May, 2024

基于变化检测的 Sentinel-2 卫星图像滑坡地形图绘制

PDF
TL;DR本文研究了利用 Sentinel-2 影像自动地绘制新发生滑坡的方法。我们提出了一种新颖的深度学习架构，用于融合 Sentinel-2 双时相影像和数字高程模型数据，并展示了其在与文献中的其他变化检测模型相比具有良好性能。同时，我们还创建了一个包括全球异质生态区域的人工验证开放式滑坡清单的新型地理数据库。我们以开源许可证发布了代码和数据集。
发现论文，激发创造
  • 利用异质集成深度学习分类技术自动化全球滑坡检测

    使用多个分割模型和不同的数据集，构建一个集成模型来提高山体滑坡地貌图的制作精度。集成模型使用 Sentinel-1 和 Sentinel-2 波段结合，以及通过植被指数 dNDVI 的变化来构建一个健全可靠的监测系统。

    Sep, 2023

  • 基于半监督学习的上下文感知的变化检测

    本研究提出了一种利用前灾难时期光学数据进行变化检测任务的模型，并针对灾害受影响区域开发了 Context-Aware Change Detection Network（CACDN）。使用 Area Under the Precision-Recall Curve（AUPRC）、Intersection over Union（IoU）和均值 IoU 等三个指标进行了评估，并通过初步结果发现，当结合前灾难光学数据时，模型的变化检测能力显著提高，反映出使用情境信息进行准确的洪水和山体滑坡检测的有效性。

    Jun, 2023

  • Landslide4Sense: 滑坡检测的参考基准数据和深度学习模型

    介绍了用于遥感图像中滑坡检测的 Landslide4Sense 基准数据集，用于支持深度学习的研究和方法开发，评估了 11 个最先进的分割模型的表现，证明 ResU-Net 在滑坡检测任务中表现最佳。

    Jun, 2022

  • 亚热带城市山区近三十年土崩原因变化的动态滑坡易发性建模

    本研究提出了一种动态滑坡易发性测绘方法，该方法采用多个预测模型进行年度滑坡易发性评估，并利用少量样本和渐变更新的方式进行元学习表示推断，使用 SHAP 进行模型解释和滑坡特征置换。此外，还应用 MT-InSAR 方法进行滑坡易发性结果增强和验证，在香港的大屿山地区进行了从 1992 年到 2019 年的全面动态滑坡易发性评估，结果表明，大屿山地区滑坡的主要触发因素是地形坡度和极端降雨，且滑坡原因的变化主要归因于全球气候变化和香港政府实施的滑坡预防和减灾项目（LPMitP）的影响。

    Aug, 2023

  • 利用遥感图像和深度神经网络进行滑坡检测与分割

    基于多源遥感图像输入的深度神经网络系统用于滑坡检测和分割，通过特征工程、网络架构和结合损失函数等方法提高了性能。

    Dec, 2023

  • 利用局部对齐卷积神经网络预测山体滑坡

    本文探讨利用卷积神经网络，并提出了局部对齐卷积神经网络模型，针对地表土石滑坡进行预测，该模型在准确度和对数似然方面相对于其他模型均有所提升，通过对各种异质特征进行输入，对滑坡进行预测。

    Nov, 2019

  • 大规模语义变化检测的多任务学习

    本论文提出了首个大规模高分辨率语义变化检测数据集，使用全卷积神经网络进行语义变化检测和土地覆盖分类，提出了一种序列训练方案，避免设置权衡不同损失函数而取得最佳效果的超参数。

    Oct, 2018

  • 利用深度上下文和地理先验信息从 Sentinel-2 映射地表自然属性

    我们发展了一个多模态监督深度学习框架，利用卫星图像数据来预测地表的自然度，以增进我们对生态系统的环境保护的理解。

    Jun, 2024

  • 一种基于高分辨率遥感影像和数字高程模型数据的超像素对比学习增强的旧滑坡检测分割网络

    通过引入高像素对比学习增强分割网络（HPCL-Net）来可靠提取语义特征，从而加强了原地滑坡分割模型的可靠性。在一个黄土高原的老地滑数据集上的实验证明，与之前的模型相比，该模型显著提高了原地滑坡的检测准确率。

    Aug, 2023

  • 滑坡分割模型的不确定性估计

    通过对多种方法评估分割的像素级别的不确定性，本研究发现在数据集中 Test-Time Augmentation 方法的质量始终优于其他方法，从而可以为解决错误、识别困难样本和增加标记训练数据提供低成本的监督。

    Nov, 2023