Geometric Flood Depth Estimation: Fusing Transformer-Based Segmentation with Digital Elevation Models

技術的概要：幾何学的洪水深度推定

問題定義
災害後の洪水対応には、洪水範囲の特定だけでなく、航行可能性や構造的リスクを評価するための水深推定も必要である。深層学習に基づくセマンティックセグメンテーションは 2 次元の洪水マスクを効果的に特定できるが、体積分析に必要な垂直方向の次元を欠いている。既存の代替手段には重大な限界がある：

• 水文動力学ソルバー（浅水方程式を解くものなど）は物理的厳密性を提供するが、計算遅延が大きく（単一事象で数日）、災害直後にはめったに利用できないリアルタイムの境界条件（流入量、降雨量）に依存している。
• 機械学習の代理モデルは推論時間を短縮するが、物理的に不可能な場所で洪水を平滑化アーティファクトとして導入したり、幻覚（ハルシネーション）として洪水を生成したりすることが多い。
• 参照製品（FEMA の深度ラスターなど）は正確なグラウンドトゥルースを提供するが、事象から数週間から数ヶ月後に公開されるため、即時対応には無用である。

手法
本論文は、高精度な 2 次元セグメンテーションマスクと既存のデジタル標高モデル（DEM）を融合させることで、水文動力学シミュレーションやデータ駆動型の代理モデルを迂回する「幾何学的深度推定」パイプラインを提案する。このアプローチは「バスタブ原理」に基づいて動作し、静止した洪水水が局所的に平坦な表面を形成すると仮定する。パイプラインは 3 つの段階から構成される：

1. データ取得と前処理：

   • データセット： システムはセグメンテーションモデルの学習にFloodNetを、展開と検証に（地理空間メタデータを含む GeoTIFF 画像を含む）CRASAR-U-DROIDSを利用する。
   • 整合： DEM は OpenTopography から取得され、UAV 画像の座標参照系（CRS）と解像度に一致させるために、双線形補間を用いて再投影およびアップサンプリングされる。
   • タイリング： 大規模なオルソモザイクは、建物の重心を中心に 1024×1024 のタイルに切り出され、主要なハリケーン事象でフィルタリングされ、欠損ピクセルを除去するために品質管理が行われる。

2. 2 次元洪水セグメンテーション（段階 1）：

   • モデル選択： 著者は FloodNet 上で 3 つのアーキテクチャ（Attention U-Net、SegFormer、Mask2Former）を微調整し、ベンチマークを行った。Mask2Formerは、幾何学的精度に不可欠な鮮明な水際線の描画を提供するトランスフォーマーベースのアテンション機構を備えているため、最適なバックボーンとして選択された。
   • クラス集約： 都市シナリオでは、連結した水体が正しく識別されることを保証するため、クラスを「洪水」（水と浸水した道路を結合）、「建物」、「背景」に簡略化する。

3. 幾何学的深度計算（段階 2）：

   • 連結成分分析（CCA）： 二値化された洪水マスクを処理して、離散した水体を独立した物理システムとして識別し、異なる標高間での誤った水位計算を防ぐ。
   • 水際線の同定： 「厳密な乾燥地接触」ロジックを適用する。形態学的エロージョンにより、水が乾燥地と接する内部境界ピクセルを特定し、画像端のアーティファクトを排除する。
   • 深度計算： 各独立した水体について、同定された境界ピクセルにおける DEM 値の95 パーセンタイルを計算することで、全球の水面標高（$Z_{water}$）を推定する。この統計的アプローチは、最大標高を使用するよりも、高周波の外れ値（誤分類された植生や建物の壁など）を効果的にフィルタリングする。任意のピクセル$(x, y)$の深度は次式で計算される：
     $$Depth(x, y) = \max(0, Z_{water}^{(k)} - DEM(x, y))$$

主な貢献

• トランスフォーマーの統合： 従来の CNN や粗い SAR 由来のマスクと比較して、アテンション機構を活用してより鮮明な水際線の描画を実現する幾何学的深度推定への Mask2Former の統合。
• 厳密な乾燥地接触ロジック： エッジアーティファクトを排除する境界ロジックの導入により、幾何学的深度精度の重要なボトルネックである水 - 陸界面の同定精度を向上させた。
• 効率的な体積推論： 水文動力学シミュレーションの遅延やデータ駆動型代理モデルの不安定性なしに、2 次元単眼画像から 3 次元体積データを抽出するパイプライン。

結果
この手法は、FEMA の洪水深度ラスターを定量的なグラウンドトゥルースとして使用し、CRASAR-U-DROIDS データセットから 5200 万を超える公開された浸水ピクセルを網羅する 136 枚のハリケーン・ハービーのタイルで評価された。

• セグメンテーション性能： Mask2Former は FloodNet テストセットで平均交差和（mIoU）**73.6%**を達成し、SegFormer（70.4%）や Attention U-Net（69.7%）を上回り、「浸水した道路」および「水」クラスで大幅な改善が見られた。
• 深度精度： パイプラインは平均二乗誤差の平方根（RMSE）1.999 メートル、全球の$\sqrt{MSE}$ 2.169 メートルを達成した。
• 定性的検証： 視覚的結果は、水際では浅く盆地の中心に向かって深くなる物理的に妥当な静水圧勾配を示し、垂直構造物上の誤った深度推定を防ぐために建物が正しくマスクされていることを示した。

意義と主張
著者は、この幾何学的フレームワークが、迅速な災害後の状況把握のための計算効率が良く、物理的に根拠のあるアプローチを提供すると主張している。複雑なシミュレーションではなく、直接観測（セグメンテーション＋DEM）に依存することで、この手法は即時対応に適した実行可能な体積洞察を提供する。本論文は、この手法がサイト固有の較正なしに複雑な都市環境において現実的な深度勾配を回復するのに十分な頑健性を持っていると主張している。今後の課題として、これらの導出された深度推定を損傷評価ネットワークに統合し、個々の建物の構造的損傷レベルを定量化することが挙げられている。