Comparison Study: Glacier Calving Front Delineation in Synthetic Aperture Radar Images With Deep Learning

Gourmelon N, Heidler K, Loebel E, Cheng D, Klink J, Dong A, Wu F, Maul N, Koch M, Dreier MN, Pyles DR, Seehaus T, Braun M, Maier A, Christlein V (2026)

Publication Language: English

Publication Type: Journal article, Original article

Publication year: 2026

Journal

IEEE Transactions on Pattern Analysis and Machine Intelligence Institute of Electrical and Electronics Engineers (IEEE)

Book Volume: 48

Pages Range: 11224-11230

Journal Issue: 9

URI: https://ieeexplore.ieee.org/document/11488532

DOI: 10.1109/TPAMI.2026.3685700

Abstract

Continuous monitoring of glacier calving fronts is essential for sea level rise projections. This study benchmarks Deep Learning systems for front delineation in Synthetic Aperture Radar imagery. While Deep Learning systems exhibit errors up to 221 m, human annotators deviate by only 38 m, underscoring the need for further research.

Authors with CRIS profile

Nora Gourmelon Lehrstuhl für Informatik 5 (Mustererkennung) Julian Klink Lehrstuhl für Informatik 5 (Mustererkennung) Fei Wu Lehrstuhl für Informatik 5 (Mustererkennung) Noah Maul Lehrstuhl für Informatik 5 (Mustererkennung) Moritz Koch Institut für Geographie Marcel Nicolas Dreier Lehrstuhl für Informatik 5 (Mustererkennung) Dakota Robin Pyles Institut für Geographie Thorsten Seehaus Institut für Geographie Matthias Braun Professur für Geographie (Fernerkundung und GIS) Andreas Maier Lehrstuhl für Informatik 5 (Mustererkennung) Vincent Christlein Lehrstuhl für Informatik 5 (Mustererkennung)

Utilized Equipment

Linux-basierter Parallelrechner / HPC-Cluster Alex (Megware) Regionales Rechenzentrum Erlangen (RRZE), Professur für Höchstleistungsrechnen

Related research project(s)

Großräumige automatische Segmentierung der Kalbungsfront und Analyse der frontalen Ablation arktischer Gletscher mit Hilfe von Synthetic-Aperture-Radar-Bildsequenze Oct. 1, 2023 - Sept. 30, 2026 International Doctoral Program: Measuring and Modelling Mountain glaciers and ice caps in a Changing Climate (M³OCCA) (MOCCA) June 1, 2022 - May 31, 2026

Involved external institutions

Technische Universität München (TUM) DE Germany (DE) Technische Universität Dresden DE Germany (DE) California Institute of Technology (Caltech) US United States (USA) (US)

How to cite

APA:

Gourmelon, N., Heidler, K., Loebel, E., Cheng, D., Klink, J., Dong, A.,... Christlein, V. (2026). Comparison Study: Glacier Calving Front Delineation in Synthetic Aperture Radar Images With Deep Learning. IEEE Transactions on Pattern Analysis and Machine Intelligence, 48(9), 11224-11230. https://doi.org/10.1109/TPAMI.2026.3685700

MLA:

Gourmelon, Nora, et al. "Comparison Study: Glacier Calving Front Delineation in Synthetic Aperture Radar Images With Deep Learning." IEEE Transactions on Pattern Analysis and Machine Intelligence 48.9 (2026): 11224-11230.

BibTeX: Download