Unsupervised Flood Detection on SAR Time Series

要約

人間の文明は、地球システムにますます強力な影響を与えています。
近年、気候変動や土地利用の変化の影響を受け、洪水などの自然災害が増加しています。
地球観測は、悪影響を評価して軽減するための貴重な情報源です。
地球観測データから変化を検出することは、考えられる影響を監視する 1 つの方法です。
効果的で信頼性の高い変更検出 (CD) 手法は、災害イベントのリスクを早期に特定するのに役立ちます。
この作業では、時系列の合成開口レーダー~(SAR)データに対する新しい教師なしCD法を提案します。
私たちの提案する方法は、教師なし学習技術、再構成、および対照学習でトレーニングされた確率モデルです。
変更マップは、インシデント前とインシデント後のデータの分布の違いを利用して生成されます。
提案された CD モデルは、洪水検出データで評価されます。
Copernicus Emergency Management Services からの最近の 3 つの洪水イベントと Sen1Floods11 データセットからの 6 つの洪水イベントを含む、8 つの異なる洪水サイトでモデルの有効性を検証しました。
提案されたモデルは、平均 64.53\% の Intersection Over Union (IoU) 値と 75.43\% の F1 スコアを達成しました。
達成された IoU スコアは約 6 ～ 27\% であり、F1 スコアは、教師なしおよび教師ありの既存の CD メソッドと比較して約 7 ～ 22\% 優れています。
この研究で提示された結果と広範な議論は、提案された教師なし CD 法の有効性を示しています。

要約(オリジナル)

Human civilization has an increasingly powerful influence on the earth system. Affected by climate change and land-use change, natural disasters such as flooding have been increasing in recent years. Earth observations are an invaluable source for assessing and mitigating negative impacts. Detecting changes from Earth observation data is one way to monitor the possible impact. Effective and reliable Change Detection (CD) methods can help in identifying the risk of disaster events at an early stage. In this work, we propose a novel unsupervised CD method on time series Synthetic Aperture Radar~(SAR) data. Our proposed method is a probabilistic model trained with unsupervised learning techniques, reconstruction, and contrastive learning. The change map is generated with the help of the distribution difference between pre-incident and post-incident data. Our proposed CD model is evaluated on flood detection data. We verified the efficacy of our model on 8 different flood sites, including three recent flood events from Copernicus Emergency Management Services and six from the Sen1Floods11 dataset. Our proposed model achieved an average of 64.53\% Intersection Over Union(IoU) value and 75.43\% F1 score. Our achieved IoU score is approximately 6-27\% and F1 score is approximately 7-22\% better than the compared unsupervised and supervised existing CD methods. The results and extensive discussion presented in the study show the effectiveness of the proposed unsupervised CD method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google