Добавление данных о рельефе и осадках повысило точность спутникового картирования наводнений в Мумбаи

Индийские исследователи разработали метод выявления затопленных территорий, объединяющий спутниковые изображения, цифровую модель рельефа и данные об атмосферных осадках. При испытании на территории Мумбаи применение дополнительных гидрологических характеристик повысило показатель ROC-AUC примерно с 0,66 до 0,80. Работа опубликована 20 октября 2026 года в журнале Natural Hazards and Earth System Sciences.

Авторы исследовали возможности машинного обучения для картирования затоплений в крупном прибрежном городе, где на распространение паводковых вод одновременно влияют муссонные дожди, особенности рельефа, плотная застройка и состояние водоотводящей сети.

Основу исходных данных составили радиолокационные изображения Sentinel-1, оптические снимки Sentinel-2, цифровая модель рельефа SRTM и сведения об осадках CHIRPS. Их обработка выполнялась в среде Google Earth Engine.

Особенность предложенного метода заключается во включении двух дополнительных показателей. Первый — относительная высотная модель REM, характеризующая положение участка по отношению к окружающему рельефу и условия накопления воды. Второй — нормализованный по осадкам индекс RNI, учитывающий влияние дождей на увлажнение поверхности.

Эти характеристики позволяют алгоритму учитывать не только внешний вид затопленного участка на спутниковом снимке, но и физические условия, способствующие накоплению воды.

Для формирования обучающих данных авторы использовали сведения о наводнениях муссонного сезона 2019 года. Совместная обработка радиолокационных и оптических изображений с учётом рельефа позволила выделить приблизительно 260 тысяч пикселей, отнесённых к затопленным территориям.

Исследователи сравнили модели Random Forest, XGBoost и ансамблевые алгоритмы. Наилучший результат показала оптимизированная модель XGBoost: общая точность классификации составила 71,7%, показатель ROC-AUC — 0,803.

Дополнительные эксперименты подтвердили значимость гидрологических параметров. Включение REM и RNI увеличивало AUC примерно на 5–6 процентных пунктов в соответствующих сравнительных расчётах. При сравнении полной системы признаков с вариантом, использующим только радиолокационные данные, показатель вырос приблизительно с 0,66 до 0,80.

Полученные карты в целом соответствовали расположению пониженных территорий и основных элементов водоотводящей сети Мумбаи.

Для задач инженерной защиты работа интересна возможностью повысить информативность спутникового мониторинга при ограниченном количестве наземных измерений. Метод может использоваться для предварительного выявления затоплений, оценки уязвимых участков городской инфраструктуры и планирования обследований после сильных осадков.

Однако показатель ROC-AUC 0,803 не означает, что система с точностью 80,3% определяет глубину или скорость движения воды. В исследовании оценивалось качество классификации затопленных и незатопленных участков.

Предложенный подход также не заменяет гидродинамические расчёты, необходимые для проектирования дамб, водопропускных сооружений и систем поверхностного водоотведения. Для его переноса на другие города потребуется самостоятельная проверка с учётом местного рельефа, застройки и гидрометеорологических условий.