大规模冠层高度估计

Jan Pauls; Max Zimmer; Una M. Kelly; Martin Schwartz; Sassan Saatchi; Philippe Ciais; Sebastian Pokutta; Martin Brandt; Fabian Gieseke

大规模冠层高度估计

计算机视觉与模式识别 2026-03-13 v2 人工智能机器学习

作者: Jan Pauls , Max Zimmer , Una M. Kelly , Martin Schwartz , Sassan Saatchi , Philippe Ciais , Sebastian Pokutta , Martin Brandt , Fabian Gieseke

在 arXiv 上查看 ↗ PDF ↗

摘要

我们提出了一个基于卫星数据的全球尺度冠层高度估计框架。我们的模型利用先进的数据预处理技术，采用一种新颖的损失函数来应对地面真实高度测量中固有的地理定位不准确性，并利用航天飞机雷达地形测绘任务（SRTM）的数据有效过滤山区中的错误标签，从而增强了我们在这些区域预测的可靠性。预测与地面真实标签的比较显示，总体平均绝对误差/均方根误差为2.43/4.73（米），对于高于五米的树木为4.45/6.72（米），与现有的全球尺度地图相比有显著改进。生成的高度图以及底层框架将促进和增强全球尺度的生态分析，包括但不限于大规模森林和生物量监测。

关键词

冠层高度估计卫星数据损失函数地理定位不准确性 SRTM 全球尺度制图

引用

@article{arxiv.2406.01076,
  title  = {Estimating Canopy Height at Scale},
  author = {Jan Pauls and Max Zimmer and Una M. Kelly and Martin Schwartz and Sassan Saatchi and Philippe Ciais and Sebastian Pokutta and Martin Brandt and Fabian Gieseke},
  journal= {arXiv preprint arXiv:2406.01076},
  year   = {2026}
}

备注

ICML Camera-Ready, 17 pages, 14 figures, 7 tables

大规模冠层高度估计

摘要

关键词

引用

备注

相关论文