载网站。
- 数字高程模型数据，下载链接：这里 [2.5 GB打包]。
- 土地利用/土地覆盖数据，下载链接：这里 [487 MB打包]。
- 环境数据，下载链接：这里 [18 MB打包]。
- 气候带数据，包含在ben-ge元数据文件中，下载链接：这里 (87 MB)。
- 季节编码，包含在ben-ge元数据文件中，下载链接：这里 (87 MB)。
解压后，整个 ben-ge 数据集（包括BigEarthNet Sentinel-1/2数据）总计191 GB。
数据集分割
提供不同类型的分割，每个子集包含完整数据集的一定百分比：
| 标识符 | 百分比 | 样本大小 |
|---|---|---|
| ben-ge-0.2 | 20% | 118k |
| ben-ge-0.4 | 40% | 236k |
| ben-ge-0.6 | 60% | 354k |
| ben-ge-0.8 | 80% | 472k |
每个子集都带有固定的训练/验证/测试分割（80/10/10）。
ben-ge-8k: 小型版本
ben-ge-8k 提供了一个小型版本的 ben-ge，所有模态（包括BigEarthNet的Sentinel-1和Sentinel-2及其对应的标签文件）都包含在一个可下载的归档文件中，解压后需要4.2 GB空间。
引用 ben-ge
使用 ben-ge 或其衍生品时，请确保适当引用以下出版物：
-
使用 ben-ge 特定数据模态：
M. Mommert, N. Kesseli, J. Hanna, L. Scheibenreif, D. Borth, B. Demir, "ben-ge: Extending BigEarthNet with Geographical and Environmental Data", IEEE International Geoscience and Remote Sensing Symposium, Pasadena, USA, 2023. -
使用Sentinel-2数据：
G. Sumbul, M. Charfuelan, B. Demir, V. Markl, "BigEarthNet: A Large-Scale Benchmark Archive for Remote Sensing Image Understanding", IEEE International Geoscience and Remote Sensing Symposium, pp. 5901-5904, Yokohama, Japan, 2019. -
使用Sentinel-1数据：
G. Sumbul, A. d. Wall, T. Kreuziger, F. Marcelino, H. Costa, P. Benevides, M. Caetano, B. Demir, V. Markl, "BigEarthNet-MM: A Large Scale Multi-Modal Multi-Label Benchmark Archive for Remote Sensing Image Classification and Retrieval", IEEE Geoscience and Remote Sensing Magazine, 2021, doi: 10.1109/MGRS.2021.3089174.
