从波段到深度：理解哥伦比亚-2卫星浅海水深推断中的决策
计算机视觉与模式识别
2026-01-21 v1
摘要
哥伦比亚-2卫星推导的浅海水深（SDB）在不同地点部署仍具有挑战性。我们分析了一个基于Swin-Transformer的U型网络模型（Swin-BathyUNet），以理解其如何推断深度以及其预测何时可靠。通过逐波段留一法研究，对不同波段的重要性进行排序，符合浅水光学特征。我们采用基于消融的类注意力图（A-CAM-R）方法，并通过性能保留测试进行验证：仅保留最高p%的显著像素而中和其余像素会导致RMSE显著单调增加，表明解释图在局定模型所依赖的证据上。注意力消融显示，解码器对跳跃连接的条件交叉注意力是一种有效的改进，提高了对波光/泡沫的鲁棒性。跨区域推理（在一个地点训练，在另一个地点测试）揭示了深度依赖的性能下降：MAE随深度几乎线性上升，双峰深度分布加剧了中/深层误差。提供了实用指导：保持宽广的感受野，保留绿/蓝通道的辐射学保真度，预过滤岸边亮且方差大的区域，并搭配浅目标站点微调与深度感知校准，以实现跨区域迁移。
引用
@article{arxiv.2601.12636,
title = {From Bands to Depth: Understanding Bathymetry Decisions on Sentinel-2},
author = {Satyaki Roy Chowdhury and Aswathnarayan Radhakrishnan and Hsiao Jou Hsu and Hari Subramoni and Joachim Moortgat},
journal= {arXiv preprint arXiv:2601.12636},
year = {2026}
}
备注
Accepted by WACV 2026