Программно-алгоритмический комплекс прогнозирования динамики арктических озер России на основе спутниковых снимков и энтропийно-рандомизированного подхода
Автор: Сокол Е.С., Тогачев А.А., Попков А.Ю., Дубнов Ю.А., Полищук В.Ю., Попков Ю.С., Мельников А.В., Полищук Ю.М.
Рубрика: Информатика и вычислительная техника
Статья в выпуске: 4 т.23, 2023 года.
Бесплатный доступ
Статья посвящена проблеме прогнозирования эволюции термокарстовых озер в зонах мерзлоты как интенсивных источников природной эмиссии парниковых газов в атмосферу на арктических территориях. Цель работы. Целью работы является рассмотрение вопросов создания программно-алгоритмического комплекса прогнозирования пространственно-временной динамики озер Российской Арктики на основе методов и алгоритмов рандомизированного машинного обучения.
Машинное обучение, рандомизированная модель, программно-алгоритмический комплекс, прогнозирование, термокарстовые озера, парниковые газы
Короткий адрес: https://sciup.org/147242609
IDR: 147242609 | УДК: 551.34:551.58 | DOI: 10.14529/ctcr230402
Software-algorithmic complex of forecasting the dynamics of arctic lakes in Russia based on satellite images and entropy-randomized approach
The article is devoted to the problem of predicting the evolution of thermokarst lakes in permafrost zones as intensive sources of natural emissions of greenhouse gases into the atmosphere in the Arctic territories. Goal of the work. The purpose of the work was to consider the issues of creating a software-algorithmic complex for predicting the spatio-temporal dynamics of lakes in the Russian Arctic based on methods and algorithms of randomized machine learning.
Список литературы Программно-алгоритмический комплекс прогнозирования динамики арктических озер России на основе спутниковых снимков и энтропийно-рандомизированного подхода
- Закономерности распределения размеров термокарстовых озер / А.С. Викторов, В.Н. Капралова, Т.В. Орлов и др. // Доклады Академии наук. 2017. Т. 474, № 5. C. 625–627. DOI: 10.7868/S0869565217050218
- Carbon Emission from Thermokarst Lakes in NE European Tundra / S. Zabelina, L. Shirokova, S. Klimov et al. // Limnology and Oceanography. 2020. Vol. 66, iss. S1. P. 1–15. DOI: 10.1002/Ino.11560
- Minor contribution of small thaw ponds to the pools of carbon and methane in the inland waters of the permafrost-affected part of the Western Siberian lowland / Y.M. Рolishchuk, A.N. Bogdanov, I.N. Muratov et al. // Environmental Research Letters. 2018. Vol. 13, no. 4. P. 1–16. DOI: 10.1088/1748-9326/aab046
- A Global Inventory of Lakes Based on High Resolution Satellite Imagery / C. Verpoorter, T. Kutser, D.A. Seekel, L.J. Tranvik // Geophysical Research Letters, 2014. Vol. 41. P. 6396–6402. DOI: 10.1002/2014GL060641
- Webb E.E., Liljedahl A.K. Diminishing lake area across the northern permafrost zone // Nature Geoscience. 2023. Vol. 16. P. 202–209. DOI: 10.1038/s41561-023-01128-z
- Методические вопросы оценки запасов метана в малых термокарстовых озерах криолитозоны Западной Сибири / Ю.М. Полищук, В.Ю. Полищук, Н.А. Брыксина и др. // Известия Томского политехнического университета. Инжиниринг георесурсов. 2015. Т. 326, № 2. С. 127–135.
- Polishchuk Y.M., Muratov I.N., Polishchuk V.Y. Remote research of spatiotemporal dynamics of thermokarst lakes fields in Siberian permafrost. Ch. 8 // The Arctic: Current Issues and Challenges; Eds.: O.S. Pokrovsky, S.N. Kirpotin, A.I. Malov. New York: Nova Science Publishers, 2020. P. 208–237.
- Попков Ю.С., Попков А.Ю., Дубнов Ю.А. Рандомизированное машинное обучение при ограниченных объемах данных. М.: URSS, 2019. 310 с.
- Popkov Y.S., Popkov A.Y. New Method of Entropy-Robust Estimation for Ramdomized Models under Limited Data // Enthropy. 2014. Vol. 16, no. 2. P. 675–698. DOI: 10.3390/e16020675
- A randomized algorithm for restoring missing data in the time series of lake areas using information on climatic parameters / Y.S. Popkov, E.S. Sokol, A.V. Melnikov et al. // Advances in Social Science, Education and Humanities Research. 2020. Vol. 483. P. 186–190. DOI: 10.2991/assehr.k.201029.035
- Entropy-Randomized Method for the Reconstruction of Missing Data / Y.A. Dubnov, V.Y. Polishchuk, Y.S. Popkov et al. // Automation and Remote Control. 2021. Vol. 82, no. 4. P. 670–686. DOI: 10.1134/S0005117921040056
- Алгоритмы рандомизированного машинного обучения для прогнозирования эволюции площади термокарстовых озер в зонах вечной мерзлоты / Ю.А. Дубнов, А.Ю. Попков, В.Ю. Полищук и др. // Автоматика и телемеханика. 2023. № 1. С. 98–120. DOI: 10.31857/S0005231023010051
- Микросервисы. Паттерны разработки и рефакторинга. СПб.: Питер, 2019. 544 с.
- Apache Kafka. URL: https://kafka.apache.org/documentation/ (дата обращения: 02.06.2023).
- NextGIS Web. URL: https://docs.nextgis.ru/docs_ngweb/source/toc.html#nextgis-web (дата обращения: 02.06.2023).
- PostgreSQL. URL: https://postgrespro.ru/docs/postgresql (дата обращения: 02.06.2023).
- PostGIS. URL: https://postgis.net/documentation/ (дата обращения: 02.06.2023).
- Standard public license GNU (GPL). URL: https://www.gnu.org/licenses/gpl-3.0.html (дата обращения: 02.06.2023).
