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
分辨率：约10 m（RGB）
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。
分辨率：约30 m（RGB）
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。
分辨率：0.6 m
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_DOQQ
分辨率：2 m
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_MULTISPECTRAL
分辨率：多种
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/dataset
分辨率：30 cm
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.html
分辨率：多样
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/
分辨率：多样
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/
分辨率：1.5 m
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/2207.06418
分辨率：最高0.5 m
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-rs19
分辨率：0.5 m
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/skysat
分辨率：1 m
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/EarthView
分辨率：0.5 m
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-missions
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。
链接：http://skyfi.com
社群交流/原创投稿/ 商务合作
来源：空天感知