verification_report.md

CASID 发布验证报告

完成时间：2026-10-15 · 范围：全部 980 对原图-标注 · 所有脚本与原始报告可复现（见文末）

一、结论（TL;DR）

• 数据完整性：980 对原图-标注齐全，无一缺失。978 张原图为 5000×5000，2 张（新加坡-林厝港区-36/-40）为 5000×4656，全部可完整解码（原图 65.19 GB，标注 0.66 GB）。
• 标注编码：原始大标注为 RGB 颜色编码（非 id 图）。5 个规范色的像素与作者自己的 1024×1024 训练图块逐像素 0 错配（全 980 张通过硬门槛）。
• 发现并修复了原始训练图块的切图 bug：77 张图（亚热带/热带季风为主）的森林颜色为 (76,230,0) 而非规范绿 (85,255,0)，作者切图按规范色精确匹配、失败默认背景，导致这些文件的训练图块丢失成片森林（共 6.24 亿像素）。本发布以大标注为准恢复其类别；修复后逐气候区类别占比与论文公布数字完全对齐（未受影响区域差 ±0.0005）。
• 裁切脚本：与作者现成图块 150/150 逐像素一致（含 4656 高短图的末行裁齐）。

二、源数据普查

气候带	区域数	图像数	论文 cat_dist.py total_list
热带雨林气候 TroRf	10	210	210 ✓
热带季风气候 TroMs	6	202	202 ✓
亚热带季风气候 SubMs	7	284	284 ✓
温带季风气候 TemMs	7	284	284 ✓

• 训练/测试划分从 all_train/all_test 死链接符号链接目标重建：按区域整体划分，681 train / 299 test。
• 测试区域（8 个）：07-日本-东京西南、16-湖南-邵阳市北、17-山西-吕梁市、18-河北-张家口市西北、04-菲律宾-拉瓦格周边、10-老挝-万象北部、06-印度尼西亚-帕朗卡拉亚北、12-马来西亚-斯里巴加湾南部。
• 原始文件名为中文且横线全角/半角混用；发布版全部改为 ASCII 文件名，完整映射见 file_mapping.csv，双语区域表见 regions.csv。

三、标注编码的确认过程

1. 大标注为 RGB 颜色编码，每个颜色由该图自带的 25 块训练图块（P 模式、像素值=类别 id）逐像素投票定类别；5×5 网格（起点 {0,994,1988,2982,3976}，步距 994）100% 覆盖 5000×5000。
2. 规范 5 色（黑/黄/绿/红/蓝 → 背景/建筑/森林/道路/水体）在全部 980 张上与图块逐像素 0 错配。
3. 语义锚点：作者脚本 cat_dist.py 注释 colors = ['black','yellow','green','red','blue'] 与 ['Background','Building','Forest','Road','Water'] 一一对应（黄=建筑、红=道路，反直觉但确凿）。

四、原始训练图块的切图 bug（重要发现）

现象：77 张图的大标注中森林颜色是 (76,230,0)（而非规范绿 (85,255,0)），另有 41 张的道路为 (230,0,0)、若干张的水体为蓝变体色。作者切训练图块时按规范色精确匹配，匹配失败的颜色一律落入背景——这些文件的训练图块中森林/道路/水体成片丢失。

证据（以亚热带季风气候/25-浙江-金华市西-5 为例，卫星影像目视确认为满幅山林）：

• 该图大标注：森林 (76,230,0) 2442 万 px，另有黑/黄/红/蓝规范色；
• 训练图块 H0-W0：背景 104.3 万 px（99.5%）、道路 3748 px、水体 2177 px、森林 0；
• 道路 3748 / 水体 2177 与大标注分毫不差——同一标注来源，唯独漂移色被丢进背景。

全局统计（v4 图块投票报告）：

• (76,230,0)→图块判"背景" 6.24 亿 px（77 文件，占 3 张整图以上面积的森林被当作背景参与训练）；
• (230,0,0)→背景 952 万 px（41 文件）；蓝变体 (0,79,179)/(5,121,239)/(0,113,255)→背景共约 7 万 px；
• 巨港-21 的白色 (255,255,255) 460 万 px：图块与大标注一致视为背景（nodata），非 bug。

对本发布的影响：发布标注以大标注为权威来源，上述像素全部恢复其类别（见下节规则）；使用原始训练图块复现论文实验的用户应注意该 bug 对相应区域的影响。

五、发布标注转换规则（v5）

对每张图：先按 25 块训练图块拼出参考 id 图（要求 100% 覆盖、重叠带一致），再对大标注逐颜色映射：

优先级	规则	适用
1	规范 5 色 → 原 id	全部规范色像素
2	白色 (255,255,255) → 0 背景	图块全票一致 + nodata 惯例
3	图块非零一致票（share≥0.999）→ 采信图块	如 (64,191,0)→道路（2800 px，切图 bug 只会产生背景票，非零票含真实信息）
4	其余颜色 → RGB 欧氏距离最近的规范色	漂移色与 JPEG 尘埃色

硬门槛：规范色像素与图块 0 错配（违反即 FAIL）。结果：980/980 通过，规范色错配总数 0。

重映射总量：846,804,104 px（占数据集 3.46%）。主要条目：

颜色	判定	像素数	文件数
(76,230,0)	森林	624,009,265	77
(3,3,3)	背景	134,314,588	40
(9,9,9)	背景	35,450,438	2
(230,0,0)	道路	9,524,168	41
(255,255,255)	背景	4,595,542	3
(5,6,5)/(5,5,5) 等近黑	背景	~27,000,000	若干
(4,255,0)/(18,255,0)	森林	2,932,309	2
(64,191,0)	道路（图块票）	2,800	多文件零散

其余 ~1,900 种颜色均为几个像素的 JPEG 尘埃色，按最近规范色处理。

六、逐气候区类别占比 vs 论文公布数字

论文数字取自作者 cat_dist.py（源自训练图块，受第四节 bug 影响）：

区	bg	bld	forest	road	water	论文 forest	Δforest
TroRf	0.1098	0.0899	0.7627	0.0103	0.0273	0.7622	+0.0005
TroMs	0.3466	0.0720	0.5310	0.0117	0.0387	0.4595	+0.0715
SubMs	0.2725	0.1264	0.5514	0.0177	0.0320	0.5144	+0.0370
TemMs	0.4017	0.1090	0.4546	0.0148	0.0199	0.4542	+0.0004

无漂移区域差 ±0.0005（占比结构完全吻合）；差异集中于漂移区域，且恰为救回的森林/道路——与第四节互为印证。

七、裁切脚本验证（casid_split.py）

默认参数（1024、步距 994）与作者图块逐像素比对，6 个样本（每气候区 1 张 + 新加坡 2 张短图）：

样本	尺寸	图块	图像错配	标注错配
03-台湾-宜兰县以东0	5000×5000	25	0	0
17-山西-吕梁市22	5000×5000	25	0	0
04-菲律宾-拉瓦格周边0	5000×5000	25	0	0
02-马来西亚-吉隆坡17	5000×5000	25	0	0
新加坡-林厝港区-36	5000×4656	25	0	0
新加坡-林厝港区-40	5000×4656	25	0	0

短图处理：固定网格 {0,994,1988,2982,3976} 与作者惯例一致，末行起点 3976、高度裁齐 680。

八、源数据异常清单（本发布的处理）

异常	处理
新加坡-林厝港区-36/-40 为 5000×4656	原样发布，README 记录
台湾区 label/ 目录 35 张 P 模式 PNG（调色板 BGR 顺序、id 语义不明、与 TIF 不一致）	不发布，以 TIF 为准
源目录含作者渲染的 1024 图块与 GID 风格预览图	不再重复发布，用 scripts/casid_split.py 重新生成
区域 id 缺 01；19-23 区目录名用全角横线；无编号雨林区 6 个	regions.csv 全部记录（26-31 为发布补编）
12 区国名（文莱/马来西亚）、22 区（朝鲜/首尔）表述矛盾	regions.csv notes 备注
训练图块切图 bug（第四节）	发布标注已恢复类别；此报告记录

九、复现方式

以下脚本在作者的内部服务器上运行（目录结构从略）：

• audit_casid.py：全量体检（图像解码、尺寸、字节数、标注颜色分布）→ audit_report.json
• convert_labels_v5.py：标注转换（本报告第五节规则）→ labels_unified_v5/ + convert_report_v5.json
• validate_v5.py：逐气候区占比 vs 论文 → v5_zone_shares.json
• validate_split.py：裁切逻辑逐像素比对
• assemble_release.py：组装发布树（硬链接原图）→ 发布树根目录
• casid_split.py：DOTA 风格裁切脚本（发布于 scripts/）