Авторы предлагают методику оценки глубины затопления и деформации рельефа на основе спутниковых снимков, интегрируя глубокое обучение и численное моделирование. Специальный симулятор генерирует обучающие данные для различных сценариев стихийных бедствий, что решает проблему нехватки реальных размеченных данных. В работе показано, что модели на базе архитектур Attention U-Net и LinkNet, обученные на синтетических данных, способны точно предсказывать уровень воды и изменения ландшафта. Данный подход значительно расширяет возможности мониторинга зон катастроф с помощью дистанционного зондирования.
Разработан фреймворк для оценки глубины затопления и деформации рельефа после селей с использованием спутниковых снимков и глубокого обучения. Ученые использовали численные симуляторы для создания обучающих данных по различным сценариям катастроф, что решило проблему нехватки реальных снимков. Метод позволяет оперативно и точно картировать зоны бедствия, помогая спасательным службам в ликвидации последствий стихии.