利用生成网络从环境条件预测景观
计算机视觉与模式识别
2019-09-27 v1 机器学习
摘要
景观是有意义的生态单元，强烈依赖于环境条件。这种景观与环境之间的依赖关系自地球科学开端便已被注意到，并被归纳为描述气候、地质、植被与地貌形态相互依存的概念模型。在此，我们探问从太空看到的景观是否可以从相关环境条件统计地预测。为此，我们调整了一个深度学习生成模型，以建立环境条件与Sentinel-2卫星所视景观之间的关系。我们训练了一个条件生成对抗网络（conditional GAN），以给定一组气候、地形与人为预测变量来生成多光谱影像。所生成的景观影像与真实影像有许多共同特征。基于指示景观组成与结构的景观斑块指标的结果表明，所提出的生成模型创建的景观比基线模型更类似于目标，同时总体反射率与植被覆盖被更好地预测。我们证明，对于许多用途，生成的景观表现如同真实景观，可立即应用于全球变化研究。我们预想将机器学习作为预测气候变化对景观空间特征影响工具的应用，同时评估其局限性与失效点。
引用
@article{arxiv.1909.10296,
title = {Predicting Landscapes from Environmental Conditions Using Generative Networks},
author = {Christian Requena-Mesa and Markus Reichstein and Miguel Mahecha and Basil Kraft and Joachim Denzler},
journal= {arXiv preprint arXiv:1909.10296},
year = {2019}
}
备注
Accepted conference paper at GCPR2019