- 数据集可用时间
- 2017-06-01T00:00:00Z–2018-05-31T00:00:00Z
- 数据集生产者
- BigEarthNet
- 标记
说明
BigEarthNet 是一个新的大规模 Sentinel-2 基准归档,包含 590,326 个 Sentinel-2 图像补丁。 为了构建 BigEarthNet,我们在 2017 年 6 月至 2018 年 5 月期间,在欧洲的 10 个国家/地区(奥地利、比利时、芬兰、爱尔兰、科索沃、立陶宛、卢森堡、葡萄牙、塞尔维亚、瑞士)获取了 125 个 Sentinel-2 图块。所有图块都经过 Sentinel-2 Level 2A 产品生成和格式化工具 (sen2cor) 的大气校正。 然后,这些图块被划分为 590,326 个不重叠的图像补丁。每个图像补丁都使用 2018 年 CORINE 土地覆被数据库 (CLC 2018) 提供的多个土地覆被类别(即多标签)进行注释。
频段
频段
像素大小:各不相同
| 名称 | 扩缩 | 像元大小 | 波长 | 说明 |
|---|---|---|---|---|
B1 |
0.0001 | 60 米 | 443.9 纳米 (S2A) / 442.3 纳米 (S2B) | 气溶胶 |
B2 |
0.0001 | 10 米 | 496.6 纳米 (S2A) / 492.1 纳米 (S2B) | 蓝色 |
B3 |
0.0001 | 10 米 | 560 纳米 (S2A) / 559 纳米 (S2B) | 绿色 |
B4 |
0.0001 | 10 米 | 664.5 纳米 (S2A) / 665 纳米 (S2B) | 红色 |
B5 |
0.0001 | 20 米 | 703.9 纳米 (S2A) / 703.8 纳米 (S2B) | 红边 1 |
B6 |
0.0001 | 20 米 | 740.2 纳米 (S2A) / 739.1 纳米 (S2B) | 红边 2 |
B7 |
0.0001 | 20 米 | 782.5 纳米 (S2A) / 779.7 纳米 (S2B) | 红边 3 |
B8 |
0.0001 | 10 米 | 835.1 纳米 (S2A) / 833 纳米 (S2B) | 近红外 |
B9 |
0.0001 | 60 米 | 945 纳米 (S2A) / 943.2 纳米 (S2B) | 水蒸气 |
B10 |
0.0001 | 60 米 | 1373.5 纳米 (S2A) / 1376.9 纳米 (S2B) | 卷云 |
B11 |
0.0001 | 20 米 | 1613.7 纳米 (S2A) / 1610.4 纳米 (S2B) | 短波红外 1 |
B12 |
0.0001 | 20 米 | 2202.4 纳米 (S2A) / 2185.7 纳米 (S2B) | 短波红外 2 |
B8A |
0.0001 | 20 米 | 864.8 纳米 (S2A) / 864 纳米 (S2B) | 红边 4 |
图片属性
图像属性
| 名称 | 类型 | 说明 |
|---|---|---|
| labels | STRING_LIST | 此图片中找到的土地覆被类型列表 |
| source | STRING | 相应 Sentinel-2 1C 图片的产品 ID |
| tile_x | DOUBLE | 源图片中图块的 X 坐标 |
| tile_y | DOUBLE | 源图片中图块的 Y 坐标 |
使用条款
使用条款
BigEarthNet 归档已获得社区数据许可协议 - 宽松版 1.0 版许可。 如需了解详情, 请参阅 https://cdla.dev/permissive-1-0。
引用
G. Sumbul, M. Charfuelan, B. Demir, V. Markl, BigEarthNet: A Large-Scale Benchmark Archive for Remote Sensing Image Understanding, IEEE International Conference on Geoscience and Remote Sensing Symposium, pp. 5901-5904, Yokohama, Japan, 2019.
通过 Earth Engine 探索
代码编辑器 (JavaScript)
var geometry = ee.Geometry.Polygon( [[ [16.656886757418057, 48.27086673747943], [16.656886757418057, 48.21359065567954], [16.733276070162198, 48.21359065567954], [16.733276070162198, 48.27086673747943]]]); var ic = ee.ImageCollection('TUBerlin/BigEarthNet/v1'); var filtered = ic.filterBounds(geometry); var tiles = filtered.map(function(image) { var labels = ee.List(image.get('labels')); var urban = labels.indexOf('Discontinuous urban fabric').gte(0); var highlight_urban = ee.Image(urban).toInt().multiply(1000); return image.addBands( {srcImg: image.select(['B4']).add(highlight_urban), overwrite: true}); }); var image = tiles.mosaic().clip(geometry); var visParams = {bands: ['B4', 'B3', 'B2'], min: 0, max: 3000}; Map.addLayer(image, visParams); Map.centerObject(image, 13);