Прогнозирование погоды по спутниковым данным в реальном времени

К 2026 году Россия создала масштабную отечественную орбитальную группировку гидрометеорологического назначения. На орбите работают 22 космических аппарата, а в ближайшие годы их численность планируется довести до 25–27. По словам руководителя Росгидромета Игоря Шумакова, группировка по количеству и характеристикам является беспрецедентным достижением, а Россия уже несколько лет не закупает за рубежом спутниковую информацию для гидрометеорологических целей (согласно данных «Российской газеты»).

В состав группировки входят три типа аппаратов. Геостационарные спутники серии «Электро-Л» находятся на высоте 35 786 километров над экватором и обеспечивают обзор средних широт. В феврале 2026 года запущен пятый аппарат серии, который передаёт снимки в видимом и инфракрасном диапазонах каждые 15–30 минут (согласно данных НПО Лавочкина). Высокоэллиптические спутники «Арктика-М» расположены на расстоянии почти 40 тысяч километров от Земли и обеспечивают непрерывное круглосуточное наблюдение за Арктическим регионом, который недоступен для геостационарных аппаратов (согласно данных «Российских космических систем»). Полярно-орбитальные спутники дополняют картину, обеспечивая детальный обзор всей планеты.

Первый аппарат «Арктика-М» за пять лет работы передал на Землю более 50 терабайт данных. Приборы работают непрерывно, данные передаются на Землю раз в 15 минут, оперативно обрабатываются и распространяются по информационным каналам Росгидромета (согласно данных iXBT.com).

Как работает обработка данных в реальном времени

«КАСКАД_ГМ»: цифровой мозг российской метеорологии

Ключевой элемент системы обработки — программный комплекс «КАСКАД_ГМ», разработанный учёными Севастопольского государственного университета. Это высокоуровневое программное обеспечение для обработки, анализа и моделирования огромных массивов информации, поступающей с тысяч датчиков по всей стране — от спутников и буев в океанах до метеостанций в арктической тундре (согласно данных IT Russia).

Система способна в режиме, близком к реальному времени, интегрировать разрозненные данные, строить комплексные модели атмосферных и океанологических процессов и выдавать результаты в формате, пригодном как для принятия оперативных решений, так и для долгосрочного планирования. Создание собственного программного продукта решает задачу не только технологического президента, но и национальной безопасности, поскольку ранее российская метеорология зависела от зарубежных вычислительных моделей.

Наукастинг: прогноз «здесь и сейчас»

Отдельное направление — наукастинг, то есть прогноз погоды на ближайшие 2–3 часа. Для Дальнего Востока эта задача особенно актуальна: метеорологических радаров там практически нет, а летние ливни и тихоокеанские тайфуны развиваются стремительно. За 20–30 минут может выпасть месячная норма осадков (согласно данных Вычислительного центра ДВО РАН).

Учёные Вычислительного центра ДВО РАН и Дальневосточного центра НИЦ «Планета» разработали алгоритм RainCast на основе измерений геостационарного спутника Himawari-9. Прогноз осадков осуществляется с двухчасовой заблаговременностью с временным шагом 10 минут. Алгоритм основан на комплексировании двух типов нейронных сетей, осуществляющих предварительный прогноз осадков и его дальнейшую постобработку с целью повышения детализации. В дальнейшем алгоритм планируется перенести на данные российских аппаратов серии «Электро-Л» (согласно данных Росгидромета).

Нейросети для распознавания опасных явлений

Система МФТИ: предупреждение за 15 минут

Специалисты Московского физико-технического института совместно с коллегами из РАН разработали нейросеть, способную в автоматическом режиме распознавать признаки опасных погодных явлений на спутниковых снимках. Обновление спутниковых изображений происходит каждые 15 минут, что позволяет искусственному интеллекту в режиме, близком к реальному времени, отслеживать формирование смерчей, сильных ливней и других опасных фронтов (согласно данных RuNews24).

Ключевая особенность алгоритма — способность анализировать огромные массивы ретроспективных данных. Нейросети обработали архив спутниковых снимков за последние два десятилетия, что позволяет выявить закономерности и получить детальную статистику опасных явлений для европейской части России. Это повышает точность долгосрочных прогнозов и помогает лучше понимать изменения климата.

Распознавание полярных циклонов

В Научно-исследовательском центре космической гидрометеорологии «Планета» проведена работа по созданию базы данных полярных циклонов на основе данных аппаратов серии «Арктика-М». Данные, накопленные за несколько лет, послужили обучающей выборкой и позволили создать тестовую нейросетевую модель автоматического распознавания полярных циклонов в поле облачности. Использована свёрточная нейронная сеть, настроенная на задачу бинарной классификации. На текущем этапе точность идентификации полярных циклонов составляет около 77% (согласно данных конференции ИКИ РАН).

Полярные циклоны способны внезапно и очень быстро приводить к развитию экстремальных погодных условий — сильному волнению до 8 баллов, ветру до 35 м/с, обледенению судов и сооружений, снежным зарядам с ухудшением видимости. Мониторинг и прогнозирование этих явлений критически важны для обеспечения безопасности хозяйственной деятельности в Арктике.

Что это даёт экономике и обществу

Сельское хозяйство

Точный расчёт агрометеопараметров — накопление эффективных температур, риски заморозков, динамика влажности почвы — помогает аграриям оптимизировать сроки посева, полива и обработки, минимизируя риски и повышая урожайность. По спутниковым данным в 2025 году проводился мониторинг состояния посевов зерновых культур на юге Западной Сибири, готовились карты оценки состояния для Новосибирской, Омской, Кемеровской, Тюменской областей, Алтайского и Красноярского краёв (согласно данных Росгидромета).

Транспорт и логистика

Метеоданные обеспечивают безопасность транспортной логистики по Северному морскому пути. Данные, полученные с «Арктики-М», позволяют детализировать прогнозы погоды для арктических маршрутов, что критически важно для проводки судов и планирования рейсов (согласно данных «Российских космических систем»).

Предупреждение чрезвычайных ситуаций

Спутниковые данные и нейросетевые алгоритмы позволяют выдавать штормовые и экстренные телеграммы при выявлении чрезвычайных ситуаций. Аппараты серии «Электро-Л» ретранслируют сигналы от аварийных радиобуёв международной спутниковой поисково-спасательной системы КОСПАС-САРСАТ, что помогает поисково-спасательным службам эффективнее реагировать на сигналы бедствия (согласно данных НПО Лавочкина).

Экология и мониторинг климата

Круглосуточное получение высококачественных многоспектральных снимков решает не только задачи прогноза погоды, но и глобальные вопросы мониторинга климата и изменений. Система «КАСКАД_ГМ» способна за считанные минуты смоделировать несколько сценариев распространения загрязнения — например, при разливе нефтепродуктов — точно предсказав траекторию и скорость движения пятна (согласно данных IT Russia).

Ограничения и перспективы

Погодные условия и рельеф

Плотная облачность, туман и осадки могут ограничивать обзор в видимом диапазоне, хотя инфракрасные каналы работают в этих условиях лучше. В горной местности даже высокая орбита не всегда обеспечивает полный обзор глубоких долин. Тени от гор и обратные склоны остаются слепыми зонами для спутникового мониторинга.

Точность распознавания

Нейросетевые модели показывают точность около 77% для распознавания полярных циклонов, что оставляет пространство для улучшения. Точность зависит от качества обучающих данных и разнообразия погодных сценариев, представленных в архивах.

Развитие группировки

По планам национального проекта «Космос» к 2031 году на орбите должны появиться ещё два модернизированных аппарата «Арктика-М» — № 3 и № 4. Специалисты «Российских космических систем» уже приступили к созданию аппаратуры для новых спутников этой группировки (согласно данных iXBT.com).

Прогнозирование погоды по спутниковым данным перестало быть уделом синоптиков с бумажными картами. 22 аппарата на орбите, нейросети, обновляющие данные каждые 15 минут, и программные комплексы, обрабатывающие информацию с тысяч датчиков, формируют систему, которая работает в режиме, близком к реальному времени. Точность распознавания опасных явлений растёт, группировка расширяется, а применение охватывает сельское хозяйство, транспорт, экологию и предупреждение чрезвычайных ситуаций. Остаётся вопрос, как быстро удастся довести точность нейросетевых моделей до уровня, при котором прогноз становится не вероятностным, а детерминированным.