elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Automatic ML-based water body detection as part of the hydrological conditioning of the TanDEM-X DEM.

Tubbesing, Raphael und Warmedinger, Leena Julia und Huber, Martin und Roth, Achim und Wessel, Birgit (2022) Automatic ML-based water body detection as part of the hydrological conditioning of the TanDEM-X DEM. In: Proceedings of the European Conference on Synthetic Aperture Radar, EUSAR, Seiten 700-705. VDE Publishing House. EUSAR 2022, 2022-07-25 - 2022-07-27, Leipzig, Deutschland. ISSN 2197-4403.

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.

Offizielle URL: https://www.vde-verlag.de/buecher/455823/eusar-2022.html

Kurzfassung

The TanDEM-X mission provides a global digital elevation model (DEM) with high spatial resolution and therefore is able to capture the local geomorphic appearance of the world’s surface. In particular, the high quality and homogeneity enable new possibilities for hydrologic products, where the earth’s relief is a key source of information. As the TanDEMX DEM is provided in an unedited version some distortions are still present and require pre-processing. In particular, decorrelation effects at open water areas cause a noisy and rough appearance of naturally flat surfaces, which impair hydrological assessments. In this paper an automated global water body classification is presented, utilizing TanDEM-X synthetic aperture radar, optical and terrain data to generate a water mask tailored towards these areas in the DEM. The generated water mask is a vital product for the hydrologic conditioning. The state-of-the-art Gradient Boosted Decision Trees is chosen as the underlying classifier. It is combined with a Bayesian hyperparameter optimization to avoid manual tuning. For the generation of training data, different global water masks are evaluated and appropriate training pixels are identified. First results show the potential of this approach and particularly the advantage in detecting water north of 60° degrees, when using the lowest Amplitude measured in the feature space.

elib-URL des Eintrags:https://elib.dlr.de/188538/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Automatic ML-based water body detection as part of the hydrological conditioning of the TanDEM-X DEM.
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Tubbesing, RaphaelRaphael.Tubbesing (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Warmedinger, Leena JuliaLeenaJulia.Warmedinger (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Huber, MartinMartin.Huber (at) dlr.dehttps://orcid.org/0000-0003-2665-2149NICHT SPEZIFIZIERT
Roth, AchimAchim.Roth (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Wessel, BirgitBirgit.Wessel (at) dlr.dehttps://orcid.org/0000-0002-8673-2485NICHT SPEZIFIZIERT
Datum:18 Mai 2022
Erschienen in:Proceedings of the European Conference on Synthetic Aperture Radar, EUSAR
Referierte Publikation:Ja
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Nein
Seitenbereich:Seiten 700-705
Verlag:VDE Publishing House
ISSN:2197-4403
Status:veröffentlicht
Stichwörter:machine learning, TanDEM-X, Gradient Boosted Decision Trees, hydrology, SAR, water body detection, DEM
Veranstaltungstitel:EUSAR 2022
Veranstaltungsort:Leipzig, Deutschland
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:25 Juli 2022
Veranstaltungsende:27 Juli 2022
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Erdbeobachtung
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R EO - Erdbeobachtung
DLR - Teilgebiet (Projekt, Vorhaben):R - Fernerkundung u. Geoforschung
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Deutsches Fernerkundungsdatenzentrum > Dynamik der Landoberfläche
Hinterlegt von: Tubbesing, Raphael
Hinterlegt am:27 Sep 2022 14:28
Letzte Änderung:24 Apr 2024 20:49

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.