Грантовый проект ИРН AP14872458, 2022-2024 гг.

Руководитель: Нурсеитов Д.Б.

Scopus: 55130588300

ORCID: https://orcid.org/0000-0003-1073-4254

Актуальность:

Актуальной экологической проблемой в нашей стране является загрязнение почвенного и водных слоев нефтью и продуктами ее переработки. При этом обнаружение нефтяных загрязнений достаточно трудоемкий процесс, поэтому полная автоматизация космического мониторинга нефтяных разливов с использованием технологий нейросетей является одной из приоритетных задач, в том числе и в рамках реализации государственной программы «Цифровой Казахстан»

В рамках реализации государственной программы «Цифровой Казахстан» внедрение цифровых технологий является одной из приоритетных задач. Технологическая востребованность интеллектуальной системы поиска и анализа нефтяных загрязнений заключается в возможности стать полноценной составляющей национальной Информационной Системы. С научной точки зрения реализация полного цикла выявления и анализа нефтяных загрязнений и построение работающей ML модели (machine learning), позволит проводить анализ больших объемов спутниковых данных.

Исследования и мониторинг нефтяных загрязнений акватории и прибрежной части Каспийского моря по данным спутниковых наблюдений проводятся достаточно давно, что позволило накопить значительные массивы спутниковых снимков за несколько десятилетий. Но следует понимать, что обнаружение нефтяных загрязнений достаточно трудоемкий процесс и не всегда оптимизирован и требует полноценного участия оператора, чтобы для каждого случая загрязнения провести как минимум трехэтапный процесс – скачивание и предобработка снимков, поиск загрязнения или его подтверждение, формирование атрибутивной информации и конечного продукта в виде векторного слоя с аннотацией. Оптимизация и ускорение всех этапов стали вполне возможны с развитием технологий машинного обучения, что доказывает значительное число возросших исследований по автоматизации поиска нефтяных загрязнений.

Целью проекта является построение интеллектуальной системы поиска и анализа потоков космических изображений при проведении оперативного мониторинга нефтяных загрязнений с использованием технологий нейронных сетей.

Предлагаемая система позволит анализировать большие потоки разнородной информации для обширных территорий. В рамках проекта будут обновлены и модифицированы ранее полученные данные по нефтяным загрязнениям Прикаспийского региона и выделен ряд дешифровочных признаков, характерных для региона исследования. Будут реализованы технологические решения автоматизации первичной обработки снимков, встроенные в ведущую ML модель обнаружения нефтяных загрязнений, что сформирует единую систему интеллектуального мониторинга разливов нефти.

Результаты работы интеллектуальной системы мониторинга нефтяных загрязнений могут быть переданы целевым потребителям, таким как: Комитет по водным ресурсам и Комитет Экологического регулирования и контроля Министерства экологии, геологии и природных ресурсов Республики Казахстан, АО НК «КазМунайГаз» и дочерние предприятия, подведомственные организации Министерства по чрезвычайным ситуациям РК, специалисты по экологии и природоохранной деятельности

Цель: Методика автоматизированного космического мониторинга нефтяных разливов на основе нейросетевых технологий с автоматизацией предобработки первичных данных.

Задачи:

2022 — Сформировать базу данных (БД), состоящую из снимков с подтвержденными нефтяными загрязнениями и примерами нецелевых классов – задача года будет состоять в обзоре существующих инструментов анализа снимков на предмет выделения нефтяных загрязнений; написание руководства по подбору снимков и основных параметров предобработки и непосредственное создание датасета загрязнений и нецелевых классов.

2023 — Разработка и адаптация ML модели для обнаружения нефтяных загрязнений – для достижения этой задачи необходима разработка и компиляция выбранной ML модели и ее тестирование на построенном датасете с целью определения и выделения ведущих и второстепенных признаков определения загрязнений или нецелевых классов.

2024 — Разработка методики автоматизированного космического мониторинга нефтяных разливов на основе нейросетевых технологий: для достижения поставленной задачи будет автоматизирована предварительная обработка снимков и дополнительных параметров для выделения загрязнений.

Достигнутые результаты:

2022 год:

Сформирована база данных (dataset) групп с достоверными нефтяными загрязнениями и нецелевыми классами, выделенных по космическим снимкам общедоступных миссий с аннотированной информацией для каждого события. 2023 г. – Скомпилирована и настроенная ML модель для автоматического обнаружения нефтяных загрязнений. 2024 г. – Разработана методика автоматизированного космического мониторинга нефтяных разливов на основе нейросетевых технологий с автоматизацией предобработки первичных данных.

2023 год:

  • Скомпилирована и настроена ML-модель для автоматического обнаружения нефтяных загрязнений.
  • Проведено тестирование модели и оценка точности её работы на выбранных данных.

2024 год:

  • Разработана процедура автоматизации предобработки первичных данных дистанционного зондирования, которая включает в себя: модуль автоматической загрузки исходных данных космического зондирования с удаленных серверов и модуль предобработки.

Список опубликованных работ:

1          Сагатдинова Г.Н., Нурсеитов Д.Б. Обработка радиолокационных данных спутника Sentinel-1 для идентификации нефтяных разливов в акватории Каспийского моря в среде GEE // Гидрометеорология и экология. – 2024. Vol. 1. – P. 100-109. – ISSN: 2789-6323. DOI:10.54668/2789-6323-2024-112-1-100-109

2          Nurseitov D.B., Abdimanap G., Abdallah A., Sagatdinova G., Balakay L., Dedova T., Rametov N., Alimova A. ROSID: Remote Sensing Satellite Data for Oil Spill Detection on Land // Engineered Science. – 2025 (Q1 процентиль Scopus — 98) 10.30919/es1348