vestnik Журнал "Вестник Сибирского государственного университета геосистем и технологий (СГУГиТ)" 2411-1759 ФГБОУ ВО "Сибирский государственный университет геосистем и технологий (СГУГиТ)" RU https://vestnik.sgugit.ru 10.33764/2411-1759-2025-30-1-77-87 Дистанционное зондирование земли, фотограмметрия Оценивание экологической обстановки в районах хранения и транспортировки нефти и нефтепродуктов на основе использования данных космического мониторинга М. А. Сквазников Сквазников М. А. Д. Л. Колыгин Колыгин Д. Л. Военно-космическая академия имени А. Ф. Можайского, г. Санкт-Петербург, Российская Федерация 2025 30 1 77 87 © М. А. Сквазников, Д. Л. Колыгин, 2025 2025 М. А. Сквазников, Д. Л. Колыгин Эта статья дотупна по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная. Процессы, обеспечивающие транспортировку и хранение нефти и нефтепродуктов, связаны с рисками чрезвычайных ситуаций и угроз природной среде. Информационное обеспечение безопасности окружающей среды осуществляется путем своевременного сбора и обработки разнородных данных, поступающих в том числе от средств космического мониторинга. Применение средств дистанционного зондирования Земли позволяет оценивать техническое состояние зданий, резервуаров и трубопроводов, обнаруживать и идентифицировать разливы сырой нефти и нефтепродуктов, опасные отходы производства, а также источники утечки. Использование космических снимков высокого и сверхвысокого разрешения обуславливает объектно-ориентированную интерпретацию предметов искусственного происхождения с использованием семантических признаков, описанных на естественном языке. В основе предлагаемого метода оценивания экологической обстановки в районах хранения и транспортировки нефти и нефтепродуктов лежит модель системы поддержки принятия решений на основе использования прецедентов. Для извлечения прецедентов применяется модифицированный метод ближайшего соседа с комплексным использованием метрик Евклида и Хэмминга. При этом важность параметров контролируемого объекта рассчитывается на основе экспертных данных. При описании текущей ситуации или прецедента разработан алгоритм применения неполной информации в исходных данных. нефть и нефтепродукты экологическая обстановка космический мониторинг модифицированный метод ближайшего соседа метрика Евклида метрика Хэмминга oil and petroleum products environmental conditions space monitoring modified nearest neighbor method Euclid metric Hamming metric 1. Чистяков Д. А., Нечаева О. А. Экологический мониторинг разливов нефти и нефтепродуктов с использованием летательных аппаратов // Новая наука: проблемы и перспективы. – 2016. – № 3. – С. 18–23. – EDN VKMNRL. 2. Филина Н. А., Мазуркин П. М. Мониторинг аварийных разливов нефти // Современные наукоемкие технологии. – 2011. – № 3. – С. 62–67. – EDN NUHMXJ. 3. Карпик А. П., Мусихин И. А., Ветошкин Д. Н. Интеллектуальные информационные модели территорий как эффективный инструмент пространственного и экономического развития // Вестник СГУГиТ. – 2021. – Т. 26, № 2. – C. 155–163. – DOI 10.33764/2411-1759-2021-26-2-155-163. – EDN FXIMIO. 4. Павлов С. В., Сайфутдинова Г. М., Бахтизин Р. Н. Геоинформационные методы описания магистральных трубопроводов и аварийных разливов нефти // Геоинформационные технологии в проектировании и создании корпоративных информационных систем. – Уфа : Уфимский государственный авиационный технический университет, 2007. – С. 97–104. – EDN VOGWFV. 5. Долгополов Д. В., Мелкий В. А., Верхотуров А. А. Геоинформационное обеспечение безопасной эксплуатации трубопроводного транспорта // Известия Томского политехнического университета. Инжиниринг георесурсов. – 2021. – Т. 332, № 12. – С. 52–63. – DOI 10.18799/24131830/2021/12/3028. – EDN ZAFHWP. 6. Бондур В. Г. Аэрокосмические методы и технологии мониторинга нефтегазоносных территорий и объектов нефтегазового комплекса // Исследование Земли из космоса. – 2010. – № 6. – С. 3–17. – EDN NBSTHV. 7. Алексеева М. Н., Ященко И. Г. Экологический мониторинг нефтедобывающих территорий на основе космических снимков // Интерэкспо ГЕО-Сибирь-2013. IХ Междунар. науч. конгр. : Междунар. науч. конф. «Дистанционные методы зондирования Земли и фотограмметрия, мониторинг окружающей среды, геоэкология» : сб. материалов в 2 т. (Новосибирск, 15–26 апреля 2013 г.). – Новосибирск : СГГА, 2013. Т. 2. – С. 101–106. – EDN QITZXN. 8. Токарева О. С., Климентьев Д. С. Оценка последствий нефтяных разливов на основе данных дистанционного зондирования Земли // ГЕО-Сибирь-2010. VI Междунар. науч. конгр. : сб. материалов в 6 т. (Новосибирск, 19–29 апреля 2010 г.). – Новосибирск : СГГА, 2010. Т. 4, ч. 1. – С. 130–133. – EDN PFOMNF. 9. Ященко И. Г., Перемитина Т. О. Мониторинг экологического состояния нефтедобывающих территорий Западной Сибири с применением данных дистанционного зондирования // Интерэкспо ГЕО-Сибирь-2015. XI Междунар. науч. конгр. : Междунар. науч. конф. «Дистанционные методы зондирования Земли и фотограмметрия, мониторинг окружающей среды, геоэкология» : сб. материалов в 2 т. (Новосибирск, 13–25 апреля 2015 г.). – Новосибирск : СГУГиТ, 2015. Т. 1. – С. 89–93. 10. Алексеева М. Н., Перемитина Т. О. Оценка негативного воздействия аварийных разливов нефти на окружающую природную среду на основе космических снимков // Безопасность жизнедеятельности. – 2014. – № 2. – С. 12–17. – EDN RVRUXL. 11. Беликов В. А., Галянин В. В. Анализ данных дистанционного зондирования Земли для обнаружения нефтяных разливов // Вестник Самарского гос. технического ун-та. – 2017. – № 2. – С. 7–12. – EDN ZGBWEL. 12. Верхотуров А. А., МелкийВ. А., ДолгополовД. В., ЛисицкийД. В. Мониторинг изменения состояния растительного покрова на участке трассы трубопровода проекта «Сахалин-2» по данным космических съемок // Вестник СГУГиТ. – 2022. – Т. 27, № 4. – C. 45–53. – DOI 10.33764/2411-1759-2022-27-4-45-53. – EDN AROBFE. 13. Шляхова М. М., Лакеев И. Ю. Мониторинг объектов нефтегазовой отрасли с помощью воздушного лазерного сканирования // Вестник СГУГиТ. – 2022. – Т. 27, № 6. – C. 64–72. – DOI 10.33764/2411-1759-2022-27-6-64-72. – EDN FMTZWL. 14. Гордиенко А. С., Ткач А. В. Исследование состояния окружающей среды в районе нефтеразработок по космическим снимкам // Вестник СГУГиТ. – 2022. – Т. 27, № 6. – C. 55–63. – DOI 10.33764/2411-1759-2022-27-6-55-63. – EDN UURWSZ. 15. Зулин К. А., Кулик Е. Н. Использование данных дистанционного зондирования SENTINEL-2B для мониторинга последствий разливов нефти // Вестник СГУГиТ. – 2023. – Т. 28, № 2. – C. 60–66. – DOI 10.33764/2411-1759-2023-28-2-60-66. – EDN ZCAIJH. 16. ДолгополовД. В., НиконовД. В., Полуянова А. В., МелкийВ. А. Возможности визуального дешифрирования магистральных трубопроводов и объектов инфраструктуры по спутниковым изображениям высокого и сверхвысокого пространственного разрешения // Вестник СГУГиТ. – 2019. – Т. 24, № 3. – С. 65–81. – DOI 10.33764/2411-1759-2019-24-3-65-81. – EDN BQCQZY. 17. A. Aamodt and E. Plaza. Case-based reasoning: foundational issues, methodological variations, and system approaches. AI Communications, 1994. – Vol. 7. – № 1. – P. 39–59. – DOI 10.3233/AIC1994-7104. 18. Вагин В. Н., Головина Е. Ю., Загорянская А. А., Фомина М. В., Поспелов Д. А. Достоверный и правдоподобный вывод в интеллектуальных системах. – 2-е изд. – М. : ФИЗМАТЛИТ, 2008. – 712 с. 19. Watson I. D., Marir F. Case-based reasoning: A review. The Knowledge Engineering Review, 1994. – Vol. 9. – No. 4. – Р. 355–381. – DOI 10.1017/S0269888900007104. 20. Варшавский П. Р., Еремеев А. П. Методы правдоподобных рассуждений на основе аналогий и прецедентов для интеллектуальных систем поддержки принятия решений // Новости искусственного интеллекта. – 2006. – № 3. – С. 39–62. – EDN AJCDQP. 21. Люгер Д. Ф. Искусственный интеллект: стратегии и методы решения сложных проблем / пер. с англ. – 4-е изд. – М. : Вильямс, 2003. – 864 с. 22. Barry Smyth and Mark T. Keane Retrieving adaptable cases. The role of adaptation knowledge in case retrieval // Springer Berlin / Heidelberg, Vol. 837, 1994. – Р. 209–220. 23. Башмаков А. И., Башмаков И. А. Интеллектуальные информационные технологии : учеб. пособие. – М. : Изд-во МГТУ им. Н. Э. Баумана, 2005. – 304 с. – ISBN 5-7038-2544-X. – EDN QMOGNX. 24. Варшавский П. Р. Механизмы правдоподобных рассуждений на основе прецедентов (накопленного опыта) для систем экспертной диагностики // Труды 11-й национальной конференции по ИИ с международным участием (КИИ-2008, г. Дубна, Россия). В 3-х т. Т. 2. – М. : ЛЕНАНД, 2008. – С. 106–113. 25. Куликов А. В., Фомина М. В. Алгоритмы обобщения при наличии шума в исходных данных // Труды 11-й национальной конференции по ИИ с международным участием (КИИ2008, г. Дубна, Россия). В 3-х т. Т. 2. – М. : ЛЕНАНД, 2008. – С. 148–156. 26. Геловани В. А., Башлыков А. А., Бритков В. Б., Вязилов Е. Д. Интеллектуальные системы поддержки принятия решений в нештатных ситуациях с использованием информации о состоянии природной среды. – М. : Эдитореал УРСС, 2001. – 304 с. 27. Поспелов Д. А. Моделирование рассуждений. Опыт анализа мыслительных актов. – М. : Радио и связь, 1989. – 184 с. 28. Варшавский П. Р., Еремеев А. П. Реализация методов поиска решения на основе аналогий и прецедентов в системах поддержки принятия решений // Вестник МЭИ. – 2006. – № 2. – С. 77–87. – EDN HTYCNJ. 29. Юре Лесковец, Ананд Раджараман, Джеффри Д. Ульман. Анализ больших наборов данных / пер. с англ. Слинкин А. А. – М. : ДМК Пресс, 2016. – 498 с.