学习 Sentinel-2 反射率动态以实现数据驱动同化与预报
图像与视频处理
2023-05-09 v1 机器学习
摘要
过去几年中，大量覆盖地球表面的卫星多光谱与高光谱图像已通过欧洲 Copernicus 项目等途径公开供科研使用。同时，自监督学习（SSL）方法的发展在遥感界引发极大兴趣，使得从未标注数据中学习潜表示成为可能，从而助力处理标注样本稀少的下游任务，如插值、预报或解混。沿此思路，我们训练了一个受 Koopman 算子理论启发的深度学习模型，以无监督方式对长期反射率动态建模。我们展示了该训练好的模型因可微分，可直接用作数据同化的先验。我们的数据集由 Sentinel-2 多光谱图像时间序列组成，已公开发布并包含多个处理层级。
关键词
引用
@article{arxiv.2305.03743,
title = {Learning Sentinel-2 reflectance dynamics for data-driven assimilation and forecasting},
author = {Anthony Frion and Lucas Drumetz and Guillaume Tochon and Mauro Dalla Mura and Abdeldjalil Aïssa El Bey},
journal= {arXiv preprint arXiv:2305.03743},
year = {2023}
}