Автоматическая классификация льда по данным РСА с использованием сверточной нейронной сети.

Развитие методов автоматической классификации льда по спутниковым данным высокого пространственного разрешения представляется важной задачей для изучения окружающей среды и усовершенствования систем морской навигации. В настоящее время спутниковые продукты по сплоченности льда создаются только по данным микроволновых радиометров. Разрешение таких продуктов не превышает нескольких километров. Также существуют карты морского льда, построенные на основе экспертной классификации (по обобщенным классам сплоченности или по типам). Эти карты обладают более высоким разрешением, но создаются они полностью или частично вручную. Для составления таких карт используются спутниковые продукты высокого разрешения, в том числе данные радиолокаторов с синтезированной апертурой (РСА).
В связи с интенсивным развитием систем машинного обучения в последние несколько лет, возникает вопрос, нельзя ли построить полностью автоматическую систему идентификации/классификации льда, используя РСА снимки в качестве входных данных.
В данной работе рассматривается метод классификации морской поверхности (лед/вода) на основе нейронной сети, обученной на экспертных ледовых картах Норвежского метеорологического института. В качестве входных данных были использованы значения УЭПР на двух поляризациях по данным РСА Sentinel-1. Обсуждаются плюсы и минусы использования именно этих данных для обучения, выбор архитектуры нейронной сети и фреймворка для ее реализации, количественные и качественные результаты и возможное развитие этого метода. Также в работе описан подход, делающий создание обучающей выборки полностью автоматизированным процессом.
Для демонстрации результатов и их визуальной валидации используется Арктический портал Лаборатории спутниковой океанографии (ЛСО) - ГИС система, разработанная для мониторинга состояния Арктического региона. Арктический портал ЛСО легко позволяет не только сравнить и проанализировать поля УЭПР и результаты применения метода во всем регионе, но и оценить качество экспертных карт путем кросс-валидации с другими спутниковыми продуктами по морскому льду.