ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И МУЛЬТИСЕНСОРНЫЕ ДАННЫЕ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ДЛЯ МОНИТОРИНГА ГОРОДСКИХ ЗЕМЕЛЬ: ВОЗМОЖНОСТИ, ОГРАНИЧЕНИЯ И ПЕРСПЕКТИВЫ
(на примере г. Ханоя, Вьетнам)

Быстрая трансформация городской территории Ханоя повышает требования к оперативному, пространственно детализированному и воспроизводимому мониторингу земного покрова и землепользования. Современные спутниковые системы Landsat, Sentinel-1 и Sentinel-2 обеспечивают многолетние и регулярно обновляемые ряды наблюдений, однако практическим ограничением всё чаще становится не получение изображений, а автоматизированная обработка больших объёмов разновременных и разнородных данных. В работе систематизированы возможности методов искусственного интеллекта (ИИ) — Random Forest, Support Vector Machine, свёрточных нейронных сетей, U-Net, сиамских архитектур, трансформеров и геопространственных фундаментальных моделей — для мониторинга городской территории. На примере Ханоя обобщены опубликованные результаты исследований 2000–2023 гг.: выявлено расширение городской территории на 30 697,8 га; интеграция Landsat и Sentinel-1 обеспечила точность классификации 93% при коэффициенте Kappa 0,80, а чистая потеря растительного покрова составила 4 319 га [1]. Дополнительное исследование на основе Landsat показало, что более 56% территории города характеризуется сильной отрицательной корреляцией NDVI и NDBI (r < −0,5) [2]. Показаны преимущества облачной обработки в Google Earth Engine, мультисенсорного объединения оптических и радиолокационных данных и локального дообучения моделей. Отдельно рассмотрены ограничения, связанные с качеством обучающих выборок, переносом моделей между регионами, облачностью, интерпретируемостью и вычислительными затратами. Обосновывается перспективность применения геопространственных фундаментальных моделей, включая Prithvi и SatMAE, в сочетании с локальной валидацией и экспертным контролем.