Мост через пропасть: Компьютерщики создали модель для улучшения водных данных со спутников

Ученые из Университета штата Юта разработали модель машинного обучения Hydro-GAN, которая позволяет интегрировать спутниковые данные о водных объектах разного разрешения для получения более точной информации о динамике озер, рек и береговых линий.

Новый инструмент критически важен для управления водными ресурсами, включая мониторинг прибрежных зон, отслеживание эрозии и изменений уровня моря. Существующие спутники, такие как MODIS на борту Terra и Landsat 8, предоставляют данные либо с высоким пространственным, либо с высоким временным разрешением, и перед специалистами стоит сложный выбор. Hydro-GAN призван решить эту проблему, «наращивая» детализацию.

«Наша модель способна генерировать данные высокого разрешения для исторических периодов, что особенно ценно, когда для точного прогнозирования требуется большой массив прошлых данных», — поясняет ассистент-профессор Сукайна Филали Боубрахими. В исследовании, опубликованном в журнале Water Resources Research, модель была успешно протестирована на данных за семь лет (2015–2021) по 20 водохранилищам в разных странах, включая озеро Тартар в Ираке, которое, подобно Большому Соленому озеру, сталкивается с климатическими и антропогенными нагрузками.