Как сообщает asi.ru, команда молодых ученых из Мордовии ASOIU TEAM заняла первое место во втором этапе конкурса АСИ World AI&Data Challenge за создание цифрового решения по прогнозированию уровня воды в период весеннего половодья. Специалисты разработали глубокую нейросетевую модель FloodNET, которая позволяет оценивать вероятность и степень затоплений.

С помощью сервиса можно собирать и обрабатывать ретроспективные и текущие метеорологические данные: уровни воды рек, количество осадков, температуру, толщину ледового покрытия, иные необходимые данные, анализ которых помогает принять необходимые меры для недопущения серьезных последствий. Решение уже внедряют в Ненецком автономном округе и Новгородской области.

«Спасибо команде Центра цифрового развития АСИ и экспертам конкурса за высокую оценку нашего проекта. Несмотря на то, что задача была поставлена Ненецким автономным округом, ее решение актуально и для других регионов. Для анализа мы использовали открытые пространственные данные, в частности материалы космической съемки. Также учитывались данные, когда территории были подвержены затоплениям или наоборот, река находилась в русле. При этом точность выполнения вычислений зависит от полноты геосистемной модели, например, данные о льде и вечной мерзлоте играют значительную роль», - отметил лидер команды Станислав Ямашкин.

Основные трудности при решении задачи прогнозирования прохождения паводка связаны со сложностью сбора исходных данных, недостаточным пониманием механизмов, определяющих динамику изменения уровней воды на различных участках территории региона и рядом других причин. Однако команде удалось найти и проанализировать данные дистанционного зондирования Земли со спутника Sentinel-2, цифровые модели рельефа, метеорологические и климатические данные, сведения об уровнях воды за разные годы.

Решение представлено в виде тепловой карты, на которой красным и темно красным цветом отображаются территории, наиболее подверженные затоплениям и желтым цветом - менее подверженные. Помимо этого, на карте отображаются социально-значимые инфраструктурные объекты, которые находятся в радиусе затопления. Так как карта размещается в публичном пространстве, также планируется отражать места сбора людей в случае ЧС.

Победители планируют развивать решение: создать модель, прогнозирующую не только место затопления, но и динамику стихийного процесса, осуществлять препроцессинг климатических и метеорологических данных об исследуемой территории, а также разработать программную структуру (фреймворк), который сможет актуализировать исходные данные с целью их визуализации в рамках геопортальных интерфейсов.