在野火监测中，识别火灾后迹地与未燃烧区域并评估损害程度是一项主要挑战。 这种识别对于支持紧急响应人员做出决策至关重要。 利用包含丰富的高时间和光谱信息的卫星影像以及先进的机器学习技术，可以实现对大规模野火后景观的自动化监控和管理。 火灾后迹地深度学习模型成为从卫星影像中准确识别和描绘野火后果的关键工具。
Prithvi-100M 火灾后迹地预训练模型由 NASA 和 IBM 共同开发，他们利用 HLS 火灾后迹地场景数据集对地球观测的基础模型 Prithvi-100m 进行了微调。 该模型能够自动化地对多光谱卫星影像中的火灾后迹地进行分类。
许可要求
要完成此工作流，需满足以下许可要求：
- ArcGIS Desktop - ArcGIS Image Analyst 的 ArcGIS Pro 扩展模块
- ArcGIS Enterprise - 已配置栅格分析的 ArcGIS Image Server
- ArcGIS Online - ArcGIS Image for ArcGIS Online
模型详细信息
此模型具有以下特征：
- 输入 - 六波段合成的栅格图像、镶嵌数据集或图像服务。
- 输出 - 具有两个类的分类栅格：无燃烧和火灾后迹地。
- 计算 - 此为计算密集型工作流，建议使用计算能力为 6.0 或以上的 GPU。
- 适用地理位置 - 该模型预期在全球范围内均能有效工作。
- 架构 - 该模型整合了 IBM 和 NASA 的 Prithvi-100M 火灾后迹地模型，并采用了基于 ViT 架构和 Masked AutoEncoder (MAE) 学习策略的自监督编码器。
- 训练数据 - 此模型利用 HLS 火灾后迹地场景数据集对 Prithvi-100m 预训练模型进行了微调。
- 精度指标 - 该模型在火灾后迹地分类上的交并比 (IoU) 为 0.73，整体精度可达到 96%。
访问和下载模型
从 ArcGIS Living Atlas of the World 下载 Prithvi - 火灾后迹地细分预训练模型。 也可以从 ArcGIS Pro 直接访问模型，或在 ArcGIS Image for ArcGIS Online 中使用模型。
- 浏览至 ArcGIS Living Atlas of the World。
- 使用您的 ArcGIS Online 凭据进行登录。
- 搜索 Prithvi - Burn Scars Segmentation，并从搜索结果打开相应项目页面。
- 单击下载按钮以下载模型。
您可以在 .dlpk 中直接使用下载的 ArcGIS Pro 文件，或者在 ArcGIS Enterprise 中上传并使用文件。 还可以根据需要微调预训练模型。
发布说明
以下为发布说明：
| 日期 | 描述 |
|---|---|
| 2024 年 1 月 | “Prithvi - 火灾后迹地细分”第一版发布 |