面向亚马逊森林砍伐检测任务的卫星波段选择框架

热带森林的保护因其在全球生态系统中的关键作用而具有重要的社会和生态意义。不幸的是，每年有数百万公顷的森林受到砍伐和退化的影响，需要政府或私人倡议进行有效的森林监测。本研究引入了一种新颖的框架，采用单变量边际分布算法（UMDA）从Landsat-8卫星中选择光谱波段，优化砍伐区域的表示。该选择指导语义分割架构DeepLabv3+，提升其性能。实验结果显示，与常用的砍伐检测波段组合相比，几种波段组合通过支持向量机（SVM）的片段分类实现了更优的平衡准确率。此外，基于UMDA方法识别的最佳波段组合提高了DeepLabv3+架构的性能，超过了本研究中比较的最先进方法。观察到少数选定波段优于全部波段的现象，与深度学习领域普遍的数据驱动范式相矛盾。因此，这表明对“越多越好”传统观念的一个例外。