AerialStamp: dating aerial orthophotos from visual cues and Sentinel-2 time series
Clemens Mosig · David Montero Loaiza · Miguel D. Mahecha 等 5 人
提出AerialStamp方法，从影像视觉线索与Sentinel-2时序估计航拍正射影像的拍摄日期。
DINOv2影像块嵌入结合Sentinel-2周时序空间相关特征，用dead t
日期估计中位绝对误差18.5天，检出至少1.3%日期错误、10.3%疑似占位日期。
可将日期校验用于众源农业无人机影像元数据质控，并拓展至多源时序对齐与作物长势回溯。
提出用视觉特征与Sentinel-2时序估计航空正射影像拍摄日期的方法，数据规模大、误差指标明确，对遥感参考数据质量控制有实用价值。
无人机和飞机拍摄的航空影像正日益被用作卫星遥感的参考数据。要将正射影像与同一时间的卫星观测相关联，需要知道其获取日期。在众包航空影像档案中，所报告的获取日期可能不正确或不完整。然而，目前尚不存在从数据中验证或估计该日期的方法。在此，我们开发了AerialStamp，一种从无人机或飞机获取的航空正射影像中估计其获取日期的方法，输出为飞行年份各天上经过校准的概率分布。该模型将正射影像10厘米斑块的DINOv2嵌入与该站点的Sentinel-2时间序列相结合。对于该时间序列的每一周，空间相关特征描述了聚合至10米的正射影像在各像素上与当周Sentinel-2影像的相关程度。我们使用了众包数据库deadtrees.earth中来自129个国家的6,984幅公开可用的正射影像。空间块交叉验证得出的中位绝对误差为18.5天（平均30.3天），其中7%的正射影像的估计日期与提交日期相差超过90天。在众包航空影像数据集中，至少1.3%的获取日期被检测为错误。另有10.3%落在某月的1日或15日，这些日期被提交的频率约为随机预期的1.6倍，因此很可能被用作占位符。所得框架以Python包形式提供（github.com/cmosig/aerialstamp），并正在整合到deadtrees.earth平台中。