Sentinel-1 SARデータを用いた畳み込みニューラルネットワークによる海氷タイプの分類

畳み込みニューラルネットワーク（CNN）を用いたSentinel-1合成開口レーダー（SAR）データ上の海氷タイプ分類のための新しいアルゴリズムが提示される。CNNは人間の専門家によって作成された参照氷図に基づいて学習され、テクスチャ特徴とランダムフォレスト分類器に基づく既存の機械学習アルゴリズムと比較される。CNNは、2018年と2020年の2つのデータセットでトレーニングされ、4つのクラス（氷なし、若い氷、1年氷、古い氷）の取得を行う。我々の分類の精度は2018年データセットで90.5%、2020年データセットで91.6%である。幼い氷（2018年/2020年での精度85%/76%）および1年氷（2018年/2020年での精度86%/84%）においては不確実性がやや高い。我々のアルゴリズムは、各氷タイプにおいて既存のランダムフォレスト製品を上回る性能を示す。また、計算時間の面でも効率的であり、SARデータ内のノイズに対しても感度が低いことが証明されている。コードは一般に公開されている。