PulseAugur
中
实时 19:32:38
实体 Landsat 8

Landsat 8

PulseAugur coverage of Landsat 8 — every cluster mentioning Landsat 8 across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
6
90 天内 13
发布 · 30天
0
90 天内 0
论文 · 30天
6
90 天内 13
层级分布 · 90 天
主题
关系
情绪 · 30 天

3 天有情绪数据

最近 · 第 1/1 页 · 共 13 条
  1. TOOL · CL_366431 ·

    New AI model reconstructs Landsat land surface temperature data

    研究人员开发了 A$^2$E$^2$,这是一种新颖的端到端 U-Net 模型,旨在从 Landsat 影像重建地表温度 (LST) 数据。该模型整合了年度温度周期、来自地球系统模型的粗略 LST 以及 AlphaEarth 嵌入,以克服限制连续观测的云污染问题。在纽约市进行的实验证明了 A$^2$E$^2$ 的有效性,平均绝对误差为 0.78 K,与基线方法相比,误差降低了 60% 以上。研究还发现,地球基础模型的嵌入在 LST 重建…

  2. TOOL · CL_351998 ·

    新的因果框架提高了地球观测模型的鲁棒性

    研究人员开发了一个名为RIC-TSC的新的因果时间序列分类框架,旨在提高地球观测模型在鲁棒性和可解释性。该框架将滞后因果发现直接整合到序列建模中,使其能够识别稳定、不变的关系,而不是仅仅依赖于相关特征。通过使用格陵兰冰上湖的多模态卫星和气象数据,因果模型在分布外条件下评估时,与基于相关性的基线相比,准确性有了显著提高。

  3. TOOL · CL_324643 ·

    新框架通过LLM报告自动化卫星数据分析

    研究人员开发了一个使用ArcGIS Pro和ArcPy处理Landsat 7、8和9卫星数据的自动化框架。该工具通过自动化辐射定标、发射率校正和热转换,简化了地表温度(LST)的提取,与手动方法相比显著缩短了处理时间。该框架还包含一个可选的大型语言模型(LLM),用于解释统计结果和生成报告,提高了遥感应用的准确性和效率。

  4. TOOL · CL_303720 ·

    新数据集和 AI 模型改进卫星影像中的建筑高度估计

    研究人员推出了 PhiSat-2--Height 数据集 (PHDataset) 和一种名为 TSONet 的新型神经网络,用于通过单目影像估计建筑高度。PHDataset 包含来自全球 26 个城市的 9,475 对影像,并配有公开的建筑高度参考。TSONet 利用多尺度解耦高度表示和足迹条件高度重建来提高准确性。评估显示,TSONet 分别将均方根误差 (RMSE) 和平均绝对误差 (MAE) 降低了 3.64% 和 4.49%,…

  5. RESEARCH · CL_303709 ·

    新AI框架实现卫星反射率数据谐波处理

    研究人员开发了一个名为深度多时相广义典型相关分析(DeepMGCCA)的新框架,以解决卫星地表反射率数据中的不一致性问题。这种无监督深度学习方法整合了深度广义典型相关分析(GCCA)和多变量变化检测(MAD),以识别和消除不同采集日期之间的偏差。使用Landsat-8/9和Sentinel-2数据进行的实验表明,从框架学习的特征中导出的单调分段线性变换显著减小了光谱角和RMSE,同时提高了PSNR。

  6. TOOL · CL_284745 ·

    新研究量化了卫星图像中的独立样本数量

    一篇新的研究论文提出了一种计算卫星图像中有效独立样本数量的方法,解决了空间自相关问题。研究表明,对于具有相关范围 $r$ 像素的 $n \times n$ 图像,有效样本量近似为 $\Theta(n^2/r^2)$,而不是通常假设的 $n^2$。这一发现对如何评估和验证机器学习模型产生了影响,建议采用空间交叉验证技术以获得更准确的泛化保证。

  7. RESEARCH · CL_259476 ·

    新型WISE模型实现轻量级、机载卫星烟雾检测

    研究人员开发了WISE,这是一种轻量级、弱监督模型,专为从卫星图像进行机载火灾烟雾检测与定位而设计。该模型解决了在严格内存和延迟限制下进行高效处理的需求,不同于现有方法在空间上受限或计算量过大的问题。WISE采用教师-学生蒸馏策略,实现近乎实时的每瓦片推理,一次性预测烟雾存在和概率图。该模型已在国际空间站(ISS)的轨道上以及地面卫星图像上进行了测试,证明了其在参数和计算需求极小的情况下具有有效的检测和定位能力。

  8. TOOL · CL_245639 ·

    MethaneFuse模型利用多传感器卫星数据改进甲烷羽流检测

    研究人员开发了MethaneFuse,一种利用卫星图像检测甲烷羽流的新方法,即使在并非所有传感器数据都可用时也能工作。该方法利用了一个名为MethaneUnion的新数据集,该数据集结合了来自Sentinel-2、Landsat 8/9、EMIT和Sentinel-5P等多个卫星的观测数据。与现有的单传感器方法相比,MethaneFuse显著提高了检测精度并减少了误报,证明了其在传感器数据不完整情况下的有效性。

  9. TOOL · CL_231710 ·

    新方法改进使用Landsat-8影像的火灾分割

    研究人员开发了一种使用Landsat-8卫星影像分割主动火灾的新方法,解决了火灾像素数据稀疏和不平衡的挑战。该研究评估了三种分割架构——U-Net、DeepLabV3+和SegFormer——并发现U-Net在各种火灾大小和密度下表现出最强的鲁棒性。短波红外2(SWIR2)光谱波段持续产生最佳或接近最佳的结果,凸显了其在主动火灾检测中的重要性。

  10. TOOL · CL_204113 ·

    Kolmogorov-Arnold Networks 在卫星陆地分类中显示出潜力

    研究人员评估了 Kolmogorov-Arnold Networks (KANs) 在使用多光谱卫星图像进行陆地分类方面的有效性。在一项研究中,研究人员将 KANs 与随机森林和多层感知器模型在加拿大艾伯塔省的 Landsat 8 数据上进行了比较,结果显示 KANs 的准确性与随机森林相当,并且优于 MLPs。值得注意的是,KANs 在可训练参数少得多的情况下实现了这一性能,并提供了更高的可解释性。

  11. TOOL · CL_198091 ·

    人工智能和遥感技术追踪达卡快速城市化和环境变化

    一项新近发表在arXiv上的研究详细介绍了如何利用遥感和机器学习技术分析2019年至2024年间孟加拉国达卡地区的土地利用和植被变化。该研究采用了卫星图像以及决策树、K近邻和随机森林等算法来追踪土地覆盖的变化。研究结果显示,城市建成区显著增加(59.5%),而植被(-8.46%)和水体(-7.77%)则有所减少,凸显了快速城市化对环境的影响。该研究强调了这些技术工具在可持续城市规划和政策制定方面的实用性。

  12. RESEARCH · CL_49017 ·

    新AI模型推动3D形状补全和深度估计发展

    研究人员推出了几款新的3D形状补全和深度估计模型。大型深度补全模型(LDCM)使用Transformer从稀疏观测生成密集深度图,性能优于现有方法。I2PRef提供了一种图像驱动的点云补全方法,从单个RGB图像重建完整的点云。DinoComplete利用来自DINO特征和状态空间模型的蒸馏语义先验,实现高效鲁棒的3D形状补全,在参数更少的情况下显示出更高的质量。此外,ESSC-RM是一个即插即用框架,可精炼现有的语义场景补全模型以提高预测性能。

  13. RESEARCH · CL_36091 ·

    新的基础模型将高光谱图像与其他地球观测数据融合

    研究人员开发了SpectralEarth-FM,一个旨在处理和融合高光谱图像与其他地球观测数据(如多光谱、雷达和温度读数)的新基础模型。该模型采用分层Transformer架构,能够处理不同的光谱维度,并集成了一个跨传感器融合模块。为了训练SpectralEarth-FM,我们精心策划了一个名为SpectralEarth-MM的大型数据集,其中包含来自多个卫星传感器的40TB以上的共定位数据,从而在下游任务上取得了最先进的成果。