Nov, 2023
FLOGA：用于 Sentinel-2 烧伤区域制图的机器学习数据集，基准和新的深度学习模型
FLOGA: A machine learning ready dataset, a benchmark and a novel deep learning model for burnt area mapping with Sentinel-2
Maria Sdraka, Alkinoos Dimakos, Alexandros Malounis, Zisoula Ntasiou, Konstantinos Karantzalos...
TL;DR过去十年，全球范围内野火的发生频率和强度不断增加，对人类和动物生命、生态系统和社会经济稳定性构成重大威胁。为了评估火灾的规模、确定受影响的资产、并有效地优先分配资源以恢复受损地区，结合富有高分辨率卫星图像的强大机器学习方法可以提供准确和及时的受影响区域分布图。本研究创建并引入了一个名为 FLOGA（希腊地区森林火灾观察）的机器学习数据集，该数据集独特之处在于它包含野火事件之前和之后获取的卫星图像，并包含具有可变空间和光谱分辨率的 Sentinel-2 和 MODIS 模态的信息，且大量事件都由领域专家注释了对应的烧毁区域地面真实情况。FLOGA 覆盖了希腊的更大区域，该区域的地理特点是地中海景观和气候条件。我们使用 FLOGA 对多种机器学习和深度学习算法进行了全面对比，以自动提取烧毁区域，将其视作一项变化检测任务。我们还将结果与使用标准专用光谱指数进行烧毁区域制图的结果进行了比较。最后，我们提出了一种名为 BAM-CD 的新型深度学习模型。基准测试结果表明，所提出的技术在自动提取烧毁区域方面具有高效性，其准确性和鲁棒性优于所有其他方法。我们的数据集和代码公开可用于：此 https URL。