ГЕОІНФОРМАЦІЙНА ТЕХНОЛОГІЯ ВИЯВЛЕННЯ ТА МОДЕЛЮВАННЯ ЗАТОПЛЕНИХ ЗОН МІСТА ДУБАЙ НА ОСНОВІ ЗГОРТКОВОЇ НЕЙРОННОЇ МЕРЕЖІ

Анотація

Виявлення затоплених зон є важливим для ефективного реагування на стихійні лиха та їх управління, оскільки це дозволяє створювати системи раннього попередження та організовувати цілеспрямовану допомогу. Мета роботи полягає у розробці геоінформаційної технології для виявлення та моделювання затоплених зон у Дубаї на основі згорткових нейронних мереж. Методологія. Геоінформаційна технологія дослідження складається з декількох етапів, що забезпечують комплексний підхід до аналізу та моделювання затоплення територій. Спершу здійснюється завантаження супутникових знімків та їх попередня обробка. Це включає корекцію атмосферних спотворень, вирівнювання кольорів та корекцію геометричних викривлень. Після цього знімки перетворюються у векторний формат для полегшення їх подальшої обробки та аналізу. Векторизація дозволяє точніше виділити ключові елементи на знімках, такі як річки, дороги, будівлі тощо. На наступному етапі інтегруються кліматичні та гідрографічні дані, а також цифрова модель рельєфу (ЦМР). Ці дані використовуються для побудови бази геоданих, яка включає інформацію про опади, гідрологічні умови, типи ґрунтів та рослинність на досліджуваній території. Застосування цифрової моделі рельєфу дозволяє враховувати висотні характеристики місцевості, що є критично важливим для точного моделювання водних потоків та зон затоплення. Для обробки та аналізу цих даних застосовуються методи машинного навчання, зокрема трансферне навчання, що дає змогу підвищити точність моделювання зон затоплення. За допомогою гідрологічної моделі розраховуються екстремальні гідрологічні параметри на основі кліматичних та гідрографічних даних, таких як інтенсивність опадів, тип ґрунту, умови землекористування та рослинний покрив. Ці параметри дозволяють створити криву ґрунтового номера та гідрограф, які відображають поведінку водного стоку на території. Наступним кроком є застосування гідравлічної моделі для визначення параметрів потоку, зокрема швидкості течії, глибини води та прогнозування зон потенційного затоплення. Моделювання затоплення базується на імплементації цифрової моделі рельєфу у форматі ASCII-сітки з розміром 30 м. Ця сітка імпортується в геоінформаційну систему (ГІС) QGIS для проведення розрахунків та моделювання зон затоплення. Завершальним етапом є створення карти зон небезпеки затоплення. Ця карта дозволяє ефективно візуалізувати потенційно небезпечні території, що є важливим інструментом для прийняття рішень в управлінні ризиками повеней та розробці заходів щодо захисту територій від затоплень. Наукова новизна отриманих у роботі результатів полягає у застосуванні трансферного навчання для виявлення затоплених територій на основі супутникових знімків. Модифіковано архітектуру нейронної мережі шляхом додавання конволюційних шарів для підвищення точності виділення суттєвих ознак та використання максимального підсумовування для зменшення обчислювальної складності. Крім того, впроваджено щільний і згладжувальний шари для покращення стабільності навчання та запобігання перенавчанню. Запропонований підхід дозволив покращити ефективність прогнозування зон затоплення, підвищити точність класифікації та забезпечити вищий рівень автоматизації аналізу супутникових даних для управління природними ризиками. Висновки. Дослідження було проведено для оцінки впливу потужної системи повільних штормів, що обрушилася на Об’єднані Арабські Емірати у квітні 2024 року, спричинивши значні опади і раптові повені. Для аналізу використано супутникові знімки Landsat-8, отримані до і після повені. Ці знімки були оброблені для отримання бінарних масок, а потім класифіковані на два основні класи: водні об’єкти та земна поверхня. Результати класифікації продемонстрували значне розширення затоплених територій після повені, що дозволило наочно відобразити масштаби та розподіл води. Метрики ефективності моделі, такі як точність, повнота та F1-міра, свідчать про високу точність у виявленні затоплених зон. Зокрема, точність моделі на навчальній вибірці склала 0.88, а на валідаційній – 0.87. Клас затоплених територій (FL) продемонстрував точність 0.91, що перевищує показники для класу інших територій (FV). Аналіз розподілу затоплення з використанням кроку 0,25 метра виявив, що затоплення є нерівномірним і значною мірою залежить від рельєфу місцевості. Найбільш вразливими до затоплення виявилися низько розташовані частини району, де рівень води досягав до 2 метрів.