olmoearth_lcc

OlmoEarth Land Cover Change (LCC) 数据集是一个用于土地覆盖变化检测的点级标注数据集，旨在训练OlmoEarth LCC模型。该模型通过输入Sentinel-2时间序列影像（16个季度图像建立历史基线，4个近期双周图像检测近期变化），逐像素预测是否发生土地覆盖变化，以及变化前后的类别、起止日期和细粒度变化类别。数据集包含约1千到1万个样本，每个样本对应一个128x128像素的UTM投影窗口，以JSON格式存储。每个条目包含窗口投影信息、时间范围、正样本点（变化点）和负样本点（无变化点）。正样本记录经纬度、变化前日期、变化开始可见日期、变化完成日期、变化前和变化后土地覆盖类别，以及可选的细粒度变化类别（如 deforestation、new_building等）。负样本仅记录位置。数据通过18个阶段的标注收集，包括模型预测候选筛选、输出标签、随机采样等方法，覆盖多种变化类型和区域。此外，数据集还提供模型大规模推理输出的GeoTIFF汇总栅格，包含9个波段（变化概率、前/后类别、源/目标类别、置信度、时间信息），便于直接应用。OlmoEarth Land Cover Change (LCC) dataset is a point-level labeled dataset for land cover change detection, designed to train the OlmoEarth LCC model. The model takes Sentinel-2 time series imagery (16 quarterly images for historical baseline, 4 recent bi-weekly images for detecting recent changes) and predicts per-pixel whether land cover change has occurred, along with the before and after classes, start and end dates, and fine-grained change categories. The dataset contains approximately 1,000 to 10,000 samples, each corresponding to a 128x128 pixel UTM-projected window, stored in JSON format. Each entry includes window projection information, time range, positive sample points (change points) and negative sample points (no change). Positive samples record latitude/longitude, pre-change date, change start visible date, change completion date, before and after land cover classes, and optional fine-grained change categories (e.g., deforestation, new_building). Negative samples only record location. The data was collected through 18 stages of annotation, including model prediction candidate screening, output labels, random sampling, etc., covering various change types and regions. Additionally, the dataset provides GeoTIFF summary rasters from large-scale model inference, containing 9 bands (change probability, before/after classes, source/target classes, confidence, time information) for direct application.

原始信息汇总

OlmoEarth Land Cover Change (LCC) Dataset 数据集总结

基本信息

• 数据集名称：OlmoEarth Land Cover Change (LCC) Dataset
• 许可证：Apache-2.0
• 规模：1K < n < 10K
• 标签：遥感、地球观测、变化检测、Sentinel-2
• 用途：用于训练OlmoEarth LCC模型（https://olmoearth-lcc.allen.ai），该模型基于Sentinel-2时间序列检测近期土地覆盖变化。

模型功能

模型输入包括：

• 16幅季度影像：建立历史基线
• 4幅双周影像：检测近期变化

预测输出（逐像素）：

• 是否发生土地覆盖变化
• 变化前后土地覆盖类别
• 变化起止日期
• 细粒度变化类别

数据标注格式

标注以JSON文件形式提供，每个文件为条目列表，每个条目对应一个128x128像素（10米/像素）的UTM投影空间窗口。

条目字段

字段	说明
projection / bounds	UTM投影和像素边界
window_name / group	条目标识符
time_range	标注有效的时间范围
positive_points	已验证发生土地覆盖变化的点
negative_points	已验证无变化的点（仅包含经纬度）

正样本点字段

• 位置：lon、lat（WGS84坐标系）
• 三个日期：
  • pre_change：变化前状态的最后日期
  • first_date_change_noticeable：变化开始变得明显的首日期
  • post_change：变化看似完成的日期
• 两个土地覆盖类别：
  • pre_category：变化前类别
  • post_category：变化后类别

土地覆盖类别（共12类）

bare、burnt、crops、fallow/shifting cultivation、grassland、Lichen and moss、shrub、snow and ice、tree、urban/built-up、water、wetland (herbaceous)

细粒度变化类别字段（部分标注）

部分正样本点包含以下三个字段：

• pre_change_category（移除/损失类别）：deforestation、urban_erosion、wetland_loss、water_contract、removed_crop_structure
• post_change_category（新出现类别）：vegetation_growth、new_building、new_road、new_infrastructure、new_crop_field、new_aquafarm、site_clearing、water_expand、mining、new_crop_structure、selective_logging、landslide、settlement
• same_change_category（扰动但未永久转换类别）：agricultural_activity、wildfire、ice_motion、flooding

注意：这些字段是在标注过程中期引入的，因此部分样本有这些字段，部分没有。

数据收集方式

数据通过18个阶段（Phase 1-18）收集，所有阶段均在标注界面中手动验证月度Sentinel-2镶嵌影像：

• Phase 1, 4, 10：基于模型的候选标注（比较逐年土地覆盖预测，寻找变化位置）
• Phase 2, 3, 5, 7, 8, 9, 11-15, 17, 18：基于模型输出的标注（以高召回低精度置信度阈值筛选变化预测）
• Phase 6：在0.1 x 0.1度瓦片中标注随机点
• Phase 9：关注罕见转变类型
• Phase 10：聚焦撒哈拉以南非洲的tree→bare转变
• Phase 11-15：聚焦采矿预测
• Phase 16：基于10个撒哈拉以南非洲采矿相关数据集的标注

模型输出汇总栅格

提供由训练模型在大规模上运行的汇总GeoTIFF文件。世界被划分为32768x32768像素的UTM瓦片（10米/像素，每边327.68公里），每个处理瓦片生成一个{EPSG code}_{col}_{row}_summary.tif文件。

GeoTIFF波段信息（9波段uint8）

波段	名称	描述
1	binary_change	变化概率（0-255缩放）
2	pre_class	变化前/相同类别头部的argmax类别
3	post_class	变化后类别头部的argmax类别
4	src_class	源土地覆盖类别
5	dst_class	目标土地覆盖类别
6	pre_score	波段2中argmax类别的概率（0-255）
7	post_score	波段3中argmax类别的概率（0-255）
8	ts_pre_month	预测变化开始月份编码
9	ts_post_month	预测变化结束月份编码

月份编码

0表示无预测；否则值为1 + 2015年1月至预测日期之间的完整日历月数（1=2015年1月，13=2016年1月，255可达2036年3月）。

土地覆盖类别编码（波段4-5）

0 = 无预测，1 = bare，2 = burnt，3 = crops，4 = fallow/shifting cultivation，5 = grassland，6 = Lichen and moss，7 = shrub，8 = snow and ice，9 = tree，10 = urban/built-up，11 = water，12 = wetland (herbaceous)

变化前/相同类别编码（波段2）

0 = 无预测，1 = none，2 = deforestation，3 = urban_erosion，4 = wetland_loss，5 = water_contract，6 = removed_crop_structure，7 = agricultural_activity，8 = wildfire，9 = ice_motion，10 = flooding

变化后类别编码（波段3）

0 = 无预测，1 = none，2 = vegetation_growth，3 = new_building，4 = new_road，5 = new_infrastructure，6 = new_crop_field，7 = new_aquafarm，8 = site_clearing，9 = water_expand，10 = mining，11 = new_crop_structure，12 = selective_logging，13 = landslide，14 = settlement

应用建议

• 先对波段1（binary_change）设置阈值（如128，对应概率0.5），仅在通过阈值的像素上解读其余波段
• 对特定变化类型，筛选对应类别并设置对应概率阈值（例如创建采矿掩膜时，筛选波段3中post_class = 10，并对波段7设置阈值）

相关资源

• 训练和推理代码：https://github.com/allenai/rslearn_projects/pull/294
• 编码器：https://huggingface.co/allenai/OlmoEarth-v1_2-Base
• 影像来源：Sentinel-2 L2A（Copernicus计划）

搜集汇总

数据集介绍

构建方式

该数据集的构建依托于多阶段人工标注流程，标注工作在一款集成月度Sentinel-2镶嵌影像的交互界面中完成。初始阶段，研究团队训练了年度土地覆盖预测模型，并对随机采样点进行十年期推理，通过比对连续年份的预测置信度差异来筛选候选变化位置；后续阶段则采用模型输出驱动的标注策略，以高召回低精度的置信度阈值在全尺度上探测变化区域，再交由人工核验。此外，还针对特定变化类型（如采矿、森林砍伐）和地理区域（如撒哈拉以南非洲）进行了定向过采样与补充标注。全部标注均经过人工逐点确认，以确保变化事件的时间、类型及位置信息的准确性。

使用方法

该数据集设计为与Sentinel-2时间序列影像配套使用，用户可依据标注中提供的UTC时间戳获取对应影像，亦可将其与时间对齐的其他遥感模态数据结合。标注文件以JSON格式组织，每个文件包含若干空间窗口条目，用户可通过解析投影信息、边界坐标及点标注字段，构建变化检测模型的监督信号。对于附带的多波段GeoTIFF摘要栅格，建议先对第一波段的变化概率进行阈值分割（如取128对应概率0.5），再在通过阈值的像素上解读其余波段，以获取变化前后的土地覆盖类别、变化类型及起止月份。针对特定变化类型（如采矿），可结合相应类别波段与概率波段进行过滤和阈值化，生成专题掩膜。

背景与挑战

背景概述

土地覆盖变化监测是地球观测领域的核心议题，对于理解碳循环、生物多样性丧失及人类活动影响至关重要。传统方法依赖光学影像的目视解译或简单指数阈值，难以捕捉细微、渐进或特定类型的变化。OlmoEarth LCC数据集由Allen人工智能研究所于2024年前后构建，旨在训练从Sentinel-2时序中检测近期土地覆盖变化的模型。该数据集通过多阶段人工标注，提供了像素级变化类别、起止日期及细粒度变化类型，推动了遥感变化检测从二分类向语义化、时序化理解的发展，为全球环境监测提供了高精度基准。

当前挑战

该数据集所应对的领域挑战在于：土地覆盖变化具有尺度多样性、渐进性和类别不平衡性，且光学影像常受云层和季节干扰。构建过程中的挑战尤为突出：需设计多阶段主动学习策略以挖掘稀有变化类型，平衡正负样本；标注需在月度镶嵌图上人工核验，确保变化起止日期和类别的准确性；细粒度变化类别字段仅在部分阶段引入，导致标签不完整，训练时需掩码处理。此外，模型输出栅格的大规模生成与验证，要求高效的推理流程与存储管理，以支持全球尺度的应用。

常用场景

经典使用场景

在全球变化遥感监测领域，基于Sentinel-2时序影像的地表覆盖变化检测长期依赖像素级标注，而olmoearth_lcc数据集以点标注形式提供了涵盖多种土地覆盖类型转换的精细变化记录。其最经典的使用场景是训练OlmoEarth LCC模型，该模型接收16期季度影像与4期双周影像构成的时间序列，逐像素判断是否发生地表覆盖变化，并输出变化来源与去向类别、起止日期及细粒度变化类型。这一标注体系支持模型在多时相、多类别框架下完成变化检测与归因，成为遥感变化检测任务中兼具时效性与语义深度的基准数据资源。

解决学术问题

该数据集针对遥感变化检测研究中长期存在的标注成本高昂与类别体系不统一等问题，通过点标注与时间区间界定，解决了像素级变化检测模型训练数据稀缺且语义信息不足的困境。其细粒度变化类别字段区分了变化前后类别与同一类别内的扰动事件，为变化归因、渐进式变化识别等学术难题提供了监督信号。数据收集融合模型预筛选与人工核验的多阶段策略，有效缓解了类别不平衡与稀有变化类型样本不足的问题，推动了变化检测从二值判断向多类别语义归因的范式演进。

实际应用

在现实应用中，olmoearth_lcc衍生的模型输出可直接服务于森林砍伐监测、城市扩张追踪、采矿活动识别及湿地退化评估等场景。配套发布的GeoTIFF摘要栅格以32768×32768像素UTM瓦片为单位，提供二值变化概率、源与目标覆盖类别、细粒度变化类别及变化起止月份等九波段信息，用户可依据阈值提取特定变化类型掩膜。例如，通过筛选采矿类别并设定概率阈值，即可生成矿区扩张分布图，为执法监管、碳排放核算与土地政策制定提供可操作的空间情报。

数据集最近研究

最新研究方向

在遥感地球观测领域，基于Sentinel-2时序影像的土地覆盖变化检测正朝着精细化、多任务联合预测的方向演进。OlmoEarth LCC数据集的最新研究聚焦于利用季度与双周尺度的时序影像，实现像素级变化检测与变化类型、起止时间及细粒度类别的联合推断，从而突破传统方法仅识别变化有无的局限。该数据集通过多阶段人工验证的标注策略，涵盖毁林、城市化、湿地损失、采矿等多样变化类型，为变化归因与语义理解提供了高质量监督。近期研究还探索将模型输出与大规模GeoTIFF栅格结合，推动全球尺度变化制图与稀有变化事件检测，对碳循环监测、生态保护及土地管理政策制定具有重要支撑意义。