Труды КНЦ (Технические науки вып. 7/2023(14))

облачность покрывает значительную часть подстилающей поверхности. Эта проблема становится особенно актуальной, если при их подготовке в качестве источника данных используются спутниковые снимки видимого и инфракрасного диапазонов. Работа составителей ледовых карт может быть существенно облегчена, если для обработки исходных данных использовать различные методы распознавания изображений. В частности, в исследовании [27] предлагается алгоритм классификации ледового покрытия, а именно, выделения на изображении зон с ледовым покрытием, открытой водой и облачностью. В работе показана возможность получения данных о ледовой обстановке при помощи описанного алгоритма и предлагается провести его усовершенствование по результатам испытаний, в частности, апробировать его на снимках морей Северного морского пути. Также в России разрабатываются и успешно применяются методы обработки спутниковых изображений с использованием нейронных сетей. Так, в статье [28] при помощи глубокой конволюционной нейронной сети на основе радиолокационных спутниковых изображений создаются карты ледовой обстановки, на которых выделяются кромка льда и дается классификация льдов. Отмечается, что результатом работы нейронной сети является ледовая карта без трудноразличимой детализации, что иногда приводит к загрублению границ льдов различных типов. Однако в целом классификация льдов на изображении представлена довольно четко. Источником данных являлись спутниковые изображения космического аппарата Sentinel-1. Важным аспектом оперативного мониторинга ледовой обстановки является выявление айсбергов в открытой воде. Даже при использовании высококачественных радиолокационных спутниковых изображений данная проблема является актуальной, поскольку они зачастую сильно зашумлены, а айсберги на этих снимках являются малыми объектами — они могут сливаться с шумами на изображении. Хотя и имеются способы автоматизации выделения айсбергов на снимках, все равно требуется ручная работа оператора. А если учесть то, что на одном снимке может присутствовать несколько сотен айсбергов, очевидно, что существующие средства автоматизации их распознавания с применением ручной работы оператора могут быть недостаточно эффективными. В работе [29] предлагается выделять айсберги на изображении при помощи нейронных сетей, в частности, с использованием глубоких конволюционных нейронных сетей. В работе [30] для исследования степени разрушенности льда предлагается использовать мультифрактальный анализ. Изучив нескольких десятков фрагментов изображений Новоземельского припая, авторы выделили параметр, на основании которого можно построить интервальную оценку, позволяющую однозначно определить балльность ледового поля. Если говорить о мониторинге ледовой обстановки с использованием спутниковых снимков, то, очевидно, большую роль здесь играет доступность спутниковых данных. Исследования [31-33] можно рассматривать как методологическую базу для разработки информационных систем мониторинга ледовой обстановки. Так, в статье [31] даются рекомендации по использованию различных видов спутниковых снимков в зависимости от решаемых задач, а в работе [32] приводятся общие принципы обработки спутниковых изображений для построения ледовых карт. В исследовании [33] показано, как можно применять результаты спутниковой съемки в микроволновом диапазоне для предсказания опасных гидрологических явлений. В частности, показано, как изменение яркостной температуры ледового покрова может свидетельствовать о начале фазы активного таяния и быть предвестником паводков. Мониторинг ледовой обстановки с использованием спутниковых данных — не единственный способ получения информации. Существуют методы получения ледовых карт на основании данных судового оборудования. Например, в работе [34] предложен способ формирования карты ледового поля в радиусе 20-25 км от судна на основе интерферограммы, полученной при помощи радиолокационной станции. В результате обработки данных пользователь получает трехмерное изображение ледовой обстановки в районе судна. В разработках [35, 36] предлагаются методы автоматизированного составления карты ледового поля из множества разрозненных радиолокационных изображений, полученных от судового Труды Кольского научного центра РАН. Серия: Технические науки. 2023. Т. 14, № 7. С. 68-78. Transactions of the Kola Science Centre of RAS. Series: Engineering Sciences. 2023. Vol. 14, No. 7. P. 68-78. © Яковлев С. Ю., Шемякин А. С., 2023 72