Экономическо - социальное развитие в последние годы ставит перед экологией вод залива Халонг и пролив Лук (провинция Куангнинь) новые вызовы, особенно в части ухудшения качества морской воды, что угрожает уникальной морской экосистеме.
В то время как традиционные методы мониторинга, такие как забор проб и анализ на месте, имеют множество ограничений по стоимости, времени и охвату.
В ответ на эти проблемы вьетнамские и польские ученые совместно разработали исследование, направленное на использование дистанционного зондирования и искусственного интеллекта для мониторинга качества воды — современный, экономичный подход, который позволяет проводить непрерывное наблюдение на больших территориях.
Исследовательская задача с кодом QTPL01.03/23-24, осуществляемая совместно Вьетнамским космическим центром Вьетнамской академии наук и технологий и Институтом геофизики Польской академии наук, помогает создать более эффективные инструменты для охраны морской среды в прибрежных зонах.
По словам доктора Ву Ань Туана, заместителя генерального директора Вьетнамского космического центра и руководителя исследования, это первая работа во Вьетнаме, в которой одновременно используются спутниковые данные Sentinel-2, передовые алгоритмы машинного обучения и облачная платформа Google Earth Engine (GEE) для моделирования и мониторинга таких параметров качества воды, как температура поверхности, взвешенные вещества, хлорофилл-а и химическая потребность в кислороде.
На основе результатов моделирования команда разработала карты распределения качества воды по пространственно-временному диапазону, что помогает отслеживать изменения и раннее предупреждение о рисках загрязнения в заливе Халонг и проливе Лук.
Эти карты могут быть использованы в управлении водными ресурсами, поддержке охраны окружающей среды и устойчивом развитии прибрежных территорий.
В исследовании были разработаны модели машинного обучения, которые после калибровки и верификации достигли точности более 73%. Также были составлены карты пространственного распределения этих параметров по сезонам и в среднем за год.
Кроме того, исследование открыло новое направление в применении технологий дистанционного зондирования в сочетании с машинным обучением для мониторинга качества воды, тем самым эффективно способствуя управлению водными ресурсами в ключевых прибрежных районах.
Всего было обработано и проанализировано 78 спутниковых снимков на облачной платформе Google Earth Engine. Затем были применены алгоритмы машинного обучения, такие как случайный лес (Random Forest), градиентная бустинговая регрессия и AdaBoost, для прогнозирования показателей качества воды.
По словам доктора Ву Ань Туана, исследование также определило важные спектральные диапазоны на спутниковых снимках Sentinel-2, что способствовало оптимизации моделей машинного обучения и снижению затрат на сбор данных в будущем.
Что касается дальнейших исследований, доктор Ву Ань Туан сообщил, что в ближайшее время команда планирует повысить частоту наблюдений и отбора проб, а также глубже интегрировать ИИ с данными спутниковых изображений для повышения точности расчётов.
Особое внимание будет уделено расширенной интеграции различных типов спутниковых данных (в настоящее время команда протестировала три типа спутников), что позволит увеличить частоту наблюдений и расширить перечень отслеживаемых параметров качества воды с текущих четырёх до пяти, шести и более.
Одним из важных направлений будущей работы станет масштабирование этого исследования на все морские акватории Вьетнама./.
