ИИ-агенты для мониторинга климата: что уже работает

За последние полтора года мониторинг окружающей среды перестал быть просто дашбордом с графиками. Появился класс инструментов, которые сами обрабатывают потоки спутниковых снимков, данные с датчиков и метеорологические модели, а затем формируют выводы: где обнаружена утечка метана, какой участок леса исчез, где качество воздуха вышло за норму. Google, Microsoft и специализированные проекты вроде Climate TRACE и MethaneSAT подают это как агентов — систем, которые не просто визуализируют, а действуют по цепочке шагов без ручного запуска на каждом этапе.

Проблема в том, что термин «агент» здесь используют вольно. Часть решений — это классические конвейеры машинного зрения с автоматическим оповещением. Часть — действительно LLM-надстройки, которые умеют формулировать запрос к геоданным на естественном языке и собирать отчёт. Разница принципиальна, если вы планируете на это опираться в работе.

Что вообще произошло

Несколько параллельных запусков создали ощущение нового рынка. Google в 2024 году развернул MethaneSAT-интеграцию и расширил Earth Engine возможностями запроса геоданных через языковые модели. Microsoft развивает Planetary Computer — каталог открытых экологических датасетов с вычислительной средой. Отдельно работает Climate TRACE — коалиция, которая публикует оценки выбросов по отдельным объектам инфраструктуры, используя спутники и ИИ для верификации.

Общий сдвиг простой: раньше аналитик вручную скачивал снимки, писал скрипт обработки, интерпретировал результат. Теперь часть этой цепочки автоматизирована, а поверх ставят агентский¹ слой, который принимает запрос вида «покажи изменения растительности в этом районе за год» и сам подбирает данные, обрабатывает и отвечает.

Ценность агента не в том, что он умнее аналитика, а в том, что он масштабирует рутину: там, где человек проверял десять объектов в день, система проходит тысячи и поднимает флаг только по аномалиям.

Как это устроено под капотом

Большинство систем комбинируют три слоя. Первый — источники данных: спутники (Sentinel, Landsat, коммерческие), наземные датчики качества воздуха, метеомодели. Второй — модели обработки: сегментация снимков, детекция изменений, оценка концентраций газов. Третий, самый новый, — оркестрирующий агент на базе LLM, который переводит человеческий запрос в последовательность вызовов инструментов и собирает результат.

Именно третий слой отличает «агента» от старого пайплайна. Он может использовать подход RAG² — подтягивать релевантные датасеты и методологии перед формированием ответа, а не полагаться только на то, что модель «запомнила» при обучении. Это снижает риск того, что система выдаст правдоподобную, но выдуманную цифру по выбросам.

Где проходит граница доверия

Ключевой вопрос — верификация. Оценка выбросов метана по спутнику имеет погрешность, и разные методологии дают разные числа для одного объекта. Агент, который красиво формулирует вывод, не отменяет неопределённости в исходных данных. Поэтому серьёзные проекты публикуют не только цифру, но и доверительный интервал и метод. Если инструмент даёт «точное» значение без диапазона — это повод насторожиться.

Сравнение основных платформ

Точные условия доступа и лимиты меняются — их стоит проверять на официальных страницах проектов перед тем, как закладывать в бюджет или методологию.

Кому это пригодится, а кому нет

Пригодится:

• Экологическим НКО и журналистам-расследователям — можно находить незадекларированные выбросы или вырубки и подкреплять публикации открытыми данными.
• Компаниям с обязательной климатической отчётностью — для перекрёстной проверки собственных оценок выбросов против независимого спутникового источника.
• Страховщикам и оценщикам рисков — мониторинг наводнений, засух, состояния сельхозземель по регионам.
• Муниципальным службам — отслеживание качества воздуха и реакция на аномалии в реальном времени.

Скорее не пригодится:

• Тем, кому нужна юридически неоспоримая цифра здесь и сейчас: спутниковые оценки — это интервалы, а не заверенные измерения, и в суде их придётся подкреплять наземными данными.
• Локальному мониторингу мелкого масштаба — разрешение открытых спутников не покажет утечку из отдельной трубы во дворе.
• Тем, кто ждёт от агента готового решения без специалиста: интерпретация геоданных требует понимания методологии, иначе легко построить ложный вывод.

Сколько это стоит

Открытые данные Climate TRACE и MethaneSAT бесплатны. Earth Engine бесплатен для научного и некоммерческого использования, коммерческий доступ тарифицируется отдельно — цены и модель лицензирования уточняйте на странице Google. Planetary Computer открыт по каталогу, но интенсивные вычисления упираются в квоты. Основная статья расходов в реальных проектах — не подписка, а специалист, который умеет собрать пайплайн и корректно прочитать результат.

¹ Агент — программа на базе языковой модели, которая для выполнения задачи сама выбирает и вызывает внешние инструменты (поиск данных, обработку снимков), а не просто отвечает текстом на один вопрос.

² RAG (retrieval-augmented generation) — подход, при котором модель перед ответом подтягивает релевантные документы или датасеты из внешнего хранилища, чтобы опираться на актуальные данные, а не только на то, что усвоила при обучении.