基于深度语境与地理先验的 Sentinel-2 土地自然度映射

近几十年来，气候变化的原因与后果加速了对地球的影响。这种变化与人类改变周围环境的方式密切相关。随着人类行为持续影响自然区域，使用卫星图像观察和衡量这些效应对于理解和应对气候变化至关重要。旨在映射现代人类压力下的土地自然度连续体，我们 developed a 多模态监督式深度学习框架，以解决卫星数据独特性挑战和此项任务的需求。我们融合了语境与地理先验，由相应坐标信息和更广泛的语境信息（包括要预测的 patch 及其周围区域）表示。我们的框架提高了从 Sentinel-2 数据（一种多光谱光学卫星影像）中映射土地自然度的模型预测性能。认识到我们的保护措施仅限于我们对生态系统的理解，量化自然度是提升环境 stewardship 至关重要的一步。