常用的高光谱遥感影像数据集（详细介绍+下载链接）

前言

博主最近在做基于卷积神经网络的高光谱遥感影像分类的研究，所以简要介绍一下常用的高光谱遥感影像数据集。

（1）什么是高光谱遥感？
高光谱分辨率遥感是用很窄而连续的光谱通道对地物持续遥感成像的技术。在可见光到短波红外波段其光谱分辨率高达纳米(nm)数量级，通常具有波段多的特点，光谱通道数多达数十甚至数百个以上，而且各光谱通道间往往是连续的，因此高光谱遥感又通常被称为成像光谱遥感。

（2）高光谱遥感影像的特点

1. 地物的分辨识别能力大大提高， 并且可以区别属于同一种地物的不同类别，这在传统的低光谱分辨率遥感中是不容易实现的。同时由于成像光谱的波段变窄,，可选择的成像通道变多， 使得“异物同谱”与“同谱异物”的现象减少，只要波段的选择与组合得恰当，一些地物光谱空间混淆的现象可以得到极大的控制，这无疑为进一步的分析提供了最为可靠的保证。
2. 成像通道大大增加， 使得在处理不同应用的分析中，光谱的可选择性变得灵活和多样化， 这极大的增加了可以通过遥感手段进行分析的目标物的数量，如不同树种的识别，不同矿物的识别，使遥感技术应用的范围扩大。
3. 由于光谱空间分辨率的提高， 使得原先不可进行的应用方向成为可能， 如生物物理化学参数的提取，在利用高光谱数据进行有关植被叶绿素a、木质素、纤维素等生化分析, 取得了较好的结果, 为遥感技术的应用提供了新的研究方向。
4. 由遥感定性分析向定量或半定量的转化成为可能，传统成像遥感技术主要的应用是以定性化的分析为主，部分定量分析结果的精度并不理想， 这显然是由于成像传感器的光谱和空间分辨率、大气和土壤背景的干扰等限制有关，高光谱分辨率成像遥感首先突破了光谱分辨率这一个限制， 在光谱空间很大程度上抑制了其它干扰因素的影响，这对于定量分析结果精度的提高有很大的帮助 [2] 。

数据集

Indian Pines

该场景是由AVIRIS传感器在印第安纳州西北部的印度松测试现场获取的，由145×145像素和224个光谱反射带组成，波长范围为0.4-2.5 10 ^（-6）米。 此场景是较大场景的子集。 Indian Pines景观包含三分之二的农业和三分之一的森林或其他天然多年生植物。 有两条主要的双车道高速公路，一条铁路线，以及一些低密度房屋，其他建筑物和较小的道路。 由于场景是在6月拍摄的，因此目前的一些农作物（玉米，大豆）处于生长的初期，覆盖率不足5％。 现有的地面真理被划分为十六个等级，并且并不都是相互排斥的。 通过删除覆盖吸水区域的波段，也将波段的数量减少到200个：[104-108]，[150-163]，220。
样本影像：

Ground truth：

具体类别如下：

Salinas

该场景由加利福尼亚州萨利纳斯山谷上空的224波段AVIRIS传感器捕获，具有高空间分辨率（3.7米像素）的特征。 覆盖区域包括512行乘217个样本。 与Indian Pines场景一样，我们丢弃了20个吸水波段，在这种情况下为[108-112]，[154-167]，224。此图像仅作为传感器辐射度数据可用。 它包括蔬菜，裸露的土壤和葡萄园。 Salinas ground truth包含16个类。
样本影像：

Ground truth：

具体类别如下：

Pavia Centre and University

这是ROSIS传感器在意大利北部帕维亚上空进行的一次飞行比赛中获得的两个场景。 Pavia Centre（帕维亚中心）的光谱带数量为102，Pavia University（帕维亚大学）的光谱带数量为103。 Pavia Center是1096 * 1096像素的图像，而Pavia University是610 * 610像素，但是两个图像中的某些样本均不包含任何信息，必须在分析之前将其丢弃。 几何分辨率为1.3米。 两种图像ground truth分别区分为9类。
注：黑色条带可视为丢失

Pavia Centre

样本影像

ground truth

具体类别

Pavia University

样本影像

ground truth

具体类别

Kennedy Space Center (KSC)

NASA AVIRIS（机载可见/红外成像光谱仪）仪器于1996年3月23日在佛罗里达州肯尼迪航天中心（KSC）上采集了数据。AVIRIS采集了224个10 nm宽度的波段，中心波长为400-2500 nm。从大约20 km的高度获取的KSC数据的空间分辨率为18 m。去除吸水率和低SNR频段后，将176个频段用于分析。使用由肯尼迪航天中心提供的彩色红外照相和Landsat Thematic Mapper（TM）影像提供的土地覆盖图选择训练数据。植被分类方案是由KSC人员开发的，旨在定义在Landsat和这些AVIRIS数据的空间分辨率下可辨别的功能类型。由于某些植被类型的光谱特征相似，因此很难区分这种环境下的土地覆盖。出于分类的目的，为该站点定义了13个类别，代表了在此环境中发生的各种土地覆盖类型。

Botswana

NASA EO-1卫星于2001-2004年在Botswana（博茨瓦纳）的Okavango三角洲获得了一系列数据。 EO-1上的Hyperion传感器在7.7 km的条带上以242 km波段的30 km像素分辨率采集数据，覆盖242 nm波段中10 nm窗口中的400-2500 nm部分。 UT太空研究中心对数据进行了预处理，以减轻不良探测器，探测器间失调和间歇性异常的影响。 去除了覆盖吸水特征的未校准波段和噪声波段，其余的145条波段被包括为候选特征：[10-55、82-97、102-119、134-164、187-220]。 这项研究中分析的数据是2001年5月31日获得的，包括来自14个已确定类别的观测值，这些类别代表了位于三角洲末端的季节性沼泽，偶发沼泽和干燥林地的土地覆盖类型。

下载链接

（1）CSDN下载：
高光谱影像数据集——CSDN资源下载

（2）官网：
参考官网

希望能帮助到做高光谱遥感影像研究的朋友！