FusionAttNet Framework for Hierarchical Attention Driven Sentinel 1 and Sentinel 2 Fusion for Semi Arid Land Cover Classification in Far North Cameroon

Resumo Técnico: FusionAttNet para Classificação de Cobertura da Terra em Regiões Semiáridas

Problema
O mapeamento preciso da cobertura da terra em regiões semiáridas, especificamente no ecótono Sudano-Saheliano do Extremo Norte de Camarões, enfrenta desafios significativos devido à homogeneidade espectral entre a vegetação esparsa, a alta variabilidade sazonal e a persistente cobertura de nuvens que obscurece os dados ópticos. Abordagens tradicionais, incluindo o aprendizado profundo apenas óptico e métodos de fusão de empilhamento de características estáticas, frequentemente falham em distinguir classes espectralmente semelhantes (ex: solo nu versus pastagem) e são vulneráveis a lacunas de dados causadas por nuvens. Além disso, estruturas hierárquicas existentes costumam depender de regras predefinidas em vez de relações espaciais aprendidas, enquanto modelos de sensor único carecem da robustez necessária para o monitoramento em qualquer condição climática.

Metodologia
O estudo propõe o FusionAttNet, um novo framework de aprendizado profundo projetado para integrar dinamicamente os dados de Radar de Abertura Sintética (SAR) Sentinel-1 e os dados ópticos Sentinel-2. A metodologia está estruturada em torno de vários componentes principais:

• Área de Estudo e Dados: O framework foi validado em uma área de 1.280 km² perto de Maroua, Camarões, utilizando uma janela temporal de 12 meses (2021) para capturar a fenologia sazonal completa. As fontes de dados incluem o Sentinel-2 Level-2A Surface Reflectance (13 bandas, reduzidas para 10m) e dados Sentinel-1 GRD SAR (polarizações VV/VH).
• Pré-processamento e Engenharia de Características:
  • Pipeline Óptico: Inclui máscara de nuvens (QA60), escalonamento e o cálculo de índices de vegetação (NDVI, EVI, NDWI).
  • Pipeline SAR: Envolve calibração radiométrica, conversão para dB e a derivação de razões de retroespalhamento (backscatter ratios).
  • Índices Cross-Modais: O framework gera índices específicos, como a razão NDVI/VV, para fundir informações ópticas e de radar, juntamente com variáveis topográficas derivadas do SRTM DEM.
• Arquitetura:
  • Processamento Sensível à Modalidade (Modality-Aware): Fluxos de processamento paralelos tratam os dados ópticos e SAR separadamente antes da fusão, respeitando as características únicas de cada sensor.
  • Mecanismo de Atenção Hierárquica: Um sistema de atenção de três níveis opera nos níveis de pixel, patch e paisagem. Isso permite que o modelo capture detalhes granulares enquanto resolve simultaneamente ambiguidades espaciais através de relações contextuais mais amplas.
  • Estratégia de Fusão: Em vez de concatenação estática, o modelo emprega um mecanismo de fusão adaptativo e aprendido que pondera dinamicamente as características multiescala.
• Treinamento e Otimização: O modelo utiliza uma função de perda de entropia cruzada ponderada com suavização de rótulos (label smoothing) e focal loss para lidar com o desequilíbrio de classes. O treinamento é otimizado usando o otimizador AdamW com cosine annealing e warm restarts. A aumentação de dados é aplicada especificamente para preservar as texturas de retroespalhamento do SAR.
• Abordagem de Ensemble: A saída final de classificação é derivada de um ensemble que combina o ramo de aprendizado profundo FusionAttNet com modelos tradicionais de aprendizado de máquina (Random Forest e XGBoost) para maximizar o poder discriminativo.

Principais Contribuições

1. Arquitetura de Atenção Hierárquica: A introdução de um mecanismo de atenção pixel-patch-paisagem que resolve efetivamente a confusão espectral em ecótonos semiáridos, particularmente nas interfaces entre solo nu e pastagem.
2. Fusão Cross-Modal Sensível à Modalidade: O desenvolvimento de um framework que integra o retroespalhamento SAR com índices ópticos (ex: NDVI/VV) para mitigar lacunas de dados induzidas por nuvens sem depender de pré-processamentos complexos e propensos a erros de remoção de nuvens.
3. Aumentação Otimizada para SAR: A implementação de técnicas de aumentação que preservam as texturas de retroespalhamento, aumentando a capacidade do modelo de generalizar através das variações sazonais.
4. Integração de Ensemble: A combinação bem-sucedida de características de aprendizado profundo com heurísticas de gradiente impulsionado para estabilizar a classificação em paisagens complexas e fragmentadas.

Resultos
O framework FusionAttNet foi avaliado contra modelos de referência (Random Forest, XGBoost e uma rede Multimodal isolada) em um conjunto de dados de cobertura da terra de oito classes.

• Desempenho Geral: A abordagem de Ensemble completa alcançou uma Acurácia Global de 96,75% e um F1-Score Ponderado de 0,9680.
• Comparação: Este desempenho superou a rede Multimodal isolada (94,75% de acurácia) e igualou ou excedeu a linha de base do XGBoost (96,75% de acurácia).
• Melhorias por Classe:
  • Pastagem (Grassland): O ensemble corrigiu um déficit de desempenho significativo da rede isolada, elevando o F1-score da Pastagem de 0,8905 para 0,9530 (uma recuperação absoluta de +6,25%).
  • Zonas Úmidas Herbáceas (Herbaceous Wetlands): Embora desafiadora, o ensemble estabilizou esta classe minoritária para um F1-score de 0,7273, superando significativamente a linha de base do Random Forest (0,5000).
  • Classes Macroestruturais: Classes com perfis radiométricos distintos (Cobertura Arbórea, Áreas Urbanas, Solo Nu, Água Permanente) atingiram métricas perfeitas (F1 = 1,0000) em todas as configurações.
• Redução de Erro: O estudo reporta uma redução de 14,7% na classificação errônea nas interfaces mistas de solo nu/pastagem em comparação com métodos de última geração.

Significância
O artigo afirma que o FusionAttNet estabelece um novo paradigma para o monitoramento da cobertura da terra em regiões semiáridas ao mudar o foco de simples preenchimento de lacunas para uma fusão inteligente multissensorial. Ao aproveitar a confiabilidade de qualquer condição climática do Sentinel-1 SAR junto com a riqueza espectral do Sentinel-2, o framework supera as limitações da dependência de nuvens e da homogeneidade espectral. Os resultados demonstram que um mecanismo de atenção hierárquica sensível à modalidade pode reduzir significativamente a confusão espectral em ecótonos sahelianos, fornecendo uma solução robusta e escalável para o monitoramento operacional da cobertura da terra em ambientes com escassez de dados e alta variabilidade sazonal. O estudo destaca que, embora o aprendizado profundo sozinho ofereça características espaciais de alta qualidade, a integração com ensembles de aprendizado de máquina tradicionais é crucial para neutralizar vulnerabilidades locais e alcançar a máxima estabilidade em zonas de transição complexas.