Войти на сайт
МЕЖДУНАРОДНЫЕ ЕЖЕГОДНЫЕ КОНФЕРЕНЦИИ
"СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО
ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА"
(Физические основы, методы и технологии мониторинга окружающей среды, природных и антропогенных объектов)

Двадцатая международная конференция «СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА (Физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений и объектов)»

Участие в конкурсе молодых ученых 

XX.D.351

Развитие алгоритмов технического зрения для уточнения
параметров тропических циклонов по данным дистанционного
зондирования Земли

Якушева А.Н. (1), Ермаков Д.М. (2,3)
(1) МГУ имени М.В. Ломоносова, факультет космических исследований, Москва, Россия
(2) Институт космических исследований РАН, Москва, Россия
(3) Институт радиотехники и электроники им. В.А. Котельникова РАН, Фрязинский филиал (ФИРЭ им. В.А. Котельникова РАН), Фрязино, Московская обл., Россия
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).

Ключевые слова: Тропический циклон, интенсивность, машинное обучение, нейронная сеть

Видео доклада

Дистанционные методы исследования атмосферных и климатических процессов

477