Меню
Публикации
2026
2025
2024
2023
2022
2021
2020
2019
2018
2017
2016
2015
2014
2013
2012
2011
2010
2009
2008
2007
2006
2005
2004
2003
2002
2001
Главный редактор
НИКИФОРОВ
Владимир Олегович
д.т.н., профессор
Партнеры
doi: 10.17586/2226-1494-2026-26-5-954-962
УДК 004.95
Программно-аппаратный комплекс краудсорсингового мониторинга и картографирования геомагнитного поля
Читать статью полностью
Язык статьи - русский
Ссылка для цитирования:
Аннотация
Ссылка для цитирования:
Воробьева Г.Р., Воробьев А.В. Программно-аппаратный комплекс краудсорсингового мониторинга и картографирования геомагнитного поля // Научно-технический вестник информационных технологий, механики и оптики. 2026. Т. 26, № 5. С. 954–962. doi: 10.17586/2226-1494-2026-26-5-954-962
Аннотация
Введение. Рассмотрена проблема организации высокодетальной геомагнитной съемки в городской среде на основе краудсорсингового подхода с использованием мобильных устройств. Существующие решения, такие как CrowdMag, ориентированы преимущественно на глобальный сбор данных и не обеспечивают возможностей оперативного картографирования локальных техногенных аномалий. Остается открытым вопрос о достоверности выявления аномалий по данным массовых измерений, выполненных различными непрофессиональными устройствами в реальных условиях. Метод. Для решения поставленных задач разработан программно-аппаратный комплекс Ground Monitoring, архитектура которого построена по трехуровневой модели и включает клиентское мобильное приложение для Android, серверную часть на базе PostgreSQL/ PostGIS и веб-ГИС с модулями визуализации и интерполяции. Приложение обеспечивает регистрацию всех трех компонент вектора магнитной индукции с частотой до 5 Гц, разрешением 0,25 мкТл и погрешностью не более ±5 %. Экспериментальная апробация проведена в августе прошедшего года на территории Уфы с участием нескольких сотен студентов-добровольцев. Основные результаты. Собрано более 50 000 пространственно-привязанных измерений, достигнута плотность покрытия до 1500 точек/км2. Установлено, что несмотря на разброс единичных измерений, среднее по массиву отличается от эталонного обсерваторского измерения менее, чем на 0,15 %. При этом выявлено, что 87 % аномалий локализованы вблизи техногенных объектов. Статистический анализ также подтвердил высокую достоверность обнаружения аномалий, а результаты применения пространственной интерполяции подтвердили устойчивость на зашумленных данных. Обсуждение. Полученные результаты подтвердили возможность применения краудсорсингового подхода для решения задач геофизического картирования с высокой пространственной детализацией и измерениями, согласующимися с эталонными обсерваторскими измерениями. Разработанный комплекс может служить экспериментальной основой для систем мониторинга городской среды. Перспективы работы связаны с интеграцией подхода в проекты гражданской науки.
Ключевые слова: геомагнитное поле, магнитная съемка, краудсорсинг, мобильное приложение, веб-ГИС, картографирование, мониторинг, программно-аппаратный комплекс, визуализация данных
Благодарности. Работа выполнена при поддержке Российского научного фонда (проект № 21-77-30010-П).
Список литературы
Благодарности. Работа выполнена при поддержке Российского научного фонда (проект № 21-77-30010-П).
Список литературы
1. Fraisl D., See L., MacFeely S., Moorthy I., Ulrich G.-S., Seidu O., et al. Why citizen science is now essential for official statistics // Communications Sustainability. 2026. V. 1.P. 2. doi: 10.1038/s44458-025-00008-4
2. Воробьев А.В., Воробьева Г.Р. Оценка влияния геомагнитной активности на метрологические характеристики инклинометрических информационно-измерительных систем // Измерительная техника. 2017. № 6. С. 21–24.
3. Воробьев А.В., Пилипенко В.А. Подход к восстановлению геомагнитных данных на базе концепции цифровых двойников // Солнечно-земная физика. 2021. Т. 7. № 2. С. 53–62. doi: 10.12737/szf-72202105
4. Bryakin I.V., Bochkarev I.V., Khramshin V.R., Gasiyarov V.R., Erdakov I.N. Fluxgate magnetometers based on new physical principles // Sensors. 2025. V. 25. N 13. P. 3893. doi: 10.3390/s25133893
5. Odenwald S.F. Can smartphones detect geomagnetic storms? // Space Weather. 2022. V. 20. N 3. P. e2020SW002669. doi: 10.1029/2020SW002669
6. Jufri L.R.F., Naston L. Predicting the effect of magnetic acquisition using CrowdMag Android App on fundamental magnetic concepts mastery in basic physics // Jurnal Penelitian Pendidikan IPA. 2024. V. 10. N 12. P. 10677–10691. doi: 10.29303/jppipa.v10i12.9131
7. O’Hanlon L. Smartphone app seeks to make navigation safer // EOS. 2015. V. 96. doi: 10.1029/2015EO021603
8. Grandin M., Ledvina V.E., Musset S., Partamies N., Frissell N.A., Bruus E., et al. Citizen science in space and atmospheric sciences: opportunities and challenges // Surveys in Geophysics. 2025. P. 1–35. doi: 10.1007/s10712-025-09888-6
9. Kim H., Witten D., Madey J., Frissell N., Gibbons J., Engelke W., et al. Citizen science: Development of a low-cost magnetometer system for a coordinated space weather monitoring // HardwareX. 2024. V. 20. P. e00580. doi: 10.1016/j.ohx.2024.e00580
10. Thompson M.M., Moon K., Woods A., Rowley J.J.L., Poore A.G.B., Kingsford R.T., et al. Citizen science participant motivations and behaviour: Implications for biodiversity data coverage // Biological Conservation. 2023. V. 282. P. 110079. doi: 10.1016/j.biocon.2023.110079
11. Abdelrahman M.M., Zhan S., Chong A. A three-tier architecture visual-programming platform for building-lifecycle data management // Proc. of the 11th Annual Symposium on Simulation for Architecture and Urban Design. 2020. P. 1–8.
12. Krajci I., Cummings D. History and Evolution of the Android OS // Android on x86. 2013. P. 1–8. doi: 10.1007/978-1-4302-6131-5_1
13. Wu D., Gao D., Lo D. Scalable online vetting of Android apps for measuring declared SDK versions and their consistency with API calls // Empirical Software Engineering. 2021. V. 26. N 1. P. 7. doi: 10.1007/s10664-020-09897-6
14. Ala-Laurinaho R., Autiosalo J., Tammi K. Open sensor manager for IIoT // Journal of Sensor and Actuator Networks. 2020. V. 9. N 2. P. 30. doi: 10.3390/jsan9020030
15. Lee H., Park J., Lee U. A systematic survey on Android API usage for data-driven analytics with smartphones // ACM Computing Surveys. 2022. V. 55. N 5. P. 104. doi: 10.1145/3530814
16. Gaffney K.P., Prammer M., Brasfield L., Hipp D.R., Kennedy D., Patel J.M. SQLite: past, present, and future // Proceedings of the VLDB Endowment. 2022. V. 15. N 12. P. 3535–3547. doi: 10.14778/3554821.3554842
17. Karlsson S., Jongeling R., Čaušević A., Sundmark D. Exploring behaviours of RESTful APIs in an industrial setting // Software Quality Journal. 2024. V. 32. N 3. P. 1287–1324. doi: 10.1007/s11219-024-09686-0
18. Patil G. Django REST Framework // Django REST APIs Demystified. 2025. P. 19–22. doi: 10.1007/979-8-8688-1850-9_4
19. Lizardo L.E.O., Davis C.A. A PostGIS extension to support advanced spatial data types and integrity constraints // Proc. of the 25th ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems. 2017. P. 33. doi: 10.1145/3139958.3140020
20. Benmoshe N. A simple solution for the Inverse Distance Weighting snterpolation (IDW) clustering problem // Sci. 2025. V. 7. N 1. P. 30. doi: 10.3390/sci7010030
21. Kleijnen J.P.C. Kriging: methods and applications // SSRN Electronic Journal. 2017. P. 1–36. doi: 10.2139/ssrn.3075151

