Deep Learning for Remote Sensing to Improve Flood Inundation Mapping

Resumen Técnico: Aprendizaje Profundo para la Teledetección con el fin de Mejorar el Mapeo de Inundaciones

Planteamiento del Problema
Las inundaciones son un desastre natural global omnipresente que causa pérdidas económicas significativas y víctimas humanas. Aunque las misiones satelitales ópticas como la Sentinel-2 de la Agencia Espacial Europea proporcionan datos multiespectrales de alta resolución esenciales para la detección de inundaciones, su utilidad operativa se ve severamente comprometida por la cobertura de nubes durante eventos de precipitación extrema. En regiones tropicales y subtropicales, más del 70% de las imágenes ópticas resultan inutilizables durante las temporadas de inundaciones.

Las técnicas convencionales de eliminación de nubes, como la composición temporal o la interpolación, fallan en el monitoreo de inundaciones porque las aguas de inundación son altamente dinámicas; las imágenes de días previos o posteriores al evento no reflejan el estado de inundación actual. Si bien el Radar de Apertura Sintética (SAR) puede penetrar las nubes, sufre de ruido de moteado (speckle) y una reducida interpretabilidad en entornos urbanos complejos. Además, las soluciones existentes de aprendizaje profundo basadas en Redes Generativas Antagónicas (GAN) suelen sufrir de inestabilidad en el entrenamiento y colapso de modo (mode collapse), lo que conduce a reconstrucciones erróneas (por ejemplo, desconectando canales fluviales o identificando erróneamente tierra seca) que carecen de la continuidad hidrológica requerida para la gestión de emergencias.

Metodología
Este estudio introduce un marco de eliminación de nubes basado en Modelos Probabilísticos de Difusión de Denoisado (DDPM), aprovechando específicamente la arquitectura del Transformador de Difusión Enmascarado (MDT). El enfoque está diseñado para generar realizaciones multiespectrales libres de nubes de la imagen Sentinel-2B, preservando la fidelidad visual y la consistencia hidrológica.

• Datos: El modelo fue entrenado con imágenes Sentinel-2B posteriores a 2017 (resolución de 10 m) que cubren nueve eventos de inundación en diferentes ubicaciones (2018–2025). El conjunto de datos incluye 62 imágenes emparejadas con mapas de clasificación (Inválido, Tierra, Agua, Nube, Inundado) y Modelos Digitales de Elevación (DEM). Los parches de entrada de 256×256 píxeles fueron normalizados y aumentados mediante transformaciones geométricas.
• Arquitectura: El modelo MDT integra capacidades generativas basadas en difusión con mecanismos de atención de Transformadores.
  • Codificador: Procesa todos los tokens de entrada (bandas multiespectrales y características del DEM) a través de 12 bloques de transformadores. Utiliza la Normalización de Capa Adaptativa (AdaLN-Zero) para incorporar la información del paso de tiempo de la difusión.
  • Decodificador: Una red asimétrica que procesa únicamente los tokens enmascarados (regiones oscurecidas por nubes) mientras atiende a los tokens no enmascarados como contexto. Esto reduce el costo computacional y aprende explícitamente a reconstruir los parches faltantes.
  • Cabezal de Detección de Nubes: Una rama de segmentación semántica separada que clasifica los píxeles en cinco clases de cobertura terrestre.
• Funciones de Pérdida: El objetivo de entrenamiento combina pérdidas de segmentación y de reconstrucción:
  • Segmentación: Una suma ponderada de las pérdidas de Entropía Cruzada, Dice y Focal para manejar el desequilibrio de clases y enfocarse en ejemplos desafiantes.
  • Reconstrucción: Una combinación de pérdida de Error Cuadrático Medio (MSE), pérdida Perceptual y pérdida de Índice de Similitud Estructural (SSIM) para asegurar la precisión de los píxeles, la similitud de textura y la coherencia estructural.
• Entrenamiento e Inferencia: El modelo utiliza un optimizador AdamW con un esquema de ruido lineal a lo largo de 1000 pasos de tiempo. Durante la inferencia, el proceso de difusión inversa denosa iterativamente los tokens enmascarados a lo largo de 50 pasos, manteniendo fijas las regiones no enmascaradas (visibles) para asegurar que solo las áreas afectadas por nubes sean regeneradas.

Contribuciones Clave

1. Adaptación de la Arquitectura: La arquitectura MDT fue adaptada para imágenes satelitales multiespectrales, integrando explícitamente las características espectrales específicas de las inundaciones y los datos del DEM para guiar la generación de cuerpos de agua.
2. Modelado de Tokens Enmascarados: Al emplear el modelado de tokens enmascarados, el marco se alinea con el problema físico de la obstrucción de nubes, aprendiendo a predecir los parches de imagen faltantes basándose en el contexto espacial global proporcionado por los mecanismos de autoatención del Transformador.
3. Consistencia Hidrológica: El estudio evalúa el modelo no solo mediante métricas estándar de calidad de imagen, sino también mediante medidas hidrológicas, demostrando la preservación de la continuidad de los cuerpos de agua y las firmas espectrales críticas para los índices de detección de agua.
4. Robustez: El enfoque ofrece una alternativa estable a las GAN, evitando el colapso de modo y proporcionando reconstrucciones físicamente consistentes.

Resultados
El modelo fue entrenado durante más de 100 épocas, mostrando una convergencia estable sin sobreajuste significativo.

• Métricas de Desempeño: La Intersección sobre Unión (IoU) de validación para la segmentación mejoró de 0.3 a un pico de 0.57. La pérdida de reconstrucción se estabilizó, indicando que el modelo restaura eficazmente los parches enmascarados mientras incorpora datos de elevación.
• Estudio de Caso (Inundación de Tennessee 2021): Aplicado a la inundación del centro de Tennessee en agosto de 2021, el modelo reconstruyó con éxito los cuerpos de agua en una imagen donde las nubes cubrían el 7.91% del área.
  • El modelo redujo la cobertura de nubes residual de 7.91% a 6.09% en la salida reconstruida.
  • Este desempeño se señala como una mejora importante respecto a los métodos tradicionales basados en umbrales como Sen2Cor (que típicamente retienen entre un 10% y 15% de contaminación residual) y clasificadores más simples basados en CNN (U-Net), que lograron aproximadamente un 8.5% de cobertura residual en el mismo contexto.
  • El modelo detectó el 0.53% de la imagen como área inundada, manteniendo la continuidad espacial de los cuerpos de agua.

Significancia y Reivindicaciones
El artículo sostiene que el modelado generativo basado en difusión ofrece una alternativa robusta y físicamente consistente para la eliminación de nubes en el monitoreo óptico de inundaciones. Al aprovechar el contexto espacial global y el refinamiento iterativo, el enfoque MDT mitiga las brechas temporales en la observación de la Tierra causadas por la cobertura de nubes, permitiendo observaciones más confiables y continuas para la gestión del riesgo de desastres.

Los autores reconocen las limitaciones, señalando que el modelo fue entrenado con un número limitado de eventos localizados y depende principalmente de imágenes y datos de elevación en lugar de procesos hidrodinámicos explícitos basados en la física. Sugieren que el trabajo futuro debería expandir el conjunto de datos de entrenamiento a diversos escenarios de inundación, incorporar restricciones físicas adicionales (por ejemplo, topología de drenaje, humedad del suelo) e integrar modelos basados en la física con datos fusionados de óptica y SAR para mejorar aún más la robustez predictiva. El estudio posiciona este trabajo como un paso hacia la habilitación del uso de imágenes ópticas de alta resolución bajo condiciones atmosféricas adversas, lo que potencialmente acelera los tiempos de evaluación de daños y respuesta ante emergencias.