73 тысячи оползней для обучения: нейросеть научили находить разрушения по радарным снимкам Sentinel-1

Исследователи разработали модель глубокого обучения для автоматического выявления оползней по радиолокационным данным спутников Sentinel-1. В отличие от оптических снимков, SAR-съёмка позволяет наблюдать поверхность ночью, сквозь облачность и в условиях плохой погоды — именно тогда, когда оперативные данные особенно нужны после землетрясений и сильных дождей, передает European Geoscinces Union.

Для обучения алгоритма использовали выборку примерно из 73 тыс. оползней, вызванных 11 землетрясениями. После этого модель проверяли на событиях, которые не входили в обучающий набор, чтобы оценить её способность работать на новых территориях.

На отдельных тестовых землетрясениях показатель F1 достигал примерно 82%. Это означает, что алгоритм уже способен достаточно уверенно выделять зоны массового схода грунта на больших территориях без ручной расшифровки каждого спутникового кадра.

Особенно важна сама связка «SAR + AI». После сильного землетрясения оптические спутники часто оказываются малоэффективными из-за облаков, дыма или сложных погодных условий, тогда как радиолокационная съёмка продолжает работать.

Если такие алгоритмы будут интегрированы в оперативные системы ДЗЗ, первичную карту оползней можно будет получать значительно быстрее и использовать для оценки опасности дорог, населённых пунктов и другой инфраструктуры сразу после катастрофы.