SEN12-WATER：用于水文应用的新数据集及其基准测试
图像与视频处理
2024-10-22 v1 人工智能
机器学习
摘要
气候变化和日益增加的干旱构成了全球水资源管理的重大挑战。这些问题导致严重的水源短缺，威胁生态系统、农业和人类社区。为此，本文提出了新的数据集 SEN12-WATER，以及一个用于主动干旱相关分析的新型端到端深度学习（DL）框架。该数据集作为时空数据立方体，集成了 SAR 偏振、地形高程、坡度以及多光谱光学波段。我们的深度学习框架 enables 对感兴趣水库中水量损失的时间分析，揭示了通过考察物理量（如水量）的时间变化，为干旱分析提供了关于水动力学的重要见解。我们的 methodology 充分利用了所提数据集的多时空和多模态特征，实现了稳健的泛化，深化了对干旱的理解，为气候变化韧性和可持续水资源管理作出贡献。该框架包括多个组件：从 SAR 数据中进行散点噪声去除、通过 U-Net 架构进行水体分割、进行时间序列分析以及 Time-Distributed-Convolutional Neural Network（TD-CNN）的预测能力。结果通过现场获取的地面真实数据以及诸如精确率、召回率、交并比、均方误差、结构相似性指数和峰值信噪比等量化指标进行验证。
引用
@article{arxiv.2409.17087,
title = {SEN12-WATER: A New Dataset for Hydrological Applications and its Benchmarking},
author = {Luigi Russo and Francesco Mauro and Alessandro Sebastianelli and Paolo Gamba and Silvia Liberata Ullo},
journal= {arXiv preprint arXiv:2409.17087},
year = {2024}
}
备注
Submitted to IEEE Transactions on Geoscience and Remote Sensing