Рис. 1. Картирование возрастных стадий льда в Арктике с помощью метода нейронных сетей по данным Envisat. 16.01.2008 (слева – исходный снимок, в центре – снимок с угловой коррекцией, справа – классифицированное изображение) 1 – старый лед; 2 – однолетний ровный лед; 3 – однолетний деформированный лед

Для использования метода НС в автоматическом режиме, с целью оперативного картирования возрастных стадий льда, необходима настройка сети в направлении выделения большего количества классов ледовых образований.

Определять возрастной состав морских льдов по спутниковым данным в автоматизированном режиме можно также с помощью методов теории вероятности, в частности, применяя формулу Байеса для расчета апостериорной вероятности p(ω_>j/x_>i)

p(ω_>j/x_>i) = p(x_>i/ω_>j) × p(ω_>j)/p(x_>i), p(x_>i) =

где p(ω_>j) – априорная вероятность, p(x_>i/ω_>j) – условная плотность распределения величины x_>i в состоянии ω_>j.

Метод байесовской классификации обеспечивает оптимальное решение с точки зрения минимума вероятности ошибки. При классификации ледяного покрова на спутниковом снимке принимается решение в пользу того вида льда, для которого величина апостериорной вероятности p(ω_>j/x_>i) максимальна.

Для того, чтобы применять правило Байеса, необходимо знать условные плотности распределения и априорные вероятности. В центральной части Арктики частная сплоченность многолетних льдов составляет около 90 % (Johannessen et al., 2006). Исходя из этого, были выбраны следующие значения априорной вероятности появления многолетнего, ровного и деформированного однолетнего льдов: p(ω_>my)=0.9; p(ω_>fy)=0.05, p(ω_>fd)=0.05. Условные плотности распределения p(x_>i/ω_>j) рассчитывались по калиброванным изображениям со спутника Envisat, на которых экспертным путем выбирался ряд характерных участков каждого из рассматриваемых видов льдов.

Решение принимается в пользу:

ω_>my, если p(ω_>my/x_>i) > p(ω_>fy/x_>i) и p(ω_>my/x_>i) > p(ω_>fd/x_>i)

ω_>fy, если p(ω_>fy/x_>i) > p(ω_>my/x_>i) и p(ω_>fy/x_>i) > p(ω_>fd/x_>i)

ω_>fd, если p(ω_>fd/x_>i) > p(ω_>my/x_>i) и p(ω_>fd/x_>i) > p(ω_>fy/x_>i)

На основе алгоритма байесовской классификации были обработаны SAR-изображения, полученные со спутника Envisat в районе к северу от Гренландии. При этом на первом этапе обработки выполнялось приведение УЭПР поверхности к углу падения 25°, а на втором – распознавание и оценка частной сплоченности многолетнего льда (рис. 2). Участки многолетнего льда и разрывы выделяются на снимке достаточно точно. Некоторые пиксели многолетнего льда идентифицировались как однолетний или деформированный лед, что обусловлено перекрытием их значений УЭПР.

Рис. 2. Картирование возрастных стадий льда в Арктике по SAR-изображению с помощью метода байесовской классификации, по данным Envisat. 6 декабря 2005 г. а) исходное изображение, приведенное к углу падения 25°; б) результат классификации (многолетний лед – желтый; однолетний ровный лед – темно-синий; однолетний деформированный лед – голубой; не классифицирован – красный; в) вычисление частной сплоченности многолетнего льда в выделенных зонах: синяя зона – C_>my=0.95; зеленая зона – C_>my=0.81; красная зона – C_>my=0

Дрейф льда. Дрейф льда определяют с помощью интерактивных или автоматических процедур, основанных на использовании координат одних и тех же опорных точек на последовательных спутниковых изображениях. Определение дрейфа льда в интерактивном режиме занимает значительное время и в оперативной практике не используется. В автоматизированном режиме для оценки векторов дрейфа по последовательным спутниковым изображениям используются следующие методы: полиномиальный, кросс-корреляционный, гибридный, метод оптического потока.