🤖 AI

Uncertainty Quantification for EO Regression Tasks: Building Height, Tree Canopy Height and Above-ground Biomass Estimation

यह शोध पत्र सेंटिनल-1 और सेंटिनल-2 टाइम सीरीज़ का उपयोग करके दो पूरक डीप लर्निंग दृष्टिकोणों—गौसियन (Gaussian) और क्वांटाइल (Quantile) अनिश्चितता अनुमान—का प्रस्ताव करते हुए अर्थ अवलोकन (Earth Observation) रिग्रेशन में विश्वसनीयता मेट्रिक्स की कमी को संबोधित करता है, जो बिल्डिंग की ऊंचाई, ट्री कैनोपी हाइट और ऊपर-जमीन बायोमास (above-ground biomass) के अनुमान के लिए अच्छी तरह से कैलिब्रेटेड, व्याख्या योग्य कॉन्फिडेंस इंटरवल उत्पन्न करते हैं जो मौजूदा नियतात्मक बेंचमार्क और वैश्विक उत्पादों से बेहतर प्रदर्शन करते हैं।

मूल लेखक: Ritu Yadav, Andrea Nascetti, Yifang Ban

प्रकाशित 2026-07-14

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Ritu Yadav, Andrea Nascetti, Yifang Ban

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक जासूस हैं जो एक शहर की हर इमारत की ऊँचाई, एक जंगल के हर पेड़ की ऊँचाई, या पेड़ों की पत्तियों में छिपे "लकड़ी के वजन" (बायोमास) का अनुमान लगाने की कोशिश कर रहे हैं। आपके पास एक सुपर-स्मार्ट एआई (AI) सहायक है जो पूरे एक साल के दौरान ली गई सैटेलाइट तस्वीरों को देखता है और ये अनुमान लगाता है। लेकिन समस्या यह है कि आमतौर पर, यह एआई केवल एक संख्या देता है, जैसे "यह इमारत 15 मीटर ऊँची है।" यह आपको यह नहीं बताता कि वह कितनी बड़ी गलती कर सकता है या वह कितना आश्वस्त है। यह एक मौसम ऐप की तरह है जो कहता है "बारिश होगी" लेकिन कभी यह नहीं बताता कि यह हल्की बूंदाबांदी है या कोई भीषण तूफान।

यह शोध पत्र आपको इस एआई को यह सिखाने के बारे में है कि वह कैसे कहे, "मुझे लगता है कि यह इमारत 15 मीटर ऊँची है, लेकिन मैं केवल 60% आश्वस्त हूँ, इसलिए यह वास्तव में 12 से 18 मीटर के बीच कहीं भी हो सकती है।"

दो नए "आत्मविश्वास" उपकरण (Confidence Tools)

शोधकर्ताओं, रितु यादव और उनकी टीम ने, एआई को यह "आत्मविश्वास" वाली सुपरपावर देने के लिए दो अलग-अलग तरीके आजमाए। उन्होंने इन उपकरणों का परीक्षण तीन बड़े कार्यों पर किया: इमारतों की ऊँचाई का अनुमान लगाना, पेड़ों के कैनोपी (छत्र) की ऊँचाई, और पेड़ों के कुल वजन (बायोमास) का अनुमान लगाना।

1. "सिमेट्रिक बबल" (गौसियन अनिश्चितता - Gaussian Uncertainty)
इसे एआई के अनुमान के चारों ओर एक सटीक, गोल बुलबुले (bubble) को खींचने के रूप में सोचें। एआई एक केंद्र बिंदु (औसत ऊँचाई) और एक बुलबुले का आकार (कितनी गलती हो सकती है) का अनुमान लगाता है। यह तब बहुत अच्छा काम करता है जब गलतियाँ संतुलित हों—जैसे कि यदि एआई किसी पेड़ को बहुत छोटा बताने की उतनी ही संभावना रखता है जितनी कि उसे बहुत ऊँचा बताने की। शोध पत्र में पाया गया कि यह तरीका पेड़ों और जंगलों के लिए बहुत अच्छा काम करता है, जहाँ त्रुटियाँ काफी संतुलित होती हैं।

2. "लॉपसाइड नेट" (क्वांटाइल अनिश्चितता - Quantile Uncertainty)
अब, एक ऐसी मछली पकड़ने वाली जाल की कल्पना करें जो गोल नहीं है। कभी-कभी, एआई एक दिशा में गलती करने की अधिक संभावना रखता है। उदाहरण के लिए, जब गगनचुंबी इमारत की ऊँचाई का अनुमान लगाया जाता है, तो एआई अक्सर वास्तविक ऊँचाई से कम अनुमान लगा सकता है, लेकिन बहुत अधिक ऊँचा होने की संभावना कम होती है। एक गोल बुलबुला इसे नहीं दिखा सकता। "लॉपसाइड नेट" विधि तीन विशिष्ट रेखाओं का अनुमान लगाती है: एक कम अनुमान (10वां पर्सेंटाइल), एक मध्यम अनुमान (50वां पर्सेंटाइल), और एक उच्च अनुमान (90वां पर्सेंटाइल)। यह एक ऐसा आकार बनाता है जो एक तरफ अधिक फैल सकता है। शोध पत्र सुझाव देता है कि शहरों के लिए यह बेहतर उपकरण है, जहाँ इमारतों के आकार अजीब होते हैं और एआई की गलतियाँ हमेशा निष्पक्ष और संतुलित नहीं होती हैं।

शोध पत्र क्या कहता है (और क्या नहीं कहता)

लेखक यह दावा करने में सावधान हैं कि उन्होंने ऊँचाई का अनुमान लगाने की समस्या को "हल" कर दिया है। इसके बजाय, वे दिखाते हैं कि उनके नए तरीके वास्तविक दुनिया के डेटा की अव्यवस्था को संभालने का एक बेहतर तरीका सुझाते हैं।

उन्होंने क्या खारिज किया: उनका तर्क है कि केवल एक संख्या (एक "डिटरमिनिस्टिक" अनुमान) देना पर्याप्त नहीं है क्योंकि यह इस बात को छिपा देता है कि अनुमान कितना अविश्वसनीय हो सकता है। वे यह भी दिखाते हैं कि यह मान लेना कि सभी त्रुटियाँ पूरी तरह से संतुलित (जैसे एक सटीक वृत्त) हैं, हमेशा सही नहीं होता है, खासकर इमारतों के मामले में।
वे कितने आश्वस्त हैं? उन्होंने इसे केवल कंप्यूटर पर सिम्युलेट नहीं किया; उन्होंने पांच देशों (एस्टोनिया, फिनलैंड, जर्मनी, नीदरलैंड और स्विट्जरलैंड) के वास्तविक डेटा का उपयोग करके, वास्तविक सैटेलाइट छवियों के साथ इसका परीक्षण किया। शोध पत्र डेटा के सटीक वर्षों का उल्लेख नहीं करता है, केवल यह कि इसमें सेंटिनल-1 (Sentinel-1) और सेंटिनल-2 (Sentinel-2) उपग्रहों के एक वर्ष लंबे टाइम सीरीज़ शामिल हैं।
- पेड़ों की ऊँचाई के लिए, उनके "सिमेट्रिक बबल" मॉडल की त्रुटि प्रति पिक्सेल लगभग 2.33 मीटर थी।
- इमारतों की ऊँचाई के लिए, उनका "लॉपसाइड नेट" मॉडल थोड़ा बेहतर था, जिसे 2.37 मीटर प्रति पिक्सेल की त्रुटि मिली, जबकि बबल मॉडल के लिए यह 2.56 मीटर थी।
- बायोमास (पेड़ों के वजन) के लिए, बबल मॉडल की त्रुटि लगभग 30.14 टन प्रति पिक्सेल थी।

"ट्रस्ट स्कोर" (विश्वास स्कोर)

हमें कैसे पता कि एआई के आत्मविश्वास वाले बुलबुले वास्तविक हैं? शोधकर्ताओं ने एक "ट्रस्ट स्कोर" (जिसे एरर कवरेज कहा जाता है) का उपयोग किया।

यदि एआई कहता है, "मैं 68% आश्वस्त हूँ कि उत्तर इस सीमा के भीतर है," तो शोध पत्र दिखाता है कि वास्तव में, उत्तर पेड़ों के लिए लगभग 68% बार और इमारतों के लिए 82% बार उस सीमा के भीतर आया।
जब उन्होंने सीमा को "95% आश्वस्त" होने के लिए बढ़ाया, तो वास्तविक उत्तर लगभग 94-96% बार इसके भीतर था।

इसका मतलब है कि एआई केवल आत्मविश्वास के नंबर नहीं बना रहा है; वह वास्तव में यह बता रहा है कि उसके अनुमान कितने अस्थिर हैं।

मुख्य निष्कर्ष

यह शोध पत्र यह दावा नहीं करता कि ये मॉडल पूर्ण हैं। वास्तव में, वे स्वीकार करते हैं कि बहुत ऊंची इमारतों या लकड़ी की बहुत बड़ी मात्रा के लिए, एआई कभी-कभी भ्रमित हो जाता है और "बुलबुले" बहुत बड़े या फैल जाते हैं। लेकिन, इन दो नए तरीकों का उपयोग करके, एआई अब हमें न केवल यह बता सकता है कि वह क्या सोचता है, बल्कि यह भी कि हमें उस पर कितना भरोसा करना चाहिए।

किसी इमारत को देखते समय शहर के योजनाकार के लिए, या पेड़ों के वजन को गिनने वाले जलवायु वैज्ञानिक के लिए, यह एक गेम-चेंजर है। यह एक मौसम ऐप और उस ऐप के बीच का अंतर है जो केवल "बारिश" कहता है और वह जो कहता है, "90% संभावना है कि भारी बारिश होगी, लेकिन अगर आपकी किस्मत अच्छी रही, तो यह केवल हल्की फुहार हो सकती है।" शोध पत्र यह साबित करता है कि इस "शायद" वाले कारक को जोड़ने से पूरा सिस्टम अधिक विश्वसनीय हो जाता है, भले ही अनुमान हमेशा 100% सही न हो।

तकनीकी सारांश: EO रिग्रेशन कार्यों के लिए अनिश्चितता परिमाणीकरण (Uncertainty Quantification)

समस्या विवरण

पृथ्वी अवलोकन (EO) रिग्रेशन कार्य, विशेष रूप से भवन की ऊँचाई, वृक्ष छत्र ऊँचाई (tree canopy height), और ऊपर-धरातलीय बायोमास (AGB) का अनुमान लगाना, शहरी नियोजन, वन निगरानी और जलवायु नीति के लिए महत्वपूर्ण हैं। हालाँकि, मानक डीप लर्निंग मॉडल आमतौर पर नियत (deterministic) भविष्यवाणियाँ (प्रति पिक्सेल एकल स्केलर मान) देते हैं, बिना यह बताए कि उन भविष्यवाणियों की विश्वसनीयता या विश्वास (confidence) क्या है। EO में अनिश्चितता परिमाणीकरण की यह कमी स्वाभाविक चुनौतियों जैसे कि विषम भू-सतह, तिरछी लक्ष्य वितरण (skewed target distributions), सेंसर शोर, वायुमंडलीय हस्तक्षेप, और उच्च लक्ष्य मानों पर सिग्नल संतृप्ति (signal saturation) के कारण विशेष रूप से समस्यात्मक है।

जबकि अनिश्चितता अनुमान कंप्यूटर विजन (अक्सर बेयसियन सन्निकटन या एन्सेम्बल्स का उपयोग करके) में अच्छी तरह से स्थापित है, EO में इसके व्यवस्थित अनुप्रयोग सीमित हैं। इसके अलावा, रिग्रेशन कार्य वर्गीकरण (classification) की तुलना में अद्वितीय कठिनाइयाँ प्रस्तुत करते हैं: निरंतर लक्ष्य स्थान (continuous target spaces) और तिरछी या भारी पूंछ वाले वितरण (heavy-tailed distributions) अनिश्चितता मापों को परिभाषित करना चुनौतीपूर्ण बना देते हैं। मानक गॉसियन धारणाएँ EO डेटा में सामान्य रूप से पाई जाने वाली असममित अनिश्चितताओं को पकड़ने में विफल हो सकती हैं, जिसके लिए वैकल्पिक दृष्टिकोणों की आवश्यकता होती है।

कार्यप्रणाली

लेखक एलियटोरिक अनिश्चितता (aleatoric uncertainty) (डेटा में अपरिहार्य शोर) को सेंटिनल-1 SAR और सेंटिनल-2 MSI इमेजरी (12 महीने, 10 मीटर रिज़ॉल्यूशन) के वर्ष भर के टाइम सीरीज़ का उपयोग करके मॉडल करने का प्रस्ताव देते हैं। वे दो पूरक डीप लर्निंग दृष्टिकोण पेश करते हैं जो एक साझा बैकबोन साझा करते हैं लेकिन उनके अनिश्चितता हेडर्स (uncertainty headers) भिन्न होते हैं:

1. नेटवर्क आर्किटेक्चर

बैकबोन: एक साझा CNN एनकोडर आधारित ResNet50, 12-महीने के टाइम सीरीज़ (T=12, C=9 चैनल) को प्रोसेस करता है। फीचर्स को एक लेटेंट स्पेस में मैप किया जाता है और स्पैटियोटेम्पोरल निर्भरताओं को कैप्चर करने के लिए शिफ्टेड विंडो अटेंशन के साथ दो क्रमिक स्विन ट्रांसफॉर्मर (Swin Transformer) ब्लॉक्स द्वारा प्रोसेस किया जाता है।
डिकोडर: एक मल्टी-लेवल डिकोडर (L1, L2, L3) फीचर्स को टेम्पोरल अटेंशन के साथ बढ़ाता है और पिक्सेल-वार भविष्यवाणियाँ उत्पन्न करने के लिए उन्हें अपसैंपल करता है।

2. गॉसियन अनिश्चितता (Gaussian UC)

फॉर्मूलेशन: एक पैरामीट्रिक दृष्टिकोण जो यह मानता है कि लक्ष्य एक गॉसियन वितरण का अनुसरण करता है। मॉडल माध्य ( $\mu$ ) और लॉग स्टैंडर्ड डेविएशन ( $\eta = \log \sigma$ ) को संयुक्त रूप से प्रेडिक्ट करता है।
लॉस फंक्शन: इसे निम्नलिखित के भारित योग (weighted sum) का उपयोग करके प्रशिक्षित किया जाता है:
- नेगेटिव लॉग-लाइक्लीहुड (NLL): प्राथमिक लॉस, जो गैर-शून्य ग्राउंड-ट्रुथ पिक्सेल को प्राथमिकता देता है।
- सोबेल एज लॉस (Sobel Edge Loss): सीमाओं को सुरक्षित रखता है और धुंधलापन (blur) को कम करता है।
- RMSE: माध्य भविष्यवाणी के लिए एक रेगुलराइज़र के रूप में कार्य करता है।

3. क्वांटाइल अनिश्चितता (Quantile UC)

फॉर्मूलेशन: एक नॉन-पैरामीट्रिक दृष्टिकोण जो 10वें, 50वें और 90वें कंडीशनल क्वांटाइल्स ( $Q_{10}, Q_{50}, Q_{90}$ ) का अनुमान लगाता है। यह असममित अंतराल (asymmetric prediction intervals) की अनुमति देता है, जो तिरछे वितरणों के लिए बेहतर है।
लॉस फंक्शन: इसे निम्नलिखित के भारित योग का उपयोग करके प्रशिक्षित किया जाता है:
- पिनबॉल लॉस (Pinbeall Loss): तीन क्वांटाइल्स में त्रुटि को कम करता है।
- रेगुलराइजेशन टर्म्स:
  - कवरेज शॉर्टफॉल (Coverage Shortfall): $[Q_{10}, Q_{90}]$ की अनुभवजन्य कवरेज को नाममात्र के 80% के करीब लाने के लिए प्रोत्साहित करता है।
  - नॉन-क्रॉसिंग (Non-Crossing): यह सुनिश्चित करता है कि $Q_{10} \leq Q_{50} \leq Q_{90}$ ।
  - कॉन्फिडेंस-एडेप्टिव स्प्रेड (Confidence-Adaptive Spread): अंतराल की चौड़ाई को तब कम करता है जब मीडियन भविष्यवाणी सटीक होती है।
- सोबेल और RMSE: किनारों को संरक्षित करने और अनुमानों को स्थिर करने के लिए मीडियन ( $Q_{50}$ ) पर लागू किया जाता है।

4. मूल्यांकन मेट्रिक्स

सटीकता (Accuracy): RMSE, $R^2$ , MAPE, nMAD (नॉर्मलाइज्ड मीडियन एब्सोल्यूट डेविएशन), और IoU।
अनिश्चितता अंशांकन (Uncertainty Calibration):
- ErrorCoverage: गॉसियन UC के लिए, यह अवशेषों (residuals) के प्रतिशत को मापता है जो $k\sigma$ ( $k=1, 2, 3$ ) के भीतर आते हैं।
- DataCoverage: क्वांटाइल UC के लिए, यह $[Q_{10}, Q_{90}]$ अंतराल के भीतर ग्राउंड ट्रुथ मानों के प्रतिशत को मापता है।

मुख्य योगदान

तुलनात्मक ढांचा: यह पेपर EO रिग्रेशन के लिए एलियटोरिक अनिश्चितता के गॉसियन और क्वांटाइल फॉर्मूलेशन की व्यवस्थित रूप से तुलना करता है।
मल्टी-टास्क मूल्यांकन: दोनों दृष्टिकोणों का तीन उच्च-प्रभाव वाले कार्यों पर मूल्यांकन किया गया है: बिल्डिंग हाइट एस्टीमेशन (BHE), कैनोपी हाइट एस्टीमेशन (CHE), और एबव-ग्राउंड बायोमास (AGB) एस्टीमेशन, जिसमें फ्यूज्ड SAR और मल्टीस्पेक्ट्रल टाइम सीरीज़ का उपयोग किया गया है।
कैलिब्रेशन मेट्रिक्स: लेखक भविष्यित अनिश्चितता अंतरालों के अंशांकन को कठोरता से जांचने के लिए "ErrorCoverage" और "DataCoverage" के उपयोग का प्रदर्शन करते हैं।
परफॉरमेंस बेंचमार्किंग: अध्ययन दिखाता है कि अनिश्चितता-जागरूक मॉडल (uncertainty-aware models) निर्धारित बेसलाइन के समान सटीकता प्राप्त कर सकते हैं और साथ ही व्याख्या योग्य विश्वास अनुमान (interpretable confidence estimates) प्रदान कर सकते हैं।

परिणाम

मॉडल का परीक्षण एस्टोनिया, फिनलैंड, जर्मनी, नीदरलैंड और स्विट्जरलैंड को कवर करने वाले डेटासेट पर किया गया।

सटीकता: दोनों मॉडलों ने प्रतिस्पर्धी परिणाम प्राप्त किए।
- कैनोपी हाइट और बायोमास: गॉसियन UC मॉडल सबसे अच्छा प्रदर्शन करता है, जिसमें CHE के लिए RMSE 2.33 मीटर और AGB के लिए RMSE 30.14 टन/पिक्सेल रहा। $R^2$ स्कोर उच्च (0.80–0.90) था, जो वनस्पति विविधताओं के कुशल शिक्षण को दर्शाता है।
- बिल्डिंग हाइट: क्वांटाइल UC मॉडल गॉसियन मॉडल की तुलना में थोड़ा बेहतर प्रदर्शन करता है (RMSE 2.37 मीटर बनाम 2.56 मीटर, $R^2$ 0.50 बनाम 0.42)। लेखक इसका श्रेय शहरी वातावरण की विषमता को देते हैं, जहाँ असममित अंतराल स्थानीय पूर्वाग्रहों और गैर-गॉसियन वितरणों को बेहतर ढंग से कैप्चर करते हैं।
अंशांकन (Calibration):
- गॉसियन UC: एरर कवरेज दरें नाममात्र गॉसियन अपेक्षाओं (जैसे, $\pm1\sigma$ के भीतर ~68%, $\pm2\sigma$ के भीतर ~95%) के करीब थीं। हालाँकि, कुछ उच्च-मूल्य वाले क्षेत्रों में, मॉडल टेल मिसफिट्स (tail misfits) की भरपाई के लिए अनिश्चितता को बढ़ा देता है।
- क्वांटाइल UC: सभी कार्यों के लिए $[Q_{10}, Q_{90}]$ अंतराल के लिए डेटा कवरेज लगभग 80% (0.79–0.82) था, जो अच्छी तरह से अंशांकित असममित अंतरालों को दर्शाता है।
वितरण विशेषताएँ: परिणामों ने रेखांकित किया कि बिल्डिंग हाइट और बायोमास त्रुटियां अक्सर दाईं ओर झुकी हुई (right-skewed) वितरण प्रदर्शित करती हैं (उच्च मानों पर व्यवस्थित कम अनुमान), जिसे क्वांटाइल मॉडल ने $Q_{50}$ – $Q_{90}$ की तुलना में व्यापक ऊपरी अंतराल के माध्यम से प्रभावी ढंग से कैप्चर किया।

महत्व और दावे

यह पेपर दावा करता है कि EO निष्कर्ष के लिए, विशेष रूप से उपग्रह डेटा में निहित शोर और संतृप्ति को देखते हुए, एलियटोरिक अनिश्चितता का स्पष्ट मॉडलिंग अनिवार्य है। लेखक तर्क देते हैं कि:

अनिश्चितता अनुमान मॉडल सटीकता में नियत बेंचमार्क के बराबर या उनसे बेहतर हो सकते हैं, जबकि उपयोगी विश्वास अनुमान भी प्रदान करते हैं।
गॉसियन और क्वांटाइल फॉर्मूलेशन के बीच का चुनाव लक्षित डोमेन पर निर्भर करता है: गॉसियन धारणाएं चिकने वनस्पति लक्ष्यों के लिए अच्छी काम करती हैं, जबकि क्वांटाइल रिग्रेशन जटिल, तिरछे शहरी वातावरण के लिए बेहतर है।
प्रस्तावित मॉडल विशेष रूप से कैनोपी हाइट एस्टीमेशन के लिए वर्तमान 10m स्टेट-ऑफ-द-आर्ट अनिश्चितता-जागरूक मॉडल से बेहतर प्रदर्शन करते हैं।
यह कार्य एक एकल-मान भविष्यवाणियों से आगे बढ़कर कैलिब्रेटेड, व्याख्या योग्य अनिश्चितता मानचित्र प्रदान करके EO में एक महत्वपूर्ण अंतर को संबोधित करता है, जो जलवायु नीति और शहरी नियोजन में निर्णय लेने के लिए आवश्यक है।

इस डोमेन में आगे के अनुसंधान को सुगम बनाने के लिए कार्यान्वयन समुदाय के लिए उपलब्ध कराया गया है।