QuakeSet

QuakeSet是由都灵理工大学的Daniele Rege Cambrin和Paolo Garza创建的一个地震监测数据集，包含超过一百个全球地震事件的数千个三时相样本，使用Sentinel-1卫星数据和ISC注释。该数据集旨在通过详细的新视角帮助监测地震，提供三时相的时间序列图像，允许分析与时间相关的变化。数据集的应用领域包括地震检测、震级回归、震源或震中回归以及变化检测等，旨在解决传统地震监测方法在偏远地区的局限性，通过卫星数据实现全球覆盖的地震监测。

QuakeSet is a seismic monitoring dataset developed by Daniele Rege Cambrin and Paolo Garza from the Polytechnic University of Turin. It comprises thousands of three-phase samples derived from over one hundred global seismic events, utilizing Sentinel-1 satellite data and ISC annotations. This dataset aims to facilitate seismic monitoring through a detailed, novel perspective, by providing time-series images of three phases to allow analysis of time-dependent changes. Its application scenarios include seismic detection, magnitude regression, hypocenter or epicenter regression, and change detection, among others. It is designed to address the limitations of traditional seismic monitoring methods in remote areas, enabling seismic monitoring with global coverage via satellite data.

搜集汇总

数据集介绍

构建方式

在遥感监测领域，地震灾害的精准识别与评估对应急管理至关重要。QuakeSet数据集的构建依托于Sentinel-1卫星的合成孔径雷达（SAR）数据与国际地震中心（ISC）的地震事件标注。研究团队选取了2018年至2021年间全球155次震级大于4 mb的地震事件，以震中为中心划定约20公里×20公里的区域，并采集每个事件的三时相图像序列：震前、震后及一个中性参考时段。所有图像均经过SAR后向散射处理，并裁剪为512×512像素的标准化尺寸，最终形成包含1906个样本的高分辨率数据集，为地震监测任务提供了结构化的时空数据基础。

特点

QuakeSet数据集的核心特征在于其多时相结构与多任务适用性。该数据集不仅提供了VV和VH双极化通道的Sentinel-1 SAR图像，还通过精心设计的时序窗口确保了震前、震后及中性时段图像的对比性，有效支持变化检测与事件分析。数据覆盖全球多个地震活跃区域，震级分布近似正态，且经过均衡划分的训练、验证与测试集保证了模型评估的统计一致性。此外，数据集标注包含震级、震中坐标及深度信息，使其能够同时支撑地震检测、震级回归、震中定位及变化检测等多类机器学习任务，兼具遥感数据的物理意义与机器学习任务的实用性。

使用方法

QuakeSet数据集适用于地震监测领域的多种机器学习任务，用户可通过单图像或双时相时间序列作为输入进行模型训练与评估。对于地震检测任务，可将图像或时间序列与二分类标签结合，构建监督分类模型；震级回归任务则需将数据与连续震级值关联，实现回归预测。数据集中性时段的引入有助于平衡正负样本分布，提升模型泛化能力。研究团队已公开数据集与基准代码，支持用户基于卷积神经网络、视觉变换器等深度学习架构，或随机森林等传统方法进行实验，并鼓励在低资源消耗与高性能间寻求平衡，以推动星载实时地震监测应用的发展。

背景与挑战

背景概述

地震监测是灾害管理中的关键环节，旨在快速识别受灾区域、评估事件严重性，并支持灾后恢复规划。传统地震台站受限于地理覆盖范围，难以实现全球毛细管式监测，而社交媒体图像则依赖通信基础设施和人员存在，无法有效估算地震特征。在此背景下，都灵理工大学的Daniele Rege Cambrin等人于2024年提出了QuakeSet数据集，该数据集基于Sentinel-1卫星的合成孔径雷达图像构建，涵盖2018年至2021年间全球155次地震事件，提供三时相时间序列样本。其核心研究问题在于利用机器学习方法从遥感数据中自动检测地震、回归震级与震中位置，填补了地震分析领域公开数据集的空白，为低资源设备上的实时监测提供了新的可能性。

当前挑战

QuakeSet数据集旨在解决地震监测领域的多重挑战，包括地震检测、震级回归、震中定位及变化检测等任务。这些任务面临的主要挑战在于地震信号的复杂性和遥感数据的非线性特征，要求模型能够从多时相雷达图像中捕捉细微的地表变化。在构建过程中，研究人员需克服数据采集与处理的困难，例如Sentinel-1图像的高分辨率要求、时间窗口的精确对齐，以及国际地震中心注释数据的整合与筛选。此外，数据集的全球分布不均，非洲地区样本较少，可能影响模型的泛化能力。同时，为实现在卫星等低资源设备上的部署，模型必须在高精度与低计算消耗之间取得平衡，这进一步增加了算法设计的复杂性。

常用场景

经典使用场景

在遥感与灾害管理领域，QuakeSet数据集以其独特的双时相Sentinel-1 SAR图像序列，为地震监测研究提供了经典的应用场景。该数据集通过整合地震事件前后的卫星影像，支持机器学习模型进行地震检测、震级回归等核心任务。其设计巧妙利用了合成孔径雷达对云层穿透和地表变化的敏感特性，使得研究人员能够在缺乏地面监测设施的偏远区域，实现自动化、高精度的地震影响评估。这一场景不仅推动了遥感数据在地球物理事件分析中的深入应用，还为低资源环境下的实时灾害响应提供了可行路径。

实际应用

在实际应用中，QuakeSet数据集可被集成于灾害应急管理系统，用于快速生成地震影响图和支持灾后资源调配决策。其基于Sentinel-1卫星的全球覆盖能力，使得在通信基础设施受损或人员稀少的地区，仍能通过星载或地面数据中心进行自动化分析，实时传输关键信息如受损区域坐标和估计震级。这种能力不仅增强了灾害响应的时效性与范围，还为政府机构和国际组织提供了可靠的数据驱动工具，以优化救援规划和恢复进程，体现了遥感技术在提升公共安全与韧性方面的实际价值。

衍生相关工作

QuakeSet数据集的发布催生了一系列围绕低资源机器学习模型与地震分析相结合的经典研究工作。例如，基于该数据集的实验推动了MobileNetV2、ConvNextV2等轻量级卷积神经网络以及MiT-B0等视觉变换器在地震检测任务中的性能优化与比较研究。这些工作不仅验证了双时相影像在提升模型准确性方面的优势，还激发了针对星载设备计算约束的模型设计探索。此外，该数据集为变化检测、震中回归等多任务学习提供了基准，促进了遥感领域与危机管理交叉研究的深化，为后续大规模、多模态灾害数据集的构建与应用奠定了方法论基础。