SERA-H：突破原生情势卫星遥感空间分辨率限制的高分辨率树冠高度映射
计算机视觉与模式识别
2026-03-26 v3
摘要
高分辨率树冠高度图映射对于森林管理和生物多样性监测至关重要。尽管近期研究催生了利用卫星影像进行高度图预测的深度学习方法，但这些方法常面临数据可获取性与空间分辨率之间的权衡。为此，我们提出SERA-H——一种集成超分辨率模块（EDSR）和时空注意力编码（UTAE）的端到端模型。该模型在高密度LiDAR衍生的树冠高度模型（CHM）监督下，从 freely available 的 Sentinel-1 和 Sentinel-2（10米）时序数据生成2.5米分辨率的高度图。在法国的开源基准数据集上评估，SERA-H以2.6米的平均绝对误差（MAE）和0.82的R2值，不仅超越了标准Sentinel-1/2基线，还实现了与依赖商业高分辨率遥感影像（SPOT-6/7、PlanetScope、Maxar）的方法相当甚至更好的性能。这些结果表明，结合高分辨率监督信号与时序数据中蕴含的时空信息，能够重建输入传感器固有分辨率之外的细节。SERA-H为实现高 revisit frequency（高 revisit 频率）的森林自由映射开辟了可能性，准确率可与昂贵的商业遥感影像相当。
引用
@article{arxiv.2512.18128,
title = {SERA-H: Beyond Native Sentinel Spatial Limits for High-Resolution Canopy Height Mapping},
author = {Thomas Boudras and Martin Schwartz and Rasmus Fensholt and Martin Brandt and Ibrahim Fayad and Jean-Pierre Wigneron and Gabriel Belouze and Fajwel Fogel and Philippe Ciais},
journal= {arXiv preprint arXiv:2512.18128},
year = {2026}
}
备注
17 pages, 8 figures, 3 tables