Честно говоря, я никогда особо не задумывался о том, как трудно спутникам смотреть на Землю. Ну летают себе и летают, фотографируют облака, меряют температуру воды — вроде всё просто. А потом оказалось, что эти железные трудяги постоянно всё делают не так. То над Сибирью облака, то батареи разрядились, то орбита не та, чтобы снимок сделать ровно в полдень. В итоге данные на Землю приходят не тогда, когда мы их ждём, а тогда, когда получилось. И вот представьте: компьютер строит прогноз погоды, а новые сведения про циклоны приходят с опозданием в несколько часов. Пока модель сообразит, что данные уже устарели и вставлять их в расчёты поздновато, прогноз уже ушёл людям. И хорошо, если речь идёт о том, брать зонт или нет, а если это траектория урагана или разлив нефти в море?
Недавно учёные из Московского университета и Института вычислительной математики имени Марчука предложили решение, от которого у многих программистов, работающих с прогнозами, наверное, глаза загорелись. Они придумали математический метод, который позволяет учитывать опаздывающие данные и при этом не ломать весь прогноз. По сути, они научили компьютер не обижаться на опоздания, а воспринимать любую информацию — пусть даже с задержкой — как ценную улику. И это, знаете, случай как раз из серии «всё гениальное — просто». Если раньше алгоритмы работали по принципу «опоздал — сам виноват», то теперь задержка перестала быть приговором.
В пресс-службе МГУ журналистам ТАСС объяснили это довольно спокойно, без пафоса: мол, предложенный подход позволяет точнее учитывать влияние данных и понимать, насколько модель чувствительна к ошибкам измерений. Звучит суховато, но за этим стоит настоящий прорыв. Потому что проблема неполноты информации — это вообще хроническая болезнь всей спутниковой метеорологии, океанологии и даже экологии. И раньше врачи разводили руками, а теперь появилось работающее лекарство.
Почему спутники врут и опаздывают
Если вы хоть раз пытались сфотографировать кошку, которая не хочет сидеть на месте, вы поймёте спутники. Они тоже фотографируют объект, который постоянно движется и меняется. Только у кошки хотя бы морда видна, а у Земли — атмосфера, облака, полярная ночь, помехи радиосигнала. Спутник пролетает над точкой не тогда, когда нам удобно, а тогда, когда пролетает. Может пройти над Москвой в час ночи, а над Владивостоком — в обед. И данные, которые он скидывает, выглядят как пазл, у которого половина кусочков потерялась, а вторая половина приехала почтой через месяц.
Раньше с этим боролись довольно грубо. Либо вообще игнорировали запоздавшие данные, либо вставляли их грубой силой, что вызывало в моделях что-то вроде математического сотрясения мозга. Всё начинало скакать, прогнозы становились нервными и дёргаными. И самое печальное — чем больше данных поступало с задержкой, тем хуже работала система. Хотя, казалось бы, данных много, а толку мало. Это как пытаться приготовить ужин, когда продукты приносят не в супермаркет, а прямо к плите, но с опозданием на час: мясо уже сгорело, а картошка ещё сырая.
Новая разработка математиков из МГУ и ИВМ РАН меняет саму логику. Они предложили не заставлять модель подстраиваться под странный график поставок, а изменить восприятие этих самых поставок. Представьте следователя, который собирает свидетельские показания. Один свидетель пришёл вовремя, другой опаздывает на час, третий вообще вчера должен был прийти. Но каждый из них видел кусочек картины. Хороший следователь не выгонит опоздавшего, а спросит и сопоставит. Вот примерно так теперь работают алгоритмы.
Исследователи сами признают, что их метод применим не только к спутникам. Это вообще фундаментальная история для любой науки, где есть задержки сигнала. А их полно везде. Например, в медицине, когда организм реагирует на вирус не мгновенно, а с опозданием. Там вообще классика: вирус уже вовсю размножается, а иммунитет только просыпается и начинает чесать репу. И математическая модель этого процесса, кстати, разрабатывалась всё в том же Институте Марчука. Совпадение? Вряд ли. Просто одни и те же мозги бьются над разными задачами, а инструмент получается универсальный.
От гепатита до Арктики: где ещё пригодится новый метод
Знаете, когда читаешь про математические методы, часто возникает ощущение, что это что-то очень далёкое от жизни. Ну, подумаешь, повысили точность прогнозов на доли процента. Кому это надо? На самом деле надо всем, просто мы этого не замечаем. Вот, скажем, Северный морской путь. Ледовая обстановка меняется быстро, спутники видят льды, но пока данные обработают, пока поймут, где трещины, а где торосы, судно уже может встрять. Или сельское хозяйство: посевы поливают, удобряют, а прогноз засухи приходит постфактум. Урожай-то уже пожелтел.
Или взять экологию. Сейчас много говорят про парниковые газы, углеродный след, но чтобы понять, сколько CO₂ поглощают леса, нужно постоянно мониторить их состояние. Спутники видят, где лес зеленеет, а где начинает чахнуть. Но данные приходят нерегулярно: сегодня ясно — снимок отличный, завтра облачно — пусто. А лес дышит каждый день, ему плевать на облачность. Старые методы обработки спотыкались на этих «пустых» днях, новые — могут восстанавливать картину, даже если неделю было пасмурно.
Интересно, что параллельно с московскими математиками схожие задачи решали их коллеги из Института озероведения РАН. Они придумали, как определять глубину озёр и их температуру, используя только даты начала и конца ледостава. То есть косвенные признаки, задержанные во времени, без прямых измерений. И этот проект тоже поддержан Российским научным фондом. Получается, что проблема запаздывающей информации назрела давно и учёные с разных сторон подбираются к её решению. Просто кому-то повезло чуть раньше сформулировать общий математический принцип.
Кстати, про РНФ. Этот фонд в последние годы довольно активно вкладывается именно в прикладную математику для природных задач. Не так давно, в августе 2025-го, был объявлен конкурс на междисциплинарные проекты, где гранты достигали 15 миллионов рублей в год. Тематика прямо звучала как «науки о Земле» и «вычислительные методы». Исследование учёных МГУ и ИВМ РАН идеально вписывается в этот тренд. Это не просто «хотим поизучать что-нибудь эдакое», это ответ на конкретный запрос: как точнее предсказывать природные процессы, имея неидеальные инструменты наблюдения.
Почему это важно прямо сейчас
Многие привыкли думать, что прогноз погоды — это что-то вроде гадания на кофейной гуще. Ну, ошибся синоптик, ну, пошёл дождь, когда обещали солнце — бывает. Но на самом деле за каждым процентом точности стоят миллиарды рублей. Авиация не взлетит, если ветер сильнее расчётного. Корабли не пойдут, если шторм придёт на день раньше. Урожай погибнет, если заморозки не предупредили. И в этой системе спутники — главные поставщики информации. Если они опаздывают, а мы не умеем работать с опозданиями, мы теряем деньги и рискуем жизнями.
Новый метод обработки данных не требует запуска новых спутников или строительства дорогих наземных станций. Он чисто математический, программный. То есть его внедрение — это вопрос нескольких месяцев адаптации существующих вычислительных комплексов. Не надо менять «железо», не надо переучивать тысячи людей. Достаточно обновить алгоритмы в центрах обработки данных. И точность прогнозов, по оценкам разработчиков, вырастет заметно, особенно в сложных ситуациях, когда данных мало и они рваные.
Ещё один важный момент — независимость. Сегодня многие страны используют зарубежные модели прогнозирования. Это удобно, но есть риск, что завтра доступ закроют или перестанут обновлять. Собственные математические методы — это вопрос технологического суверенитета. Если российские учёные научились делать прогнозы точнее иностранных коллег именно за счёт умной работы с неполными данными, это даёт нам преимущество. Мы можем предсказывать паводки на сибирских реках точнее, чем канадцы — свои. Потому что у нас инструмент тоньше.
Кстати, разработку уже опубликовали в журнале «Современные проблемы дистанционного зондирования Земли из космоса». Это не какой-то ведомственный сборник, а вполне серьёзное рецензируемое издание, где публикуются и академики, и зарубежные специалисты. То есть работа прошла проверку коллегами, и они не нашли ошибок. Дальше дело за внедрением, но в научной среде это часто самый долгий этап. Хотя, когда речь идёт о таких практических вещах, как точность прогнозов, ждать обычно не любят. Особенно если на носу очередной паводковый сезон или пожароопасный период.
Подписывайтесь на канал, чтобы не пропустить новые статьи и ставьте нравится.
