基于深度学习绘制全球水系

水系塑造着地球系统过程和人类社会，更好地了解其分布可助力从地球系统建模到人类发展和灾害响应等多种应用。目前大多数绘制全球水系的努力都需要大量建模和专业知识输入，重复成本高昂。特别是在经济发展水平较低的地区，仍存在诸多空白。本文提出一种基于深度学习的计算机视觉模型，可根据 10m 谷歌雷达卫星影像和 30m GLO-30 Copernicus 数字高程模型绘制水系。我们使用美国的高保真水系数据进行训练。我们将该模型与矢量化过程相结合，用于绘制全球水系。为广泛实用和下游建模，我们将新数据锚定在现有绘制的流域和水系数据集 TDX-Hydro 的骨架上。总体而言，我们将 1.24 亿公里的水系添加到 TDX-Hydro 数据集中已有的 5.4 亿公里水系之外，全球绘制的水系范围超过三倍。