研究人员开发了一种新颖的方法,可以从较低分辨率的Sentinel-2卫星图像合成亚米级冠层高度模型(CHM)。该技术解决了获取详细植被高度数据的挑战,而这些数据通常需要昂贵的机载LiDAR。该方法使用一种名为Anchor的确定性回归器,通过光学反射率预测高度,实现了2.83米的平均绝对误差(MAE)。进一步的模型AR-flow通过在潜在空间中学习残差来优化这些预测,使用0.208的切片瓦塞尔距离显著提高了感知保真度,尽管MAE略高,为3.68米。这一进展使得每季度对冠层高度数据进行大陆范围的刷新成为可能,可能为更昂贵的数据采集工作提供信息。 AI
影响 能够更频繁、更经济高效地监测森林冠层高度,有助于碳核算和野火管理。
排序理由 学术论文,详细介绍了从低分辨率输入合成高分辨率数据的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →