Использование нейронных сетей и методов машинного обучения в исследованиях и разработках Дальневосточного центра «НИЦ «Планета»

Разработка и совершенствование методов обработки и интерпретации информации спутниковых систем наблюдения для задач гидрометеорологии привели к существенному расширению возможностей применения космических данных в повседневном мониторинге и прогнозировании метеорологических процессов. Ключевую роль здесь играет способность спутниковых систем дистанционного зондирования Земли обеспечивать круглосуточное и глобальное наблюдение за земной поверхностью и атмосферными слоями. Благодаря росту числа орбитальных группировок гидрометеорологического назначения, такая информация помогает более эффективно справляться с разнообразными практическими проектами и оперативными вызовами в области мониторинга окружающей среды, в том числе с прогнозированием погодных феноменов и отслеживанием эволюции климата. Однако параллельно нарастают и вызовы, связанные с необходимостью анализа огромных массивов разнородной информации, которая часто не имеет единой логической структуры.
Физические модели для спектрального анализа спутниковых измерений, а также подходы на базе машинного обучения и нейронных сетей, предполагают не только значительные вычислительные мощности, но и адаптацию к локальным географическим и климатическим условиям. Применение современных вычислительных платформ и оборудования делает возможным выполнение сложных вычислений с учетом множества взаимосвязанных и независимых факторов в сценариях, где требуется быстрое получение итоговых результатов.
В частности, для высокоэллиптического космического аппарата (КА) Арктика-М № 1 с использованием сверточной нейронной сети в комбинации с вейвлет-преобразованиями создан подход к нивелированию артефактов в форме полос в инфракрасных каналах основного прибора на борту КА – МСУ-ГС [1]. Интеграция этого метода в рабочий процесс обеспечила бесперебойное производство всего спектра запланированной продукции, соответствующей техническим требованиям.
Были созданы и апробированы методы на основе физических симуляций для генерации специализированных продуктов: высоты верхней границы облачности, эффективного радиуса облачных частиц, оптической толщины в спектральном канале 0.6 мкм и фазового состава воды в облаке [2]. Кроме того, с опорой на сверточные нейронные сети разработаны инструменты для распознавания облачных [3], снежных [4] и ледовых покровов [5]. Эти решения адаптированы для сенсоров МСУ-МР, МСУ-ГС и AHI, размещенных на аппаратах серии Метеор-М, Арктика-М, Электро-Л и Himawari соответственно.
Среди последних разработок выделяется вычисление вертикальных распределений температуры и влажности в атмосфере [6] на основе данных прибора МТВЗА-ГЯ на спутнике Метеор-М. Уникальность подхода заключается в подготовке обучающих данных для нейронной сети прямого распространения на основе многослойного персептрона, включающих практически полный спектр вариаций атмосферных характеристик за многолетний период.
Дополнительно, по информации прибора МСУ-ГС на КА серий Арктика-М и Электро-Л, а также прибора AHI на Himawari-8/9, разработаны технологии формирования ключевых продуктов: классификация облачных форм [7] и прогнозирование интенсивности осадков в Азиатско-Тихоокеанском регионе с помощью методов искусственного интеллекта. В условиях, когда на Дальнем Востоке почти нет радаров метеорологического назначения, эти индикаторы существенно дополняют синоптические данные для подготовки метеопрогнозов. Для анализа интенсивности осадков предложен комплексный подход на основе с двумя нейросетевыми компонентами: детектором полей выпадения осадков и оценки их мгновенной интенсивности.
В процессе исследований особый акцент делается на валидации качества получаемых продуктов. Для каждого типа продукции предусмотрена многоуровневая проверка: вычисление ключевых показателей на валидационной выборке; сопоставление с результатами экспертного анализа спутниковых снимков или с наземными наблюдениями; корреляция с продуктами, полученными по данным иностранных спутниковых систем. На основе этой всесторонней оценки формулируются суждения о надежности и прецизионности функционирования разработанных методов и алгоритмов.
Формируемые продукты имеют критическое значение для тех территорий, где дефицит радаров и разреженная сеть наземных станций не позволяют полноценно контролировать и оценивать метеорологическую ситуацию. Все технологии обработки и получения продуктов по данным российских космических аппаратов, реализованные в Дальневосточном центре НИЦ «Планета», имеют логическое завершение, позволяющее комплексно использовать эти данные для задач слежения за погодой, мониторинга сельхозземель и паводковой обстановки, краткосрочного прогнозирования осадков и множества других направлений.