[論文レビュー] Scalable Surface Water Mapping up to Fine-scale using Geometric Features of Water from Topographic Airborne LiDAR Data

Hunsoo Song, Jinha Jung|arXiv (Cornell University)|Jan 16, 2023

Remote Sensing and LiDAR ApplicationsEnvironmental Science被引用数 3

ひとこと要約

本論文は、重力による水表面の平坦性という自然な幾何的性質を活用することで、地形的空中LiDARデータを用いて、完全に自動的かつスケーラブルな高分解能表面水マッピング手法を提示する。この手法は、都市部、沿岸部、山岳地帯を含む多様な地形において、光学的反射率に依存せずに、パrameterチューニングなしでNDWIベースの手法を上回る正確な3次元水体抽出を実現する。

ABSTRACT

Despite substantial technological advancements, the comprehensive mapping of surface water, particularly smaller bodies (<1ha), continues to be a challenge due to a lack of robust, scalable methods. Standard methods require either training labels or site-specific parameter tuning, which complicates automated mapping and introduces biases related to training data and parameters. The reliance on water's reflectance properties, including LiDAR intensity, further complicates the matter, as higher-resolution images inherently produce more noise. To mitigate these difficulties, we propose a unique method that focuses on the geometric characteristics of water instead of its variable reflectance properties. Unlike preceding approaches, our approach relies entirely on 3D coordinate observations from airborne LiDAR data, taking advantage of the principle that connected surface water remains flat due to gravity. By harnessing this natural law in conjunction with connectivity, our method can accurately and scalably identify small water bodies, eliminating the need for training labels or repetitive parameter tuning. Consequently, our approach enables the creation of comprehensive 3D topographic maps that include both water and terrain, all performed in an unsupervised manner using only airborne laser scanning data, potentially enhancing the process of generating reliable 3D topographic maps. We validated our method across extensive and diverse landscapes, while comparing it to highly competitive Normalized Difference Water Index (NDWI)-based methods and assessing it using a reference surface water map. In conclusion, our method offers a new approach to address persistent difficulties in robust, scalable surface water mapping and 3D topographic mapping, using solely airborne LiDAR data.

研究の動機と目的

• 多様で複雑な地形において一貫して動作する、高分解能表面水マッピングのロバストで完全自動化された手法の開発。
• 特に大気状態や地表面状態の変動下でも、小規模水体（<1 ha）を正確に検出できるように、光学画像ベースの水マッピング手法の限界を克服すること。
• 外部データや後処理に依存せずに、1つのLiDARポイントクラウドから2次元水体範囲と3次元高さ情報を同時に抽出すること。
• 水体を明示的に表現した正確で水文的整合性のある3次元地形モデルを生成し、時系列ずれやDEM後処理に起因する誤差を低減すること。

提案手法

• 自然な水表面が重力によって平坦であるという物理的原則を活用し、局所的なポイント密度と平面性を用いて、潜在的な水領域を特定する。
• 局所的なポイント密度のしきい値によって特定されたシードポイントから出発し、幾何的類似性（平面性と高さの一貫性）に基づく領域統合を用いて、LiDARポイントを一貫した水体にグループ化する。
• 主なパrameterには、Z（局所密度の基準点）、ER（平面性の誤差しきい値）、MS（最大セグメントサイズ）があり、これらは水体拡張の感度と範囲を制御する。
• アルゴリズムは完全に自動で動作し、現場特有のパrameterチューニングが不要であり、水体の高さを含めた抽出にLiDARポイントクラウドのみに依存する。
• 隣接する領域が幾何的基準を満たす場合に反復的に統合することで、水体境界を洗練させ、平坦性と高さの一貫性を確保する。
• 本手法は、水体を3次元幾何学的形状として明示的に表現した完全な3次元地形モデルを出力するため、水文的モデリングへの直接的利用が可能である。

実験結果

リサーチクエスチョン

• RQ1 光学的反射率や外部データに依存せずに、多様な地形で正確かつスケーラブルな表面水マッピングをLiDARベースの手法が達成できるか。
• RQ2 都市部の小規模水体や影や雪がある山岳地帯のような困難な環境において、水表面の幾何的平坦性がどのように強力な検出を可能にするか。
• RQ3 ポイントクラウドの幾何学的特徴に基づく完全自動化手法が、従来のNDWIベースの光学画像手法に比べて、小規模水体の検出においてどの程度優れているか。
• RQ4 本手法は、セグメンテーションプロセスの副産物として、高さを含む正確な3次元水体表現を生成できるか。
• RQ5 Z、ER、MSといった主要パrameterがセグメンテーション結果にどのように影響するか。また、それらを物理的に解釈することで、直感的かつ説明可能なチューニングが可能か。

主な発見

• 提案手法は、都市部、沿岸部、山岳地帯を含むすべてのテスト地形において、パrameterチューニングなしでNDWIベースの光学手法を上回る高い正確性を達成した。
• 複雑な地形と小規模水体（例： puddles, ditches, ponds <1 ha）を有する都市部や山岳地帯において、光学手法が見逃す傾向にある水体を、本手法は効果的に抽出できた。
• ER（平面性誤差しきい値）パrameterはセグメンテーション結果に顕著な影響を及ぼし、低い値（0.05）では水体範囲の過大評価が減少し、高い値（0.15）では洪水アーチファクトが増加した。
• MS（最大セグメントサイズ）パrameterは、小規模水体の拡張を効果的に制御でき、100 m²ではより小さな池の検出が可能であったが、1000 m²ではセグメンテーション不足（under-segmentation）が生じた。
• 本手法は、地形と水体を含む完全な3次元地形モデルを生成し、水文的平坦化処理を要するDEMの後処理ステップが不要となった。これにより、登録ずれや時系列誤差が低減された。
• 約2,500 km²にわたる多様な地形における広範なテストにより、本手法のスケーラビリティとロバスト性が確認され、異なる土地被覆タイプや地形複雑性において一貫した性能を示した。