利用多时相 Sentinel-1 与 Sentinel-2 数据进行水体制图
计算机视觉与模式识别
2024-02-02 v1 机器学习
图像与视频处理
摘要
气候变化正在加剧极端天气事件，导致水资源短缺和严重降雨不可预测性，并对可持续发展、生物多样性以及水和卫生设施的获取构成威胁。本文旨在为多样化气象条件下的综合水资源监测提供有价值的见解。我们提出对 SEN2DWATER 数据集进行扩展，以增强其流域分割能力。通过将 Sentinel-1 数据中时空对齐的雷达信息与现有的多光谱 Sentinel-2 数据相集成，生成了一个新颖的多源多时相数据集。对该增强数据集的基准测试涉及应用诸如土壤水分指数 (SWI) 和归一化差异水体指数 (NDWI) 等指数，以及无监督机器学习 (ML) 分类器（k-均值聚类）。研究取得了有前景的结果，并探讨了由此研究带来的潜在未来发展和应用。
引用
@article{arxiv.2402.00023,
title = {Using Multi-Temporal Sentinel-1 and Sentinel-2 data for water bodies mapping},
author = {Luigi Russo and Francesco Mauro and Babak Memar and Alessandro Sebastianelli and Paolo Gamba and Silvia Liberata Ullo},
journal= {arXiv preprint arXiv:2402.00023},
year = {2024}
}