基于傅里叶神经算子与结构相似性的卫星图像土壤有机碳遥感反演
图像与视频处理
2023-11-23 v1 计算机视觉与模式识别
摘要
土壤有机碳（SOC）固存是大气二氧化碳向土壤中的转移与储存，在减缓气候变化中发挥重要作用。合理的土地利用可提高 SOC 浓度，因此若能在区域或全球尺度估算 SOC 将大有裨益。由于多光谱卫星数据可在全球尺度提供植被与土壤属性等 SOC 相关信息，利用卫星数据估算 SOC 已被探索作为人工土壤采样的替代方案。尽管现有研究展现出有前景的结果，但它们主要基于传统机器学习方法的像元级方法，卷积神经网络（CNNs）并不常见。为研究 CNNs 在 SOC 遥感中的应用，本文提出基于傅里叶神经算子（FNO）的 FNO-DenseNet。通过结合 FNO 与 DenseNet 的优势，FNO-DenseNet 在实验中以少数百倍的参数优于 FNO。FNO-DenseNet 在平均绝对百分比误差上还以 18% 优于基于像元的随机森林。
引用
@article{arxiv.2311.13016,
title = {Image-Based Soil Organic Carbon Remote Sensing from Satellite Images with Fourier Neural Operator and Structural Similarity},
author = {Ken C. L. Wong and Levente Klein and Ademir Ferreira da Silva and Hongzhi Wang and Jitendra Singh and Tanveer Syeda-Mahmood},
journal= {arXiv preprint arXiv:2311.13016},
year = {2023}
}
备注
This paper was accepted by the 2023 IEEE International Geoscience and Remote Sensing Symposium (IGARSS 2023)