リモートセンシングによる草地分類は、生態系のモニタリングと精密管理に不可欠ですが、従来の衛星ベースのアプローチは根本的に粗い空間分解能に制約されています。この限界を克服するために、私たちは高解像度のUAVマルチセンサーデータを活用し、マルチスケール画像融合を深層学習と統合して、衛星では提供できない細分化された草地分類を実現します。まず、RGB、マルチスペクトル、熱赤外線、LiDAR点群を含む4種類のUAVデータが収集され、10チャネル（NDVI、VCI、CHMなど）からなる融合画像テンソルが正射補正および再サンプリングを通じて構築されました。特徴レベルでの融合のために、4つの深層融合ネットワークが設計されました。その中で、ピラミッドプーリングモジュールを利用したMultiScale Pyramid Fusion Networkは、スペクトルおよび構造的特徴を効果的に統合し、情報エントロピー（6.84）、空間周波数（15.56）、平均勾配（12.54）を含む6つの画像融合評価指標において最適なパフォーマンスを達成しました。次に、視覚的解釈サンプルを統合して訓練および検証データセットが構築されました。UNet++、DeepLabV3+、PSPNet、FPNを含む4つのバックボーンネットワークが使用され、注意モジュール（SE、ECA、CBAM）が個別に導入されて12のモデル組み合わせが形成されました。結果は、UNet++ネットワークとSE注意モジュールの組み合わせが検証セットで最高のセグメンテーションパフォーマンスを達成し、平均Intersection over Union（mIoU）は77.68%、全体の精度（OA）は86.98%、F1スコアは81.48%、カッパ係数は0.82でした。レイマスチネンシスとプッキネリアディスタンスのカテゴリーでは、製作者の精度（PA）/ユーザーの精度（UA）はそれぞれ86.46%/82.30%および82.40%/77.68%に達しました。全画像の予測は、モデルのパッチ境界の一貫した識別能力を検証しました。結論として、この研究はマルチソースのUAVリモートセンシングデータとインテリジェントな草地解釈を統合する体系的なアプローチを提供し、草地の生態学的モニタリングおよび資源評価への技術的サポートを提供します。
Cai et al. (Mon,)はこの問題を研究しました。