Resumen Técnico: BELDE – Construcción de un conjunto de datos de cobertura terrestre de observación de la Tierra a gran escala para Europa

Planteamiento del problema

La segmentación semántica precisa de la cobertura terrestre es esencial para el monitoreo ambiental, la planificación urbana y la respuesta ante desastres. Aunque los sensores multiespectrales son cada vez más disponibles, la imaginería de color verdadero (RGB) sigue siendo la modalidad más accesible debido a las menores restricciones de almacenamiento, transmisión y despliegue en diversas plataformas satelitales y aéreas. Sin embargo, los conjuntos de datos de segmentación semántica basados en RGB existentes sufren limitaciones significativas: cobertura geográfica restringida, escala pequeña, diversidad ambiental estrecha o falta de accesibilidad pública. En consecuencia, los modelos entrenados en estos conjuntos de datos suelen fallar al generalizarse a regiones con diferentes climas, distribuciones de cobertura terrestre o condiciones atmosféricas. Existe una necesidad crítica de un benchmark RGB a gran escala, geográficamente diverso y de acceso público para evaluar la robustez y la transferibilidad de los modelos de observación de la Tierra.

Metodología

Construcción del conjunto de datos (BELDE)

Los autores presentan BELDE (Building a Large-scale Earth-observation Land-cover Dataset for Europe), un conjunto de datos de acceso público construido mediante un proceso totalmente automatizado y reproducible.

• Fuentes de datos: El conjunto de datos combina Imágenes de Color Verdadero (TCI) de Sentinel-2 y anotaciones de cobertura terrestre de ESA WorldCover 2021. Sentinel-2 proporciona compuestos anuales medianos a una resolución de 10 m, lo que facilita la eliminación de nubes y la normalización.
• Alcance geográfico: El conjunto de datos principal cubre Europa (longitud 13°O–50°E, latitud 33°N–60°N), abarcando diversos climas, desde entornos mediterráneos hasta alpinos.
• Proceso de preprocesamiento:
  1. Alineación espacial: Los mosaicos RGB y los mapas de cobertura terrestre co-registrados se alinean utilizando identificadores geoespaciales.
  2. Extracción de parches: Una estrategia de ventana deslizante genera parches de 256 × 256 píxeles no superpuestos a una resolución de 10 m para evitar la fuga de datos (data leakage).
  3. Armonización de etiquetas: Las 11 clases originales de ESA WorldCover se agregan en 7 clases semánticas (Árbol, Arbusto, Hierba, Cultivo, Construido, Estéril, Agua) para abordar el desequilibrio de clases y la superposición semántica en las observaciones RGB (por ejemplo, integrando manglares en árboles, y nieve en estéril).
  4. Filtrado de calidad: Se excluyen los parches con datos faltantes o con >90% de cobertura de agua.
• Estadísticas finales: El conjunto de datos curado contiene 1.088.385 pares de imagen-máscara.

Benchmarks fuera de la distribución (Out-of-Distribution)

Para evaluar el desplazamiento de dominio geográfico, se generaron dos subconjuntos adicionales utilizando el mismo proceso:

• BELDE-K: Cubre la República de Corea (16.607 pares).
• BELDE-CA-NV: Cubre California y Nevada, EE. UU. (88.155 pares).

Protocolo de evaluación

Los autores evaluaron 17 arquitecturas de segmentación semántica pertenecientes a tres familias:

1. CNN de Codificador-Decodificador: UNet, UNet++, DeepLabV3/V3+, FPN, LinkNet, PSPNet.
2. Modelos basados en Transformers: SegFormer, variantes de DPT (DeiT3, MaxViT).
3. Arquitecturas ligeras/híbridas: EfficientFormer, FastViT, LALE.

Los modelos fueron entrenados usando el optimizador AdamW con una pérdida Dice multiclase, normalización de ImageNet y aumentos estándar. El rendimiento se midió utilizando Exactitud (Accuracy), Precisión, Recall, F1-score e IoU en conjuntos de prueba in-domain (Europa) y de dominio cruzado zero-shot (Corea, CA-NV).

Contribuciones clave

1. Conjunto de datos BELDE: Un conjunto de datos de segmentación semántica RGB a gran escala y de acceso público que contiene más de 1.08 millones de pares de imagen-máscara alineados geográficamente en toda Europa a una resolución de 10 m.
2. Benchmarks transregionales: El lanzamiento de BELDE-K y BELDE-CA-NV para permitir la evaluación sistemática del desplazamiento de dominio geográfico y la transferibilidad de los modelos.
3. Resultados de referencia (Baselines): Un benchmarking exhaustivo de 17 arquitecturas de vanguardia, estableciendo bases de rendimiento tanto para entornos in-domain como de dominio cruzado.
4. Proceso reproducible: Un marco de código abierto y automatizado para la generación de conjuntos de datos, promoviendo la transparencia y la expansión futura.

Resultados

Rendimiento in-domain (Europa)

• Mejores exponentes: Las arquitecturas basadas en Transformers e híbridas alcanzaron la mayor exactitud. EfficientFormer-L7 y MaxViT alcanzaron F1-scores de 83.0% y 82.9%, respectivamente.
• Rendimiento de CNN: Los modelos basados en CNN como UNet se mantuvieron competitivos, logrando un F1-score de 81.8% con 31 millones de parámetros.
• Modelos ligeros: El modelo LALE-S2 demostró una relación eficiencia-rendimiento favorable, logrando un F1-score del 78.2% con solo 2.6 millones de parámetros.
• Análisis por clase: Los modelos funcionaron con fuerza en clases espectralmente homogéneas (Árbol, Agua), pero tuvieron dificultades con clases estructuralmente heterogéneas y raras, particularmente Arbusto, que consistentemente arrojó los F1-scores más bajos en todas las arquitecturas.

Generalización transregional

• Caída de rendimiento: Los modelos entrenados en BELDE (Europa) exhibieron una degradación significativa de rendimiento cuando se aplicaron a regiones fuera de la distribución, resaltando el desafío del desplazamiento de dominio geográfico.
  • BELDE-K (Corea): Los F1-scores cayeron al 58.3% (EfficientFormer-L7) y 58.2% (MaxViT).
  • BELDE-CA-NV (EE. UU.): Los F1-scores cayeron al 66.4% (MaxViT) y 66.2% (EfficientFormer-L7).
• Observaciones: La disminución del rendimiento se atribuye a las distintas composiciones de cobertura terrestre (por ejemplo, mayor densidad de árboles en Corea, mayor terreno estéril en CA-NV) y diferencias ecológicas. Aunque los modelos de Transformers generalmente mantuvieron un rendimiento absoluto más alto, todas las familias arquitectónicas mostraron una degradación constante, lo que sugiere que la variabilidad geográfica es un factor limitante dominante más que la capacidad del modelo por sí sola.

Significación y Reivindicaciones

El artículo postula que BELDE aborda una brecha crítica en la investigación de la observación de la Tierra al proporcionar un benchmark de RGB a escala continental. Su principal significación radica en:

• Permitir estudios de robustez: Al ofrecer conjuntos de entrenamiento y evaluación geográficamente diversos, BELDE permite a los investigadores estudiar y cuantificar sistemáticamente los desafíos del desplazamiento de dominio en el mapeo de cobertura terrestre.
• Relevancia en el mundo real: Centrarse exclusivamente en imágenes RGB asegura que el conjunto de datos sea aplicable a una amplia gama de sistemas de detección operativos y con recursos limitados.
• Establecimiento de bases de referencia: Los benchmarks proporcionados sirven como referencia para evaluar la transferibilidad de los modelos de segmentación, revelando que los modelos actuales de vanguardia luchan por generalizarse entre continentes sin adaptación.

Los autores concluyen que, si bien los modelos basados en Transformers ofrecen una exactitud superior, las arquitecturas ligeras proporcionan alternativas viables para el despliegue con recursos limitados. Enfatizan que la generalización a través de los continentes sigue siendo un problema abierto desafiante, subrayando la necesidad de benchmarks geográficamente diversos para desarrollar sistemas de observación de la Tierra robustos.