基于卫星影像深度多模态学习的快速森林砍伐与过火面积检测
计算机视觉与模式识别
2023-07-12 v1 图像与视频处理
摘要
由于面积广阔且可达性有限，亚马逊森林的森林砍伐估算与火灾检测是一项重大挑战。然而，这些是导致气候变化、全球变暖和生物多样性丧失等严重环境后果的关键问题。为有效解决该问题，多模态卫星影像与遥感为估算亚马逊地区的森林砍伐和检测野火提供了有前景的方案。本研究引入了一个新整理的数据库以及一种基于深度学习的方法，利用卷积神经网络（CNNs）和全面的数据处理技术解决这些问题。我们的数据集包含来自 Sentinel、Landsat、VIIRS 和 MODIS 卫星的整理影像和多样化通道波段。我们针对不同空间和时间分辨率需求设计了该数据集。我们的方法在该地区未见影像上成功实现了高精度的森林砍伐估算与过火面积检测。我们的代码、模型和数据集均为开源：https://github.com/h2oai/cvpr-multiearth-deforestation-segmentation
引用
@article{arxiv.2307.04916,
title = {Rapid Deforestation and Burned Area Detection using Deep Multimodal Learning on Satellite Imagery},
author = {Gabor Fodor and Marcos V. Conde},
journal= {arXiv preprint arXiv:2307.04916},
year = {2023}
}
备注
CVPR 2023 Workshop on Multimodal Learning for Earth and Environment (MultiEarth)