利用 Planet NICFI 图像和基于激光雷达信息的 U-Net 模型绘制亚马逊森林高分辨率树高图
计算机视觉与模式识别
2025-01-22 v1
摘要
树冠高度是森林生物量、生产力和生态系统结构的最重要指标之一，但从地面或从太空准确测量树高具有挑战性。本文使用适用于回归的 U-Net 模型，基于 Planet NICFI 图像（空间分辨率约为 4.78 米）对 2020-2024 年间亚马逊森林的平均树冠高度进行映射。该 U-Net 模型使用由航空激光雷达数据计算得到的树冠高度模型作为参考标准进行训练，并配以相应的 Planet NICFI 图像。验证样本中树高预测的平均误差为 3.68 米，在亚马逊森林中所呈现的全部树高范围内显示出相对较低的系统性偏差。我们的模型成功地在树高达到 40-50 米时没有出现显著饱和，优于该地区现有全球模型的树冠高度产品。我们确定亚马逊森林的平均树冠高度约为 22 米。诸如采伐或砍伐等事件可通过树高变化进行检测，监测再生森林树高方也取得鼓舞人心的成果。这些发现表明，利用 Planet NICFI 影像对亚马逊森林进行大规模树高映射和监测具有潜力，无论是针对成熟森林还是再生森林。
关键词
引用
@article{arxiv.2501.10600,
title = {High Resolution Tree Height Mapping of the Amazon Forest using Planet NICFI Images and LiDAR-Informed U-Net Model},
author = {Fabien H Wagner and Ricardo Dalagnol and Griffin Carter and Mayumi CM Hirye and Shivraj Gill and Le Bienfaiteur Sagang Takougoum and Samuel Favrichon and Michael Keller and Jean PHB Ometto and Lorena Alves and Cynthia Creze and Stephanie P George-Chacon and Shuang Li and Zhihua Liu and Adugna Mullissa and Yan Yang and Erone G Santos and Sarah R Worden and Martin Brandt and Philippe Ciais and Stephen C Hagen and Sassan Saatchi},
journal= {arXiv preprint arXiv:2501.10600},
year = {2025}
}
备注
will be submitted to the journal Remote Sensing of Environment in February 2025