ISASeg

ISASeg数据集由10米分辨率的Sentinel-2图像、1米分辨率的超分辨率图像和相应的1米分辨率的不透水面区域（ISA）标签组成。该数据集包含超过426亿个标记的ISA像素，为大规模区域的细粒度ISA制图研究与应用提供了重要支持。数据集的创建是为了解决中分辨率图像在检测细粒度空间模式方面的局限性，通过深度学习驱动的超分辨率分割方法，利用公开可访问的Sentinel-2图像实现了1米分辨率的不透水面区域制图。数据集的创建过程包括多尺度采样策略、分层随机采样、高分辨率和低分辨率卫星图像的采集以及相应ISA标签的生成。该数据集的应用领域包括可持续城市规划、洪水风险评估和土地利用监测等，旨在支持全球可持续发展目标和城市韧性规划。The ISASeg dataset consists of 10-meter-resolution Sentinel-2 images, 1-meter-resolution super-resolution images, and corresponding 1-meter-resolution Impervious Surface Area (ISA) labels. This dataset contains over 42.6 billion labeled ISA pixels, providing critical support for fine-grained ISA mapping research and applications in large-scale regions. This dataset was developed to address the limitations of medium-resolution images in detecting fine-grained spatial patterns, and achieves 1-meter-resolution impervious surface area mapping via deep learning-driven super-resolution segmentation methods using publicly accessible Sentinel-2 images. The dataset construction process includes multi-scale sampling strategies, stratified random sampling, collection of high-resolution and low-resolution satellite images, and generation of corresponding ISA labels. Application scenarios of this dataset include sustainable urban planning, flood risk assessment, land use monitoring and other fields, aiming to support the Global Sustainable Development Goals and urban resilience planning.

搜集汇总

数据集介绍

构建方式

ISASeg数据集的构建采用了多模态跨分辨率输入策略，结合Sentinel-2卫星影像（10米分辨率）与吉林一号卫星RGB数据（0.75米分辨率）进行配对。通过分层随机采样方法在长江经济带的上游、中游和下游区域采集样本点，确保空间独立性。低分辨率数据来自Sentinel-2的年度合成影像，高分辨率数据则通过半自动化标注流程生成，结合OpenStreetMap土地覆盖数据和Segment Anything Model（SAM）生成伪标签，并经过人工修正以提升标注精度。最终数据集包含42.6亿个ISA标注像素和253.3亿个非ISA像素，覆盖复杂城乡景观与多样化地形。

特点

ISASeg的核心特点在于其超高空间分辨率（1米）与大范围覆盖（220万平方公里）的协同实现。数据集通过渐进式生成对抗网络（Prog-ESRGAN）突破传统10倍超分辨率限制，在保持光谱一致性的同时增强纹理细节，F1分数达85.71%，较基准产品提升9.5%-61.07%。其独特价值体现在对城市密集区绿色空间与水体的精确区分（如苏州ISA低估36.15%），以及对山地破碎化人工特征的敏感检测（如昭通ISA高估81.74%），实现了跨地貌场景的稳健性能。时间维度上提供2017-2023双年度序列，支持城镇化动态追踪。

使用方法

该数据集支持端到端的超分辨率分割流程应用：首先将10米Sentinel-2影像输入Prog-ESRGAN模型进行两阶段升尺度（10m→2.5m→1m），随后通过Mask2Former模型融合原始多光谱与超分辨RGB特征完成语义分割。实践表明，联合训练策略使模型在未训练区域（如成都）仍保持优异泛化能力，云雾去除效果显著。输出结果为GeoTIFF格式二值分类图（WGS-84坐标系），兼容主流GIS平台，适用于城市扩张监测、洪涝风险评估及SDGs指标核算等场景。开放获取特性使其成为替代商业VHR影像的经济型解决方案。

背景与挑战

背景概述

ISASeg数据集由中国科学院空天信息创新研究院邓杰、洪丹枫等研究人员于2025年创建，旨在解决长江经济带1米分辨率不透水面（ISA）制图的关键问题。该数据集通过融合超分辨率重建与语义分割技术，首次实现了从10米分辨率Sentinel-2影像直接生成1米精度ISA产品，覆盖220万平方公里区域。作为首个跨分辨率多模态ISA数据集，其包含42.6亿标注像素，突破了商业高分影像的成本壁垒，为城市扩张监测、洪涝风险评估等应用提供了开源解决方案，推动了遥感智能解译领域的技术革新。

当前挑战

该领域面临双重挑战：在科学层面，中分辨率影像存在光谱混合效应，导致城市植被与水体的误分类；10倍超分辨率重建易引发纹理失真和几何位移。在工程层面，需解决跨年份影像风格归一化、山区破碎地物检测等难题。数据集构建过程中，标注工作需融合OpenStreetMap与SAM模型生成伪标签，并人工修正广场、工业区等复杂地物，处理了25.33亿非ISA像素的类别不平衡问题。此外，模型需在1732.9GB数据上训练2.83亿参数生成器，计算复杂度显著高于常规4倍超分任务。

常用场景

经典使用场景

ISASeg数据集在遥感影像的超分辨率重建与语义分割领域具有广泛的应用。该数据集通过整合Sentinel-2影像与1米分辨率的地面真实标签，为城市不透水面（ISA）的高精度制图提供了关键支持。其典型使用场景包括城市扩张监测、土地利用分类以及环境变化分析。特别是在长江经济带这样的复杂地理区域，ISASeg能够有效捕捉城市与乡村的混合模式，为城市规划与生态评估提供数据基础。

实际应用

在实际应用中，ISASeg支持了长江经济带2.4万平方公里区域的1米分辨率ISA制图。其成果被用于洪水风险评估、热岛效应分析和国土空间规划。例如，在苏州等高度城市化区域，该数据集减少了绿地与水体的误分类；而在甘孜等山地地区，则提升了乡村道路与稀疏聚落的检测能力。这些应用验证了其在复杂地形下的鲁棒性，并为地方政府提供了动态监测工具。

衍生相关工作

基于ISASeg的联合框架（JointSeg），衍生出多项经典工作。例如Prog-ESRGAN通过渐进式生成对抗网络实现10倍超分辨率重建，Mask2Former则利用Transformer架构提升语义分割精度。这些方法被扩展至建筑高度估算（如Cao和Weng的研究）与全球土地覆盖制图（如SinoLC-1），推动了开放数据驱动的高分辨率遥感分析范式变革。