Прогноз покрова. Знания о ледовитости озер пригодятся спасателям и экологам.

Как и когда образуется лед на озерах? Вопрос этот, как оказывается, отнюдь не праздный — ответ на него очень интересует, например, МЧС. Научный сотрудник Института водных проблем Севера Карельского научного центра кандидат технических наук Вячеслав БАКЛАГИН создает систему прогнозирования ледовитости озер. В своей работе он использует данные дистанционного зондирования Земли. Его тема поддержана грантом Президента РФ для молодых ученых. Наш корреспондент поинтересовался деталями практически важных исследований, которые он ведет.
— Я в основном занимаюсь Онежским и Ладожским озерами, крупнейшими в Европе, — начинает рассказ Вячеслав. — Но наша система прогнозирования ледовитости будет универсальной, она применима к большому числу озер, которые ежегодно покрываются льдом.
— Зачем нужны прогнозы в этой области? 
— Ледовитость озера — это характеристика, показывающая, какая часть его акватории замерзла. Прогнозирование состояния ледяного покрова необходимо для решения практических задач, связанных с определением начала и окончания навигационного периода, с организацией и планированием транзита людей и грузов по установившемуся покрытию. Такой прогноз необходим также для работы МЧС при возникновении чрезвычайных ситуаций, особенно связанных с пребыванием людей на льду. Отмечу, что ежегодно зимой возникают ситуации, когда приходится спасать людей и технику на Онежском, Ладожском и других озерах.
Прогнозирование состояния ледяного покрова представляет и научный интерес, например, при разработке экологических моделей озер. Дело в том, что установление льда в водоеме значительно сокращает поступление солнечного света, задерживает кислород и влияет на формирования климата, поэтому оказывает непосредственное влияние на зимнюю водную экологическую систему. И знания о законах и тенденциях формирования льда на поверхности воды могут служить исходной информацией для функционирования моделей экосистемы водоемов.
— Вы работаете один или с научной командой?
— Я работаю в Институте водных проблем Севера. В нашем коллективе много хороших географов, гидрологов, гидробиологов, гидрохимиков, но для реализации моего проекта необходимы знания и навыки программирования, а также применения математических методов, поэтому я сотрудничаю с коллегами из Петрозаводского государственного университета. Это, в частности, Павел Владимирович Будник — начальник патентного отдела ПетрГУ, кандидат технических наук. Вместе мы работаем над реализацией алгоритма нейронной сети для системы прогнозирования ледовитости озер.
— Существует ли уже на данный момент какая-то система прогнозирования? Чем отличается ваша?
— Есть много математических моделей как в нашей стране, так и за рубежом, способных воспроизводить различные гидрологические явления в озерах, в том числе формирование и разрушение ледяного покрова. Они описывают природу их происхождения. Результаты работы моделей достаточно точные и достоверные, но их реализация затруднена. Почему? Нужно собрать разнообразную информацию (в основном опытным путем) о гидрологическом режиме озера, его морфометрических показателях, климатических особенностях региона и многое другое. Сложность также в отладке таких моделей — как правило, в них участвует большое количество параметрических коэффициентов, которые необходимо варьировать для получения точного результата. Из-за всех этих трудностей такие модели невозможно применить ко многим озерам.
Наша система отличается тем, что мы в ней используем принципиально новый подход к прогнозированию ледовых характеристик озер — искусственные нейронные сети. В последнее время они широко применяются в различных областях науки и техники: в задачах распознавания образов, прогнозировании финансовых временных рядов. Основное преимущество сетей в том, что они позволяют обобщать собранную информацию об озере, на основе чего делается прогноз без сложного математического описания физических явлений. 
Поэтому в качестве исходных данных для обучения нейронной сети методом обратного распространения ошибки мы используем значения ледовитости озер за пройденный интервал времени, на который имеются спутниковые данные. Использование спутниковой информации позволяет получать высокоточные данные о ледяном покрове практически любого озера за последние десять и более лет. Все это позволяет применять нашу систему для любого озера.
— Расскажите подробнее о разрабатываемой вами системе. 
— Готовая система позволит предсказывать состояние ледяного покрова на определенный период времени с нужной точностью. Сейчас трудно сказать, в какой степени точен будет прогноз, но, по результатам предварительных исследований на Онежском озере, прогнозирование с помощью нейронной сети намного адекватнее статистических методов. Эти результаты уже опубликованы в научном журнале Ekologia (Bratislava), индексируемом в Scopus.
Пользователю системы достаточно выбрать озеро. Алгоритм системы будет использовать данные, полученные со спутников для этого водоема, и формировать временной ряд значений ледовитости. На основе этого ряда нейронная сеть, встроенная в систему, по заранее выбранному алгоритму будет обучаться и изменять свою архитектуру в зависимости от результатов обучения. Затем система сможет делать прогнозы состояния льда исследуемого озера на выбранные пользователем даты. При этом с каждым новым годом, то есть с поступлением новых данных, возможно переобучение нейронной сети для улучшения достоверности прогноза. 
— Каковы источники этих данных? 
— Для получения исходной спутниковой информации я использую ресурсы открытого доступа, предоставленные метеорологическими центрами и службами США, Канады и других стран. Эти центры публикуют данные о снежном и ледяном покрове и охватывают всю планету. Такие данные имеют высокое пространственное и временное разрешение и обладают большой научной и практической ценностью.
Но есть сложности. Например, датчик отдельного метеорологического спутника за несколько лет работы выполняет десятки тысяч снимков Земли. Их необходимо интерпретировать с учетом условий использования данных, то есть идентифицировать исследуемый водоем в двумерном массиве данных с его географической привязкой, а потом провести анализ идентифицированных данных, чтобы рассчитать ледовитость на каждую дату съемки (в среднем, каждые 24 часа). 
Работа со спутниковой информацией предполагает использование различных автоматизированных программ для классификации и анализа данных. Это накладывает ограничения на использование уже существующих программ, поэтому большой объем времени занимает разработка собственных приложений для анализа спутниковых данных, работающих в автоматизированном (когда это возможно) и полуавтоматизированном режимах. 
Мы уже разработали и запатентовали два приложения. Программирование алгоритмов проводим согласно концепции объектно-ориентированного программирования с использованием современного языка программирования C# на платформе net. Они полностью совместимы с операционной системой Windows, что делает их доступными в большинстве персональных компьютеров.
— Где вы патентовали свои приложения? Насколько это было сложно?
— Я регистрировал свои приложения с помощью Федерального института промышленной собственности. Сегодня в этом нет никаких сложностей, каждый может легко защитить свою программу, алгоритм, полезную модель или изобретение. Финансовые затраты — это государственная пошлина. Как правило, ее платит организация, которая также является и правообладателем, а сам изобретатель выступает только автором. Однако в случае успешной коммерциализации программы не возникнет проблем, связанных с конфликтом интересов при продаже прав на объект интеллектуальной деятельности.
— Какие результаты планируете получить? 
— Я собираюсь получить универсальную, полностью автоматизированную систему прогнозирования ледовитости, которую можно применять для любых озер на основе обработанной спутниковой информации. Эту систему я отработаю на Онежском и Ладожском озерах, возможно, и на меньших озерах. Сделаю реальный прогноз их ледовитости и буду сравнивать предсказываемые значения с реальными. 
Кроме того, в процессе анализа большого числа спутниковой информации попутно получу немаловажные знания о пространственно-временных тенденциях формирования и разрушения ледяного покрова, выявлю глобальные тренды многолетнего изменения ледового режима, то есть тенденции к сокращению или увеличению длительностей, сроков фаз ледового режима. 
Например, в ходе исследований на Онежском озере я установил, что продолжительность безледового периода за последние 60 лет на основе линейной регрессионной модели увеличилась на целых 50 дней! Такая модель — один из самых распространенных статистических методов для установления функциональной связи между исследуемым фактором и признаком. 
Так вот, мы установили, как со временем менялась длительность ежегодно повторяющегося безледового периода на Онежском озере. На этой основе сделали вывод о тенденции к увеличению безледового периода и рассчитали изменение данной характеристики за последние 60 лет. Температура воздуха на планете уже сто лет имеет статистически устойчивую тенденцию к увеличению, и научный интерес представляет то, каким образом это влияет на ледовый режим озер, особенно крупных.
Беседу вел Василий ЯНЧИЛИН

Нет комментариев