题目：SOMA-1M: A Large-Scale SAR-Optical Multi-resolution Alignment Dataset for Multi-Task Remote Sensing

论文： https://www.arxiv.org/abs/2602.05480

GitHub： https://github.com/PeihaoWu/SOMA-1M

年份： 2026

单位： 武汉大学遥感信息工程学院；湖北珞珈实验室；自然资源部粤港澳大湾区自然资源数据协同应用技术创新中心

随着遥感大数据和人工智能的快速发展，地球观测任务正从单载荷监测向多源协同智能解译转变。光学遥感影像具有直观的语义纹理和光谱特征，但受大气散射、云遮挡和光照条件严重制约；而合成孔径雷达（SAR）具有全天候成像能力，能够穿透云雨并提供独特的几何结构和电磁特性信息。这种整合多模态影像互补优势的协同处理范式已成为突破单一模态局限、实现先进跨模态协同处理和智能解译的关键途径。

然而，现有公开数据集存在三个显著局限：空间分辨率单一且粗糙（大多局限于10米级）、数据规模不足（通常为数万对量级）、配准精度不足（由于SAR与光学传感器几何成像机制差异，在起伏地形区域存在显著像素偏差）。这些噪声数据严重阻碍了像素级任务（如图像融合和图像转换）的模型训练，成为制约多模态遥感处理算法跨尺度、跨场景泛化的核心瓶颈。