Исследовательская группа из МФТИ и Института физики атмосферы им. А. М. Обухова РАН представила алгоритм машинного обучения, предназначенный для автоматизации поиска мезомасштабных конвективных систем (МКС) на данных дистанционного зондирования Земли. Рассматриваемые атмосферные образования представляют собой сложные структуры, ответственные за формирование экстремальных погодных явлений: интенсивных ливневых осадков, крупного града и шквальных ветров.
Алгоритмический подход к прогнозированию
Ключевая особенность разработки заключается в способности системы детектировать зарождающиеся мезомасштабные системы в течение 15–30 минут с момента их инициации. Подобный временной лаг значительно сокращает период ожидания для формирования штормовых предупреждений, что делает процесс реагирования более оперативным. Алгоритм функционирует по двухэтапной схеме: первичный анализ спутникового изображения для распознавания объекта и последующая аппроксимация его вектора движения. Проще говоря, ИИ сопоставляет текущую структуру с архивом исторических данных о развитии аналогичных явлений, чтобы спрогнозировать наиболее вероятную траекторию перемещения шквала.
Практическая реализация предложенного метода сталкивается с технологическим ограничением, касающимся качества и доступности первичных данных. Эффективность нейросетевых моделей в прогнозировании МКС находится в прямой зависимости от разрешения спутниковых снимков и частоты их обновления. На текущем этапе развития системы наблюдается дефицит качественных данных такого рода, что становится основным фактором, сдерживающим масштабирование технологии.