释放原始多光谱对地观测影像在星载人工智能中的应用

如今，在地球观测（EO）卫星上应用人工智能（AI）以用于自然灾害响应等时间关键型应用正引起日益增长的兴趣。然而，原始卫星数据的不可用目前阻碍了轻量级预处理技术的研究，并限制了对端到端流水线的探索，而后者本可从源数据直接提供更高效、准确的洞察提取。为填补这一空白，本文提出一种新颖方法，用于自动化创建从 Sentinel-2 原始数据及其他多光谱 EO 推扫式原始影像中检测目标事件（如高温热斑点）或对象（如船只）的数据集。该方法首先通过由原始数据像素的空间波段配准和地理配准组成的流水线处理原始数据。然后，通过在 Level-1C 产品上利用特定事件的先进算法检测目标事件，这些产品被拼接并裁剪到地理配准的对应原始 granules 区域。检测到的事件最终被重投影回相应的原始影像。我们应用所提方法实现了 THRawS（原始 Sentinel-2 数据中的热斑点），这是首个包含高温热斑点的 Sentinel-2 原始数据集。THRawS 包含 1090 个样本，涵盖野火、火山喷发，以及 33,335 个无事件采集，以支持热斑点检测和通用分类应用。该数据集及相关工具包为学界提供了即时可用的资源，以及作为未来扩展模板的框架和方法。通过本工作，我们希望为星载 EO 卫星上节能预处理算法和基于 AI 的端到端处理系统研究铺平道路。