新型三模态 Transformer 提升森林生物量估算能力

研究人员开发了一种名为三模态相干协同注意力 Transformer (TCCT) 的新型深度学习模型，以改进热带森林地上生物量 (AGB) 的估算。该模型独特地融合了来自 Landsat-5 的光学反射数据和来自 P 波段和 L 波段的复杂值极化干涉测量 (PolInSAR) 数据。TCCT 使用复杂值编码器来保持相位相干性，并采用协同注意力机制来动态调整对光学或 SAR 数据的依赖程度，从而缓解云层覆盖和信号饱和等问题。经过微调后，TCCT 在茂密森林区域的树冠高度模型 (CHM) 方面实现了 3.78 米的 RMSE，在 AGB 方面实现了 4.51% 的 rRMSE，满足了欧洲航天局 BIOMASS 任务的要求。 AI

影响 该模型为融合多模态数据进行环境监测提供了一种新颖的方法，有望提高碳储量测绘的准确性。

排序理由 这是一篇详细介绍用于特定科学应用的创新人工智能模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• Above-Ground Biomass
• BIOMASS
• Canopy Height Models
• CNN
• European Space Agency
• Landsat-5
• L band
• Random Forest
• Trimodal Coherent Co-attention Transformer
• Vision Transformer

• 论文
• 模型发布
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →