УДК 004
Аксентов В.А.
студент 4 курса САФУ Северный (Арктический) федеральный университет (Россия, г. Архангельск)
ПРОГНОЗИРОВАНИЕ ДВИЖЕНИЯ ЛЕДНИКОВ НА КАРСКОМ МОРЕ
Аннотация: данная статья посвящена значимости исследования движения льда на Карском море с применением методов машинного обучения. В условиях изменяющегося климата и активного интереса к арктическим регионам точное прогнозирование движения льда становится ключевым фактором для обеспечения безопасности морской навигации, эффективности снабжения и экологического мониторинга. Результаты работы могут принести существенный вклад в области морской безопасности, операций снабжения и экологического мониторинга, что способствует устойчивому развитию арктических регионов и эффективности деятельности в них.
Ключевые слова: обучение, Карское море, машинное обучение, ИТ, исследование, ледники, арктический.
Современный мир стоит перед сложными вызовами, связанными с изменением климата и расширением арктических регионов. В этом контексте изучение и прогнозирование движения льда на Карском море с использованием методов машинного обучения приобретает особую важность. Этот амбициозный проект по проектно-технологической подготовке стремится к более точному и оперативному анализу данных, что в результате повысит безопасность морской навигации, усилит экологический мониторинг и улучшит эффективность деятельности в арктическом регионе.
Арктический регион переживает быстрые и глубокие изменения вследствие глобального потепления. Как результат, ледяные покровы водных
путей, таких как Карское море, становятся менее стабильными и более подверженными динамическим процессам. Точное прогнозирование движения льда на этих водных путях становится жизненно важным компонентом безопасности морской навигации и деятельности в арктическом регионе.
Одной из ключевых инноваций в данном проекте является использование методов машинного обучения для анализа данных спутниковых снимков [2]. Это позволяет автоматизировать сбор и предобработку данных [3], а также обеспечивает более быстрый и точный анализ множества факторов, влияющих на движение льда. Использование алгоритмов машинного обучения позволяет выявить скрытые закономерности в данных, учесть множество взаимосвязанных параметров и создать более точные прогнозы [1].
Применение результатов и перспективы: результаты этой работы имеют потенциал кардинально изменить подход к прогнозированию и анализу ледовой обстановки в арктических регионах. Более точные прогнозы движения льда и изменения ледовой обстановки обеспечат оперативное принятие решений в области морской навигации, снабжения и экологического мониторинга. Это позволит снизить риски для судоходства, увеличит эффективность операций и снизит негативное воздействие на экосистему арктической природы.
Исследование движения льда на Карском море с использованием методов машинного обучения представляет собой критически важный шаг в направлении обеспечения безопасности, устойчивости и эффективности деятельности в арктическом регионе. Проект выходит за рамки простого научного интереса, превращаясь в инновационную практику, которая сможет внести существенный вклад в реальный мир и способствовать устойчивому развитию арктических регионов.
СПИСОК ЛИТЕРАТУРЫ:
1. Free Weather API [Электронный ресурс] - URL: https://open-meteo.com/
2. Центр открытого доступа Copernicus [Электронный ресурс] - URL: https://scihub.copernicus.eu/dhus/#/home/
3. Sentinel-Hub [Электронный ресурс] - URL: https://www.sentinel-hub.com/
Aksentov V.A.
4th year student of NArFU Northern (Arctic) Federal University (Russia, Arkhangelsk)
FORECASTING GLACIER MOVEMENT IN THE KARA SEA
Abstract: this article is dedicated to emphasizing the importance of studying ice movement in the Kara Sea through the application of machine learning techniques. In the context of a changing climate and a growing interest in Arctic regions, accurate prediction of ice movement has become a pivotal factor for ensuring maritime navigation safety, optimizing supply chains, and enhancing environmental monitoring. The outcomes of this research can make a substantial contribution to the realm of maritime safety, supply operations, and environmental surveillance, thereby promoting sustainable development in Arctic regions and bolstering operational efficiency within these areas.
Keywords: learning, Kara Sea, machine learning, IT, research, glaciers, arctic.