Large-Scale Avalanche Mapping from SAR Images with Deep Learning-based Change Detection

1. Planteamiento del Problema

Las avalanchas de nieve representan un peligro natural rápido y destructivo que amenaza vidas, infraestructuras y ecosistemas en regiones montañosas. Su frecuencia e intensidad están aumentando debido al cambio climático.

• Limitaciones actuales: La información sobre avalanchas suele derivarse de observaciones de campo, las cuales están limitadas por la visibilidad deficiente, condiciones meteorológicas adversas y la inaccesibilidad del terreno.
• Desafío técnico: El uso de imágenes de Radar de Apertura Sintética (SAR) del satélite Sentinel-1 es prometedor porque opera independientemente de la luz solar y las nubes. Sin embargo, mapear avalanchas mediante SAR es difícil porque las variaciones de retrodispersión (backscatter) causadas por las avalanchas pueden confundirse con otros fenómenos como nevadas, redistribución por viento, procesos de deshielo-congelación o cambios en la superficie.
• Pregunta de investigación: ¿Es realmente necesario incorporar datos auxiliares de terreno (como pendiente o ángulo de incidencia local) junto con las imágenes SAR, o un modelo moderno de aprendizaje profundo puede aprender representaciones suficientemente informativas utilizando únicamente las imágenes SAR bi-temporales (antes y después del evento)?

2. Metodología

Los autores proponen un pipeline de extremo a extremo para la detección de cambios y el mapeo de avalanchas.

A. Datos y Preprocesamiento

• Fuente de datos: Imágenes Sentinel-1 (SAR de banda C) en modo GRD (Ground Range Detected).
• Canales: Se utilizan los canales de polarización doble (VV y VH) para la mayoría de las zonas, y HH/HV para la zona de Nuuk.
• Datos Auxiliares: Se incluyó un Modelo Digital de Elevación (DEM) de 30m para calcular el Ángulo de Incidencia Local (LIA) y la pendiente, aunque estos se utilizaron principalmente para evaluar su necesidad.
• Preprocesamiento: Calibración radiométrica, corrección geométrica, filtrado de speckle y conversión a escala dB. Se aplicó un tratamiento especial para valores inválidos (sombras de radar, layover) reemplazándolos por un valor "sentinela" normalizado en lugar de eliminarlos, preservando así la estructura de entrada.
• Conjunto de datos: Se creó un inventario validado manualmente en cuatro regiones alpinas distintas: Livigno (Italia), Nuuk (Groenlandia), Pish (Tayikistán) y Tromsø (Noruega). Tromsø se utilizó exclusivamente como conjunto de prueba independiente para evaluar la generalización.

B. Arquitectura del Modelo

• Base: Se implementó una variante Swin Transformer V2 (Tiny) de múltiples ramas.
• Diseño Multimodal (Inicial): Dos codificadores de peso compartido procesan las imágenes SAR pre y post-evento, y un codificador separado procesa los datos auxiliares (LIA y pendiente).
• Fusión: Se calcula la diferencia elemento a elemento entre las características de las imágenes SAR y se concatenan con las características topográficas antes de pasar a un decodificador jerárquico.
• Función de Pérdida: Se utilizó una pérdida de entropía cruzada binaria ponderada ($w_p=3.0$) para abordar el fuerte desequilibrio de clases (pocos píxeles de avalancha frente a muchos de fondo).

C. Estrategias de Inferencia y Fusión

• Generación de Parches: Las imágenes se dividen en parches superpuestos (32x32, 64x64, 128x128 píxeles) para adaptarse a la memoria de la GPU y aumentar la robustez.
• Fusión de Parches (Blending): Se evaluaron varias estrategias para combinar las predicciones de parches superpuestos en un mapa continuo:
  • Promedio por píxel.
  • Máximo (Max) y Mínimo (Min).
  • Ponderación Gaussiana (Gaussian-weighted).
  • Recorte central (Center cropping).
• Umbralización: Se optimizaron los umbrales de decisión basándose en la puntuación F1 (equilibrio precisión-recall) y en la puntuación F2 (priorizando la recall/recordar más eventos).

3. Contribuciones Clave

1. Comparación Sistemática Unimodal vs. Multimodal: El estudio demuestra que un enfoque unimodal (solo imágenes SAR pre y post-evento) es suficiente y, en muchos casos, más consistente que los enfoques multimodales que incluyen datos de terreno. Esto simplifica el preprocesamiento y mejora la escalabilidad.
2. Liberación de un Dataset de Referencia: Se ha hecho público un geodatabase con inventarios de avalanchas validados manualmente en múltiples regiones, estableciendo un punto de referencia reproducible para la investigación futura.
3. Análisis de Compensación Precisión-Recall: Se proporciona un análisis detallado de cómo la selección del umbral (F1 vs. F2) y las estrategias de fusión afectan la detección, permitiendo adaptar el modelo a diferentes necesidades operativas (mapas conservadores vs. detección exhaustiva).

4. Resultados Principales

Rendimiento General

• Mejor Configuración: El modelo entrenado con parches de 128x128 y sin datos auxiliares de terreno obtuvo los mejores resultados.
• Puntuaciones:
  • Configuración conservadora (optimizada para F1): F1-score de 0.8061 y IoU de 0.6752.
  • Configuración orientada a la detección (optimizada para F2): F2-score de 0.8414 con una tasa de acierto de polígonos de avalancha del 80.36%.
• Comparación con Baselines: El modelo propuesto (Swin-UNet) superó consistentemente a arquitecturas de referencia genéricas para detección de cambios (como SiamUnet, STANet, BIT, ChangeFormer, TinyCD), logrando el F1 más alto (0.8027 en el conjunto de prueba sin auxiliares).

Impacto de los Datos Auxiliares

• Contrario a la creencia popular en la detección de avalanchas, la eliminación de los canales de pendiente y LIA no degradó el rendimiento; de hecho, en algunos casos lo mejoró ligeramente. Esto sugiere que las redes neuronales profundas pueden inferir el contexto espacial y radiométrico necesario directamente de las imágenes SAR bi-temporales.

Estrategias de Fusión y Umbralización

• Fusión: La estrategia de Gaussian-weighted blending ofreció el mejor equilibrio global. La estrategia "Max" maximizó la detección de eventos (recall), mientras que "Min" maximizó la precisión.
• Umbral F2: El uso de un umbral optimizado para F2 (priorizando la recall) mejoró significativamente la detección de avalanchas pequeñas (Clase 2), duplicando la tasa de detección en comparación con el umbral F1, manteniendo una detección casi perfecta para avalanchas grandes.

Eficiencia Computacional

• El sistema es altamente escalable. En una GPU NVIDIA A100, procesa aproximadamente 87 km²/segundo. Esto permitiría mapear toda la región de los Alpes (aprox. 200,000 km²) en menos de 40 minutos.

5. Significado y Conclusiones

El trabajo demuestra que es posible realizar un mapeo de avalanchas a gran escala de manera eficiente y precisa utilizando únicamente imágenes SAR bi-temporales y aprendizaje profundo, sin depender de complejos flujos de trabajo que integran datos topográficos auxiliares.

• Simplificación: La eliminación de entradas auxiliares reduce la complejidad del preprocesamiento y facilita la implementación operativa en grandes áreas.
• Flexibilidad Operativa: La capacidad de ajustar el umbral entre un enfoque conservador (F1, bajo falsos positivos) y uno exhaustivo (F2, alta cobertura) permite adaptar el sistema a diferentes necesidades, como la evaluación post-evento por servicios de alerta o la detección automática para agencias de protección civil.
• Limitaciones: El rendimiento sigue dependiendo del estado físico del manto nevado (ej. descongelación posterior a la avalancha puede reducir el contraste). Se sugiere que en el futuro se integren restricciones físicas en la etapa de post-procesamiento para filtrar falsos positivos en zonas donde las avalanchas son físicamente imposibles.

En resumen, este estudio establece un nuevo estándar para la detección de avalanchas mediante SAR, proporcionando un modelo robusto, un conjunto de datos abierto y una metodología validada para la monitorización de riesgos naturales a gran escala.