🌍 写在前面

在人工智能与遥感技术深度融合的今天，获取高质量的卫星影像数据集成为了每个研究者和工程师的必修课。无论你是想用深度学习检测森林火灾、追踪城市扩张，还是监测海洋污染，这篇文章都将成为你的"数据宝藏地图"。

---

🗂️ 一、数据集"导航站"——你的第一站

在茫茫数据海洋中迷失方向？这些精选列表就是你的指南针：

综合导航资源

资源名称	特色	链接
Earth Observation Database	IEEE官方维护，权威可靠	访问
awesome-satellite-imagery-datasets	GitHub高星项目，持续更新	访问
Awesome_Satellite_Benchmark_Datasets	基准测试专用数据集	访问
BED4RS	遥感基准数据集合集	访问

🏢 四大数据集中心

1. Radiant MLHub 🌟

   • 特点：既有数据集又有预训练模型
   • 立即探索

2. AWS开放数据注册表 ☁️

   • 特点：免费访问，PB级数据量
   • 浏览目录

3. Microsoft Planetary Computer 🖥️

   • 特点：云端计算平台+数据目录
   • 开始使用

4. Google Earth Engine 🌐

   • 特点：在线分析，无需下载
   • 查看数据

---

🛰️ 二、Sentinel家族——免费的"数据金矿"

Sentinel-1：雷达的眼睛 👁️

为什么选它？

• ✅ 穿透云雾，全天候工作
• ✅ 适合洪水监测、船舶检测
• ✅ 完全免费开放

热门数据集：

数据集	应用场景	GitHub链接
mmflood	🌊 洪水检测	代码
Sentinel-1 for Science Amazonas	🌳 森林损失监测	访问

Sentinel-2：多光谱的魔法 🎨

核心优势：

• 🔸 13个光谱波段（从可见光到短波红外）
• 🔸 10米最高分辨率
• 🔸 每5天全球覆盖一次

🌾 农业领域必备数据集

1. Sen4AgriNet - 农作物分类的"金标准"

   • 📍 覆盖多个国家，多年数据
   • 💡 包含预训练模型
   • 🔗 GitHub | 论文

2. TimeSen2Crop - 百万级标注样本

   • 📦 100万+标注样本
   • 🗓️ 时间序列数据
   • 🔗 Zenodo下载

3. AgriSen-COG - 多国大规模数据集

   • 🌍 跨国数据，包含异常检测
   • 🔗 GitHub

🏙️ 城市与建筑检测

• open-sentinel-map

  • ✨ 基于OpenStreetMap标注
  • 🎯 像素级语义标签
  • 🔗 GitHub

• UKFields - 英国农田边界

  • 📊 230万+自动提取的田块边界
  • 🗺️ 覆盖英格兰、威尔士、苏格兰、北爱尔兰
  • 🔗 GitHub

☁️ 云检测专题

数据集	规模	特色	链接
CloudSEN12Plus	最大规模	Sentinel-2云检测基准	HuggingFace
sen12mscr	多模态	云移除任务	官网

🚢 船舶与海洋监测

• Ship-S2-AIS dataset - 丹麦海域船舶

  • 📷 13k瓦片，29个Sentinel-2产品
  • 🚢 货船、渔船、集装箱船
  • 🔗 Zenodo

• MARIDA - 海洋垃圾检测

  • 🌊 专注海洋污染
  • 🔗 官网

🔥 火灾与灾害

• Sen2Fire - 野火检测挑战数据集

  • 🔥 高分辨率火灾数据
  • 🔗 Zenodo

• CaBuAr - 加州燃烧区域

  • 🗺️ 火灾边界划分
  • 🔗 GitHub

💡 能源领域

• GloSoFarID - 全球太阳能农场
  • ☀️ 多光谱太阳能农场识别
  • 🔗 GitHub

🌲 森林监测

• Greenearthnet - 植被预测
  • 🌱 高分辨率植被预测数据集
  • 🔗 GitHub

🆕 多模态与基础模型

• ChatEarthNet - 影像配文本
  • 💬 结合ChatGPT生成的描述
  • 🧠 赋能视觉-语言地理基础模型
  • 🔗 GitHub

---

🌎 三、Landsat传奇——50年的数据宝藏

历史地位

Landsat计划是人类历史上最长的对地观测项目（始于1972年），为全球环境变化研究提供了无价的历史档案。

核心参数：

• 📐 8个光谱波段
• 📏 15-60米空间分辨率
• 🌍 185公里幅宽
• ⏱️ 16天重访周期

数据获取途径

平台	优势	访问链接
Google Cloud	Landsat 8 COG格式	浏览
AWS	完整档案+工具链	注册表

特色数据集

• LandsatSCD - 变化检测

  • 📊 8468对影像，416×416像素
  • 🔗 GitHub

• The Landsat Irish Coastal Segmentation Dataset

  • 🏖️ 爱尔兰海岸线分割
  • 🔗 Zenodo

---

🏆 四、Kaggle竞赛数据集——实战演练场

🌳 Amazon Rainforest多标签分类

挑战：从Planet卫星影像识别亚马逊雨林的12种土地利用类型

• 📷 3-5米分辨率GeoTIFF
• 🏷️ 多标签：cloudy、primary、waterway等
• 🥇 冠军方案：11个定制CNN集成
• 🔗 竞赛主页

学习资源：

• FastAI多标签分类教程
• amazon-classifier - 随机森林 vs CNN对比

🛣️ DSTL卫星影像语义分割

数据特点：

• 🛰️ WorldView-3卫星
• 📦 1km×1km区域，45张影像
• 🎨 RGB + 16波段多光谱
• 🏷️ 10个类别：建筑、道路、树木、农作物等

明星方案：

• 🥇 冠军访谈：40+分割网络集成
• 🥈 ZF_UNET亚军
• 🥉 季军方案 - 全色锐化+反射率指数
• 🔗 竞赛链接

🚢 Airbus船舶检测

挑战背景：在光学卫星影像中检测和分割船舶

• 📊 大规模数据集（但存在质量争议）
• 🎯 实例分割任务
• 🔗 竞赛主页

优质方案：

• Airbus-Ship-Detection - ResNeXt50分类器 + U-Net分割
• 经验总结博客

✈️ 飞机检测系列

1. Ships in Google Earth - 旧金山湾区船舶

• 📷 4000张 80×80 RGB影像
• 📏 3米像素尺寸
• 🔗 数据集
• 💻 检测器代码

2. Planesnet - 飞机分类

• 📷 20×20 RGB影像
• ✈️ plane类：8000张
• 🚫 no-plane类：24000张
• 🔗 数据集
• 🤖 CNN分类器

3. CGI Planes - CGI飞机目标检测

• 🎮 500张计算机生成的卫星影像
• 📦 带边界框标注
• 🔗 数据集

🏊 游泳池与汽车检测

• 📊 3750张住宅区卫星影像
• 🏷️ 游泳池和汽车的标注数据
• 🔗 数据集
• 📝 RetinaNet教程

🌆 迪拜语义分割

数据特点：

• 📍 72张迪拜卫星影像
• 🎨 6个类别分割
• 🔗 数据集

优质项目：

• dubai-satellite-imagery-segmentation
• U-Net教程

---

🎯 五、专业领域数据集精选

🏗️ 建筑物检测

1. Microsoft Building Footprints - 全球建筑足迹

• 🌍 覆盖美国50州、澳大利亚、加拿大等
• 📐 GeoJSON格式
• 🤖 语义分割生成
• 🔗 US版本
• 🔗 全球版本

2. Google Open Buildings - 非洲建筑

• 🌍 覆盖非洲大陆64%
• 🎯 支持社会公益应用
• 🔗 官网
• 📝 技术博客

3. Inria Building Dataset - 欧美城市

• 📏 0.3米分辨率
• 🌆 覆盖奥斯汀、芝加哥、维也纳等
• 🔗 官网

🔄 变化检测

1. LEVIR-CD - 建筑变化检测标杆

• 📊 637对时间序列影像对
• 🏗️ 专注建筑变化
• 🔗 官网
• 💻 PyTorch实现

2. S2Looking - 侧视角建筑变化

• 🎥 卫星侧视影像
• 📝 论文
• 🔗 GitHub

3. xView2 (xBD) - 灾害损毁评估

• 🏚️ 建筑损毁4级评估
• 📏 0.3米分辨率
• 🔗 官网
• 📖 论文

🚢 船舶检测大全

数据集	传感器	特色	链接
HRSC2016	光学	旋转边界框	Kaggle
SSDD	SAR	SAR船舶检测	GitHub
xView3	SAR	暗船检测（IUU捕鱼）	官网
LEVIR-Ship	光学	中分辨率小船	GitHub

🌊 SAR专题数据集

为什么SAR重要？

• 🌙 全天时工作（不受光照影响）
• ☁️ 全天候成像（穿透云雾）
• 🌊 海洋监测的利器

核心数据集：

1. HRSID - 高分辨率SAR船舶

   • 🎯 检测、语义分割、实例分割
   • 🔗 GitHub

2. LS-SSDD - 大规模SAR船舶检测

   • 📊 大型数据集
   • 🔗 GitHub

3. AIR-PolSAR-Seg - 极化SAR地形分割

   • 🗺️ 具有挑战性的地形数据
   • 🔗 GitHub

🌲 森林与环境监测

森林数据集集合：

• 📚 OpenForest - 开放森林数据集目录
• 🌳 awesome-forests - 森林真值数据集精选

重点数据集：

• ReforesTree - 热带森林生物量估算

  • 🚁 无人机+实地数据
  • 🔗 GitHub

• TreeSatAI - 多模态树种分类

  • 🛰️ Sentinel-1 + Sentinel-2
  • 🔗 Zenodo

🌾 农业应用数据集

作物分类：

• CropNet - 气候变化感知的作物产量预测

  • 💾 TB级多模态数据集
  • 🔗 Anonymous链接

• EuroCropsML - 欧洲作物小样本分类

  • 🇪🇺 覆盖欧洲多国
  • 🔗 GitHub

🔥 火灾监测

• FireRisk - 火灾风险评估

  • 🎯 监督学习+自监督学习基准
  • 🔗 GitHub

• CWGID - 加州野火数据集

  • 🔥 深度学习驱动的森林火灾检测
  • 📖 论文

---

🏅 六、重量级基准数据集

SpaceNet系列 - 商业级挑战

SpaceNet是一系列高质量竞赛数据集：

挑战	任务	特点
SpaceNet 1&2	建筑分割	多城市数据
SpaceNet 3	道路分割	复杂路网
SpaceNet 4	离轴建筑	非垂直视角
SpaceNet 5	路网提取	图结构表示
SpaceNet 6	多传感器	SAR+光学
SpaceNet 7	时序变化	城市发展监测
SpaceNet 8	洪水检测	多类分割

🔗 SpaceNet官网

xView家族 - DARPA出品

xView1 - 百万级目标检测

• 🎯 60个目标类别
• 📊 100万+目标标注
• 📐 0.3米分辨率
• 🔗 官网

xView2 - 建筑损毁评估

• 🏚️ 4级损毁标准
• 🎯 精确分割掩码
• 🔗 官网

xView3 - SAR暗船检测

• 🚢 IUU捕鱼监测
• 📡 Sentinel-1 SAR
• 🌍 4320万km²覆盖
• 🔗 官网

DOTA - 旋转目标检测标杆

数据规模：

• 📷 2806张大尺寸影像
• 🏷️ 188,282个实例标注
• 🔄 18个类别（含旋转边界框）

应用价值：

• ✅ 学术界广泛引用
• ✅ mmrotate预训练模型支持
• 🔗 官网

土地覆盖分类三剑客

UC Merced - 经典入门数据集

• 📦 21类，每类100张
• 📏 256×256像素，1英尺分辨率
• 🔗 官网

EuroSAT - Sentinel-2标准

• 🎨 RGB + 13波段版本
• 📊 10类，27,000样本
• 🏆 CNN准确率可达98.57%
• 🔗 GitHub
• 🤗 PyTorch数据集

Million-AID - 百万级数据集

• 🌍 51个场景类别
• 📚 层次化组织
• 🔗 官网

---

🚀 七、前沿：基础模型与多模态数据集

基础模型预训练数据集

1. SSL4EO-S12 - 自监督学习

• 🧠 专为地球观测设计
• 🔗 GitHub

2. GeoPile - 基础模型预训练

• 📦 编译自RSD46-WHU、MLRSNet等
• 🔗 GitHub

3. Satlas Pretrain - 大规模预训练

• 💾 Sentinel-2数据为主
• 🌐 全球覆盖
• 🔗 官网

4. EarthView from Satellogic

• 🛰️ Sentinel-1&2 + 1米RGB
• 🎯 面向基础模型
• 🔗 HuggingFace

视觉-语言多模态

ChatEarthNet - 影像配文本描述

• 💬 ChatGPT生成的图像描述
• 🛰️ Sentinel-2影像
• 🧠 赋能VLM地理基础模型
• 🔗 GitHub

VRSBench - 视觉语言基准

• 🌍 全球包容性数据集
• 🔗 官网

全球级大规模数据集

WorldStrat - 全球战略采样

• 🌍 10,000 km²独特位置
• 🎯 分层代表性（从农业到冰盖）
• 📏 1.5m/像素高分辨率
• 🔄 配套Sentinel-2时序数据（10m/像素）
• 🔗 GitHub

Five Billion Pixels - 50亿像素数据集

• 📏 4米高分二号影像
• 🇨🇳 覆盖中国
• 🎨 24个土地覆盖类别
• 🔗 官网

Fields of The World - 全球农田边界

• 🌾 农田边界实例分割
• 🌍 全球覆盖
• 🔗 官网

---

💡 八、实用工具与平台

Google Earth Engine (GEE)

为什么选择GEE？

• ☁️ 云端处理，无需下载PB级数据
• 🚀 支持大规模并行计算
• 🆓 科研教育免费

核心资源：

• 📚 awesome-google-earth-engine
• 🎓 官方入门

实用项目：

• ee-fastapi - GEE后端的洪水检测API
• wxee - GEE导出到xarray，支持PyTorch/TensorFlow

AWS & Microsoft平台

AWS优势：

• 📦 免费Landsat/Sentinel数据
• 🔧 配套分析工具
• 💻 EC2计算支持

Microsoft优势：

• 🖥️ Planetary Computer - Dask+JupyterHub
• 🌍 全球建筑足迹数据
• 🔗 源码

🎮 九、实战竞赛推荐

当前热门竞赛

竞赛	任务	奖金/影响力	链接
FLAIR	语义分割+域适应	IGN官方	Codalab
DrivenData系列	洪水/藻华/云检测	奖金池	官网
xView挑战	多任务（渔船/建筑损毁）	美国国防部	官网

DrivenData精选竞赛 🏆

1. Tick Tick Bloom - 藻华检测

• 🌊 检测和分类有害藻华
• 🛰️ 多源卫星数据
• 💰 有奖金池
• 🔗 竞赛链接

2. Detect Floodwater - 雷达洪水检测

• 📡 SAR影像洪水识别
• 🎯 语义分割任务
• 🔗 竞赛链接

3. Cloud Cover Detection - 云层识别

• ☁️ Sentinel-2云检测
• 🎨 像素级分类
• 🔗 竞赛链接

4. Overhead Geopose Challenge - 姿态估计

• 📐 从单视角斜视影像预测地心姿态
• 🌍 高精度定位
• 🔗 竞赛链接

5. Building Segmentation for Disaster Resilience

• 🏚️ 建筑分割支持灾害应对
• 🚨 实际应用价值高
• 🔗 竞赛链接

SpaceNet系列竞赛 🛰️

SpaceNet是业界最权威的遥感AI竞赛平台，已举办8届：

竞赛演进史：

届次	主题	亮点	数据集
SpaceNet 1	建筑检测	Rio de Janeiro	AWS
SpaceNet 2	建筑检测	多城市扩展	AWS
SpaceNet 3	道路网络提取	矢量化道路	AWS
SpaceNet 4	离轴建筑	非垂直拍摄	AWS
SpaceNet 5	道路网络	图结构表示	AWS
SpaceNet 6	多传感器建筑	SAR+光学融合	AWS
SpaceNet 7	时序城市变化	🔥最具挑战	AWS
SpaceNet 8	洪水检测	多类别分割	AWS

SpaceNet 7 深度解析 🌟：

• 📅 时序多时相城市发展
• 🏗️ 建筑物月度变化监测
• 💎 100个城市，24个时间点
• 📝 冠军方案博客
• 🔗 官方工具库

IEEE GRSS系列竞赛 🎓

Data Fusion Contest 2022 (DFC2022)

• 🎯 半监督语义分割
• 📦 MiniFrance-DFC22数据集
• 🇫🇷 法国高分辨率影像
• 🔗 数据集
• 💻 基线方案

2025 DFC Track 1 - 全天候地表覆盖

• 📡 SAR数据专题
• ☁️ 不受天气影响
• 🛰️ 使用Umbra和Capella Space数据
• 🔗 OpenEarthMap-SAR

AI4EO挑战赛 🇪🇺

Enhanced Sentinel-2 Agriculture

• 🌾 耕地识别
• 🛰️ Sentinel-2时序数据
• 🔗 平台链接

学术界标杆竞赛

1. DOTA Object Detection Challenge

• 📊 大规模旋转目标检测
• ✈️ 飞机、船舶、车辆等
• 🎯 业界benchmark
• 🔗 官网

2. 高分挑战赛

• 🇨🇳 中国遥感数据竞赛
• 📥 可在gaofen-challenge.com下载
• 💻 2020基线代码

3. CaBuAr野火检测

• 🔥 加州燃烧区域划分
• 🎓 学术研究导向
• 🔗 HuggingFace

企业主导的实战挑战

Airbus系列

• 🚢 Ship Detection - 船舶检测
• ⛽ Oil Storage - 油罐识别
• ✈️ Aircraft Detection - 飞机识别
• 🌀 Wind Turbines - 风机分类
• 💰 有商业应用价值
• 🔗 Kaggle合集

---

🔬 十、专业应用场景数据集

🌡️ 气象与气候数据集

Digital Typhoon Dataset - 数字台风

• 🌀 长期时空数据
• 🎯 机器学习模型基准测试
• 🔗 GitHub

WeatherBench系列

• 🌍 全球天气预报基准
• 📊 多种分辨率
• 🔗 官网

🐟 渔业与海洋监测

NOAA Steller Sea Lion Count

• 🦭 从航空影像计数海狮
• 🎓 Kaggle经典竞赛
• 🔗 竞赛链接
• 💻 代码实现：
  • Sealion-counting
  • Detection_Classification

SeaDronesSee - 海上无人机数据集

• 🚁 海上搜救视觉基准
• 🎯 边界框检测、单目标追踪、多目标追踪
• 🔗 GitHub

LitterLines - 海洋垃圾检测

• 🌊 PlanetScope影像中的海洋垃圾
• 📝 带标注数据集
• 🔗 GitHub

🏭 工业设施监测

Oil and Gas Infrastructure Mapping (OGIM)

• ⛽ 油气基础设施位置
• 💨 甲烷排放源识别
• 🔗 Zenodo

Thermal Power Plants

• 🏭 火电厂排放监测
• 📊 包含位置和设施属性
• 💻 论文代码

SolarDK - 太阳能电池板

• ☀️ 高分辨率城市太阳能板
• 🏙️ 分类和定位
• 📖 论文

Overhead Wind Turbine Dataset

• 🌬️ 风力涡轮机检测
• 🛰️ 使用NAIP影像
• 🔗 Zenodo

🌾 精细农业数据集

CropNet - 气候变化感知作物预测

• 🌡️ 考虑气候变化因素
• 💾 TB级多模态数据
• 🔗 GitHub

TimeMatch - 跨区域作物适应

• 🇪🇺 欧洲四个地区
• 🔄 域适应研究
• 🔗 Zenodo

Space2Ground - 空天地协同

• 🛰️ Sentinel-1/2卫星数据
• 📸 街景图像
• 🌾 作物类型标注
• 🔗 GitHub

IRRISIGHT - 灌溉分类

• 💧 灌溉分类、土壤水分制图
• 📊 大规模多模态数据集
• 🔗 GitHub

🏔️ 地质与地形数据集

DEM (数字高程模型)资源：

• 🗻 SRTM - Shuttle Radar Topography Mission
• 🌍 Copernicus DEM - 云优化GeoTIFF格式
• 📚 Awesome-DEM

GDCLD - 滑坡检测

• 🏔️ 同震滑坡制图
• 🛰️ 多源高分辨率影像
• 🔗 Zenodo

🚗 交通与车辆数据集

VEDAI - 航空车辆检测

• 🚙 车辆边界框标注
• 🔗 官网

COWC - 车辆检测与计数

• 🚗 大量车辆标注
• 📦 边界框格式
• 🔗 官网
• 💻 检测代码

VME - 中东车辆检测

• 🇦🇪 中东及其他地区
• 🛰️ 卫星影像基准
• 🔗 GitHub

Urban Vehicle Segmentation (UV6K)

• 🏙️ 城市车辆分割
• 📊 6000+标注
• 🔗 Zenodo

✈️ 飞机检测专题

RarePlanes - 真实+合成飞机

• 🎮 真实+合成影像
• ✈️ 详细飞机属性
• 🆓 AWS开放数据
• 📝 论文
• 🔗 AWS Registry

优秀项目：

• yoltv4 - YOLOv4实现
• rareplanes-yolov5 - YOLOv5 + 亚像素特征

SAR Aircraft Detection

• 📡 SAR飞机检测
• 🎯 7835个飞机目标
• 📏 224×224切片
• 🔗 GitHub

🏊 特殊目标检测

Swimming Pool Detection

• 🏊 游泳池和汽车
• 🏘️ 3750张住宅区卫星影像
• 🔗 Kaggle

APKLOT - 停车场分割

• 🅿️ 航空停车位分割
• 🔗 GitHub

Roofline Extraction - 屋顶线提取

• 🏠 3D建筑重建
• 🔗 GitHub

---

🧠 十一、深度学习框架集成数据集

PyTorch生态

TorchGeo 🔥 - 地理空间深度学习库

• 🎯 专为遥感设计的PyTorch扩展
• 📦 内置多个经典数据集
• 🔗 官网

内置数据集示例：

from torchgeo.datasets import EuroSAT, NAIP, Landsat8

# 加载EuroSAT
eurosat = EuroSAT(root='data/', download=True)

# 加载Sentinel-2
from torchgeo.datasets import Sentinel2
sentinel = Sentinel2(paths='path/to/sentinel2')

支持的数据集：

• ✅ EuroSAT (RGB & 13波段)
• ✅ Sentinel-2
• ✅ Landsat 8
• ✅ NAIP
• ✅ xView2
• ✅ 还有30+个数据集

TensorFlow生态

TensorFlow Datasets 集成：

import tensorflow_datasets as tfds

# 加载EuroSAT
dataset = tfds.load('eurosat', split='train')

# 加载UC Merced
ucmerced = tfds.load('uc_merced', split='train')

Fast.ai友好数据集

经典案例：

• 🌳 Amazon Rainforest - 多标签分类
• 🛣️ Massachusetts Roads - 道路分割
• 🏙️ Camvid分割迁移到遥感

教程资源：

• FastAI多标签分类
• Planet Amazon教程

---

🎓 十二、论文配套数据集

顶会数据集（CVPR/ICCV/ECCV）

WHU-Stereo - 立体匹配基准

• 🏔️ 高分辨率卫星立体像对
• 🎯 具有挑战性的基准
• 📝 CVPR论文
• 🔗 GitHub

DAHiTra - 层次化Transformer

• 🏚️ 建筑损毁评估
• 🤖 使用xView2数据集
• 📖 论文
• 💻 代码

遥感顶刊数据集（TGRS/RSE）

SEN12MS - Sentinel-1/2融合

• 🔄 多光谱多模态
• 🌍 全球覆盖
• 📊 广泛引用
• 🔗 GitHub
• 📚 Papers with Code

GID-15 - 高分影像数据集

• 🇨🇳 中国高分卫星
• 🎯 大规模分类
• 🔗 官网

变化检测论文数据集

LEVIR-CC - 变化描述

• 💬 变化检测+文本描述
• 📝 50385个句子
• 🔗 GitHub

Hi-UCD - 超高分辨率城市变化

• 🏙️ 城市语义变化
• 🔗 GitHub

---

🌟 十三、新兴数据集与趋势

基础模型时代的数据集

PhilEO - 欧空局基础模型数据集

PhilEO-downstream (400GB):

• 🏗️ 建筑密度估计
• 🛣️ 道路分割
• 🌳 土地覆盖分类
• 🔗 HuggingFace

PhilEO-pretrain (500GB):

• 🌍 全球Sentinel-2影像
• 🧠 专为模型预训练设计
• 🔗 HuggingFace

SeeFar - 卫星无关多分辨率

• 🔄 传感器无关设计
• 🌊 海岸碳监测应用
• 🔗 官网

多模态融合数据集

AI2-S2-NAIP - 多源对齐

• 🛰️ NAIP + Sentinel-2 + Sentinel-1 + Landsat
• 🇺🇸 覆盖美国全境
• 🔗 HuggingFace

SICKLE - 多传感器农业

• 🌾 关键作物参数标注
• 📡 Landsat-8 + Sentinel-1 + Sentinel-2
• 🔗 GitHub

GAMUS - 几何感知多模态

• 🏙️ 城市结构理解
• 🔗 GitHub

时序数据集新星

DynamicEarthNet

• 📅 每日多光谱
• 🔄 语义变化分割
• 🔗 GitHub

CanadaFireSat - 加拿大火灾

• 🔥 Sentinel-2 L1C时间序列
• 🇨🇦 覆盖加拿大
• 🔗 GitHub

ssl4eco - 生态系统多样性

• 🌍 全球地理和物候多样性
• 🔗 GitHub

超分辨率数据集

MuS2 - Sentinel-2超分辨率

• 📏 多图像超分辨率
• 🔗 Harvard Dataverse

SEN2VENµS - 超分辨率训练

• 🎯 匹配的Sentinel-2和VENµS数据
• 🔗 Zenodo

Planet-CR - 云移除

• ☁️ 3米分辨率
• 🔄 多模态多分辨率
• 📖 论文
• 🔗 GitHub

---

🛠️ 十四、数据处理工具推荐

数据下载工具

Sentinel数据下载：

• 🔧 sentinel2tools - 简易下载和处理
  • 🔗 GitHub
  • 📝 教程博客

Landsat工具：

• 🌈 landsat-mosaic-latest - 自动更新的无云镶嵌
  • 🔗 GitHub

数据预处理

Xarray后端：

• 📊 xarray-sentinel - Sentinel-1数据处理
  • 🔗 GitHub

坐标转换：

• 🗺️ GDAL/OGR - 地理空间数据抽象库
• 🐍 rasterio - Python栅格数据I/O
• 🌍 geopandas - 地理数据框架

数据增强库

albumentations 🎨 - 最强数据增强

import albumentations as A

transform = A.Compose([
    A.RandomRotate90(),
    A.Flip(),
    A.Transpose(),
    A.RandomBrightnessContrast(p=0.2),
])

• 🚀 快速高效
• 🛰️ 支持多通道遥感影像
• 📝 遥感教程

TorchGeo transforms：

from torchgeo.transforms import AugmentationSequential

可视化工具

遥感影像可视化：

• 🎨 matplotlib + rasterio - 基础组合
• 📊 folium - 交互式地图
• 🗺️ leafmap - Jupyter中的地理空间分析
• 🎯 geemap - Google Earth Engine可视化

---

📊 十五、数据集选择指南

按任务类型选择

🎯 目标检测任务

应用场景	推荐数据集	难度	数据规模
入门学习	DOTA	⭐⭐	中
船舶检测	HRSC2016, xView3	⭐⭐⭐	大
飞机检测	RarePlanes	⭐⭐	大
车辆检测	COWC, VEDAI	⭐⭐	中
小目标	AI-TOD	⭐⭐⭐⭐	中

🎨 语义分割任务

应用场景	推荐数据集	特色	链接
建筑分割	Inria, SpaceNet	多城市	链接
道路提取	Massachusetts Roads	经典基准	链接
土地覆盖	EuroSAT, FLAIR	欧洲数据	链接
农田分割	UKFields, Sen4AgriNet	大规模	链接

🔄 变化检测任务

数据集	时间跨度	标注类型	推荐指数
LEVIR-CD	5-14年	建筑变化	⭐⭐⭐⭐⭐
S2Looking	多时相	侧视角	⭐⭐⭐⭐
xView2	灾前灾后	损毁等级	⭐⭐⭐⭐⭐
SpaceNet 7	月度	城市发展	⭐⭐⭐⭐⭐

按传感器类型选择

🛰️ 光学影像

• 高分辨率 (< 1m):

  • ✅ Maxar Open Data
  • ✅ NAIP (0.6m)
  • ✅ Planet (3m)

• 中分辨率 (10-30m):

  • ✅ Sentinel-2 (10m)
  • ✅ Landsat 8 (30m)

📡 SAR影像

• 船舶检测: SSDD, xView3
• 洪水监测: Sen4AgriNet SAR部分
• 全天候应用: Sentinel-1数据集

🎨 多光谱/高光谱

• 高光谱: AeroRIT, HySpecNet-11k
• 多光谱: Sentinel-2 (13波段)

按研究阶段选择

🔰 初学者入门 (前3个月)

1. EuroSAT - 土地覆盖分类

   • 小巧易用
   • PyTorch内置
   • 快速上手

2. UC Merced - 场景分类

   • 经典数据集
   • 可视化友好

3. Kaggle Ship Detection - 目标检测

   • 数据质量高
   • 社区活跃

🎓 进阶研究 (3-12个月)

1. SpaceNet - 多任务挑战
2. xView - 大规模检测
3. DOTA - 旋转目标

🚀 前沿探索 (12个月+)

1. 自建数据集 + 公开数据
2. 基础模型预训练
3. 跨模态研究

核心资源传送门 🔗：

• 📚 官方网站：satellite-image-deep-learning.com
• 💻 GitHub主仓库：satellite-image-deep-learning