Phase-Preserving Trimodal Transformer for Tropical Forest Biomass Estimation Using Optical and PolInSAR Data

작성자

Haebom

카테고리

Empty

저자

Luiz Felipe Parente Santiago (Instituto de Computa\c{c}ao, Universidade Federal do Amazonas, Instituto de Pesquisas do Exercito na Amazonia), Felipe Ferrari (Instituto Militar de Engenharia), Daniel Rodrigues dos Santos (Instituto Militar de Engenharia), Rosiane de Freitas (Instituto de Computa\c{c}ao, Universidade Federal do Amazonas)

💡 개요

본 연구는 열대림의 높은 식생 밀도로 인한 SAR 신호 포화와 잦은 구름으로 인한 광학 영상의 한계를 극복하기 위해, 광학 영상과 P/L 밴드 PolInSAR 데이터를 융합하는 새로운 물리 기반 딥러닝 모델인 Trimodal Coherent Co-attention Transformer (TCCT)를 제안합니다. TCCT는 복소수 인코더를 사용하여 공간 위상 정보를 보존하고, 클라우드 오염 광학 픽셀의 영향은 줄이고 마이크로파 위상 데이터의 중요성은 높이는 적응형 게이팅 메커니즘을 활용합니다.

🔑 시사점 및 한계

•

위상 정보의 중요성: 복소수 인코더를 통한 위상 보존은 식생 깊은 곳의 신호 포화 문제를 완화하여 AGB 추정 정확도를 향상시키는 데 중요한 역할을 합니다.

•

적응형 데이터 융합: 동적인 공동 주의 메커니즘을 통해 클라우드 영향을 받는 광학 데이터의 가중치를 줄이고 PolInSAR 데이터의 강점을 효과적으로 활용함으로써, 다양한 환경 조건에서의 추정 성능을 높입니다.

•

일반화 및 국소화: 5-겹 교차 검증을 통한 전역 가중치 학습과 국소화된 공간 미세 조정 단계를 거쳐, 유럽 우주국(ESA) BIOMASS 임무 요구사항을 만족하는 높은 정확도를 달성했지만, 특정 지역의 나무 밀도에 대한 국소화된 보정 모델 사용은 다른 지역으로의 일반화 성능에 영향을 줄 수 있습니다.

PDF 보기

Made with Slashpage