Sentinel-3 烧伤疤痕的时间建模
Temporal Modelling for Burn Scars on Sentinel-3
浏览论文内容
中文总结 AI 辅助
本研究提出一个包含246次野火事件的时间配对Sentinel-3 OLCI数据集，通过ConvLSTM增强的时间建模，证明仅当包含火灾前帧时才能提升烧伤疤痕分割性能，且5波段子集可媲美全波段配置。
中文摘要 AI 辅助
从卫星图像中快速准确地描绘烧伤疤痕对于火灾后损害评估至关重要。Sentinel-3 OLCI 具有每日重访和 21 个光谱波段，适合快速制图，然而大多数处理流程将采集视为独立事件，未利用火灾前后的变化信号。我们提出了一个包含 2016-2025 年间来自哥白尼应急管理服务的 246 次野火激活事件的数据集，并配有 Sentinel-3 OLCI 时间配对采集。我们在两种输入模式和光谱配置下，对三种骨干网络（U-Net、SegFormer、ConvNeXt-UPerNet）的空间和时间（ConvLSTM 增强）变体进行了基准测试。时间建模仅在包含火灾前帧时才能改善分割效果，且 5 波段子集与完整的 21 波段 OLCI 配置性能相当。
英文摘要
Rapid and accurate burn scar delineation from satellite imagery is essential for post-fire damage assessment. Sentinel-3 OLCI, with daily revisit and 21 spectral bands, suits rapid mapping, yet most pipelines treat acquisitions independently, leaving the pre/post-fire change signal unexploited. We present a dataset of 246 wildfire activations (2016-2025) from the Copernicus Emergency Management Service, with Sentinel-3 OLCI temporally paired acquisitions. We benchmark spatial and temporal (ConvLSTM-augmented) variants of three backbones (U-Net, SegFormer, ConvNeXt-UPerNet) under two input modes and spectral configurations. Temporal modeling improves segmentation only when pre-fire frames are included, and a 5-band subset matches the full 21-band OLCI configuration.
发表机构
- Politecnico di Torino（都灵理工大学）
- Fondazione LINKS（LINKS基金会）
机构由 AI 辅助整理，请以论文原文为准。
