GEOID-Flood：用于洪水分段的大规模多模态基准数据集

地理空间基础模型旨在学习跨区域和传感器传输的表示，但在特定任务上评估它们需要大型、高质量、多模式基准来衡量此类模型从数据中提取价值的程度。关于洪水测绘，现有数据集很少将双时态 SAR 和联合配准的光学图像大规模结合起来，使得这项下游任务的基础模型的价值在很大程度上未经测试。我们推出 GEOID-Flood，这是一种大规模多模式洪水分段基准，源自哥白尼应急管理服务激活，涵盖十年来 65 个国家的 219 次事件。该数据集提供了超过 14,000 个具有共同注册的事件前和事件后 Sentinel-1 的图块（GRD 和 RTC 格式）、事件前 Sentinel-2 复合材料和 DEM，包括手动验证的标签，可将背景与永久水和淹没水分开。使用此基准，我们针对单图像、多时态和多模态协议的传统编码器评估基础模型。我们报告了三个主要发现：基础模型提供了一致但适度的优势；具有微调功能的光学-SAR 融合可以最好地解决瞬态洪水问题；在 GEOID-Flood 上训练的模型比在现有数据集上训练的模型更好地转移到未见过的事件。数据集和代码可在 https://github.com/links-ads/geoid-flood 获取。