一种用于多传感器卫星数据森林清查制图的半监督对比回归新框架
信号处理
2023-08-09 v1 计算机视觉与模式识别
摘要
森林的精确制图对森林管理与碳储量监测至关重要。深度学习在地球观测（Earth Observation, EO）中日益流行，然而参考数据的可用性限制了其在广域森林制图中的潜力。为克服这些限制，我们将对比回归引入基于EO的森林制图，并开发了一种用于连续森林变量全覆盖制图的新型半监督回归框架。它结合了有监督对比回归损失与半监督交叉伪回归（Cross-Pseudo Regression）损失。该框架在北方森林站点使用哥白尼Sentinel-1与Sentinel-2影像制图森林树高得以验证。相较于使用原始UNet或传统回归模型，所取得的预测精度显著更优，在林分水平上的相对RMSE为15.1%。我们期望所开发的框架可用于建模其他森林变量与EO数据集。
引用
@article{arxiv.2212.00246,
title = {A Novel Semisupervised Contrastive Regression Framework for Forest Inventory Mapping with Multisensor Satellite Data},
author = {Shaojia Ge and Hong Gu and Weimin Su and Anne Lönnqvist and Oleg Antropov},
journal= {arXiv preprint arXiv:2212.00246},
year = {2023}
}