doi: 10.17586/2226-1494-2026-26-5-954-962


УДК 004.95

Программно-аппаратный комплекс краудсорсингового мониторинга и картографирования геомагнитного поля

Воробьева Г.Р., Воробьев А.В.


Читать статью полностью 
Язык статьи - русский

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
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


Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License
Информация 2001-2026 ©
Научно-технический вестник информационных технологий, механики и оптики.

Яндекс.Метрика