EarthNets：赋能人工智能以实现地球观测

《IEEE Geoscience and Remote Sensing Magazine》：EarthNets: Empowering artificial intelligence for Earth observation

地球观测数据集综述与评估平台构建，分析超过500个公开数据集的规模、分辨率、研究领域分布及关联性，提出数据评估与选择方法，并发布EarthNets平台实现遥感与机器学习方法的公平评估。

　　

摘要：

地球观测（EO）旨在利用遥感数据监测地球的状态，对于改善我们的日常生活和生活环境至关重要。随着在轨卫星数量的增加，越来越多的数据集被发布出来，这些数据集涵盖了多种传感器和研究领域，为遥感领域的研究提供了便利。本文全面回顾了500多个公开发布的数据集，涉及农业、土地利用与土地覆盖、灾害监测、场景理解、视觉语言模型、基础模型、气候变化和天气预报等研究领域。我们从四个方面对这些EO数据集进行了系统分析：数据量、分辨率分布、研究领域以及数据集之间的相关性。基于数据集的属性，我们提出了一种衡量、排序和选择数据集的方法，以构建一个新的模型评估基准。此外，还推出了一个名为EarthNets的新平台，用于实现对遥感数据上深度学习方法的公平和一致评估。EarthNets支持标准的数据集库和先进的深度学习模型，旨在弥合遥感社区和机器学习社区之间的差距。在该平台上，多种深度学习方法都经过了新的评估基准测试，这些富有洞察力的结果对未来的研究具有价值。该平台及数据集集合可在以下链接公开获取：https://earthnets.github.io/。