НАВИГАЦИЯ В АРКТИКЕ: СПУТНИКОВЫЕ СТРАТЕГИИ ПОВЫШЕНИЯ БЕЗОПАСНОСТИ НА МОРЕ

АННОТАЦИЯ

В этом исследовании представлена комплексная методология оптимизации навигации в Арктике с использованием спутниковых данных AMSR-2, направленная на повышение эффективности планирования маршрутов и снижение зависимости от помощи ледоколов. В ней используется технология дистанционного зондирования для анализа и прогнозирования ледовой обстановки, что способствует более безопасным и рентабельным морским операциям в Арктике. Основные выводы включают значительную экономию средств и повышение эксплуатационной безопасности за счет стратегического использования маршрутов с меньшей плотностью льда, подтвержденных тематическими исследованиями в Карском море и море Лаптевых. Методология демонстрирует адаптивность к различным видам морской деятельности, включая коммерческое судоходство, научные экспедиции и туризм, предлагая масштабируемое решение для глобального морского судоходства, подверженного воздействию льдов. Этот инновационный подход не только соответствует меняющимся экологическим и эксплуатационным требованиям полярной навигации, но и создает прецедент для будущих достижений в этой области.

ABSTRACT

This study presents a comprehensive methodology for optimizing Arctic navigation using AMSR-2 satellite data, aimed at enhancing route planning efficiency and reducing reliance on icebreaker assistance. It employs remote sensing technology to analyze and forecast ice conditions, facilitating safer and more cost-effective maritime operations in the Arctic. Key findings include significant cost savings and increased operational safety through the strategic use of less ice-dense routes, validated by case studies in the Kara and Laptev Seas. The methodology demonstrates adaptability across various maritime activities, including commercial shipping, scientific expeditions, and tourism, offering a scalable solution for global ice-affected maritime navigation. This innovative approach not only aligns with the evolving ecological and operational demands of polar navigation but also sets a precedent for future advancements in the field.

Ключевые слова: арктическая навигация, спутниковые данные, сплоченность льда, морские операции, оценка рисков, оптимизация маршрута, независимость ледокола, снижение затрат, воздействие на окружающую среду, масштабируемость.

Keywords: arctic navigation, satellite data, ice concentration, maritime operations, risk assessment, route optimization, icebreaker independence, cost reduction, environmental impact, scalability.

Введение

Северный морской путь (СМП) - это водный путь, который обеспечивает кратчайший проход, соединяющий Дальний Восток с западными территориями России, протяженностью более 5600 километров. Этот маршрут обслуживается судами Росатомфлота и ледоколами Дальневосточного морского пароходства. Россия активно развивает СМП, который используется крупными промышленными корпорациями, такими как "Норильский никель", "ЛУКОЙЛ", "Газпром", "Роснефть" и другими.

Прежде всего, СМП открывает доступ к богатым ресурсам Арктики и Сибири, где добывается 10% мировой нефти и 25% природного газа, причем 80% этих ресурсов расположено на Севере России. Арктический маршрут соединяет реки, которые пересекают 70% территории России, облегчая доставку грузов в прибрежные города. Экономика 29 регионов зависит от развития СМП, поскольку это не только способствует развитию международной торговли, позволяя производителям получать доступ к азиатским рынкам, но и снижает расходы на топливо и транспортировку, что приводит к снижению цен на грузы [20].

Российский план развития СМП заключается в следующем: безопасность на море, защита окружающей среды, развитие инфраструктуры и экономический рост. Одной из главных целей по отношению к СМП является увеличение грузопотока. Хотя первоначальной целью было увеличить грузооборот до 80 миллионов тонн к 2025 году, последние события привели к пересмотру целевых показателей. В прошлом году грузопоток в регионе СМП превысил 34 млн тонн, превысив первоначальный целевой показатель в 31 млн тонн. Всего за первые 11 месяцев текущего (2023) года объем уже достиг 33,1 млн тонн (рис. 1). Будущие прогнозы, основанные на текущих соглашениях с крупнейшими судоходными компаниями, направлены на то, чтобы увеличить этот показатель до 150 миллионов тонн к 2030 году и превысить 220 миллионов тонн к 2035 году. [1]. Однако этот интерес не лишен своих проблем. Быстрое таяние многолетних морских льдов, вызванное изменением климата, усложнило навигацию в Арктике [2, 3]. Последствия этих экологических сдвигов различны, они влияют как на геополитическую динамику, так и на условия окружающей среды [4].

Рисунок 1. Объем перевозок России в период с 2013 по 2023 год

Источник: https://arctic-lio.com/main-results-of-nsr-navigation-2019/ и https://lenta.ru/articles/2023/12/13/zapolyarnym/

Изменение климата ускорило ряд значительных преобразований в динамике арктических льдов, что привело как к возможностям, так и к проблемам для морского судоходства. Истощение морского льда (табл. 1) не только потенциально открывает новые маршруты, которые могут сократить расстояние передвижения на 30-50% по сравнению с традиционными маршрутами, но и создает навигационные риски из-за непредсказуемого и изменчивого ледяного покрова [22].

Таблица 1.

Значения сплоченности льда в мае по спутниковым данным AMSR–2.

Эти изменения непосредственно затрагивают заинтересованные стороны в арктическом судоходстве, охватывающем коммерческое, научное, туристическое и военное судоходство. Изменчивость ледового покрова увеличивает риск аварий на море, повышая спрос на передовые навигационные инструменты и экспертные знания для обеспечения безопасности [5, 6].

Цель данной методологии заключается в решение этих проблем, используя комплексную методологию оптимизации навигации в Арктике с использованием спутниковых данных AMSR-2, направленная на повышение эффективности планирования маршрутов и снижение зависимости от помощи ледоколов.

Благодаря систематическому анализу спутниковых снимков, в частности данных AMSR-2, были разработаны навигационные карты для Северного морского пути, в частности в морях Карском и Лаптевых, на период летней навигации с 2016 по 2019 год [23].

Главное преимущество этой методологии заключается в возможности оперативного применении. Интегрируя физическую океанографию, науку об атмосфере и геопространственные информационные системы, создается целостная картина судоходных маршрутов Арктики, уменьшая зависимость от помощи ледоколов и, следовательно, сокращая затраты и риски, связанные с арктическими перевозками грузов [7]. Такое объединение данных из нескольких научных областей позволяет использовать всесторонний подход, учитывающий различные взаимодействующие факторы, влияющие на движение льда и характер таяния.

Результаты методологии поддаются количественной оценке с точки зрения экономических выгод и снижения рисков. Анализ выявил потенциальную экономию затрат на услуги ледокола на 16,6% за счет следования рекомендуемым маршрутам, помимо предоставления информации о стратегическом планировании на летние месяцы, когда лед значительно тает [6]. Применимость инновации распространяется не только на коммерческое судоходство, но и на научные исследования, рыбную промышленность, туризм и военные операции, подчеркивая ее универсальность и потенциал для широкой адаптации [5].

Материалы и методы

В представленной методологии рассматривается спутниковое дистанционное зондирование как способ мониторинга ледовых процессов в Арктике и созданию навигационных карт маршрутов в период летней навигации, уделяя особое внимание СМП, в частности в морях Карском и Лаптевых [25]. Использование данных спутниковых снимков обеспечивает более безопасные и экономичные маршруты для судов не ледового класса и снижает зависимость от сопровождения ледоколами. Для реализации данного способа рассмотрим следующие шаги:

1. Сбор данных для анализа AMSR-2

Начальный этап включает сбор ежедневных данных о концентрации морского льда с помощью AMSR-2, который является неотъемлемой частью проекта наблюдений за Арктическим океаном (рис. 2). Данные, полученные AMSR-2, обрабатываются с использованием алгоритма концентрации ASI (Artist Sea Ice), который прошел проверку в многочисленных исследованиях на предмет его точности при отображении состояния морского льда в реальном времени [8].

Рисунок 2. Карты сплоченности льда, AMSR-2 [23]

Спутник AMSR–2 представляет собой микроволновый сканирующий радиометр, установленный на спутнике GCOM–W, предназначенный для спутникового мониторинга Земли, а именно съемки в микроволновом диапазоне от 6.925 до 89 ГГц. В настоящее время данные спутников MODIS–Aqua и AMSR2–GCOM–W1 дополняют данные наблюдений за концентрацией морского льда (SIC): данные имеют высокое пространственное разрешение (1 км), но доступны только в безоблачных условиях. Поскольку оба спутника входят в спутниковую группировку, временной лаг между наблюдениями составляет порядка минут. Для каждого пролета тепловые инфракрасные и пассивные характеристики СВЧ SIC рассчитываются отдельно. После того рассчитывается среднесуточное значение. Эта процедура дает данные о сплоченности морского льда при пространственном разрешении 1 км, что в 5 раз лучше, чем при пассивных микроволновых наблюдениях AMSR2 [9].

Массив датчиков AMSR-2 также измеряет другие критические переменные окружающей среды, такие как глобальные осадки, скорость океанского ветра, содержание водяного пара и яркостную температуру, наряду с концентрацией морского льда. Эти измерения доступны практически в режиме реального времени, как правило, в течение трех часов наблюдения, обеспечивая своевременный доступ для анализа и применения [10].

Данные о концентрации морского льда, полученные с помощью AMSR-2 с использованием алгоритма DPR, тщательно сравниваются с другими данными о морских льдах в Арктике. Это сравнение важно для обеспечения надежности и понимания различий в концентрации льда, площади и протяженности в соответствии с различными методологиями и источниками данных [11].

Уникальным аспектом использования данных AMSR-2 является получение данных о морских льдах на основе наборов данных о яркостной температуре. Открытые участки воды и заприпайные полыньи имеют решающее значение для навигации и понимания динамизма морского льда. Алгоритм, использованный для этой цели, сыграл важную роль в анализе долгосрочных изменений ледового покрова в Арктике, предоставляя историческую перспективу изменений с течением времени [12].

Таким образом, этап сбора данных с использованием AMSR-2 в предлагаемой методологии охватывает многогранный подход к анализу арктического морского льда. Интегрируя полученные со спутников данные о сплоченности, толщине и видах морского льда с помощью проверенных алгоритмов и доступа к данным в режиме реального времени, методология обеспечивает надежную основу для понимания динамичных ледовых условий Арктики и реагирования на них, что имеет последствия для безопасного судоходства, экономичных маршрутов и мониторинга климата.

2. Анализ и прогнозирование

Аналитический этап методологии включает в себя сложный процесс прогнозного анализа динамики арктических ледовых полей. Это требует сочетания анализа исторических данных и современных методов прогнозирования, использования данных дистанционного зондирования со спутника для понимания пространственной и временной изменчивости ледовых условий. Для разработки точной модели прогнозирования методология объединяет различные наборы данных и подходы к моделированию.

Одним из таких инновационных подходов является использование вероятностного глубокого обучения на примере IceNet, которое продемонстрировало многообещающие результаты в расширении диапазона точности прогнозов морского льда, особенно для сезонных прогнозов летнего морского льда [13]. Эта модель подчеркивает потенциал машинного обучения в повышении точности прогнозирования по сравнению с традиционными динамическими моделями, что важно для разработки надежных навигационных стратегий в Арктике.

Сочетание статистических моделей и моделей машинного обучения является еще одной важной задачей методологий прогнозирования ледяного покрова в Арктике. Статистические модели, основанные на исторических наблюдениях и взаимозависимостях между атмосферными условиями, океаническими факторами и характеристиками морского льда, формируют основу для прогнозирования концентрации морского льда. Использование контурных моделей для прогнозирования областей, покрытых льдом, и гауссовых случайных полей для моделирования толщины льда обеспечивает вероятностный прогноз, который является одновременно сложным и всеобъемлющим [14].

Дополнительная точность прогнозирования достигается с помощью моделей, которые корректируют значительные отклонения в зонах кромки морского льда, таких как ConvLSTM, которая прогнозирует региональную концентрацию морского льда в недельных и месячных масштабах, изучая изменчивость арктического морского льда на основе данных повторного анализа [15]. Такая коррекция погрешностей имеет решающее значение, поскольку помогает уточнить прогнозы по пограничным зонам, где часто прокладываются навигационные маршруты.

Чтобы отразить динамизм Арктики, модель EOF–LSTM–DNN — модель скользящего прогноза, основанная на данных, - использует классические статистические методы в сочетании с глубоким обучением для прогнозирования концентрации морского льда (SIC) на средне— и долгосрочные периоды [16]. Интеграция этого метода в методологию позволяет адаптировать и постоянно обновлять прогноз, что жизненно важно для оперативного планирования в арктических морях.

Кроме того, алгоритмы машинного обучения облегчают ежедневные прогнозы движения морского льда, интегрируя основанное на физике моделирование в практические инструменты прогнозирования [17]. Эти алгоритмы учитывают сложные взаимодействия между различными фазами, масштабами протяженности и временными шкалами динамики арктического морского льда, предлагая подробные и релевантные с оперативной точки зрения прогнозы.

Наконец, аналоговые методы прогнозирования используются для прогнозирования аномалий морского льда, обусловленных явлениями внутригодовой изменчивости, такими как повторное повышение температуры поверхности моря и аномалии морского льда [18]. Такой подход добавляет дополнительный уровень временного анализа, который имеет решающее значение для прогнозирования изменений состояния льда в течение сезона.

Вместе эти прогностические модели и аналитические инструменты формируют надежную основу для методологии навигации в Арктике, гарантируя, что она основана на последних научных достижениях и практических навигационных потребностях. Интеграция этих инструментов позволяет всесторонне понять и спрогнозировать динамику ледового поля, что затем может быть преобразовано в практические рекомендации по морскому маршруту, предлагая экономические выгоды за счет потенциального сокращения потребности в помощи ледокола и повышения безопасности и надежности арктического судоходства.

3. Картографирование маршрутов

Карты маршрутов составляются на основе детального анализа спутниковых данных, которые обрабатываются для определения наименее покрытых льдом маршрутов. Это не статическая карта, а динамическая, обновленная с использованием последних спутниковых снимков, отражающих текущее состояние льда [24]. Модель оперативного прогнозирования объединяет эти обновления, чтобы предоставить наиболее точную информацию о судоходных маршрутах по мере их изменения в течение судоходного сезона.

Методологический подход к составлению карты маршрутов для Арктики опирается на многолетние данные для понимания типичного хода таяния льда и включает данные в режиме реального времени для корректировки годовой изменчивости. Это отражает замечания исследования о динамичном и часто непредсказуемом характере таяния арктических льдов, которое существенно влияет на доступность и безопасность навигационных маршрутов.

4. Оперативное прогнозирование

Спутниковая трансляция экологической информации обеспечивает непрерывный мониторинг морского льда, позволяя оперативно адаптировать навигационные стратегии. Высокая контрастность снега и льда против водной поверхности упрощает их обнаружение и мониторинг, делая спутниковое дистанционное зондирование не только технологически продвинутым, но и экономически оправданным подходом [19].

В реальном времени составляется оптимизированная карта маршрутов, учитывая последние данные о ледовых условиях и прогнозы погоды. Это позволяет судам безопасно преодолевать арктические воды, уменьшать зависимость от ледоколов и сокращать временные и финансовые затраты, учитывая постоянно меняющуюся арктическую среду.

Изучение карт безопасных зон судоходства, представленных на рисунках 3-7 выявляет тенденции освобождения пролива Вилькицкого и других ключевых районов от льда [23]. Как можно отметить, с начала мая каждый месяц демонстрирует улучшения, позволяющие расширять доступные для навигации зоны. Прогресс в этой области особенно заметен к сентябрю (рис. 7), когда голубым цветом выделяется освобождение пролива Вилькицкого ото льда. Оперативное использование данных о ледовых условиях расширяет возможности судоходства через арктические моря уже с августа, повышая эффективность и безопасность морских перевозок.

Рисунок 3. Карты сплоченности льда, AMSR-2, май 2016-2019 гг. [23]

Рисунок 4. Карты сплоченности льда, AMSR-2, июнь 2016-2019 гг. [23]

Рисунок 5. Карты сплоченности льда, AMSR-2, июль 2016-2019 гг. [23]

Рисунок 6. Карты сплоченности льда, AMSR-2, август 2016-2019 гг. [23]

Рисунок 7. Карты сплоченности льда, AMSR-2, сентябрь 2016-2019 гг. [23]

На основе данных, представленных на рисунках 3-7 была разработана карта возможных районов безопасного судоходства в морях Карском и Лаптевых (рис. 8).

Рисунок 8. Карта возможных районов безопасного судоходства [23]

Объединяя научные исследования океанических процессов с практическими соображениями судоходства, эта методология представляет собой новый подход к арктической навигации. Она выделяется тем, что предоставляет действенные визуализированные данные с помощью карт, показывающих чистые и безопасные водные коридоры для использования на море. Хотя аналогичное отслеживание проводится научно-исследовательскими институтами, эта методология предлагает конкретные рекомендации по маршрутам, которые позволяют экономить средства и повышать оперативную эффективность для заинтересованных сторон на море. Описанный здесь подход легко адаптируется и постоянно совершенствуется с учетом последних данных, обеспечивая его актуальность и применимость в условиях меняющихся арктических условий.

Результаты

Интегрируя эти карты в навигационное планирование, выявим экономическое преимущество при расчете стоимости сопровождения ледоколов по СМП. Для расчета будем использовать танкер, способного самостоятельно передвигаться по фрагментированным годовым арктическим льдам. Чтобы повысить практичность и точность нашего исследования, возьмем конкретные данные с танкера "Чукотка+" ледового класса Arc 4. Это судно было выбрано потому, что оно представляет собой типичный танкер в своем классе, с данными о его валовой вместимости (11548 тонн). Эта информация была необходима для нашего исследования, позволив нам применить ее в расчетах, основанных на фактических маршрутах, пройденных танкером по СМП.

Расчеты были выполнены при использование "Калькулятора стоимости сопровождения ледоколов СМП" (предоставленного ФГУП "АТОМФЛОТ" и основанного на тарифах, утвержденных Приказом Федеральной службы по тарифам России от 4 марта 2014 г. № 45-Т/1). К этому инструменту можно получить доступ в калькуляторе стоимости сопровождения ледоколов СМП [21]. В данном случае в калькулятор были введены данные для двух зон СМП.

Наш инновационный подход включал изменение традиционного маршрута на основе прогнозной модели. Эта корректировка привела к исключению одного моря из расчета в течение майской (зимне-весенний период) и июньской (летне-осенний период) навигаций, что существенно повлияло на анализ затрат.

При расчете стоимости учитывались такие факторы, как валовая вместимость судна, ледовый класс, период навигации (зима-весна или лето-осень) и количество пройденных зон. Используя рекомендации работы, в зимне-весенний период стоимость сопровождения ледокола через Карское море и море Лаптевых была рассчитана в размере 12 384 306,16 руб. без учета рекомендаций и снижена до 10 320 216,64 руб. при использовании майской рекомендации отказаться от сопровождения ледокола путем тщательного составления маршрута через участки тающего льда. Аналогичным образом, в июне расходы могут быть снижены еще больше с 4 953 745, 56 руб. - до 4 128 063,56 руб., что означает снижение затрат на 16,6%. Эти выводы актуальны до августа, месяца, когда становится возможной транзитная морская перевозка через пролив между морями, что потенциально устраняет необходимость в сопровождении в исследуемых морях почти до ноября.

Кроме того, динамическая оценка концентрации льда на основе спутниковых данных AMSR-2 за период с мая 2016 по 2019 год показала снижение сцепления льда в море Лаптевых с 96% до 87% и в Карском море с 82% до 76%. Эта тенденция свидетельствует о значительном увеличении судоходных участков открытой воды еще до начала навигации, что подчеркивает практичность методологии для стратегического планирования перед навигацией. Эта оценка отвечает требованиям отрасли к более экономичным и безопасным маршрутам в Арктике и подчеркивает потенциал метода для принятия более обоснованных решений при арктических морских перевозках.

Наши результаты продемонстрировали существенное снижение затрат на сопровождение ледоколом при использовании этой усовершенствованной навигационной стратегии, тем самым подчеркнув потенциал нашего метода для создания более экономичных и безопасных морских маршрутов в Арктике. Эта методология не только соответствует отраслевым требованиям, но и обеспечивает надежную основу для принятия обоснованных решений в области морских перевозок в Арктике.

Обсуждение

Внедрение данной методологии оказывает глубокое влияние на различные аспекты арктического судоходства и потенциально может трансформировать экономическую и операционную структуру сектора.

Экономическая выгода от этой методологии поддается количественной оценке и значительна. Устраняя необходимость в помощи ледокола в благоприятных ледовых условиях, судоходная отрасль может существенно сократить расходы. Полезность методологии была подчеркнута сравнительным анализом затрат на транзит танкеров класса Arc 4 с использованием ледокола и независимых транспортных средств. Результаты показали снижение затрат на 16,6% при использовании предложенных незамерзающих маршрутов.

Кроме того, методология улучшает понимание изменений на море в Арктике, обеспечивая четкую картину снижения концентрации льда с годами — важнейший аспект стратегического планирования маршрутов и графиков судоходства. Например, наблюдаемое снижение сцепления льда в море Лаптевых с 96% до 87% в период с 2016 по 2019 год означает увеличение количества открытых вод в начале навигационного сезона, что открывает новые возможности для судоходства.

Гибкость методологии позволяет адаптировать ее к различным видам морской деятельности, выходящим за рамки коммерческого судоходства, таким как научные экспедиции, рыболовство, туризм и военные операции. Его масштабируемость очевидна в его применимости к любому морю, подверженному воздействию льда по всему миру, что обещает широкое применение во всех морских секторах.

Прогностические возможности методологии, подкрепленные построением навигационных карт и интеграцией прогнозирования в режиме реального времени, открывают путь для динамического планирования маршрутов. Такая адаптивность к изменяющимся погодным условиям позволяет свести к минимуму задержки и оптимизировать время транспортировки, что еще больше повышает экономический эффект метода.

В более широком контексте методологический подход вносит свой вклад в область океанографии, включая междисциплинарные методы исследований. Систематизируя знания, полученные из спутниковой океанографии, физической океанографии и геоинформационных систем, он обеспечивает всестороннее понимание динамики морского льда, необходимое для принятия обоснованных навигационных решений.

Это многогранное воздействие — от снижения затрат и повышения безопасности судоходства до более широкой применимости и масштабируемости — демонстрирует потенциал методологии для обеспечения преобразующих изменений в арктическом судоходстве и связанных с ним отраслях.

Потенциал масштабирования

Потенциал масштабируемости методологии заключается в ее универсальной применимости к любому морю, подверженному воздействию льда, с возможностью распространения на другие полярные регионы и превращения в стандартизированный инструмент для глобальной морской навигации в ледяных водах. Его гибкость проявляется в возможности обновлять навигационные карты данными в режиме реального времени, отражающими динамическую природу морского льда и позволяющими корректировать маршруты по мере изменения условий. Такая адаптивность в режиме реального времени имеет решающее значение, учитывая изменчивость характера таяния льда из-за изменения климата и, как следствие, непредсказуемость ледовых условий.

Этот подход является инновационным в том смысле, что он преобразует сложные спутниковые данные в оперативную информацию, позволяя реагировать в режиме реального времени. Эта система могла бы быть интегрирована с бортовыми навигационными системами, предоставляя самую свежую информацию. Интеграция этой методологии с технологией географических информационных систем (ГИС) еще больше повышает ее практичность, позволяя создавать карты, которые могут быть легко интерпретированы теми, кто не имеет специальной подготовки в области анализа спутниковых изображений.

Кроме того, экономический эффект от такой методологии является значительным. Уменьшая зависимость от ледокольного сопровождения в Арктике, это может привести к значительной экономии средств для судоходных компаний, что является критическим фактором, учитывая экономические ограничения и растущую конкурентоспособность в мировом судоходстве.

Его внедрение в сферу туризма могло бы повысить безопасность и расширить спектр направлений, доступных круизным судам ледового класса, тем самым открывая новые экономические возможности на рынке полярного туризма. Для рыбной промышленности этот метод мог бы предоставить критически важную информацию для безопасного и эффективного доступа к рыбопромысловым участкам, что особенно важно, учитывая экономическую зависимость арктических сообществ от морских ресурсов.

Научно-исследовательские суда могут извлечь выгоду из этой методологии, обеспечив более безопасное и эффективное планирование полярных исследовательских миссий. Поскольку изменение климата является насущной глобальной проблемой, потребность в проведении широкомасштабных и частых научных исследований в Арктике возрастает. Эта методология облегчает такие исследования, предоставляя надежные данные о ледовой обстановке.

Наконец, военно-стратегическое значение Арктики растет, и способность безопасно перемещаться по этим водам становится все более важной. Таким образом, методология могла бы служить интересам национальной обороны путем повышения оперативных возможностей военно-морских сил в регионе.

По сути, методология является не просто навигационным средством, но и комплексной платформой для анализа ледовых данных, которая обещает широкий спектр применений в различных отраслях промышленности и регионах. Это масштабируемое решение, хорошо отвечающее меняющимся требованиям полярной навигации, и может быть расширено для удовлетворения потребностей любого сектора, требующего точной информации о состоянии льда.

Заключение

В заключение следует отметить, что разработанная методология оптимизации навигации в Арктике с использованием спутниковых данных демонстрирует значительный потенциал для продвижения морских операций.

Применение методологии к тематическим исследованиям в Карском море и море Лаптевых подтвердило ее полезность в потенциальном снижении зависимости от сопровождения ледоколами, тем самым снижая эксплуатационные расходы и воздействие на окружающую среду. Рассчитанная экономия средств и улучшенный запас прочности при навигации подчеркивают экономические преимущества и безопасность использования маршрутов, основанных на данных, в арктических водах.

Более того, масштабируемость и адаптируемость методологии к различным морям и типам судов указывают на ее широкую применимость и потенциал для внедрения в масштабах всей отрасли. Способность прогнозировать и ориентироваться в менее плотных ледяных образованиях без помощи ледокола в определенные периоды может способствовать более устойчивому исследованию и эксплуатации Арктики.

Список литературы:

1. Main results of NSR navigation 2019. URL: https://arctic-lio.com/main-results-of-nsr-navigation-2019/
2. Arctic Navigation URL: https://oceanservice.noaa.gov/economy/arctic/
3. Czesław Dyrcz. Safety of Navigation in the Arctic. Zeszyty Naukowe Akademii Marynarki Wojennej 211(4): 1-1. 2017. DOI:10.5604/01.3001.0010.6742 URL: https://www.researchgate.net/publication/321687663_Safety_of_Navigation_in_the_Arctic#:~:text=,free%20floating%20sea%20ice
4. Eric Brewer, Rebecca Hersman and Maxwell Simon. Deep Dive Debrief: Strategic Stability and Competition in the Arctic. 2021. URL: https://www.csis.org/analysis/deep-dive-debrief-strategic-stability-and-competition-arctic#:~:text=,operational%20readiness%20in%20the%20region
5. Viktoriya Nikitina. The Arctic, Russia and Coercion of Navigation. 2021. URL: https://www.researchgate.net/publication/356408229_The_Arctic_Russia_and_Coercion_of_Navigation#:~:text=,the%20research%20you%20need
6. Olivier Faury and etc. ARCTIC NAVIGATION: STAKES, BENEFITS AND LIMITS OF THE POLARIS SYSTEM. Journal of Ocean Technology 13(4):54-67. 2018. URL: https://www.researchgate.net/publication/329416377_ARCTIC_NAVIGATION_STAKES_BENEFITS_AND_LIMITS_OF_THE_POLARIS_SYSTEM#:~:text=,the%20research%20you%20need
7. Leppälä L. et al. Challenges in Arctic navigation: The user perspective //2019 European Navigation Conference (ENC). – IEEE, 2019. – С. 1-8.
8. Sea Ice Concentration data from AMSR-E, AMSR2 & SSMIS, U Bremen and U Hamburg ASI algorithm. URL: https://climatedataguide.ucar.edu/climate-data/sea-ice-concentration-data-amsr-e-amsr2-ssmis-u-bremen-and-u-hamburg-asi-algorithm
9. Ludwig V. et al. The 2018 North Greenland polynya observed by a newly introduced merged optical and passive microwave sea-ice concentration dataset //The Cryosphere. – 2019. – Т. 13. – №. 7. – С. 2051-2073.
10. Advanced Microwave Scanning Radiometer 2 (AMSR2). URL: https://www.earthdata.nasa.gov/learn/find-data/near-real-time/amsr2#:~:text=AMSR2%20provides%20data%20on%20global,hours%20of%20a%20satellite%20observation
11. Zong F. et al. Evaluation of Sea Ice Concentration Data Using Dual-Polarized Ratio Algorithm in Comparison With Other Satellite Passive Microwave Sea Ice Concentration Data Sets and Ship-Based Visual Observations //Frontiers in Environmental Science. – 2022. – Т. 10. – С. 278.
12. Li M. et al. An Analysis of Arctic Sea Ice Leads Retrieved from AMSR-E/AMSR2 //Remote Sensing. – 2022. – Т. 14. – №. 4. – С. 969.
13. Andersson T. R. et al. Seasonal Arctic sea ice forecasting with probabilistic deep learning //Nature communications. – 2021. – Т. 12. – №. 1. – С. 5124.
14. Gao P. A. et al. Probabilistic forecasts of Arctic sea ice thickness //Journal of Agricultural, Biological and Environmental Statistics. – 2022. – С. 1-23.
15. Liu Y. et al. Extended-range arctic sea ice forecast with convolutional long short-Term memory networks //Monthly Weather Review. – 2021. – Т. 149. – №. 6. – С. 1673-1693.
16. Zheng Q. et al. A Mid-and Long-Term Arctic Sea Ice Concentration Prediction Model Based on Deep Learning Technology //Remote Sensing. – 2022. – Т. 14. – №. 12. – С. 2889.
17. Hoffman L. et al. Machine Learning for Daily Forecasts of Arctic Sea Ice Motion: An Attribution Assessment of Model Predictive Skill //Artificial Intelligence for the Earth Systems. – 2023. – Т. 2. – №. 4. – С. 230004.
18. Comeau D. et al. Predicting regional and pan-Arctic sea ice anomalies with kernel analog forecasting //Climate Dynamics. – 2019. – Т. 52. – С. 5507-5525.
19. Zhang Z., Crabbe M. J. C. Management of environmental streaming data to optimize Arctic shipping routes //Arabian Journal of Geosciences. – 2021. – Т. 14. – С. 1-8.
20. Северный морской путь: что и куда перевозят среди российских льдов. URL: https://bcs-express.ru/novosti-i-analitika/severnyi-morskoi-put-chto-i-kuda-perevoziat-sredi-rossiiskikh-l-dov
21. РАСЧЕТ СТОИМОСТИ ЛЕДОКОЛЬНОЙ ПРОВОДКИ СУДОВ В АКВАТОРИИ СМП, ОКАЗЫВАЕМЫЕ ФГУП "АТОМФЛОТ" ПО ТАРИФАМ, УТВЕРЖДЕННЫМИ ПРИКАЗОМ ФСТ РОССИИ ОТ 4 МАРТА 2014 Г. № 45-Т/1. URL: https://nsr.rosatom.ru/ledokolnaya-i-ledovaya-lotsmanskaya-provodka/raschet-stoimosti-ledokolnoy-provodki-v-akvatorii-smp/?gt=11548&ice_cat=Arc+4&time=%D0%BB%D0%B5%D1%82%D0%BD%D0%B5-%D0%BE%D1%81%D0%B5%D0%BD%D0%BD%D0%B8%D0%B9&nzone=7
22. Сычёв В.И., Ананьева А.А. ОСОБЕННОСТИ ЛЕДОВЫХ УСЛОВИЙ У ЗАПАДНОГО ПОБЕРЕЖЬЯ ОСТРОВА КОТЕЛЬНЫЙ ПО СПУТНИКОВЫМ ДАННЫМ // Морские исследования и образование (MARESEDU-2018). Труды VII Международной научно-практической конференции. Сборник. 2019. С. 171-179.  
23. Ананьева А.А. ПРИМЕРЫ СИНЕРГЕТИЧЕСКОГО АНАЛИЗА СПУТНИКОВЫХ ДАННЫХ О ПОЛЯРНЫХ ЦИКЛОНАХ ЮЖНОЙ ЧАСТИ КАРСКОГО МОРЯ В ИНТЕРЕСАХ СУДОХОДСТВА // ФУНДАМЕНТАЛЬНЫЕ И ПРИКЛАДНЫЕ АСПЕКТЫ ГЕОЛОГИИ, ГЕОФИЗИКИ И ГЕОЭКОЛОГИИ С ИСПОЛЬЗОВАНИЕМ СОВРЕМЕННЫХ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ. Материалы V Международной научно-практической конференции. 2019. С. 43-47.
24. Сычев В.И., Ананьева А.А. ДИНАМИКА СЕВЕРНОГО ПОБЕРЕЖЬЯ НОВОСИБИРСКИХ ОСТРОВОВ В ЛЕТНИЙ ПЕРИОД НА ОСНОВЕ СИНЕРГЕТИЧЕСКОГО АНАЛИЗА СПУТНИКОВЫХ ДАННЫХ // ИНФОГЕО-2018. Стратегическое управление развитием территорий. Сборник трудов V международной научно-практической конференции. 2018. С. 102-105.
25. Сычев В.И., Ананьева А.А. ИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕ НАВИГАЦИИ ДАННЫМИ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ В МЕЛКОВОДНЫХ РАЙОНАХ АРКТИКИ // Информационные технологии и системы: управление, экономика, транспорт, право. 2018. № 1 (32). С. 47-52.