Дистанционное зондирование Земли (ДЗЗ) является одним из ключевых методов для мониторинга и анализа природных явлений и изменений в экосистеме. Спутниковые снимки высокого разрешения предоставляют ценную информацию о различных аспектах окружающей среды, включая ледовые условия в арктических регионах, где одну из важных ролей играют разводья.
Разводья — это разломы в сплоченном ледяном покрове, которые могут быть заполнены ледяной кашей или покрыты молодым льдом. Обнаружение разводий в море Лаптевых представляет собой сложную задачу, требующую точного анализа спутниковых данных, поскольку информация о разводьях важна как для климатических исследований, так и для навигации в полярных районах.
В докладе представлен алгоритм автоматического обнаружения разводий в море Лаптевых на основе спутниковых снимков Landsat-8 с использованием сверточной нейронной сети U-Net, которая показала хорошие результаты в задачах сегментации изображений. Для улучшения точности обнаружения разводий была выбрана методика, включающая обработку композитных 4-канальных данных Landsat-8 с пространственным разрешением 30 м. В работе использовались следующие каналы: 2-й канал (синий, 0,450 – 0,510 мкм), 3-й канал (зелёный, 0,530 – 0,590 мкм), 4-й канал (красный, 0,640 – 0,670 мкм) и 5-й канал (ближний инфракрасный, 0,850 – 0,880 мкм).
В процессе работы была проведена настройка гиперпараметров модели и оптимизация сети для повышения точности обнаружения разводий. Для оценки точности при обучении модели использовалась метрика IoU (Intersection over Union), продемонстрировавшая значения, превышающие 0,6, и метрика Dice, достигнувшая значений более 0,7. Эти показатели свидетельствуют о высокой эффективности разработанной модели в задачах сегментации и анализа изображений, что подтверждает её способность к точному выявлению разводий на детализированном уровне. Оценка точности модели показала, что метод обнаружения разводий с использованием U-Net имеет высокий потенциал для применения в мониторинге ледовых условий. Результаты показали, что U-Net способен эффективно обрабатывать сложные текстуры и границы, что критично для анализа ледовых разводий.
Таким образом, результаты исследования подтверждают возможность использования нейронных сетей для автоматизированного мониторинга ледовых условий в море Лаптевых, что может значительно упростить процесс анализа и повысить точность определения разводий.