OpenEarthMap-SAR

OpenEarthMap-SAR是由日本理化学研究所和东京大学联合创建的一个高分辨率合成孔径雷达（SAR）数据集，旨在支持全球土地覆盖制图。该数据集包含5033张1024×1024像素的图像，覆盖了日本、法国和美国的35个地区，提供了8类土地覆盖标签，包括裸地、草地、开发空间、道路、树木、水体、农业用地和建筑物。数据集通过预训练的OpenEarthMap模型生成伪标签，并部分手动标注以提高质量。该数据集适用于城市规划、环境监测、灾害响应和可持续发展等领域，旨在解决高分辨率SAR图像在复杂地理条件下的土地覆盖分类问题。OpenEarthMap-SAR is a high-resolution Synthetic Aperture Radar (SAR) dataset jointly created by RIKEN and the University of Tokyo, aiming to support global land cover mapping. This dataset includes 5033 images with a resolution of 1024 × 1024 pixels, covering 35 regions across Japan, France and the United States, and provides 8 categories of land cover labels, namely bare land, grassland, developed space, roads, trees, water bodies, agricultural land and buildings. The dataset generates pseudo labels via a pre-trained OpenEarthMap model, with partial manual annotations added to improve annotation quality. This dataset is applicable to fields such as urban planning, environmental monitoring, disaster response and sustainable development, and is designed to address the land cover classification challenge of high-resolution SAR images under complex geographic conditions.

搜集汇总

数据集介绍

构建方式

OpenEarthMap-SAR数据集的构建基于全球高分辨率土地覆盖映射的需求，涵盖了来自日本、法国和美国的35个区域。数据源包括Umbra Space的SAR图像和来自NAIP、IGN及GSI的光学图像。SAR图像的分辨率在0.15至0.5米之间，光学图像则包含红、蓝、绿波段。数据预处理包括将光学图像转换为反射率值并标准化为8位格式，SAR图像则由数据提供商进行预处理后同样转换为8位格式。为确保数据对齐，专家团队对光学和SAR图像进行了手动对齐，确保数据质量。

特点

OpenEarthMap-SAR数据集包含5033张1024×1024像素的图像，覆盖了8类土地覆盖类型，包括裸地、草地、开发空间、道路、树木、水体、农业用地和建筑物。数据集的特点在于其高分辨率和广泛的地理覆盖范围，尤其是其SAR图像的全天候能力，能够在云层覆盖和夜间条件下提供连续监测。此外，数据集结合了伪标签和部分手动标注，确保了标注的多样性和准确性。

使用方法

OpenEarthMap-SAR数据集可用于训练和评估语义分割模型，支持光学、SAR以及两者结合的多模态分析。数据集提供了多种训练场景，包括仅使用伪标签、结合伪标签和少量真实标签等。用户可以通过评估不同模态下的模型性能，探索SAR数据在土地覆盖映射中的潜力。数据集还可用于研究多模态融合技术，提升模型在复杂环境下的分割精度。

背景与挑战

背景概述

OpenEarthMap-SAR数据集由RIKEN高级智能项目中心和东京大学的研究团队于2025年推出，旨在为全球高分辨率土地覆盖制图提供基准合成孔径雷达（SAR）数据。该数据集包含来自日本、法国和美国的35个地区的5033幅1024×1024像素的航空和卫星图像，覆盖了1.5百万个图像片段，并提供了8类土地覆盖标签。SAR图像以其全天候、全时段的成像能力，为土地覆盖制图提供了独特的优势，尤其是在云层覆盖或夜间条件下。OpenEarthMap-SAR的推出填补了高分辨率SAR基准数据集的空白，推动了基于SAR的地理空间分析技术的发展，并为城市规划、环境监测和灾害响应等领域的应用提供了重要支持。

当前挑战

OpenEarthMap-SAR数据集在构建和应用过程中面临多重挑战。首先，SAR图像的特性使得某些土地覆盖类别的识别变得复杂，例如道路和农田的纹理特征在SAR图像中难以准确区分。其次，高分辨率SAR数据的获取和标注成本高昂，且手动标注的复杂性和耗时性限制了数据集的规模和质量。尽管数据集采用了部分手动标注和伪标签生成技术，但伪标签与真实标签之间的一致性仅为68%，表明自动化标注系统在复杂场景下的表现仍有待提升。此外，SAR与光学图像的融合也带来了数据对齐和模态差异的挑战，尤其是在多模态数据的时间同步和特征表达上。这些挑战为未来的技术改进提供了方向，特别是在多模态融合和自动化标注技术的优化方面。

常用场景

经典使用场景

OpenEarthMap-SAR数据集在遥感领域的高分辨率土地覆盖分类任务中具有广泛的应用。其经典使用场景包括全球范围内的城市扩展监测、环境变化评估以及灾害响应。通过提供高分辨率的合成孔径雷达（SAR）图像，该数据集能够支持全天候、全时段的土地覆盖分类，特别是在云层覆盖或夜间条件下，传统光学影像无法获取数据时，SAR影像的优势尤为突出。

衍生相关工作

OpenEarthMap-SAR数据集的发布推动了多个相关领域的研究进展。基于该数据集，研究者们开发了多种先进的语义分割模型，如U-Net、SegFormer和VMamba等。这些模型在SAR与光学影像的多模态融合任务中表现出色，进一步提升了土地覆盖分类的精度。此外，该数据集还激发了更多关于SAR影像与光学影像融合的研究，推动了遥感领域的技术创新。

数据集最近研究

最新研究方向

近年来，OpenEarthMap-SAR数据集在全球高分辨率土地覆盖制图领域引起了广泛关注。该数据集通过提供全球范围内的高分辨率合成孔径雷达（SAR）图像，填补了SAR影像在土地覆盖制图领域的空白。其独特之处在于结合了光学影像与SAR影像的多模态数据，为全天气条件下的土地覆盖分类提供了新的研究平台。当前的研究热点集中在如何利用深度学习模型，如U-Net、SegFormer和VMamba，进行多模态数据的语义分割，尤其是在复杂环境下的建筑物提取、道路识别和植被分类等任务。此外，OpenEarthMap-SAR数据集还为灾害响应、城市规划和环境监测等应用提供了重要的数据支持，推动了SAR影像在遥感领域的广泛应用。

相关研究论文

• OpenEarthMap-SAR: A Benchmark Synthetic Aperture Radar Dataset for Global High-Resolution Land Cover Mapping

  日本理化学研究所先进智能项目中心, 东京大学前沿科学研究生院 · 2025年