High-Resolution Flood Mapping With Sentinel-1 and Sentinel-2 via Misalignment-Robust Cross-Sensor Learning and Generative Despeckling

Resumo Técnico: Mapeamento de Inundações de Alta Resolução com Sentinel-1 e Sentinel-2 via Aprendizado Cross-Sensor Robusto ao Desalinhamento e Despeckling Generativo

Definição do Problema
O mapeamento confiável da extensão de inundações de alta resolução é atualmente limitado por problemas de fidelidade de dados e artefatos específicos de sensores. Imagens ópticas multiespectrais (Sentinel-2) são frequentemente degradadas por nuvens, sombras e confundidores urbanos (ex: asfalto, telhados) que mimetizam assinaturas de água. Por outro lado, imagens de Radar de Abertura Sintética (SAR) (Sentinel-1), embora independentes do clima, sofrem com o ruído de speckle e incerteza de corregistramento do sensor. Conjuntos de dados públicos existentes para mapeamento de inundações frequentemente dependem de limiarização semiautomática ou rótulos fracos que carecem de fidelidade ao nível de pixel, particularmente em condições desafiadoras como áreas urbanas densas ou sob cobertura de nuvens. Além disso, treinar modelos de aprendizado profundo em dados SAR e ópticos desalinhados introduz vieses espaciais que prejudicam a generalização.

Metodologia
Os autores propõem um framework integrado que aborda essas limitações através de conjuntos de dados curados e estratégias de aprendizado inovadoras:

1. Curadoria de Dados:

   • Sentinel-2 (S2): Um conjunto de dados de alta qualidade de 146 máscaras de água de 10m anotadas manualmente através dos Estados Unidos contíguos (CONUS). As anotações foram geradas usando protocolos geoespaciais rigorosos, incorporando dados multifonte (TCI, NDWI, DEM, estradas) para garantir precisão de pixel em cenas desafiadoras (névoa, sombras, áreas urbanas).
   • Sentinel-1 (S1): Um conjunto de dados de 7.846 tiles de SAR. Os rótulos foram transferidos de imagens S2 temporalmente coincidentes (dentro de 24 horas). Embora 61 tiles tenham sido verificados manualmente, a maioria utilizou "rótulos fracos" gerados por um modelo S2 de alto desempenho, filtrados por qualidade.
   • Composto Multitemporal: Um conjunto de dados de 38.252 pilhas de 7 imagens SAR consecutivas sem inundação, utilizadas exclusivamente para treinar um modelo de despeckling.

2. Arquiteturas de Modelos:

   • Segmentação: As arquiteturas UNet e UNet++ foram empregadas. A UNet++ foi selecionada por suas conexões de salto (skip connections) densas para melhorar a fusão de características em múltiplas escalas.
   • Despeckling: Um Autoencoder Variacional Condicional (CVAE) foi treinado para mapear patches de SAR de tempo único ruidosos para compostos multitemporais limpos. Esta abordagem generativa modela a distribuição condicional de saídas despeckled, preservando detalhes estruturais melhor do que filtros clássicos.

3. Inovações de Treinamento:

   • Perda Invariante ao Deslocamento (Shift-Invariant Loss): Para abordar a incerteza residual de geolocalização (aprox. 20m a 2σ) entre S1 e S2, uma função de perda invariante ao deslocamento foi introduzida. Isso permite que o modelo encontre o alinhamento espacial ideal (até ±2 pixels) entre a predição e o ground truth durante o backpropagation, evitando o aprendizado de vieses espaciais sistemáticos.
   • Funções de Perda: As perdas Tversky e Focal Tversky foram utilizadas para lidar com o desequilíbrio severo de classes (água vs. não-água).
   • Estratégia de Treinamento: O CVAE foi pré-treinado em dados SAR gerais de CONUS e refinado em regiões adjacentes a inundações. Os modelos de segmentação foram treinados com extensa aumentação de dados e ajuste de hiperparâmetros via otimização Bayesiana.

Principais Resultados

• Desempenho Multiespectral: O modelo UNet++ treinado com todos os canais disponíveis (reflectância, índices de água e dados geofísicos suplementares) alcançou uma Área Sob a Curva de Precisão-Recall (AUPRC) de estado da arte de 0,956 no conjunto de teste S2. Demonstrou robustez em condições desafiadoras, atingindo F1 scores de 0,877 em névoa e 0,787 em áreas urbanas.
• Desempenho SAR: No conjunto de dados S1, o modelo UNet++ alcançou um AUPRC de 0,840. Embora a perda invariante ao deslocamento não tenha aumentado significativamente o escore AUPRC em comparação com a perda regular quando avaliada em rótulos não corrigidos, ela produziu predições que respeitam melhor as estruturas coerentes de retroespalhamento SAR.
• Eficácia do Despeckling: O despeckler CVAE superou significativamente o filtro Enhanced Lee em todas as métricas (PSNR, SSIM, ENL) no conjunto de dados multitemporal. Qualitativamente, preservou estruturas finas e bordas enquanto suavizou regiões homogêneas.
• Impacto Downstream: Quando os dados SAR despeckled pelo CVAE foram inseridos no modelo de segmentação de inundação, mostraram melhorias estatisticamente significativas sobre modelos treinados com dados filtrados por Enhanced Lee. No entanto, o artigo observa que o despeckling CVAE não gerou ganhos estatisticamente significativos sobre os dados SAR brutos em termos de AUPRC. Os autores atribuem isso às distorções geométricas inerentes ao SAR (slant range, layover) que permanecem incompatíveis com os rótulos ópticos de visão nadir, mesmo após o despeckling.

Significância e Alegações
O artigo alega que o principal gargalo no mapeamento de inundações de alta resolução é frequentemente a fidelidade dos dados, e não a arquitetura do modelo. Ao introduzir um conjunto de dados com máscaras de 10m de precisão de pixel e abordar o desalinhamento cross-sensor através de treinamento invariante ao deslocamento, este trabalho demonstra que modelos podem alcançar alta fidelidade em cenários operacionais.

Os autores enfatizam que, embora o despeckling generativo (CVAE) melhore significativamente a qualidade da imagem e a preservação de estrutura, sua tradução direta para a melhoria das métricas de mapeamento de inundações é limitada pelas incompatibilidades geométricas entre sensores SAR e ópticos. Consequentemente, o artigo defende uma abordagem holística que prioriza a curadoria de dados, objetivos de treinamento robustos (como a perda invariante ao deslocamento) e reconhece as limitações físicas do alinhamento cross-sensor. O trabalho estabelece a viabilidade do despeckling generativo para uso operacional, mas chama para a necessidade de mais pesquisas em técnicas de corregistramento geométrico para aproveitar plenamente os dados SAR despeckled para o mapeamento de inundações.