Использование методов машинного обучения для оценки ледовой обстановки на реках Мурманской области по данным спутников Sentinel-1

Сложные климатические условия Арктического региона оказывают влияние на процесс формирования ледового покрова северных рек. Мониторинг ледовой обстановки является важным элементом системы предупреждения опасных явлений на внутренних водоемах: наводнения, половодья, раннего ледостава и т.п.
В задаче оценки ледовой обстановки на реках Мурманской области использовались радиолокационные снимки с синтетической апертурой (РСА) спутниковой платформы Sentinel-1. Анализировался участок реки Кола в районе гидропоста - 1429 км Октябрьской железной дороги.
Построенная модель логистической регрессии по данным обратного рассеивания в поляризациях VV и VH позволила определить вероятность появления льда в каждом пикселе shape-файла анализируемого участка реки, а также визуализировать картину ледового явления.
Задача классификации ледовых явлений решалась с помощью полносвязной нейронной сети MLP (многослойный перцептрон). Выбор архитектуры обусловлен сравнительно небольшим объемом обучающей выборки и возможностью легкой адаптации и расширения модели, например, при добавлении нового слоя или изменении количества нейронов в существующих слоях для улучшения производительности. Было реализовано обучение модели классификации на 3 класса: ледостав, открытая вода и ледовые явления межсезонья. Точность классификации, оцениваемая на основе данных натурных наблюдений в зоне указанного гидропоста, в среднем имеет значение 83% (по данным 2015-2018 гг.).
В рамках проведенного исследования разработаны программные модули, анализирующие спутниковые снимки Sentinel-1 (А, B) с целью детектирования ледовых явлений на реках Мурманской области. Дальнейшая работа предполагает адаптацию инструментария к использованию данных с российских спутников.
Исследование выполнено за счет гранта Российского научного фонда № 24-17-20021, https://rscf.ru/project/24-17-20021/ и Минобрнауки Мурманской области согласно Соглашения от 03.05.2024 № 199.