淤地坝作为黄土高原地区关键的水土保持工程，兼具控制土壤侵蚀与保障粮食安全的核心功能，但其智能化管理长期受限于数据获取效率低、模型泛化能力不足及标准化数据集缺失等技术瓶颈。本研究依托吉林一号0.75 m高分辨率遥感影像，以黄土高原典型流域韭园沟为采样区，构建了一套面向AI-Ready的黄土高原坝地标准化语义分割数据集。本数据集通过系统化样本制备流程，涵盖格网划分、样本筛选、像素级语义标注及图像增强等关键环节，形成了包含2920个样本的高精度数据集，有效确保数据空间表征的完整性和算法泛化能力需求。数据质量评估实验显示，基于该数据集训练的DenseUnet等模型在验证集上表现优异，平均交并比（mIoU）超过80%，总体精度（OA）达89%以上，且与公开数据集相比，其坝体提取结果的空间匹配性和可靠性显著提升。本数据集实现了复杂地貌环境下坝体与背景的精细化语义区分，填补了坝地智能识别领域标准化数据集的空白，不仅为淤地坝高精度时空制图、溃坝风险动态评估及水土保持效应量化研究提供了关键数据支撑，还为人工智能驱动的水土保持工程优化开辟了新的技术路径，对推进黄河流域生态保护与高质量发展具有重要的实践价值。
本研究采用吉林一号宽幅01A卫星PMS02传感器获取的0.75米高分辨率影像作为核心数据源（原始影像数据访问地址：https://www.jl1mall.com/store/ ）。经过多时相检索与质量评估，选定2021年11月11日无云覆盖影像（云量≤0%），该数据采用WGS 1984坐标系UTM 6°带投影，覆盖面积548.30 km²，太阳高度角29.7493°，传感器侧摆角-2°。
该数据集加工具体流程分为六个阶段实施：
（1）格网划分阶段，将样本区原始影像规则裁剪为256×256像素网格单元，共生成3689个初始样本；
（2）样本筛选阶段，通过目视解译剔除不含坝地的无效样本，保留584个有效像素网格单元；
（3）语义标注阶段，基于Labelme开源平台完成全样本矢量化标注，构建以“gully”为统一地物类别的语义分割数据集；
（4）标签转换阶段，通过GDAL库将JSON矢量标注文件批量栅格化为二值图像，确保标签与原始影像空间坐标严格匹配；
（5）数据增强阶段，对原始样本实施镜翻转、旋转及亮度调整等几何-辐射组合变换，将样本量扩展至2920个；
（6）数据集划分阶段：将增强后的数据集按6：2：2的比例划分为训练集、验证集和测试集三个独立子集。该标准化流程兼顾样本空间表征完整性与算法泛化需求，其产出的多尺度增强数据集可支撑主流卷积神经网络进行特征学习。
研究团队通过野外实地调查（利用无人机影像和现场定位）校正遥感解译数据的空间偏差，确保坝地语义分割数据的准确性；随后设计系统性控制变量实验，借助多模型架构测试（如mIoU超过80和OA超过89），证实数据集类别划分清晰、标注质量高、样本分布均衡；与公开数据集对比显示，本研究数据集在空间精度和可靠性上显著提升（如提取结果与实际地物吻合度更高）。该数据集具备高精度、一致性强和适配性广泛的特征，为后续研究与应用提供了坚实可靠的数据支撑。
| # | 编号 | 名称 | 类型 |
| 1 | 2022YFF0711704 | 国家重点研发计划 冰冻圈大数据挖掘分析关键技术及应用 | 国家重点研发计划 |
| 2 | E01Z7902 | 国家冰川冻土沙漠科学数据中心 | 其他 |
本作品采用
CC BY 4.0 （知识共享 署名 4.0 国际许可协议）进行许可。
CSTR:11738.11.NCDC.DPSL.DB6865.2025
10.12072/ncdc.dpsl.db6865.2025
