VibrantSR：利用生成流匹配从Sentinel-2影像生成亚米级冠层高度模型
计算机视觉与模式识别
2026-02-03 v2 机器学习
摘要
我们提出VibrantSR（Vibrant Super-Resolution），一个生成式超分辨率框架，用于从10米分辨率的Sentinel-2影像估算0.5米分辨率的冠层高度模型（CHMs）。与依赖航空影像的方法不同，后者受限于不频繁且不规则的采集计划，VibrantSR利用全球可用的Sentinel-2季节性合成影像，能够以季节到年度为周期进行持续监测。在美国西部22个EPA三级生态区上，使用空间上不相交的验证集进行评估，VibrantSR对大于等于2米的冠层高度实现了4.39米的平均绝对误差（MAE），优于Meta（4.83米）、LANDFIRE（5.96米）和ETH（7.05米）等基于卫星的基准。尽管基于航空的VibrantVS（2.71米MAE）保持了精度优势，但VibrantSR使得在大陆尺度上进行业务化森林监测和碳核算成为可能，而无需依赖昂贵且时间上不频繁的航空采集。
引用
@article{arxiv.2601.09866,
title = {VibrantSR: Sub-Meter Canopy Height Models from Sentinel-2 Using Generative Flow Matching},
author = {Kiarie Ndegwa and Andreas Gros and Tony Chang and David Diaz and Vincent A. Landau and Nathan E. Rutenbeck and Luke J. Zachmann and Guy Bayes and Scott Conway},
journal= {arXiv preprint arXiv:2601.09866},
year = {2026}
}
备注
12 pages, 8 figures, 2 tables