Введение. Традиционные системы мониторинга водных объектов нередко демонстрируют недостаточную эффективность при оперативной локализации источника аварийных либо нестационарных сбросов, что препятствует своевременному принятию управленческих решений. Проблема обостряется в условиях быстрого распространения загрязнителя при неполноте, запаздывании и фрагментарности данных наблюдений. Указанные обстоятельства актуализируют разработку методов, обеспечивающих не только фиксацию факта загрязнения, но и ретроспективное восстановление координат источника по полю концентрации. В литературе достаточно широко представлены подходы, базирующиеся на уравнениях адвекции-диффузии, численном гидродинамическом моделировании и анализе спутниковых данных. Однако интеграция методов компьютерного зрения с гидродинамическими моделями для решения обратной задачи идентификации источника остаётся малоизученной. Теоретически такая интеграция обоснована возможностью автоматизированного выделения границ акватории посредством семантической сегментации и физически содержательного описания переноса пассивной примеси. Существующий научный пробел обусловлен отсутствием верифицированных вычислительных схем, объединяющих оба направления. Целью настоящего исследования является разработка и верификация подхода, интегрирующего компьютерное зрение и гидродинамическое моделирование для точной ретроспективной идентификации источника негативного воздействия.

Материалы и методы. Методология включает два взаимосвязанных модуля. Первый модуль компьютерного зрения выполняет семантическую сегментацию спутниковых снимков или данных аэрофотосъёмки с применением свёрточных нейронных сетей. Результатом является бинарная маска акватории, её внешние контуры извлекаются средствами OpenCV с морфологической постобработкой. Второй модуль реализует двумерную численную модель адвекции-диффузии на основе метода конечных объёмов со стационарным полем скоростей. Алгоритм обратной идентификации генерирует множество виртуальных точек-кандидатов по периметру водоёма, для каждого выполняется прямой расчёт поля концентрации, после чего с использованием среднеквадратической ошибки отбирается кандидат, обеспечивающий наилучшее соответствие наблюдаемому распределению. Валидация проведена на трёх синтетических сценариях (pH, растворённый кислород, свободный хлор) в 300 вычислительных экспериментах.

Результаты исследования. Проведено 300 вычислительных экспериментов со случайным заданием координат источника. Модуль компьютерного зрения безошибочно формировал маску акватории во всех испытаниях. Алгоритм обратной идентификации, осуществляющий перебор кандидатов с шагом 50 м, в 285 случаях (95 %) абсолютно точно определил истинный источник. Установлено, что 12 из 15 ошибочных случаев обусловлены расположением источника на расстоянии менее 3 м от границы акватории, где влияние турбулентной диффузии и граничных условий приводит к «размыванию» следа загрязнения. Выявлены ключевые ограничения метода: погрешности двумерного гидродинамического приближения в стратифицированных водоёмах и снижение точности при резко нестационарной гидродинамике. Визуализация результатов подтверждает высокое качество пространственной локализации источника.

Обсуждение. Полученные результаты подтверждают, что интеграция методов создает синергетический эффект: компьютерное зрение обеспечивает скорость и объективность обработки пространственных данных, а гидродинамическое моделирование — физическую и математическую обоснованность анализа. Такой подход преодолевает ключевое ограничение традиционного мониторинга, позволяя не только констатировать факт загрязнения, но и устанавливать его причину, что согласуется с современными тенденциями развития предсказательной аналитики.

Заключение. Разработанная концепция формирует основу для создания операционных систем поддержки принятия решений и «цифровых двойников» водных объектов. Ее внедрение в практику экологического мониторинга создаёт предпосылки для перехода от реактивного реагирования к проактивному управлению рисками и может способствовать повышению обоснованности и эффективности мер по обеспечению экологической безопасности водных ресурсов. Перспективы дальнейших исследований связаны с адаптацией методов для работы с реальными данными онлайн-мониторинга и различными типами водных объектов.