Kuro Siwo: 33 billion $m^2$ under the water. A global multi-temporal satellite dataset for rapid flood mapping

要約

気候変動によって悪化した世界の洪水は、人命、インフラ、環境に深刻な脅威をもたらしている。パキスタンとニュージーランドで最近発生した大災害は、復旧作業の指針を示し、脆弱性を理解し、将来の発生に備えるために、正確な洪水マッピングが緊急に必要であることを強調している。合成開口レーダー(SAR)リモートセンシングは、昼夜を問わず、全天候型のイメージング機能を提供する一方で、洪水セグメンテーションのためのディープラーニングへの応用は、大規模な注釈付きデータセットの欠如によって制限されている。この問題を解決するために、我々はKuro Siwoを紹介する。Kuro Siwoは、人手によって注釈が付けられた多時間のデータセットであり、世界全体で43の洪水イベントに及ぶ。このデータセットでは、3,380億m^2$以上の土地がマッピングされており、330億m^2$が浸水地域または恒久的な水域として指定されている。Kuro Siwoには、SAR Ground Range Detectedに基づく洪水マッピング用に最適化された高度処理プロダクトと、最小限の前処理を施した原始的なSAR Single Look Complexプロダクトが含まれており、位相情報と振幅情報の両方を活用する研究を促進し、下流のタスクの前処理に最大限の柔軟性を提供するように設計されています。リモートセンシングデータのための大規模な自己教師付き事前学習法の進歩を活用するために、我々はSARサンプルの大規模なラベルなしセットでKuro Siwoを補強する。最後に、ヨーロッパ、アメリカ、アフリカ、アジア、オーストラリアの多様な洪水事象の強力なベースラインを提供する広範なベンチマーク、すなわちBlackBenchを提供する。

要約(オリジナル)

Global floods, exacerbated by climate change, pose severe threats to human life, infrastructure, and the environment. Recent catastrophic events in Pakistan and New Zealand underscore the urgent need for precise flood mapping to guide restoration efforts, understand vulnerabilities, and prepare for future occurrences. While Synthetic Aperture Radar (SAR) remote sensing offers day-and-night, all-weather imaging capabilities, its application in deep learning for flood segmentation is limited by the lack of large annotated datasets. To address this, we introduce Kuro Siwo, a manually annotated multi-temporal dataset, spanning 43 flood events globally. Our dataset maps more than 338 billion $m^2$ of land, with 33 billion designated as either flooded areas or permanent water bodies. Kuro Siwo includes a highly processed product optimized for flood mapping based on SAR Ground Range Detected, and a primal SAR Single Look Complex product with minimal preprocessing, designed to promote research on the exploitation of both the phase and amplitude information and to offer maximum flexibility for downstream task preprocessing. To leverage advances in large scale self-supervised pretraining methods for remote sensing data, we augment Kuro Siwo with a large unlabeled set of SAR samples. Finally, we provide an extensive benchmark, namely BlackBench, offering strong baselines for a diverse set of flood events from Europe, America, Africa, Asia and Australia.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL