Разработка методики для выявления начальных форм термокарста с помощью дистанционного зондирования Земли.

За последние несколько десятилетий из-за изменения климата привело к ускорению термокарстовых процессов на территориях с ледовым комплексом в зоне распространения многолетнемерзлых пород. Массовое вытаивания подземных льдов может влиять на социально-экономическое состояние северных регионов, и следовательно, обнаружение начальных форм термокарста имеет важное значение. Формирование термокарстовых форм рельефа представляет собой ряд стадий развития, от зачаточного быллара до зрелого аласа. Начальные формы термокарстового рельефа – зачаточный быллар и быллар формируются при таянии верхних частей повторно-жильных льдов, образуя характерные бугристо-западинные полигональные образования. В данной работе при выявления начальных форм термокарстового рельефа был выбран метод машинного обучения для анализа космических снимков. Машинное обучение является одним из разделов искусственного интеллекта, а сам раздел можно условно разделить на 3 подраздела: обучение с учителем (Supervised learning), обучение без учителя (Unsupervised learning) и глубокое обучение (Deep learning). При дешифрировании снимков можно использовать любые методы машинного обучения все зависит от поставленной задачи и какие объекты изучаются. Для разработки методики выявления начальных форм термокарста был выбран метод обучение с учителем, помимо этого в начале данная работа была основана на методе обучения без учителя. Таким образом, анализ снимков с помощью обучение с учителем (классификация) показал наилучшие результаты с высокой точностью на языке программирования Python, чем применение метода обучения без учителя (кластеризация) на языке программирования JavaScript.
Исследования выполнена за счет госзадания НИОКТР №126020516688-9 «Эволюция и устойчивость мерзлотных ландшафтов Восточной Сибири».