Advancing spatio-temporal fusion with spectral super-resolution for enhancing remote sensing of marine debris and landfills
提出融合Sentinel-2与PlanetScope的时空融合框架,结合光谱超分辨提升海洋垃圾与填埋
阅读 2
关键词 · 相关资讯与研究
沿着“Sentinel-2 MODIS SMAP”继续探索,共 0 条内容。
提出融合Sentinel-2与PlanetScope的时空融合框架,结合光谱超分辨提升海洋垃圾与填埋
将Sentinel-2反射率与SMAP土壤水分同化进APSIM模型,提升玉米生物量估算精度。
基于Transformer及变体融合多源卫星与地下水数据,将SMAP土壤湿度降尺度至1km日尺度。
针对胡麻倒伏区域识别难题,研究构建改进YOLOv11n-seg模型。改进后的模型在精确度和平均精度均值上分别达到92.6%和95.2%,较原始YOLOv11n-seg模型分别提升3.7个百分点和2.1个百分点。模型参数量仅为1.73 M,计算量为8.0 GFLOPs,模型体积仅为3.8 MB,显示出较好的轻量化优势。该方法兼顾精度与轻量化,为智能化胡麻倒伏监测与实际田间设备部署提供了技术基础。
提出SAMWater,用提示引导多模态基础模型实现可迁移地表水制图。
融合Sentinel-1 SAR与Sentinel-2光学特征,在印尼热带山地实现93%精度的作物类
提出NNL-SM模型,融合NDMI、NDVI和LST将SMAP土壤水分从9km降尺度至1km。
提出多模态遥感时序框架,实现跨区域水稻种植制度八分类。