Город, которого нет.

Рассказ о том, как Мариуполь пережил четыре года под российской оккупацией

Алексей Коростелев, 24 февраля 2026

Мариуполь — крупнейший город, который Россия захватила с момента полномасштабного вторжения в Украину 22 февраля 2022 года. Новая власть хотела превратить это место в витрину оккупации и собиралась быстро восстановить город. В новом выпуске «Проект. Детали» мы изучаем спутниковые снимки Мариуполя, чтобы проверить, удалось ли российскому правительству выполнить обещание.

Расследования — это дорого, но это того стоит

Оформив ежемесячное пожертвование «Проекту», вы поможете нам делать еще больше важных и громких расследований. Так вы поддержите всю расследовательскую журналистику в России!

Поддержать «Проект»

Методология исследования

Спутниковые снимки «Проекту» предоставила команда Vertical52. Её специалисты вычислили число разрушенных и восстановленных зданий с помощью машинного обучения. Для анализа были взяты два спутниковых снимка центральной части Мариуполя на территории Жовтневого района города с разрешением 50 см. на пиксель — апреля 2022-го года и августа 2025-го года (последний и наиболее подходящий для анализа спутниковый снимок). Эта часть города выбрана из-за наличия в публичном доступе фрагмента мастер-плана Мариуполя, по которому он восстанавливается с 2022-го года, а также подходящих по параметрам спутниковых изображений, которые покрывают данную часть города.

Источник снимков — коммерческий провайдер спутниковых изображений Planet Labs, группировка SkySat. Для определения контуров зданий использовались актуальные данные OpenStreetMap (OSM). Поскольку карта зданий OSM за время войны также была несколько изменена в связи с актуальным планом застройки, то возможно, что некоторые здания могли быть не учтены или пропущены при анализе за 2022 и 2025 год. Однако подавляющее большинство объектов осталось без изменений, что позволяет использовать актуальные OSM данные для анализа. Каждый объект — отдельное здание. Всего определено 5190 объектов — это жилая многоквартирная застройка, здания инфраструктуры, дома индивидуального жилищного строительства и любые другие здания, находящиеся в пределах выбранной для анализа территории. В этом наборе исключены малые объекты (меньше 30 пикселей / или 7,5 кв. м.), поскольку вычисление статистических параметров для столь малых площадей может привести к ухудшению качества модели из-за нехватки пространственной информации.

Далее, для определения степени восстановления зданий применялся метод машинного обучения (XGBoost). Для обучения и валидации модели использовался датасет из 500 зданий, которые были вручную размеченны как восстановленные или не восстановленные в пропорции 1 к 1. Далее модель тестировалась на отдельной выборке из 100 зданий.

Несмотря на достаточно высокие показатели точности (F1-Score ≈ 0.86, ROC-AUC ≈ 0.92), анализ допускает некоторое количество зданий, которые могут быть ошибочно классифицированы как восстановленные или не восстановленные. Так, в тестовой выборке 15 зданий были ошибочно классифицированы как разрушенные, не являясь таковыми, или наоборот. Из общего количества зданий были также те, которые невозможно определить как восстановленные или не восстановленные из-за невалидности объектов. Всего из 5190 зданий таких в анализе оказалось 17, что незначительно влияет на итоговые результаты.