Применение алгоритмов искусственного интеллекта для контроля паводкоопасных территорий pdf

Авторы

Курганович Константин Анатольевич, канд. техн. наук, доцент, ведущий научный сотрудник, ФГБУ «Российский научно-исследовательский институт комплексного использования и охраны водных ресурсов», Восточный филиал, Россия, г. Чита;
Шаликовский Андрей Валерьевич, канд. техн. наук, доцент, директор филиала, ФГБУ «Российский научно-исследовательский институт комплексного использования и охраны водных ресурсов», Восточный филиал, Россия, г. Чита;
Босов Максим Анатольевич, канд. техн. наук, главный инженер проекта, ФГБУ «Российский научно-исследовательский институт комплексного использования и охраны водных ресурсов», Восточный филиал, Россия, г. Чита;
Кочев Денис Владимирович, инженер-исследователь, ФГБУ «Российский научно-исследовательский институт комплексного использования и охраны вод ных ресурсов», Восточный филиал, Россия, г. Чита.

Аннотация

Актуальной задачей при интенсивном хозяйственном освоении территорий, подверженных затоплению и подтоплению, является мониторинг использования таких территорий. Проведение мониторинга возможно на основании изучения высокодетальных данных дистанционного зондирования Земли. Трудоемкий анализ спутниковых снимков можно автоматизировать за счет использования специально обученных свёрточных нейронных сетей для семантической сегментации изображений на основании алгоритма, предложенного в данной статье. В работе на выделенных ранее зонах затопления с использованием данных дистанционного зондирования автоматически определены объекты застройки, посредством совмещения разновременной информации произведена оценка интенсивности строительства в межпаводковый период. В целях формирования обучающей выборки проведена съемка нескольких населенных пунктов на территории Забайкальского края с использованием беспилотных летательных аппаратов. Нейронная сеть сконфигурирована с применением языка Python и библиотеки PyTorch. Для выбора наилучшей конфигурации свёрточной нейронной сети различные комбинации архитектур и видов энкодеров протестированы на производительность и точность. Наилучший результат по скорости и точности показала архитектура U-Net, построенная с использованием свёрточной нейронной сети с энкодером SE-ResNeXt50. По данным спутниковых изображений высокого пространственного разрешения для с. Агинское Забайкальского края построена детальная карта застройки в паводкоопасной территории в 2013 и 2019 гг. и определены объекты застройки в межпаводковый период. Результаты исследования позволяют учитывать ряд важных факторов при планировании рационального использования паводкоопасных территорий.

Ключевые слова

искусственный интеллект, свёрточные нейронные сети, наводнения, дистанционное зондирование, паводкоопасные территории, мониторинг, Забайкальский край

Ссылка для цитирования

Курганович К.А. , Шаликовский А.В. , Босов М.А., Кочев Д.В. Применение алгоритмов искусственного интеллекта для контроля паводкоопасных территорий // Водное хозяйство России: проблемы, технологии, управление. 2021. № 3. С. 6-24. DOI: 10.35567/19994508-2021-3-1.
DOI: 10.35567/1999-4508-2021-3-1