ПРОБЛЕМЫ МОНИТОРИНГА И ПРОГНОЗИРОВАНИЯ ЧРЕЗВЫЧАЙНЫХ СИТУАЦИЙ И ПУТИ ИХ РЕШЕНИЯ

УДК 614.8.084

Аннотация

Целью исследования является всесторонний анализ существующих проблем при организации мониторинга и прогнозирования чрезвычайных ситуаций (ЧС) и обоснование путей их устранения на основе современных технологий и методологических подходов. В данной научной работе освещаются теоретические основы мониторинга и прогнозирования ЧС, недостатки существующих систем и перспективы повышения их эффективности.

В ходе исследования проведён анализ научной литературы и нормативно-правовых документов, также изучены национальный и зарубежный опыт проведения мониторинга и прогнозирования ЧС. С помощью метода сравнения была проведена оценка функциональных возможностей существующих систем мониторинга и их практической эффективности, мнения отраслевых специалистов были обобщены с помощью метода экспертной оценки. Методология включала анкетирование 81 респондента, а также статистическую обработку данных методом экспертной оценки. В итоге 82% опрошеных были едины в ответах на предлагаемые автором вопросы.

Результаты исследования показали, что для преодоления этих проблем необходимо создать интегрированные информационные системы, внедрение искусственного интеллекта и технологии ГИС, а также усовершенствовать нормативно-правовые и организационные механизмы.

На основании итогов исследования и опыта многолетней службы в рядах МЧС, автор представляет свои выводы и практические рекомендации для снижения риска ЧС, обеспечения безопасности населения и территорий, а также достижения устойчивого развития объектов экономики.

Abstract

The aim of this study is to comprehensively analyze existing challenges in organizing emergency monitoring and forecasting and to substantiate solutions based on modern technologies and methodological approaches. The article covers the theoretical foundations of emergency monitoring and forecasting, the shortcomings of existing systems, and prospects for improving their effectiveness.

The research included an analysis of scientific literature and regulatory documents, and a review of national and international experience in emergency monitoring and forecasting. A comparative method was used to assess the functionality of existing monitoring systems and their practical effectiveness, and the opinions of industry experts were summarized using an expert assessment method. The methodology included a survey of 81 respondents, as well as statistical processing of the data using expert assessment. Ultimately, 82 % of respondents agreed on the answers to the questions.

The study's findings indicate that to overcome these challenges, it is necessary to develop integrated information systems, implement artificial intelligence and GIS technology, and improve regulatory and organizational frameworks.

Based on the results of the research and the experience of many years of service in the ranks of the Ministry of Emergency Situations, the author presents his conclusions and practical recommendations for reducing the risk of emergencies, ensuring the safety of the population and territories, and achieving sustainable development of economic facilities.

Ключевые слова: мониторинг; прогнозирование; чрезвычайные ситуации; риск; точность прогнозов; нормативно-правовая база; классификация ЧС.

Keywords: monitoring; forecasting; emergency situations; risk; forecast accuracy; regulatory framework; emergency classification.

Введение

Рост числа ЧС за последние годы, вызванные прежде всего человеческим фактором, демонстрирует актуальность вопроса раннего выявления ЧС и снижения их негативных последствий. В таких условиях особое значение приобретает роль организаций, предприятий и учреждений в коллективные образования для проведения мониторинга и прогнозирования ЧС, предотвращения ЧС, сохранения жизни и здоровья населения, минимизации материально-технических, культурных и других потерь.

Следует отметить, что в существующей системе мониторинга и прогнозирования в нашей республике имеются нерешенные проблемы, такие как невзаимосвязанная информация (несмотря на то, что наблюдается подготовка в рамках единой системы), представление её в виде отдельных фрагментов; низкий уровень точности прогнозов, недостаточная возможность для организации этой деятельности в режиме реального времени, неполный учет местных особенностей, недостаточное использование современных цифровых технологий и несовершенство методических подходов.

Здесь необходимо учитывать и другие обстоятельства. Например, из-за непредвиденности ЧС, а также неразвитой транспортной инфраструктуры и сетей связи, в зависимости от технологии мониторинга ЧС, недостаточной интеграции систем мониторинга и прогнозирования, затрудняется анализ больших данных о ЧС и их прогнозирование, пострадавший регион оказывается изолированным. Это обстоятельство делает оперативное обеспечение его потребностей практически недоступным — состояние, обычно называемое «чёрным ящиком» [10].

Состояние «чёрного ящика» возникает при недоступности спутниковых систем, недостаточном техническом оснащении, трудности со сбором точной (проверенной) информации с места ЧС и других случаях, что увеличивает время на сбор данных в режиме реального времени [16].

Кроме того, на эффективность деятельности в данной области негативно влияют также несовершенство организационных и управленческих механизмов мониторинга и прогнозирования ЧС, а также тот факт, что некоторые аспекты нормативно-правовой базы не соответствуют современным требованиям.

Такие недостатки снижают эффективность усилий по предотвращению ЧС, минимизации возможного ущерба экономике страны в случае их возникновения, рациональной организации аварийно-спасательных и других неотложных работ, а также заблаговременного планирования мероприятий по устранению негативных последствий ЧС.

С этой точки зрения, систематический анализ существующих проблем, возникающих в процессе мониторинга и прогнозирования риска возникновения ЧC, и разработка научно обоснованных решений для них рассматриваются как актуальная научно-практическая задача.

Основная цель данной статьи — провести всесторонний анализ существующих проблем при проведении мониторинга и прогнозирования ЧС и обосновать пути их устранения на основе современных технологий и методологических подходов.

Задачей исследования является разработка конкретных рекомендаций по повышению надёжности прогнозирования и заблаговременному проведению мероприятий по снижению рисков ЧС.

Материалы и методы

С целью изучения научных работ зарубежных специалистов по данному направлению автор проанализировал труды иностранных учёных.

Например, в научной статье “A GeoAI-Driven and Decision-Oriented Methodology for Multi-Hazard Early Warning System Development” [18] для природных ЧС (наводнения, оползни и др.) рассматривается возможность использования геопространственного ИИ, спутниковых данных, ГИС и методов машинного обучения (для построения многоугрозных систем раннего предупреждения), Предлагается переход от традиционного мониторинга к модели «риск-воздействие-действие» [18].

В статье “A Holistic Approach to Early Warning Systems Using an Agent-Based Model” [8] предлагают использовать Agent-Based Modeling (ABM) для моделирования поведения населения при наводнениях. Учёные пришли к выводу, что эффективность предупреждений о предстоящих ЧС зависит не только от качества прогноза, но и от реакции населения, доверия к предупреждениям и каналов распространения информации [8].

Авторы статьи “A Data-Driven Global Flood Forecasting System for Medium to Large Rivers” [21] разработали глобальную систему прогнозирования речных наводнений с использованием гидрометеорологических данных и методов машинного обучения [21].

В статье “A Systematic Review of Artificial Intelligence Frameworks for Holistic Disaster Management” авторы [20] представили систематический обзор современных исследований по применению ИИ в сфере ЧС [20].

Статья “Recent Advances in Internet of Things Solutions for Early Warning Systems: A Review” [9] посвящена итогам анализа современных IoT-платформ для непрерывного мониторинга ЧС [9].

A. Kamilaris в своей статье “Disaster Monitoring Using Unmanned Aerial Vehicles and Deep Learning” [15] изучал возможности БПЛА, компьютерного зрения (раздел ИИ), систем автоматического обнаружения пожаров, наводнений и разрущений и достиг точности около 91 % в распознавании опасных событий [15].

Итогом исследования учёных [9] посвящена статья “Riverine Flood Prediction and Early Warning in Mountainous Regions Using Artificial Intelligence” [11]. Авторы утверждают, что наиболее эффективным по сравнению с другими используемыми методами оказался метод LSTM (долгая краткосрочная память) для краткосрочного прогнозирования паводков [11].

Статья на тему “Methods and Technologies for Impact-Based Early Warning of Weather and Geo – Hazards” [7] является одним из наиболее обзорных работ по европейским технологиям предупрежления ЧС [7].

Все вышеуказанные выводы зарубежных учёных имеют большую научную актуальность в условиях Узбекистана.

При этом необходимо отметить, что наша страна известна в первую очередь как регион, находящийся в сейсмоактивной зоне. Кроме этого весной и летом прохождения здесь селевых потоков, оползней, засухи и пыльных бурь являются обычными явлениями. Следовательно, применение в описываемом автором статьи направлении технологий из Японии, Южной Кореи, Китая и стран Европейского союза считается наиболее эффективным.

Например, для мониторинга землетрясений и сейсмостойкости зданий и сооружений наиболее перспективными являются практики Японии (система мгновенного перехвата волн и сейсмодатчики в жилых массивах).

Для защиты от селей, оползней и наводнений наиболее передовым является опыт Южной Кореи, который представляет собой наличие автоматических гидропостов. Эти устройства при резком подъеме уровня воды или изменении плотности потока без участия человека включают сирены в нижележащих населённых пунктах и радары деформации склонов (радары непрерывно сканируют оползнеопасные зоны, фиксируя микронные сдвиги почвы задолго до обрушения массы).

Для Узбекистана в борьбе с засухой и пыльными бурями важна практика Китая. Китайцы использует ИИ для анализа спутниковых снимков, что позволяет прогнозировать движение песчаных и пыльных бурь, уровень засухи в режиме реального времени.

Кроме вышеназванного использование опыта Европейского союза для республики и интеграция данных в системы мониторинга и прогнозирования ЧС ускоряет процесс моделирования «цифровых двойников» регионов и позволяет просчитывать зоны ЧС до того, как они произойдут.

Здесь необходимо отметить, что 20 октября 2025 года принят Указ Президента Республики Узбекистан от 20.10.2025 г № УП-185, в котором одним из приоритетных направлений реформ указана организация адресных научно-инновационных и опытно-исследовательских работ в области мониторинга и прогнозирования чрезвычайных ситуаций [6].

В этот же день приняты два Постановления Президента Республики Узбекистан за № ПП-310 и ПП-311 [4; 5].

На основании вышеназванных документов начато изучение риска возникновения ЧС в махаллях с разделением каждого из них на категории «красный», «желтый» и «зеленый» в соответствии с индикаторами риска и объединение в единую платформу информационных систем по мониторингу и прогнозированию ЧС.

В 2025 году в Узбекистане введен новый единый технический стандарт систем оповещения O‘zMSt 520:2025. «Гражданская защита. Система оповещения и информирования населения об угрозах или возникновении чрезвычайных ситуаций. Общие технические требования» [3]. Системы раннего предупреждения республики были интегрированы с громкоговорителями местных мечетей. Это может решить проблему информирования населения при перебоях с интернетом и сотовой связью. Кроме этого мечеты являются авторитетными социальными институтами и обладают значительным влиянием среди населения. Однако, несмотря на эти принимаемые меры, недостаточная достоверность прогнозов оставляет желать лучшего.

Для выработки предложений по улучшению практической эффективности существующих систем мониторинга ЧС в регионе мнения специалистов профильных организаций были обобщены с помощью метода экспертной оценки, в котором участвовал 81 респондент.

Из них: личный состав управления по ЧС Андижанской области Республики Узбекистан (военнослужащие) в количестве 46 человек, специалисты областного Гидрометцентра и сотрудники сейсмостанций, расположенных на территории Андижанской области, в количестве 35 человек.

Для этого отбор экспертов проводился с учётом их стажа работы (военной службы) в данной сфере сроком не менее 10 лет, также людям было предложено ответить на вопросы указанные в таблице 1.

Таблица 1. Анкета (перечень вопросов) для респондентов

Результаты и обсуждения

По итогам опроса все респонденты оценивали состояния функциональных возможностей существующих систем мониторинга ЧС «удовлетворительной» (табл. 2).

Таблица 2. Оценка состояния функциональных возможностей существующих систем мониторинга ЧС (вопрос №1)

Предложения участников опроса по улучшению практической эффективности существующих систем мониторинга ЧС в регионе представлены в таблице 3.

Таблица 3. Предложения по улучшению практической эффективности существующих систем мониторинга ЧС (вопрос №1)

Как видно из таблицы 3  — 82 %  опрошеных респондентов (37+29=66 чел.) были едины в ответах на вопросы.

Кроме этого, имеются случаи дублирования функций между различными министерствами и ведомствами, недоразумения в классификации ЧС и других ситуациях. Поэтому автор данного исследования считает необходимым учесть требования статьи 5 и статьи 27 Закона Республики Узбекистан № 790 от 17 августа 2022 года [1].

При этом необходимо отметить, что за последние 3–4 года проведены кардинальные реформы в структуре министерств и ведомств, заново перераспределены их функциональные объязанности и полномочия. Исходя из этого и на основании вышеуказанного закона, давно назрела необходимость принятия новых Постановлений Кабинета Министров Республики Узбекистан вместо существующих, которые приняты 27.10.1998 года за № 455 и № 1027 от 28.12.2017 года за № 1027 [2; 3].

Исследование автора статьи выявило текущее состояние систем мониторинга и прогнозирования ЧС, их функциональные (часто ограниченные) возможности.

Результаты исследования показали, что информация, используемая в процессах мониторинга, часто хранится разрозненно в различных ведомствах и источниках информации, что затрудняет процесс быстрого анализа и принятия единых решений. Например, станция по мониторингу состояния атмосферного воздуха, представленная на рисунке 1 не интегрирована в Единую систему мониторинга, обмена информацией и прогнозирования чрезвычайных ситуаций природного, техногенного и экологического характера.

Рисунок 1. Станция по мониторингу состояния атмосферного воздуха установленная на территории «Андижангидрометцентра»

Учитывая результаты анализа и по итогам изучения исследований зарубежных специалистов [10; 16; 20; 21; 7–9; 11; 12–15; 17–19; 22], выявлены следующие проблемы:

- доклады о ЧС предоставляются из различных источников;

- подразделения, которые предоставляют информацию о ЧС, обладают недостаточными материально-техническими средствами;

- недостаточная  достоверность   прогноза;

- недостаток подготовленных инженерно-технических работников по данному направлению;

Заключение

На основе проведенных научных исследований были глубоко проанализированы существуюшие проблемы при организации мониторинга и прогнозирования ЧС, а также разработаны научно обоснованные рекомендации по их решению.

Результаты исследования показали, что эффективность систем мониторинга и прогнозирования напрямую влияет на общий уровень управления ЧС.  В качестве основных проблем были выявлены разрозненность информации, ограниченность моделей прогнозирования, недостаточное развитие технической инфраструктуры и нехватка квалифицированного персонала.

При этом особенно важными аспектами являются разработка и принятие новых Постановлений Кабинета Министров Республики Узбекистан вместо существующих и утративших актуальность (№ 455 от 27.10.1998 года и № 1027 от 28.12.2017 года). При этом необходимо конкретно указывать механизмы реализации намеченных мер и источники финансирования.

В заключение следует отметить, что разработка систем мониторинга и прогнозирования ЧС требует комплексного и систематического подхода.

Представленные в данной статье научные выводы и практические рекомендации служат важной научно-методологической основой для снижения риска ЧС, обеспечения безопасности населения и территорий и достижения устойчивого развития.

Список литературы:

1. Закон Республики Узбекистан от 17 августа 2022 года «О защите населения и территорий от чрезвычайных ситуаций природного и техногенного характера» № 790 [Электронный ресурс]. — Режим доступа: https://lex.uz/docs/6161251?ONDATE2=18.01.2024&action=compare (дата обращения: 20.05.2026)
2. Постановление Кабинета Министров Республики Узбекистан «О классификации чрезвычайных ситуаций техногенного, природного и экологического характера» от 27.10.1998 года № 455 [Электронный ресурс]. — Режим доступа: https://lex.uz/uz/docs/820596?ONDATE2=29.12.2019&action=compare (дата обращения: 21.05.2026)
3. Постановление Кабинета Министров Республики Узбекистан от 28.12.2017 года «О создании Единой системы мониторинга, обмена информацией и прогнозирования чрезвычайных ситуаций природного, техногенного и экологического характера» № 1027 [Электронный ресурс]. — Режим доступа: https://lex.uz/docs/3481007(дата обращения: 20.05.2026)
4. Постановление Президента Республики Узбекистан от 20 октября 2025 года №ПП-310 «Об организационных мерах по дальнейшему совершенствованию деятельности органов по чрезвычайным ситуациям» [Электронный ресурс]. — Режим доступа: https://nrm.uz/products?folder=180780_chrezvychaynye_situacii&products=1_vse_zakonodatelstvo_uzbekistana(дата обращения: 22.05.2026)
5. Постановление Президента Республики Узбекистан от 20 октября 2025 года № ПП-311 «О мерах по цифровизации сферы защиты от чрезвычайных ситуаций, а также развитию научной и инновационной деятельности» [Электронный ресурс]. — Режим доступа: https://base.spinform.ru/show_doc.fwx?rgn=170414(дата обращения: 22.05.2026)
6. Указ Президента Республики Узбекистан от 20 октября 2025 года № УП-185 «О поднятии на качественно новый уровень сферы надежной защиты населения и территорий от чрезвычайных ситуаций» [Электронный ресурс]. — Режим доступа: https://lex.uz/docs/7777290(дата обращения: 22.05.2026)
7. Allo Zoldo and others. Methods and Technologies for Impact-Based Early Warning of Weather and Geo – Hazards. — 2026. [Электронный ресурс]. — Режим доступа: https://www.sciencedirect.com/science/article/pii/S2950630126000074 (дата обращения: 18.06.26).
8. Anshuka A. and others. A Holistic Approach to Early Warning Systems Using an Agent-Based Model. 2026. [Электронный ресурс]. — Режим доступа: https://link.springer.com/article/обращения: (дата обращения 23.06.2026)
9. Esposito M. and others. Recent Advances in Internet of Things Solutions for Early Warning Systems: A Review. —  2022. [Электронный ресурс]. —  Режим доступа: https://pubmed.ncbi.nlm.nih.gov/35336296/. (дата обращения: 18.06.26).
10. Graffarian, S., Taghikhah F.R., Maier H.R. Explainable artificial intelligence in disaster risk management: Achievements and prospective futures // International Journal of Disaster Risk Reduction. — 2023. — Vol. 98. — 104123.
11. Haleema Bibi and others. Riverine Flood Prediction and Early Warning in Mountainous Regions Using Artificial Intelligence. — 2025. [Электронный ресурс]. — Режим доступа: https://www.researchgate.net/publication/392105838 (дата обращения 23.06.2026)
12. Hou H., Zang K., Zang X. Multi-scenaro-flexible contract coordination for determining the quantity of emergency medical supplies in public health events // Frontiers in Public Health. — 2024. — Vol. 12. — 1334583.
13. Huang C.-H., Chang K.-H., Liu C.H., Chang T.-Y., Lin Y.K. Network reliability analysis on casualty rescue for natural disaster evaluation // Annuals Orer Research. — 2025. — Vol. 348. — Pp. 399⁠–⁠419.
14. Huang H., Zhang,;W. Zhen, Z.; Shi, H.; Zhao M. Network invulnerability modeling of daily necessity supply bazed on cascading failure considering emergencies and dynamic demands // International Journal of Applied Earth Observation and Geoinformation. — 2024. — Vol. 134. — Art. 104225.
15. Kamilaris A.A. Kamilaris. Disaster Monitoring Using Unmanned Aerial Vehicles and Deep Learning. 2018. [Электронный ресурс]. —  Режим доступа: https://arxiv.org/pdf/1807.11805 (дата обращения 23.06.2026)
16. Khoda Bakhshi A., Ahmed M.M. Utilizing black-box visualization tools to interpret non-parametric real-time risk assessment models // Trasp. A. Transp. Science. — 2020. — Vol. 17. — Pp. 739⁠–⁠765.
17. Lin Y., Yan W., Zhang Y., Zhang H., Wang D. Emergency Drug Demand Forecasting in Earthquaakes with XGBoost and AFT – LSTM // Sustainability.  — 2025. — Vol. 17. — P. 1910.
18. Lu Q. и др. Q. Lu and others. A GeoAI-Driven and Decision-Oriented Methodology for Multi-Hazard Early Warning System Development. — 2026. [Электронный ресурс]. — Режим доступа: https://link.springer.com/article/ (дата обращения 23.06.2026)
19. Margus C., Hertelendy A., Tao Y., Coltey E., Chen S.-C., Luis S., Shyu M.-L., Ciottone G.R. United States Federal Emergency Management Agency regional clustering by disaster exposure: A new paradigm for disaster response // Natural Hazards. — 2023. — Vol. 116. — Pp. 3427⁠–⁠3445.
20. Muthukumar S., and others. A Systematic Review of Artificial Intelligence Frameworks for Holistic Disaster Management. 2026. [Электронный ресурс]. —  Режим доступа: https:. // link. springer.com/article/. (дата обращения: 18.06.26).
21. Palash В. A Data-Driven Global Flood Forecasting System for Medium to Large Rivers. 2023. [Электронный ресурс]. —  Режим доступа: https://www.nature.com/articles/s41598-024-59145-w (дата обращения 23.06.2026)
22. Su Y., Rong G., Ma Y., Chi J., Liu X., Zhang J., Li T. Hazard Assessment of Earthquake Disaster Chains Bazed on Deep Learning – A Case Study of Mao County, Sichuan Province // Frontiers of Earth Science. — 2022. —Vol. 9. — Art.683903.

References:

1. [Law of the Republic of Uzbekistan dated August 17, 2022 'On the Protection of the Population and Territories from Natural and Man-Made Emergency Situations' No. 790]; (In Russian).
2. Мазхумаар и др. [S Muthukumar and others. A Systematic Review of Artificial Intelligence Frameworks for Holistic Disaster Management. 2026] . [Электронный ресурс]. Режим доступа: https:. // link. springer.com/article/. (дата обращения: 18.06.26) (In Russian).
3. Palash V.W. [Palash and others. A Data-Driven Global Flood Forecasting System for Medium to Large Rivers. 2023] . [Elektronnyj resurs]. obrashcheniya: 18.06.26);. // Nature. URL: https://www.nature.com/articles/s41598-024-59145-w(дата. (data obrashcheniya 23.06.2026) (In Russian).
4. [Decree of the President of the Republic of Uzbekistan dated October 20, 2025 No. PP-310 'On Organizational Measures for Further Improvement of the Activities of Emergency Situation Bodies']; (In Russian).
5. [Decree of the President of the Republic of Uzbekistan dated October 20, 2025 No. PP-311 'On Measures for Digitalization of Emergency Situation Protection and Development of Scientific and Innovative Activities']; (In Russian).
6. [Resolution of the Cabinet of Ministers of the Republic of Uzbekistan 'On the Classification of Emergency Situations of Man-Made, Natural and Ecological Character' dated October 27, 1998 No. 455]; (In Russian).
7. [Resolution of the Cabinet of Ministers of the Republic of Uzbekistan dated December 28, 2017 'On the Establishment of a Unified System for Monitoring, Information Exchange and Forecasting of Emergency Situations of Natural, Man-Made and Ecological Character' No. 1027]; (In Russian).
8. [Decree of the President of the Republic of Uzbekistan dated October 20, 2025 No. UP-185 'On Raising the Sphere of Reliable Protection of the Population and Territories from Emergency Situations to a Qualitatively New Level']; (In Russian).
9. Халима Биби и др. [Haleema Bibi and others. Riverine Flood Prediction and Early Warning in Mountainous Regions Using Artificial Intelligence. 2025] . [Электронный ресурс]. обращения: 18.06.26);. URL: https://www.researchgate.net/publication/392105838.(дата. (дата обращения 23.06.2026) (In Russian).
10. Allo Zoldo and others. Methods and Technologies for Impact-Based Early Warning of Weather and Geo – Hazards.2026. [Электронный ресурс]. URL: https://www.sciencedirect.com/science/article/pii/S2950630126000074 (дата обращения: 18.06.26).
11. Anshuka A. и др. A.Anshuka and others. A Holistic Approach to Early Warning Systems Using an Agent-Based Model. 2026. [Электронный ресурс] 18.06.26);. URL: https://link.springer.com/article/обращения:. (дата обращения 23.06.2026)
12. Esposito M. M Esposito and others. Recent Advances in Internet of Things Solutions for Early Warning Systems: A Review. 2022. [Электронный ресурс]. Режим доступа: https://pubmed.ncbi.nlm.nih.gov/35336296/. (дата обращения: 18.06.26).
13. Graffarian, S.; Taghikhah, F.R.; Maier,H.R.Explainable artificial intelligence in disaster risk management: Achievements and prospective futures. Int.J.Disaster Risk Reduct. 2023, 98,104123;.
14. Hou, H.; Zang,K.;Zang X. Multi-scenaro-flexible contract coordination for determining the quantity of emergency medical supplies in public health events. Front.Public Health 2024, 12,1334583. [Google Scholar] [GrossRef];.
15. Huang, C.-H.; Chang, K.-H.; Liu, C.H.; Chang, T.-Y.; Lin,Y.K.Network reliability analysis on casualty rescue for natural disaster evaluation. Ann.Orer Res. 2025,348,399⁠–⁠419. [Google Scholar] [GrossRef];.
16. Huang, H.; Zhang,;W. Zhen, Z.; Shi, H.; Zhao M. Network invulnerability modeling of daily necessity supply bazed on cascading failure considering emergencies and dynamic demands. Int.J.Appl.Earth Obs. Geoinf 2024, 134, 104225. [Google Scholar] [GrossRef].
17. Kamilaris A.A. Kamilaris. Disaster Monitoring Using Unmanned Aerial Vehicles and Deep Learning. 2018.[Электронный ресурс]. обращения: 18.06.26);. URL: https://arxiv.org/pdf/1807.11805(дата. (дата обращения 23.06.2026)
18. Khoda Bakhshi, A.;Ahmed, M.M. Utilizing black-box visualization tools to interpret non-parametric real-time risk assessment models. Trasp. A.Transp.Sci.2020,17,739⁠–⁠765;.
19. Lin, Y.;Yan, W.;Zhang, Y.; Zhang, H.;Wang, D.Emergency Drug Demand Forecasting in Earthquaakes with XGBoost and AFT – LSTM. Sustainability 2025, 17,1910..[Google Scholar] [GrossRef];.
20. Lu Q. и др. Q. Lu and others. A GeoAI-Driven and Decision-Oriented Methodology for Multi-Hazard Early Warning System Development. 2026.[Электронный ресурс]. обращения: 18.06.26);. URL: https://link.springer.com/article/(дата. (дата обращения 23.06.2026)
21. Margus, C.;Hertelendy,A.;Tao, Y.;Coltey,E,;Chen,S.-C.; Luis,S.; Shyu, M.-L.;Ciottone,G.R.United States Federal Emergency Management Agency regional clustering by disaster exposure: A nev paradigm for disaster response. Nat. Hazards 2023,116,3427⁠–⁠3445. [Google Scholar] [GrossRef];.
22. Su, Y.; Rong,G.;Ma,Y;Chi,J.;Liu,X..;Zhang, J.;Li,T.Hazard Assessment of Earthquake Disaster Chains Bazed on Deep Learning – A Case Study of Mao County, Sichuan Province. Front. Earth Sci.2022,9,683903. [Google Scholar] [GrossRef];.