一种基于人工智能生成内容模型估算森林碳储量分布密度的方法
计算机视觉与模式识别
2025-02-04 v1 图像与视频处理
摘要
森林是最重要的陆地碳储存机制。森林碳汇能有效降低大气 CO2 浓度并缓解气候变化。遥感估算不仅能保证数据的高精度，还能实现大范围区域观测。光学影像为长期监测提供了可能，这是未来碳储量估算研究中的一个潜在问题。我们选择中国云南省曲靖市会泽县作为研究区，以 GF-1 WFV 卫星影像为数据，引入 KD-VGG 模块提取初始特征，并提出了改进的隐式扩散模型（IIDM）。结果表明：（1）经过知识蒸馏的 VGG-19 模块能实现初始特征提取，在减少模型参数量的情况下，缩短推理时间并提高精度。（2）加入 Attention + MLP 模块进行特征融合，以获得全局与局部特征之间的关系，并实现了连续尺度范围内高保真影像的复原。（3）本文提出的 IIDM 模型估算精度最高，RMSE 为 28.68，比回归模型提高了 13.16，约 31.45%。在碳储量估算中，生成模型能提取更深层次的特征，其性能显著优于其他模型。这证明了人工智能生成内容（AIGC）在定量遥感领域的可行性，并为碳中和效应研究提供了有价值的见解。结合森林的实际特征，利用 16 米分辨率的区域碳储量估算，为制定森林碳汇调控政策提供了重要的理论依据。
引用
@article{arxiv.2502.00783,
title = {A method for estimating forest carbon storage distribution density via artificial intelligence generated content model},
author = {Zhenyu Yu and Jinnian Wang},
journal= {arXiv preprint arXiv:2502.00783},
year = {2025}
}