基于空间的植被高度图在阿尔卑斯地形森林动态中的精度与一致性
计算机视觉与模式识别
2023-09-06 v1 图像与视频处理
摘要
监测并理解森林动态对于环境保护与管理至关重要。这正是瑞士国家森林清查（NFI）提供空间分辨率 0.5 m 的全国植被高度图的原因。然而，其长达 6 年的更新周期限制了对森林动态的时间分析。这可以通过使用星载遥感与深度学习以经济高效的方式生成大规模植被高度图来改进。在本文中，我们针对瑞士的业务化应用对这些方法进行了深入分析。我们基于 Sentinel-2 卫星影像生成了 2017 至 2020 年每年、全国范围、地面采样距离 10 米的植被高度图。与先前工作相比，我们针对精确的机载激光扫描参考数据集进行了大规模且详细的分层抽样分析。该分层抽样分析揭示了模型精度与地形（尤其是坡度和坡向）之间的密切关系。我们评估了深度学习衍生高度图用于变化检测的潜力，发现这些图可指示小至 250 的变化。由冬季风暴引起的大尺度变化以 0.77 的 F1-score 被检测出。我们的结果表明，由卫星影像经深度学习计算的植被高度图是一种有价值的、互补的、经济高效的证据来源，可提高国家森林评估的时间分辨率。
引用
@article{arxiv.2309.01797,
title = {Accuracy and Consistency of Space-based Vegetation Height Maps for Forest Dynamics in Alpine Terrain},
author = {Yuchang Jiang and Marius Rüetschi and Vivien Sainte Fare Garnot and Mauro Marty and Konrad Schindler and Christian Ginzler and Jan D. Wegner},
journal= {arXiv preprint arXiv:2309.01797},
year = {2023}
}