Sen2Fire

Sen2Fire数据集是由林雪平大学计算机视觉实验室和Maxar Technologies共同创建，专门用于野火检测的卫星遥感数据集。该数据集包含2466个512×512像素的图像块，每个图像块包含13个波段，主要来源于Sentinel-2多光谱数据和Sentinel-5P气溶胶产品。数据集的创建旨在通过评估不同波段和光谱指数（如归一化燃烧比率NBR和归一化差异植被指数NDVI）的组合，优化野火检测算法。此外，数据集还包括Sentinel-5P气溶胶数据，以增强野火检测的准确性。Sen2Fire数据集的应用领域主要集中在环境监测和灾害响应，特别是在解决快速准确的野火检测问题上。

The Sen2Fire dataset, jointly created by the Computer Vision Laboratory of Linköping University and Maxar Technologies, is a satellite remote sensing dataset specifically designed for wildfire detection. This dataset contains 2466 image patches with a size of 512×512 pixels, each including 13 bands, and is primarily sourced from Sentinel-2 multispectral data and Sentinel-5P aerosol products. The dataset was developed to optimize wildfire detection algorithms by evaluating combinations of different bands and spectral indices, such as the Normalized Burn Ratio (NBR) and Normalized Difference Vegetation Index (NDVI). Additionally, the dataset incorporates Sentinel-5P aerosol data to enhance the accuracy of wildfire detection. The application fields of the Sen2Fire dataset mainly focus on environmental monitoring and disaster response, particularly in addressing the challenge of rapid and accurate wildfire detection.

搜集汇总

数据集介绍

构建方式

Sen2Fire数据集的构建方式主要依托于Sentinel-2多光谱数据和Sentinel-5P气溶胶产品。首先，研究人员从Sentinel-2任务中获取了包含13个波段的土地观测卫星影像，并从Sentinel-5P任务中获取了7个波段的气溶胶数据。接着，将这些数据与MODIS火灾产品进行整合，以获得火灾的真实标签。最后，将研究区域划分为512×512像素的图像块，并分别构建训练集、验证集和测试集。

特点

Sen2Fire数据集具有以下几个特点：首先，数据集涵盖了2019-2020年澳大利亚森林火灾季节中四个地区的火灾情况，总面积超过30,000平方公里，为评估火灾检测模型的地理泛化能力提供了有力支持。其次，数据集存在严重的类别不平衡问题，火灾样本仅占总样本的2.5%，这为模型训练和评估带来了挑战。最后，数据集使用了多种输入策略，包括RGB复合图像、SWIR复合图像、NBR复合图像、NDVI复合图像、RGB+SWIR+NBR+NDVI复合图像和原始输入，以探索不同波段组合对火灾检测性能的影响。

使用方法

Sen2Fire数据集可以用于火灾检测模型的训练和评估。首先，用户可以选择不同的输入策略，如RGB复合图像、SWIR复合图像等，并将这些图像作为模型的输入。其次，用户可以使用MODIS火灾产品作为真实标签，以评估模型的检测性能。最后，用户可以分析不同波段组合对火灾检测性能的影响，以优化模型的设计和参数设置。

背景与挑战

背景概述

Sen2Fire数据集，由瑞典林雪平大学计算机视觉实验室和Maxar Technologies共同创建，旨在推动基于卫星遥感影像的野火检测研究。该数据集于2024年3月发布，基于Sentinel-2多光谱数据和Sentinel-5P气溶胶产品，共包含2466个图像块，每个块大小为512x512像素，包含13个波段。Sen2Fire数据集的创建，旨在解决现有遥感野火检测研究中缺乏大规模基准数据集、不同波段对野火的敏感性差异以及模型跨不同地理区域的迁移能力等挑战。

当前挑战

Sen2Fire数据集面临的挑战主要包括：1) 不同波段对野火的敏感性差异；2) 模型跨不同地理区域的迁移能力；3) 数据集中野火样本和非野火样本的分布存在大量重叠，导致区分这两类样本的难度较大；4) 数据集中野火样本和非野火样本的比例失衡，这可能导致模型训练过程中出现偏差。

常用场景

经典使用场景

Sen2Fire数据集作为卫星遥感数据集，主要用于野火检测。该数据集融合了Sentinel-2多光谱数据和Sentinel-5P气溶胶产品，包含2466个512x512像素的图像块，每个图像块包含13个波段。该数据集的引入旨在解决现有遥感野火检测研究中存在的缺乏大规模基准数据集、不同波段对野火的敏感性差异以及模型在不同地理区域之间的可迁移性问题。

衍生相关工作

Sen2Fire数据集的引入推动了遥感野火检测研究的发展，并衍生了大量的相关工作。这些工作主要集中在野火检测算法的设计和优化、不同波段组合对野火检测性能的影响以及模型在不同地理区域之间的可迁移性等方面。此外，Sen2Fire数据集的引入还促进了遥感野火检测研究的国际合作和交流，为该领域的研究和发展做出了重要贡献。

数据集最近研究

最新研究方向

在遥感领域，利用卫星图像进行野火检测的研究具有重要意义。Sen2Fire数据集的提出为这一领域带来了新的进展。该数据集结合了Sentinel-2多光谱数据和Sentinel-5P气溶胶产品，旨在为野火检测提供高质量的数据支持。Sen2Fire数据集的引入填补了大规模基准数据集的空白，并展示了不同波段和光谱指数组合对野火检测性能的影响。研究发现，相对于传统的融合所有多光谱波段的方法，选择特定的波段组合可以获得更好的性能。此外，研究还强调了集成Sentinel-5P气溶胶数据对野火检测的积极影响。这些成果为遥感技术在野火检测领域的应用提供了新的可能性，并为未来研究指明了方向。

相关研究论文

• Sen2Fire: A Challenging Benchmark Dataset for Wildfire Detection using Sentinel Data

  林雪平大学计算机视觉实验室，瑞典 · 2024年