Images segmentées des processus météo-océaniques

Gamme de produit : images monomission SAR Sentinel-1.

DOI: 10.24400/527896/a01-2023.002  -  plus de métadonnées

Contenu : Un millier d'imagettes Sentinel-1 annotées manuellement pour des applications d'apprentissage

Utilisation: deep learning, segmentation, SAR, océanographie, météorologie

Conditions d'accès : Ces produits sont disponibles gratuitement pour tout usage (scientifique, opérationnel, commercial, etc.) comme indiqué dans la licence

Service d'accès aux données: FTP

Description : ce jeu de données contient 1000 imagettes annotées (20x20 km environ) de l'acquisition Sentinel-1 Wave Mode sous forme de polygones JSON parmi 10 caractéristiques métocéaniques jusqu'à une résolution de 50 mètres typiquement (voir illustration) :

Fronts atmosphériques
Nappes biologiques
Icebergs
Zone de vents faibles
Cellules micro-convectives
Front océanique
Vagues océaniques pures
Cellules de pluie
Glace de mer
Traînées de vent

Le présent jeu de données étend la catégorisation TenGeoP (1 caractéristique par imagette) à la segmentation au niveau du pixel parmi les 10 caractéristiques énumérées ci-dessus. Son objectif principal est l'entraînement de segmenteurs Deep Learning, avec des applications dans la cartographie automatique des processus de surface océanique [1] et dans la compréhension des interactions air-mer. Un notebook Jupyter est fourni dans l'archive du jeu de données pour consulter l'annotation. Les images brutes de la rugosité de la surface de la mer de Sentinel-1 dans ce jeu de données sont un sous-ensemble de 1000 éléments du jeu de données d'images SAR étiquetées TenGeoP [2, 3], également équilibré entre les modes de vagues 1 et 2 (incidence de 23 et 36° respectivement). Une méthodologie d'étiquetage cohérente avec TenGeoP est entreprise. L'utilisateur est invité à se référer à [2] pour accéder aux images SAR brutes et lire leur traitement.

Couverture géographique : globale. 

Format : JSON

Outils: 

• A labelled dataset description for SAR images segmentation 
• L'outil utilisé pour créer les annotations est Labelme. Labelme est un outil d'annotation opensource, disponible sur https://github.com/wkentaro/labelme . Toutes les informations sur les outils et l'exploitation des fichiers JSON sont décrites dans le document "A labelled dataset description for SAR images segmentation" in section 4.4. De plus, les fichiers jupyter notebook sont disponibles dans le même fichier tar distribué.

Références:

[1] Colin A., Fablet R., Tandeo P., Husson R., Peureux C.,Longépé N., Mouche A., Semantic Segmentation of Metoceanic Processes Using SAR Observations and Deep Learning, Remote Sensing, 2022, 14, 851. https://doi.org/10.3390/rs14040851 

[2] Wang C., Mouche A., Tandeo P., Stopa J., Longépé N., Erhard G., Foster R., Vandemark D., Chapron B., 2018, Labeled SAR imagery dataset of ten geophysical phenomena from Sentinel-1 wave mode (TenGeoP-SARwv), https://www.seanoe.org/data/00456/56796/ , https://doi.org/10.17882/56796 .

[3] Wang C., Mouche A., Tandeo P.,Stopa J., Longépé N., Erhard G., Foster R.,Vandemark D., Chapron B., 2019, A labelled ocean SAR imagery dataset of ten geophysical phenomena from Sentinel-1 wave mode, Geoscience Data Journal, 6(2), 105-115. Publisher's official version: https://doi.org/10.1002/gdj3.73 , Open Access version: https://archimer.ifremer.fr/doc/00512/62406/

Copyright: 2016, CNES/CLS