ECHOSAT：空间与时间 canopy 高度估计
计算机视觉与模式识别
2026-03-13 v2 人工智能
机器学习
摘要
森林监测是气候变化缓解的关键任务。然而，现有的全球树高图仅提供静态快照，无法捕捉必需的temporal forest dynamics。我们引入ECHOSAT，一个覆盖多年的全球树高图，分辨率为10米。为此，我们求助于多传感器卫星数据训练专用视觉变换器模型，进行像素级时序回归。自监督生长损失正规化预测结果，使其遵循自然树木发育的生长曲线，包括随时间渐进的高度增加，以及因火灾等森林破坏事件导致的突然下降。我们的实验评估显示，该模型在单年预测中提升了最新技术的准确性。我们首次提供了准确量化树木生长和扰动的全球尺度高度图。我们预计ECHOSAT将推动全球碳监测和扰动评估工作。地图可在 https://github.com/ai4forest/echosat 访问。
引用
@article{arxiv.2602.21421,
title = {ECHOSAT: Estimating Canopy Height Over Space And Time},
author = {Jan Pauls and Karsten Schrödter and Sven Ligensa and Martin Schwartz and Berkant Turan and Max Zimmer and Sassan Saatchi and Sebastian Pokutta and Philippe Ciais and Fabian Gieseke},
journal= {arXiv preprint arXiv:2602.21421},
year = {2026}
}
备注
19 pages, 12 figures, 6 tables