俄羅斯頓河國立技術大學（DSTU）正在建立一套基于亞速海遙感數(shù)據(jù)，分析海洋和沿海生態(tài)系統(tǒng)狀況的數(shù)學模型和方法。該項研究結(jié)果將有助于開發(fā)一種技術來監(jiān)測不良和危險現(xiàn)象，例如石油污染、極端增減水現(xiàn)象、富營養(yǎng)化（藻類大量繁殖），并在一個全新的水平預測水生態(tài)系統(tǒng)的發(fā)展。與傳統(tǒng)方法相比，新方法可以使用精確的4D模型處理海岸系統(tǒng)遙感數(shù)據(jù)，并提高預測計算的準確度。

該研究是在俄羅斯科學院通訊院士、DSTU復雜系統(tǒng)數(shù)學建模與預測研究所所長亞歷山大·蘇希諾夫的指導下進行的。由于對石油泄漏、極端風暴潮等危險事件的預測必須在加速的時間尺度下進行，因此計算中使用了現(xiàn)代超級計算機系統(tǒng)。

DSTU四年級研究生、計算機系統(tǒng)和信息安全教研室高級講師娜塔莉亞·帕納森科介紹說：“并行算法和程序使我們能夠考慮到氣象狀況和實際水文情況，在極短時間內(nèi)預測情況的發(fā)展。這在發(fā)生石油泄漏、有毒物質(zhì)排放、風暴潮等緊急情況時尤其重要?！?/p>

該研究小組根據(jù)DSTU與俄航天集團之間的協(xié)議，以及從公開來源獲取空間傳感數(shù)據(jù)。生成的圖像使用人工智能方法（包括神經(jīng)網(wǎng)絡技術）進行處理。特別是使用Python編程語言的機器學習方法來分析和聚類對象——浮游生物種群、懸浮物、石油污染和水生態(tài)系統(tǒng)中的其他物體的斑點。

作者通過對2020年獲得的亞速海的一些衛(wèi)星圖像進行計算實驗，證實了這種方法的有效性。該項目的進一步發(fā)展將涉及改進所使用的神經(jīng)網(wǎng)絡技術，以及運用深度學習方法來預測亞速海浮游生物種群、海表面膜污染、包括油膜污染的動態(tài)。

責任編輯：PSY