junboboshi/ETCI-2021-Flood-Detection

ETCI 2021洪水检测数据集是一个全面的洪水检测分割数据集，专注于由ESA Sentinel-1卫星拍摄的SAR（合成孔径雷达）图像。该数据集提供了VV（垂直发射，垂直接收）和VH（垂直发射，水平接收）极化图像对，这些图像已经通过Hybrid Pluggable Processing Pipeline (hyp3)进行处理。此外，数据集还包括相应的二进制洪水和水体地面实况掩码。数据集由66,810个256×256像素的图块组成（每个极化33,405个），分别分布在训练集、验证集和测试集中：每个极化分别有33,405、10,400和12,348个图块。每个图块包含3个RGB通道，这些通道是通过将54个标记的GeoTIFF文件（由Sentinel-1 C波段合成孔径雷达图像数据使用Hybrid Pluggable Processing Pipeline hyp3生成）进行切片转换得到的。训练图块对应VV和VH极化的强度值，并具有以下属性。ETCI 2021数据集对洪水检测和分割任务非常有价值，并促进了该领域的研究和开发。The ETCI 2021 Flood Detection Dataset is a comprehensive dataset for flood detection and segmentation, focusing on Synthetic Aperture Radar (SAR) images acquired by the ESA Sentinel-1 satellite. It provides paired VV (vertical transmit, vertical receive) and VH (vertical transmit, horizontal receive) polarized image pairs, which have been processed via the Hybrid Pluggable Processing Pipeline (hyp3). Additionally, the dataset includes matching binary flood and water body ground truth masks. The dataset comprises 66,810 256×256 pixel image tiles, with 33,405 tiles for each polarization. These tiles are divided into training, validation, and test subsets: for each polarization, there are 33,405 training tiles, 10,400 validation tiles, and 12,348 test tiles respectively. Each tile contains 3 RGB channels, which are derived by slicing and converting 54 labeled GeoTIFF files. These GeoTIFF files are generated from Sentinel-1 C-band SAR image data using the Hybrid Pluggable Processing Pipeline hyp3. The training tiles correspond to the intensity values of VV and VH polarizations, and possess the following attributes. The ETCI 2021 dataset holds significant value for flood detection and segmentation tasks, and promotes research and development within this domain.

搜集汇总

数据集介绍

构建方式

面向遥感洪涝监测领域对合成孔径雷达基准数据的迫切需求，ETCI 2021 Flood Detection数据集依托ESA Sentinel-1卫星的C波段SAR影像构建，选取VV与VH双极化通道，经Hybrid Pluggable Processing Pipeline（hyp3）加工为54个带标注GeoTIFF文件，再切分为256×256像素瓦片。每一瓦片配套VV与VH强度影像，并生成二值洪水掩膜与水体掩膜。训练、验证和测试集在每种极化下分别包含33405、10400和12348个瓦片，总计66810个瓦片，命名前缀编码区域、时间、坐标及极化信息，从而形成规范化的洪涝分割样本体系。

特点

立足洪涝语义分割与地球观测研究，该数据集呈现出鲜明的SAR遥感属性与大规模基准特征。其覆盖VV和VH双极化影像，能够反映不同地物后向散射差异，并配套洪水与水体两类二值地面真实掩膜，适用于像素级洪涝范围识别。数据集总量达5.6GB，含66810个256×256像素瓦片，划分训练、验证与测试子集，兼顾模型学习与泛化评估。影像源于Sentinel-1 C波段SAR，具备全天时、全天候观测潜力，可为多云雨条件下的洪涝监测提供稳定数据支撑。

使用方法

在洪涝检测模型研发与评估场景中，该数据集可用于图像分割任务的训练、验证与测试。使用者可读取data目录下train、test及test_internal中的vv与vh子目录作为输入通道，并加载flood_label与water_body_label中的二值掩膜作为监督标签。文件名前缀可解析区域、时间与坐标，便于按事件或空间位置组织实验。该数据适合训练U-Net、Transformer等分割网络，开展洪水或水体提取，并以IoU、Dice等指标评估性能。若用于研究，应遵循官方要求引用数据集及论文信息。

背景与挑战

背景概述

在合成孔径雷达遥感与洪涝灾害快速响应交织的背景下，ETCI 2021 Flood Detection Dataset 于 2021 年由 NASA-IMPACT 相关团队发布，聚焦 ESA Sentinel-1 C 波段 SAR 影像的洪水与水体二值分割。其核心研究问题在于利用 VV、VH 双极化信息，在缺乏光学观测的条件下识别洪泛范围，并以统一基准评估分割模型。数据集构建覆盖训练、验证与测试三个子集，合计 66,810 幅 256×256 像素切片，包含洪水和水体掩膜。作为大规模、标准化的 SAR 洪水分割资源，它为灾害监测、地球观测与遥感智能解译提供了可复现的实验平台，推动了跨区域泛化与应急响应研究。

当前挑战

面向洪水分割这一地球观测中的关键任务，ETCI 2021 所应对的领域难题在于 SAR 影像固有的相干斑噪声、低信噪比与复杂地物回波，使洪泛区、永久水体、湿地、城市建筑和地形阴影易发生混淆，双极化信息虽增强表征能力，却仍受跨区域、跨时相分布差异与类别不平衡制约。构建过程中的挑战同样显著：原始 Sentinel-1 C 波段影像需经 hyp3 处理、地理配准、强度归一化、双极化对齐与 256×256 瓦片切分，并从 54 个标注 GeoTIFF 中生成一致的洪水及水体二值掩膜；在 66,810 幅样本规模下，标签质量控制、训练验证测试划分、数据存储与版本管理均需严格设计，以保证基准的可靠性与可复现性。

常用场景

经典使用场景

在合成孔径雷达遥感洪涝监测领域，ETCI-2021-Flood-Detection数据集最经典的使用场景是作为二值洪水与水体语义分割的监督基准。研究者将Sentinel-1 C波段VV与VH极化影像的256×256图块输入卷积神经网络或Transformer分割模型，输出逐像素洪水掩膜与水体掩膜。双极化通道设置便于比较极化组合、后向散射特征与地表水响应差异，因而广泛用于基准测试、模型对比、消融实验和泛化评估，成为SAR洪涝制图研究中的代表性数据资源。

解决学术问题

面对SAR洪涝制图长期受斑点噪声、地形阴影、城市建筑与永久水体制约，且缺少大规模统一标注基准的学术困境，该数据集提供跨区域、多时相、双极化的像素级标注，使算法能够在统一标准下学习洪水与水体边界。它缓解了样本稀缺与标签异质性问题，支撑分割精度、鲁棒性、跨域迁移和不确定性分析等研究，为可复现比较提供条件，推动SAR遥感洪涝检测从经验阈值向数据驱动方法转型。

衍生相关工作

以该数据集为基准，相关经典工作沿多条脉络展开：U-Net及其变体成为SAR洪水分割的常用基线，DeepLab、注意力机制与多尺度特征融合被用于提升细节保持能力；双极化融合、迁移学习与域适应研究关注跨区域泛化表现；Transformer与自监督预训练也被引入遥感分割任务。这些工作共同拓展了SAR洪涝制图的方法谱系，并促进开放基准与挑战赛生态形成，为后续研究提供可比较的实验起点。