29 April 2026

Использование стандартов данных в экологическом мониторинге: выводы на основе опыта Центральной Азии

by Eddie Crampton

Also available in English

Изменение климата и смягчение его последствий

Река Амударья берёт своё начало в горах Таджикистана и является самой длинной рекой Центральной Азии. К северу от неё Сырдарья течёт на запад из Кыргызстана к Аральскому морю. Вместе эти две реки обеспечивают до 90% речного стока региона.

Эти реки питаются за счёт сезонного таяния горных ледников. Однако сезонные циклы нарушаются глобальным потеплением, из-за того, что таяние начинается раньше обычного. Традиционно таяние ледников начинается в мае и продолжается в течение всего лета, обеспечивая устойчивое поступление пресной воды даже в засушливый сезон. Вода из ледников постепенно питает реки летом, когда количество осадков невелико, но если таяние начинается слишком рано в году, уровень воды в реках достигает пика уже весной. Это увеличивает риск наводнений из ледниковых озёр и оставляет меньше льда для таяния, необходимого в более жаркий и засушливый летний период, когда спрос на воду высок. Ниже по течению современные и построенные в советский период каналы обеспечивают население Узбекистана, Туркменистана и Казахстана. С приближением лета и повышением температуры миллионам людей по всему региону потребуется надежное водоснабжение из гор Таджикистана и Кыргызстана для питья, санитарии и сельского хозяйства.

Усилия по смягчению последствий изменения климата для этих рек затрудняются из-за нехватки данных. Ведомства по мониторингу в этих странах нуждаются в информации о состоянии рек в верховьях, чтобы отслеживать таяние ледников и выявлять перебои в водоснабжении в режиме реального времени. Эта информация имеет значение для координации решений по распределению водных ресурсов, гидроэнергетике и мерам реагирования на наводнения. Этим ведомствам необходимы данные о ледниках и состоянии рек. Однако программы мониторинга в регионе не скоординированы, поэтому наблюдения исследователей в горах не могут быть быстро интерпретированы и использованы теми, кто находится ниже по течению.

Основная проблема заключается в отсутствии совместимости между источниками данных: исследователи по-разному измеряют «состояние рек» и отслеживают таяние ледников; по-разному хранят данные; и распространяют результаты в форматах, которые их коллегам трудно интегрировать в собственную работу.

Государства Центральной Азии уже ведут значительную работу по согласованию политики и мобилизации финансирования для совместных действий в области экологического мониторинга. Для успешной реализации этого проекта часть таких совместных усилий должна касаться создания единых стандартов данных.

Проблема фрагментации данных

В Центральной Азии одной из проблем при координации в области климата является фрагментация данных.

Фрагментация данных возникает, когда разные участники по отдельности собирают и хранят данные по одному объекту, но при этом следуют разным протоколам и измеряют его по-разному. Например, представим, что вам поручила местная библиотека изучить, сколько книг берут читатели. Каждую неделю вы вносили в таблицу данные: сколько книг было взято, их жанры и количество страниц в каждой книге. Спустя десять лет вы решаете сравнить свою библиотеку с другой. К счастью, вы узнаете, что я проводил аналогичное исследование в своём районе. Я собирал те же данные, но хранил их в рукописных тетрадях. Ещё одна исследовательница занималась тем же самым в своей местной библиотеке. Как и вы, она использовала таблицу, но записывала вес книг, количество слов в них и срок, на который они были взяты. У нас есть три полезных набора данных, однако было бы сложно обмениваться результатами: отчасти потому, что данные нелегко доступны, а отчасти потому, что мы собирали и хранили их по-разному.

В Центральной Азии фрагментация данных приводит к тому, что организациям сложно отслеживать состояние рек за пределами их непосредственного поля наблюдения. Как и в примере, страны занимаются отличными программами мониторинга, однако сбор и хранение данных не соответствуют региональным стандартам. Именно это мы имеем в виду, когда говорим о несовместимости данных: если вы измеряете «состояние рек», мне необходимо понимать, что вы измеряете те же показатели, что и я, и что ваши данные доступны. Обмен нашими наблюдениями за состоянием рек ограничен, когда у вас — таблицы с данными об уровнях воды, а у меня — тетради с информацией о качестве воды.

Фрагментация данных изолирует мониторинговые ведомства и затрудняет отслеживание ледников, таяния снега и состояния пресных водных ресурсов, поскольку каждое ведомство не имеет полного представления о состоянии рек в других районах. Поскольку они не могут использовать данные, предоставляемые другими агентствами, их понимание экологических рисков в режиме реального времени ограничено теми данными, которые они собирают самостоятельно.

В советский период трансграничная зависимость от Амударьи и Сырдарьи регулировалась централизованной системой управления водными ресурсами, при которой совместно отслеживались как водоснабжение в верховьях, так и спрос в низовьях. После распада Советского Союза единая система была распределена между национальными ведомствами, что ознаменовало конец общих практик и совместного использования данных.

Зависимость от этих рек не уменьшилась, однако инфраструктура, которая обеспечивала совместный подход к мониторингу, больше не существует. Сегодня в долгосрочных данных есть пробелы, а часто сложно ведомствам использовать результаты мониторинговых программ других ведомств.

Чтобы решить эту проблему такие организации, как Green Central Asia, моделируют будущую доступность водных ресурсов в бассейнах, таких как Амударья. Эти модели являются ценным ресурсом при предсказании долгосрочных состояний рек, однако они не позволяют понять реальные риски.

Специалисты используют модели чтобы оценить, что может произойти в Узбекистане если количество осадков увеличится на 15%, но проблема в том, что модели не позволяют пользователям увидеть что происходит в верховьях в данный момент. Вместо этого исследователи используют модели для понимания того, как изменения и состояния в горах Таджикистана и Кыргызстана могут повлиять на сельское хозяйство и гидроэнергетику ниже по течению. Правительства всё чаще полагаются на моделирование из-за того, что текущий мониторинг не обеспечивает достаточного охвата состояний в реальном времени.

Возможности для решения

Итак, какое отношение к этому имеют стандарты данных?

Стандарты данных облегчают нам жизнь во многих отношениях, хотя мы редко осознаем, насколько они нам помогают. По сути, стандарт данных — это соглашение между людьми, заинтересованными в совместной работе, о том, как следует хранить и представлять тот или иной тип данных. Именно благодаря стандартам ваш банк понимает цифры в вашей платёжной ведомости. Ваш банк и работодатель договорились читать финансовые данные в одном формате.

Стандарты данных необходимы, поскольку они позволяют нам работать вместе в сетях. Без них участникам этих сетей очень трудно понять друг друга. Чем больше людей, организаций или правительств участвуют в иной сети, тем более важную роль играют стандарты данных для обеспечения совместной работы.

В Центральной Азии энергетика, сельское хозяйство и население в пяти странах зависят от координации в региональном мониторинге, и внедрение региональных стандартов данных позволит сблизить эти стороны.

Стандарты помогут обеспечить совместимость при мониторинге состояния рек за счет согласования исследовательских методов и повышения эффективности обмена данными. При наличии таких стандартов наблюдения за таянием снега в Таджикистане могли бы использоваться в Самарканде и Ашхабаде. Стандарты позволили бы любому, кто занимается мониторингом состояния рек, видеть одну и ту же картину, оценивать, что происходит в верховьях и одинаково понимать риски — независимо от того, где они находятся. 

Как уже упоминалось, стандарты также позволят улучшить качество моделей. Если разработчики моделей и исследователи смогут прийти к соглашению и подтвердить, что исходные данные достоверно отражают реальную ситуацию в верховьях рек, правительства смогут более точно использовать эти модели для планирования наиболее вероятных сценариев. Наличие лучших моделей также открывает возможности для внедрения искусственного интеллекта в анализ и планирование.

Страны Центральной Азии находятся на пороге новой эпохи сотрудничества, доверия и открытости, в которой совместная работа в области экологического мониторинга может сыграть ключевую роль. Этот опыт не является уникальным: около двух миллиардов человек зависят от ледников как источника воды, а речные системы пересекают государственные границы в Южной Америке, Восточной Африке, и Южной Азии. Эта тема сложна, а Центральная Азия имеет потенциал, чтобы стать лидером в использовании данных для совместного экологического мониторинга.

 

Grid photo by Sergio Franklin on Unsplash

Insights

More insights

21 April 2017

Why Government is ready for AI

12 July 2017

Five levels of AI in public service

26 July 2017

Making it personal: civil service and morality

10 August 2017

AI: Is a robot assistant going to steal your job?

19 September 2017

AI and legitimacy: government in the age of the machine

06 October 2017

More Than The Trees Are Worth? Intangibles, Decision-Making, and the Meares Island Logging Conflict

16 October 2017

The UK Government’s AI review: what’s missing?

23 October 2017

Why unconference? #Reimagine2017

03 November 2017

AI: the ultimate intern

09 November 2017

Motherboard knows best?

23 November 2017

Beyond driverless cars: our take on the UK’s Autumn Budget 2017

05 December 2017

Why Black people don’t start businesses (and how more inclusive innovation could make a difference)

06 December 2017

“The things that make me interesting cannot be digitised”: leadership lessons from the Drucker Forum

23 January 2018

Want to get serious about artificial intelligence? You’ll need an AI strategy

15 February 2018

Economic disruption and runaway AI: what can governments do?

26 April 2018

Ranking governments on AI – it’s time to act

08 May 2018

AI in the UK: are we ‘ready, willing and able’?

24 May 2018

Mexico leads Latin America as one of the first ten countries in the world to launch an artificial intelligence strategy

05 July 2018

Beyond borders: talking at TEDxLondon

13 July 2018

Is the UK ready, willing and able for AI? The Government responds to the Lords’ report

17 July 2018

Suspending or shaping the AI policy frontier: has Germany become part of the AI strategy fallacy?

27 July 2018

From open data to artificial intelligence: the next frontier in anti-corruption

01 August 2018

Why every city needs to take action on AI

09 August 2018

When good intentions go bad: the role of technology in terrorist content online

26 September 2018

Actions speak louder than words: the role of technology in combating terrorist content online

08 February 2019

More than STEM: how teaching human specialties will help prepare kids for AI

02 May 2019

Should we be scared of artificial intelligence?

04 June 2019

Ethics and AI: a crash course

25 July 2019

Dear Boris

01 August 2019

AI: more than human?

06 August 2019

Towards Synthetic Reality: When DeepFakes meet AR/VR

19 September 2019

Predictive Analytics, Public Services and Poverty

10 January 2020

To tackle regional inequality, AI strategies need to go local

20 April 2020

Workshops in an age of COVID and lockdown

10 September 2020

Will automation accelerate what coronavirus started?

10 September 2020

Promoting gender equality and social inclusion through public procurement

21 September 2020

The Social Dilemma: A failed attempt to land a punch on Big Tech

20 October 2020

Data and Power: AI and Development in the Global South

23 December 2020

The ‘Creepiness Test’: When should we worry that AI is making decisions for us?

13 June 2022

Data promises to support climate action. Is it a double-edged sword?

30 September 2022

Towards a human-centred vision for public services: Human-Centred Public Services Index

06 October 2022

Why You Should Know and Care About Algorithmic Transparency

26 October 2022

Harnessing data for the public good: What can governments do?

09 December 2022

Behind the scenes of the Government AI Readiness Index

06 February 2023

Reflections on the Intel® AI for Youth Program

01 May 2023

Canada’s AI Policy: Leading the way in ethics, innovation, and talent

15 May 2023

Day in the life series: Giulia, Consultant

15 May 2023

Day in the life series: Emma, Consultant

17 May 2023

Day in the life series: Kirsty, Head of Programmes

18 May 2023

Day in the life series: Sully, Partnerships Associate/Consultant

19 May 2023

LLMs in Government: Brainstorming Applications

23 May 2023

Bahrain: Becoming a regional R&D Hub

30 May 2023

Driving AI adoption in the public sector: Uruguay’s efforts on capacity-building, trust, and AI ethics

07 June 2023

Jordan’s AI policy journey: Bridging vision and implementation

12 June 2023

Response to the UK’s Global Summit on AI Safety

20 June 2023

 Unlocking the economic potential of AI: Tajikistan’s plans to become more AI-ready

11 July 2023

Government transparency and anti-corruption standards: Reflections from the EITI Global Conference in Dakar, Senegal

31 August 2023

What is quantum technology and why should policymakers care about it?

21 September 2023

Practical tools for designers in government looking to avoid ethical AI nightmares

23 October 2023

Collective Intelligence: exploring ‘wicked problems’ in National Security

23 October 2023

Exploring the concepts of digital twin, digital shadow, and digital model

30 October 2023

How to hire privileged white men

09 November 2023

Inclusive consensus building: Reflections from day 4 of AI Fringe

13 November 2023

AI for Climate Change: Can AI help us improve our home’s energy efficiency?

14 November 2023

Navigating the AI summit boom: Initial reflections

20 November 2023

AI for Climate Change: Improving home energy efficiency by retrofitting

24 November 2023

Will AI kill us all?

27 November 2023

AI for Climate Change: Preventing and predicting wildfires 

28 November 2023

Service Design in Government 2023: conference reflections

04 December 2023

AI for Climate Change: Using artificial and indigenous Intelligence to fight climate change

06 December 2023

Release: 2023 Government AI Readiness Index reveals which governments are most prepared to use AI

11 December 2023

AI for Climate Change: AI for flood adaptation plans and disaster relief

18 December 2023

AI for Climate Change: Managing floods using AI Early Warning Systems

28 May 2024

Strengthening AI Governance in Chile: GobLab UAI and the Importance of Collaboration

05 June 2024

Towards a Digital Society: Trinidad and Tobago’s AI Ambitions

17 June 2024

General election 2024 manifestos: the AI, data and digital TLDR

26 June 2024

Building Egypt’s AI Future: Capacity-Building, Compute Infrastructure, and Domestic LLMs

16 July 2024

Beyond the hype: thoughts on digital, data, and AI and the first 100 days

30 July 2024

AI for a brave new world

07 August 2024

Beyond Central Government: How ANIA is shaping Mexico’s AI Landscape

30 October 2024

How AI could support the government’s anti-corruption agenda

06 December 2024

Harnessing AI for development: Uzbekistan’s progress towards becoming a regional IT hub

15 January 2025

Tracking Progress on the UK’s AI Opportunities Action Plan: Implementation is what counts for growth

25 February 2025

The state and vision of the UK digital government

12 March 2025

Beyond Open Data: The Critical Role of Government in Data Sharing

01 April 2025

From policy to practice: how ALIA strengthens Spain’s public AI infrastructure

03 April 2025

Systemic AI risk is slipping off the international agenda. Should we care?

23 April 2025

The Overlooked Importance of Data Reuse in AI Infrastructure

30 April 2025

Why I am excited about the Performance Review of Digital Spend

19 May 2025

How Datanomix.pro is using AI to fight fraud and misconduct in Kazakhstan

22 May 2025

Education at the centre stage: Georgia’s bottom-up approach to building national AI capacity

12 June 2025

‘Cutting back office costs’ – AI in the Spending Review

10 July 2025

La transformation digitale au Maroc : le rôle stratégique de la méthode agile

10 July 2025

Digital transformation in Morocco: the strategic role of the agile method

29 January 2026

Beyond the Hype: The Reality of Being a Consultant at Oxford Insights

04 February 2026

Joining Oxford Insights: People at the Heart of Global Transformation

17 February 2026

Bringing solutions from AI startups to the government – The case of the ASAN AI Hub in Azerbaijan

02 March 2026

AI in France: betting on AI adoption and sovereignty rather than racing for the most powerful models

02 March 2026

IA en France: miser sur la souveraineté et les services plutôt que sur la course à la puissance des modèles

11 March 2026

Innovation under tough circumstances: Ukraine’s AI strategy in times of war

29 April 2026

Using data standards to build resilience in a warming world: lessons from environmental monitoring in Central Asia

01 May 2026

Is this useful? Effective Service Delivery in the UK

08 May 2026

Turning concepts into reality: how business analysts make it possible

13 May 2026

Value-based NHS procurement: why peer networks matter more than expert ratings

15 May 2026

Stewarding the “OI Way”: why we’re hiring a Director of Delivery

20 May 2026

Sovereign AI is the wrong framing

03 June 2026

From vision to reality: five lessons from advising governments on AI

12 June 2026

El Papa, el Presidente y el G7: qué significa la disputa por el poder en la gobernanza de la IA para los países intermedios

12 June 2026

The Pope, the President, and the G7: what the AI governance power contest means for middle states

30 June 2026

Why diverse thinking makes for better public-sector delivery, and what that means for how we hire

08 July 2026

Embracing scepticism, earning trust: lessons from Sport England’s Data & AI Lab

15 July 2026

There is no side to take on frontier AI

27 July 2026

Europe’s AI Advantage is Not Compute

04 August 2026

Why we are inviting governments to submit evidence to the Government AI Readiness Index