Исследователи Центра искусственного интеллекта Сколтеха проанализировали более 200 научных работ о применении спутниковых данных и ИИ для мониторинга лесных пожаров, наводнений, засух и изменений земного покрова. Обзор опубликован в журнале Earth Systems and Environment (Springer Nature).
Авторы проследили эволюцию методов обработки спутниковых данных — от спектральных индексов и физических моделей до глубоких нейросетей, трансформеров и геопространственных фундаментальных моделей. Разные архитектуры решают разные задачи: сверточные сети учитывают пространственную структуру снимка, рекуррентные модели — динамику во времени, трансформеры сопоставляют информацию между удаленными участками и длинными рядами наблюдений.
Один из главных выводов: более сложная модель не обязательно надежнее. Алгоритм, обученный на данных одного региона, может терять точность на другой территории из-за различий климата, рельефа и качества исходных данных; многие системы не показывают, насколько можно доверять их прогнозу, а результаты иногда противоречат известным физическим закономерностям. Есть и ограничения, которые не решаются увеличением модели: например, огонь может резко менять направление из-за ветра, поэтому точность прогноза пожара также зависит от качества метеоданных.
По словам руководителя исследовательской группы «Компьютерное зрение для обработки данных» Центра ИИ Сколтеха Светланы Илларионовой, для практического мониторинга важна не только точность на тестах — модель должна работать на новых территориях, учитывать физику процесса и показывать степень доверия к прогнозу. Авторы отмечают разрыв между научными результатами и реальными системами предупреждения: спутниковые данные чаще используют для картирования уже случившихся событий, чем для оперативного прогнозирования, и наиболее надежным подходом считают не замену физических моделей нейросетями, а их объединение.
При создании этого текста могли использоваться технологии искусственного интеллекта