Mapping bathymetry of inland water bodies on the North Slope of Alaska with Landsat using Random Forest

要約

アラスカの北の斜面は、地元住民と野生生物に重要な生態系サービスを提供する小さな水域に支配されています。
そのような情報を収集する際の課題により、水域の深さに関する詳細情報はほとんどありません。
この作業では、アラスカの北斜面の水域の多宇宙ランドサットデータからの深さを予測するために、機械学習（ランダムフォレストレグレッサー）モデルをトレーニングしました。
最大の課題は、モデルを訓練するのが費用がかかり、入手が困難なIn situデータの希少性です。
ランダムフォレストのより多様なトレーニングデータプールを提供するために、合成トレーニングデータとして以前の研究からモデル化された深度予測を使用することにより、この課題を克服しました。
最終的なランダムフォレストモデルは、IN in situデータで直接訓練されたモデルよりも堅牢であり、2016年から2018年までの208 Landsat 8シーンに適用されると、検証時に全体の$ r^{2} $値が0.76のマップが得られました。
最終マップは、Oak Ridge National Laboratory Distribues Active Archive Center（ORNL-DAAC）を通じて利用可能になりました。
このマップは、アラスカの北斜面全体のピクセルあたりの深さの推定値を伴う水域深度のこの種の地域評価の最初のものを表しています。

要約(オリジナル)

The North Slope of Alaska is dominated by small waterbodies that provide critical ecosystem services for local population and wildlife. Detailed information on the depth of the waterbodies is scarce due to the challenges with collecting such information. In this work we have trained a machine learning (Random Forest Regressor) model to predict depth from multispectral Landsat data in waterbodies across the North Slope of Alaska. The greatest challenge is the scarcity of in situ data, which is expensive and difficult to obtain, to train the model. We overcame this challenge by using modeled depth predictions from a prior study as synthetic training data to provide a more diverse training data pool for the Random Forest. The final Random Forest model was more robust than models trained directly on the in situ data and when applied to 208 Landsat 8 scenes from 2016 to 2018 yielded a map with an overall $r^{2}$ value of 0.76 on validation. The final map has been made available through the Oak Ridge National Laboratory Distribute Active Archive Center (ORNL-DAAC). This map represents a first of its kind regional assessment of waterbody depth with per pixel estimates of depth for the entire North Slope of Alaska.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google