摘要
野火是欧洲联盟通过“哥白尼应急监测”（Copernicus EMS）地球观测计划积极监控的自然灾害之一，该计划持续发布与此类灾难事件相关的公共信息。野火不仅造成短期破坏，还会带来长期影响。因此，为减轻其影响并制定灾后恢复计划，亟需主管部门迅速响应。借助卫星影像与自动烧毁区域提取技术，可显著提升应急响应效率与决策速度。在此背景下，本文基于先进的深度学习框架，研究烧毁区域严重程度的估算问题。实验结果在大规模真实世界Sentinel-2卫星数据集上，对比了多种模型架构与损失函数的性能表现。此外，本文提出一种新颖的多通道注意力分析方法，以揭示模型的预测行为并增强模型的可解释性。通过引入扰动机制，对基于注意力机制的DS-UNet模型进行分析，评估不同领域驱动通道组在严重程度估算任务中的贡献程度。