Вторник, 17 ноября 2026 г., 18:04 (мск)
Главная»Наука»Как ИИ превращает спутниковые снимки в прогноз пожаров и пав...
RSS

Как ИИ превращает спутниковые снимки в прогноз пожаров и паводков

Как ИИ превращает спутниковые снимки в прогноз пожаров и паводков

Компьютерное зрение позволяет автоматически выявлять леса, реки, здания и свалки, а затем сравнивать снимки одной территории. Такие данные дают региональным службам актуальную картину землепользования: можно оценить, сколько построено объектов, как меняется площадь лесов и где появились незаконные постройки. Для поиска самостроя алгоритм сегментирует здания на снимке, после чего их координаты сверяют с базой зарегистрированных объектов. Раньше подобная проверка могла требовать многолетних обходов и сверок.

Главная трудность, по словам старшего преподавателя Сколтеха Дмитрия Шадрина, связана не столько с алгоритмами, сколько с разнообразием данных. Модель, обученная распознавать лес на Дальнем Востоке, может хуже работать в Сибири из-за различий в составе лесов. Точность снижается и при переходе на снимки с нового спутника, даже если его сенсор похож на прежний. Поэтому модели приходится адаптировать к регионам и новым данным. Мониторинг также ограничивают облачность и период повторного пролета спутника: над одной территорией он может появляться раз в две недели, а за лето удается получить лишь несколько качественных снимков.

Для повышения детализации снимков исследователи применяют генеративные модели. Например, изображение с разрешением 10 метров на пиксель можно увеличить до 2,5 метра, а затем проверить, стал ли алгоритм точнее выделять лес и его границы. Повышение разрешения здесь рассматривают не как самоцель, а как способ улучшить результаты прикладного анализа.

Для прогноза пожаров платформа объединяет спутниковые изображения с метеоданными, прогнозом погоды, сведениями о влажности почвы и удаленности от дорог. Все источники нужно привести к единому разрешению, а параметры — корректно описать для нейросети. При этом слишком детальный прогноз может быть физически ненадежным: неопределенность погоды не позволяет уверенно предсказывать вероятность пожара на сетке 100 метров за пять дней. В Сколтехе выбрали сетку примерно 20 на 20 километров — этот масштаб соответствует неопределенности погодного прогноза и помогает планировать логистику пожарных бригад.

Платформа также отслеживает лесные ресурсы и углеродный баланс, выявляет затопленные территории и оценивает масштаб паводков. Команда работает над пространственным прогнозированием наводнений. По словам Шадрина, 30% исследователей Центра искусственного интеллекта Сколтеха входят в топ-2% самых цитируемых ученых мира по версии Elsevier.

Поделиться:

Комментарии (0)

Оставить комментарий

Пока нет комментариев. Будьте первым!