Сформирована база данных с достоверными нефтяными загрязнениями на суше и нецелевыми классами, выделенных по космическим снимкам Landsat за период с 2006 по 2024 с аннотированной информацией для каждого события. Сформирован датасет нефтяных загрязнений на море и нецелевых классов на основе радиолокационных изображений с синтезированной апертурой (SAR) со спутника Sentinel-1 за период 2019-2024 гг, включающий аннотированные изображения для каждого снимка. На основе созданных датасетов обучены и настроены модели свёрточных нейронных сетей для автоматического обнаружения нефтяных загрязнений. Проведено сравнение различных моделей на обучающих датасетах. В случае обнаружения нефтяных загрязнений на суше наиболее лучшие результаты показала модель на основе архитектуры Mask2former. Для нефтяных разливов на море на основе метрик производительности была выбрана модель DeepLabV3+. Разработанная методика автоматизированного космического мониторинга нефтяных разливов на суше включает в себя автоматическую загрузку, предобработку, обработку оптических космоснимков на основе модели глубокого обучения, постобработку для сохранения геопространственной привязки данных и размещение результатов на геопортале. Методика автоматизированного космического мониторинга нефтяных разливов на воде также включает комплекс последовательных процедур обработки данных радиолокационной съемки поверхности моря, включая этапы автоматической загрузки, предобработки и обработки фрагментов с использованием нейросетевых технологий, постобработки, экспертной проверки результатов и загрузки результатов на геопортал. Разработанная методика автоматизированного мониторинга на основе нейросетевых технологий демонстрирует эффективность использования обученных моделей для обнаружения нефтяных загрязнений и позволит анализировать большие потоки информации для акватории Каспийского моря и обширной территории Прикаспийского региона.

Сагатдинова Г.Н., Нурсеитов Д.Б. Обработка радиолокационных данных спутника Sentinel-1 для идентификации нефтяных разливов в акватории Каспийского моря в среде GEE // Гидрометеорология и экология. – 2024. Vol. 1. – P. 100-109. – ISSN: 2789-6323. DOI:10.54668/2789-6323-2024-112-1-100-109 [на русском].

Nurseitov D.B., Abdimanap G., Abdallah A., Sagatdinova G., Balakay L., Dedova T., Rametov N., Alimova A. ROSID: Remote Sensing Satellite Data for Oil Spill Detection on Land // Engineered Science. – 2024. – Т. 32. – С. 1348. http://dx.doi.org/10.30919/es1348  (Q1 процентиль Scopus — 88) (in English)