俄罗斯顿河国立技术大学（DSTU）正在建立一套基于亚速海遥感数据，分析海洋和沿海生态系统状况的数学模型和方法。该项研究结果将有助于开发一种技术来监测不良和危险现象，例如石油污染、极端增减水现象、富营养化（藻类大量繁殖），并在一个全新的水平预测水生态系统的发展。与传统方法相比，新方法可以使用精确的4D模型处理海岸系统遥感数据，并提高预测计算的准确度。

　　该研究是在俄罗斯科学院通讯院士、DSTU复杂系统数学建模与预测研究所所长亚历山大·苏希诺夫的指导下进行的。由于对石油泄漏、极端风暴潮等危险事件的预测必须在加速的时间尺度下进行，因此计算中使用了现代超级计算机系统。

　　DSTU四年级研究生、计算机系统和信息安全教研室高级讲师娜塔莉亚·帕纳森科介绍说：“并行算法和程序使我们能够考虑到气象状况和实际水文情况，在极短时间内预测情况的发展。这在发生石油泄漏、有毒物质排放、风暴潮等紧急情况时尤其重要。”

　　该研究小组根据DSTU与俄航天集团之间的协议，以及从公开来源获取空间传感数据。生成的图像使用人工智能方法（包括神经网络技术）进行处理。特别是使用Python编程语言的机器学习方法来分析和聚类对象——浮游生物种群、悬浮物、石油污染和水生态系统中的其他物体的斑点。

　　作者通过对2020年获得的亚速海的一些卫星图像进行计算实验，证实了这种方法的有效性。该项目的进一步发展将涉及改进所使用的神经网络技术，以及运用深度学习方法来预测亚速海浮游生物种群、海表面膜污染、包括油膜污染的动态。