全网最全高光谱数据集分享（附下载链接，验证可用）

已于 2025-04-10 13:56:05 修改
阅读量2.3k 收藏 17
点赞数 21
分类专栏： 《Python遥感实战：从数据处理到智能分析全栈指南》 文章标签： arcgis python 算法 机器学习
于 2025-02-28 11:25:29 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_45276304/article/details/145923138
版权

高光谱遥感技术凭借其丰富的光谱信息，在农业、环境监测、地质勘探等领域发挥着重要作用。为了帮助遥感爱好者和科研人员更好地进行研究，我们整理了12个高光谱遥感影像数据集，涵盖了不同地区、不同设备和不同应用场景。以下是详细介绍：

高光谱资源汇总

1. 雄安新区（马蹄湾村）航空高光谱数据

由中国科学院上海技术物理研究所研制高分专项航空系统全谱段多模态成像光谱仪采集，光谱范围为400—1000 nm，波段250个，影像大小为3750×1580像元，空间分辨率0.5 m；同步实地调研地类分布19种，包括水稻茬、草地、榆树、白蜡、国槐、菜地、杨树、大豆、刺槐、水稻、水体、柳树、复叶槭、栾树、桃树、玉米、梨树、荷叶、建筑。利用随机森林分类方法对该数据进行了分类验证，分类精度可达97%。

岑奕,张立福,张霞,等.雄安新区马蹄湾村航空高光谱遥感影像分类数据集[J].遥感学报,2020,24(11):1299-1306.

[下载链接]
https://aistudio.baidu.com/datasetdetail/313003

https://pan.quark.cn/s/234e54d2ac3b

</

了解本专栏 订阅专栏 解锁全文 超级会员免费看
高光谱图像通用数据集下载大全(数据太大，提供百度云链接)
11-29
资源包括99.9%的常用的实验高光谱图像数据，全部是.mat文件，到手即用(数据集和标签都有，部分还有的图像)数据集包括:Indian pines，pavia university，pavia center,botswana,Houston_2013,Houston_2018,KSC,Salinas,xuzhou,xiongan，由于数据量过大，本资源提供百度云链接，请自行下载
高光谱/遥感图像常用数据集（2）
04-25
该包提供了遥感图像分析中常用的Salinas数据集，为mat格式，包括各波段信息，及对应的地面真实数据的标签。
五种高光谱数据集.zip
03-22
包含五种基本高光谱数据集，适用于遥感图像分类。Indian_pine是一个很传统的高光谱数据集，包含16种数据，如：街道，农田等数据。同Indian Pines图像一样，Salinas数据也是由成像光谱仪所拍摄的，它是对美国加利福尼亚州的Salinas山谷所成的像。
常用的高光谱遥感影像数据集高光谱图像分类数据集
01-13
常用的高光谱遥感影像数据集高光谱图像分类数据集
高光谱遥感图像数据集
04-14
常用的高光谱遥感图像数据集，包含Indians Pines、Botswana、KSC、PaviaU、Salinas及它们的ground truth矩阵。文件后缀为.mat
高光谱数据集
06-07
包含常用的高光谱数据集，IndianPines,Paviau,salinas,Simu
高光谱/遥感图像常用数据集
04-20
内有常用的高光谱图像（HSI）数据集，有常用的Indian,Pavia。每类数据集里包含图像原始信息，以及相对应的地面真实数据的类别标签。因文件大小限制，只能传这两个数据集，还有Salinas等数据集，大家需要的话可留言。
高光谱公开数据集
Jonsanboy的博客
12-28 4132
最近在做高光谱图像的分类，一般入门都会拿Indian_pines、KSC、PaviaU这3副图像来练手。 现在提供下载链接，为方便做这方面研究的同行。 链接：https://pan.baidu.com/s/1h3bNhjWjeCTJZgBsatsgsw 提取码：romr 用的好，就点个赞啦！ ...
五种高光谱数据集.rar
11-23
包含常用的几种高光谱数据，可以用于遥感图像分类。Washington DC Mal,Indian Pine等。ndian Pines 是最早的用于高光谱图像分类的测试数据，由机载可视红外成像光谱仪（AVIRIS）于 1992 年对美国印第安纳州一块印度松树进行成像，然后截取尺寸为 145×145 的大小进行标注作为高光谱图像分类测试用途。Pavia  University 数据是由德国的机载反射光学光谱成像仪（Reflective  Optics Spectrographic Imaging System，ROSIS-03）在 2003 年对意大利的帕维亚城所成的像的一部分高光谱数据。该光谱成像仪对 0.43-0.86μm 波长范围内的 115 个波段连续成像，所成图像的空间分辨率为 1.3m。其中 12 个波段由于受噪声影响被剔除，因此一般使用的是剩下 103 个光谱波段所成的图像。该数据的尺寸为 610×340，因此共包含2207400 个像素，但是其中包含大量的背景像素，包含地物的像素总共只有 42776 个，这些像素中共包含 9 类地物，包括树、沥青道路（Asphalt）、砖
高光谱图像数据集（Hyperspectral Image Datasets）（1）
copawloroous的博客
01-12 1962
常用的5个高光谱图像数据集的介绍和信息，数据资源在我主页。 Indian Pines、Pavia University、Salinas、Houston 2013、Houston 2018
【高光谱图像数据集】ksc
04-07
The NASA AVIRIS (Airborne Visible/Infrared Imaging Spectrometer) instrument acquired data over the Kennedy Space Center (KSC), Florida, on March 23, 1996. AVIRIS acquires data in 224 bands of 10 nm width with center wavelengths from 400 - 2500 nm. The KSC data, acquired from an altitude of approximately 20 km, have a spatial resolution of 18 m. After removing water absorption and low SNR bands, 176 bands were used for the analysis. Training data were selected using land cover maps derived from color infrared photography provided by the Kennedy Space Center and Landsat Thematic Mapper (TM) imagery. The vegetation classification scheme was developed by KSC personnel in an effort to define functional types that are discernable at the spatial resolution of Landsat and these AVIRIS data. Discrimination of land cover for this environment is difficult due to the similarity of spectral signatures for certain vegetation types. For classification purposes, 13 classes representing the various land cover types that occur in this environment were defined for the site.
【高光谱图像数据集】Indian Pines
04-07
This scene was gathered by AVIRIS sensor over the Indian Pines test site in North-western Indiana and consists of 145\times145 pixels and 224 spectral reflectance bands in the wavelength range 0.4–2.5 10^(-6) meters. This scene is a subset of a larger one. The Indian Pines scene contains two-thirds agriculture, and one-third forest or other natural perennial vegetation. There are two major dual lane highways, a rail line, as well as some low density housing, other built structures, and smaller roads. Since the scene is taken in June some of the crops present, corn, soybeans, are in early stages of growth with less than 5% coverage. The ground truth available is designated into sixteen classes and is not all mutually exclusive. We have also reduced the number of bands to 200 by removing bands covering the region of water absorption: [104-108], [150-163], 220. Indian Pines data are available through Pursue's univeristy MultiSpec site.
高光谱数据集 包括Indian、Pavia 和 PaviaU
04-29
遥感图像的数据集，里面有Indian_pines数据集、Pavia数据集 和 PaviaU数据集，数据集的格式为mat
Indian_高光谱数据集_高光谱数据_高光谱公开数据集indian_pines_
10-02
高光谱数据的公开数据集，在一些方法实验中经常会用到
高光谱遥感数据库Kennedy Space Center (KSC)
02-08
The NASA AVIRIS (Airborne Visible/Infrared Imaging Spectrometer) instrument acquired data over the Kennedy Space Center (KSC), Florida, on March 23, 1996. AVIRIS acquires data in 224 bands of 10 nm width with center wavelengths from 400 - 2500 nm. The KSC data, acquired from an altitude of approximately 20 km, have a spatial resolution of 18 m. After removing water absorption and low SNR bands, 176 bands were used for the analysis. Training data were selected using land cover maps derived from color infrared photography provided by the Kennedy Space Center and Landsat Thematic Mapper (TM) imagery. The vegetation classification scheme was developed by KSC personnel in an effort to define functional types that are discernable at the spatial resolution of Landsat and these AVIRIS data. Discrimination of land cover for this environment is difficult due to the similarity of spectral signatures for certain vegetation types. For classification purposes, 13 classes representing the various land cover types that occur in this environment were defined for the site
一文吃透 DBNet 模型参数：从基础到全网爆火的深度解析
最新发布
zhangjiaofa的专栏
04-29 42
从模型基础配置的名称定义与配置继承，到模型架构中骨干网络、颈部网络、头部网络的选择与参数设置，再到后处理、评估指标、损失函数、优化器、学习率调度器等关键组件的参数调整，以及训练器和数据集相关参数的合理配置，每一个环节都相互关联、相互影响。10.1 训练数据集配置 - 数据路径 dataset.train.dataset.args.data_path: ./datasets/SynthText​。10.3 数据加载器配置 - 批量大小 dataset.train.loader.batch_size: 2​。
大数据和区块链区别和关系
yuouuuuu的博客
05-25 3508
大数据，需要应对海量化和快增长的存储，这要求底层硬件架构和文件系统在性价比上要大大高于传统技术，能够弹性扩张存储容量。谷歌的GFS和Hadoop的HDFS奠定了大数据存储技术的基础。另外，大数据对存储技术提出的另一个挑战是多种数据格式的适应能力，因此现在大数据底层的存储层不只是HDFS，还有HBase和Kudu等存储架构。 　　区块链，是比特币的底层技术架构，它在本质上是一种去中心化的分布式账本。...
大数据和区块链之间的比较分析
yoooooooooooooop的博客
05-18 1109
分布式存储：HDFS vs. 区块 大数据，需要应对海量化和快增长的存储，这要求底层硬件架构和文件系统在性价比上要大大高于传统技术，能够弹性扩张存储容量。谷歌的GFS和Hadoop的HDFS奠定了大数据存储技术的基础。另外，大数据对存储技术提出的另一个挑战是多种数据格式的适应能力，因此现在大数据底层的存储层不只是HDFS，还有HBase和Kudu等存储架构。 区块链，是比特币的底层技术架构，它...
高光谱图像练习
03-23
### 关于高光谱图像处理的练习、数据集和教程 #### 1. 高光谱图像处理的基础知识 高光谱图像处理涉及多个方面，包括但不限于数据预处理、特征提取以及分类算法的应用。对于初学者来说，可以从以下几个方向入手： - **高光谱数据处理基础** 可以参考《高光谱遥感学习入门》中的相关内容[^1]，该资料涵盖了高光谱数据处理的基本概念和技术背景。 - **Python 和 Matlab 的工具支持** Python 是一种强大的编程语言，在高光谱数据分析领域具有广泛的应用。而 Matlab 则以其成熟的信号处理功能著称。两者都可以用于实现 SG 平滑等预处理方法[^4]。 ```matlab % 使用Matlab进行SG平滑的例子 clc; clear; data = xlsread('path_to_your_data'); % 替换为实际路径 data1 = data(2:end,1:end); y = sgolayfilt(data1,3,5); % 应用Savitzky-Golay滤波器 subplot(2,1,1); plot(data(1:1,:),data1); title("原始光谱数据"); axis([935 1650 ,0,60]); subplot(2,1,2); plot(data(1:1,:),y); title("经过SG平滑后的光谱数据"); axis([935 1650 ,0,60]); ``` --- #### 2. 常见的高光谱数据集推荐 以下是几个常用的公开高光谱数据集，适合用来进行实验和验证模型效果： - **Indian Pines 数据集** Indian Pines 是一个经典的高光谱数据集，常被用于测试各种分类算法的效果。它包含了农业用地的不同类别信息[^3]。 - **Salinas 数据集** Salinas 数据集同样是一个常用的标准数据集，其特点是分辨率较高且覆盖区域较小，非常适合新手上手。 - **Pavia University 数据集** 这个数据集来源于意大利帕维亚大学校园及其周边地区，主要用于研究城市环境下的土地利用情况。 这些数据集可以通过各大科研机构或者开源平台获取，比如 [HySpec](http://www.ehu.eus/ccwintco/index.php/Hyperspectral_Datasets) 或者其他学术资源网站。 --- #### 3. 实践教程建议 为了更好地掌握高光谱图像处理技能，可以选择一些具体的项目来实践。以下是一些可能的方向： - **基于 Python 的多光谱/高光谱数据预处理** 学习如何使用 Python 对多光谱或高光谱影像执行基本的操作，例如辐射校正、正射校正等[^2]。可以尝试结合 SNAP 软件完成 Sentinel 数据的初步处理。 - **高光谱图像分类实战** 尝试构建简单的神经网络模型来进行高光谱图像分类任务。通过调整参数观察不同设置下结果的变化，并分析原因。 - **引入注意力机制优化性能** 如果希望进一步提高分类精度，则可考虑加入注意力机制模块到现有框架之中。这种方法能够帮助突出重要特征并抑制噪声干扰。 --- #### 4. 推荐的学习材料清单 除了上述提到的内容外，还可以查阅更多关于高光谱成像理论与应用方面的书籍或文章作为补充参考资料。例如，《Remote Sensing of Environment》期刊经常发表高质量的相关研究成果。 另外，网上也有许多免费课程可供选择，如 Coursera 上由顶尖高校开设的地学类在线教育项目可能会涉及到这部分知识点。 ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Python与遥感

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值