利用机器学习与三维层析 SAR 进行树种分类——以欧洲北部为例
机器学习
2024-11-21 v1 计算机视觉与模式识别
数据分析、统计与概率
摘要
树种分类在自然保护、森林清查、森林管理以及濒危物种保护中发挥着重要作用。在过去四十年中，遥感技术被广泛用于树种分类，其中合成孔径雷达（SAR）已成为一项关键技术。在本研究中，我们采用了 TomoSense 这一三维层析数据集，该数据集利用在不同入射角下捕获的 SAR 副产品——单视复（SLC）图像堆栈，生成地形的二维表示。我们的研究重点是评估多个表格型机器学习模型，使用源自层析图像强度的二维信息对八个不同的树种进行分类。我们在不同的极化配置和地理分割配置下分析了 SLC 数据和层析图像。我们研究了这些变化对分类精度的影响，比较了各种表格型机器学习模型的性能，并使用贝叶斯优化对其进行优化。此外，我们利用来自激光雷达（LiDAR）的点云数据作为实际树高的代理，以提供与模型预测相关的树高统计信息。这种比较提供了关于层析数据在基于高度预测树种分类方面的可靠性见解。
引用
@article{arxiv.2411.12897,
title = {Tree Species Classification using Machine Learning and 3D Tomographic SAR -- a case study in Northern Europe},
author = {Colverd Grace and Schade Laura and Takami Jumpei and Bot Karol and Gallego Joseph},
journal= {arXiv preprint arXiv:2411.12897},
year = {2024}
}