通过主动学习方法生成的哨兵2号参考云掩模数据集

通过云检测主动学习（ALCD）生成的参考分类
此数据集为 38 个哨兵 2 号场景提供了参考云掩模数据集。这些参考掩模是使用由路易斯・贝滕斯开发的 ALCD 工具创建的，该工具是在法国国家空间研究中心（CNES）所属的空客防务与航天公司（CESBIO）的奥利维耶・阿戈勒的指导下开发的 [1]。创建它们是为了验证由 MAJA 软件生成的云掩模 [2]。
“参考数据集” 目录包含 2017 年或 2018 年选取的 31 个场景。
“霍尔斯坦” 目录包含 7 个场景，这些场景用于通过与霍尔斯坦等人友好提供的手动生成的参考图像进行比较来验证 ALCD 工具 [3]。
其中一个场景同时存在于这两个目录中。对于 MAJA 的验证，未使用 “霍尔斯坦” 场景，因为它们是在哨兵 2 号尚未运行时获取的，观测重复性较差。
数据结构描述
每个场景目录的名称是相应的哨兵 2 号 L1C 产品的名称。
在场景目录中，可以找到三个子目录：
“分类”
“样本”
“统计”
文件描述
“分类 / 分类图.tif”—— 主要产品，即分类后的场景。有 7 个类别可用。每个类别用不同的整数表示。
0：无数据。
1：未使用。
2：低云。
3：高云。
4：云影。
5：陆地。
6：水域。
7：雪。
“分类 / 置信度增强.tif”—— 分类的增强置信度图。值在 0 到 255 之间（以 1 位编码）。
原始置信度图对于每个像素而言，是多数类别的投票比例，因为分类图是通过随机森林算法创建的。
对该置信度图应用了中值滤波器。最后，该值以 1 位保存，导致其值在 0 到 255 之间。
“分类 / 等高线.png”—— 来自分类图的各类别的等高线，叠加在场景上。颜色代码取决于每个类别。
绿色：低云和高云。黄色：云影。蓝色：水域。紫色：雪。
“分类 / 使用的参数.json”—— 用于对场景进行分类的参数。它包括瓦片代码、多云和晴朗日期以及它们的产品参考。
“样本 /”—— 此目录包含所有形状文件，每个类别一个。
“统计 /k 折汇总.json”—— 场景上 10 折交叉验证的结果。
按 “指标名称” 中给出的顺序计算 5 个指标。“所有指标” 是 10 折的列表，每个折中的 5 个指标按正确顺序排列。
“均值” 和 “标准差” 是 10 折的均值和标准差。