在遥感领域,高分辨率卫星影像一直是重要的数据资源,但其获取成本往往令人望而却步。
随着开放数据理念的推广,越来越多的高质量卫星数据集被免费开放,为遥感应用和人工智能模型训练带来新的机遇。
本文将系统梳理当前可用的免费高分辨率卫星数据资源,并探讨其在深度学习与地理信息分析中的应用价值。
常用的免费多光谱卫星图像
Sentinel 2
特点:Sentinel-2卫星提供了多光谱图像,覆盖了从可见光到短波红外的多个波段。它们被广泛应用于农业、林业和环境监测等领域。Landsat-8
特点:Landsat-8提供了丰富的光谱信息,适用于土地覆盖变化检测、生态监测和城市扩展研究。免费高分辨率数据集
1. National Agriculture Imagery Program (NAIP)
描述:NAIP数据集由美国农业部提供,主要用于监测农业生长和土地使用变化。每年覆盖约900万平方公里,提供了高分辨率的航空影像,非常适合农业研究和环境监测。链接:https://developers.google.com/earth-engine/datasets/catalog/USDA_NAIP_DOQQ2. SkySat (通过 Google Earth Engine)

描述:SkySat数据集提供了高分辨率的多光谱图像,适用于城市规划、基础设施监测和灾害评估。样本数据于2014年3月4日捕获。链接:https://developers.google.com/earth-engine/datasets/catalog/SKYSAT_GEN-A_PUBLIC_ORTHO_MULTISPECTRAL3. Functional Map of the World
描述:这个数据集包含了约3.5TB的数据,由超过100万张图像组成,覆盖了200多个国家。它是进行全球尺度研究和机器学习模型训练的宝贵资源。链接:https://github.com/fMoW/dataset4. UC Merced Land Use Dataset

描述:该数据集包含2100张2010年采集的图像,分为多个土地利用类别,如农业、城市和森林等。它被广泛用于图像分类和模式识别研究。链接:http://weegee.vision.ucmerced.edu/datasets/landuse.html5. Spacenet

描述:Spacenet数据集覆盖了67,000平方公里的影像,专注于建筑物检测和道路提取等应用,是遥感图像分割和目标检测研究的理想选择。链接:https://spacenet.ai/datasets/6. AID Data

描述:AID数据集通过Google Earth可使用,包含10,000张图像,广泛用于遥感图像分类和深度学习研究。链接:https://captain-whu.github.io/AID/7. WorldStrat

描述:WorldStrat数据集专为超分辨率模型训练而设计,覆盖10,000平方公里,提供时间匹配的高低分辨率Sentinel-2图像。链接:https://arxiv.org/abs/2207.064188. WHU-RS19

描述:WHU-RS19数据集由高分辨率卫星图像组成,涵盖19个有意义的场景类别,每类约50个样本,适用于场景分类和特征提取。链接:https://paperswithcode.com/dataset/whu-rs199. ESA’s SkySat Archive

描述:ESA提供的SkySat样本数据涵盖了多个应用场景,适合高精度地球观测和环境监测。链接:https://earth.esa.int/eogateway/missions/skysat10. Satellogic

描述:Satellogic在@hugginface上提供了约600万张384m x 384m的图像,适用于各种遥感应用,包括农业监测和城市规划。链接:https://huggingface.co/datasets/satellogic/EarthView11. ESA Third Party Missions

描述:ESA的第三方任务平台为欧洲研究人员提供了大量高分辨率数据,包括Pleiades和Skysat的图像,适合高分辨率任务。链接:https://earth.esa.int/eogateway/missions/third-party-missions12. SAR

描述:Umbra在SkyFi上提供了大量高分辨率的合成孔径雷达(SAR)数据,非常适合做sar相关研究。内容来源于“空天感知”