遥感影像数据到底在哪下:一份给外行人的找数据指南
真正的麻烦不在“有没有”,而在三个现实问题:哪个平台拿你最需要的那种数据最省事、能不能拿来做生意(商用许可)、要不要排队等审批。下面把这些一次说清楚。
去哪找——国内平台(首选,直连稳定)
国内这几个平台,注册免费、长期可用,是普通人和中小企业的最优先选择。
- 地理空间数据云 GSCloud(中科院):https://www.gscloud.cn/
国内综合首选。一个站集中了几十颗国内外卫星的数据,Landsat、MODIS、Sentinel、国产高分都有。支持按卫星条带号、经纬度、时间、云量来筛选,也能在地图上画框选区域。免费注册就能下载。平台上公开宣传的数据量、用户数等数字随运营更新,以官方页面为准。
- 中国资源卫星应用中心 CRESDA:https://www.cresda.cn/
找国产高分卫星(高分一号、高分二号等,最高能到亚米级清晰度)、资源系列、环境减灾系列的权威源头。实际下载平台是 data.cresda.cn。注意一个坑:需要注册成会员,而且有等待期——注册当天通常下不了,要等几天权限才放开。急用的话提前几天注册。
- 国家综合地球观测数据共享平台 China GEOSS:https://www.chinageoss.cn/
国家级共享平台,覆盖国内外卫星数据(国产资源、高分、气象、海洋、环境,以及国际的 Landsat、MODIS 等)。注册后大部分可以直接下。旧的入口 chinageoss.org 也还能用。
- 国家地球系统科学数据中心 geodata.cn:https://www.geodata.cn/
首批国家科学数据中心之一,2019 年拿到了一个国际认证(CoreTrustSeal,是亚洲第一个地学数据中心拿到这个认证的)。建有上百个专题库,遥感、生态、灾害数据都有。注册账号后共享下载。
去哪找——国际平台(全球免费正源)
如果你需要的影像在国外卫星的覆盖范围内(比如看国外农田、森林、海岸线),这些是全世界最权威的免费来源。
- USGS EarthExplorer(美国地质调查局):https://earthexplorer.usgs.gov/
找全球免费影像的老牌正源。免费注册一个账号后,能下载 Landsat、Sentinel-2、MODIS、ASTER 等 100 多个数据集。它跟欧洲航天局合作过,所以 Sentinel-2 也能在这里下。
- Copernicus Data Space Ecosystem(欧空局官方):https://dataspace.copernicus.eu/
找 Sentinel 系列(哨兵卫星)就认这个。这是欧空局的新官方门户,已经取代了旧的 Open Access Hub。免费、即时访问 Sentinel-1/2/3/5P 的全部历史档案和新数据,还提供给程序员用的 API 接口。
- Google Earth Engine 数据目录:https://developers.google.com/earth-engine/datasets/catalog
这是云计算平台,汇集了海量影像(官方称两百多个公共数据集、五百多万幅影像)。注意:它不是“点开就下载”——每个数据集的许可不一样(有的要求署名),商用限制要看数据集自己的说明,而且需要申请使用权限、还得会一点编程(JavaScript 或 Python)。国内直连可能不稳定。适合有技术能力的研究者,普通人慎入。
给搞 AI / 深度学习训练的人用
如果你是要拿数据去训练模型、做变化检测或土地分类,下面这些平台更对口:
- 飞桨 AI Studio 星河社区(百度):https://aistudio.baidu.com/datasetoverview
国内深度学习数据集,包含遥感影像,可下载,部分有国内加速备份,速度快。
- 阿里云天池 数据集:https://tianchi.aliyun.com/dataset/
阿里系开放数据平台,有遥感和视觉竞赛数据集,国内直接访问。
包含城区、森林、水体、农田,适合做变化检测、土地覆盖分类。许可看各数据集页,需注册,国内直连可能不稳定。
- Papers with Code(已关停·作历史参考):旧站已于 2025 年被 Meta 关停、域名跳转 Hugging Face;榜单与论文配套代码改用 Hugging Face、GitHub、Zenodo
历史上挂着 SEN12MS 等基准数据集的论文与榜单;现在按任务找配套训练集,改到 Hugging Face、GitHub 汇总仓。
- Zenodo:https://zenodo.org/
带 DOI 编号的科研数据仓库,挂了 AgriPotential、METER-ML 等遥感数据集。许可一条一条核对。
- satellite-image-deep-learning/datasets(GitHub):https://github.com/satellite-image-deep-learning/datasets
社区维护的卫星/航空影像深度学习数据集总目录,按任务分好类,快速定位很好用。
给找数据的人提个效率工具
- NASA Earthdata:https://www.earthdata.nasa.gov/
美国对地观测数据的总入口,免费但需要 Earthdata 账号。
- STAC Index 目录汇总:https://stacindex.org/catalogs
现在云端遥感目录有一个事实标准叫 STAC,这个站把能搜能爬的 STAC 目录汇总到了一起,NASA Earthdata 搜索也用了这套标准。技术型用户找数据会更高效。
可得性与坑:哪些免费、哪些要等、哪些根本拿不到
- 大部分免费,但都要先注册账号。国内外平台几乎都得免费注册才能下载,注册本身不花钱。
- 有的要排队等审批。最典型的是中国资源卫星应用中心(CRESDA),注册当天下不了,要等几天开权限。要用国产高分数据的提前安排。
- 高清晰度的商业影像通常要花钱。亚米级、超高分辨率的商业影像(如 Planet、Maxar,以及部分国产亚米级新数据)一般是付费,或者只在申请、竞赛时才放出来。免费能拿到的,主要是中低分辨率(10–30 米)的影像——做大范围监测、土地分类够用,但想看清一栋楼、一辆车就不行。
- 找不到时的替代路径:国产数据在 CRESDA 没下到,可以去 China GEOSS、GSCloud 碰碰运气,这几个源有交叉覆盖;Sentinel 在欧空局官方源不稳,可以转去 USGS EarthExplorer 下(它也有 Sentinel-2)。一个源卡住,换个源往往能绕过去。
用之前注意:许可、合规、版权坑
- 许可必须一个数据集一个数据集地看,不能想当然。尤其是 Google Earth Engine、Hugging Face、Kaggle、Zenodo 这些平台上的数据集,许可五花八门——有的能随便用(CC0),有的要署名(CC-BY),有的只准研究不准商用,有的明确禁止商用。能不能拿去做生意、要不要写上数据来源,必须看每个数据集自己的说明,以官方页面为准。 免费下载 ≠ 能随便商用。很多研究者踩的坑是:东西是免费下的,就以为能直接放进自己的产品或报告里卖。不一定。下载前先确认这个数据集的许可允许你的用途。
- 具体某张图有没有、云挡得多不多,得到平台实际去查。某个时间、某个地区有没有被卫星拍到、那天云量大不大,这些没法提前打包票,要到平台里真检索才知道。
最后说一句:如果觉得太散,可以帮你一次理清
遥感数据源确实有点散——国产高分在资源卫星中心、Sentinel 在欧空局、Landsat 在美国地质调查局、训练集散落在天池、Kaggle、Zenodo……每个源的注册门槛、许可条款、商用边界、等待时间都不一样。
如果你觉得这些平台太零散、或者想省时间,“数聚天成 DeepSData”可以帮你做一次深度数据可得性检索:把“你要的这类影像在哪几个源有、各自什么格式和分辨率、什么许可、要不要申请、国内能不能直连”一次说清,并给你一个诚实的判断——免费能直下的就说直下,要排队的把等待和门槛讲明白,付费受限的直接说付费,确实没有公开渠道的就老实说没有。要不要聊聊,由你决定。
本文所有平台、链接、说明均来自公开调研材料。数据量和用户数等数字可能随时间变化,正式使用前请逐项核对当天的最新页面,以各官方页面为准。
说明:本文为公开资料整理,仅供参考;平台政策、价格、下载方式与链接随时可能变化,本文不保证持续更新,请以各官方页面最新信息为准。
参考来源
- https://www.gscloud.cn/
- https://www.cresda.cn/
- https://www.chinageoss.cn/
- https://www.geodata.cn/
- https://earthexplorer.usgs.gov/
- https://dataspace.copernicus.eu/
- https://developers.google.com/earth-engine/datasets/catalog
- https://aistudio.baidu.com/datasetoverview
- https://tianchi.aliyun.com/dataset/
- https://www.kaggle.com/datasets/umeradnaan/remote-sensing-satellite-images
- https://paperswithcode.com/
- https://zenodo.org/
- https://github.com/satellite-image-deep-learning/datasets
- https://stacindex.org/catalogs
- https://www.earthdata.nasa.gov/
