Экспертные заключения: 0
Консультации: 0

Программа для анализа лесных пожаров

Наша разработка — это платформа всепогодного мониторинга природных и техногенных катастроф на основе радиолокационных (SAR) спутниковых данных, дополненная тепловым каналом и блокчейн-фиксацией результатов.Ядро продукта — SAR API + SAR-Оракул, который:

  • Выдает векторный контур выгорания в формате GeoJSON в день наступления чрезвычайного события (ЧС), без ожидания рассеивания дыма;
  • Формирует аналитический слой (полигон выгорания + confidence score), а не сырой радарный снимок;
  • Хэширует данные в блокчейн, создавая юридически неоспоримый ground truth — независимую фиксацию факта и масштаба события в момент его наступления.

Технологическая основа:

  • Бесплатные радарные данные спутников (Sentinel-1 и аналоги) — всепогодность, работа сквозь дым и облака;
  • Тепловой канал для фиксации температурных аномалий;
  • Фьюжн-модель (SAR + тепло), отсекающая ложные срабатывания за счет анализа не только температуры, но и структуры объекта;
  • Предиктивный ИИ для оценки вероятности возгорания до наступления события;
  • Headless API для быстрой интеграции (1–2 спринта) в сторонние сервисы.

Формат поставки: SaaS-платформа и API. Клиент получает готовый аналитический продукт, а не сырые данные, требующие узкой экспертизы в радиофизике.

2. Актуальность стартап-проекта

Описание проблемы

Природные пожары и связанные с ними ЧС наносят колоссальный экономический ущерб, однако существующие системы мониторинга и оценки имеют критические ограничения:

  1. Оптические спутники и дроны «слепнут» в дыму. Дым над территорией ЧС может держаться 5–10 дней, полностью блокируя оптический канал наблюдения. В этот период страховщики, государственные структуры и бизнес остаются без актуальных данных.
  2. Задержка в получении информации. Оптические снимки приходят с задержкой, наземные обходы и выезды сюрвейеров в зону бедствия невозможны или опасны. К моменту получения данных огонь уже разросся, а ущерб — многократно увеличился.
  3. Высокий риск фрода. Пока дым не рассеялся и нет объективной картины ущерба, страховщики вынуждены платить «по упрощенке». В этот период недобросовестные клиенты могут «улучшить» повреждения (поджечь сарай, спилить деревья), что ведет к завышенным выплатам.
  4. Неточный учет биомассы и углеродного следа. ESG-отчетность и карбоновые кредиты опираются на данные, которые в период пожаров недоступны или основаны на экстраполяции по старым снимкам. Это создает почву для гринвошинга и манипуляций с отчетностью задним числом.
  5. Дорогой и сложный доступ к радарным данным. Коммерческие SAR-спутники (ICEYE, Capella) продают данные по ценам, недоступным для средних игроков. А агрегаторы геоданных вынуждены нанимать узких специалистов-дешифровщиков, что медленно, дорого и не масштабируется.

Описание решения

SAR-Оракул решает эти проблемы за счет перехода от оптического к радиолокационному мониторингу с элементами ИИ и блокчейн-верификации:

  • Всепогодность: радар «видит» сквозь дым, облака и ночь — данные поступают ежедневно, 365 дней в году.
  • Скорость: векторный контур выгорания формируется в день ЧС, а не через 5–10 дней ожидания.
  • Неопровержимость факта: хэширование данных в блокчейн создает независимый аудиторский след. Ни клиент, ни менеджер не могут задним числом изменить картину события.
  • Доступность: использование бесплатных радарных данных (Sentinel-1) в сочетании с собственной аналитикой позволяет предложить продукт по цене, на порядок ниже коммерческих SAR-сервисов.
  • Простота интеграции: Headless API готов к внедрению за 1–2 спринта без необходимости строить собственную R&D-команду в области радиофизики.

3. Потенциальные заказчики

Продукт ориентирован на три ключевых сегмента (B2B / B2B2C):

Ветвь 1: Страховщики и перестраховщики

Примеры: СберСтрахование, Ингосстрах, СОГАЗ, АльфаСтрахование, ВСК, перестраховочные компании.

Сценарий использования: ускорение урегулирования убытков по имущественному и сельскохозяйственному страхованию, борьба с фродом, параметрическое страхование, снижение убыточности портфеля.

Ветвь 2: Агрегаторы геоданных и операторы геоинформационных сервисов

Примеры: Ситроникс Спейс, Совзонд, Терра Тех, НПК БАРЛ, ScanEx.

Сценарий использования: обогащение собственных продуктов all-weather-аналитикой без инвестиций в R&D; выполнение контрактов для Рослесхоза, региональных МЧС и лесных хозяйств в условиях задымления.

Ветвь 3: ESG-платформы, карбоновые полигоны и углеродные реестры

Примеры: Ctrl2GO, ГК Цифра, HPBS, CarbonSpace, операторы карбоновых полигонов.

Сценарий использования: точный учет потери биомассы и углеродного следа в результате пожаров; независимая верификация для аудиторов; защита от гринвошинга и манипуляций с углеродными кредитами.

Дополнительные смежные заказчики:

  • Энергетические компании (Россети, ФСК ЕЭС) — мониторинг коридоров ЛЭП, предотвращение каскадных отключений.
  • Лесные хозяйства и Рослесхоз — раннее обнаружение очагов возгорания на огромных территориях.
  • Крупные землевладельцы и агрохолдинги — оценка ущерба сельхозугодьям.
  • Государственные структуры (МЧС, Росприроднадзор) — ситуационные центры и ликвидация последствий ЧС.

Ссылка

На страницу проекта

Направление

Лесное хозяйство, Наука, Строительство и инфраструктура

Рынки

TechNet

Сквозные технологии

Искусственный интеллект, Геоинформационные системы, Технологии машинного обучения и когнитивные технологии