СОВРЕМЕННЫЕ СИСТЕМЫ МОНИТОРИНГА ЧРЕЗВЫЧАЙНЫХ СИТУАЦИЙ В ОКРУЖАЮЩЕЙ ПРИРОДНОЙ СРЕДЕ. ОБЗОР ПУБЛИКАЦИЙ

EDN: JZMKOK

В последние годы в окружающей природной среде заметны изменения, которые приводят к увеличению числа стихийных бедствий. Причинами этого являются рост промышленного производства, выбросы вредных веществ в атмосферу. Требования к мониторингу состояния окружающей среды все время возрастают, т. к. для своевременного реагирования на возникающие чрезвычайные ситуации необходимо получать актуальную информацию о состоянии воздуха, воды, лесных массивов, чтобы обеспечить принятие мер и минимизировать последствия. Публикации на эту тему как в российских, так и в зарубежных научных журналах отмечают, что современный мониторинг требует точных методов и инструментов для наблюдений в атмосфере и прогнозирования возможных стихийных бедствий, их масштабов. Авторы в своих исследованиях описывают современные технологии мониторинга экологических систем, математические методы и модели для выявления и прогнозирования различных видов стихийных бедствий. Основной тенденцией становится переход от стационарных станций мониторинга к интеллектуальным сетям датчиков на базе Интернета вещей и облачных платформ, т. к. это позволяет собирать точные данные в режиме реального времени. Далее в статье представлен аналитический обзор публикаций по теме применения современных методов для мониторинга трех наиболее актуальных бедствий: лесных пожаров, нефтяных разливов, наводнений. Также приводится обзор исследований, в которых описывается применение методов искусственного интеллекта (ИИ) в системах мониторинга окружающей среды.

Исследование выполнено в рамках государственного задания ИВМ и МГ СО РАН FWNM-2025-0005.

Список литературы

1.         Малышев В. П. Глобальные тенденции повышения риска природных бедствий и возмож¬ные направления смягчения их последствий в России // Проблемы анализа риска. 2023. Т. 20. N 4. С. 10–27.

2.         Макиев Ю. Д. Современные тенденции природных бедствий и развитие системы монито¬ринга бедствий и катастроф в России // Стратегия гражданской защиты: проблемы и исследо¬вания. 2012. N 1(2). С. 64–69

3.         Павлов Н. И., Кулеш М. М. Глобальные системы мониторинга окружающей среды и фоновый мониторинг // Вестник ДВГАЭУ. 2000. N 4 (16). С. 66–75.

4.         Соколова О. Д., Матерухин А. В. Аналитический обзор современных информацион¬ных технологий в области сбора, обработки и анализа данных, применяемых для мониторинга загрязнения атмосферного воздуха // Проблемы информатики. 2020. N 1. C. 21–34.

5.         Preethichandra D. M. G., Piyathilaka L., Izhar U. Review on Robotic Systems for Environmental Monitoring // IEEE Open Journal of Instrumentation and Measurement. 2024. PP. 1–1.

6.         Родионов А. С., Маткурбанов Т. А., Хайруллаев У. Б. Оптимизация траектории по¬лета БПЛА для мониторинга сельскохозяйственных земель // Проблемы информатики. 2025. N 1(66). С. 5–17.

7.         Родионов А. С., Маткурбанов Т. А. Планирование траектории полета БПЛА при мо¬ниторинге большой области // Информатика и автоматизация. 2025. N 3. Т. 24. С. 791–827.

8.         Мухаметов Д. И., Атнабаев А. Ф., Шаймарданов Д. А., Павлова Л. Г. Роль дан¬ных дистанционного зондирования земли в оценке влияния человека на окружающую среду // Бюллетень науки и практики. 2024. Т. 10. N 6. С. 90–94.

9.         Гончар А. Д., Нигматуллин А. В., Атнабаев А. Ф. Применение технологий дистан¬ционного зондирования Земли для мониторинга особо охраняемых природных территорий // Бюллетень науки и практики. 2024. N 6. Т. 10. С. 81–85.

10.       Шаймарданов Д. А., Атнабаев А. Ф., Мухаметов Д. И., Павлова Л. Г. Состояние и перспективы использования данных дистанционного зондирования земли для обнаружения природных пожаров //Бюллетень науки и практики. 2024.Т.10. N 7.С. 77–81.

11.       Кичайкин Д. Е. Космические системы мониторинга окружающей среды // Междуна¬родный научный журнал «Вестник науки». 2025. N 4 (85). Т. 4.

12.       Майорова В. И., Гришко Д. А., Муравьев В. В., Топорков А. Г. Использование космических средств наблюдения для мониторинга локальных экосистем // Вестник Московского государственного технического университета им. Н. Э. Баумана. 2012. № 8(8). С. 182–192.

13.       Привалов А. Е., Зубачев А. М., Власов Р. П., Данилюк Б. А. Методика интеграции многоагентных моделей в технологию управления многоспутниковыми космическими системами мониторинга // Известия Тульского государственного университета. Технические науки. 2023. Вып. 2. С. 193–197.

14.       Раздроков Е. Н., Волков Д. В. Перспективы использования цифровых технологий в мониторинге лесных пожаров северных регионов // Дискуссия. 2025. N 5 (138). С. 78–85.

15.       Секерин И. М. Организация обнаружения лесных пожаров с использованием беспилот¬ных летательных аппаратов // Леса России и хозяйство в них. 2025. N 4 (95). C. 77–85.

16.       Заворотный А. Г., Лавлинский И. В. Комплексный анализ параметров эффективно¬сти применения беспилотных авиационных систем для мониторинга лесных пожаров // Пожары и чрезвычайные ситуации: предупреждение, ликвидация. 2025. N 3. С. 59–71.

17.       Кислинская Ю. Г., Липатова Т. А. Современные системы мониторинга, обнаружения и предупреждения лесных пожаров // Вестник науки. 2024. N 5 (74). Т. 4.

18.       Долматов С. Н., Колесников П. Г., Черников Д. Ю., Гарифулин В. Ф. Использова¬ние широкополосного радиодоступа и технологий дистанционного мониторинга для обнаружения и управления тушением лесных пожаров // Хвойные бореальной зоны. 2023. N 1. Т. XLI. С. 24–32.

19.       Беляев А. Э., Будевич Е. А., Вычерова Н. Р. Система обнаружения лесных пожаров с использованием оптимизированных беспроводных сенсорных сетей Zigbee на солнечных батареях // Системы Методы Технологии. 2021. N 4 (52). С. 87–96.

20.       Li Z., Li X., Shang J. Forest Fire Monitoring and Energy Optimization Based on LoRa-Mesh Wireless Communication Technology // Electronics. 2025. N 14. P. 4135.

21.       Кузнецова И. А., Сериков К. К. Анализ лесных пожаров в резервате «Семей орманы»: применение машинного обучения в Google Earth Engine // Научно-образовательный журнал для студентов и преподавателей «StudNet». 2021. N 5.

22.       Балобанов А. А., Скрипка А. В., Музыченко С. А. Совершенствование системы мо¬ниторинга и прогнозирования лесопожарной обстановки на территории Новосибирской области // Современные проблемы гражданской защиты. 2023. N 4 (49). С. 6–11.

23.       Проценко П. А., Хуббиев Р. В. Методика ранжирования космических аппаратов ди¬станционного зондирования Земли с целью оперативного мониторинга чрезвычайных ситуаций // Труды МАИ. 2021. N 119. С. 1–29.

24.       Маглинец Ю. А., Раевич К. В., Шатров Р. А., Брежнев Р. В., Михалев А. С., Ма¬тюнин В. М., Антипова Е. А. Автоматизация процесса обнаружения лесных пожаров по дан¬ным дистанционного зондирования Арктика-М // Международный научно-исследовательский журнал. 2024. N 11 (149).

25.       Маглинец Ю. А., Раевич К. В., Брежнев Р. В., Шатров Р. А., Михалев А. С., Антипова Е. А., Матюнин В. М. Концептуальное проектирование системы мониторинга и анализа динамики лесных пожаров // Международный научно-исследовательский журнал. 2024. N 10 (148).

26.       Маглинец Ю. А., Брежнев Р. В., Михалев А. С., Раевич К. В., Матюнин В. М., Шатров Р. А., Антипова Е. А., Цибульский Г. М. Сервис мониторинга природ¬ных пожаров по данным спутниковой группировки «Арктика-М» // Международный научно¬исследовательский журнал. 2024. N 11 (149).

27.       Gao B., Jia W., Wang Q., Yang G. All-Weather Forest Fire Automatic Monitoring and Early Warning Application Based on Multi-Source Remote Sensing Data: Case Study of Yunnan // Fire. 2025. N 8. P. 344.

28.       Дородных Н. О., Николайчук О. А., Пестова Ю. В., Юрин А. Ю. Использование прецедентного подхода для прогнозирования риска лесных пожаров // Вычислительные техно¬логии. 2022. N 5. Т. 27. С. 43–54.

29.       Chicas S. D., Nielsen J. O. Who are the actors and what are the factors that are used in models to map forest fire susceptibility? A systematic review // Natural Hazards. 2022. N 114. P. 2417–2434

30.       Терентьева О. А. Алгоритмическое и программное приложение для решения задачи го¬товности многокомпонентной лесной экосистемы к ситуации наличия риска возгорания на при¬мере лесов Омской области // Математические структуры и моделирование. 2024. N 2 (70). С. 105–112.

31.       Deepwater Horizon. [Электрон. Рес.]: https://darrp.noaa.gov/oil- spills/deepwater- horizon (дата обращения 03.04.2026).

32.       Xie M., Li Y., Zhang Z., Fu Q., Jiang H. Remote sensing of the oil spills caused by ships: A review // Marine Pollution Bulletin. 2025. V. 214, P. 117754.

33.       Ушаков И. Е. Радиолокационный мониторинг загрязнений морской поверхности нефте¬продуктами с буровых платформ и транспортных судов // Записки Горного института. 2016. Т. 219. С. 421–427. DOI: 10.18454/PMI.2016.3.421

34.       Сквазников М. А., Колыгин Д. Л. Оценивание экологической обстановки в районах хранения и транспортировки нефти и нефтепродуктов на основе использования данных косми¬ческого мониторинга // Вестник СГУГиТ. 2025. N 1. Т. 30. С. 77–87.

35.       Новохатин В. В., Осипова Н. Г. Космический мониторинг аварийных нефтеразливов в пределах лицензионных участков на территории Западной Сибири // Московский экономический журнал. 2021. N 3. С. 57–63.

36.       Del’Papa R., Scafutto M., Lassalle G., Nopper Alves M., de Paula Miranda L., Martins P., da Costa O., de Souza Filho C. R. Monitoring oil spill thickness and weathering using UAV-borne hyperspectral sensing // Marine Pollution Bulletin. 2025. V. 218. P. 118134.

37.       Oil Spill Science and Technology. Fingas & Brown. Gulf Professional Publishing (Elsevier). 2017. ISBN: 978-0-12-809413-6.

38.       Подробно об оптическом детекторе ROW и его участии в проекте DIGIMARIS в Фин¬ском заливе. [Электрон. Рес.]: https://www.ldi.ee/ru/oil-spill-protection-in-the-gulf-of- finland/ (дата обращения 03.04.2026).

39.       Rathour S. S., Kato N., Senga H., Tanabe T., Yoshie M., Tanaka T. Development of a Robotic Floating Buoy for Autonomously Tracking Oil Slicks Drifting on the Sea Surface (SOTAB- II): Experimental Results // Kato, N. (eds) Applications to Marine Disaster Prevention. 2017. Tokyo: Springer.

40.       ICP DAS ZigBee. [Электрон. Рес.]: https://icpdas.ru/blog/minimizatsiya-opasnyh- utechek- na- neftepererabatyvayushchem- zavode (дата обращения 03.04.2026).

41.       Poudel B., Xie J., Guo C., Watt O. E., Pulster E. L., Patel R. J., Steevens J. A., Xu D. Real-time oil spill concentration assessment through fluorescence imaging and deep learning // J Hazard Mater. 2025. PMID: 40818234.

42.       Шержуков Е. Л., Магрицкий Д. В., Ткаченко Ю. Ю. Автоматизация мониторинга уровней воды и прогноза быстроразвивающихся наводнений // Материалы конференции «Про¬блемы гидрометеорологического обеспечения хозяйственной деятельности в условиях изменяю¬щегося климата». 2015. С. 53–55.

43.       Павлова Л. Г., Шаймарданов Д. А., Атнабаев А. Ф., Мухаметов Д. И. Монито¬ринг паводков на основе дистанционного зондирования земли // Бюллетень науки и практики, 2024, Т.10, N 7. С. 82–85.

44.       Винокурова А. Г., Чермошенцев А. Ю. Анализ возможности применения радиолока¬ционных данных дистанционного зондирования для оперативного определения зон паводкового подтопления. // Интерэкспо Гео-Сибирь. 2019, Т. 6. С. 39–45.

45.       Васильева Е. С., Белякова П. А., Алексюк А. И., Селезнева Н. В., Беликов В. В. Моделирование быстроразвивающихся паводков на малых реках Северного Кавказа с использо-

ванием современных данных автоматизированной гидрометеорологической сети // Водные ре¬сурсы. 2021. N 2. Т. 48. С. 135–146.

46.       Архипкин О. П., Сагатдинова Г. Н., Бралинова Ж. А. Оценка потенциального раз¬вития паводков на основе анализа многолетних временных рядов ДДЗ // Современные проблемы дистанционного зондирования Земли из космоса. 2014. N 4. Т. 11. С. 127–136.

47.       Prakash C., Barthwal A., Acharya D. FLOODWALL: A real-time flash flood monitoring and forecasting system using IoT // IEEE Sens. J. 2022. N 23. P. 787–799.

48.       Goyal H. R., Ghashala K. K., Sharma S. Post flood management system based on smart IoT devices using AI approach // Meterialstoday Proc. 2021, N 46, P. 10411–10417.

49.       Choosumrong S., Piyathamrongchai K., Hataitara R., Soteyome U., Konkong N., Chalongsuppunyoo R., Raghavan V., Nemoto T. Development of an IoT-Based Flood Monitoring System Integrated with GIS for Lowland Agricultural Areas // Sensors. 2025. N 25. P. 5477.

50.       Munawar H. S., Hammad A. W. A., Waller S. T. Remote Sensing Methods for Flood Prediction: A Review // Sensors. 2022. N 22. P. 960.

51.       National Water Dashboard. [Электрон. Рес.]: https://dashboard.waterdata.usgs.gov/app/ nwd/en/ (дата обращения 21.08.2026).

52.       Абрамов Г. М., Ступина С. А. Мониторинг, моделирование и прогнозирование опасных природных явлений и чрезвычайных ситуаций // Вестник науки. 2025. N 11(92).

53.       Islam, Samiul F. A. The Role of Artificial Intelligence in Environmental Monitoring for Sustainable Development and Future Perspectives // Journal of Global Ecology and Environment. 2025. N 21 (2). P. 164–179.

54.       Соколова О. Д., Ткачев К. В., Юргенсон А. Н., Кратов С. В., Шахов В. В. Со¬временные системы мониторинга качества воздуха // Информационные процессы. 2026. N 1. Т. 26. С. 187–209.

55.       Родионов А. М., Иванов С. А. Анализ современных моделей и информационных систем при прогнозировании и мониторинге лесных пожаров // Экономика. Информатика. 2023. N 4. Т. 50. С. 913–923.

56.       Faroudja Abid. A Survey of Machine Learning Algorithms Based Forest Fires Prediction and Detection Systems // Fire Technology. 2021. N 57, P. 559–590.

57.       Olawade D. B., Wada O. Z., Ige A. O., Egbewole B. I., Olojo A., Oladapo B. I. Artificial intelligence in environmental monitoring: Advancements, challenges, and future directions // Hygiene and Environmental Health Advances. 2024. V. 12, P. 100114.

58.       Mishra D., Mishra R., Agarwal R. Artificial intelligence and big data in environmental monitoring and decision support: revolutionizing ecosystem management. N. 11. PP. 29–39.

59.       Сидоренков В. М., Мартынюк А. А., Ачиколова Ю. С., Сережкин А. В., Аваков Я. А., Капиталинин Д. Ю. Применение сверточных нейронных сетей при дешифрировании спутниковых данных для решения отдельных лесохозяйственных задач: аналитический обзор // Лесохозяйственная информация. 2025. N 4. С. 103–127.

60.       Kiranmai N., Ramana Murthy B. V. A review on Smart Environment Monitoring Systems using Sensors // International Journal of Emerging Technologies and Innovative Research. 2021. I. 1. V. 8. P. 142–145.

61.       Ullo S. L., Sinha G. R. Advances in Smart Environment Monitoring Systems Using IoT and Sensors // Sensors. 2020. N 20. P. 3113