Разработка программного комплекса для определения ключевых параметров водных объектов, необходимых для построения сети экологического мониторинга

Полный текст

Введение Современные проблемы экологического мониторинга водных объектов требуют новых автоматизированных подходов к сбору и анализу данных. Для эффективного решения проблемы загрязнения водных ресурсов требуется применение современных технологий, включая интеллектуальные системы мониторинга и управления качеством воды [1]. Традиционные методы полевых исследований обладают существенными ограничениями: высокой трудоемкостью, субъективностью оценок, длительным измерением (невозможностью в режиме онлайн определить интересующий параметр) и недостаточной пространственной репрезентативностью. Использование инновационных технологий, таких как искусственный интеллект, машинное обучение и Интернет вещей, позволит внедрить автоматизированные системы мониторинга состояния водоемов в реальном времени [2]. В этих условиях особую актуальность приобретают системы дистанционного мониторинга, основанные на машинном детектировании поступающих снимков. Разработанный программный комплекс решает три ключевые задачи: 1) автоматическое определение границ водных объектов; 2) расчет морфометрических характеристик (площадь, длина береговой линии, изрезанность береговой линии); 3) оптимальное размещение станций мониторинга для последующего позиционирования станций экологического мониторинга с целью построения карт полей текущих концентраций приоритетных показателей. Цель исследования - разработка программного комплекса, позволяющего автоматически определять морфометрические характеристики водных объектов и на основе этого оптимизировать размещение станций водного экологического мониторинга. Особенностью предлагаемого решения является его комплексный характер - от первичной обработки спутниковых или картографических снимков и до выдачи готовых рекомендаций по размещению станций мониторинга. Материалы и методы Основу методологии составляет многоуровневый анализ данных дистанционного зондирования. На первом этапе система автоматически классифицирует тип исходного изображения, определяя его как спутниковый снимок или цифровую карту. Для каждого типа применяются специализированные алгоритмы обработки, учитывающие особенности цветопередачи и пространственного разрешения. Этап предварительной обработки классифицированных изображений включает их коррекцию с учетом атмосферных искажений, радиометрическую калибровку и геометрическую привязку. Для устранения влияния облачности применяется адаптивный алгоритм маскирования облачного покрова, основанный на анализе спектральных характеристик в ближнем инфракрасном диапазоне. Особое внимание уделяется компенсации эффектов солнечной засветки и отражений от водной поверхности, которые могут существенно искажать результаты автоматизированного анализа. Процедура сегментации водной поверхности реализована с использованием алгоритма NDWI (Normalized Difference Water Index) [3]. Алгоритм модифицирован дополненным морфологическим анализом и методами машинного обучения. Система автоматически адаптирует пороговые значения для выделения водных объектов в зависимости от сезонных особенностей и региональных характеристик территории. Такие модели успешно применяются для задач классификации, детекции объектов и сегментации на спутниковых изображениях в различных регионах мира [4]. Они способны учитывать сложные пространственные и спектральные особенности изображений, обучаться на больших объемах данных и адаптироваться к разнообразным условиям съемки [4]. Расчет морфометрических параметров осуществляется с учетом пространственного разрешения исходных данных и топографических особенностей местности. Помимо базовых характеристик (площадь, длина береговой линии) система вычисляет комплекс производных показателей: 1) коэффициент изрезанности береговой линии; 2) индекс компактности водного зеркала;3) градиенты глубины прибрежной зоны; 4) степень фрагментации акватории. Эти параметры имеют важное значение для последующего моделирования гидрологических процессов и оценки экологического состояния водоема. Заключительный этап - проектирование оптимальной сети мониторинговых станций. Данный этап реализуется с учетом факторов равномерности покрытия акватории, особенностей рельефа береговой линии и наличия потенциальных источников загрязнения. Программная реализация комплекса разработана на языке Python, что обеспечивает высокую гибкость, производительность и широкие возможности интеграции с другими технологиями. Для обработки изображений и решения задач компьютерного зрения использовались специализированные библиотеки, такие как OpenCV (реализация алгоритмов детектирования, фильтрации и морфологического анализа) и Scikit-image (расширенные методы сегментации и обработки изображений). Для работы с геоданными применялись мощные инструменты геопространственного анализа, включая GDAL (чтение, запись и преобразование растровых и векторных данных) и Geopandas (манипуляции с геометрическими объектами и пространственные запросы). Архитектура системы предусматривает возможность экспорта результатов в форматах, совместимых с отраслевыми информационными системами. Упрощенная схема программного комплекса представлена на рис. 1. Рис. 1. Блок-схема работы программно-аппаратного комплекса Источник: составлено А.В. Гусевым. Результаты и обсуждение Экспериментальная апробация разработанного программного комплекса проводилась на разнообразных водных объектах, включая природные озера, водо хранилища и речные системы. Полученные результаты демонстрируют высокую эффективность предложенных алгоритмов обработки данных дистанционного зондирования и расчета ключевых параметров водных эко систем. Точность автоматического определения границ водных объектов достигает в среднем 96 %. Наибольшие расхождения наблюдаются в зонах с интенсивной водной растительностью и на участках со сложной морфометрией береговой линии. Анализ этих расхождений показал, что они преимущественно связаны с особенностями спектральных характеристик прибрежных биотопов и ограничениями пространственного разрешения используемых спутниковых снимков. В таблице приведено сравнение автоматизированных результатов расчета и действительных характеристик водных объектов. Сравнение результатов работы программного комплекса и действительных характеристик водных объектов Водный объект Площадь из открытых источников, км2 Площадь в результате работы программного комплекса, км2 Относительная средняя погрешность, % Время обработки, c Ямкинское озеро 0,098 0,096 2,1 0,4 Черноголовское водохранилище 0,28 0,27 3,6 0,9 Озеро Серемо 19,62 20,37 3,7 1,7 Озеро Лача 340 361 6,2 4,3 Источник: составлено А.В. Гусевым по результатам работы программного комплекса. Расчет морфометрических параметров водных объектов показал высокую воспроизводимость результатов. Погрешность определения площади водного зеркала не превышает 6-7 %, даже для объектов площадью более 100 км2. При этом точность расчетов существенно зависит от качества исходных данных и их пространственного разрешения. Для снимков высокого разрешения (менее 5 м на пиксель) достигается наилучшая точность, тогда как при работе с материалами среднего разрешения возможны некоторые погрешности в определении сложных контуров береговой линии. Полученные результаты демонстрируют не только техническую эффективность алгоритмов, но и их значительный потенциал для интеграции в систему государственного мониторинга водных объектов. Особую ценность разработка представляет для решения задач, связанных с оперативным выявлением изменений морфометрических характеристик водоемов - ключевого параметра в оценке антропогенного воздействия на водные экосистемы. Так, автоматизированный расчет коэффициента изрезанности береговой линии позволяет прогнозировать зоны аккумуляции загрязняющих веществ, что критически важно при проектировании наблюдательных сетей, в том числе в рамках развития и совершенствования ФГИС «Экомониторинг»[29]. Сопоставление данных, полученных с помощью разработанного комплекса, с материалами «витрины данных» Росводресурса[30] (в частности с динамикой изменения индекса загрязнения вод ИЗВ) показало высокую степень корреляции при анализе сезонных колебаний качества воды в тестовых водоемах. Это подтверждает возможность использования системы для верификации официальных показателей мониторинга, особенно в части пространственного распределения точек отбора проб. Такая конвергенция данных свидетельствует о том, что предлагаемое решение способно не только дублировать, но и дополнять существующие методы наблюдений за счет учета морфодинамических особенностей конкретного водного объекта. Особого внимания заслуживают результаты автоматизированного проектирования сети мониторинговых станций. Предложенный алгоритм учитывает равномерность пространственного распределения точек отбора проб. Это позволяет существенно повысить репрезентативность получаемых данных при одновременном сокращении количества необходимых станций. Результаты работы программного комплекса представлены на рис. 2. Рис. 2. Результат работы Программы для автоматизированного расчета оптимального количества и пространственного распределения систем экологического мониторинга водных объектов на изображениях озера Серемо и Черноголовского водохранилища Источник: составлено А.В. Гусевым по: Свидетельство о государственной регистрации программы для ЭВМ № 2025667416 Российская Федерация. Программа для автоматизированного расчета оптимального количества и пространственного распределения систем экологического мониторинга водных объектов : заявл. 02.07.2025 : опубл. 04.07.2025 / А. В. Гусев. EDN FNRHNS. Обсуждение полученных результатов выявило несколько перспективных направлений для дальнейшего совершенствования системы. В частности, особый интерес представляет разработка математических моделей полей текущих концентраций на основе данных с постов водного экологического мониторинга. Также перспективным представляется создание алгоритмов автоматической адаптации мониторинговой сети к изменяющимся условиям. Заключение Проведенные исследования подтвердили эффективность разработанного программного комплекса для решения задач экологического мониторинга водн ых объектов. Основное преимущество предложенного подхода заключается в комплексном решении всех этапов проектирования мониторинговой сети - от обработки исходных изображений и классификации их на спутниковые снимки и обычные карты до выдачи конкретных рекомендаций по размещению и количеству станций наблюдения. Полученные результаты свидетельствуют о высокой точности автоматического определения ключевых параметров водных объектов. Точность выделения границ и расчета морфометрических характеристик находится на уровне, достаточном для решения большинства практических задач экологического мониторинга. Особенно важно, что система демонстрирует стабильные результаты при работе с различными типами водных объектов и в разных природных условиях. Разработанные алгоритмы оптимизации сети мониторинга позволяют существенно повысить эффективность организации наблюдений. Программная реализация этих алгоритмов показала возможность значительного сокращения количества станций при одновременном улучшении пространственного охвата и репрезентативности данных. Это создает хорошие предпосылки для более широкого применения системы в практике экологического контроля и управления водными ресурсами. Практическая значимость исследования заключается в создании инструмента, способного существенно модернизировать процедуру сбора первичных данных для государственной системы мониторинга. Разработанный комплекс устраняет существующий разрыв между технологиями дистанционного зондирования и нормативными требованиями к наблюдениям за водными объектами. Его внедрение в практику гидрологических служб позволит перевести на качественно новый уровень решение таких задач, как формирование ежегодных докладов «О состоянии и использовании водных ресурсов»[31], где особую сложность традиционно представляет обработка пространственно распределенных данных. Перспективным направлением развития системы видится создание модуля автоматического формирования отчетных карт-схем, соответствующих требованиям Методических указаний РД 52.24.643-2002[32]. Это открывает возможности для сквозной автоматизации процесса - от анализа спутниковых снимков до внесения данных в государственный водный реестр.

Об авторах

Андрей Вячеславович Гусев

Российский государственный социальный университет

Автор, ответственный за переписку.
Email: gusevandre2015@yandex.ru
ORCID iD: 0009-0001-1083-5242
SPIN-код: 2732-1655

аспирант, кафедра экологии и природоохранной деятельности

Российская Федерация, 129226, г. Москва, ул. Вильгельма Пика, д. 4

Михаил Андраникович Шахраманьян

Российский государственный социальный университет; Финансовый университет при Правительстве РФ

Email: MAShakhramanyan@fa.ru
SPIN-код: 6603-6401
доктор технических наук, профессор кафедры экологии и природоохранной деятельности, Российский государственный социальный университет; профессор кафедры «Безопасность жизнедеятельности», Финансовый университет при Правительстве Российской Федерации Российская Федерация, 129226, г. Москва, ул. Вильгельма Пика, д. 4; 125167, г. Москва, проспект Ленинградский, д. 49/2

Список литературы

Дополнительные файлы