全球数据集以最精细的细节捕捉地球

由UCL领导的专家利用欧洲航天局(ESA)的数据开发了一个全球开源地球高分辨率图像数据集——同类中最广泛和最详细的数据集。

免费数据集WorldStrat将在新奥尔良举行的NeurIPS2022会议上展示。它包括近10,000平方公里的免费卫星图像，显示从农业、草原和森林到各种规模的城市和极地冰盖的各种类型的位置、城市区域和土地利用。

该数据集包括全球南方的地点和需要人道主义援助的地点，这些地点在卫星图像中的代表性往往不足，因为通常是为了商业利益而收集的，因此不成比例地以较富裕的地区为特色。

科学家们表示，该系列能够对全球地形进行分析，以应对全球挑战，例如应对自然和人为灾害、管理自然资源和城市规划。

WorldStrat的工作始于2021年，自2022年6月推出以来，下载量已超过3,000次。

项目负责人JulienCornebise博士(伦敦大学学院计算机科学学院)说，“高分辨率商业图像和机器学习的结合具有巨大的潜力，可以进行全球分析，这有助于应对各种全球挑战——问题在于商业数据通常被锁定在付费墙后面。”

“ESA的TPM计划通过提供对通常非常昂贵的数据的免费访问，使我们的项目成为可能。”

该团队使用了由ESA委托并分别于2012年和2014年发射的空中客车SPOT6和SPOT7卫星的数据。这些卫星可以提供分辨率高达每像素1.5m的图像，这意味着每个像素代表地面上1.5mx1.5m的区域。

科学家们使用了来自SPOT卫星的大约4,000张高度详细的图像。即使这些图像具有高(空间)分辨率，它们的时间分辨率也很低，这意味着在这种情况下，每颗卫星都不会定期重新访问和重新捕获每个站点。这是因为卫星拍摄的图像最初旨在用于特定的商业应用，而不是长期分析。

为了解决这个问题，该团队还使用了来自哥白尼哨兵2号卫星的免费低分辨率图像。这些具有更高的时间分辨率，这意味着它们每五天在更规律的时间点被捕获。他们将每张SPOT图像与来自哥白尼前哨2号的16张图像进行匹配，总共使用了大约64,000张。

研究人员开发数据集还支持机器学习应用程序的开发，以扩展和增强它，例如进一步提高图像分辨率。为了开发更多的应用程序，科学家们开发了一个人工智能工具箱以及完整的源代码，使开发人员能够复制、扩展和转换工作。

Cornebise博士继续说道，“来自世界各地的数以千计的数据用户已经下载了WorldStrat——我们期待看到他们使用机器学习技术扩展和改进它的方式。”