المعلومات الدقيقة حول مواقع خطوط الانفصال (calving fronts) للجبال الجليدية التي تنتهي في المحيط أو البحيرات تمثل متغيرًا أساسيًا لتحليل عمليات التغير الجليدي الجارية وتقييم متغيرات أخرى مثل معدلات الانصهار الأمامي. في السنوات الأخيرة، بدأ الباحثون في تطبيق خوارزميات قادرة على الكشف التلقائي عن خطوط الانفصال في الصور الساتلية. تستخدم معظم الدراسات الصور البصرية، نظرًا لسهولة تمييز خطوط الانفصال فيها بفضل الدقة المكانية الكافية وجودة الأشرطة الطيفية، مما يسمح بفصل خصائص الجليد عن البيئة المحيطة. ومع ذلك، فإن الكشف عن خطوط الانفصال في صور الرادار المُصوَّرة بالمساحة المُصغّرة (SAR) يُعدّ أمرًا مطلوبًا بشدة، إذ يمكن اكتساب صور SAR حتى خلال الليل القطبي، وهي مستقلة عن الظروف الجوية (مثل الغيوم)، مما يمكّن من المراقبة المستمرة على مدار السنة في جميع أنحاء العالم. في هذه الورقة، نقدّم مجموعة بيانات معيارية (Gourmelon et al., 2022b) من صور SAR مأخوذة من مناطق متعددة حول العالم، تشمل علامات يدوية محددة تُقدّم معلومات عن مواقع خطوط الانفصال (https://doi.org/10.1594/PANGAEA.940950). وباستخدام هذه المجموعة، يمكن تطبيق واختبار أساليب مختلفة للكشف عن خطوط الانفصال الجليدي، ومقارنة أدائها بشكل عادل لتحديد الأسلوب الأكثر فعالية. تتكون المجموعة من 681 عينة، مما يجعلها كبيرة بما يكفي لتدريب نماذج التجزئة العميقة (deep learning segmentation models). وهي المجموعة الأولى التي توفر معلومات طويلة الأمد عن خطوط الانفصال الجليدي من بيانات متعددة المهام. وبما تشمل الجليد من القطب الجنوبي، جرينلاند، وألاسكا، فإن انتشار النماذج المدربة والاختبارة على هذه المجموعة مضمون. ويُعدّ مجموعة الاختبار مستقلة عن مجموعة التدريب، مما يسمح بتقييم قدرة النماذج على التعميم. نقدّم نوعين من العلامات: علامة تجزئة ثنائية لتمييز خط الانفصال عن الخلفية، وعلامة أخرى لتجزئة متعددة الفئات لتصنيف فئات المناظر الطبيعية المختلفة. على عكس مجموعات بيانات خطوط الانفصال الأخرى، تحتوي المجموعة المقدمة على العلامات إلى جانب الصور المُعدّلة مسبقًا والمرتبطة جغرافيًا بصيغة PNG. وسهولة الوصول إلى هذه المجموعة ستمكّن العلماء من مجالات أخرى، مثل علوم البيانات، من المساهمة بخبراتهم. وباستخدام هذه المجموعة المعيارية، نضمن المقارنة بين خوارزميات الكشف المختلفة، ونعزز إمكانية إعادة إنتاج الدراسات المتعلقة بالكشف عن خطوط الانفصال. علاوةً على ذلك، نقدّم نموذجًا أساسيًا (baseline model) لكل نوع من أنواع العلامات. ويعتمد كلا النموذجين على معمارية U-Net، واحدة من أكثر هياكل التجزئة العميقة شيوعًا. وفي خطوتين من المعالجة اللاحقة، يتم تحويل نتائج التجزئة إلى تخطيطات لخطوط الانفصال بعرض 1 بكسل. وبتقديم النوعين من العلامات، يمكن استخدام كلا النهجين لمعالجة المشكلة. ولتقييم أداء النماذج المختلفة، نقترح أولاً مراجعة نتائج التجزئة باستخدام مقاييس الاستدعاء (recall)، والدقة (precision)، ومؤشر F1، ومؤشر جاكارد (Jaccard index). ثانيًا، يمكن تقييم التخطيطات الخطية للانفصال من خلال حساب متوسط خطأ المسافة بالنسبة للخط المُعلَّم. وتُقدّم النماذج الأساسية (vanilla models) قاعدة أداء بخطأ متوسط في المسافة يبلغ 150 م ± 24 م لجليد مابل في القطب الجنوبي، و840 م ± 84 م لجليد كولومبيا في ألاسكا، الذي يتمتع بخط انفصال أكثر تعقيدًا يتكون من عدة أقسام، مقارنةً بخط انفصال موحد ومحصور جانبيًا بشكل جيد في جليد مابل.