Краткое содержание

arXiv:2511.11096v1 Тип объявления: новый Аннотация: Нашествия короедов представляют собой серьезную проблему поддержания здоровья хвойных лесов. В данной статье предлагается подход к обучению с небольшим числом примеров (few-shot), использующий контрастное обучение для обнаружения очагов поражения короедами с помощью спутниковых гиперспектральных данных PRISMA. Методика основана на применении фреймворка контрастного обучения для предварительного обучения одномерного кодировщика свёрточной нейронной сети (CNN), позволяющего извлекать устойчивые признаки из гиперспектральных данных. Извлечённые признаки впоследствии используются в качестве входных данных для оценщиков регрессии опорных векторов, одного для каждого класса, обученных на небольшом количестве размеченных образцов для оценки пропорций здоровых деревьев, поражённых короедом и мёртвых деревьев для каждого пикселя. Эксперименты на исследуемой территории Доломитовых Альп показывают, что предложенный метод превосходит использование исходных спектральных полос PRISMA и данных Sentinel-2. Результаты указывают на значительное преимущество комбинации гиперспектральных данных PRISMA с обучением на малом числе примеров.