banet:使用卫星图像的时间序列对燃烧区域进行测绘和测年的深度学习方法

上传者: 42118056 | 上传时间: 2022-04-20 15:57:28 | 文件大小: 5.26MB | 文件类型: ZIP
BA-Net:一种深度学习方法,可使用卫星图像的时间序列来绘制和绘制燃烧区域的日期 在过去的几十年中,用于烧伤区域的地图绘制和从遥感影像确定日期的方法一直是广泛研究的对象。 当前方法的局限性,以及对它们所需的输入数据的大量预处理,使其难以改进或应用于不同的卫星传感器。 在这里,我们探索基于每日多光谱图像序列的深度学习方法,这是一种有前途且灵活的技术,可应用于具有各种空间和光谱分辨率的观测。 我们使用从VIIRS 750 m波段重新采样到0.01º空间分辨率网格的输入数据测试了全球五个区域的建议模型。 派生的燃烧区域已针对更高分辨率的参考地图进行了验证,并与MCD64A1 Collection 6和FireCCI51全局燃烧区域数据集进行了比较。 我们显示,尽管使用的空间分辨率观测值低于两个全局数据集,但拟议的方法在燃烧区域测绘的任务中取得了竞争性的结果。 此外,与最先进的产品相比,我们改善

文件下载

资源详情

[{"title":"( 136 个子文件 5.26MB ) banet:使用卫星图像的时间序列对燃烧区域进行测绘和测年的深度学习方法","children":[{"title":"setup.py <span style='color:#111;'> 1.87KB </span>","children":null,"spread":false},{"title":".gitignore <span style='color:#111;'> 1.54KB </span>","children":null,"spread":false},{"title":"07_web.ipynb <span style='color:#111;'> 5.85KB </span>","children":null,"spread":false},{"title":"03_models.ipynb <span style='color:#111;'> 8.15KB </span>","children":null,"spread":false},{"title":"graphical_abstract.jpg <span style='color:#111;'> 992.78KB </span>","children":null,"spread":false},{"title":"......","children":null,"spread":false},{"title":"<span style='color:steelblue;'>文件过多,未全部展示</span>","children":null,"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明