Спутниковые данные и мультиспектральные снимки улучшают измерение глубины ледниковых озер

Исследователи из Университета Сунь Ятсена представили новый метод для высокоточного измерения глубины супрагляциальных озер, объединяющий машинное обучение с данными спутника ICESat-2 и мультиспектральными снимками Landsat-8 и Sentinel-2. Этот подход, описанный в Journal of Remote Sensing 4 февраля 2025 года, преодолевает ограничения традиционных методов, таких как уравнение переноса излучения (RTE) или спектральные отношения полос (SBR), которые часто неточны, особенно для глубоких озер.

Точный мониторинг глубины озер на поверхности ледников критически важен для понимания динамики ледовых щитов, их вклада в баланс массы и, как следствие, в повышение уровня моря. Новый метод, использующий алгоритмы машинного обучения (XGBoost, LightGBM), демонстрирует значительное повышение точности. Например, при работе со снимками Sentinel-2 L1C модель XGBoost показала среднеквадратическую ошибку (RMSE) всего 0,54 метра.

Ключевым этапом стало применение усовершенствованного алгоритма автоматического определения глубины озер (ALD) для получения эталонных данных по глубине из измерений ICESat-2 ATL03. Эти данные использовались для обучения моделей. Исследование также выявило, что для картирования батиметрии озер данные отражения на верхней границе атмосферы оказались эффективнее атмосферно скорректированных данных. Ведущий автор исследования доктор Ци Лян отметил, что этот подход не только повышает точность оценок, но и предлагает масштабируемое решение для мониторинга обширных территорий, что важно для прогнозирования последствий изменения климата.