Применение нейросетей и искусственного интеллекта в мониторинге оттаивания многолетнемёрзлых пород

Концепция устойчивого развития (УР), впервые представленная в докладе ООН «Наше общее будущее» (1987), остается ключевым ориентиром современного общества, балансируя между экономическим прогрессом и экологической стабильностью. Особую актуальность эта проблема приобретает в условиях глобального изменения климата, наиболее выраженного в Арктическом регионе, где потепление происходит в два раза интенсивнее среднемировых показателей.

Деградация вечной мерзлоты, занимающей около 70% территории России, вызывает серьезные последствия: термокарстовые процессы, просадки грунта и разрушение инфраструктуры. Ярким примером стал полный распад острова Месяцева (архипелаг Земля Франца-Иосифа) в 2024 году.

Особую роль играет искусственный интеллект, позволяющий анализировать огромные массивы геоданных. Нейросетевые модели (U-Net, DeepLab, Segment Anything) эффективно выявляют термокарстовые озера, трещины и другие признаки деградации мерзлоты. Однако применение ИИ сталкивается с методологическими вызовами: «парадоксом больших данных», проблемой формализации природных процессов и скепсисом научного сообщества.

Перспективы развития связаны с интеграцией междисциплинарных подходов, совершенствованием образовательных программ и международным сотрудничеством арктических государств.

1. Лукманова Р. Р. Терминосистема «Устойчивое развитие и изменение климата»: специфика англо-русского перевода её единиц / Р. Р. Лукманова // Мир науки, культуры, образования. – 2025. – № 1. – С. 461-463.

2. Алексеев Г. В. Второй оценочный доклад Росгидромета об изменениях климата и их последствиях на территории Российской Федерации / Г. В. Алексеев и др. // Росгидромет. – 2014. – С. 1007-1010.

3. Фёдорова Н. В. Проблема строительства и эксплуатации сооружений в условиях крайнего севера / Н. В. Фёдорова, М. И. Исмагилов // Наука, образование и культура. – 2025. – С. 105-108.

4. Рубинштейн К. Г. Первые оценки качества работы систем раннего предупреждения о метеорологических угрозах для Мурманской области / К. Г. Рубинштейн и др. // Арктика: экология и экономика. – 2014. – № 4 (16). – С. 77-85.

5. Каграманов А. K. Правовые основы использования арктических энергетических ресурсов / А. К. Каграманов // Вектор юридической науки. – 2025. – № 1. – С. 92-101.

6. Порфирьев Б. Н. Оценка влияния изменения климата на экономику России с использованием моделей комплексной оценки (IAM) / Б. Н. Порфирьев, А. Ю. Колпаков, Е. А. Лазеева // Проблемы прогнозирования. – 2025. – № 1. – С. 49-61.

7. Никитина Е. Н. Изменение климата в Арктике: адаптация в ответ на новые вызовы / Е. Н. Никитина // Контуры глобальных трансформаций: политика, экономика, право. – 2019. – № 5. – С. 177-200.

8. Воронков Л. С. Климатические аспекты энергетической стратегии ЕС / Л. С. Воронков // Научно-аналитический вестник ИЕ РАН. – 2024. – № 1. – С. 64-78.

9. Близнецкая Е. А. Стратегии городов по адаптации к изменению климата в контексте многостороннего международного сотрудничества / Е. А. Близнецкая, А. Е. Кутейников, В. И. Шаповалов // Социология науки и технологий. – 2024. – №1. – С.181-199.

10. Осьминина Т. С. Подходы к проектированию инженерно-транспортных систем арктических регионов / Т. С. Осьминина // Architecture and Modern Information Technologies. – 2025. – №1 (70). – С. 262-275.

11. Преснов О. М. Возведение свай в условиях вечной мерзлоты / О. М. Преснов и др. // Международный научно-исследовательский журнал. – 2022. – № 2 (116). – Часть 1. – С. 41-43.

12. Соловьянов А. А. Многомерная Арктика / А. А. Соловьянов // Энергетическая политика. – 2018. – № 11. – С. 18-22.

13. Угрюмов Ю. В. Организация подсистемы государственного фонового мониторинга состояния многолетней (вечной) мерзлоты в Российской Федерации / Ю. В. Угрюмов и др. // Рельеф и четвертичные образования Арктики, Субарктики и Северо-Запада России. – 2024. – № 11. – С. 602-605.

14. Абрамов Д. А. Геотемпературный мониторинг криолитозоны Магаданской области 2021-2024 гг. / Д. А. Абрамов и др. // Рельеф и четвертичные образования Арктики, Субарктики и Северо-Запада России. – 2024. – № 11. – С. 450-456.

15. Хабарова И. А. Методология осуществления дистанционного зондирования / И. А. Хабарова и др. // Международный журнал прикладных наук и технологий «Integral». – 2019. – № 1. – С. 21-30.

16. Wenwen Li. GeoAI for Large-Scale Image Analysis and Machine Vision: Recent Progress of Artificial Intelligence in Geography / Li Wenwen, Chia-Yu Hsu // School of Geographical Science and Urban Planning, Arizona State University. – 2022. – № 11(7). – P. 385.

17. Wenwel Li. GeoAI: Where Machine Learning and Big Data Converge in GIScience / Li Wenwen / Journal of Spatial Information Science. – 2020. – № 20. – Pp. 71-77.

18. Goodchild M. F. Replication across Space and Time Must Be Weak in the Social and Environmental Sciences / M. F. Goodchild, Li Wenwen / Proceedings of the National Academy of Sciences. – 2021. – № 35. – P. 118.

19. Jordan Beer/ Uncrewed Aerial Vehicle–Based Assessments of Peatland Permafrost Vulnerability Along the Labrador Sea Coastline, Northern Canada / Jordan Beer and others // Permafrost and Periglacial Processes. – 2024. – № 35. – Pp. 461-477.

20. Итоговый доклад о деятельности Росгидомета в 2023 году и задачах на 2024 год. Министерство природных ресурсов и экологии Российской Федерации. Федеральная служба по гидрометеорологии и мониторингу окружающей среды (Росгидромет). – 2024. – С. 44-47.

21. Sofia Antonova. Spatio-temporal variability of X-band radar backscatter and coherence over the Lena River Delta, Siberia / Antonova Sofia and others // Remote Sensing of Environment. – 2016. – № 182. – Pp. 169-191.

22. Annett Bartsch. Permafrost Monitoring from Space / Annett Bartsch, Tazio Strozzi, Ingmar Nitze // Surveys in Geophysics. – 2023. – № 5. – Pp. 1579-1614.

23. Chih-Li Chang. Main-chain engineering of polymer photocatalysts with hydrophilic non-conjugated segments for visible-light-driven hydrogen evolution / Chih-Li Chang and others // Nature Communications. – 2022. – № 13. – Pp. 1-11.

24. Arctic Council Secretariat Annual Report 2023 / Arctic Council Secretariat. – 2024. – Pp. 180-181.

25. Xiaochen Zou. Potential of Satellite Spectral Resolution Vegetation Indices for Estimation of Canopy Chlorophyll Content of Field Crops: Mitigating Effects of Leaf Angle Distribution / Xiaochen Zou, Jun Jin, Matti Mõttus // Remote Sensing. – 2023. – № 15. – Pp. 1-22.

26. Stefano Ponti. Thermal photogrammetry on a permafrost rock wall for the active layer monitoring / Stefano Ponti, Irene Girola, Mauro Guglielmin // Science of the Total Environment. – 2024. – № 914. – Pp. 1-15

27. Гончаров А. М. Искусственный интеллект как основное направление развития робототехнических комплексов / А. М. Гончаров, С. В. Рябов // Военная мысль. – 2021. – № 6. – С. 65-70.

28. Криницкий М. А. ИИ и океан: отчет о выступлении Михаила Криницкого на конференции AI IN2023 / М. А. Криницкий // Окружающая среда и энерговедение. – 2023. – № 3. – С. 33-38.

29. Лукашик Д. В. Анализ современных методов сегментации изображений / Д. В. Лукашик // Экономика и качество систем связи. – 2022. – № 2. – С. 57-64.

30. Доррер Г. А. Семантическая сегментация изображений с применением сверточных нейронных сетей / Г. А. Доррер, М. С. Корюкин // Секция «Информационно-управляющие системы». – 2017. – Том 2. – С. 141-143.

31. Казанцева Л. В. Сегментация изображений в алгоритмах беспилотных изображений / Л. В. Казанцева, И. И. Юров // Colloquium-journal. – 2020. – № 2 (54). – С. 24-26.

32. Белова Ю. В. Разработка алгоритма семантической сегментации данных дистанционного зондирования земли для определения фитопланктонных популяций / Ю. В. Белов, И. Ф. Развеева, Е. О. Рахимбаева // Advanced Engineering Research (Rostov-on-Don). – 2024. – № 24 (3). – С. 283-292.

33. Баборыкин М. Ю. Дешифрирование материалов аэрокосмической съемки для анализа инженерно-геологических условий в общем алгоритме изысканий на линейных объектах / М. Ю. Баборыкин // Инженерные изыскания. – 2014. – № 9-10. – С. 13-21.

34. Li Y. Mvitv2: Improved multiscale vision transformers for classification and detection. In Proceedings of the IEEE / CVF Conference on Computer Vision and Pattern Recognition, New Orleans, LA, USA, 18-24 June 2022; pp. 4804-4814.

35. Друки А. А. Семантическая сегментация данных дистанционного зондирования Земли при помощи нейросетевых алгоритмов / А. А. Друки и др. // Известия Томского политехнического университета. Инжиниринг георесурсов. – 2018. – №. 329 (1). – C. 59-68.

36. Юсупов, Б. Н. О данных дистанционного зондирования Земли / Б. Н. Юсупов, Ш. Ш. Очилов // Экономика и социум. – 2023. – № 12(115)-1. – С. 1618-1625.

37. Долгополов Д. В. Анализ точности исходных данных, используемых при моделировании рельефа и профиля трассы магистральных трубопроводов / Д. В. Долгополов и др. // Известия Томского политехнического университета. Инжиниринг георесурсов. – 2022. – Т. 333. – № 4. – С. 168-180.

38. Георги М. Ю. Методы извлечения причинности из данных наблюдений в практике искусственного интеллекта / М. Ю. Георги // Известия Южного федерального университета. Технические науки. – 2023. – № 1. – С. 125-134.

39. Alexander Kirillov. Segment Anything / Kirillov A. and others // Computer Vision and Pattern Recognition. – 2023. – № 6. – Pp. 1148-1152.

40. Justine Ramage. The Net GHG Balance and Budget of the Permafrost Region (2000-2020) From Ecosystem Flux Upscaling / Justine Ramage and others // Global Biogeochemical Cycles. – 2024. – Pp. 1-18.

41. Wenwen Li. Segment Anything Model Can Not Segment Anything: Assessing AI Foundation Model’s Generalizability in Permafrost Mapping / Wenwen Li and others // Remote sensing. – 2024. – № 16. – P. 797.

42. Ya-Lun. Monitoring Arctic permafrost coastal erosion dynamics using a multidecadal cross-mission SAR dataset along an Alaskan Beaufort Sea coastline / Ya-Lun, S. Tsai // Science of the Total Environment. – 2024. – № 917. – Pp. 329-33.

43. Отчет об устойчивом развитии группы компаний «Норильский никель» за 2024 год. Вклад в благополучие поколений. – 2025. – С. 143.

44. Serik Nurakynov. Application of Artificial Intelligence in Glacier Studies: A State-of-the-Art Review / Serik Nurakynov and others // Multidisciplinary Digital Publishing Institute. – 2024. – № 16, 2272.

45. Shengnan Zhang. Plant nitrogen acquisition from inorganic and organic sources via root and mycelia pathways in ectomycorrhizal alpine forests / Shengnan Zhang, and others // Soil Biology and Biochemistry. – 2019. – № 136. – P. 107517

46. 46. Wang S. Opportunities and Threats of Cryosphere Change to the Achievement of UN 2030 SDGs / S. Wang and others // Humanit. Soc. Sci. Commun. – 2024 – № 11. – P. 44.

47. Peng Y. Automated Glacier Extraction Using a Transformer Based Deep Learning Approach from Multi-Sensor Remote Sensing Imagery / Y. Peng and others // ISPRS J. Photogramm. Remote Sens. – 2023. – № 202. – Pp. 303-313.

48. Han W. A Survey of Machine Learning and Deep Learning in Remote Sensing of Geological Environment: Challenges, Advances, and Opportunities / W. Han and others // ISPRS J. Photogramm. Remote Sens. – 2023. – № 202. – Pp. 87-113.

49. Zhang H. K. Machine Learning and Deep Learning in Remote Sensing Data Analysis. Reference Module in Earth Systems and Environmental Sciences / H. K. Zhang // Elsevier: Amsterdam. – 2024. – № 10. – Pp. 147-155.

50. Michael Chui. The economic potential of generative AI / Michael Chui and others // McKinsey & Company. – 2023. – P. 57.

51. Jones B. M. A decade of thermokarst dynamics and landscape evolution revealed by time-lapse photography in Arctic Alaska. / B. M. Jones, L. M. Farquharson, C. A. Baughman // Environmental Research Letters. – 2020. – № 15(12). – Pp. 145-156.

52. Elias Manos. Permafrost thaw-related infrastructure damage costs in Alaska are projected to double under medium and high emission scenarios / Elias Manos, Chandi Witharana, Anna K. Liljedahl // Communications earth & environment. – 2025. – № 6. – Pp. 1-11.