Петровская Ю.Д., Краснянская Е.В.
ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ЦЕЛЕЙ МОНИТОРИНГА ЗАГРЯЗНЕНИЯ ЗЕМЕЛЬ *
Аннотация:
в статье рассматривается проблема деградации почвенного покрова. Анализируются данные по деградации почв в мире и России, выделяются основные причины нарушения земель. Подчеркивается ограниченность традиционных методов мониторинга и обосновывается необходимость внедрения искусственного интеллекта для комплексного анализа данных. Описываются существующие технологии дистанционного зондирования, спутниковой съемки, БПЛА и сенсорных сетей, а также методы машинного обучения (CNN, U-Net, RNN) и перспективы их применения для выявления и прогнозирования загрязнений. Даются выводы о стратегической важности внедрения искусственного интеллекта в экологический мониторинг.
Ключевые слова:
загрязнение почв, деградация почв, мониторинг, искусственный интеллект, дистанционное зондирование, нейросети, спутниковый анализ
В современном мире проблема деградации почвенного покрова приобрела масштабы глобального экологического кризиса. По данным Продовольственной и сельскохозяйственной организации ООН (ФАО), около 33% всех почв мира в той или иной степени деградированы, причем ежегодно во всем мире безвозвратно теряется около 24 миллиардов тонн плодородного слоя [1]. По данным Росстата площадь нарушенных и загрязненных земель в Российской Федерации, по состоянию на 01.01.2024 составила 230,0 тыс. га, что на 35,8 тыс. га больше, чем в 2020 году [2]. По данным Министерства природных ресурсов и экологии РФ, около 15% территории страны подвержено различным формам деградации почв, включая химическое загрязнение, эрозию, засоление и опустынивание. Основными причинами являются промышленное загрязнение, неправильное землепользование, эрозионные процессы и изменение климата.Классические методы, основанные на выборочных лабораторных исследованиях и визуальных оценках, не позволяют оперативно получать полную картину состояния земельных ресурсов. Выходом в данной ситуации может оказаться современный искусственный интеллект, он дает возможность комплексно проанализировать данные и дать прогноз негативных процессов на почве.Актуальность внедрения искусственного интеллекта в сферу экологического мониторинга обусловлена несколькими факторами: во-первых, огромной площадью территории России, требующей постоянного наблюдения, во-вторых, возрастающей антропогенной нагрузкой на почвы, в-третьих, необходимостью перехода к превентивным мерам по охране окружающей среды.Комплексное использование спутников, беспилотных летательных аппаратов, сенсорных сетей и анализа полученных данных с помощью искусственного интеллекта уже активно применяется для различных видов мониторинга, в том числе для целей предотвращения и борьбы с разливами мазута в Черном море [3]. Применение интегрированных технологий мониторинга, включая спутниковую съемку, беспилотные летательные аппараты, сенсорные сети и методы искусственного интеллекта, демонстрирует высокую эффективность в оперативном обнаружении и ликвидации разливов нефтепродуктов в акватории Черного моря. Высокая динамичность морских экосистем, обусловленная гидрологическими процессами, антропогенным воздействием и быстрым распространением загрязнений, требует непрерывного наблюдения для минимизации экологического ущерба.В отличие от морской среды, почвенный покров характеризуется значительно меньшей скоростью трансформации, что позволяет ограничиться периодическим мониторингом без существенной потери информативности. Таким образом, частота и методы контроля должны определяться скоростью изменений в исследуемой среде, обеспечивая рациональное использование ресурсов при сохранении высокой эффективности экологического надзора.Мониторинг загрязнения почв в настоящее время осуществляется с использованием комплекса различных методов, обеспечивающих точность, оперативность и экономическую эффективность исследований. К числу основных инструментов мониторинга относится дистанционное зондирование, спутниковая съемка (мульти- и гиперспектральная), беспилотные летательные аппараты (БПЛА), электрохимические сенсоры, биомониторинг и непосредственно лабораторные исследования.Получаемые в ходе ежегодных мероприятий по мониторингу объемы информации практически невозможно полноценно проанализировать человеку из-за их числа и невозможности обращения к информации, которая находится в ведении других собирающих ее учреждений.Для качественной оценки получаемой информации необходимо создание общей базы данных для всех субъектов, принимающих участие в мониторинге состояние земель, обработка данных которой будет производиться на основе технологии искусственного интеллекта.Так возможно применение анализа спутниковых снимков с помощью компьютерного зрения. Спутниковый мониторинг обеспечивает регулярное получение актуальных данных о состоянии земной поверхности. Алгоритмы глубокого обучения, такие как сверточные нейронные сети (CNN), сегментационные модели U-Net и трансформеры, позволяют автоматически детектировать изменения в почвенном покрове. Например, нефтяные загрязнения в Западной Сибири можно выявить по характерному спектральному отклику на снимках Sentinel-2 и Landsat. Аналогичные методы применимы для обнаружения свалок, карьеров и других нарушений земельного покрова [4].Современные спутниковые системы (например, Hyperion) позволяют получать данные в десятках и сотнях спектральных каналов. Это дает возможность идентифицировать путем мультиспектрального и гиперспектрального анализа конкретные загрязнители, такие как тяжелые металлы, нефтепродукты, пестициды, по их уникальным спектральным подписям [5].Как отмечалось выше, эффективный мониторинг требует объединения данных из разных источников: спутниковых снимков, показаний наземных датчиков, результатов лабораторных анализов, климатических данных. Технологии Data Fusion и методы ансамблевого машинного обучения позволяют создавать комплексные модели состояния почв. Например, система может учитывать данные о выбросах промышленных предприятий, направлении ветра и геологии территории для прогнозирования зон потенциального загрязнения. Так работает прогнозное моделирование. Рекуррентные нейронные сети (RNN) и методы временных рядов (ARIMA, Prophet) могут применяться для прогнозирования развития деградационных процессов [6]. На основе исторических данных можно предсказать скорость распространения загрязнения, риск возникновения эрозии или засоления. Это особенно важно для сельскохозяйственных регионов, где такие прогнозы помогают оптимизировать землепользование.Так современные системы на основе искусственного интеллекта способны не только выявлять уже существующие загрязнения в процессе анализа имеющихся снимков поверхности Земли, но и прогнозировать их появление, что делает их незаменимым инструментом и однозначно свидетельствует о необходимости их интеграции в мониторинг загрязнения земельных ресурсов.В Российской Федерации на данный момент уже есть несколько кейсов успешного применения искусственного интеллекта, например Федеральная программа «Цифровая экология», в рамках которой разрабатывается единая платформа для мониторинга состояния окружающей среды, включая почвы. Система использует спутниковые данные Роскосмоса, информацию с датчиков Росгидромета и данные от промышленных предприятий. Алгоритмы машинного обучения выявляют несанкционированные свалки, зоны загрязнения и незаконную добычу полезных ископаемых [7].Но несмотря на очевидные преимущества в применении нейросетей в сфере почвенного мониторинга существуют недостатки и сложности для полноценного их внедрения. Среди них можно отметить отсутствие единой платформы сбора информации – базы данных. Для хранения и обработки спутниковых изображений высокого разрешения и работы сложных нейросетевых моделей требуются значительные вычислительные ресурсы. Также не мало важным фактором является отсутствие нормативно-правовой базы в области использования, охраны и распространения подобных данных.Таким образом, применение искусственного интеллекта для мониторинга и защиты почвенных ресурсов России представляет собой стратегически важное направление, находящееся на стыке экологии, цифровых технологий и государственного управления. Уже сегодня применение анализа искусственным интеллектом демонстрируют высокую эффективность в выявлении загрязнений, прогнозировании рисков и оптимизации землепользования. Однако для полной реализации потенциала этих технологий требуется решение комплекса технических, организационных и законодательных вопросов. Стоит отметить, что инвестиции в развитие программных продуктов на базе искусственного интеллекта для экологического мониторинга – это не только вклад в сохранение природных ресурсов, но и важный шаг для обеспечения продовольственной безопасности страны, улучшения качества жизни граждан и устойчивого развития регионов.
Номер журнала Вестник науки №5 (86) том 3
Ссылка для цитирования:
Петровская Ю.Д., Краснянская Е.В. ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ЦЕЛЕЙ МОНИТОРИНГА ЗАГРЯЗНЕНИЯ ЗЕМЕЛЬ // Вестник науки №5 (86) том 3. С. 2084 - 2090. 2025 г. ISSN 2712-8849 // Электронный ресурс: https://www.вестник-науки.рф/article/23248 (дата обращения: 20.07.2025 г.)
Вестник науки © 2025. 16+