СТРУКТУРИЗАЦИЯ ЭКОЛОГИЧЕСКОЙ ИНФОРМАЦИИ С ПРИМЕНЕНИЕМ ГЕОИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ

В статье рассматриваются вопросы разработки управленческих решений по улучшению состояния окружающей среды на основе внедрения геоинформационных технологий, включающих методы оценки и прогнозирования экологической ситуации на основе мониторинговых подходов. Развитие технологий обработки больших данных определило тенденции широкого внедрения систем мониторинга, функционирующих в реальном времени. В связи с этим, задачу мониторинга природных объектов предлагается решать как задачу определения и контроля свойств и состояний сложного объекта в режиме реального времени и активного взаимодействия с окружающей средой, а также выработки управленческих решений и рекомендаций. В качестве математического аппарата для структуризация экологической информации предлагается использовать нейронную сеть Fuzzy ART, хорошо зарекомендовавшую себя при обработке данных в режиме реального времени. Для визуализации получаемой информации и интеграции результатов работы сети сети Fuzzy ART в геоинформационную систему предлагается использовать Python-библиотеку Folium, предназначенную для графического отображения географических данных, и содержащую всю необходимую картографическую информацию. С помощью Folium результаты структуризации экологических данных можно изображать непосредственно на Google-картах, что дает возможность при увеличении масштаба карты визуально определять границы кластеров и возможные буферные зоны.

1. Положение о государственном экологическом мониторинге (государственном мониторинге окружающей среды) и государственном фонде данных государственного экологического мониторинга (государственного мониторинга окружающей среды) (утверждено постановлением Правительства Российской Федерации от 9 августа 2013 года N 681).

2. G. A. Carpenter, S. Grossberg, and D. B. Rosen, Fuzzy ART: Fast stable learning and categorization of analog patterns by an adaptive resonance system. Neural Networks. 1991;4:759–771.

3. Каширина И.Л., Львович Я.Е., Сорокин С.О. Нейросетевое моделирование формирования кластерной структуры на основе сетей ART. Информационные технологии. 2017;23(3):228-232.

4. Иванов Д. В. Взаимодействие компонентов природной среды на территории Воронежской области. ArcReview. 2005;3(34):1–3.

5. Леденева Т.М., Умывакин В.М., Швец А.В. Методологические основы построения неаддитивных квалиметрических моделей интегральной оценки экологического состояния природно-хозяйственных геосистем. Вопросы науки. 2016;1:58-73.

6. Зибров Г.В., Умывакин В.М., Минаев В.А., Матвиец Д.А., Швец А.В. Оценка состояния окружающей среды природно-антропогенных объектов в категориях экологической безопасности и риска. Технологии техносферной безопасности. 2015;2(60):252-262.

7. Федеральное бюджетное учреждение здравоохранения «Центр гигиены и эпидемиологии в Воронежской области» [Электронный ресурс]. – Режим доступа: http://www.36rospotrebnadzorfguz.ru/index.htm

8. Каширина И.Л., Федутинов К.А. Применение сети Fuzzy ARTMAP в интеллектуальных системах обнаружения вторжений. Моделирование, оптимизация и информационные технологии. 2018;6(3). Доступно по: https://moit.vivt.ru/?p=7165&lang=ru

9. Folium. Режим доступа: https://python-visualization.github.io/folium/ (дата обращения 22.11.2019 на англ).

10. Карлин Л.Н. Управление энвиронментальными и экологическими рисками. СПб. : Изд-во РГГМУ, 2006.