рус eng
««ИЗВЕСТИЯ ИРКУТСКОГО ГОСУДАРСТВЕННОГО УНИВЕРСИТЕТА». СЕРИЯ «НАУКИ О ЗЕМЛЕ»
«IZVESTIYA IRKUTSKOGO GOSUDARSTVENNOGO UNIVERSITETA». SERIYA «NAUKI O ZEMLE»
«THE BULLETIN OF IRKUTSK STATE UNIVERSITY». SERIES «EARTH SCIENCES»
ISSN 2073-3402 (Print)

Список выпусков > Серия «Науки о Земле». 2026. Том 57

Перспективы автоматизации наблюдений за состоянием водного объекта

Автор(ы)

С. В. Бузмаков, А. Д. Пнюшков, С. В. Кубынин, Е. Н. Власова, Л. С. Банщикова

Государственный гидрологический институт, г. Санкт-Петербург, Россия

Аннотация
Рассмотрены варианты автоматизации на гидрологических постах такого вида наблюдений, как состояние водного объекта. Приводятся основные исторические этапы становления этих наблюдений с указанием количества определяемых состояний. На основе обзора научных публикаций и собственного опыта проведения работ определены методы и перспективы автоматизации наблюдений. Даются рекомендации по оптимизации наблюдений на государственной наблюдательной сети Росгидромета, в частности, сокращение числа определяемых состояний водного объекта для автономных пунктов наблюдений и использование программных продуктов с применением технологии компьютерного зрения.
Об авторах

Бузмаков Сергей Викторович  

заведующий, лаборатория гидрологических  

приборов, младший научный сотрудник  

Государственный гидрологический институт  

Россия, 199053, Санкт-Петербург,  

2-я линия В.О., 23  

е-mail: s.buzmakov@hydrology.ru


Пнюшков Александр Дмитриевич  

аспирант, ведущий инженер,  

младший научный сотрудник  

Государственный гидрологический  институт  

Россия, 199053, Санкт-Петербург,  

2-я линия В.О., 23  

е-mail: alexandr_pnush@mail.ru


Кубынин Сергей Васильевич  

заместитель заведующего, лаборатория  

гидрологических приборов  

Государственный гидрологический  институт  

Россия, 199053, Санкт-Петербург,  

2-я линия В.О., 23  

е-mail: s.kubynin@hydrology.ru


Власова Екатерина Николаевна  

ведущий инженер  

Государственный гидрологический  институт  

Россия, 199053, Санкт-Петербург,  

2-я линия В.О., 23  

е-mail: vlasovakatya2002@gmail.com


Банщикова Любовь Святославовна  

кандидат географических наук,  

старший научный сотрудник  

Государственный гидрологический  институт  

Россия, 199004, Санкт-Петербург,  

2-я линия В.О., 23  

e-mail: anshchikovaLS@yandex.ru

Ссылка для цитирования
Перспективы автоматизации наблюдений за состоянием водного объекта / С. В. Бузмаков, А. Д. Пнюшков, С. В. Кубынин, Е. Н. Власова, Л. С. Банщикова // Известия Иркутского государственного университета. Серия Науки о Земле. 2026. Т. 57. С. 15–27. https://doi.org/10.26516/2073-3402.2026.57.15
Ключевые слова
состояние водного объекта, гидрологический пост, наблюдения, автоматизация, Росгидромет.
УДК
556.042
DOI
https://doi.org/10.26516/2073-3402.2026.57.15
Литература
  1. Гурвич Л. А. Математическое обеспечение системы (на базе ЭВМ СМ-4) анализа изображений для интерпретации в гидрологических исследованиях : отчет НИР / Краснояр. политехн. ин-т, Красноярск; № гос. регистрации 80064500. Красноярск : Красн. рабочий, 1980. 85 с.
  2. Математическое обеспечение системы анализа изображений для интерпретации в гидрологических исследованиях : отчет о НИР (промежут.) / В. П. Ермаков [и др.]. Красноярск : Краснояр. политехн. ин-т, 1981. 138 с.
  3. A remote sensing method to monitor water, aquatic vegetation, and invasive water hyacinth at national extents / G. Singh [et al.] // Remote Sensing. 2020. Vol. 12.No. 24. P. 4021.
  4. Algae detection using computer vision and deep learning / A. Samantaray [et al.] // arXiv preprint arXiv. 2018. 1811.10847. https://doi.org/10.48550/arXiv.1811.10847
  5. Ansari S. Automated monitoring of river ice processes from shore-based imagery: Dr. sci. diss. Université d'Ottawa, 2016.
  6. Ansari S. Inference of River Hydrodynamics and Ice Processes from Close-Range Remote Sensing: Doc. … diss. Université d'Ottawa, 2023.
  7. Application of close-range remote sensing for automatic identification of ice jams in rivers in the area of the inlet to the fishway / J. Błotnicki [et al.] // Zeszyty Naukowe. 2023. Vol. 75, N 147.
  8. Application of UAV imagery to detect and quantify submerged filamentous algae and rooted macrophytes in a non-wadeable river / C. Kislik [et al.] // Remote Sensing. 2020. Vol. 12, N 20. P. 3332.
  9. Chen J., Liu D. Using computer vision to monitor ice conditions in water supply infrastructure: a study of salient image features // Journal of Hydroinformatics. 2023. Vol. 25, N 4. P. 1139–1152.
  10. Cooley S. W., Pavelsky T. M. Spatial and temporal patterns in Arctic River ice breakup revealed by automated ice detection from MODIS imagery // Remote sensing of environment. 2016. Vol. 175. P. 310–322.
  11. Ice monitoring in Swiss lakes from optical satellites and webcams using machine learning / M. Tom [et al.] // Remote Sensing. 2020. Vol. 12, N 21. P. 3555.
  12. ICENET: A semantic segmentation deep network for river ice by fusing positional and channel-wise attentive features / X. Zhang [et al.] // Remote Sensing. 2020. Vol. 12, N 2. P. 221.
  13. ICENETv2: A fine-grained river ice semantic segmentation network based on UAV images / X. Zhang [et al.] // Remote Sensing. 2021. Vol. 13, N 4. P. 633.
  14. Jędrzychowski K., Kujawski A. Method of image analysis in the process of assessment of ice occurrences // Zeszyty Naukowe. 2014.
  15. Kalke H., Loewen M. Support vector machine learning applied to digital images of river ice conditions // Cold Regions Science and Technology. 2018. Vol. 155. P. 225–236.
  16. Lake ice monitoring with webcams and crowd-sourced images / R. Prabha [et al.] // arXiv preprint arXiv:2002.07875. 2020.
  17. Moalemi I. A Machine Learning Approach to Classify Open Water and Ice Cover on Slave River Delta: Dr. sci. diss. 2023.
  18. Research on detection of floating objects in river and lake based on ai intelligent image recognition / J. Zhang [et al.] // arXiv preprint arXiv:2404.06883. 2024.
  19. River Ice Detection and Characterization Using Oblique Shore-Based Photography / S. Ansari [et al.] // ssrn. 2023. https://dx.doi.org/10.2139/ssrn.4588423
  20. Satellite remote sensing for mapping vegetation in New Zealand freshwater environments: a review / S. Ashraf [et al.] // New Zealand Geographer. 2010. Vol. 66, N 1. P. 33–43.
  21. UAV Quantitative Remote Sensing of Riparian Zone Vegetation for River and Lake Health Assessment: A Review / F. Song [et al.] // Remote Sensing. 2024. Vol. 16, N 19. P. 3560.
  22. Using remote sensing data to parameterize ice jam modeling for a northern inland delta / F. Zhang [et al.] // Water. 2017. Vol. 9, N 5. P. 306.
  23. Vyshnevskyi V. I., Shevchuk S. A. Use of remote sensing data to study ice cover in the Dnipro Reservoirs // Journal of Geology, Geography and Geoecology. 2020. Vol. 29, N 1. P. 206–216.

Полная версия (русская)