**Введение** Компьютерная океанология представляет собой междисциплинарную область науки, объединяющую методы математического моделирования, вычислительной техники и океанографических исследований для изучения физических, химических и биологических процессов в Мировом океане. Её становление и развитие тесно связаны с прогрессом в области вычислительных технологий, начиная с середины XX века, когда первые электронные вычислительные машины позволили решать сложные гидродинамические задачи, ранее недоступные для аналитического анализа. Актуальность данной темы обусловлена возрастающей ролью компьютерного моделирования в прогнозировании климатических изменений, управлении морскими ресурсами и предотвращении природных катастроф, таких как цунами и штормовые нагоны. Исторически развитие компьютерной океанологии можно разделить на несколько ключевых этапов. Первый этап (1950–1970-е годы) характеризовался применением примитивных численных методов и ограниченных вычислительных мощностей, что позволяло решать лишь упрощённые задачи, например, одномерные модели течений. Второй этап (1980–1990-е годы) ознаменовался появлением суперкомпьютеров и развитием методов конечно-разностного и конечно-элементного моделирования, что привело к созданию первых трёхмерных моделей океанической циркуляции. Третий этап (2000-е годы – настоящее время) связан с внедрением высокопроизводительных вычислений, машинного обучения и спутниковых технологий, что позволило значительно повысить точность прогнозов и детализацию моделей. Целью данного реферата является систематизация исторических этапов развития компьютерной океанологии, анализ ключевых технологических прорывов и их влияния на современные методы исследования океана. Особое внимание уделяется эволюции вычислительных алгоритмов, от первых конечно-разностных схем до современных адаптивных сеток и ансамблевого моделирования. Рассматривается также вклад ведущих научных школ и международных проектов, таких как CLIVAR и GODAE, в формирование методологической базы дисциплины. Изучение истории компьютерной океанологии имеет не только теоретическое, но и практическое значение, поскольку позволяет оценить перспективы дальнейшего развития численного моделирования в контексте глобальных экологических вызовов. Современные климатические модели, основанные на океанических компонентах, требуют постоянного совершенствования вычислительных методов, что делает анализ их эволюции особенно актуальным для прогнозирования будущих изменений морской среды.

Развитие компьютерной океанологии началось в середине XX века, когда вычислительные технологии стали применяться для обработки данных океанографических наблюдений. Первые попытки использования компьютеров в океанографии были связаны с необходимостью решения сложных математических задач, таких как моделирование течений, анализ приливных явлений и обработка больших массивов гидрологических данных. В 1950-х годах, с появлением электронных вычислительных машин, таких как ENIAC и UNIVAC, океанографы получили возможность автоматизировать расчёты, которые ранее выполнялись вручную или с помощью аналоговых устройств. Одним из ключевых направлений ранней компьютерной океанологии стало численное моделирование океанических процессов. Первые модели основывались на упрощённых уравнениях гидродинамики, которые решались методом конечных разностей. В 1960-х годах работы Нормана Филлипса и Кирка Брайана заложили основы численного моделирования циркуляции океана, что позволило прогнозировать крупномасштабные течения и их влияние на климат. Эти модели требовали значительных вычислительных ресурсов, что стимулировало развитие специализированных алгоритмов и программного обеспечения. Параллельно с моделированием развивались методы обработки экспериментальных данных. Автоматизация сбора информации с океанографических судов и буёв привела к необходимости разработки алгоритмов фильтрации, интерполяции и статистического анализа. В 1970-х годах появились первые базы данных океанографических параметров, такие как World Ocean Database, что позволило исследователям использовать машинные методы для выявления пространственно-временных закономерностей. Важным этапом стало внедрение спутниковых технологий, которые потребовали создания новых вычислительных методов для обработки дистанционных измерений. Алгоритмы декодирования радиолокационных и инфракрасных данных позволили изучать температуру поверхности океана, уровень моря и динамику вихревых структур в глобальном масштабе. Таким образом, зарождение компьютерной океанологии было обусловлено синтезом вычислительной математики, океанографической теории и развития технических средств наблюдения, что заложило основу для современных цифровых технологий в исследовании Мирового океана.

стало ключевым этапом в эволюции компьютерной океанологии, позволившим перейти от упрощённых аналитических решений к комплексному численному анализу динамики океана. Первые попытки применения вычислительных методов для изучения океанических систем относятся к середине XX века, когда ограниченные мощности ранних ЭВМ позволяли решать лишь простейшие задачи, такие как одномерные модели адвекции или диффузии. Однако уже в 1950-х годах были заложены основы численных методов, включая конечно-разностные схемы, которые впоследствии стали стандартом в океанологическом моделировании. Значительный прорыв произошёл в 1960–1970-х годах с появлением более мощных компьютеров, что позволило разрабатывать двумерные и трёхмерные модели циркуляции океана. В этот период были созданы первые примитивные модели общей циркуляции океана (ОЦО), основанные на уравнениях Навье-Стокса и учитывающие влияние ветрового воздействия, термохалинных процессов и рельефа дна. Важным достижением стало внедрение метода расщепления по физическим процессам, предложенного советскими учёными, что значительно повысило эффективность вычислений. В 1980-х годах развитие суперкомпьютеров и параллельных вычислений открыло новые возможности для повышения пространственного и временного разрешения моделей. Появились первые попытки интеграции океанических и атмосферных моделей, что стало основой для климатических исследований. В этот же период началось активное использование спутниковых данных для верификации моделей, что повысило их точность. Были разработаны такие известные системы, как Modular Ocean Model (MOM) и Parallel Ocean Program Model (POP), которые до сих пор применяются в научных исследованиях. Современный этап развития компьютерного моделирования океанических процессов характеризуется переходом к высокоразрешающим моделям, учитывающим мезомасштабные явления, такие как вихри и фронты. Широкое распространение получили методы ассимиляции данных, позволяющие корректировать модели в реальном времени на основе наблюдений. Кроме того, активно развиваются гибридные подходы, сочетающие детерминированные модели с машинным обучением для прогнозирования нелинейных процессов. Внедрение технологий искусственного интеллекта открывает новые перспективы для анализа больших объёмов океанографических данных и оптимизации вычислительных алгоритмов. Таким образом, эволюция компьютерного моделирования океанических процессов демонстрирует переход от простых схем к сложным многокомпонентным системам, интегрирующим наблюдения и теоретические расчёты. Дальнейшее развитие этой области связано с увеличением вычислительных мощностей, совершенствованием численных методов и углублённым изучением взаимодействия океана с другими компонентами климатической системы.

Современный этап развития компьютерной океанологии характеризуется активным внедрением технологий больших данных и искусственного интеллекта (ИИ), что существенно расширяет возможности анализа и прогнозирования океанических процессов. Одним из ключевых направлений является обработка массивов информации, поступающей с различных источников: спутниковых систем дистанционного зондирования, автономных подводных аппаратов, буйковых станций и судовых измерений. Объем данных, генерируемых в рамках глобальных океанографических проектов, таких как Argo или GOOS, требует применения методов машинного обучения для выявления скрытых закономерностей и оптимизации хранения информации. Искусственный интеллект, в частности глубокое обучение, применяется для решения задач классификации океанических структур, включая вихревые образования, фронтальные зоны и апвеллинги. Сверточные нейронные сети (CNN) демонстрируют высокую эффективность при анализе спутниковых снимков, позволяя автоматизировать процесс идентификации динамических процессов на поверхности океана. Рекуррентные нейронные сети (RNN) используются для моделирования временных рядов, связанных с изменением температуры, солености и уровня моря, что критически важно для прогнозирования климатических изменений. Технологии больших данных обеспечивают интеграцию разнородных океанографических данных, включая гидроакустические измерения, химические анализы проб воды и биологические наблюдения. Платформы распределенных вычислений, такие как Apache Hadoop и Spark, позволяют обрабатывать петабайтные массивы информации в режиме близком к реальному времени. Это способствует развитию систем оперативного мониторинга, например, для предупреждения о цунами или оценки последствий антропогенного загрязнения. Важным аспектом является применение методов ИИ для калибровки и верификации численных моделей океана. Алгоритмы оптимизации, включая генетические алгоритмы и методы роя частиц, используются для настройки параметров моделей, что повышает точность прогнозов. Кроме того, гибридные подходы, сочетающие физические уравнения и машинное обучение, позволяют сократить вычислительные затраты при сохранении высокой детализации. Перспективным направлением является разработка автономных интеллектуальных систем для подводных исследований. Роботизированные комплексы, оснащенные алгоритмами компьютерного зрения и принятия решений, способны адаптироваться к изменяющимся условиям среды, что открывает новые возможности для изучения труднодоступных районов океана. Таким образом, интеграция больших данных и ИИ в компьютерную океанологию не только ускоряет научные исследования, но и способствует решению прикладных задач, связанных с устойчивым использованием морских ресурсов и минимизацией экологических рисков.

Цифровизация океанологических исследований открывает новые горизонты для изучения Мирового океана, однако сопровождается рядом технологических, методологических и этических вызовов. Современные технологии, такие как искусственный интеллект (ИИ), большие данные (Big Data) и интернет вещей (IoT), позволяют обрабатывать колоссальные массивы информации в режиме реального времени, что существенно повышает точность прогнозирования климатических изменений, мониторинга биоразнообразия и анализа динамики океанических течений. Внедрение автономных подводных аппаратов (АПА) и дронов с машинным зрением способствует детальному картографированию морского дна, ранее недоступного для прямого наблюдения. Однако масштабная цифровизация требует решения проблем, связанных с обеспечением кибербезопасности, стандартизацией данных и их интероперабельностью между международными исследовательскими центрами. Одним из ключевых перспективных направлений является развитие распределённых сенсорных сетей, объединяющих датчики на буях, подводных обсерваториях и спутниках. Такие системы, как Argo или GOOS, уже демонстрируют эффективность в глобальном мониторинге, но их дальнейшее совершенствование требует преодоления ограничений по энергопотреблению и устойчивости к экстремальным условиям. Кроме того, обработка получаемых данных сталкивается с проблемой «информационного шума» — значительная часть собранных показателей остаётся невостребованной из-за отсутствия унифицированных алгоритмов анализа. Внедрение методов глубокого обучения и нейросетевых моделей частично решает эту задачу, но порождает новые вопросы, связанные с интерпретируемостью результатов и рисками переобучения алгоритмов. Этические аспекты цифровизации также требуют внимания научного сообщества. Использование ИИ для управления морскими ресурсами или прогнозирования катастроф поднимает вопросы ответственности за автоматизированные решения. Кроме того, неравномерное распределение технологических возможностей между развитыми и развивающимися странами может усугубить дисбаланс в доступе к океанологическим данным. Международное сотрудничество в рамках таких инициатив, как Ocean Decade (2021–2030), играет ключевую роль в преодолении этих барьеров, однако требует согласования правовых норм и инвестиций в инфраструктуру. Таким образом, цифровая трансформация океанологии создаёт основу для прорывных открытий, но её успешная реализация зависит от комплексного подхода, включающего технологические инновации, методологическую унификацию и формирование этических рамок. Будущие исследования должны быть направлены на разработку устойчивых решений, способных интегрировать достижения цифровой эпохи с фундаментальными принципами морских наук.

**Заключение** Проведённый анализ истории развития компьютерной океанологии позволяет сделать вывод о том, что данная научная дисциплина прошла сложный и многоэтапный путь становления, тесно связанный с прогрессом вычислительной техники и методов математического моделирования. Начавшись с примитивных расчётов океанографических параметров в середине XX века, компьютерная океанология трансформировалась в высокотехнологичную область знаний, интегрирующую достижения гидродинамики, спутникового мониторинга, искусственного интеллекта и Big Data. Ключевыми вехами в её развитии стали: внедрение численных методов решения уравнений Навье—Стокса, создание глобальных океанических моделей (таких как MITgcm и HYCOM), а также применение машинного обучения для анализа климатических изменений и прогнозирования экстремальных явлений. Современные технологии, включая суперкомпьютерные системы и распределённые вычисления, позволили значительно повысить точность прогнозов и детализацию исследований, что особенно актуально в условиях антропогенного воздействия на морские экосистемы. Однако остаются и нерешённые проблемы, такие как недостаточная разрешающая способность моделей для локальных процессов, необходимость совершенствования алгоритмов ассимиляции данных и этические вопросы, связанные с использованием автономных подводных роботов. Перспективы дальнейшего развития компьютерной океанологии видятся в углублённой интеграции междисциплинарных подходов, включая квантовые вычисления и бионические методы анализа, что откроет новые возможности для изучения Мирового океана — критически важного компонента климатической системы Земли. Таким образом, компьютерная океанология продолжает оставаться динамично развивающейся областью науки, чьи достижения имеют фундаментальное значение не только для океанографии, но и для решения глобальных экологических и экономических задач. Дальнейшие исследования должны быть направлены на преодоление существующих ограничений и максимальное использование потенциала цифровых технологий в интересах устойчивого развития человечества.