{GSR4B}: Biomass Map Super-Resolution with Sentinel-1/2 Guidance

要約

大規模および高空間的解像度の両方での正確な地上バイオマス（AGB）マッピングは、気候モデリングから生物多様性評価、持続可能なサプライチェーン監視に至るまでのアプリケーションに不可欠です。
現在、細粒のAGBマッピングは、通常、地域のスケールに限定された費用のかかる空中レーザースキャン買収キャンペーンに依存しています。
ESA CCIマップなどのイニシアチブは、多様な宇宙媒介センサーからグローバルなバイオマス製品を生成しようとしますが、より粗い解像度です。
グローバルで高解像度（HR）マッピングを可能にするために、ESA Sentinel-1/2画像などのHR衛星観測からAGBを退行することを提案します。
HR衛星観測と既存の低解像度（LR）バイオマス製品の両方を活用することにより、HR AGB推定に対処するための新しい方法を提案します。
この問題は、ガイド付きの超解像度（GSR）としてキャストされ、補助HR共登録された衛星画像（ガイド）を使用して、LRバイオマスマップ（ソース）を100ドルから10ドルの解像度にアップサンプリングすることを目指しています。
ガイダンスの有無にかかわらず、衛星画像からの直接回帰、パブリックバイオマスターデータセットとの超分解AGBマップを比較します。
マルチスケールガイダンス（MSG）は、回帰（$ -780 $ T/ha RMSE）と知覚（$+2.0 $ db psnr）メトリックの両方で直接回帰を上回り、重要な計算オーバーヘッドなしで高ビオマス値をよりよくキャプチャすることが観察されます。
興味深いことに、元々設計されたRGB+深度設定とは異なり、私たちの最高のパフォーマンスのAGB GSRアプローチは、ガイド画像のテクスチャを最も保持するものです。
私たちの結果は、大規模な正確なHRバイオマスマッピングのためにGSRフレームワークを採用することを強く主張しています。
コードとモデルの重みは、公開されています（https://github.com/kaankaramanofficial/gsr4b）。

要約(オリジナル)

Accurate Above-Ground Biomass (AGB) mapping at both large scale and high spatio-temporal resolution is essential for applications ranging from climate modeling to biodiversity assessment, and sustainable supply chain monitoring. At present, fine-grained AGB mapping relies on costly airborne laser scanning acquisition campaigns usually limited to regional scales. Initiatives such as the ESA CCI map attempt to generate global biomass products from diverse spaceborne sensors but at a coarser resolution. To enable global, high-resolution (HR) mapping, several works propose to regress AGB from HR satellite observations such as ESA Sentinel-1/2 images. We propose a novel way to address HR AGB estimation, by leveraging both HR satellite observations and existing low-resolution (LR) biomass products. We cast this problem as Guided Super-Resolution (GSR), aiming at upsampling LR biomass maps (sources) from $100$ to $10$ m resolution, using auxiliary HR co-registered satellite images (guides). We compare super-resolving AGB maps with and without guidance, against direct regression from satellite images, on the public BioMassters dataset. We observe that Multi-Scale Guidance (MSG) outperforms direct regression both for regression ($-780$ t/ha RMSE) and perception ($+2.0$ dB PSNR) metrics, and better captures high-biomass values, without significant computational overhead. Interestingly, unlike the RGB+Depth setting they were originally designed for, our best-performing AGB GSR approaches are those that most preserve the guide image texture. Our results make a strong case for adopting the GSR framework for accurate HR biomass mapping at scale. Our code and model weights are made publicly available (https://github.com/kaankaramanofficial/GSR4B).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google