放大变化：利用多分辨率、多源卫星影像快速绘制火烧迹地图
计算机视觉与模式识别
2026-01-15 v1 人工智能
机器学习
摘要
由于电磁波谱上不规则且空间异构的光谱变化，利用卫星影像划定野火影响区域仍具挑战性。虽然近期深度学习方法在可获得高分辨率多光谱数据时实现了高精度，但在需要在野火事件后快速划定火烧迹线的运营场景中，其适用性受限于当前卫星系统空间分辨率与时间重访频率之间的权衡。为解决这一局限性，我们提出了一种新颖的深度学习模型，即 BAM-MRCD，它采用多分辨率、多源卫星影像（MODIS 和 Sentinel-2），以高空间和时间分辨率及时生成详细的过火面积图。我们的模型能够高精度地检测甚至小规模的野火，超越了类似的变更检测模型以及坚实的基线。所有数据和代码均可在 GitHub 仓库获取：https://github.com/Orion-AI-Lab/BAM-MRCD。
引用
@article{arxiv.2601.09262,
title = {Magnifying change: Rapid burn scar mapping with multi-resolution, multi-source satellite imagery},
author = {Maria Sdraka and Dimitrios Michail and Ioannis Papoutsis},
journal= {arXiv preprint arXiv:2601.09262},
year = {2026}
}