PulseAugur
中
实时 09:19:00
English(EN) Spatially explicit feature importance for building height estimation using research-access high-resolution SAR and optical sensors

卫星数据和随机森林模型估算建筑高度

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种结合卫星图像和地理加权随机森林模型来估算城市地区建筑高度的方法。该方法旨在提供城市规模的准确建筑高度数据，特别是在LiDAR数据稀缺或昂贵的地区。研究使用了来自TerraSAR-X StripMap、PlanetScope和Sentinel-1传感器的数据，针对LiDAR参考数据集实现了5.34米的RMSE。特征重要性分析显示，不同传感器和数据类型在估算不同建筑类型和背景的高度方面更有效。 AI

排序理由 该集群包含一篇研究论文，详细介绍了使用卫星数据进行建筑高度估算的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

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

卫星数据和随机森林模型估算建筑高度

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Guilherme Iablonovski, Pierre-Louis Frison, Tatiana Silva da Silva ·

    使用研究访问的高分辨率SAR和光学传感器进行建筑物高度估算的空间显式特征重要性

    arXiv:2608.17822v1 Announce Type: cross Abstract: Accurate building height information at the individual footprint scale is essential for material stock accounting and post-disaster damage assessments yet remains difficult to obtain at city scale in the Global South where airborn…

相关实体

相关话题