基于 Sentinel-2 的全国尺度高分辨率植被高度制图
图像与视频处理
2019-08-15 v2 计算机视觉与模式识别
机器学习
摘要
利用数月间采集的 Sentinel-2 多光谱影像，对加蓬和瑞士的植被高度进行了估算。训练了一个深度卷积神经网络（CNN）以从反射率影像中提取合适的光谱与纹理特征，并回归逐像素植被高度。在加蓬，用于训练和验证的参考高度源自机载 LiDAR 测量。在瑞士，参考高度取自通过摄影测量表面重建得到的现有冠层高度模型。所得制图在瑞士的平均绝对误差（MAE）为 1.7 m，在加蓬为 4.3 m（均方根误差（RMSE）分别为 3.4 m 和 5.6 m），并能正确估算高达 >50 m 的植被高度。它们还与现有植被高度图表现出良好的定性一致性。我们的工作表明，在给定适量参考数据（即加蓬 2000 km，瑞士 5800 km）的情况下，可从 Sentinel-2 影像推导出具 10 m 地面采样距离（GSD）的全国尺度高分辨率植被高度图。
引用
@article{arxiv.1904.13270,
title = {Country-wide high-resolution vegetation height mapping with Sentinel-2},
author = {Nico Lang and Konrad Schindler and Jan Dirk Wegner},
journal= {arXiv preprint arXiv:1904.13270},
year = {2019}
}