加拿大卡尔顿大学研究团队-NOAH：面向遥感生成式建模的多模态传感器融合数据集 (数据集公开) | MDPI Remote Sensing

本文背景是遥感数据面临时间分辨率低、空间覆盖不连续及云层遮挡等问题，地面传感器虽可弥补但受限于单点覆盖。研究目的在于构建NOAH数据集，通过融合地面气象站高频数据与多源遥感数据（地形、植被、燃料类型、卫星影像），利用生成式人工智能实现近实时、高分辨率的遥感数据生成。结论表明，采用UNet+FiLM架构的概念验证实验成功生成了Landsat 8多个波段，其中卷云波段和热红外波段的生成效果最佳，结构相似性指数达0.58和0.44-0.45，显著优于其他波段。该数据集覆盖加拿大815个位置、874万平方公里，包含2013-2025年间234089张影像，空间分辨率30米，时间分辨率1小时，可用于超分辨率重建、云去除、缺失数据填补和灾害监测等任务。