Мониторинг Чёрного моря: алгоритмы оценки состояния воды и береговой зоны

Спутниковые данные активно используются для изучения водных и наземных экосистем, позволяя получать практически одномоментные регулярные измерения на большой площади. На спутниках установлено множество приборов, каждый из которых фиксирует определённый сигнал, пересчитываемый в различные показатели. Однако для прибрежных и закрытых вод оптические спутниковые данные долгое время оставались малоприменимыми из-за величины ошибки определения показателей (согласно данных ТАСС).

Для открытых вод Мирового океана рассчитанные по оптическим спутниковым данным показатели, например концентрация хлорофилла-а, достаточно хорошо совпадают с результатами натурных наблюдений. Но в прибрежных и закрытых водах они определяются с большой ошибкой. Многие учёные пытаются решить эту проблему, закладывая региональные закономерности в алгоритмы, и севастопольской команде удалось это сделать для Чёрного моря.

Что представляет собой обновлённый алгоритм CHL-CDM

Смещение спектральных полос в длинноволновую область

В сентябре 2026 года на Международной научно-практической конференции «Изучение водных и наземных экосистем: история и современность» были представлены результаты новой версии трёхканального алгоритма CHL-CDM. Разработка выполнена научным сотрудником Федерального исследовательского центра «Институт биологии южных морей имени А. О. Ковалевского РАН» Еленой Скороход.

Сам алгоритм по дешифровке спутниковых данных с оптических сканеров, разработанный ранее севастопольскими учёными, хорошо показал себя на глубоководной части Чёрного моря, но имел ограничения для прибрежных вод. В новой версии выполнено смещение используемых спектральных полос в длинноволновую область, что позволило устранить высокую неопределённость отношений сигнала при высоком поглощении света, характерном для прибрежных вод (согласно данных ТАСС).

Натурные данные как основа точности

В основу алгоритма легли зависимости, полученные на основе огромного массива натурных данных, собранных в рейсах и прибрежном мониторинге за последнее десятилетие севастопольской командой. Именно наличие такой базы дало существенное преимущество в дешифровке спутниковых данных. Разработка отличается от других алгоритмов способом извлечения данных, набором итоговых показателей и их высокой точностью для оптически контрастных вод (согласно данных ТАСС).

В будущем исследователи намерены автоматизировать результаты экологического мониторинга. Планируется запустить специальный сайт с актуальными данными, где будут отображаться все отклонения и сопутствующая информация о состоянии акватории.

Нейросети для обнаружения загрязнений

Медуза как живой датчик

Группа севастопольских учёных разработала систему, которая по видеозаписи черноморской медузы автоматически определяет попадание в воду нефтепродуктов. Об этом рассказал кандидат технических наук, руководитель Лаборатории гидроакустики Федерального исследовательского центра «Институт биологии южных морей имени А. О. Ковалевского РАН» Александр Греков (согласно данных ТАСС).

Aurelia aurita — ушастая медуза, или аурелия, — самая массовая медуза Чёрного моря. Для человека она практически безопасна. Аурелия плавает, ритмично сжимая купол, и этот «пульс» хорошо виден на видео. Именно он сделал её удобным живым датчиком.

Система устроена следующим образом: камера снимает медузу в аквариуме сбоку. Нейросеть находит её на каждом кадре. Программа измеряет частоту пульсаций, ритм, скорость и траекторию плавания. Первые 15 минут в чистой воде система «запоминает» норму конкретной медузы, а затем следит, не отклоняется ли поведение от этой нормы.

Индивидуальная норма вместо единого признака

Главное открытие исследователей: медузы реагируют на дизельное топливо по-разному. Одна замедляется, другая почти не меняет пульс, третья сначала ускоряется, а потом замедляется. Поэтому единого признака «загрязнённой воды» нет. Система ищет не конкретную реакцию, а любое устойчивое отклонение от индивидуальной нормы (согласно данных ТАСС).

В эксперименте система подняла тревогу для всех шести медуз, в воду к которым добавляли дизельную фракцию. Время срабатывания составило от 1 до 24 минут. На записях в чистой воде не было ни одной ложной тревоги. Алгоритм тревоги занимает меньше 300 строк кода, не требует обучения на примерах загрязнения и работает на недорогом компьютере. Программный код открыт.

Учёный считает, что такие станции можно размещать у портов, нефтебаз, водозаборов, выпусков сточных вод и рыбоводных хозяйств. Химический анализ проб занимает часы и дни, а живой датчик реагирует за минуты.

Компьютерное зрение для оценки сапробности

Что такое сапробность и как её считали раньше

Основой экологического мониторинга водных объектов является определение загрязнённости. В исследовании, опубликованном в журнале «Лимнология и биология пресноводных экосистем», количественной характеристикой загрязнённости выбран индекс сапробности. Сапробность характеризуется степенью загрязнённости водоёма органическими веществами и продуктами их распада. Она определяется по видовому составу организмов-сапробионтов, обитающих в воде, и их количеству (согласно данных Лимнология и биология пресноводных экосистем).

В качестве сапробионтов были выбраны микроводоросли перифитона, служащие индикаторами на присутствие органических веществ. Состав и количество микроводорослей, участвующих в процессе микрообрастания, определялись применением метода «стёкол обрастания» путём установления стёкол в исследуемой прибрежной акватории. Идентификация и подсчёт частоты встречаемости микроводорослей осуществлялись при микроскопировании образцов. Данный способ требует участия высококвалифицированных специалистов и затрат времени на обработку результатов микроскопирования.

Как YOLO ускорила процесс

Для ускорения процесса в качестве элемента совершенствования методики экологического мониторинга акватории Чёрного моря были использованы технологии искусственного интеллекта. Применение модели компьютерного зрения YOLO позволило сократить время исследования и оценить качество водного объекта, что подтвердило эффективность предлагаемой технологии с целью совершенствования экологического мониторинга водных объектов (согласно данных Лимнология и биология пресноводных экосистем).

Мониторинг береговой зоны и обнаружение пластика

Спутниковые снимки для отслеживания изменений береговой линии

Отдельное направление — мониторинг береговой зоны. Исследование, представленное в Springer, описывает подход к обнаружению динамики береговой линии Чёрного моря путём комбинирования радиолокационных и оптических спутниковых снимков. Метод разработан с использованием снимков Sentinel-1 SAR и Sentinel-2 MSI с пространственным разрешением 20 метров для выявления изменений береговой линии Чёрного моря в период с 2016 по 2023 год (согласно данных Springer).

DEEP-PLAST: обнаружение пластика по спутниковым снимкам

Проект DEEP-PLAST представляет интегрированную систему на основе искусственного интеллекта для обнаружения и прогнозирования траектории плавающих морских пластиковых отходов с использованием открытых спутниковых снимков Sentinel-2 и экологических моделей океанских течений и ветра. Методология интегрирует обнаружение объектов (YOLOv5 на данных беспилотных летательных аппаратов) с моделями дрейфа для идентификации зон накопления пластика в Чёрном море (согласно данных EBSCO).

В испытаниях в Чёрном море модель U-Net++ достигла показателя F1 0,84 при частоте ложноположительных срабатываний около 5,2%. Обнаруженные места скопления мусора были связаны с моделями лагранжева дрейфа для определения зон накопления, что поддерживает целевые усилия по очистке.

Что это означает для экологии и экономики

Практические результаты

Системы мониторинга Чёрного моря перестали быть набором разрозненных измерений. Обновлённый алгоритм CHL-CDM позволяет отслеживать состояние прибрежных вод с точностью, недоступной стандартным методам. Нейросеть на основе поведения медуз выявляет загрязнение нефтепродуктами за минуты, а не за часы. Компьютерное зрение YOLO ускоряет оценку сапробности, сокращая время исследования. Спутниковые снимки Sentinel-2 в сочетании с моделями дрейфа позволяют обнаруживать пластик и прогнозировать его накопление.

Ограничения и что дальше

Текущие системы требуют дальнейшей валидации в разных условиях. Медузы как биоиндикаторы чувствительны к индивидуальным особенностям, а их реакция на разные типы загрязнений ещё изучается. Алгоритм CHL-CDM показывает высокую точность для оптически контрастных вод, но его применимость к другим акваториям требует проверки. Модели обнаружения пластика работают на спутниковых снимках с разрешением 20 метров, что ограничивает обнаружение мелких фрагментов.

В ближайшие два года на побережье северо-восточной части Чёрного моря планируется установка двух доплеровских КВ-радиолокаторов, что расширит возможности мониторинга прибрежной зоны (согласно данных journals.eco-vector.com). Исследователи намерены автоматизировать результаты экологического мониторинга и запустить сайт с актуальными данными о состоянии акватории.

Мониторинг Чёрного моря перестал быть уделом лабораторных анализов. Спутниковые алгоритмы, нейросети и живые биоиндикаторы формируют систему, которая работает быстрее и охватывает больше территории, чем традиционные методы. Обновлённый CHL-CDM, медузы-биосенсоры, YOLO для оценки сапробности и DEEP-PLAST для обнаружения пластика — это не разрозненные проекты, а элементы единой инфраструктуры экологического контроля. Остаётся вопрос, как быстро эти технологии будут масштабированы на всё побережье и станут ли они основой для принятия управленческих решений.