GEOID-Flood

GEOID-Flood是一个大规模、多模态的洪水分割基准数据集，基于哥白尼应急管理服务（CEMS）快速制图活动构建。涵盖2016年至2026年间65个国家的219个洪水事件，分解为14,282个1024x1024像素的瓦片。每个瓦片提供配准的Sentinel-1 GRD和RTC（事件前后，VV/VH）、事件前Sentinel-2 L2A合成图像、哥白尼GLO-30 DEM，所有数据均为10米分辨率，并带有手动验证的三类标签（背景、永久水体、洪水水体）。GEOID-Flood is a large-scale, multimodal benchmark dataset for flood segmentation, constructed based on the Copernicus Emergency Management Service (CEMS) Rapid Mapping Activities. It covers 219 flood events across 65 countries spanning 2016 to 2026, which are split into 14,282 1024×1024 pixel tiles. Each tile provides co-registered Sentinel-1 GRD and RTC products (pre- and post-event, with VV and VH polarizations), pre-event Sentinel-2 L2A composite imagery, and the Copernicus GLO-30 DEM, all at 10-meter spatial resolution, accompanied by manually validated three-category labels: background, permanent water bodies, and flood water bodies.

原始信息汇总

GEOID-Flood 数据集概述

基本信息

• 全称：GEOID-Flood: A Large-Scale Multi-Modal Benchmark Dataset for Flood Segmentation
• 发布机构：意大利都灵 Fondazione LINKS
• 相关论文：发表于 ECCV 2026 TerraBytes Workshop
• 代码许可：MIT License
• 数据许可：CC BY 4.0

数据集规模

• 覆盖 219 次洪水事件，分布于 65 个国家
• 数据采集时间跨度为 2016 至 2026 年
• 被划分为 14,282 个 1024×1024 像素的瓦片
• 经筛选后保留 12,853 个有效瓦片（训练 8,938 / 验证 1,241 / 测试 2,674），另有 1,429 个用于跨数据集保留测试集
• 全量数据大小约 586 GB

数据模态

所有数据均以 10 米分辨率 提供，每个瓦片包含：

1. Sentinel-1 GRD 和 RTC 影像（事件前和事件后，VV/VH 极化）
2. 事件前 Sentinel-2 L2A 合成影像
3. Copernicus GLO-30 DEM 高程数据
4. 人工验证的三类标签（背景、永久水体、洪水水体）

数据源与构建

• 数据基于 Copernicus 应急管理服务（CEMS）快速绘图激活数据 构建
• 数据集以 tar 分片 形式打包为云优化 GeoTIFF（COG），按分割和模态分组

数据划分

• 划分按 感兴趣区域（AoI） 进行，相邻 AoI 共享同一划分
• 确保 同一洪水事件不会跨训练、验证和测试集

配套代码与工具

• 提供 训练和评估代码 及 TerraTorch 实验配置
• 要求 Python 3.11 或 3.12，TerraTorch 固定版本为 1.1
• 提供数据下载脚本（支持按模态选择性下载、多线程下载、样本预览）
• 支持 自定义瓦片大小和步长 的重新切分工具
• 提供 双模态配对评估 和 三分类融合评估 的独立脚本

搜集汇总

数据集介绍

构建方式

GEOID-Flood数据集源于哥白尼应急管理服务（CEMS）的快速测绘行动，汇聚了2016年至2026年间全球65个国家的219次洪涝事件。每起事件被精细分解为1024×1024像素的瓦片，共计14,282块，每块均配准了Sentinel-1 GRD与RTC影像（含事件前后VV/VH极化）、事件前Sentinel-2 L2A合成影像以及Copernicus GLO-30 DEM，所有数据统一至10米分辨率。标签经由人工校验，划分为背景、永久水体与洪泛水体三类。数据以Cloud-Optimized GeoTIFF格式按分割与模态打包成tar分片，并附有详细的元数据文件，确保地理空间信息与时间信息的完整性。

特点

该数据集具备大规模、多模态、全球覆盖的显著特性，其构建严格遵循洪涝分割的领域需求，融合了雷达、光学与地形数据，为模型提供了多维度的地表信息。尤为突出的是，数据集按感兴趣区域（AoI）划分训练、验证与测试集，杜绝了事件跨集泄漏，保障了评估的公正性。此外，其元数据支持灵活的瓦片重制，允许研究人员自定义切片尺寸与步长，适配不同模型输入需求。数据质量经过严格筛选，仅保留有效像素比例高于95%的瓦片，确保了训练数据的可靠性。

使用方法

数据集通过配套的Python脚本与TerraTorch框架实现高效使用。用户可执行get_data.py脚本按需下载全部或指定模态的数据，并利用--sample参数获取小样本进行快速验证。训练与评估依托TerraTorch的配置文件，支持单图、配对及三分类融合等不同训练场景。数据加载器仅需读取CSV格式的元数据文件，用户可通过make_tiles.py脚本依据tile_catalog.parquet重新生成任意尺寸与步长的瓦片清单，灵活适配模型输入。评估阶段，除标准测试外，还提供独立脚本计算三分类IoU指标，并支持通过TensorBoard记录结果，便于监控与比较。

背景与挑战

背景概述

GEOID-Flood是由意大利都灵LINKS基金会的研究团队（Gaetano Chiriaco、Luca Barco、Claudio Rossi、Andrea Bragagnolo、Edoardo Arnaudo）于2026年构建的大规模多模态洪水分割基准数据集。该数据集基于哥白尼应急管理服务（CEMS）快速测绘激活数据，覆盖2016至2026年间65个国家的219次洪水事件，分解为14,282个1024×1024像素的图块，每个图块提供配准的Sentinel-1 GRD和RTC影像（事件前/后，VV/VH极化）、事件前Sentinel-2 L2A合成影像以及Copernicus GLO-30 DEM，空间分辨率均为10米，并附带人工验证的三分类标签（背景、永久水体、洪水水体）。该数据集旨在解决洪水分割领域缺乏大规模、多模态、跨地域基准的问题，推动基于深度学习的洪水监测研究。其影响力体现在为洪水分割提供了标准化的评估平台，并已发表于ECCV 2026 TerraBytes研讨会。

当前挑战

GEOID-Flood数据集面临的挑战涵盖领域问题和构建过程两方面。在领域层面，洪水分割的核心挑战在于洪水水体和永久水体的光谱混淆、洪水事件时空分布的不均衡性，以及多模态数据（SAR和光学）的互补与融合难题，要求模型具备跨地域和跨时间泛化能力。在构建过程中，挑战包括：数据来源广泛，需整合CEMS 219次激活事件，处理不同传感器、轨道和成像参数带来的辐射定标差异；多模态数据配准和预处理复杂，需确保Sentinel-1、Sentinel-2和DEM在空间和时间上的一致性；标签生成依赖人工验证，成本高昂且主观性难以完全消除；数据集规模庞大（约586 GB），存储与传输效率需优化，同时需设计合理的训练/验证/测试划分，防止洪水事件跨分割导致的数据泄漏。

常用场景

经典使用场景

GEOID-Flood数据集作为洪水分割领域的多模态基准，其经典使用场景聚焦于训练和评估基于深度学习的像素级洪水感知模型。该数据集整合了Sentinel-1 SAR的GRD与RTC预处理产品、Sentinel-2光学影像及GLO-30 DEM，提供了洪水事件前后的配准数据，支持研究人员构建单时相或双时相的语义分割算法。尤为重要的是，其标注体系细分为背景、永久水体与洪水水体，使得模型能够精准区分动态洪水与常态水域，这为提升洪水监测的时空泛化能力提供了标准化的实验平台。

解决学术问题

该数据集着力解决当前洪水遥感研究中存在的样本规模不足、模态单一及事件分布不均等关键瓶颈。借助219起覆盖65国的洪水事件，GEOID-Flood突破了以往数据集多局限于局部区域或单一传感器源的局限，为验证模型在跨区域、跨气候条件下的鲁棒性提供了坚实支撑。其严格按事件划分的训练/验证/测试集，有效杜绝了数据泄漏，促使学术研究从特定场景的过拟合迈向可泛化的通用洪水分割模型，从而推进了灾害响应技术从经验驱动向数据驱动的范式转变。

衍生相关工作

该数据集的发布催生了诸多衍生性研究工作，一方面在算法层面激励了针对多模态融合、时序特征挖掘与域适应等方向的创新，例如结合Transformer架构的洪水分割网络以及基于对比学习的跨模态表征方法；另一方面，在地学应用层面，促进了洪水脆弱性评估、水体动态变化检测及与水文模型耦合等交叉研究。此外，其配套的TerraTorch实验配置和灵活的重新分块工具，为社区提供了一个可复现的基准，使得后续研究能够便捷地进行横向对比与消融实验，从而系统性地推动了遥感智能解译领域的技术迭代与知识积累。