Portraying the Need for Temporal Data in Flood Detection via Sentinel-1

要約

リモートセンシングデータから洪水の影響を受けた地域を特定することは、洪水の影響を分析して対応を推進するための地球観測における重要な問題です。
文献では多くの方法が提案されていますが、利用可能な洪水検出データセットには 2 つの主な制限があります: (1) 地域変動の欠如が一般に観察される、および/または (2) 恒久的な水域と浸水地域を区別する必要がある
単一の画像からでは、不適切な設定になります。
その結果、各洪水イベントに関する 1 年間の Sentinel-1 観測を提供することで、世界的に多様な MMFlood データセットを複数の日付に拡張しました。
驚いたことに、画像シーケンス全体を観察すると、MMFlood のフラッディングされたピクセルの定義が一貫していないことに気づきました。
したがって、洪水検出タスクを時間的異常検出問題として再構築し、異常な水域を Sentinel-1 の時間シーケンスからセグメント化します。
この定義に基づいて、人気のあるビデオ変化検出器 ViBe にヒントを得た簡単な方法を提供します。その結果は SAR 画像の時系列と定量的に一致し、将来の作業のための合理的なベースラインを提供します。

要約(オリジナル)

Identifying flood affected areas in remote sensing data is a critical problem in earth observation to analyze flood impact and drive responses. While a number of methods have been proposed in the literature, there are two main limitations in available flood detection datasets: (1) a lack of region variability is commonly observed and/or (2) they require to distinguish permanent water bodies from flooded areas from a single image, which becomes an ill-posed setup. Consequently, we extend the globally diverse MMFlood dataset to multi-date by providing one year of Sentinel-1 observations around each flood event. To our surprise, we notice that the definition of flooded pixels in MMFlood is inconsistent when observing the entire image sequence. Hence, we re-frame the flood detection task as a temporal anomaly detection problem, where anomalous water bodies are segmented from a Sentinel-1 temporal sequence. From this definition, we provide a simple method inspired by the popular video change detector ViBe, results of which quantitatively align with the SAR image time series, providing a reasonable baseline for future works.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google