基于SAR时间序列的无监督洪水检测
计算机视觉与模式识别
2022-12-08 v1
摘要
人类文明对地球系统的影响日益强大。受气候变化和土地利用变化影响,近年来洪水等自然灾害不断增加。地球观测是评估和减轻负面影响的宝贵数据源。从地球观测数据中检测变化是监测可能影响的一种方式。有效可靠的变化检测(CD)方法有助于在早期识别灾害事件风险。本文提出一种针对时间序列合成孔径雷达(SAR)数据的新型无监督CD方法。我们提出的方法是一个用无监督学习技术、重构和对比学习训练的概率模型。变化图借助灾前与灾后数据之间的分布差异生成。我们提出的CD模型在洪水检测数据上进行了评估。我们在8个不同洪水站点验证了模型的有效性,包括来自Copernicus应急管理服务的三个近期洪水事件以及来自Sen1Floods11数据集的六个。我们提出的模型取得了平均64.53%的交并比(IoU)值和75.43%的F1分数。我们取得的IoU分数比所比较的无监督与有监督现有CD方法大约高6-27%,F1分数大约高7-22%。本研究呈现的结果与充分讨论显示了所提无监督CD方法的有效性。
引用
@article{arxiv.2212.03675,
title = {Unsupervised Flood Detection on SAR Time Series},
author = {Ritu Yadav and Andrea Nascetti and Hossein Azizpour and Yifang Ban},
journal= {arXiv preprint arXiv:2212.03675},
year = {2022}
}