MultiEarth 2023

MultiEarth 2023数据集包含来自Sentinel-1、Sentinel-2、Landsat-5和Landsat-8的图像，空间分辨率为10m、10m、30m和30m，每周根据来源进行采集，每月进行标注。该数据集包含2个类别，采集自亚马逊地区（1984-2021）。

MultiEarth 2023数据集汇聚了源自Sentinel-1、Sentinel-2、Landsat-5及Landsat-8的影像资料，其空间分辨率分别为10米、10米、30米和30米。该数据集以每周为周期，依据数据来源进行采集，并以每月为节点进行标注。数据集涵盖两大类别，并采集自亚马逊地区，时间跨度为1984年至2021年。

原始信息汇总

数据集概述

本数据集页面提供了一系列具有时间维度的卫星图像数据集，主要用于各种计算机视觉和深度学习任务。这些数据集包括卫星图像时间序列（SITS）和卫星视频，重点关注多时相数据集，特别是超过两次采集的数据集，但不包括双时相数据集。本页面主要关注带有注释的数据集。

数据集分类

语义和实例分割

像素级注释

• MultiEarth 2023

  • 年份：2023
  • 图像来源：Sentinel-1 + Sentinel-2 + Landsat-5 + Landsat-8
  • 空间分辨率：10m + 10m + 30m + 30m
  • 时间分辨率：每周采集，每月注释
  • 类别数：2
  • 采集地区：亚马逊（1984-2021）

• MultiEarth 2022

  • 年份：2022
  • 图像来源：Sentinel-1 + Sentinel-2 + Landsat-5 + Landsat-8
  • 空间分辨率：10m + 10m + 30m + 30m
  • 时间分辨率：每周采集，每月注释
  • 类别数：2
  • 采集地区：亚马逊（1984-2021）

• Dynamic World

  • 年份：2022
  • 图像来源：Sentinel-2
  • 空间分辨率：10m
  • 时间分辨率：每周采集，每周自动注释
  • 类别数：9
  • 采集地区：全球（2015-present）

• DynamicEarthNet

  • 年份：2021
  • 图像来源：PlanetFusion
  • 空间分辨率：3m
  • 时间分辨率：每日采集，每月注释
  • 类别数：7
  • 采集地区：全球（2018-2019）

• SpaceNet 7

  • 年份：2020
  • 图像来源：PlanetScope
  • 空间分辨率：4m
  • 时间分辨率：每月采集，注释
  • 类别数：2
  • 采集地区：全球（2017-2020）

时间序列像素级注释

• BraDD-S1TS

  • 年份：2023
  • 图像来源：Sentinel-1
  • 空间分辨率：10m
  • 时间分辨率：每周采集
  • 类别数：2
  • 采集地区：巴西（2020-2021）

• FLAIR #2

  • 年份：2023
  • 图像来源：Sentinel-2
  • 空间分辨率：10m
  • 时间分辨率：每周采集
  • 类别数：13
  • 采集地区：法国（1年采集）

• MultiSenGE

  • 年份：2022
  • 图像来源：Sentinel-1 + Sentinel-2
  • 空间分辨率：5m + 10m
  • 时间分辨率：每日 + 每周采集
  • 类别数：14
  • 采集地区：法国东部（2019-2020）

• PASTIS

  • 年份：2021
  • 图像来源：Sentinel-2
  • 空间分辨率：10m
  • 时间分辨率：每周采集
  • 类别数：18
  • 采集地区：法国（2018-2019）

• PASTIS-R

  • 年份：2021
  • 图像来源：Sentinel-1 + Sentinel-2
  • 空间分辨率：5m + 10m
  • 时间分辨率：每日 + 每周采集
  • 类别数：18
  • 采集地区：法国（2019）

• AI4EO Enhanced Sentinel 2 Agriculture

  • 年份：2021
  • 图像来源：Sentinel-2
  • 空间分辨率：10m
  • 时间分辨率：每周采集
  • 类别数：2
  • 采集地区：斯洛文尼亚（2019）

• UTRNet

  • 年份：2021
  • 图像来源：Landsat-8
  • 空间分辨率：30m
  • 时间分辨率：不规则采集
  • 类别数：2
  • 采集地区：中国（2013-2021）

• MTLCC

  • 年份：2018
  • 图像来源：Sentinel-2
  • 空间分辨率：10m
  • 时间分辨率：每周采集，年度注释（2016和2017）
  • 类别数：17
  • 采集地区：慕尼黑，德国（2016-2017）

• TiSeLaC

  • 年份：2017
  • 图像来源：Landsat-8
  • 空间分辨率：30m
  • 时间分辨率：双月采集
  • 类别数：9
  • 采集地区：留尼汪岛（2014）

多边形级注释

• Sen4AgriNet

  • 年份：2022
  • 图像来源：Sentinel-2
  • 空间分辨率：10m至60m
  • 时间分辨率：每周采集，年度注释
  • 类别数：168
  • 采集地区：加泰罗尼亚 & 法国（2019-2020）

• Deep Crop Rotation

  • 年份：2021
  • 图像来源：Sentinel-2
  • 空间分辨率：10m
  • 时间分辨率：每周采集，年度注释
  • 类别数：10
  • 采集地区：法国（2018-2020）

• Campo Verde

  • 年份：2018
  • 图像来源：Landsat-8 + Sentinel-1
  • 空间分辨率：30m + 10m
  • 时间分辨率：双月采集，注释
  • 类别数：14
  • 采集地区：巴西（2015-2016）

• LEM

  • 年份：2018
  • 图像来源：Landsat-8 + Sentinel-1 + Sentinel-2
  • 空间分辨率：30m + 10m + 10m
  • 时间分辨率：双月（L8+S1）+ 每周（S2）采集，每月注释
  • 类别数：14
  • 采集地区：巴西（2017-2018）

时间序列多边形级注释

• SICKLE

  • 年份：2024
  • 图像来源：Landsat-8 + Sentinel-1 + Sentinel-2
  • 空间分辨率：30m + 3m + 10m
  • 时间分辨率：双月 + 12d + 每周采集
  • 类别数：21
  • 采集地区：印度（2018-2021）

• AgriSen-COG

  • 年份：2023
  • 图像来源：Sentinel-2
  • 空间分辨率：10m
  • 时间分辨率：每周采集
  • 类别数：103
  • 采集地区：奥地利，比利时，西班牙，丹麦，荷兰（2019-2020）

• TimeMatch

  • 年份：2022
  • 图像来源：Sentinel-2
  • 空间分辨率：10m
  • 时间分辨率：每周采集
  • 类别数：16
  • 采集地区：奥地利，丹麦，法国中部西部，法国南部（2017）

• DENETHOR

  • 年份：2021
  • 图像来源：无云图像融合
  • 空间分辨率：3m
  • 时间分辨率：每日采集
  • 类别数：10
  • 采集地区：德国（2018-2019）

• EuroCrops

  • 年份：2021
  • 图像来源：Sentinel-2
  • 空间分辨率：/
  • 时间分辨率：每周采集
  • 类别数：43
  • 采集地区：欧洲（2015-2022）

• TimeSen2Crop

  • 年份：2021
  • 图像来源：Sentinel-2
  • 空间分辨率：10m
  • 时间分辨率：每周采集
  • 类别数：16
  • 采集地区：奥地利（2017-2018）

• Canadian Cropland

  • 年份：2021
  • 图像来源：Sentinel-2
  • 空间分辨率：10m
  • 时间分辨率：每月采集
  • 类别数：10
  • 采集地区：加拿大（2019）

• ZueriCrop

  • 年份：2021
  • 图像来源：Sentinel-2
  • 空间分辨率：10m
  • 时间分辨率：每周采集
  • 类别数：48
  • 采集地区：苏黎世，瑞士（2019）

• Crop type in Western Cap

  • 年份：2021
  • 图像来源：PlanetScope + Sentinel-1 + Sentinel-2
  • 空间分辨率：3m + 10m + 10m
  • 时间分辨率：双月（Planet+S1）+ 每周（S2）采集
  • 类别数：5
  • 采集地区：南非（2017）

• Spot the crop challenge

  • 年份：2021
  • 图像来源：Sentinel-1 + Sentinel-2
  • 空间分辨率：5m + 10m
  • 时间分辨率：双月 + 每周采集
  • 类别数：10
  • 采集地区：南非（2016）

• BreizhCrops

  • 年份：2020
  • 图像来源：Sentinel-2
  • 空间分辨率：60m
  • 时间分辨率：每周采集
  • 类别数：9
  • 采集地区：布列塔尼，法国（2017）

• Crop type in Ghana

  • 年份：2020
  • 图像来源：PlanetScope + Sentinel-1 + Sentinel-2
  • 空间分辨率：3m + 10m + 10m
  • 时间分辨率：双月（Planet+S1）+ 每周（S2）采集
  • 类别数：4
  • 采集地区：加纳（2017）

• Crop type on South Soudan

  • 年份：2020
  • 图像来源：PlanetScope + Sentinel-1 + Sentinel-2
  • 空间分辨率：3m + 10m + 10m
  • 时间分辨率：双月（Planet+S1）+ 每周（S2）采集
  • 类别数：4
  • 采集地区：南苏丹（2017）

• CV4A Kenya

  • 年份：2020
  • 图像来源：Sentinel-2
  • 空间分辨率：10m
  • 时间分辨率：双月采集
  • 类别数：7
  • 采集地区：肯尼亚（2019）

• Pixel-Set dataset

  • 年份：2020
  • 图像来源：Sentinel-2
  • 空间分辨率：10m
  • 时间分辨率：每周采集
  • 类别数：20
  • 采集地区：法国（2017）

图像注释

• TreeSatAI-Time-Series

  • 年份：2024
  • 图像来源：Sentinel-1 + Sentinel-2
  • 空间分辨率：10m + 10m
  • 时间分辨率：每周采集
  • 类别数：20
  • 采集地区：德国（2017-2020）

• RapidAI4EO Corpus

  • 年份：2023
  • 图像来源：PlanetFusion + Sentinel-2
  • 空间分辨率：3m + 10m
  • 时间分辨率：5天 + 每月采集
  • 类别数：44（多标签）
  • 采集地区：欧洲（2018-2019）

• fMoW-Sentinel

  • 年份：2022
  • 图像来源：Sentinel-2
  • 空间分辨率：10m
  • 时间分辨率：不规则采集
  • 类别数：63
  • 采集地区：全球（2015-2019）

• SEN12-FLOOD

  • 年份：2020
  • 图像来源：Sentinel-1 + Sentinel-2
  • 空间分辨率：10m + 10m
  • 时间分辨率：双月 + 每周采集
  • 类别数：2
  • 采集地区：非洲，伊朗和澳大利亚城市（2018-2019）

• fMoW-RGB

  • 年份：2018
  • 图像来源：DigitalGlobe星座
  • 空间分辨率：多分辨率（0.3m至3.7m）
  • 时间分辨率：不规则采集
  • 类别数：63
  • 采集地区：全球（2002-2017）

回归

• CropNet

  • 年份：2024
  • 图像来源：Sentinel-2 + WRF-HRRR
  • 空间分辨率：9km + 9km
  • 时间分辨率：14天 + 1天 & 年度注释
  • 采集地区：美国（2017-2022）

• SICKLE

  • 年份：2024
  • 图像来源：Landsat-8 + Sentinel-1 + Sentinel-2
  • 空间分辨率：30m + 3m + 10m
  • 时间分辨率：双月 + 12天 + 每周采集
  • 采集地区：印度（2018-2021）

• BioMassters

  • 年份：2023
  • 图像来源：Sentinel-1 + Sentinel-2
  • 空间分辨率：20m + 10m
  • 时间分辨率：每月采集，年度注释
  • 采集地区：芬兰（2016-2021）

预测

• SeasFire

  • 年份：2023
  • 图像来源：ERA5, MODIS, ...
  • 空间分辨率：27km
  • 时间分辨率：8天
  • 采集地区：全球（2001-2021）

• Digital Typhoon

  • 年份：2023
  • 图像来源：Himawari
  • 空间分辨率：5km
  • 时间分辨率：60分钟
  • 采集地区：西北太平洋盆地（1978-2022）

• SEN2DWATER

  • 年份：2023
  • 图像来源：Sentinel-2
  • 空间分辨率：10m
  • 时间分辨率：每2个月
  • 采集地区：意大利 & 西班牙（2020-2022）

• EarthNet2021

  • 年份：2021
  • 图像来源：Sentinel-2 + 动态模型
  • 空间分辨率：20m + 1,28km
  • 时间分辨率：每周（S2）+ 每日

搜集汇总

数据集介绍

构建方式

MultiEarth 2023数据集是通过整合多源卫星影像数据构建而成，主要利用了Sentinel-1、Sentinel-2、Landsat-5和Landsat-8的影像数据。这些数据源的空间分辨率分别为10米、10米、30米和30米，时间分辨率为每周获取一次，具体取决于数据源。数据集涵盖了亚马逊地区从1984年至2021年的影像数据，并进行了月度标注，以确保时间序列的连续性和准确性。

特点

MultiEarth 2023数据集的特点在于其多源数据的融合，结合了不同分辨率和时间频率的卫星影像，提供了丰富的地表信息。数据集专注于亚马逊地区的长期变化监测，涵盖了广泛的时间跨度，能够支持多种计算机视觉和深度学习任务，如语义分割、实例分割和变化检测。此外，数据集的标注粒度包括像素级和多边形级，适用于不同类型的分析需求。

使用方法

MultiEarth 2023数据集的使用方法多样，适用于多种遥感分析任务。研究人员可以利用该数据集进行地表覆盖分类、植被变化监测以及灾害评估等研究。数据集的时间序列特性使其特别适合用于长期变化分析，用户可以通过对比不同时间点的影像数据，识别地表变化的趋势和模式。此外，数据集的多源数据融合特性也为跨传感器分析和多模态学习提供了可能。

背景与挑战

背景概述

MultiEarth 2023数据集是由法国空间局（CNES）和布列塔尼地区资助，由Corentin Dufourg、Charlotte Pelletier、Stéphane May和Sébastien Lefèvre等研究人员于2023年发布的一个重要卫星图像时间序列数据集。该数据集主要聚焦于亚马逊地区（1984-2021年）的多源卫星图像，包括Sentinel-1、Sentinel-2、Landsat-5和Landsat-8等数据源，空间分辨率从10米到30米不等，时间分辨率为每周获取，每月标注。其核心研究问题是通过多时相卫星图像进行语义和实例分割，特别是用于土地覆盖变化监测和作物类型识别。MultiEarth 2023为遥感领域的深度学习模型提供了丰富的时间序列数据，推动了该领域在环境监测和农业管理中的应用。

当前挑战

MultiEarth 2023数据集在解决遥感图像时间序列分析问题时面临多重挑战。首先，多源卫星数据的融合与对齐是一个复杂的技术难题，不同传感器的空间分辨率和时间分辨率差异较大，如何有效整合这些数据以提升模型的泛化能力是一个关键问题。其次，时间序列数据的标注成本高昂，尤其是在大范围区域（如亚马逊地区）进行逐月标注，需要大量的人力和时间投入。此外，数据的时间跨度长达近40年，期间传感器技术和数据获取方式的变化可能导致数据质量不一致，这对模型的鲁棒性提出了更高要求。最后，如何在多时相数据中捕捉细微的土地覆盖变化，尤其是在复杂的地形和植被覆盖区域，仍然是一个亟待解决的难题。

常用场景

经典使用场景

MultiEarth 2023数据集在遥感领域中被广泛应用于亚马逊地区的土地覆盖变化监测。该数据集结合了Sentinel-1、Sentinel-2、Landsat-5和Landsat-8的多源卫星影像，提供了从1984年至2021年的长时间序列数据。其高空间分辨率和多光谱特性使得研究人员能够精确地分析亚马逊地区的森林砍伐、植被恢复等动态变化。通过每周的影像采集和每月的标注，该数据集为土地覆盖分类和变化检测提供了丰富的时间维度信息。

实际应用

MultiEarth 2023数据集在实际应用中具有广泛的潜力。例如，政府和环保组织可以利用该数据集监测亚马逊地区的森林砍伐情况，制定相应的保护政策。农业部门可以通过分析植被变化，优化土地利用规划。此外，该数据集还可用于灾害评估，如洪水、火灾等自然灾害的影响范围和恢复情况。通过提供高精度的时空数据，MultiEarth 2023为多领域的决策支持提供了科学依据。

衍生相关工作

MultiEarth 2023数据集衍生了许多相关的研究工作。例如，基于该数据集的研究提出了新的深度学习模型，用于提高土地覆盖分类的精度。此外，该数据集还被用于开发时间序列分析算法，以更好地捕捉土地覆盖的动态变化。一些研究还结合了气象数据，探讨了气候变化对亚马逊地区植被的影响。这些衍生工作不仅推动了遥感技术的发展，也为生态保护和可持续发展提供了新的研究思路。