В новой исследовательской работе описывается создание цифровой модели рельефа местности Земли с разрешением 30 м, которая является более точной, чем любая другая общедоступная модель.
В статье под названием‘ FathomDEM: Улучшенная глобальная карта местности с использованием гибридной модели vision transformer", описывается усовершенствованный метод моделирования с использованием новейших технологий искусственного интеллекта, который вдвое уменьшает погрешность по сравнению с цифровыми моделями рельефа (ЦМР), признанными в настоящее время наиболее точными.
По словам авторов, существующие ЦМР часто страдают от систематических погрешностей, вызванных ошибками приборов и наличием деревьев и зданий, что ограничивает их эффективность.
«Золотым стандартом» для моделирования рельефа является LiDAR, однако он находится в свободном доступе только на 8,2% поверхности Земли.
Новая модель, FathomDEM, удаляет эти поверхностные артефакты из глобальной радиолокационной цифровой модели рельефа Copernicus DEM, что приводит к улучшению как глобальных, так и прибрежных ЦМР.
FathomDEM опирается на новое применение гибридной модели vision transformer — передовой технологии машинного обучения, которая устраняет погрешности при измерениях рельефа местности, одновременно прогнозируя поправки для небольших областей с учетом их пространственной корреляции.
Короче говоря, он использует пространственный контекст окружающего ландшафта, а не разрозненную попиксельную коррекцию.
«Инструменты компьютерного зрения на основе искусственного интеллекта, которые мы использовали для создания FathomDEM, являются шагом вперед по сравнению с предыдущими методами», — сказал доктор Питер Ухе, ведущий автор и главный научный разработчик.
После завершения исследований компания Fathom, занимающаяся анализом рисков наводнений, подготовит следующую версию своих карт наводнений с помощью новой цифровой модели рельефа, которая будет доступна позднее в этом году. FathomDEM будет доступен по коммерческой лицензии компании Fathom, а также по некоммерческой лицензии Creative Commons Attribution для академических исследовательских целей.