Метод автоматической идентификации разрывов в морском ледяном покрове по снимкам спутника SuomiNPP

Разрывы в ледяном покрове арктических морей, представляющие собой протяженные участки, покрытые водой или молодым льдом, имеют большое значение для обеспечения судоходства по Северному Морскому пути. Для изучения пространственной и временной изменчивости разрывов необходимо наличие базы данных, по которой можно получить информацию об их расположении, ориентации, протяженности и прочих характеристиках за прошедшие годы. Ее пополнение возможно с помощью экспертного дешифрирования спутниковых снимков, однако данный процесс слишком трудоемкий.
В докладе представлен разработанный метод автоматической идентификации разрывов на снимках SuomiNPP с пространственным разрешением 375 м. В его основу положена модель, полученная путем обучения нейронной сети на данных архива ААНИИ. Этот архив содержит результаты экспертного дешифрирования разрывов в морях Лаптевых и Восточно-Сибирского за последние 10 лет. Полученная модель способна идентифицировать разрывы через легкую облачность, а также исключать из рассмотрения полыньи и зоны сильной раздробленности льда. Метрика Dice на тестовой выборке составила 0,77.
Для расчета таких характеристик разрыва как ориентация и протяженность необходимо фиксирование его географических координат. Расположение разрыва приблизительно отражает отрезок, соединяющий середины меньших сторон описанного вокруг него прямоугольника. Однако, если форма разрыва далека от линейной, данный способ существенно занижает значение протяженности и приводит к ошибкам в определении ориентации. В связи с этим был разработан алгоритм «ветвей», который преобразует каждый выделенный моделью разрыв в несколько отдельных объектов, представляющих собой ломаные линии, и фиксирует координаты концов прямолинейных отрезков.
Тестирование алгоритма проводилось по данным экспертного дешифрирования снимков, не вошедших в обучающую выборку. В докладе представлены результаты сравнения характеристик разрывов, рассчитанных по данным ручного и автоматического дешифрирования.
Исследование выполнено за счет гранта Российского научного фонда № 25-27-00008, https://rscf.ru/project/25-27-00008/.