基于场景分类图层评估 Sentinel-2 的空间与时序覆盖范围
计算机视觉与模式识别
2024-10-15 v2 人工智能
摘要
自 Sentinel-2 卫星发射以来，许多机器学习模型已广泛用于数据。场景分类图层（SCL）为训练提供丰富信息（如筛选高云量图像），但其潜力尚未完全发掘。我们提出一种评估区域干净光学覆盖范围的技术方法，采用 SITS 表示，并利用基于 Sentinel-2 的 SCL 数据进行计算。通过手动阈值和 SCL 中的特定标签，该技术在时间序列上计算区域的空间与时序覆盖百分比，并给出高/低评估。我们在增强农业 AI4EO 挑战中展示，该评估与机器学习模型的预测结果呈相关性。空间与时序覆盖率较低的区域，其分类结果优于覆盖率较高的区域。最后，我们将该技术在陆地覆盖网络（LandCoverNet）全球数据集上遍布所有大陆。
引用
@article{arxiv.2406.18584,
title = {Assessment of Sentinel-2 spatial and temporal coverage based on the scene classification layer},
author = {Cristhian Sanchez and Francisco Mena and Marcela Charfuelan and Marlon Nuske and Andreas Dengel},
journal= {arXiv preprint arXiv:2406.18584},
year = {2024}
}
备注
Accepted at IEEE International Geoscience and Remote Sensing Symposium 2024