[論文レビュー] Mapping bathymetry of inland water bodies on the North Slope of Alaska with Landsat using Random Forest

Mark Carroll, Margaret Wooten+7 more|ArXiv.org|Feb 14, 2025

Climate change and permafrost被引用数 3

ひとこと要約

この論文は Landsat の多スペクトルデータから水域深度を予測する Random Forest Regressor を訓練し、現地測定が乏しい問題を補うために合成データを用い、Alaska 北部の North Slope の各ピクセル深度マップを作成した。検証時の r^2 = 0.76。

ABSTRACT

The North Slope of Alaska is dominated by small waterbodies that provide critical ecosystem services for local population and wildlife. Detailed information on the depth of the waterbodies is scarce due to the challenges with collecting such information. In this work we have trained a machine learning (Random Forest Regressor) model to predict depth from multispectral Landsat data in waterbodies across the North Slope of Alaska. The greatest challenge is the scarcity of in situ data, which is expensive and difficult to obtain, to train the model. We overcame this challenge by using modeled depth predictions from a prior study as synthetic training data to provide a more diverse training data pool for the Random Forest. The final Random Forest model was more robust than models trained directly on the in situ data and when applied to 208 Landsat 8 scenes from 2016 to 2018 yielded a map with an overall $r^{2}$ value of 0.76 on validation. The final map has been made available through the Oak Ridge National Laboratory Distribute Active Archive Center (ORNL-DAAC). This map represents a first of its kind regional assessment of waterbody depth with per pixel estimates of depth for the entire North Slope of Alaska.

研究の動機と目的

• North Slope の水域に対する現地深度測定の不足に対処する。
• Landsat 画像から水深を推定する機械学習アプローチを開発する。
• North Slope の水域に対する地域別・ピクセル単位の深度マップを作成する。
• 限られた観測を補うために合成訓練データを用いてモデルの頑健性を評価する。

提案手法

• Landsat の多スペクトルデータから深度を予測する Random Forest Regressor を訓練する。
• 訓練データを豊かにするため、 prior study から得られた深度予測を合成訓練データとして用いる。
• 2016年から2018年の Landsat 8 シーンでモデルを検証し、ピクセル単位の深度推定を報告する。
• 得られた深度マップを ORNL-DAAC データセンターを通じて公開し、広く利用可能にする。

実験結果

リサーチクエスチョン

• RQ1 Landsat 画像からの Random Forest 深度予測は北極 Alaska の North Slope の小規模な内陸水域の水深推定に正確性を発揮するか。
• RQ2 合成訓練データを取り入れると、現地データのみを用いる場合よりモデルの頑健性と予測性能が向上するか。
• RQ3 地域規模と複数シーンにわたるピクセル単位の深度マッピング性能（検証 r^2）はどの程度か。
• RQ4 得られた水深マップはオープンデータ配布と地域評価に適しているか。

主な発見

• 最終的な Random Forest モデルは 2016–2018 年の 208 件の Landsat 8 シーンに対して検証時に r^2 = 0.76 を達成。
• prior study 由来の合成訓練データは現地データのみを用いた場合よりモデルの頑健性を高めるのに寄与。
• 得られた水深マップは North Slope 全体のピクセル単位深度推定を提供。
• この深度マップは広く利用できるよう ORNL-DAAC データセンターを通じて公開。