Проблема автоматического дешифрирования разрывов в морском ледяном покрове по спутниковым снимкам

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

По данным экспертного дешифрирования разрывов в ледяном покрове морей Лаптевых и Восточно-Сибирского на спутниковых снимках оптического диапазона проведена верификация имеющихся в свободном доступе результатов существующих алгоритмов автоматической идентификации разрывов. Установлено, что ни один из них не может быть использован для получения данных, позволяющих рассчитать такие характеристики разрывов как ориентация, протяженность и плотность расположения в пространстве. Для автоматической идентификации разрывов предлагается разработка алгоритма с применением сверточной нейронной сети, обученной на данных электронного архива разрывов ААНИИ.

Об авторах

Л. Н Дымент

Федеральное государственное бюджетное учреждение Арктический и Антарктический научно-исследовательский институт

Email: ldyment@yandex.ru
Санкт-Петербург, Россия

А. А Ершова

Федеральное государственное бюджетное учреждение Арктический и Антарктический научно-исследовательский институт

Санкт-Петербург, Россия

Е. Г Бойкая

Федеральное государственное бюджетное учреждение Арктический и Антарктический научно-исследовательский институт

Санкт-Петербург, Россия

К. Г Кортикова

Федеральное государственное бюджетное учреждение Арктический и Антарктический научно-исследовательский институт

Санкт-Петербург, Россия

Список литературы

  1. Горбунов Ю.А., Дымент Л.Н., Лосев С.М. Средние многолетние характеристики крупных нарушений сплошности льда в Карском море и в северо-восточной части Баренцева моря. Справочное пособие. Санкт-Петербург: ААНИИ. 2014. 36 с.
  2. Gorbunov Yu.A., Dyment L.N., Losev S.M. Srednie mnogoletnie kharakteristiki krupnyh narusheniy sploshnosti l’da v Karskom more i v severo-vostochnoy chasti Barentseva morya [Average long-term characteristics of large ice discontinuities in the Kara Sea and in the northeastern part of the Barents Sea]. Reference book. Saint-Petersburg: AARI, 2014. 36 p. (In Russian).
  3. Дымент Л.Н., Аксенов П.В., Лосев С.М., Порубаев В.С. Влияние пространственного разрешения снимков ИСЗ на получаемые значения характеристик разрывов в ледяном покрове арктических морей // Исслед. Земли из космоса. 2021. № 3. С. 81–86.
  4. Dyment L.N., Aksenov P.V., Losev S.M., Porubaev V.S. Influence of the spatial resolution of satellite images on the values of the characteristics of ice-cover leads in the Arctic seas // Izvestiya, Atmospheric and Oceanic Physics. 2021. V. 57. P. 1081–1086. https://doi.org/10.1134/S0001433821090462.
  5. Дымент Л.Н., Лосев С.М., Порубаев В.С. Характеристики крупных разрывов в ледяном покрове приатлантической части Арктического бассейна. Справочное пособие. Санкт-Петербург: типография издательства Политехнического университета Петра Великого. 2020. 28 с.
  6. Dyment L.N., Losev S.M., Porubaev V.S. Kharakteristiki krupnyh rasryvov v ledyanom pokrove priatlanticheskoy chasti Arkticheskogo basseyna [Characteristics of large leads in the sea ice cover of the Atlantic part of the Arctic basin]. Reference book. Saint-Peteresburg: AARI, 2020. 28 p. (In Russian).
  7. Кортикова К.Г., Бычкова И.А. Применение сверточной нейронной сети для обнаружения разводий в море Лаптевых по снимкам спутника LANDSAT-8 // Метеорология и гидрология. 2024. № 4. С. 47–54.
  8. Kortikova K.G., Bychkova I.A. Primenenie svertochnoy neyronnoy seti dlya obnaruzheniya razvodiy v more Laptevyh po snimkam sputnika LANDSAT-8 [Application of convolutional neural network for detecting fractures in the Laptev Sea on LANDSAT-8 satellite images] // Meteorologiya i gidrologiya. 2024. № 4. P. 47–54. (In Russian).
  9. Фролов С.В. Влияние ориентации нарушений сплошности льда на эффективность движения судов в Арктическом бассейне в летний период // Проблемы Арктики и Антарктики. 2013. № 3. С. 35–45.
  10. Frolov S.V. Vliyanie orientatsii narusheniy sploshnosti l’da na effectivnost’ dvizheniya sudov v Arkticheskom basseyne v letniy period [Impact of ice discontinuity orientation on the efficiency of ship traffic in the Arctic Basin during the summer period] // Problemy Arktiki i Antarktiki. 2013. № 3. P. 35–45. (In Russian).
  11. Hoffman J.P., Ackerman S.A., Liu Y., Key J.R. The Detection and Characterization of Arctic Sea Ice Leads with Satellite Imagers // Remote Sensing. 2019. V. 11. № 5. P. 521. doi: 10.3390/rs11050521.
  12. Hoffman J.P., Ackerman S.A., Liu Y., Key J.R. [dataset]. 2020. ftp://frostbite.ssec.wisc.edu.
  13. Hoffman J.P., Ackerman S.A., Liu Y., Key J.R., McConnell I.L. Application of a Convolutional Neural Network for the Detection of Sea Ice Leads // Remote Sensing. 2021. V. 13. № 22. P. 4571. doi: 10.3390/rs13224571.
  14. Hoffman J.P., Ackerman S.A., Liu Y., Key J.R., McConnell I.L. VIIRS Sea ice leads detections using a U-Net. [dataset]. Dryad. 2022. DOI: org/10.5061/dryad.1vhhmgqwd.
  15. Li M., Liu J., Qu M., Zhang Z., & Liang X. An Analysis of Arctic Sea Ice Leads Retrieved from AMSR-E/AMSR2 // Remote Sensing. 2022. V. 14. № 4. P. 969. doi: 10.3390/rs14040969.
  16. 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. № 12. P. 1957. doi: 10.3390/rs12121957.
  17. Willmes S., Heinemann G., Reiser F. ArcLeads: Daily sea-ice lead maps for the Arctic, 2002-2021, NOV-APR. [dataset]. PANGAEA. 2023. DOI: pangaea.de/10.1594/PANGAEA.955561?format=html#mcol1_ds15057268.
  18. Willmes S., Heinemann G., Schnaase F. Patterns of wintertime Arctic sea ice leads and their relation to winds and ocean currents // The Cryosphere. 2023. V. 17. № 8. P. 3291–3308. doi: 10.5194/tc-17-3291-2023.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Российская академия наук, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».