Constructing a High Temporal Resolution Global Lakes Dataset via Swin-Unet with Applications to Area Prediction

要約

湖は、水の供給、生物多様性の生息地、炭素隔離など、幅広い貴重な生態系サービスを提供します。
しかし、湖は気候変動と人間の活動によってますます脅かされています。
したがって、湖の動態を地球規模で継続的に監視することは非常に重要ですが、大規模な監視は依然として困難です。
最近開発された世界湖沼面積データベース (GLAKES) は、世界中の 340 万以上の湖をマッピングしていますが、10 年間隔のデータしか提供していないため、急速または短期間の変化を捉えるには不十分である可能性があります。この文書では、拡張された湖のデータベース GLAKES を紹介します。
Additional では、1990 年から 2021 年まで世界中の 152,567 の湖の描写と面積測定を隔年で提供しています。当社では、高空間解像度衛星画像の受容野要件によってもたらされる課題に効果的に対処するために、従来の畳み込み演算を置き換える Swin-Unet モデルを採用しました。
2 年ごとの時間分解能の向上は、湖面積の変化が降水量や気温の変化などの気候および水文学的要因によるものであると定量的に判断するのに役立ちます。湖面積の変化を予測するために、長期短期記憶 (LSTM) ニューラル ネットワークと拡張時系列データセットを使用しました。
予備モデリング用。
気候と土地利用のシナリオの下で、私たちのモデルは将来の湖面積の変化を予測する際に 0.317 km^2 の RMSE を達成しました。

要約(オリジナル)

Lakes provide a wide range of valuable ecosystem services, such as water supply, biodiversity habitats, and carbon sequestration. However, lakes are increasingly threatened by climate change and human activities. Therefore, continuous global monitoring of lake dynamics is crucial, but remains challenging on a large scale. The recently developed Global Lakes Area Database (GLAKES) has mapped over 3.4 million lakes worldwide, but it only provides data at decadal intervals, which may be insufficient to capture rapid or short-term changes.This paper introduces an expanded lake database, GLAKES-Additional, which offers biennial delineations and area measurements for 152,567 lakes globally from 1990 to 2021. We employed the Swin-Unet model, replacing traditional convolution operations, to effectively address the challenges posed by the receptive field requirements of high spatial resolution satellite imagery. The increased biennial time resolution helps to quantitatively attribute lake area changes to climatic and hydrological drivers, such as precipitation and temperature changes.For predicting lake area changes, we used a Long Short-Term Memory (LSTM) neural network and an extended time series dataset for preliminary modeling. Under climate and land use scenarios, our model achieved an RMSE of 0.317 km^2 in predicting future lake area changes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google