面向气候变化监测的 AI 就绪雪雷达回波图数据集 (SRED)
计算机视觉与模式识别
2025-05-05 v1
摘要
精准跟踪雷达回波图中的内部层对于理解冰盖动力学和量化因全球气候变暖导致的格陵兰及其他极地区冰巴排放的影响至关重要。深度学习算法已成为自动化这一任务的主导方法，但缺乏标准化且标注完善的回波图数据集阻碍了可靠测试和比较算法的能力，限制了雷达回波图层追踪问题中前沿方法的发展。本研究介绍了首个源自美国NASA Operation Ice Bridge (OIB) 任务2012年空中雪雷达数据的综合性“深度学习就绪”雷达回波图数据集。数据集包含13,717个标记的和57,815个弱标记的回波图，覆盖干雪区、消融区和湿雪区，沿轨分辨率各不相同。为演示其实用性，我们在数据集上评估了五种深度学习模型的性能。结果表明，虽然当前计算机视觉分割算法能够识别并跟踪雪层像素，但仍需更高级的端到端模型直接从回波图中提取雪深和年积累量，从而减少或消除后处理。数据集及其随附的基准测试框架为推进雷达回波图层追踪和雪蓄积估计、深化对极地冰盖应气候变暖反应的理解提供了宝贵资源。
引用
@article{arxiv.2505.00786,
title = {AI-ready Snow Radar Echogram Dataset (SRED) for climate change monitoring},
author = {Oluwanisola Ibikunle and Hara Talasila and Debvrat Varshney and Jilu Li and John Paden and Maryam Rahnemoonfar},
journal= {arXiv preprint arXiv:2505.00786},
year = {2025}
}