Современные проблемы дистанционного зондирования Земли из космоса. 2025. Т. 22. № 6. С. 43-51
Автоматическая идентификация разрывов в морском ледяном покрове по снимкам спутника Suomi NPP
Е.Г. Бойкая
1 , К.Г. Кортикова
1 , Л.Н. Дымент
1 , А.А. Ершова
1 1 Арктический и антарктический научно-исследовательский институт, Санкт-Петербург, Россия
Одобрена к печати: 18.09.2025
DOI: 10.21046/2070-7401-2025-22-6-43-51
В дрейфующем ледяном покрове арктических морей под действием динамических факторов образуются разрывы, протяжённость которых может достигать нескольких тысяч километров. Движение судна по попутным разрывам значительно повышает экономическую эффективность и безопасность плавания. В связи с этим информация о разрывах включается в состав гидрометеорологического обеспечения рейсов по Северному морскому пути. Изучение пространственной и временной изменчивости таких характеристик разрывов, как их преобладающая ориентация, протяжённость и плотность расположения на акватории, требует большого количества исходных данных. В настоящее время источником информации о разрывах служат снимки ИСЗ низкого пространственного разрешения. Однако методов автоматического дешифрирования, позволяющих по полученным данным рассчитать все основные характеристики разрывов, не существовало. В статье представлен метод автоматической идентификации разрывов на снимках ИСЗ Suomi NPP инфракрасного диапазона с пространственным разрешением 375 м. При разработке метода использовалась свёрточная нейронная сеть U-net. Обучение модели проводилось на данных ручного экспертного дешифрирования разрывов на 187 снимках ледяного покрова морей Лаптевых и Восточно-Сибирского за ледовые сезоны 2021–2024 гг. Коэффициент Жаккара составил 0,64, коэффициент Сёренсена – Дайса — 0,77. После обработки снимка моделью создаётся геопривязанное монохромное изображение идентифицированных разрывов. Затем по разработанному алгоритму проводится выделение отдельных объектов-разрывов. Каждый такой объект представляет собой последовательность отрезков, которые соответствуют относительно прямолинейным участкам разрыва. Географические координаты концов отрезков, заносимые в файл результатов, позволяют рассчитывать протяжённость и ориентацию каждого отдельного разрыва. Верификация разработанного метода проводилась на 30 снимках Suomi NPP ледяного покрова морей Лаптевых и Восточно-Сибирского, прошедших экспертное дешифрирование и не использованных при обучении модели. По данным автоматического и ручного дешифрирования были рассчитаны модальная ориентация и удельная длина разрывов, осреднённые по квадратам 100×100 км. Средняя величина различий в полученных значениях модальной ориентации составила 7°, а удельной длины разрывов — 15 м/км2.
Ключевые слова: разрывы в ледяном покрове, арктические моря, автоматическое дешифрирование, спутниковые снимки, инфракрасный диапазон, нейросетевые технологии
Полный текстСписок литературы:
- Дымент Л. Н., Ершова А. А., Бойкая Е. Г., Кортикова К. Г. Проблема автоматического дешифрирования разрывов в морском ледяном покрове по спутниковым снимкам // Исслед. Земли из космоса. 2025. № 4. С. 52–61. DOI: 10.7868/S3034540525040046.
- Hoffman J. P., Ackerman S. A., Liu Y., Key J. R. The detection and characterization of Arctic sea ice leads with satellite images // Remote Sensing. 2019. V. 11. No. 5. Article 521. DOI: 10.3390/rs11050521.
- Hoffman J. P., Ackerman S. A., Liu Y. et al. Application of a convolutional neural network for the detection of sea ice leads // Remote Sensing. 2021. V. 13. No. 22. Article 4571. DOI: 10.3390/rs13224571.
- Lee S., Kim H.-C., Im J. Arctic lead detection using a waveform mixture algorithm from CryoSat-2 data // The Cryosphere. 2018. V. 12. No. 5. P. 1665–1679. DOI: 10.5194/tc-12-1665-2018.
- Lindsay R. W., Rothrock D. A. Arctic sea ice leads from advanced very high resolution radiometer images // J. Geophysical Research: Oceans. 1995. V. 100. No. C3. P. 4533–4544. DOI: 10.1029/94JC02393.
- Reiser F., Willmes S., Heinemann G. A new algorithm for daily sea ice lead identification in the Arctic and Antarctic winter from thermal-infrared satellite imagery // Remote Sensing. 2020. V. 12. No. 12. Article 1957. DOI: 10.3390/rs12121957.
- Röhrs J., Kaleschke L. An algorithm to detect sea ice leads by using AMSR-E passive microwave imagery // The Cryosphere. 2012. V. 6. No. 2. P. 343–352. DOI: 10.5194/tc-6-343-2012.
- Willmes S., Heinemann G. Pan-Arctic lead detection from MODIS thermal infrared imagery // Annals of Glaciology. 2015. V. 56. No. 69. P. 29–37. DOI: 10.3189/2015AoG69A615.