THREASURE-Net

新型AI模型高分辨率测绘森林冠层高度

研究人员开发了THREASURE-Net，一个新颖的深度学习框架，用于利用卫星图像进行高分辨率冠层高度测绘。这个端到端模型利用Sentinel-2时间序列数据，并使用航空LiDAR的参考高度指标进行训练。THREASURE-Net实现了具有竞争力的精度，在2.5米分辨率下平均绝对误差低至2.63米，并且其超分辨率模块不需要预训练模型或非常高分辨率的光学图像。该框架旨在利用公开可用的卫星数据，为温带森林的结构监测提供一个可扩展且经济高效的解决方案。