俄羅斯頓河國立技術(shù)大學(xué)（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(xué)模型和方法。該項(xiàng)研究結(jié)果將有助于開發(fā)一種技術(shù)來監(jiān)測不良和危險(xiǎn)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(yù)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(yù)測計(jì)算的準(zhǔn)確度。

該研究是在俄羅斯科學(xué)院通訊院士、DSTU復(fù)雜系統(tǒng)數(shù)學(xué)建模與預(yù)測研究所所長亞歷山大·蘇希諾夫的指導(dǎo)下進(jìn)行的。由于對石油泄漏、極端風(fēng)暴潮等危險(xiǎn)事件的預(yù)測必須在加速的時間尺度下進(jìn)行，因此計(jì)算中使用了現(xiàn)代超級計(jì)算機(jī)系統(tǒng)。

DSTU四年級研究生、計(jì)算機(jī)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(shí)際水文情況，在極短時間內(nèi)預(yù)測情況的發(fā)展。這在發(fā)生石油泄漏、有毒物質(zhì)排放、風(fēng)暴潮等緊急情況時尤其重要。”

該研究小組根據(jù)DSTU與俄航天集團(tuán)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(luò)技術(shù)）進(jìn)行處理。特別是使用Python編程語言的機(jī)器學(xué)習(xí)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(diǎn)。

作者通過對2020年獲得的亞速海的一些衛(wèi)星圖像進(jìn)行計(jì)算實(shí)驗(yàn)，證實(shí)了這種方法的有效性。該項(xiàng)目的進(jìn)一步發(fā)展將涉及改進(jìn)所使用的神經(jīng)網(wǎng)絡(luò)技術(shù)，以及運(yùn)用深度學(xué)習(xí)方法來預(yù)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(zé)任編輯：PSY