高光谱遥感技术凭借其丰富的光谱信息，在土地覆盖分类、植被监测、矿物识别等领域发挥着重要作用。本次整理的20个高光谱数据集涵盖了从经典到新兴的各类数据资源，包括由AVIRIS、ROSIS-03、HYDICE等不同传感器获取的影像，为高光谱图像分类、光谱解混、目标检测等研究提供了丰富的实验数据。这些数据集广泛应用于深度学习模型训练、算法验证和性能评估，是高光谱遥感研究的重要基础。

自取：https://pan.quark.cn/s/33da4a02c04b

一、数据详情

数据介绍

本数据集合集包含20个常用的高光谱遥感数据集，涵盖了多种传感器类型和地表覆盖类型。其中，Indian Pines数据集于1992年由AVIRIS传感器在美国印第安纳州获取，包含145×145像素和224个光谱反射带，波长范围为0.4-2.5μm，主要用于农业和森林覆盖分类研究。

Pavia University数据集由德国ROSIS-03传感器在2003年获取，覆盖意大利帕维亚大学区域，包含103个波段。

Salinas数据集由AVIRIS传感器在加州Salinas Valley拍摄，空间分辨率达3.7米，包含512行数据。

KSC（Kennedy Space Center）数据集由AVIRIS传感器在佛罗里达州肯尼迪航天中心拍摄，包含224个10nm宽波段，中心波长范围为0.4-2.5μm，空间分辨率为18米。

Houston数据集是2013年IEEE GRSS数据融合竞赛数据，由University of Houston和IEEE GRSS提供。

San Diego数据集专为高光谱图像目标检测研究设计，包含400×400像素的高光谱图像及对应的100×100像素ground truth标签。

Washington DC数据由HYDICE传感器获取，包含从0.4到2.4μm可见光和近红外波段范围的191个波段，数据大小为1208×307像素。

Chikusei数据集由Headwall Hyperspec-VNIR-C传感器于2014年7月29日在日本筑西市的农业和城市地区拍摄。

数据来源

数据来源与官网，经公众号python与遥感整理。主要数据集来源于美国NASA AVIRIS传感器、德国ROSIS-03传感器、美国HYDICE传感器等公开数据源，以及哥伦比亚大学CAVE实验室、IEEE GRSS数据融合竞赛等研究机构提供的数据资源。

二、数据使用建议

这些高光谱数据集主要应用于土地覆盖分类、植被监测、矿物识别、目标检测等研究领域。Indian Pines和Pavia University数据集常用于高光谱图像分类算法的基准测试。Salinas和KSC数据集适用于农业和生态监测研究。Houston和San Diego数据集专为城市环境地物分类和目标检测设计。在使用时，需要注意不同数据集的空间分辨率、光谱波段数和地物类别差异，根据研究需求选择合适的数据集。建议在使用前对数据进行预处理，包括噪声去除、大气校正等操作，以提高分析结果的准确性。

三、数据获取

https://pan.quark.cn/s/33da4a02c04b