摘要
近年来，野火由于其频率和严重程度的增加，给环境带来了重大挑战。因此，精确划定烧毁区域对于环境监测和火灾后的评估至关重要。然而，传统的基于二值分割模型的方法在资源有限的情况下往往难以获得稳健且准确的结果，尤其是在从零开始训练时，由于该分割任务固有的不平衡性而面临更大困难。我们提出通过两种方法来解决这些限制：首先，构建一个专门的数据集以应对资源有限的问题，该数据集结合了Sentinel-2卫星数据、Copernicus激活数据和其他数据源的信息。在这个数据集中，我们为多个任务提供了注释，包括烧毁区域划定和土地覆盖分割。其次，我们提出了一种多任务学习框架，将土地覆盖分类作为辅助任务纳入其中，以增强烧毁区域分割模型的稳健性和性能。我们比较了不同模型（如UPerNet和SegFormer）的性能，证明了我们的方法相较于标准的二值分割方法的有效性。