По аналогии с цифровой системой «Умный город» команда ученых из Института наук о Земле ЮФУ создает информационную систему, которая базируется на больших геоданных и позволяет принимать управленческие решения относительно того или иного региона. На данном этапе уже создана нейронная сеть «WaterИнсайт», которая лишь при помощи спутниковых изображений может самостоятельно анализировать любой водоем и дать информацию о его глубине, площади, тенденции к обмелению, взаимосвязи с климатическими показателями и прочие показатели.

Система уже была протестирована на Керченском полуострове и показала хорошие результаты: 96 процентов точности, в то время как традиционные походы составляли около 70.

Над проектом трудится коллектив исследователей Института Наук о Земле Южного федерального университета под руководством ведущего научного сотрудника, участника программы постдоков ЮФУ в рамках Программы развития «Приоритет-2030» (нацпроект «Наука и университеты») Дениса Кривогуза. На данном этапе исследователи уже совершили значительный прорыв в понимании взаимосвязи между климатическими изменениями и динамикой водных объектов Керченского полуострова. Интегрируя передовые методы геоинформатики, компьютерного зрения и глубокого обучения, они предоставили важные данные, которые способствуют разработке стратегий управления водными ресурсами в условиях меняющегося климата.

В первом исследовании, опубликованном в журнале Q2 Journal of Marine Science and Engineering, была разработана методика, основанная на использовании глубоких нейронных сетей и алгоритмов машинного обучения для извлечения данных о площадях водных объектов спутниковых изображений. Нейронная сеть позволила проанализировать водную поверхность и отделить ее от суши в сложных условиях грязевых и не грязевых озер Керченского полуострова, существенно увеличив точность до этого существующих подходов.

«Использовались спутниковые данные Landsat, обработанные с помощью алгоритма, который компенсировал местные атмосферные и световые условия, обеспечивая точное извлечение информации о водных объектах в различных временных интервалах. Сеть была обучена распознавать и классифицировать различные типы водных объектов, включая их границы и размеры, что было основой для дальнейшего изучения их динамики», – рассказал Денис Кривогуз.

Исходя из рисунка, очевидно, что по сравнению с традиционными подходами к извлечению площадей водного зеркала озер (красным, около 70 процентов точности), подход команды ЮФУ (желтый) позволил увеличить точность до 96 процентов, по сравнению с данными полевых исследований (зеленым) / © Пресс-служба ЮФУ

Однако на этом команда ученых не остановилась.