改进的隐式扩散模型结合知识蒸馏估计遥感影像中碳库的空间分布密度
计算机视觉与模式识别
2025-04-25 v2 人工智能
机器学习
摘要
森林作为最重要的陆地碳库机制，能够有效减少大气CO₂浓度，缓解气候变化。遥感提供了高数据准确性，能够实现大规模观测。光学影像便于长期监测，这对于未来的碳库估计研究至关重要。本研究聚焦中国云南省曲靆市惠农县，利用GF-1 WFV卫星影像。引入KD-VGG和KD-UNet模块进行初始特征提取，提出改进的隐式扩散模型（IIDM）。结果表明：(1) VGG模块改进了初始特征提取，提高了精度，同时通过优化模型参数减少了推理时间。(2) 跨注意力+MLP模块实现了有效特征融合，建立了全局特征与局部特征之间的关键关系，实现了高精度估计。(3) IIDM模型作为一种新颖贡献，显示出最高的估计精度，RMSE为12.17%，相较于回归模型提高了41.69%至42.33%。在碳库估计中，生成模型在提取更深层特征方面表现突出，显著优于其他模型，证明了AI生成内容在定量遥感中的可行性。16米分辨率的估计结果为制定针对性的森林碳汇政策提供了坚实依据，增强了区域碳库管理。
引用
@article{arxiv.2411.17973,
title = {Improved implicit diffusion model with knowledge distillation to estimate the spatial distribution density of carbon stock in remote sensing imagery},
author = {Zhenyu Yu and Jinnian Wang and Mohd Yamani Idna Idris},
journal= {arXiv preprint arXiv:2411.17973},
year = {2025}
}