Scalable Glacier Mapping using Deep Learning and Open Earth Observation Data Matches the Accuracy of Manual Delineation

要約

地球規模の氷河の正確なマッピングは、気候変動の影響を理解するために不可欠です。
その重要性にもかかわらず、地球規模での自動化された氷河マッピングはまだほとんど調査されていません。
ここでは、このギャップに対処し、畳み込み変換深層学習モデルである Glacier-VisionTransformer-U-Net (GlaViTU) と、公開衛星画像を使用した多時間世界規模の氷河マッピングのための 5 つの戦略を提案します。
空間的、時間的、およびセンサー間の一般化を評価すると、私たちの最良の戦略は、ほとんどの場合、これまで観察されていなかった画像で結合上の交差 > 0.85 を達成しますが、アジアの高山地域などの瓦礫の多い地域では > 0.75 に低下し、 > 0.90 に増加します。
きれいな氷が大半を占める地域向け。
面積と距離の偏差に関する人間の専門家の不確実性との比較検証により、GlaViTU のパフォーマンスが専門家レベルの描写に近い、または一致していることが強調されます。
合成開口レーダー データ、つまり後方散乱と干渉コヒーレンスを追加すると、利用可能なすべての領域で精度が向上します。
氷河の範囲に対する校正された信頼度が報告されるため、予測の信頼性が高まり、解釈しやすくなります。
また、世界中の氷河の 9% をカバーするベンチマーク データセットもリリースしています。
私たちの結果は、自動化された多時間的かつ地球規模の氷河マッピングに向けた取り組みを裏付けています。

要約(オリジナル)

Accurate global glacier mapping is critical for understanding climate change impacts. Despite its importance, automated glacier mapping at a global scale remains largely unexplored. Here we address this gap and propose Glacier-VisionTransformer-U-Net (GlaViTU), a convolutional-transformer deep learning model, and five strategies for multitemporal global-scale glacier mapping using open satellite imagery. Assessing the spatial, temporal and cross-sensor generalisation shows that our best strategy achieves intersection over union >0.85 on previously unobserved images in most cases, which drops to >0.75 for debris-rich areas such as High-Mountain Asia and increases to >0.90 for regions dominated by clean ice. A comparative validation against human expert uncertainties in terms of area and distance deviations underscores GlaViTU performance, approaching or matching expert-level delineation. Adding synthetic aperture radar data, namely, backscatter and interferometric coherence, increases the accuracy in all regions where available. The calibrated confidence for glacier extents is reported making the predictions more reliable and interpretable. We also release a benchmark dataset that covers 9% of glaciers worldwide. Our results support efforts towards automated multitemporal and global glacier mapping.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google