该数据集的构建方式主要通过整合来自多个卫星和遥感平台的高分辨率图像数据，涵盖了Sentinel、Landsat、Maxar和Planet等多个卫星系统。这些数据集通过不同的任务目标进行分类，如变化检测、云检测、土地覆盖分类等，且大多数数据集提供了详细的元数据和标注信息，以便于深度学习模型的训练和验证。数据集的构建过程中，还特别注重了数据的多模态性，包括光学、SAR（合成孔径雷达）和多光谱数据，以满足不同应用场景的需求。

特点

该数据集的主要特点在于其多样性和广泛的应用领域。首先，数据集涵盖了从全球到局部区域的多种尺度，适用于从宏观到微观的不同研究需求。其次，数据集的多模态特性使其能够支持多种遥感任务，如变化检测、目标识别、土地覆盖分类等。此外，数据集的标注信息丰富，包括像素级标注、实例级标注和语义分割标注，为深度学习模型的训练提供了高质量的监督数据。

使用方法

该数据集的使用方法灵活多样，适用于多种深度学习任务。用户可以通过GitHub页面提供的链接直接访问和下载数据集，或通过API接口进行数据访问。对于特定的任务，如变化检测或云检测，用户可以选择相应的子数据集进行训练和验证。此外，数据集还提供了丰富的示例代码和Jupyter Notebook，帮助用户快速上手并进行数据预处理和模型训练。对于初学者，可以通过搜索功能快速定位所需的数据集，并参考相关文档进行操作。

背景与挑战

背景概述

datasets数据集专注于卫星和航空影像的深度学习应用，由多个研究人员和机构共同创建，旨在为遥感领域的研究提供丰富的数据资源。该数据集的创建时间跨度较长，涵盖了从Sentinel系列卫星到Landsat等不同来源的影像数据。其核心研究问题集中在如何利用这些高分辨率影像进行诸如土地覆盖分类、变化检测、灾害监测等任务。该数据集的发布对遥感领域的深度学习研究具有重要推动作用，尤其是在卫星影像的自动化处理和分析方面。

当前挑战

datasets数据集在构建过程中面临多项挑战。首先，卫星影像的多样性和复杂性使得数据预处理和标注工作变得异常复杂，尤其是在处理多光谱和合成孔径雷达（SAR）数据时。其次，由于卫星影像的时空分辨率不同，如何有效地融合多源数据以提高模型的泛化能力是一个重要挑战。此外，数据集的规模庞大，如何在有限的计算资源下高效地进行模型训练和验证也是一个亟待解决的问题。最后，卫星影像中的云层遮挡和噪声问题对模型的精度和稳定性提出了更高的要求。

常用场景

经典使用场景

该数据集主要用于深度学习在卫星和航空影像中的应用，尤其是在遥感领域。经典的使用场景包括但不限于：土地覆盖分类、变化检测、云检测、植被监测、农业监测、城市扩展分析、灾害评估等。通过结合多光谱和高光谱数据，研究人员可以利用这些数据集进行高精度的地物识别和分类，从而为环境监测、资源管理和灾害响应提供支持。

衍生相关工作

该数据集衍生了许多经典的工作，包括但不限于：基于深度学习的土地覆盖分类模型、变化检测算法、云检测与去除技术、以及多源数据融合方法。例如，SEN12MS数据集为多光谱和SAR数据的融合提供了基准，而Sen4AgriNet则为作物分类和分割提供了多国多年的基准数据。这些衍生工作不仅推动了遥感技术的发展，还为相关领域的研究提供了丰富的实验平台。

数据集最近研究

datasets

数据集列表

Earth Observation Database

awesome-satellite-imagery-datasets

Awesome_Satellite_Benchmark_Datasets

awesome-remote-sensing-change-detection

Callisto-Dataset-Collection

geospatial-data-catalogs

BED4RS

Satellite-Image-Time-Series-Datasets

Remote sensing dataset hubs

Radiant MLHub

Registry of Open Data on AWS

Microsoft Planetary Computer data catalog

Google Earth Engine Data Catalog

Sentinel

awesome-sentinel

Sentinel-2 Cloud-Optimized GeoTIFFs

Sentinel-2 L2A 120m Mosaic

Open access data on GCP

sentinel-hub

python-api

Example loading sentinel data in a notebook

Jupyter Notebooks for working with Sentinel-5P Level 2 data stored on S3

Sentinel NetCDF data

Analyzing Sentinel-2 satellite data in Python with Keras

Xarray backend to Copernicus Sentinel-1 satellite data products

SEN2VENµS

SEN12MS

Sen4AgriNet

earthspy

Space2Ground

sentinel2tools

open-sentinel-map

MSCDUnet

OMBRIA

Canadian-cropland-dataset

Sentinel-2 Cloud Cover Segmentation Dataset

The Azavea Cloud Dataset

fMoW-Sentinel

Earth Surface Water Dataset

Ship-S2-AIS dataset

Amazon Rainforest dataset for semantic segmentation

Mining and clandestine airstrips datasets

Satellite Burned Area Dataset

mmflood

MATTER

Industrial Smoke Plumes

MARIDA: Marine Debris Archive

S2GLC

Generating Imperviousness Maps from Multispectral Sentinel-2 Satellite Imagery

Sentinel-2 Water Edges Dataset (SWED)

Sentinel-1 for Science Amazonas

Sentinel2 Munich480

Meadows vs Orchards

SEN12_GUM

Sentinel-1&2 Image Pairs (SAR & Optical)

Sentinel-2 Image Time Series for Crop Mapping

Deforestation in Ukraine from Sentinel2 data

Multitask Learning for Estimating Power Plant Greenhouse Gas Emissions from Satellite Imagery

METER-ML: A Multi-sensor Earth Observation Benchmark for Automated Methane Source Mapping

satellite-change-events

OMS2CD

coal power plants’ emissions

RapidAI4EO

Sentinel 2 super-resolved data cubes - 92 scenes over 2 regions in Switzerland spanning 5 years

MS-HS-BCD-dataset

MSOSCD

Sentinel-2 dataset for ship detection

MineSegSAT

CropNet: An Open Large-Scale Dataset with Multiple Modalities for Climate Change-aware Crop Yield Predictions

Tiny CropNet dataset

CaBuAr

sen12mscr

Greenearthnet

MultiSenGE

Floating-Marine-Debris-Data

Sen2Fire

L1BSR

GloSoFarID