ImpactMesh

ImpactMesh是一个由IBM、DLR和ESA Φ-lab发布的大规模多模态、多时间数据集，用于洪水和野火制图。它结合了Sentinel-1 SAR、Sentinel-2光学影像和Copernicus DEM数据，并带有来自Copernicus EMS的高质量标注。该数据集覆盖全球400多个事件，每个事件包含四个时间观测。

ImpactMesh is a large-scale multimodal and multi-temporal dataset released by IBM, DLR, and ESA Φ-lab for flood and wildfire mapping. It incorporates Sentinel-1 SAR, Sentinel-2 optical imagery, and Copernicus DEM data, with high-quality annotations sourced from the Copernicus EMS. This dataset covers over 400 events worldwide, and each event contains four temporal observations.

原始信息汇总

ImpactMesh数据集概述

数据集基本信息

• 名称: ImpactMesh
• 发布机构: IBM、DLR和ESA Φ-lab
• 类型: 大规模多模态、多时相数据集
• 应用领域: 洪水和野火测绘

数据内容

• 数据源:
  • Sentinel-1 SAR影像
  • Sentinel-2光学影像
  • Copernicus DEM
• 标注来源: Copernicus EMS高质量标注
• 覆盖范围: 全球400多个事件
• 时间特征: 每个事件包含四个时间观测

数据子集

• 野火子集: https://huggingface.co/datasets/ibm-esa-geospatial/ImpactMesh-Fire
• 洪水子集: https://huggingface.co/datasets/ibm-esa-geospatial/ImpactMesh-FLood

技术特性

• 数据格式: Zarr Version 2
• 配套工具: 提供PyTorch数据加载器构建代码
• 训练框架: 支持TerraTorch微调模型

许可信息

• 代码和模型: Apache 2.0许可证
• 数据集: CC-BY 4.0许可证

致谢

• 资助项目: 欧洲空间局Φ-Lab FAST‑EO项目（合同号#4000143501/23/I‑DT）
• 数据提供方:
  • Sentinel-2 Level-2A数据：Microsoft Planetary Computer（Copernicus Sentinel许可）
  • Sentinel-1 RTC SAR数据：Microsoft Planetary Computer（Copernicus Sentinel许可）
  • DEM数据：Copernicus WorldDEM-30（DLR和Airbus Defence and Space）
  • 标注数据：Copernicus Emergency Management Service

搜集汇总

数据集介绍

构建方式

ImpactMesh数据集构建融合了多源遥感数据与权威标注信息，通过整合哨兵一号合成孔径雷达影像、哨兵二号光学影像及哥白尼数字高程模型，结合欧洲哥白尼应急管理服务提供的高质量灾害标注，形成了覆盖全球400余起灾害事件的时空序列数据。每个事件包含四个时序观测节点，数据经过严格的空间配准与标准化处理，确保了多模态数据在时空维度的一致性。

特点

该数据集以多模态、多时相为核心特征，同步提供雷达、光学与地形三维数据流，实现了对洪涝与野火灾害的全方位刻画。其全球分布事件覆盖六大洲不同地理环境，标注边界精度达像素级，且每个事件包含灾前、灾中与灾后完整观测序列。数据以Zarr格式存储，支持高效流式读取与分布式计算，为动态灾害监测提供前所未有的时空连续性。

使用方法

用户可通过PyPI安装impactmesh软件包快速接入数据集，或基于TerraTorch框架构建定制化数据加载器。训练阶段可直接调用预置配置文件启动模型微调，支持通过命令行接口完成模型验证与预测任务。针对大范围推理场景，工具包提供分块推理机制以优化内存使用，所有输出结果均保持与原始数据相同的坐标参考系统与空间分辨率。

背景与挑战

背景概述

ImpactMesh作为IBM、德国航空航天中心与欧洲空间局Φ实验室联合发布的大规模多模态时序数据集，聚焦于洪水与野火灾害的动态监测领域。该数据集整合了哨兵一号合成孔径雷达影像、哨兵二号光学遥感数据及哥白尼数字高程模型，并融合了欧洲哥白尼应急管理服务系统提供的精准标注，覆盖全球超过400起灾害事件，每个事件包含四个时序观测节点。其创新性体现在通过多源遥感数据协同分析，为灾害演变机理研究与应急响应决策提供了前所未有的时空维度支撑。

当前挑战

在灾害监测领域，ImpactMesh致力于解决多模态遥感数据融合与动态变化检测的核心难题，包括异质传感器数据间的特征对齐、时序序列中灾害边界的精确分割，以及不同地理环境下模型泛化能力的提升。数据集构建过程中面临多重技术挑战：需协调来自微软行星计算机平台的跨机构数据授权协议，处理哨兵系列卫星原始数据的辐射定标与地形校正，同时确保哥白尼应急标注数据与遥感影像的时空匹配精度，这些环节共同构成了复杂的数据工程闭环。

常用场景

经典使用场景

在自然灾害监测领域，ImpactMesh数据集通过整合Sentinel-1合成孔径雷达、Sentinel-2光学影像与Copernicus数字高程模型，构建了覆盖全球400余起洪涝与野火事件的多模态时空观测网络。其经典应用场景体现为利用四期时序数据，结合欧洲哥白尼应急管理服务提供的高质量标注，实现对灾害动态演变过程的精准追踪与三维地形耦合分析，为环境遥感研究提供了标准化评估基准。

解决学术问题

该数据集有效解决了传统遥感灾害监测中存在的三大核心问题：其一，突破了单一数据源在云层遮挡或夜间观测时的局限性；其二，通过多时相观测机制弥补了瞬时监测对灾害过程表征的不足；其三，依托权威标注数据建立了可验证的灾害边界提取标准。这些特性显著提升了灾害识别算法的泛化能力，为构建下一代智能地球观测系统奠定了数据基石。

衍生相关工作

基于该数据集衍生的经典工作包括Terramind系列多模态Transformer架构，其通过交叉注意力机制实现了光学与雷达数据的特征融合。欧洲空间局FAST-EO项目进一步开发出面向灾害链预测的时空推理模型，而IBM研究团队则构建了首个支持增量学习的灾害记忆库系统。这些成果共同推动了《遥感与环境》等顶级期刊对多源遥感协同分析范式的重新定义。