Uniform-Sentinel-1-2-Dataset

UNIFORM SEN1-2数据集包含全球均匀分布的165个区域的129438对卫星图像，每对图像由一个Sentinel 1灰度图像和一个Sentinel 2彩色图像组成。数据集还包括每个图像的元数据，如地理坐标、所在国家、拍摄日期时间、分辨率、温度区域、季节等。Sentinel 1图像具有操作模式和极化属性，而Sentinel 2图像具有波段信息。

The UNIFORM SEN1-2 dataset comprises 129,438 pairs of satellite imagery from 165 regions uniformly distributed across the globe. Each pair consists of one Sentinel 1 grayscale image and one Sentinel 2 color image. The dataset also includes metadata for each image, such as geographic coordinates, the country of acquisition, acquisition date and time, spatial resolution, temperature zones, seasons, and other relevant information. Sentinel 1 images have operational modes and polarization properties, while Sentinel 2 images contain spectral band information.

原始信息汇总

UNIFORM SEN1-2 数据集概述

基本信息

• 数据集名称: UNIFORM SEN1-2
• 发布日期: 2025年
• 作者: Shamba Chowdhury, Ankana Ghosh, Shreyashi Ghosh
• 许可证: CC-BY-SA-4.0（包含哥白尼数据（2024年），适用条款和条件：https://scihub.copernicus.eu/twiki/pub/SciHubWebPortal/TermsConditions/TC_Sentinel_Data_31072014.pdf）
• 关联出版物: TBA
• 数据集链接: https://www.kaggle.com/datasets/shambac/uniform-sentinel-1-2-dataset
• 论文链接: TBA

数据集结构

• 文件夹命名格式: r_XXX
• CSV文件命名格式: data_r_XXX.csv
• 文件夹结构: 每个文件夹包含两个子文件夹s1_XXX和s2_XXX
• 图像规格: 256x256像素
• 图像类型:
  • s1文件夹：灰度Sentinel 1图像
  • s2文件夹：彩色Sentinel 2图像
• 数据文件: 每个区域文件夹附带一个数据CSV文件

数据集规模

• 图像对数量: 129,438对
• 总图像文件数: 258,876张
• 文件总数: 616,148个
• 存储大小: 53,699 MB
• 下载大小: 28,012,875,026字节
• 数据集大小: 20,260,657,902.63字节

地理覆盖范围

• 区域数量: 165个区域
• 覆盖范围: 全球均匀分布

数据特征

元数据信息（CSV文件）

• 坐标: 图像左上角点的地理坐标
• 国家: 图像拍摄所在国家名称
• 日期时间: 图像拍摄的日期和时间
• 分辨率比例: 图像的地理空间分辨率
• 温度区域: 图像所在区域的温度带
• 季节: 图像拍摄时特定区域的季节

Sentinel 1图像特有属性

• 操作模式: 卫星捕获给定图像使用的操作/采集模式
• 极化: 图像捕获时使用的极化方式

Sentinel 2图像特有属性

• 波段: 包含图像中波段列表（多个不同信息通道）

搜集汇总

数据集介绍

构建方式

作为遥感影像分析领域的重要资源，Uniform-Sentinel-1-2-Dataset的构建体现了全球覆盖与多源数据融合的科学理念。数据集通过筛选165个分布均匀的全球地理区域，采集了129,438对配对的Sentinel-1灰度影像与Sentinel-2多光谱影像，每幅影像均统一处理为256×256像素的标准尺寸。所有影像均附带详尽的元数据文件，记录了地理坐标、采集时间、分辨率、气候带及季节信息，并分别保留了Sentinel-1的极化模式和Sentinel-2的波段特征，确保了数据源的完整性与可追溯性。

特点

该数据集的突出特点在于其全球均匀分布的空间覆盖与多模态遥感数据的配对呈现。Sentinel-1影像提供雷达波段下的地表微波散射信息，包含极化模式和操作模式等专属属性；而Sentinel-2影像则提供光学波段下的多光谱信息，涵盖13个不同波段的光谱数据。每一对影像均严格匹配同一地理区域和采集时间，辅以国家、季节、温度带等多维度标注，为遥感影像融合、地物分类和气候变化研究提供了高度一致的多源数据基础。

使用方法

研究人员可借助该数据集开展多模态遥感影像的联合分析与深度学习模型训练。使用时应首先根据CSV文件中的元数据筛选目标区域或环境条件的影像对，继而分别读取Sentinel-1和Sentinel-2影像数据进行配准和预处理。该数据集适用于图像转换、语义分割、变化检测等任务，例如通过生成对抗网络实现雷达与光学影像的相互合成，或利用多时相数据监测地表覆盖动态变化。需注意遵循Copernicus数据使用条款，并合理引用数据来源。

背景与挑战

背景概述

地球观测领域近年来对多模态遥感数据融合的需求日益增长，Uniform-Sentinel-1-2-Dataset应运而生。该数据集由Shamba Chowdhury等研究人员于2025年构建，整合了欧洲空间局哨兵一号合成孔径雷达与哨兵二号多光谱成像仪的双源数据。其核心研究目标在于解决全球尺度下遥感影像的时空对齐与跨模态表征学习问题，通过覆盖全球165个区域的129,438组影像对，为地理信息系统、气候变化监测及精准农业等学科提供高质量基准数据。数据集遵循CC-BY-SA-4.0许可，并严格遵守哥白尼计划数据使用条款，体现了国际科研合作的前沿态势。

当前挑战

该数据集主要应对遥感影像跨模态语义对齐的固有难题：哨兵一号的雷达灰度影像与哨兵二号的光学彩色影像存在显著模态差异，需解决特征空间的异构性映射问题。构建过程中面临多重技术挑战，包括全球范围数据采集的时空一致性保障、不同分辨率与成像条件的影像配准、以及大规模元数据（如极化方式、波段信息、地理坐标）的标准化处理。此外，还需克服数据存储与计算资源的约束，确保53.7TB原始数据在保持地理分布均匀性的同时满足机器学习模型训练的规范化需求。

常用场景

经典使用场景

在遥感图像分析领域，Uniform-Sentinel-1-2-Dataset通过提供全球165个区域的129,438对配准影像，为多模态卫星图像融合研究建立了基准。该数据集典型应用于协同利用Sentinel-1的合成孔径雷达灰度影像与Sentinel-2的多光谱彩色影像，支持地表覆盖分类、环境监测和气候变化研究等任务。其全球均匀分布的空间特性确保了模型训练的泛化能力，为地理空间人工智能提供了关键数据支撑。

衍生相关工作

基于该数据集衍生的经典工作包括多模态图像翻译网络、跨传感器域适应框架以及全球尺度地表分类系统。这些研究突破了传统单源遥感数据的局限性，开发出能够协同处理SAR与光学影像的深度学习架构。部分成果已延伸至极地冰盖监测、热带雨林退化评估等专项研究，形成了从方法论创新到领域应用的全链条研究体系，推动了遥感人工智能技术的跨越式发展。

数据集最近研究

最新研究方向

随着遥感影像分析技术的飞速发展，Uniform-Sentinel-1-2-Dataset作为全球覆盖均匀的多源对地观测数据集，正成为地理信息科学与遥感领域的热点研究对象。该数据集整合了Sentinel-1雷达影像与Sentinel-2光学影像，以其高时空一致性和丰富元数据支撑了多模态融合模型的前沿探索。当前研究聚焦于跨模态语义分割、地物分类及变化检测，尤其在极端气候响应、农业监测和城市扩张分析中表现突出。其全球尺度和多季节标注特性，为自监督学习和域自适应方法提供了重要基准，推动了遥感影像生成与解释技术在可持续发展目标中的实际应用。