详细内容或原文请订阅后点击阅览
以亚米级精度绘制中国城市地图
土地利用和土地覆盖 (LULC) 信息是气候科学、灾害管理、粮食安全和生态系统保护研究的基础。卫星成像的进步提高了分辨率，但高分辨率土地覆盖测绘仍然面临重大障碍。
来源:英国物理学家网首页土地利用和土地覆盖 (LULC) 信息是气候科学、灾害管理、粮食安全和生态系统保护研究的基础。卫星成像的进步提高了分辨率，但高分辨率土地覆盖测绘仍然面临重大障碍。
传统的机器学习方法往往无法捕捉精细的城市结构，而深度学习方法需要大量的标记数据，这些数据的生产既费力又昂贵。弱监督方法和基础模型显示出了希望，但在不同城市环境中的准确性和可转移性方面存在困难。由于这些挑战，迫切需要开发新的策略来降低注释成本，同时确保可靠的大规模亚米级测绘。
深度学习方法来自武汉大学和浙江明州测绘院的团队开发了一种新的解决方案。他们的研究发表在《遥感杂志》上，介绍了“初始和扩展标签”(IEL) 引擎，并展示了 EcoVision，这是一种覆盖中国 42 个最大城市的亚米级分辨率土地覆盖产品。通过集成高分辨率图像、众包数据和深度学习模型，研究人员获得了前所未有的 0.5 米土地覆盖数据集，在超过 2300 万个验证像素上准确率高达 83.6%。
已发布应用 IEL，该团队制作了 EcoVision，将城市地区分为八类：建筑物、道路、其他不透水表面、草/灌木、树木、土壤、农业和水。验证涉及 42 个城市的 2,385 个图像块，覆盖 23,850,000 像素，总体准确率达到 83.6%。建筑等关键类别的 F1 分数达到 90%，道路和农业超过 83%。
城市地区