用于生物物理参数估计的物理信息 Transformer-VAE：Sentinel-2 影像中的 PROSAIL 模型反演
计算机视觉与模式识别
2025-11-18 v3 机器学习
摘要
从卫星影像中准确反演植被生物物理变量对于生态系统监测和农业管理至关重要。在这项工作中，我们提出了一种物理信息 Transformer-VAE 架构，用于反演 PROSAIL 辐射传输模型，以从 Sentinel-2 数据中同时估算关键冠层参数。与之前需要真实卫星图像进行自监督训练的混合方法不同，我们的模型完全在模拟数据上训练，却达到了与利用真实图像的 SOTA 方法相当的性能。Transformer-VAE 将 PROSAIL 模型作为可微物理解码器纳入，确保推断的潜变量对应于物理上合理的叶片和冠层属性。我们在真实世界场数据集 (FRM4Veg 和 BelSAR) 上演示了叶面积指数 (LAI) 和冠层叶绿素含量 (CCC) 的反演，其精度可与使用真实 Sentinel-2 数据训练的模型相媲美。我们的方法不需要真实图像上的原位标签或校准，为全球植被监测提供了一种经济高效的自监督解决方案。所提出的方法说明了将物理模型与先进深度网络集成如何改善 RTM 的反演，为植被性状的大规模、物理约束遥感开辟了新前景。
引用
@article{arxiv.2511.10387,
title = {Physics informed Transformer-VAE for biophysical parameter estimation: PROSAIL model inversion in Sentinel-2 imagery},
author = {Prince Mensah and Pelumi Victor Aderinto and Ibrahim Salihu Yusuf and Arnu Pretorius},
journal= {arXiv preprint arXiv:2511.10387},
year = {2025}
}
备注
10 pages, 6 figures, uses fancyhdr.sty