利用光学卫星影像与星载激光雷达进行大尺度高碳储量制图
计算机视觉与模式识别
2021-07-16 v1 机器学习
摘要
对商品日益增长的需求正导致全球土地利用的变化。在热带地区，造成高碳排放并威胁生物多样性的森林砍伐常与农业扩张相关。尽管无毁林全球供应链的必要性已被广泛认可，但在实践中取得进展仍具挑战。在此，我们提出一种自动化方法，旨在依据高碳储量（HCS）方法，以大尺度和高空间分辨率绘制热带景观地图，以支持保护与可持续土地利用规划决策。我们开发了一种深度学习方法，通过从稀疏的 GEDI LIDAR 参考数据中学习，估算每个 10 m Sentinel-2 像素的冠层高度，总体 RMSE 达 6.3 m。我们表明，这些全覆盖的冠层顶高地图可预测性用于分类 HCS 森林与退化区域，总体精度为 86%，并制作了印度尼西亚、马来西亚和菲律宾的首张高碳储量地图。
引用
@article{arxiv.2107.07431,
title = {High carbon stock mapping at large scale with optical satellite imagery and spaceborne LIDAR},
author = {Nico Lang and Konrad Schindler and Jan Dirk Wegner},
journal= {arXiv preprint arXiv:2107.07431},
year = {2021}
}