GVLM 是全球首个大规模、开源的 VHR（超高分辨率）滑坡测绘数据集，它不仅为滑坡研究提供了宝贵的数据资源，更为变化检测算法在复杂自然场景下的鲁棒性测试提供了新的基准。覆盖面积 163.77km²，空间分辨率0.59m，每个子数据集均包含一对双时态图像及相应的地面实况地图。
数据来源于Google Earth。
依托多目标域自适应技术，配套原型引导域感知渐进表征学习（PG-DPRL）方法，无需额外样本标注即可构建适用于多目标域的通用滑坡制图模型。数据集采用由近及远自适应策略，兼顾域间特征差异，结合跨域原型学习生成可靠域专属伪标签，聚合跨域特征习得共享决策边界；引入 Wasserstein 距离度量与跨域原型一致性损失，实现类别级特征对齐并提升表征判别性。
数据集包含全球 17 处不同滑坡场地异构子域的超高分辨率遥感数据（GVLM 数据集），实验验证该数据集适配模型迁移性能优异，在全目标域总体精度与平均精度指标上优于主流前沿算法，可为大区域、跨场景无标注遥感滑坡自动制图及灾害风险防控提供可靠数据支撑。
| # | 编号 | 名称 | 类型 |
| 1 | 2018YFB1800800 | 基于数据驱动和人工智能的未来新型网络演进 | 国家重点研发计划 |
| 2 | 41801323 | 地表覆盖动态监测数据可靠性分析与控制方法研究 | 国家自然科学基金 |
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.LANDSLIDE.DB7211.2026
10.12072/ncdc.landslide.db7211.2026
