卫星"卫星-1"SAR和卫星"卫星-2"卫星RGB-NDVI图像的数据集

科学领域:

• 遥感 遥感 遥感 遥感
• 地理空间数据科学数据科学
• 地球观测 地球观测

背景情况:

• 光学卫星图像 (例如,Sentinel-2) 受到云层和大气条件的限制.
• 合成孔径雷达 (SAR) 数据 (例如,Sentinel-1) 提供了一个不受天气和照明影响的替代方案.
• 需要一个全面的多模式数据集,以利用SAR和光学数据在地球观测中的优势.

研究的目的:

• 创建和呈现一个大型,多样化的数据集,结合 Sentinel-1 SAR 和 Sentinel-2 光学图像.
• 促进在受光学传感器限制限制的领域进行研究.
• 支持机器学习模型的开发,用于土地覆盖分类和环境变化检测等任务.

主要方法:

• 收集了8800张来自Sentinel-1 (SAR_VV,SAR_VH) 和Sentinel-2 (RGB,NDVI) 的共同注册的图像.
• 通过对全球随机位置的云层覆盖,雪和水存在的严格标准来确保数据质量.
• 预处理的SAR数据以1级GRD格式,具有放射性校准和地形校正;过的光学数据以最小的云干扰.

主要成果:

• 一个高质量的,多式联络数据集512x512像素的图像现在可用.
• 该数据集集成了来自雷达和光学传感器的补充信息.
• 数据结构为直接用于机器学习应用程序,包括跨模式翻译和数据增强.

结论:

• 综合SAR和光学数据集为克服单个传感器类型的局限性提供了强大的资源.
• 这一数据集非常适合用于训练各种环境监测应用的强大的机器学习模型.
• 这个数据集的可访问性和质量将促进遥感和地球观测方面的研究.