TJNU Cloud Detection Database (TCDD)|云检测数据集|气象研究数据集

TJNU云检测数据库（TCDD）是从2019年到2020年在中国九个省份（包括天津、安徽、四川、甘肃、山东、河北、辽宁、江苏和海南）收集的，包含2300张地面云图像及其相应的云掩码。TCDD由1874张训练图像和426张测试图像组成。云图像由视觉传感器捕获，并以512×512像素分辨率的PNG格式存储。所有图像均由气象学家和云相关研究人员共同标注。TCDD将免费提供给云相关研究人员，以促进研究。

原始信息汇总

TJNU-Cloud-Detection-Database

数据集概述

• 名称: TJNU Cloud Detection Database (TCDD)
• 采集时间: 2019年至2020年
• 采集地点: 中国九个省份，包括天津、安徽、四川、甘肃、山东、河北、辽宁、江苏和海南
• 数据内容: 包含2300张地面云图及其对应的云掩膜
• 数据划分: 1874张训练图像和426张测试图像
• 图像格式: PNG格式，像素分辨率为512×512
• 标注方式: 由气象学家和云相关研究人员合作标注

使用说明

• 引用要求: 如在研究中使用该数据集，请引用以下文献：

  @article{zhang2022ground,
  title = {Ground-based Cloud Detection using Multiscale Attention Convolutional Neural Network},
  author = {Zhang, Zhong and Yang, Shuzhen and Liu, Shuang and Xiao, Baihua and Cao, Xiaozhong.},
  journal = {IEEE Geoscience and Remote Sensing Letters},
  volume = {19},
  pages = {1--5},
  year = {2022},
  publisher = {IEEE}
  }

下载与使用

• 下载前须知: 在下载数据集之前，需阅读并理解TCDD Agreement中的所有条款。下载和使用TCDD意味着同意协议中的所有限制和要求。
• 下载链接: Downloading

AI搜集汇总

数据集介绍

构建方式

TJNU Cloud Detection Database (TCDD) 是在2019年至2020年间，由中国九个省份（包括天津、安徽、四川、甘肃、山东、河北、辽宁、江苏和海南）收集而成。该数据集包含2300张地面云图及其对应的云掩膜，其中1874张用于训练，426张用于测试。这些云图由视觉传感器捕获，并以512×512像素分辨率的PNG格式存储。所有图像均由气象学家和云相关研究人员共同标注，确保了数据的高质量与准确性。

使用方法

使用TCDD数据集前，用户需阅读并理解[TCDD协议](https://github.com/shuangliutjnu/TJNU-Cloud-Detection-Database/blob/main/TCDD%20Agreement.pdf)中的所有条款。下载和使用该数据集即表示同意协议中的所有限制和要求。数据集可通过提供的链接[下载](https://drive.google.com/file/d/1I6uzBISDq7XkT0lNl8mI4Bbt7C1h-PJH/view?usp=sharing)。在使用过程中，建议引用相关文献以确保学术诚信和数据来源的透明性。

背景与挑战

背景概述

TJNU Cloud Detection Database (TCDD) 是由中国九个省份（天津、安徽、四川、甘肃、山东、河北、辽宁、江苏和海南）在2019年至2020年间收集的云检测数据库。该数据集包含2300张地面云图像及其相应的云掩码，其中1874张用于训练，426张用于测试。图像由视觉传感器捕获，并以512×512像素分辨率的PNG格式存储。所有图像均由气象学家和云相关研究人员共同标注。TCDD旨在免费提供给云相关研究人员，以促进该领域的研究。

当前挑战

TCDD在构建过程中面临多项挑战。首先，地面云图像的多样性和复杂性使得标注工作异常困难，需要气象学家和研究人员的高度协作。其次，数据集的广泛地理分布导致图像质量参差不齐，增加了数据预处理的复杂性。此外，确保数据集的免费使用和学术推广的同时，还需严格遵守数据使用协议，以保护数据隐私和知识产权。

常用场景

经典使用场景

TJNU Cloud Detection Database (TCDD) 的经典使用场景主要集中在云检测和分类任务中。该数据集包含了2300张地基云图像及其对应的云掩膜，这些图像通过视觉传感器捕捉，并以512×512像素的分辨率存储。研究人员可以利用这些图像训练和验证云检测算法，特别是在多尺度注意力卷积神经网络（MACNN）的应用中，TCDD为模型提供了丰富的训练数据，有助于提升云检测的准确性和鲁棒性。

解决学术问题

TCDD 解决了云检测领域中数据稀缺和标注不一致的学术问题。通过提供高质量、多省份的地基云图像及其精确的云掩膜，TCDD 为研究人员提供了一个标准化的数据集，有助于推动云检测算法的发展。此外，该数据集的公开使用促进了跨学科的合作，特别是在气象学和计算机视觉的交叉领域，为云检测技术的进步提供了坚实的基础。

实际应用

在实际应用中，TJNU Cloud Detection Database (TCDD) 被广泛用于气象预报、气候研究和环境监测等领域。通过准确检测和分类云层，气象学家可以更精确地预测天气变化，提高气象预报的准确性。此外，TCDD 的数据还可以用于评估和优化卫星云图的精度，从而提升全球气候模型的可靠性。这些应用不仅增强了气象服务的质量，还为环境保护和灾害预警提供了重要的数据支持。

数据集最近研究

最新研究方向

在气象学与遥感领域，TJNU Cloud Detection Database (TCDD) 的引入为云检测技术的研究提供了宝贵的资源。近期，基于TCDD的研究主要集中在多尺度注意力卷积神经网络的应用上，旨在提升云检测的准确性和效率。这一方向的研究不仅有助于改进现有的云检测算法，还为气象预报和气候模型的精度提升提供了新的可能性。通过结合地面观测数据与先进的深度学习技术，研究者们正努力实现对云层特性的更精细分析，从而推动气象科学的发展。