Открытые датасеты для разметки карт земного покрова и землепользования, опирающиеся на снимки Sentinel-2. Глобальные данные, часть 2

2️⃣ LandCoverNet — глобальный набор размеченных данных, который содержит метки классов для мультиспектральных снимков Sentinel-1, Sentinel-2 (L2A) и Landsat-8 за 2018 год. Размеры фрагментов изображений составляют 256x256 пикселей с разрешением 10 м, их точность подтверждена несколькими независимыми пользователями. Набор данных доступен в GEE Community Catalog.

Каждый пиксель относится к одному из семи классов земного покрова на основе его годового временного ряда. Эти классы: water, natural bare ground, artificial bare ground, woody vegetation, cultivated vegetation, (semi) natural vegetation и permanent snow/ice.

📥 Данные: GEE: LandCoverNet Training Labels v1.0

📖 Методика: *Alemohammad, H., & Booth, K. (2020). LandCoverNet: A global benchmark land cover classification training dataset. ArXiv, https://arxiv.org/abs/2012.03111


3️⃣ Sentinel2GlobalLULC — глобальный набор данных, который содержит почти 200 000 одноклассовых RGB-изображений размером 224 х 224 пикселя с разрешением 10 м, сгруппированных по 29 классам земного покрова и землепользования (FAO hierarchical Land Cover Classification System). Он был создан на основе суммирования данных глобальных карт земного покрова и землепользования (до 15 штук), доступных в Google Earth Engine. Снимки сделаны в период с июня 2015 года по октябрь 2020 года. Это не размеченные изображения, а фрагменты, целиком относящиеся к одному классу LULC.

Каждое изображение доступно в форматах tif и jpeg. К нему привязан CSV-файл для каждого класса земного покрова, содержащий координаты центра изображения и дополнительные метаданные.

📥 Данные: Yassir Benhammou, Domingo Alcaraz-Segura, Emilio Guirado, Rohaifa Khaldi, & Siham Tabik. (2022). Sentinel2GlobalLULC: A dataset of Sentinel-2 georeferenced RGB imagery annotated for global land use/land cover mapping with deep learning (License CC BY 4.0) Data set. В Scientific Data (2.1, Т. 9, Выпуск 681). Zenodo. https://doi.org/10.5281/zenodo.6941662

📖 Методика: Benhammou, Y., Alcaraz-Segura, D., Guirado, E. et al. Sentinel2GlobalLULC: A Sentinel-2 RGB image tile dataset for global land use/cover mapping with deep learning. Sci Data 9, 681 (2022). https://doi.org/10.1038/s41597-022-01775-8

#датасет #LULC