Модель геоинформационной системы поддержки принятия решений об эпизоотической ситуации в муниципальном образовании

Неблагоприятная эпизоотическая обстановка по опасным инфекционным заболеваниям требует эпи зоотологического мониторинга, анализа рисков заноса и распространения болезни с применением современных средств прогнозирования, в частности использования геоинформационных технологий для принятия управленческих решений на уровне субъекта РФ или муниципального образования. Цель исследования - создание модели геоинформационной системы поддержки принятия решений об эпизоотической ситуации в муниципальном образовании. Проведен анализ основных направлений использования геоинформационных систем в муниципальном управлении. Рассмотрены пять основных этапов эпизоотологического анализа информации (уровни системы) в их логической последовательности. На уровне администрации местного самоуправления имеется информационное пространство, содержащее отображение эпизоотологически значимых событий, происходящих в регионе, что позволяет критериальными методами нечёткого описания информационного массива с использованием электронных карт определять тенденции и направления развития эпизоотической ситуации с оценкой её напряжённости по конкретным показателям (критериям). Предложен алгоритм принятия управленческих решений при выявлении инфекционных болезней животных, в том числе африканской чумы свиней (АЧС), на уровне муниципального образования. Представлена дорожная карта, основанная на использовании геоинформационной системы принятия решений с последующей визуализацией стратегического плана развития комплекса противоэпизоотических мероприятий при АЧС. Возможно применение полученной информации для анализа стабильности информационного пространства в пределах юрисдикции местного самоуправления. При выходе его из состояния стабильности, система поддержки принятия решений формирует запрос к государственному информационному ресурсу с целью уточнения проекта управляющих воздействий, рекомендуемых местной администрации. Предлагаемая система позволяет формировать запросы автоматически, уточняя и формируя картографическое представление текущей эпизоотической ситуации для указанной территории. 

1. Горбенко, П.Е. Современные методы пространственного анализа данных в практике эпизоотологического исследования/ П.Е. Горбенко, О.Г. Петров //Аграрный вестник Урала: Биология и биотехнология.-2018.-№05(172).-С.16-19.

2. Коренной, Ф.И. Математико-картографическое моделирование распространения особо опасных заболеваний сельскохозяйственных животных: дисс. …канд. вет. наук.- Москва, 2019.- 154 с.

3. Моделирование управления экономическими процессами (на примере малых и средних предприятий: монография /Д.Н. Верзилин, К.О. Дорошенко, Т.Г. Максимова, Я.Р. Мешкова, В.Ф. Минаков, Е.Ю. Мошурова, А.С. Николаев, О.Е. Пирогова, В.В. Трофимов, С.А. Чунин, С.И. Шаныгин / под ред. В.В. Трофимова, С.И. Шаныгина. – Москва: Мегаполис, 2022. – 225 с.

4. Петрова, О.Н. Африканская чума свиней в Российской Федерации: эпизоотическая ситуация, оценка ущерба и краткий прогноз на 2020 год / О.Н. Петрова, Ф.И. Коренной, А.К. Караулов // БИО.-2020.-№1(232).-С.29-33.

5. Belimenko, V.V. Application of geoinformational systems for veterinary = geology /V.V. Belimenko1, V.A. Rafienko, A.E. Droshnev, A.I. Laishevtsev, A.V. Kapustin // AGRITECH IOP Conf. Series: Earth and Environmental Science (2019) 032015-P.1-5. IOP Publishing doi:10.1088/1755-1315/315/3/032015

6. Belimenko, V.V. Tick-born diseases epidemiological monitoring system in the Russian Federation/V.V. Belimenko, A.M. Gulyukin //IOP Conference Series Earth and Environmental Science September 2020.548 (4):042039 DOI:10.1088/1755-1315/548/4/042039

7. Gong, J . Real-time GIS data model and sensor web service platform for environmental data management / J. Gong, J. Geng, Z. Chen // International Journal of Health Geographics.- 2015.- Vol.14.-N 2.- P. 4-13 http://www.ij-healthgeographics.com/content/14/1/