Комплекс экологического сопровождения городской агломерации (CUES — BR21881908)

Цель программы

Цель программы сформулирована Комитетом науки Республики Казахстан и определена в Научно-техническом задании №58: «Создание комплекса экологического сопровождения городской среды на базе БПЛА, который способен в полуавтоматическом режиме выявлять воздушные, водные загрязнения, шум, оценивать уровень трафика, выявлять места повышенного расхода тепловой энергии и картировать полученные данные»

Задачи программы

В соответствии с конкурсной документацией для достижения цели программы должны быть решены задачи (1-5), сформулированные Заказчиком в НТЗ №58:

Задача 1: Разработка программно- аппаратной платформы беспилотного летательного комплекса для выполнения задач мониторинга в пределах городского хозяйства (ПАПБЛКГ).

Задача 2: Разработка комплекса бортовых навесных систем для решения задач мониторинга городского хозяйства (выявления мусора, загрязнений воздушного и водного бассейнов).

Задача 3: Разработка программных средств для решения задач классификации и распознавания, получаемых с борта БПЛА изображений и данных для решения задач картирования экологических нарушений воздушной и наземной среды города, теплопотерь.

Задача 4: Разработка системы отображения получаемых данных и результатов их анализа.

Задача 5: Разработка комплекса мер по обучению персонала использованию комплекса, применению полученных решений в процессе подготовки специалистов.

Результаты

2023 год

  • Разработаны спецификации требований на аппаратные части беспилотного летательного комплекса в различной комплектации
  • Разработаны спецификации требований к комплектам датчиков для решения задач мониторинга городского хозяйства для различных по грузоподъемности летательных платформ.

Публикации

  • Mukhamediev, R.I.; Kuchin, Y.; Popova, Y.; Yunicheva, N.; Muhamedijeva, E.; Symagulov, A.; Abramov, K.; Gopejenko, V.; Levashenko, V.; Zaitseva, E.; et al. Determination of Reservoir Oxidation Zone Formation in Uranium Wells Using Ensemble Machine Learning Methods. Mathematics 2023, 11, 4687. https://doi.org/10.3390/math11224687 (CiteScore — Q1, 88%, JCR — Q1, IF: 2.46).
  • Mukhamediev, Ravil I., Timur Merembayev, Yan Kuchin, Dmitry Malakhov, Elena Zaitseva, Vitaly Levashenko, Yelena Popova, Adilkhan Symagulov, Gulshat Sagatdinova, and Yedilkhan Amirgaliyev. Soil Salinity Estimation for South Kazakhstan Based on SAR Sentinel-1 and Landsat-8, 9 OLI Data with Machine Learning Models //Remote Sensing. – 2023. – Т. 15. – №. 17. – С. 4269. https://www.mdpi.com/2072-4292/15/17/4269 ; https://doi.org/10.3390/rs15174269 (Scopus Quartile: Q1, 90%, JCR Category Quartile: Q1, WoS IF=5.0)
  • Mukhamediev, R.I.; Terekhov, A.; Sagatdinova, G.; Amirgaliyev, Y.; Gopejenko, V.; Abayev, N.; Kuchin, Y.; Popova, Y.; Symagulov, A. Estimation of the Water Level in the Ili River from Sentinel-2 Optical Data Using Ensemble Machine Learning. Remote Sens. 2023, 15, 5544. https://doi.org/10.3390/rs15235544 (Scopus Quartile: Q1, 90%, JCR Category Quartile: Q1, WoS IF=5.0)