Evaluating the effects of preprocessing, method selection, and hyperparameter tuning on SAR-based flood mapping and water depth estimation
Jean-Paul Travert, Cédric Goeury, Sébastien Boyaval, Vito Bacchi, Fabrice Zaoui
合成孔径雷达(SAR)图像的洪水测绘和水深估计对于校准和验证液压模型至关重要。 本研究使用SAR图像来评估各种预处理(特别是斑点噪声降低),洪水映射和水深估计方法。 通过考虑预处理图像、洪水地图和水深场的组合来研究方法在不同步骤及其超参数中选择方法的影响。 该评估针对2019年和2021年加龙河(法国)的两次洪水事件进行,使用流体动力学模拟和原位观测作为参考数据。 结果表明,斑点过滤器的选择改变了洪水范围的估计,变化为几平方公里。 此外,洪水映射方法的选择和调整也会影响性能。 虽然监督方法优于无监督方法,但调整无监督方法(如局部阈值或变化检测)可以实现可比结果。 预处理和洪水测绘步骤带来的复杂不确定性也带来了水深场估计的高可变性。 这项研究强调了考虑整个处理管道的重要性,包括预处理,洪水测绘和水深估计方法及其相关的超参数。 不应依赖单一配置,采用综合方法并核算方法的不确定性应享有特权。 对于洪水测绘,方法选择影响最大。 对于水深估计,最有影响力的处理步骤是洪水测绘步骤和方法的超参数产生的洪水地图输入。
Flood mapping and water depth estimation from Synthetic Aperture Radar (SAR) imagery are crucial for calibrating and validating hydraulic models. This study uses SAR imagery to evaluate various preprocessing (especially speckle noise reduction), flood mapping, and water depth estimation methods. The impact of the choice of method at different steps and its hyperparameters is studied by considering an ensemble of preprocessed images, flood maps, and water depth fields. The evaluation is conducted...
