遥感图像数据集下载：EuroSAT、BigEarthNet、Agriculture-Vision

本文围绕农业地块识别等典型任务，梳理可用的下载入口与各数据集的注意事项。

国内访问入口（访问稳定，下载较快）

如遇到无法访问或速度较慢的情况，可优先使用以下国内入口：

OpenDataLab：https://opendatalab.com/

国内规模较大的开放数据平台之一，收录的遥感与农业数据集较多，国内下载速度较快。可通过搜索“遥感”“农作物”等关键词查找。该平台提供不少国外数据集的国内镜像，例如下文提到的 EuroSAT 即可通过它下载。

百度飞桨 AI Studio：https://aistudio.baidu.com/datasetoverview

该平台提供数据集集合，可一键导入其训练环境，无需自行配置环境。收录有遥感影像以及各类病虫害作物图像，国内访问稳定。

阿里天池：https://tianchi.aliyun.com/dataset/

竞赛平台，保留了较多历史数据。例如此前举办的“县域农业大脑”挑战赛，相关赛题数据仍可获取。链接：https://tianchi.aliyun.com/competition/entrance/231717/introduction

该数据集为 2019 年的，可作为农业遥感入门素材。

和鲸社区（Heywhale）：https://www.heywhale.com/home/dataset

国内的数据科学社区，同样提供数据集库。可搜索“GID”或“遥感农作物”等关键词查找，具体收录情况以站内搜索结果为准。

主要数据集及注意事项

以下为遥感领域较为常用的数据集，请根据自身任务类型选用。

1. EuroSAT（入门首选，地物分类，含农业类别）

适合入门的常用数据集。基于哨兵 2 号卫星，共 27000 张图像，分为 10 类地物，其中包含“年度作物”“多年生作物”“牧草地”等农业相关类别。提供 RGB 版与 13 波段多光谱版。采用 MIT 协议，许可宽松，商用门槛较低。

官方仓库（含说明）：https://github.com/phelber/EuroSAT
官方下载（Zenodo）：https://zenodo.org/records/7711810

包含两个压缩包：EuroSAT_RGB.zip 和 EuroSAT_MS.zip，可直接下载。

国内镜像（推荐）：https://opendatalab.com/OpenDataLab/EuroSAT/download

如 Zenodo 下载不畅，可使用该镜像，速度更快。

2. BigEarthNet（大体量，土地覆盖多标签，农业信息丰富）

适合大模型训练的大体量数据集。v2.0 包含约 54.9 万对哨兵 1/2 卫星的影像块，标签采用欧洲 CORINE 2018 土地覆盖库，共 19 类，其中农业地类占比较高。采用 CDLA-Permissive 1.0 协议，许可宽松。

官网：https://bigearth.net/
TensorFlow Datasets：https://www.tensorflow.org/datasets/catalog/bigearthnet

使用 TensorFlow 时可直接从此加载，无需手动下载和整理，是较为稳妥的方式。

3. Agriculture-Vision（纯农业，高分辨率，农田异常）

专注农业场景的高分辨率数据集。包含约 94986 张 512x512 的航拍图，分辨率达 10 厘米/像素（可识别地块缺苗等细节）。采集自美国 3432 块农田，标注了 9 类农田异常（缺苗、积水、杂草、风灾等）。该数据集为 CVPR 挑战赛的官方数据集。

官方仓库：https://github.com/SHI-Labs/Agriculture-Vision
AWS 开放数据：https://registry.opendata.aws/intelinair_agriculture_vision/

注意：该数据集托管于 AWS S3，通过页面直接下载未必顺畅。推荐安装 aws s3 cp 命令行工具，并使用 --no-sign-request 参数即可免登录直接拉取。网页下载容易中断。

4. IBM-NASA 多时相作物分类（适合时序分析与预测）

适合作物类型识别，或基于时间序列分析作物长势。采用 Landsat 与哨兵卫星融合的多时相影像，覆盖美国 2022 年，标签来自 USDA（美国农业部）的作物数据图层。图像尺寸 224x224，30 米分辨率，18 个波段。开放许可。

Hugging Face：https://huggingface.co/datasets/ibm-nasa-geospatial/multi-temporal-crop-classification

5. CropNet（产量预测，多模态）

适合产量预测任务。整合了哨兵 2 号影像、气象数据与 USDA 作物数据，覆盖美国 2200 多个县，时间跨度为 2017 至 2022 年，共 6 年数据。

Hugging Face：https://huggingface.co/datasets/CropNet/CropNet

6. PlantVillage（病害补充，注意：非卫星图，为叶片近照）

该数据集较为特殊，并非遥感影像，而是近距拍摄的叶片病害照片。共 54306 张，涵盖 14 种作物、26 种病害。如需构建“高空监测长势、地面诊断病害”的完整方案，可将其与上述遥感数据集配合使用。

官方仓库：https://github.com/spmohanty/plantvillage-dataset
Kaggle 镜像：https://www.kaggle.com/datasets/emmarex/plantdisease

注意：Kaggle 需登录后才能下载。

找到相关数据后，还需要继续核验或整理？先查看相关说明卡；没有合适数据，或现成数据不能直接使用时，可以继续检索、来源核验、整理或定制。新用户注册可先体验标准检索评估。

提交数据需求 →

数据集导航页

如未找到合适的数据集，可借助以下导航页检索：

遥感深度学习数据集大目录：https://github.com/satellite-image-deep-learning/datasets

社区维护的总目录，上述主要数据集基本均有收录。可按关键词“agriculture”“crop”检索，作为导航页使用。

Radiant MLHub 已停服，旧链接不再可用

Radiant MLHub 已停止服务。其旗下的 AgriFieldNet、CV4A Kenya Crop Type 等农田作物数据集已迁移至 Source Cooperative。如搜索到的旧链接无法打开，可参阅此说明：https://github.com/torchgeo/torchgeo/issues/1830

选用数据集的注意事项

“农业”标签需谨慎理解

EuroSAT、BigEarthNet 中的农业类别，指的是“土地覆盖分类中包含农作物”，并非针对某一种作物的专门数据集。真正面向纯作物/农田尺度的，是 Agriculture-Vision、IBM-NASA、CropNet 等。选用前需明确任务目标：是地物分类、作物类型识别，还是农田异常检测。数据集选错会直接影响模型训练效果。

许可以官方页面为准

EuroSAT 的 MIT 协议可自由使用。但 Kaggle 上由第三方二次上传的版本，其真实许可情况无法保证。商用前必须回到原始发布页（即上述链接）核对许可，不应默认可用。

数量为概数，以实际版本为准

BigEarthNet 存在 v1/v2 版本，数量有所不同。文中所述约 54.9 万为概数，请以实际下载版本为准。

国内平台收录情况以站内搜索为准

例如和鲸社区是否收录所需的 GID 数据集，需自行通过站内搜索确认。

数据获取的效率问题

实际工作中，难点往往不在于“是否有数据”，而在于“数据分散在多个平台，术语与许可各不相同，且国内能否稳定获取尚不确定”。

如需一次性厘清这些问题，我们可提供深度数据可得性检索服务。具体而言：你只需说明具体任务需求，我们会对国内入口（OpenDataLab、飞桨、天池、和鲸）与国际源（Hugging Face、Kaggle、AWS、Zenodo、Source Cooperative）进行全面检索，并整理成一张清单。针对每个数据源，我们会如实说明：是否免费直接下载、是否需要注册、是否需要命令行、国内有无镜像、下载速度、许可能否商用、旧链接是否已失效。

若未找到对口的数据源，我们也会如实告知，并提供替代路径，而非含糊承诺“一定能下载到”。

我们是 数聚天成 DeepSData，专注于此类数据检索服务。如你认为数据获取过于分散、繁杂，或难以判断来源是否稳定，我们可提供针对性检索，帮你明确“哪些来源最稳、按何种顺序下载、需提前规避哪些问题”。