基于机器学习利用光学卫星与网络摄像头监测瑞士湖泊冰情
计算机视觉与模式识别
2020-10-28 v1 人工智能
摘要
对气候指标（如湖泊结冰趋势）的持续观测对于理解局部和全球气候系统的动态至关重要。因此，湖泊冰已被纳入全球气候观测系统（GCOS）的基本气候变量（ECVs），并且有必要建立业务化监测能力。多时相卫星影像和公开可用的网络摄像头流是监测湖泊冰的可行数据源。在本工作中，我们研究基于机器学习的图像分析，将其作为从多光谱光学卫星影像（VIIRS 和 MODIS）以及 RGB 网络摄像头影像中确定瑞士阿尔卑斯湖泊冰的时空范围以及结冰日（ice-on）和融冰日（ice-off）的工具。我们将湖泊冰监测建模为逐像素语义分割问题，即湖泊表面的每个像素被分类以获得冰盖的空间显式地图。我们通过实验表明，所提出的系统在多个冬季和湖泊的数据上测试时产生持续良好的结果。我们的基于卫星的方法对两种传感器均获得 >93% 的平均交并比（mIoU）分数。它也能很好地跨湖泊和跨冬季泛化，mIoU 分数分别 >78% 和 >80%。平均而言，我们的网络摄像头方法在不同摄像头和冬季上分别实现约 87% 和约 71% 与约 69% 的 mIoU 值与泛化分数。此外，我们提出了一个新的网络摄像头影像基准数据集（Photi-LakeIce），其包含来自两个冬季和三台摄像头的数据。
引用
@article{arxiv.2010.14300,
title = {Ice Monitoring in Swiss Lakes from Optical Satellites and Webcams using Machine Learning},
author = {Manu Tom and Rajanie Prabha and Tianyu Wu and Emmanuel Baltsavias and Laura Leal-Taixe and Konrad Schindler},
journal= {arXiv preprint arXiv:2010.14300},
year = {2020}
}
备注
Accepted for publication in MDPI Remote Sensing Journal