Deep Learning for Remote Sensing to Improve Flood Inundation Mapping

Resumo Técnico: Aprendizado Profundo para Sensoriamento Remoto para Melhorar o Mapeamento de Inundação por Cheias

Definição do Problema
As inundações são desastres naturais globais persistentes que causam perdas econômicas significativas e vítimas humanas. Embora missões ópticas de satélite, como a Sentinel-2 da Agência Espacial Europeia (Copernicus), forneçam dados multiespectrais de alta resolução essenciais para a detecção de cheias, sua utilidade operacional é severamente comprometida pela cobertura de nuvens durante eventos de precipitação extrema. Em regiões tropicais e subtropicais, mais de 70% das imagens ópticas tornam-se inutilizáveis durante as estações de inundação.

Técnicas convencionais de remoção de nuvens, como composição temporal ou interpolação, falham no monitoramento de cheias porque as águas das inundações são altamente dinâmicas; imagens de dias anteriores ou posteriores ao evento não refletem o estado atual da inundação. Embora o Radar de Abertura Sintética (SAR) possa penetrar as nuvens, ele sofre com o ruído de speckle e redução da interpretabilidade em ambientes urbanos complexos. Além disso, as soluções existentes de aprendizado profundo baseadas em Redes Adversárias Generativas (GANs) frequentemente sofrem com instabilidade de treinamento e colapso de modo (mode collapse), levando a reconstruções errôneas (por exemplo, desconectando canais de rios ou identificando incorretamente terras secas) que carecem da continuidade hidrológica necessária para a gestão de emergências.

Metodologia
Este estudo introduz um framework de remoção de nuvens baseado em Modelos de Difusão Probabilística de Denoising (DDPMs), especificamente aproveitando a arquitetura Masked Diffusion Transformer (MDT). A abordagem é projetada para gerar realizações multiespectrais livres de nuvens das imagens Sentinel-2B, preservando a fidelidade visual e a consistência hidrológica.

• Dados: O modelo foi treinado com imagens Sentinel-2B pós-2017 (resolução de 10m) cobrindo nove eventos de inundação em diferentes locais (2018–2025). O conjunto de dados inclui 62 imagens pareadas com mapas de classificação (Inválido, Terra, Água, Nuvem, Inundado) e Modelos Digitais de Elevação (DEM). Patches de entrada de 25 de 256×256 pixels foram normalizados e aumentados via transformações geométricas.
• Arquitetura: O modelo MDT integra capacidades generativas baseadas em difusão com mecanismos de atenção Transformer.
  • Encoder: Processa todos os tokens de entrada (bandas multiespectrais e características do DEM) através de 12 blocos transformer. Utiliza Normalização de Camada Adaptativa (AdaLN-Zero) para incorporar informações do passo de tempo (timestep) da difusão.
  • Decoder: Uma rede assimétrica que processa apenas os tokens mascarados (regiões obscurecidas por nuvens) enquanto atende aos tokens não mascarados como contexto. Isso reduz o custo computacional e aprende explicitamente a reconstruir os patches ausentes.
  • Cabeça de Detecção de Nuvens: Um ramo de segmentação semântica separado que classifica os pixels em cinco classes de cobertura do solo.
• Funções de Perda: O objetivo de treinamento combina perdas de segmentação e reconstrução:
  • Segmentação: Uma soma ponderada de perdas de Entropia Cruzada, Dice e Focal para lidar com o desequilíbrio de classes e focar em exemplos desafiadores.
  • Reconstrução: Uma combinação de perda de Erro Quadrático Médio (MSE), perda Perceptual e perda de Índice de Similaridade Estrutural (SSIM) para garantir precisão de pixels, similaridade de textura e coerência estrutural.
• Treinamento e Inferência: O modelo utiliza um otimizador AdamW com um cronograma de ruído linear ao longo de 1000 passos de tempo. Durante a inferência, o processo de difusão reversa realiza o denoising iterativo dos tokens mascarados ao longo de 50 passos, mantendo as regiões não mascaradas (visíveis) fixas para garantir que apenas as áreas afetadas por nuvens sejam regeneradas.

Principais Contribuições

1. Adaptação de Arquitetura: A arquitetura MDT foi adaptada para imagens de satélite multiespectrais, integrando explicitamente características espectrais específicas de cheias e dados de DEM para guiar a geração de corpos d'água.
2. Modelagem de Tokens Mascarados: Ao empregar a modelagem de tokens mascarados, o framework alinha-se ao problema físico da obstrução por nuvens, aprendendo a prever os patches de imagem ausentes com base no contexto espacial global fornecido pelos mecanismos de autoatenção do Transformer.
3. Consistência Hidrológica: O estudo avalia o modelo não apenas em métricas padrão de qualidade de imagem, mas também em medidas hidrológicas, demonstrando a preservação da continuidade dos corpos d'água e assinaturas espectrais críticas para índices de detecção de água.
4. Robustez: A abordagem oferece uma alternativa estável às GANs, evitando o colapso de modo e fornecendo reconstruções fisicamente consistentes.

Resultos
O modelo foi treinado por mais de 100 épocas, mostrando convergência estável sem overfitting significativo.

• Métricas de Desempenho: A Interseção sobre União (IoU) de validação para segmentação melhorou de 0.3 para um pico de 0.57. A perda de reconstrução estabilizou, indicando que o modelo restaura efetivamente os patches mascarados enquanto incorpora dados de elevação.
• Estudo de Caso (Inundação de Tennessee em 2021): Aplicado à inundação do Centro de Tennessee em agosto de 2021, o modelo reconstruiu com sucesso corpos d'água em uma imagem onde as nuvens cobriam 7,91% da área.
  • O modelo reduziu a cobertura residual de nuvens de 7,91% para 6,09% na saída reconstruída.
  • Este desempenho é observado como uma grande melhoria em relação aos métodos tradicionais baseados em limiar, como o Sen2Cor (que tipicamente retém 10–15% de contaminação residual) e classificadores baseados em CNN simples (U-Net), que alcançaram aproximadamente 8,5% de cobertura residual no mesmo contexto.
  • O modelo detectou 0,53% da imagem como área inundada, mantendo a continuidade espacial dos corpos d'água.

Significância e Alegações
O artigo afirma que a modelagem generativa baseada em difusão oferece uma alternativa robusta e fisicamente consistente para a remoção de nuvens no monitoramento óptico de cheias. Ao aproveitar o contexto espacial global e o refinamento iterativo, a abordagem MDT mitiga as lacunas temporais causadas pela cobertura de nuvens na observação da Terra, permitindo observações mais confiáveis e contínuas para a gestão de riscos de desastres.

Os autores reconhecem limitações, observando que o modelo foi treinado em um número limitado de eventos localizados e depende principalmente de imagens e dados de elevação, em vez de processos hidrodinâmicos explícitos baseados em física. Eles sugerem que trabalhos futuros devem expandir o conjunto de treinamento para diversos cenários de inundação, incorporar restrições físicas adicionais (ex: topologia de drenagem, umidade do solo) e integrar modelos baseados em física com dados fundidos de óptico e SAR para melhorar ainda mais a robustez preditiva. O estudo posiciona este trabalho como um passo para permitir o uso de imagens ópticas de alta resolução sob condições atmosféricas adversas, potencialmente acelerando os tempos de avaliação de danos e resposta de emergência.