arXiv · cs.AI· Maximilian Kirsch, Christine Preisach·· 5 小时前
基于深度学习的森林分类可解释性研究：用 Sentinel-2 时间序列区分相似森林类别
Exploring Interpretability in Deep Learning-Based Forest Classification - Separating Similar Forest Classes using Sentinel-2 Time Series
arXiv:2610.19270v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Maximilian Kirsch, Christine Preisach
研究任务与主要进展
一项研究用循环神经网络（RNN）基于 Sentinel-2 时间序列进行树种分类，重点区分挪威云杉的纯林与混交像元。最佳 RNN 模型测试 Macro-F1 达 0.851，比 XGBoost 高 0.012、比 Random Forest 高 0.103。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org