Emilia-Romagna Agri Seg (ERAS)

一个用于作物分割的区域数据集。该数据集包括预处理过的Sentinel-2图像和相应的耕地实例分割掩码。

A regional dataset for crop segmentation. This dataset includes preprocessed Sentinel-2 imagery and corresponding instance segmentation masks for croplands.

原始信息汇总

🌍 Emilia-Romagna Agri Seg (ERAS) 数据集概述

📦 数据集简介

• 用途：区域作物分割数据集
• 来源论文："Segment Anything for Satellite Imagery: A Strong Baseline and a Regional Dataset for Automatic Field Delineation" (ICIAP 2025)
• 数据内容：预处理后的Sentinel-2图像及对应的耕地实例分割掩码

🖼️ 数据特征

• 源图像：Copernicus Sentinel-2 (Level-2A)
• 标注类型：耕地实例分割掩码
• 图像数量：14,968
• 图像分辨率：256x256 (10米/像素)
• 地理覆盖范围：意大利Emilia Romagna大区
• 文件格式：
  • 图像：RGB GeoTIFF
  • 掩码：geojson矢量文件

📂 数据结构

按省份代码分文件夹存储，包含以下省份：

• Bologna (BO), Forli-Cesena (FC), Ferrara (FE), Modena (MO), Piacenza (PC), Parma (PR), Ravenna (RA), Reggio Emilia (RE), Ravenna (RN)

文件夹结构

<省份代码>/ ├── tiff/s2/ # 2023年季度无云Sentinel-2 RGB GeoTIFF图像 │ ├── n_2023-01-01T00:00:00Z.tif │ ├── n_2023-04-01T00:00:00Z.tif │ ├── n_2023-07-01T00:00:00Z.tif │ └── n_2023-10-01T00:00:00Z.tif └── geojson/ # 对应耕地边界矢量文件(GeoJSON格式) └── n.geojson

⚠️ 重要说明

• 每个图块包含4个时间观测数据(2023年每季度一个)
• 同一图块的4个季度图像共享同一个耕地边界矢量文件(n.geojson)

📥 下载方式

• Google Drive下载链接

📜 许可信息

• 许可证：Creative Commons Attribution 4.0 International (CC BY 4.0)
• 引用要求：
  • 必须注明欧洲航天局(ESA)为原始Sentinel-2图像来源
  • 必须注明C. Scribano等人为数据集编译和实例分割标注者

🖋️ 引用格式

bibtex @misc{scribano2025segmentsatelliteimagerystrong, title={Segment Anything for Satellite Imagery: A Strong Baseline and a Regional Dataset for Automatic Field Delineation}, author={Carmelo Scribano and Elena Govi and Paolo bertellini and Simone Parisi and Giorgia Franchini and Marko Bertogna}, year={2025}, eprint={2506.16318}, archivePrefix={arXiv}, primaryClass={cs.CV}, url={https://arxiv.org/abs/2506.16318}, }

搜集汇总

数据集介绍

构建方式

Emilia-Romagna Agri Seg (ERAS)数据集基于Sentinel-2卫星影像构建，专注于意大利艾米利亚-罗马涅大区的农作物地块分割。该数据集包含14,968张经过预处理的256x256像素RGB影像，空间分辨率为10米/像素，覆盖2023年四个季度的云量优化影像。数据以GeoTIFF格式存储影像，地块边界标注则采用GeoJSON矢量格式，按省份分文件夹组织，确保地理信息的完整性和可追溯性。

特点

ERAS数据集的核心特点在于其时空连续性和精细标注。每张影像对应四个季度的时序观测，为农作物生长周期分析提供多维视角。实例分割标注精确勾勒了耕作地块边界，支持高精度农田划分研究。数据按省份分类存储，便于区域化分析，同时采用开放标准格式（GeoTIFF+GeoJSON），兼容主流地理信息工具链。10米分辨率的Sentinel-2影像在保持地物细节与计算效率间取得平衡，特别适合中尺度农业监测任务。

使用方法

使用ERAS数据集需配置Python 3.10环境及PyTorch框架，推荐通过Anaconda安装地理数据处理库（rioxarray、geopandas）和计算机视觉依赖（albumentations、OpenCV）。数据加载流程包括读取GeoTIFF影像与GeoJSON标注的坐标对齐，建议使用提供的示例代码实现张量转换与数据增强。研究引用时需同时注明ESA的原始数据来源和Scribano等人的标注贡献，遵循CC BY 4.0许可协议要求。该数据集特别适用于开发基于深度学习的农田自动划分算法，或作为遥感影像分割任务的基准测试集。

背景与挑战

背景概述

Emilia-Romagna Agri Seg (ERAS)数据集是面向农业遥感领域的高分辨率区域作物分割数据集，由Carmelo Scribano等研究人员于2025年构建，作为《Segment Anything for Satellite Imagery》研究的核心数据支撑。该数据集基于欧洲航天局Copernicus计划的Sentinel-2卫星影像，聚焦意大利艾米利亚-罗马涅大区的耕地边界识别问题，包含14,968张256×256像素的季度合成影像及对应实例分割标注。其时空特性为农业用地动态监测、精准农业管理等应用提供了关键数据基准，推动了卫星影像分割算法在农业场景的标准化评估进程。

当前挑战

在领域问题层面，ERAS数据集致力于解决卫星影像中复杂农田边界的精确分割挑战，包括作物纹理相似性导致的误分割、小尺度田块识别困难等核心问题。数据构建过程中，研究团队需应对Sentinel-2影像季度合成时的云层干扰消除、跨季节影像配准偏差，以及耕地边界标注中人工解译与自动化处理的协同优化等关键技术难题。多时相影像与静态标注的匹配机制设计，进一步增加了数据一致性与时效性保障的复杂度。

常用场景

经典使用场景

在农业遥感领域，Emilia-Romagna Agri Seg (ERAS)数据集为作物分割任务提供了高质量的基准数据。该数据集通过Sentinel-2卫星影像和实例分割标注，支持研究者开发先进的深度学习模型，用于精确识别和划分农田边界。其季度性云量优化影像和矢量标注的完美结合，为时序农田监测和变化检测提供了理想的研究平台。

解决学术问题

ERAS数据集有效解决了农业遥感中农田自动划分的难题。通过提供高分辨率、多时相的标注数据，该数据集支持研究者探索基于深度学习的实例分割方法在复杂农业景观中的应用。其丰富的标注信息为模型泛化能力评估、小样本学习等前沿研究提供了可靠的数据支撑，推动了卫星影像解译技术的进步。

衍生相关工作

围绕ERAS数据集已涌现出多项创新研究。原始论文提出的基础模型为后续工作设定了性能基准，而基于该数据集的迁移学习、多任务学习等方法不断刷新农田分割的精度记录。这些衍生研究不仅验证了数据集的可靠性，也推动了计算机视觉技术在农业遥感中的深入应用。