CTF (China Tidal Flat) dataset

CTF数据集覆盖中国东部典型和非典型潮滩区域，包括乐清湾、黄河口、杭州湾、闽江口、辽河口、珍珠港、鸭绿江口等12个区域。基于Sentinel-2 MSI影像构建，空间分辨率为10米，时间范围为2020-2024年。共包含1136个样本（训练集743个、验证集343个、测试集50个），由多位遥感专家使用EISeg工具进行像素级标注，经过一致性验证后标注性能达到OA=94.6%、Kappa=0.89、边界Dice=0.93。

The CTF dataset covers typical and atypical tidal flat regions in eastern China, including 12 areas such as Yueqing Bay, Yellow River Estuary, Hangzhou Bay, Minjiang River Estuary, Liaohe River Estuary, Pearl Harbor, Yalu River Estuary and other regions. It is constructed based on Sentinel-2 MSI imagery, with a spatial resolution of 10 meters and a temporal range from 2020 to 2024. The dataset contains a total of 1136 samples, which are divided into 743 training samples, 343 validation samples and 50 test samples. It was annotated at the pixel level by multiple remote sensing experts using the EISeg tool. After consistency verification, the annotation performance reached OA=94.6%, Kappa=0.89, and Boundary Dice=0.93.

原始信息汇总

CTFSeg数据集概述

数据集基本信息

• 数据集名称：CTF (China Tidal Flat) 数据集
• 数据来源：基于Sentinel-2 MSI影像构建
• 空间分辨率：10米
• 时间范围：2020-2024年
• 数据总量：1,136个样本
• 数据划分：
  • 训练集：743个样本
  • 验证集：343个样本
  • 测试集：50个样本

地理覆盖范围

覆盖中国东部12个典型和非典型潮滩区域：

• 乐清湾
• 黄河口
• 杭州湾
• 闽江口
• 辽河口
• 珍珠港
• 鸭绿江口等

标注信息

• 标注工具：使用EISeg工具由多位遥感专家创建
• 标注级别：像素级标注
• 标注质量：
  • 总体精度(OA)：94.6%
  • Kappa系数：0.89
  • 边界Dice系数：0.93

数据集特点

• 首个公开的10米分辨率海岸潮滩遥感语义分割数据集
• 多区域覆盖
• 像素级标注
• 经过一致性验证

发布状态

目前仅公开发布训练集和验证集，模型和测试集将在未来逐步发布。

搜集汇总

数据集介绍

构建方式

在海岸带遥感监测领域，CTF数据集基于Sentinel-2多光谱影像构建，空间分辨率达10米，时间跨度覆盖2020至2024年潮汐动态。通过多位遥感专家使用EISeg工具对华东地区12个典型与非典型潮滩区域进行像素级标注，经过一致性验证后标注准确率达94.6%，最终形成包含1,136个样本的多区域潮滩语义分割数据集。

特点

该数据集作为首个公开的10米分辨率中国潮滩遥感数据集，其突出特点在于覆盖黄河口、杭州湾等多样地理单元，精准捕捉潮滩与水体、湿沙及植被的模糊边界特征。样本数据经边界Dice系数0.93的严格验证，兼具多时相观测能力与空间异质性表征，为潮间带生态研究提供高可靠性基准。

使用方法

研究者可通过公开的训练集与验证集开展潮滩语义分割模型训练，利用743个训练样本构建特征提取网络，结合343个验证样本进行超参数调优。该数据集支持多尺度注意力机制与边缘引导解码器的协同训练，特别适用于边界模糊区域的识别优化，待测试集发布后可进一步评估模型泛化性能。

背景与挑战

背景概述

潮间带作为海陆交互的关键生态过渡区，其动态监测对海岸带资源管理与全球变化研究具有重要意义。CTF数据集由研究团队于2025年正式发布，基于Sentinel-2多光谱影像构建，覆盖中国东部12个典型与非典型潮滩区域，时间跨度涵盖2020至2024年。作为首个公开的10米分辨率、多区域覆盖且具备像素级标注的潮滩遥感分割数据集，其通过专家团队使用EISeg工具完成精细标注，整体分类精度达94.6%，为海岸带生态环境建模与遥感智能解译提供了关键数据支撑。

当前挑战

潮滩遥感分割需应对潮汐动态引起的边界模糊性，水体、湿沙与植被间光谱特征高度混杂，传统方法难以捕捉细微潮沟与纹理特征。数据集构建过程中，潮滩区域受云层遮挡与潮位周期影响，需通过多时相影像融合确保数据完整性；像素级标注需依赖领域专家知识，针对过渡带边界不确定性开发了边缘引导机制，最终通过一致性验证达成边界Dice系数0.93的标注精度。

常用场景

经典使用场景

在海岸带遥感研究中，CTF数据集被广泛应用于潮间带语义分割任务。该数据集通过整合多区域Sentinel-2影像与像素级标注，为深度学习模型提供了精准的训练基础。其典型应用场景包括潮滩-水体边界识别、湿地植被分类以及潮沟网络提取，有效支撑了潮滩地貌动态监测研究。

衍生相关工作

围绕该数据集衍生的经典工作包括CTFSeg多尺度注意力网络架构。其创新的模糊边界处理机制与边缘引导解码器，启发了后续系列潮滩分割研究。相关方法已被拓展应用于河口三角洲监测、滨海湿地分类等方向，推动了海岸带遥感分析范式的演进。

数据集最近研究

最新研究方向

在海岸带遥感监测领域，潮间带作为海陆交互的关键过渡带，其精细划分对生态保护与资源管理具有深远意义。CTF数据集凭借其10米分辨率、多区域覆盖与像素级标注的独特优势，正推动语义分割技术向模糊边界建模与多尺度特征融合方向深化发展。当前研究聚焦于整合Transformer架构与边缘引导机制，通过感知注意力模块强化潮沟纹理识别能力，并利用模糊理论提升水陆边界分割精度，相关成果已成功应用于典型与非典型潮滩区域的动态监测，为全球海岸带生态系统评估提供了重要数据支撑。