ИСТИНА

С каждым годом техники распознавания образов показывают все большие успехи. Одновременно увеличиваются объемы, растут детальность и точность накопленных данных о морфологии рельефа земной поверхности и ее изменениях во времени. Это открывает широкие возможности для тестирования частичной автоматизации геоморфологического картографирования. Попытки классифицирования рельефа по цифровой информации предпринимаются вот уже, минимум, 50 лет. Сначала эти попытки состояли чаще всего в выделении структурных элементов земной поверхности: характерных точек, линий выпуклых и вогнутых перегибов первой и второй производных высоты по пространственным координатам, и заключенных между этими точками и линиями поверхностей. Позже появляются работы, где авторами выделяются какие-то конкретные формы (друмлины, импактные кратеры и т. д.), комплексы форм (поля песчаных дюн), геоморфологические режимы территории и прочее. Геоморфологи, не занимающиеся вплотную морфометрическим анализом рельефа, тем не менее, обычно не проявляют интерес к уже разработанным инструментам и подходам. Думается, это связано с тем, что сложившиеся подходы (особенно, в СССР и России) к созданию общих геоморфологических карт во всех масштабах требуют информации, которую не удается получить одним только морфометрическим анализом. Однако теоретический предел "машинного картографирования" - это, как минимум, выделение тех же контуров, которые может провести геоморфолог по топографической карте без привлечения данных разрезов, скважин, геофизических и других изысканий. Даже этот предел пока кажется мало достижим. Возможно, его достижение будет связано с внедрением современных методов распознавания образов - классификаций с обучением, в частности, глубоких сверточных нейронных сетей, которые уже сейчас решают задачи классификации изображений (принципиальное наличие или отсутствие объекта на изображении), их сегментации (выделения границ объекта или объектов). Сейчас, помимо широкого распространения цифровых моделей рельефа - ЦМР - средней (SRTM 1", Alos World 3D) и высокой (ArcticDEM) детальности, продолжают расти возможности мониторинга кинематики рельефа - за счет использования радарных интерферометрических снимков (Alos Palsar, Sentinel-1 и др.). Пока еще временной ряд наблюдений на большей части планеты невелик, однако, даже он позволяет с осторожностью судить о текущем характере изменения отметок высот на участках с активной морфодинамикой. В данном проекте мы предлагаем использовать комбинированную информацию о морфологии рельефа с ЦМР и о ее текущих изменениях по данным Sentinel-1A в качестве входных данных для моделей классификации с обучением. Эталоном для этих моделей послужат существующие геоморфологические карты, в том числе уже составленные коллективом ранее и предполагаемые к составлению при реализации этого проекта. Стоящая перед коллективом задача - выделение собственно форм рельефа разного типа (а не их геометрических элементов), а также закономерных сочетаний форм рельефа в пространстве и, в конечном счете, возможно, проведение геоморфологического районирования Арктики автоматическим путем.

Year by year, the image recognition techniques show great progress. At the same time, sizes, resolutions and accuracy of the spatial data on the morphology of the Earth's surface and its changes over time are increase. This opens up broad opportunities for testing partial automation of geomorphological mapping. Attempts to classify relief according to digital information have been made for at least 50 years. At first, these attempts consisted most often in isolating the structural elements of the earth's surface: characteristic points, lines of convex and concave inflection of the first and second derivatives of height in spatial coordinates, and elementary surfaces located between these points and lines. Later papers appear where the authors distinguish some specific forms (drumlins, impact craters, etc.), complexes of the forms (sand dune fields), geomorphological regimes of the territory, and so on. Geomorphologists who are not closely involved in morphometric analysis of the terrain, usually do not show interest in the already developed tools and approaches. It seems that this is due to the fact that the established approaches (especially in the USSR and Russia) to the creation of general geomorphological maps on all scales require information that cannot be obtained by morphometric analysis alone. However, the theoretical limit of "machine mapping" is, at a minimum, the digitizing of the same contours that a geomorphologist can conduct on a topographic map without using data from geological sections, holes, geophysical and other surveys. Even this limit still seems a little attainable. Perhaps its achievement will be associated with the introduction of modern pattern recognition methods - supervised classifications, and, in particular, deep convolutional neural networks (CNN) that are already solving the problem of image classification (the principal presence or absence of an object in an image), their segmentation (highlighting the boundaries of an object or objects ). Now, in addition to the wide distribution of digital elevation models - DEM - of medium (SRTM 1 ", Alos World 3D) and high (ArcticDEM) resolution, monitoring capabilities of the terrain changes continue to grow - due to the use of radar interferometric images (Alos Palsar, Sentinel-1, etc. .). While the time series of observations on most of the planet area is small, however, even it allows one to judge with caution the current nature of the change in elevations in areas with active morphodynamics. In this project we propose to use combined information on According to the Sentinel-1A data, the morphology of the terrain with the DEM and its current changes as input data for classification models with training. The existing geomorphological maps, including those already compiled by the team and planned to be compiled during the project, will serve as a benchmark. before the collective, the task is to isolate the actual forms of the relief of different types (and not their geometric elements only), as well as the natural combinations of the relief forms on the territory and, ultimately, it is possible to carry out a geomorphic zoning of the russian part of the Arctic by automatic way.

По итогам реализации проекта заявители ожидают получить результаты: 1) оценку морфометрических характеристик рельефа земной поверхности по их дискриминационной способности в отношении выделения форм рельефа различных типов. 2) оценку статистических методов классификации с обучением по их эффективности для целей геоморфологического картографирования; 3) статистическая модель или ансамбль моделей, позволяющая классифицировать рельеф арктической суши по его морфологии и текущей динамике, с частичным учетом генезиса и возраста; 4) геоморфологические карты российской части арктической суши в мелком масштабе (ориентировочно - 1 : 2 500 000), на отдельные части - в средних и крупных масштабах, полученные автоматическим путем. Все ожидаемые результаты вполне конкурентоспособны на текущем мировом уровне развития морфометрии рельефа и геоморфологического картографирования. Возможности практического использования результатов состоят в следующем. Предполагается, что по результатам проекта будет создана одна или несколько дополняющих друг друга статистических моделей, позволяющих выделять в автоматическом режиме контуры форм и комплексов форм рельефа, и создавать основу для геоморфологических карт. Такие карты используются в проектах инженерного освоения территории, при поисках полезных ископаемых, прогнозе и предупреждении чрезвычайных ситуаций и т. д. Частичная автоматизация создания геоморфологических карт (вплоть до крупного масштаба) по открытым данным сразу на значительные площади - имеет несомненный практический смысл.

Профессиональный уровень членов коллектива соответствует задачам проекта. Полевые работы в Арктике проводили Ф. А. Романенко, Ю. Р. Беляев, А. П. Вергун, А. С. Третниченко, Е. А. Мороз. Методы морфометрического анализа в работе используют все без исключения члены коллектива, из них некоторые имеют опыт разработки собственных программных инструментов и новых морфометрических характеристик для решения частных задач (Харченко С. В., Энтин А. Л.). ГИС-технологиями владеют все участники коллектива, из них активно пользуются - 7 участников (за исключением Ф. А. Романенко). Опыт построения статистических моделей распознавания образов имеют минимум трое участников коллектива (Бондарь А. И., Энтин А. Л., Харченко С. В.). Опыт создания, обработки и интерпретации батиметрических моделей рельефа субаэрального происхождения имеет Мороз Е. А. Методикой обработки интерферометрических снимков владеет Третниченко А. С. (программа SNAP, снимки Sentinel-1A и др.), освоивший эту методику при работе в Центре геоинформационных и космических технологий ООО «Газпром ВНИИГАЗ». Три человека владеют современными языками программирования (R и / или Python) для автоматизации нестандартных расчетных процедур и собственно создания моделей распознавания образов (Харченко С. В., Энтин А. Л., Бондарь А. И.). Методами картографирования профессионально владеют Энтин А. Л. и Вергун А. П., остальные участники коллектива (в особенности, Ю. Р. Беляев) - также имеют опыт составления картографических материалов, не являясь при этом профессиональными картографами.