Океанография и морской лед - стр. 40
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.