Romain3Ch216/TlseHypDataSet

Toulouse高光谱数据集包含1D高光谱数据，主要用于城市微气候研究以及半监督光谱表示学习和像素级分类技术的评估。该数据集在2021年通过CAMCATT/AI4GEO野外活动在法国图卢兹采集，涉及地表温度、光谱发射率、光谱反射率、气温、机载LiDAR、大气数据等多个方面。

原始信息汇总

数据集概述

数据集名称

Toulouse Hyperspectral Data Set

数据内容

包含1D高光谱数据。

数据集引用

• 文献1:

  • 标题: Multi-source datasets acquired over Toulouse (France) in 2021 for urban microclimate studies during the CAMCATT/AI4GEO field campaign
  • 期刊: Data in Brief
  • 卷: 48
  • 页码: 109109
  • 年份: 2023
  • 作者: L. Roupioz, X. Briottet, K. Adeline, A. Al Bitar, D. Barbon-Dubosc, R. Barda-Chatain, P. Barillot, S. Bridier, E. Carroll, C. Cassante, A. Cerbelaud, P. Déliot, P. Doublet, P.E. Dupouy, S. Gadal, S. Guernouti, A. De Guilhem De Lataillade, A. Lemonsu, R. Llorens, R. Luhahe, A. Michel, A. Moussous, M. Musy, F. Nerry, L. Poutier, A. Rodler, N. Riviere, T. Riviere, J.L. Roujean, A. Roy, A. Schilling, D. Skokovic, J. Sobrino
  • 关键词: Land surface temperature, Spectral emissivity, Spectral reflectance, Air temperature, Airborne LiDAR, Atmospheric data, Urban area

• 文献2:

  • 标题: Toulouse Hyperspectral Data Set: A benchmark data set to assess semi-supervised spectral representation learning and pixel-wise classification techniques
  • 期刊: ISPRS Journal of Photogrammetry and Remote Sensing
  • 卷: 212
  • 页码: 323-337
  • 年份: 2024
  • 作者: Romain Thoreau, Laurent Risser, Véronique Achard, Béatrice Berthelot, Xavier Briottet
  • 关键词: Hyperspectral imaging, Land cover mapping, Benchmark data set, Semi-supervised learning, Self-supervised learning

许可证

MIT

搜集汇总

数据集介绍

构建方式

图卢兹高光谱数据集源于2021年CAMCATT/AI4GEO联合野外实验，旨在支持城市微气候研究。该数据集通过航空平台搭载高光谱成像仪，系统采集了法国图卢兹城市区域的一维高光谱数据，覆盖了从可见光到短波红外的连续光谱波段。数据采集过程严格遵循科学规范，同步记录了地表温度、光谱发射率、反射率及大气参数等多源信息，确保了数据的一致性与完整性。原始数据经过辐射定标与几何校正等预处理步骤，构建成结构化的光谱数据库，为后续分析提供了可靠基础。

特点

作为城市遥感领域的基准数据集，图卢兹高光谱数据集具备显著的科学价值。其光谱分辨率高，能够精细捕捉城市地物的光谱特征，适用于土地覆盖分类与微气候建模。数据集融合了高光谱影像、激光雷达点云及大气观测数据，形成了多源协同的信息体系，支持跨模态分析。该数据集特别强调了半监督与自监督学习任务的评估需求，为光谱表示学习算法提供了标准化测试平台。数据公开且附有详细元数据，便于全球研究者进行可重复的实验验证。

使用方法

该数据集主要应用于高光谱图像处理与城市环境遥感研究。使用者可通过HuggingFace平台直接访问数据文件，加载一维光谱序列进行像素级分类或特征提取。在机器学习任务中，数据可用于训练半监督模型，评估光谱表征学习算法的泛化能力。结合提供的土地覆盖标签，研究者能开展城市地物识别、温度反演或微气候模拟等分析。建议先阅读相关文献了解数据采集背景，利用开源工具（如Python光谱库）进行预处理，并参照基准方法进行性能对比，以确保研究结论的严谨性。

背景与挑战

背景概述

图卢兹高光谱数据集（Toulouse Hyperspectral Data Set）由法国国家空间研究中心（CNES）等机构于2021年主导采集，并于2023至2024年间公开发布，旨在为城市微气候研究提供多源遥感数据支持。该数据集聚焦于高光谱成像技术在复杂城市环境下的地物分类与地表参数反演问题，通过整合光谱反射率、地表温度及大气数据等多维度信息，推动了半监督与自监督学习在遥感像素级分类中的应用，显著提升了高光谱影像解译的精度与效率，对城市热环境分析与土地覆盖制图领域产生了深远影响。

当前挑战

该数据集致力于解决高光谱影像在城市区域中像素级地物分类的挑战，其核心难点在于城市景观的高度异质性导致光谱混合现象严重，以及有限标注样本下模型泛化能力不足的问题。在构建过程中，研究团队面临多源数据时空同步校准的复杂性，需协调航空激光雷达、大气探测与地面实测数据的一致性；同时，数据采集受天气条件与飞行平台的限制，确保高光谱影像辐射定标与几何校正的精度亦成为关键挑战。

常用场景

经典使用场景

在城市遥感领域，高光谱数据因其丰富的光谱信息而备受关注。图卢兹高光谱数据集作为一项综合性资源，其经典使用场景聚焦于城市土地覆盖分类与微气候研究。该数据集通过整合高光谱影像、激光雷达及大气数据，为研究人员提供了多源协同分析的平台，尤其适用于评估半监督学习算法在像素级分类任务中的性能，推动了高光谱图像解译技术的精细化发展。

实际应用

在实际应用层面，图卢兹高光谱数据集支撑了城市可持续发展与精准治理的多项实践。城市规划部门可借助其高分辨率土地覆盖信息优化绿地布局与建筑能耗评估；环境监测机构则利用其热红外与大气数据追踪城市热岛动态，辅助气候适应性策略制定。此外，该数据集还为智慧城市中的灾害风险评估、基础设施健康诊断等提供了可靠的数据源。

衍生相关工作

围绕该数据集，已衍生出一系列具有影响力的经典研究工作。例如，基于其构建的半监督学习基准被广泛用于比较光谱特征提取算法的优劣；多项研究结合其多源数据开发了城市地表温度与发射率分离的新模型。这些工作不仅深化了对高光谱表示学习机制的理解，也推动了遥感与计算机视觉交叉领域的技术融合，为后续城市环境遥感数据集的构建设立了参考标准。