Прогнозирование уровней подъема воды в период половодья
Вопрос практики — Как повысить скорость реагирования на возникновение чрезвычайной ситуации?

Первый регион реализации Ненецкий автономный округ

Климатическая адаптация
Срок внедрения: 2 месяца
Подготовительный этап
от 2 мес.
Команда практики
Увеличение скорости информирования населения региона о чрезвычайной ситуации
на 15%
Увеличение скорости реагирования на возникновение чрезвычайной ситуации
до 20%

Описание

Задачи:

повышение скорости реагирования на возникновение чрезвычайной ситуации

увеличение скорости информированности граждан о произошедшей чрезвычайной ситуации

 

Цифровое решение «Прогнозирование уровней подъема воды в период половодья», позволяющее визуализировать электронную карту прогнозируемой устойчивости территории к затоплению и собирать данные о метеоусловиях анализируемой территории с целью выявления закономерностей, влияющих на колебания уровня воды. 

Решение представляет собой геопортальное приложение.

 

Модули решения:

Визуализация территории на электронной карте с возможностью послойного отображения объектов разных категорий, в том числе территории, подверженной затоплению

Просмотр атрибутивной информации о стратегических объектах на электронной карте и их расположение относительно мест затопления

Актуализация реестра объектов электронной карты посредством подсистемы администрирования

Актуализация исторических метеоданных, данных о снеге и льде, данных об уровне воды

Прогнозирование вероятности весеннего половодья и ареала его распространения 

Краудсорсинговое добавление объекта на карту с возможностью отправки оповещений

Цифровое решение и алгоритмы анализа данных написаны на основе открытого программного обеспечения. 

Функционирование системы основано на гипотезе о том, что задача прогнозирования уровней воды в период весеннего половодья может быть эффективно решена при проработке 3-х опорных точек: 

Составление геосистемной модели территории (на базе данных дистанционного зондирования земли и метео-данных) 

Разработка глубокой нейросетевой модели для анализа данных о геосистемной модели территории и метеоданных

Внедрение геопортальной веб-системы для визуализации результатов машинного анализа с целью обеспечения информационной поддержки принятия управленческих решений.

Целевая аудитория: учреждения по предупреждению и ликвидации чрезвычайных ситуаций, жители региона 


Источники данных:

Цифровая модель рельефа (arcticDEM) (открытые источники)

Данные ДЗЗ (дистанционное зондирование земли) (Sentinel-2)  (открытые источники)

Исторические метео- и погодные данные (Open Weather Map) (открытые источники) метеоданные: температура, атмосферные осадки на территории водосборного бассейна (параметр, необходимый для анализа причин опасного явления, например, дождевые паводки), данные о снегозапасе, ледовая обстановка; скорость, направление, продолжительность нагонных ветров (параметр, необходимый для анализа причин опасного явления, например, нагонные явления)

Данные о ледовой обстановке и снегозапасе  (данные региона)

Данные о социально-значимых инфраструктурных объектах (данные региона)

 

Актуальными данными для анализа являются материалы космической съемки, цифровые модели рельефа, погодные исторические данные, данные об изменении уровней воды.

 

Дорожная карта по пилотному внедрению цифрового решения 

Детализация требований к разрабатываемому решению, определение источников данных, требований к визуализации и функционалу (регион совместно с разработчиками) 

Сбор данных (регион из собственных систем региона, разработчики из открытых источников данных) 

Предварительная обработка и анализ данных (разработчик) 

Валидация итогов анализа данных (регион совместно с разработчиками) 

Обучение и тонкая настройка модели глубокого машинного анализа (разработчики) 

Разработка и внедрение геопортальной системы для визуализации результатов анализа в рамках веб-интерфейсов (разработчики совместно с регионом) 

Развертывание на веб-сервере геопортального решения: компонентов визуализации, интеграции и анализа пространственно-временных данных (регион совместно с разработчиками) 

Тестирование итогов, определение точности моделей, выверение прогнозных зон подтопление с реальными историческими данными за наблюдаемый период (регион совместно с разработчиками)  

Уточнение модели (разработчик) 

Использование в деятельности региона и определение направления развития решения (регион совместно с разработчиками) 

Ссылка на развернутое решение в Ненецком автономном округе: https://nao-portal.link

Ссылка на материалы по описываемому решению: https://git.asi.ru/asoiu-team/floodnet

Инструкция по развертыванию решения:  https://docs.google.com/document/d/1vNs6r6D3QwAGFC127xmo7rYNYAnXIzMEKd-gCcpMPaY/edit

 

Результат

Повышение скорости реагирования на возникновение чрезвычайной ситуации до 20%

Увеличение скорости информированности населения региона о чрезвычайной ситуации как за счет определения зон подтопления, в которые попадают жилые районы и информирования их службами ЧС, так и за счет использования платформы самим населением на 15%

Снижение расходов на ликвидацию последствий чрезвычайных ситуаций до 10%

Стоимость реализации: До 500 тыс ₽

Этапы реализации

2 месяца

  1. Сбор данных:

    2 недели

  2. Препроцессинг и анализ дополнительных данных:

    1 неделя

  3. Тонкая Донастройка  модели глубокого машинного анализа в случае новых типов данных:

    3 недели

  4. Построение прогнозной карты устойчивости территории к затоплению:

    3 недели

  5. Настройка веб-интерфейса:

    1 неделя

Как повысить открытость и эффективность решений по обеспечению экологической безопасности в регионе?
Как создать эффективную систему обращения с отходами в национальном парке на Байкале?
Как популизировать памятники природы регионального значения?
Как повысить эффективность мониторинга состояния водных объектов?