Тропические циклоны (ТЦ) являются одними из самых разрушительных природных явлений. Так как жизненный цикл ТЦ проходит, в основном, над океаническими бассейнами, непосредственное регулярное измерение их параметров не всегда предоставляется возможным. Поэтому, одной из актуальных задач является дистанционный мониторинг и диагностика параметров ТЦ средствами ДЗЗ.
Оценка параметров ТЦ по их образам, регистрируемым в различных спектральных диапазонах, является сложной задачей, для ее решения все чаще применяются методы машинного обучения. Параметром, представляющим ключевой интерес, является интенсивность ТЦ, т.е. величина максимальной устойчивой горизонтальной скорости ветра.
В представленной работе разработана и реализована авторская методика восстановления интенсивности ТЦ по разнородным данным спутникового ДЗЗ на базе искусственных нейронных сетей и других алгоритмов технического зрения. С этой целью сформирована база данных, представляющая собой коллекцию 14 тысяч размеченных (снабженных метаданными) изображений ТЦ. В текущей версии алгоритма достигнуты следующие показатели вероятности правильного восстановления интенсивности ТЦ: по метрике accuracy – 84,19%, по метрике precision – 83,95%, по метрике recall – 84,20%, по комбинированной метрике F1-score – 84,09%.
Дальнейшие идеи развития методики автоматического восстановления параметров ТЦ связаны с привлечением дополнительных данных радиотеплового мониторинга; разработкой и внедрением алгоритма локализации центра ТЦ и разработкой алгоритмов прогнозирования траектории и эволюции ТЦ.
Работа выполнена при поддержке Министерства образования и науки Российской Федерации (тема «Мониторинг», гос. регистрация № 122042500031-8).