输入“/”快速插入内容

基于 2,500 平方公里实景数据,北师大团队提出 StarFusion 模型,实现高空间分辨率图像预测

2024年9月11日修改
作者:田小幺 阅读原文
在科技浪潮是推动下,传统农业正经历一场智能化变革。作为现代农业的「千里眼」,农业遥感通过收集卫星和无人机等平台的遥感数据,被广泛应用于监测作物生长状况、土地利用与覆盖变化、病虫害情况、水资源管理和农业环境的演变等多个方面。农业遥感能够为决策者提供实时、深入的洞察力,确保了信息的精确性和决策的前瞻性。
然而,遥感数据在农业中应用通常需要高空间分辨率 (HSR) 和频繁的观测。受限于光学卫星影像的重访周期和云层污染等因素,卫星监测作物生长的能力经常会受到严重的影响。
为了获得高时空分辨率的合成图像,人们开发了许多时空融合方法,但现有方法在模型开发和验证方面主要集中在融合中低空间分辨率卫星数据,当涉及到融合中等和高空间分辨率图像时,其适用性仍然面临各种挑战。
为了解决这些问题,北京师范大学地表过程与资源生态国家重点实验室陈晋团队,提出了一种双流时空解耦融合架构模型 StarFusion,该模型将传统的 STF 方法与深度学习相结合,能够克服大多数现有深度学习算法需要 HSR 时间序列图像进行训练的问题,充分实现高空间分辨率图像的预测。
研究亮点:
StarFusion 融合 Gaofen-1 和 Sentinel-2 卫星数据,以生成高时空分辨率的图像
StarFusion 通过结合基于深度学习的超分辨率方法和偏最小二乘回归模型,并通过边缘和颜色加权损失函数,保持了高融合精度和良好的空间细节
StarFusion 模型在 3 个不同区域的实验地点,相比于传统的时空融合方法和基于深度学习的方法,表现出更优的整体性能和时间传递性
论文地址:
关注公众号,后台回复「高时空分辨率」获取完整 PDF
数据集下载地址:
开源项目「awesome-ai4s」汇集了百余篇 AI4S 论文解读,并提供海量数据集与工具:
数据集:立足山东两县,集成使用 Gaofen-1 和 Sentinel-2 卫星数据
该研究设计了全面的评估实验,使用了来自 Gaofen-1 和 Sentinel-2 卫星的数据集,每个数据集都覆盖了相同的地理区域。
研究地点
该研究选择在山东省的费县和郓城县进行,研究区域面积约为 2,567 平方公里,具有多种土地覆盖类型。为确保景观多样性,该研究确定了 3 个子区域作为实验地点,这些区域都是农田、水体、道路和建筑物的混合体,并且区域内景观的异质性也表现出明显的区别。