Научно-техническая программа ИРН BR24992865, сроки выполнения 2024-2026 гг.
Руководитель: : Салихов Н.М., кандидат физ.-мат. наук
В рамках данной программы предлагается дальнейшее развитие созданной ранее автоматизированной системы мониторинга чрезвычайных ситуаций, путем создания Центра приема данных для оперативного мониторинга ЧС, оснащенного собственной наземной приемной станцией, расширения направлений мониторинга и создания системы раннего предупреждения на основе всех имеющихся наработок. На сегодняшний день в системе ведется мониторинг и прогноз по пожарам, наводнениям, загрязнением нефтью акватории Каспийского моря и активными тектоническими движениями. Существующие методы и алгоритмы автоматизированной обработки наземных и спутниковых данных будут доработаны с использованием технологий искусственного интеллекта (AI), внедрением аналитического Фреймворка для анализа Open Data Cube (ODC) для анализа больших данных (Big Data) для более гибкого их использования и применения для определенных классов задач мониторинга и ликвидации последствий ЧС. В качестве расширения направлений мониторинга будут созданы подсистемы мониторинга и прогнозирования выброса парниковых газов и контроль радиационного фона приземной атмосферы по содержанию радионуклидов.
Помимо этого, в связи с последними сильными землетрясениями вблизи города Алматы предусматривается решение задачи по выявлению ионосферных предвестников сейсмических событий и применимости машинного обучения нейронных сетей и построения моделей с использованием ИИ для краткосрочного прогноза.
Основной результат предлагаемого проекта обеспечит возможность выработки рекомендаций по предотвращению ЧС и своевременное предупреждение о надвигающихся угрозах — налаживание каналов оповещения и способов отображения полученных результатов.
Цель программы
Целью программы является разработка автоматизированных систем наземно-космического мониторинга и раннего прогнозирования чрезвычайных ситуаций и рисков природного и техногенного характера на основе передовых научно-технических решений, включая создание Центра приема и обработки данных для оперативного мониторинга и прогноза чрезвычайных ситуаций, разработку методов оценки аномальных явлений перед землетрясениями, построение системы раннего предупреждения «early warning system» для наводнений, пожаров, экологических угроз (включая нефтяные разливы в Каспийском море и выбросы парниковых газов), а также разработку инновационных методов машинного обучения для повышения точности и оперативности прогнозирования землетрясений, с целью минимизации рисков и улучшения безопасности населения и инфраструктуры в сейсмоопасных регионах.
Задачи программы
Блок 1. Создание Центра приема данных для оперативного мониторинга и прогноза ЧС:
1.1 Создание и организация работы Центра приема данных для обеспечения оперативной информацией (приобретение оборудования наземной инфраструктуры, установка и отладка работы приемной станции космических снимков, отладка хранения и доступ к данным на сервере);
1.2 Разработка алгоритмов предобработки сырых спутниковых данных;
1.3 Внедрение аналитического фреймворка для анализа больших датасетов пространственных космических данных для выбранных областей.
Решение первого блока задач позволит повысить оперативность и непрерывность получения и анализа наземно-космических данных. Данная задача является одним из основных компонентов построения многофакторной системы мониторинга и прогноза природных ЧС.
Блок 2. Разработка научно-технических основ и методов оценки аномальных явлений перед крупным землетрясением:
2.1 Разработка методики мониторинга геофизических полей в системе литосфера-атмосфера-ионосфера для обнаружения аномальных явлений перед крупными землетрясениями;
2.2 Разработка научно-технических основ спутникового мониторинга современных движений земной поверхности, смещения зданий-сооружений в г. Алматы и прилегающих территориях, выделение областей аномальных значений тектонических движений и смещений;
2.3 Разработка методов оценки риска землетрясений на основе анализа каталога эпицентров землетрясении совместно с геолого-геофизическими данными с применением машинного обучения.
Решение второго блока задач позволит заложить основу по выявлению ионосферных предвестников сейсмических событий, спутникового мониторинга движений земной поверхности, смещений зданий-сооружений и применимости нейронных сетей ИИ с машинным обучением для оценки сейсмической опасности, что в дальнейшем планируется включить в систему раннего предупреждения.
Блок 3. Построение системы раннего предупреждения «early warning system»:
3.1 Построение подсистемы автоматического мониторинга и прогнозирования природных пожаров с использованием наземно-космических данных;
3.2 Построение подсистемы автоматического мониторинга и прогнозирования наводнений с использованием наземно-космических данных;
3.3 Построение подсистемы мониторинга и прогнозирования экологических загрязнений (нефтяных разливов) Каспийского моря и степени влияния на разнообразие флоры и фауны;
3.4 Построение подсистемы автоматического мониторинга и прогнозирования выбросов парниковых газов (метан, углекислый газ и др.);
3.5 Построение подсистемы мониторинга естественной и антропогенной радиоактивности приземной атмосферы в регионе мегаполиса г.Алматы.
Решение третьего блока задач позволит обеспечить компетентные органы возможностью выработки рекомендаций по предотвращению ЧС и своевременное предупреждение о надвигающихся угрозах. В рамках данного блока будут отработаны налаживание каналов оповещения и способов отображения полученных результатов.
Ожидаемые результаты:
Центр приема данных для оперативного мониторинга ЧС с оборудованием и сертифицированными специалистами, и отработанными алгоритмами взаимодействия при ЧС;
Система раннего предупреждения «early warning system» для уведомления исполнительных органов на разных уровнях с градацией степени опасности по ЧС;
Научно-технические основы и метод оценки аномальных явлений перед крупным землетрясением.
Полученные результаты на 2024 год:
Разработана структура Центра приема и обработки данных оперативного мониторинга, блок-схема хранения и доступа к данным на сервере. Подготовлена техническая спецификация необходимого оборудования. Разработана экспериментальная методика с выбором средств регистрации ионизирующих излучений в скважине и создан пункт регистрации интенсивности потока гамма-квантов в регионе г. Алматы. Проведена рекогносцировка, оценка сохранности и технического состояния реперных GNSS пунктов г. Алматы и прилегающих территорий ранних этапов мониторинга 1995-2005 гг. Первичные результаты ранних этапов GNSS мониторинга пересчитаны в обновленной системе координат ITRF14_EURA. Выполнен анализ различных алгоритмов нейронных сетей с машинным обучением, используемых для классификации землетрясений. Построена архитектура модели на основе рекуррентных нейронных сетей и сверточных нейронных сетей с учетом индивидуальных региональных особенностей территории РК. Разработаны алгоритмы автоматического формирования входных данных для подсистем автоматического мониторинга и прогнозирования ЧС. Создана в едином формате информационная база актуальных данных ДЗЗ, необходимых для проведения мониторинговых работ и прогнозирования ЧС.
Исполнители проекта
Салихов Назыф Мунипович | Researcher ID Web of Science: DPY-6872-2022, ORCID ID: 0000-0002-6150-0207, Author ID в Scopus: 6602291209. |
Нұртас Марат | Researcher ID Web of Science: JWP-4213-2024, ORCID ID: 0000-0003-4351-0185, Author ID в Scopus: 57189710532 |
Виляев Андрей Викторович | Researcher-ID: https://orcid.org/0000-0002-8854-5691 Web of Science ResearcherID: EDF-9621-2022 Scopus-ID: 57194505192 |
Дедова Татьяна Владимировна | Researcher-ID: https://orcid.org/0000-0001-5310-6931 Web of Science ResearcherID: AAE-4060-2021 Scopus-ID: 57222987462 |
Чепашев Даникер Васильевич, | Web of Science ResearcherID: IRV-2661-2023 |
Елисеева Алена Викторовна | Researcher-ID: https://orcid.org/0000-0002-6161-6293 Web of Science ResearcherID: AAS-6088-2020 Scopus-ID: 57200140989 |
Балакай Лариса Анатольевна | Researcher-ID: https://orcid.org/0000-0001-6660-4796 Web of Science ResearcherID: AAC-1177-2022 Scopus-ID: 6504367336 |
Пак Галина Давидовна | Researcher-ID: https://orcid.org/0000-0002-3359-7494 Web of Science ResearcherID: ABC-6871-2020 Scopus-ID: 56135169600 |