深層学習ベースの変化検出によるSAR画像からの大規模アバランチ（雪崩）マッピング

arXiv cs.CV / 2026/3/25

💬 オピニオンIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、Sentinel-1のSAR画像を用いて、大規模かつ二時点（事象前・事象後）のアバランチマッピングを調査し、急速な土砂・質量移動に伴うハザードに向けて、事象前後の画像間の変化検出に焦点を当てる。
手作業で検証されたアバランチのインベントリを用いた複数のアルプス系エコリージョンにまたがる実験の結果、事象前後のSAR入力のみを用いた単峰性の変化検出アプローチが最も一貫した結果を示す。
提案するエンドツーエンドのパイプラインでは、F1スコアが0.8061（保守的・F1最適化）であり、F2スコアが0.8414、さらにアバランチポリゴンのヒット率が80.36%（再現率重視・F2最適化）であると報告される。
本研究は、精度–再現率のトレードオフを制御可能であることを強調しており、閾値調整により小規模あるいは境界的なアバランチの検出を改善できることを示す。
注釈付きの多地域データセットを公開することで、SARベースの雪崩マッピングに関する今後の研究のための、再現可能なベンチマークを提供する。