M3LEO：融合干涉SAR与多光谱数据的多模态多标签地球观测数据集

基于卫星的遥感彻底改变了我们应对全球挑战的方式。卫星传感器每天产生海量的地球观测（EO）数据，但在机器学习流水线中处理这些大型数据集在技术和计算上都具有挑战性。虽然存在一些预处理的地球观测数据集，但其内容通常仅限于光学或近光学波长数据，这在夜间或恶劣天气条件下无效。合成孔径雷达（SAR）是一种基于微波辐射的有源传感技术，提供了一种可行的替代方案。然而，由于缺乏机器学习就绪的数据和流水线，特别是对于SAR数据的全部多样性（包括极化、相干性和干涉测量），机器学习在SAR上的应用一直受到限制。在这项工作中，我们介绍了M3LEO，一个多模态、多标签的地球观测数据集，包含来自Sentinel-1的极化、干涉和相干SAR数据，以及多光谱Sentinel-2图像和描述地形属性（如土地利用）的辅助数据。M3LEO涵盖来自六个不同地理区域的约1700万个4×4公里数据块。该数据集辅以一个灵活的PyTorch Lightning框架，该框架使用Hydra配置，以适应其在各种地球观测机器学习应用中的使用。我们提供工具来处理流行平台（如Google Earth Engine）上可用的任何数据集，以便与我们的框架无缝集成。我们表明，自监督嵌入中的分布偏移在不同地理区域之间是显著的，即使在控制地形属性时也是如此。数据：huggingface.co/M3LEO，代码：github.com/spaceml-org/M3LEO。