Sen2Fire: A Challenging Benchmark Dataset for Wildfire Detection using Sentinel Data

利用卫星图像进行野火检测具有实际应用的巨大潜力。为了推进机器学习算法在这个领域的发展，我们的研究介绍了“Sen2Fire”数据集——一个专门用于野火检测的具有挑战性的卫星遥感数据集。该数据集是从Sentinel-2多光谱数据和Sentinel-5P气溶胶产品中精选而来，共包含2466个图像块。每个块的大小为512×512像素，具有13个波段。鉴于不同波段对野火响应的敏感度不同，我们的研究重点是通过评估不同波段和采用一些光谱指数的组合来优化野火检测。结果表明，与使用所有波段进行野火检测相比，选择特定的波段组合可以获得更好的性能。此外，我们的研究强调了将Sentinel-5气溶胶数据整合到野火检测中的积极影响。代码和数据集可在网上获取（https://zenodo.org/records/10881058）。

本论文旨在利用卫星图像进行野火检测，并提出了一个新的数据集Sen2Fire，以优化机器学习算法在这个领域的应用。

论文提出了利用特定波段组合和光谱指数（如NBR和NDVI）来优化野火检测的方法，并强调了将Sentinel-5气溶胶数据整合到野火检测中的积极影响。

论文使用了一个新的数据集Sen2Fire，该数据集由Sentinel-2多光谱数据和Sentinel-5P气溶胶产品组成，共包含2466个图像补丁。实验结果表明，相比于使用所有波段进行野火检测，选择特定的波段组合可以获得更好的性能。论文提供了代码和数据集的开源。

在这个领域中，最近的相关研究包括《基于卫星图像的野火检测：现状与挑战》、《基于卫星图像和深度学习的野火检测》等。