HydroChronos：预测表面水变化的十年展望
计算机视觉与模式识别
2025-12-19 v2
摘要
预测表面水动力学对水资源管理和气候变化适应至关重要。然而，该领域缺乏综合性数据集和标准化基准。本文引入 HydroChronos，一个大规模、多模态时空数据集，用于表面水动力学预测，以弥合这一差距。该数据集包含三十余年对齐的 Landsat 5 和 Sentinel-2 影像、气候数据以及数字高程模型，覆盖欧洲、北美和南美的各种湖泊和河流。我们还提出了AquaClimaTempo UNet，一种具有专用气候数据分支的新型时空架构，作为强大的基准模型。我们的模型在变化检测和变化方向分类任务上分别相对于 Persistence 基线提高了 14% 和 11% 的 F1 分数，在变化幅度回归任务上提高了 0.1 的 MAE。最后，我们进行了可解释人工智能分析，以识别影响表面水变化的关键气候变量和输入通道，为未来建模工作提供洞见。
引用
@article{arxiv.2506.14362,
title = {HydroChronos: Forecasting Decades of Surface Water Change},
author = {Daniele Rege Cambrin and Eleonora Poeta and Eliana Pastor and Isaac Corley and Tania Cerquitelli and Elena Baralis and Paolo Garza},
journal= {arXiv preprint arXiv:2506.14362},
year = {2025}
}
备注
Accepted to SIGSPATIAL 2025