基于变检测模型的亚马逊雨林砍伐区域识别
计算机视觉与模式识别
2025-12-10 v1
摘要
亚马逊雨林的保护是应对气候变化、保护生物多样性和捍卫原住民文化的全球优先事项之一。巴西合法亚马逊地区的砍伐监测项目（PRODES），由国家空间研究院（INPE）发起，是这一努力中突出的项目，该项目每年监控亚马逊以及其他巴西生物圈的砍伐区域。最近developed了使用 PRODES 数据的机器学习模型，通过对多时相卫星图像的比较分析，将砍伐检测问题化为变检测问题以支持这一努力。然而，现有方法存在显著局限性：文献中评估的模型仍显示效果不佳，许多模型未采用基于自注意力机制的现代架构，缺乏方法论标准化，无法在不同研究之间进行直接比较。在本工作中，我们通过在统一数据集上评估各种变检测模型来弥补这些差距，包括完全卷积模型和基于 Transformer 集成自注意力机制的网络。我们研究了不同预处理和后处理技术的影响，例如基于连通分量大小对模型预测的砍伐区域进行过滤、纹理替换和图像增强；我们证明了这些方法可以显著提高单个模型的效果。此外，我们测试了不同策略用于组合评估的模型以获得优于单个模型的效果，达到了80.41%的 F1 分数，该值与文献中其他最近工作相当。
关键词
引用
@article{arxiv.2512.08075,
title = {Identification of Deforestation Areas in the Amazon Rainforest Using Change Detection Models},
author = {Christian Massao Konishi and Helio Pedrini},
journal= {arXiv preprint arXiv:2512.08075},
year = {2025}
}