通过Swin-Unet构建高时间分辨率全球湖泊数据集及其在湖泊面积预测中的应用
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了全球湖泊动态持续监测的难题，尤其是现有数据周期长、无法捕捉快速变化的问题。我们提出的GLAKES-Additional数据库提供了1990年至2021年间152,567个湖泊的两年一次的边界和面积数据，采用Swin-Unet模型有效提高了空间分辨率。模型在气候和土地使用情景下进行湖泊面积变化预测，取得了良好的预测准确度，具有重要的生态和环境监测意义。
本研究提出了GLAKES-Additional数据库，解决了全球湖泊动态监测的问题，并提高了空间分辨率。模型预测湖泊面积变化准确度高，对生态和环境监测具有重要意义。
