Szkoła Eksploatacji Podziemnej

Rozwój sztucznej inteligencji, w tym konwolucyjnych sieci neuronowych, spowodował, że algorytmy uczenia maszynowego coraz częściej używane są do wspomagania analizy danych, w tym obrazów teledetekcyjnych. Pomimo zwiększającej się ilości danych z sensorów radarowych, wciąż potencjał synergicznego wykorzystania uczenia maszynowego oraz obrazów SAR pozostaje nieodkryty. Jednocześnie prężny rozwój w dziedzinie obrazowania radarowego powoduje, że dane SAR są pozyskiwane coraz częściej i w lepszej rozdzielczości, co wpływa na poszerzenie możliwości ich wykorzystania. Celem tych badań jest stworzenie zestawu treningowego na bazie danych SAR oraz zaprojektowanie modelu uczenia maszynowego, który pozwoli nie tylko na detekcję ruchów na podstawie pary obrazów radarowych, ale także na wyznaczenie wielkości przemieszczeń poziomych. Poligonem testowym dla tego rozwiązania jest lodowiec Jakobshavn, znajdujący się w zachodniej Grenlandii. Jako dane wsadowe wykorzystano ogólnodostępne dane Sentinel-1. Opracowywane rozwiązanie może pozwolić na wyznaczanie ruchów poziomych o dużej dynamice, co jest szczególnie trudne dla klasycznych technik InSAR, a może znaleźć zastosowanie nie tylko w rejonach lodowcowych, ale także w rejonach intensywnych ruchów masowych.