Monitoring snow avalanches from SAR data with deep learning

要約

雪の雪崩は、特に山岳地帯での人間の生活とインフラストラクチャに重大なリスクをもたらし、効果的な監視が重要になります。
フィールド観測などの従来の監視方法は、アクセシビリティ、気象条件、コストによって制限されます。
衛星媒介合成開口レーダー（SAR）データは、すべての気象条件や遠隔地でデータをキャプチャできるため、大規模な雪崩検出のための重要なツールとなっています。
ただし、従来の処理方法は、雪崩の複雑さと変動に苦しんでいます。
この章では、SARデータから雪の雪崩を検出およびセグメント化するための深い学習の適用をレビューします。
SAR画像のバイナリ分類に焦点を当てた初期の取り組みは、最近の進歩によりピクセルレベルのセグメンテーションを可能にし、より高い精度と空間分解能を提供しました。
Sentinel-1 SARデータを使用したケーススタディは、雪崩セグメンテーションのための深い学習モデルの有効性を示しており、従来の方法よりも優れた結果を達成しています。
また、この作業の拡張機能を提示し、4,500を超える注釈付きSAR画像の拡張データセットで最近の最先端のセグメンテーションアーキテクチャをテストします。
テストされたものの中で最良のパフォーマンスモデルは、ノルウェー全体で大規模な雪崩検出に適用され、いくつかの冬の季節にわたって重要な空間的および時間的パターンを明らかにしました。

要約(オリジナル)

Snow avalanches present significant risks to human life and infrastructure, particularly in mountainous regions, making effective monitoring crucial. Traditional monitoring methods, such as field observations, are limited by accessibility, weather conditions, and cost. Satellite-borne Synthetic Aperture Radar (SAR) data has become an important tool for large-scale avalanche detection, as it can capture data in all weather conditions and across remote areas. However, traditional processing methods struggle with the complexity and variability of avalanches. This chapter reviews the application of deep learning for detecting and segmenting snow avalanches from SAR data. Early efforts focused on the binary classification of SAR images, while recent advances have enabled pixel-level segmentation, providing greater accuracy and spatial resolution. A case study using Sentinel-1 SAR data demonstrates the effectiveness of deep learning models for avalanche segmentation, achieving superior results over traditional methods. We also present an extension of this work, testing recent state-of-the-art segmentation architectures on an expanded dataset of over 4,500 annotated SAR images. The best-performing model among those tested was applied for large-scale avalanche detection across the whole of Norway, revealing important spatial and temporal patterns over several winter seasons.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google