Концепция вероятностно-географического прогнозирования опасных явлений погоды юга России

В качестве дополнительной характеристики климата равнин юга России было проведено районирование по повторяемости опасных явлений погоды (рис.4).

Рис. 4. Районирование равнин юга Европейской части России по среднемноголетней повторяемости опасных явлений погоды

Изначально по частотам опасных явлений погоды юга России определялось среднегодовое количество данных явлений, разделенных на генетические группы: сильные ветры, метели (общие и низовые), конвективные (сильные дожди и ливни, шквалы, град), гололедно-изморозевые явления. Таким способом были выделены три области: I - с пониженным числом ОЯ; II - со средним; III - с повышенным, соответственно. Затем в пределах каждой области определялся процентный вклад групп ОЯ, по величине которого изучаемая территория разделена на десять районов (названия районов выбраны по названиям метеостанций).

Анализ пространственного распределения общего числа случаев ОЯ, согласно построенной по методу интерполяционной схемы, позволил выявить следующие закономерности:

-на востоке исследуемой территории наблюдается тенденция к повышению числа явлений;

-в центре возникают взаимодействия различных по физическим свойствам воздушных потоков, проникновению которых способствуют особенности рельефа, что также обусловливает значительные частоты ОЯ.

Отсюда, весьма значимой для генезиса ОЯ на юге России является макроциркуляция воздушных масс, эволюция барических систем и атмосферных фронтов. Однако, необходимо отметить благоприятствующее значение рельефа территории, создающего характерные условия проникновения воздушных масс (Кумо-Манычский коридор).

Теория случайных процессов и возможности ее применения для исследования хронологических рядов опасных явлений погоды составляют основу пятой главы. При этом исследуется неслучайность колебаний в рядах с использованием определенных критериев. Изучены также автокорреляционные функции частот ОЯ и произведен анализ квазипериодических их рядов. Проверка гипотезы марковости цепи, представляющей собой хронологические данные ОЯ за 55 лет, показала достаточную близость теоретических или критических значений к рассчитанным, то есть была подтверждена. Статистика t3 (то есть, наличие подобия марковости ряда) была проверена при помощи критерия сходимости - коэффициента Пирсона (критерий ч2). Так, при уровне значимости 0.05 и, исходя из того, что (m-1)2 = 1 при m = 2 (два состояния, неустойчивое (i), при котором имеются ОЯ, и устойчивое (j), при котором ОЯ отсутствуют), т.е. степень свободы равна 1, вероятность сходимости значений t3 по ч2 изменяется от 0.08 до 0.43. Выявление подобия марковости рядов ОЯ позволяет сделать вывод о возможности прогнозирования будущих значений их вероятностей. Однако, большое значение в данном случае имеет не только продолжительность выборки, но и ее состав, и однородное распределение неустойчивого (i) и устойчивого (j) состояний нижней части атмосферы.

Рассмотрение графиков автокорреляционных функций позволило утверждать, что ярко выраженной экспоненциальности не наблюдается, однако на отдельных участках ее можно обнаружить. При длине реализации 56 лет (1950 - 2005 гг.) временной промежуток ф (аргумент автокорреляционной функции), на котором удалось зафиксировать квазиэкспоненциальность, составляет 15 лет. То есть, возможно осуществлять долговременный прогноз ОЯ по последним значениям частот на каждые 15 лет, при этом во внимание принимают годовые значения повторяемостей. Очевидно, что этот прогноз a priori будет иметь значительную погрешность и может быть использован как вспомогательный. При наличии ежедневных данных, длина реализации l = 365 дней (случайным образом был выбран один год за исследуемое 55-летие), временной промежуток с подобием цепи Маркова удалось выявить при ф = 7 дней. Исходя из этого, краткосрочное прогнозирование опасных явлений погоды можно осуществлять на срок не менее 7 дней. Что, очевидно, является подтверждением определяющей роли циркуляции атмосферы в генезисе опасных явлений погоды. Проверка гипотезы о неслучайности колебаний внутри рядов ОЯ показала, что по первому и второму критериям случайности (Аббе) все рассмотренные опасные явления не относятся к случайным, значит, некоторая взаимосвязь между последовательностью частот изучаемых явлений существует. Определенную зависимость в случае повторов серий положительных отклонений от среднего удалось обнаружить для большинства опасных явлений: града, шквалов, гололеда, изморози и сильных ветров. На основании представленных результатов можно констатировать, что данные ОЯ могут иметь связность между элементами по типу “красного шума” (простая цепь Маркова).

Представление об атмосфере как о сложной динамической системе с присущим ей эволюционированием позволяет применять для исследований рисков опасных явлений погоды, в ней возникающих, системный подход. Можно относить опасные явления погоды, развивающиеся в нижнем слое атмосферы, как своего рода проявление ее системных свойств, то есть тех ее особенностей, которыми обладает только сама система - атмосфера. Так, например, данной сложной системе свойственны неустойчивое и устойчивое состояния, которые определяются набором количественных параметров. Переход атмосферы в неустойчивое состояние характеризуется появлением опасных явлений погоды. Существует множество подходов к определению понятия «риск». В данном исследовании будем считать, что метеорологический риск - это определяемая неопределенность, связанная с появлением тех или иных опасных явлений погоды. Для ее устранения в работе применяется метод байесовского снятия неопределенностей. Кроме того, опасные явления погоды, в связи со значительной быстротой развития и интенсивностью, а также со сложностью установления линейных связей с их причинами, можно отнести к нелинейным объектам, что и обусловливает трудности в их прогнозировании. Поэтому для анализа их рисков более подходят методы нелинейной динамики. Атмосфера, вероятно, относится к сложным системам с эффектом запаздывания. В частности, между возмущенностью магнитного поля и моментом появления опасных явлений погоды в данном исследовании определен временной промежуток, равный 20 суткам.

В шестой главе на втором этапе реализации идеи работы описан вероятностно-географический прогноз ОЯ, осуществляемый на основе методов нейрокомпьютерного моделирования и, в частности, создания искусственных нейросетей. Для реализации метода прогнозирования вначале была создана база данных на основе метеорологических ежемесячников и ежегодников Росгидромета. Выборка ОЯ производилась с учетом критериев, принятых в Северо - Кавказском УГМС, а также исходя из утвержденного Руководящего Документа (РД №52.04.563 - 2002). При этом временной интервал охватывал 50 лет (данные с 1950 по 2000 гг.). Были отобраны репрезентативные метеорологические станции, расположенные на равнинных территориях Ростовской, Волгоградской, Астраханской областей, Краснодарского и Ставропольского краев, а также Калмыкии, с репрезентативными рядами наблюдений. Первоначально база данных содержала таблицы ОЯ с датами их возникновения, продолжительностью (начало - окончание), интенсивностью, а также с указанием географического района (станция, пост, пункт наблюдения). Кроме того, имелась информация о сопутствующих им явлениях, о синоптической обстановке в момент их возникновения. В дальнейшем, на основе обработки первичной информации была сформирована вторичная база данных, представляющая собой хронологические числовые ряды ОЯ.

Для определения условий, наиболее вероятных для возникновения исследуемых явлений, применялся подход Байеса с последующей оценкой результатов его применения при помощи следствия метода минимакса. Причем, процедура реализации задачи - принятия решения о нахождении атмосферы в неустойчивом состоянии с опасными явлениями погоды - состоит в том, что объект с комплексными признаками относят к указанному состоянию, если апостериорная вероятность этого состояния максимальна. Указанный метод был применен впервые для исследования конвективных, бароградиентных и гололедно-изморозевых явлений на равнинах юга России. Преимуществом его является то, что он позволяет с достаточно высокой степенью достоверности оценить условную вероятность опасных явлений погоды при определенных метеорологических и геофизических условиях. В результате расчетов удалось выявить комплекс геофизических и метеорологических условий, наиболее вероятно приводящих к риску возникновения ОЯ. Это следующий набор:

-небольшая активность магнитосферы;

-повышенные скорости геострофического ветра на высоте 10 км;

-высокая интенсивность атмосферной циркуляции, а, именно, повышенная интенсивность антициклональной циркуляции.

Кроме того, были установлены следующие тенденции взаимосвязи между активностью магнитного поля Земли и ОЯ:

- между моментами сильных магнитных бурь и опасных явлений погоды существует обратная зависимость;

- средне - или слабовозмущенное магнитное поле при повышенной интенсивности антициклональной циркуляции в наибольшей мере способствует возникновению искомых событий;

- выявлен так называемый временной фактор или момент запаздывания пиков активности магнитосферы и ОЯ - исследуемые явления наблюдались спустя 20 дней после наступления магнитной бури.

Метод минимакса - минимизации ошибок при диагностике неустойчивости атмосферы - позволил определить сочетания диагностических параметров, при которых эта ошибка минимальна. Так, например, для отдельных дат интенсивность антициклональной циркуляции не менее 0.3 (гПа/100 км) при меридиональной -21.0 (м/с) составляющей скорости геострофического ветра (отрицательный знак составляющей вектора свидетельствует о направлении воздушного потока - северно - южный перенос) в большинстве случаев приводили к ОЯ. С другой стороны, магнитная активность Земли не более 2 - 3 баллов, зональная -13.0 (м/с) (восточно - западный перенос) составляющая скорости геострофического ветра также способствуют возникновению ОЯ.

Анализ и обобщение полученных результатов апробации метода минимакса позволили установить, что ошибки при диагностике неустойчивого состояния атмосферы минимальны при следующем сочетании диагностируемых параметров:

-антициклональная циркуляция при небольшой интенсивности;

-слабовозмущенное магнитное поле Земли;

-средние скорости геострофического ветра на высоте 10 км при преобладании отрицательных знаков векторов как меридионального, так и зонального переносов.

Основной частью второго этапа реализации цели исследований является использование нейромоделирования для осуществления собственно вероятностно-географического прогноза опасных явлений погоды. В разные годы были осуществлены попытки вероятностного прогнозирования различных природных объектов, включая гидрометеорологические явления. В данном случае, в сооветствии с описываемой концепцией, прогнозирование ОЯ будем производить после выделения макросиноптических типов, расчета индексов переноса, а также интенсивности антициклональной и циклонической циркуляции. Так, в частности, для прогнозирования ОЯ применялись построенные нейросети - сети Кохонена, отличающиеся способностью к самообучению, интуитивному анализу информации, возможностью модификации и подбору входящих численных параметров. Сети Кохонена представляют собой многомерную решетку, с каждым узлом которой ассоциирован весовой вектор (набор из k весов нейрона) в разрезе, фрагмент которой представлен на рис.5.

Размещено на http://www.allbest.ru/

Рис.5. Общий вид сети Кохонена при осуществлении вероятностно-географического прогноза ОЯ

Для осуществления вероятностно - географического прогнозирования опасных явлений погоды была создана отдельная база данных в виде нормального (без ОЯ) числового поля, ограниченного квадратом со сторонами 55 - 440 с.ш., 40 - 600 в.д. В ее состав входили ежедневные геофизические и метеорологические данные, включающие следующие параметры: мощность магнитной бури (в баллах); интенсивность циркуляции (в гПа/100 км2); температура воздуха (в градусах Кельвина); облачность (%); количество осадков (слой воды, мм); векторные составляющие скорости геострофического ветра (м/с); атмосферное приземное давление (гПа) (архивы Северо - Кавказского УГМС, ИЗМИРАН, NCЕP/NCAR с 1948 по 2000 гг.). Также на основе данных об ОЯ была получена вторая база метеорологической ситуации для дат опасных явлений погоды. При этом, под вероятностями прогнозируемых ОЯ, исходя из данных условий, понималось отношение концентрации нейронов в окрестности исследуемой точки к максимальной концентрации нейронов в пространстве задачи. В данном случае работа нейрона (элементарного компонента сети) складывалась из анализа заданных 9 параметров. Работа и настройка сети, в свою очередь, заключалась в том, что начальные значения координат нейронов выбирались случайно. Затем производилось нормирование вектора координат нейронов. Определялся нейрон-победитель. Для каждого опасного явления производилась коррекция векторов координат всех нейронов.

Коррекция вектора координат производилась с помощью кусочно-аналитической функции. Обучение сети осуществлялось в два этапа. Во время первого этапа окрестность нейрона-победителя была достаточно велика, а функция коррекции для нейронов, не попавших в окрестность победителя, не равна нулю. Во время второго этапа окрестность нейрона-победителя стремилась к нулю, функция коррекции для нейронов, не попавших в окрестность победителя, равна нулю. После обучения нейросети, максимальная концентрация нейронов в пространстве принималась за единицу. В результате работы созданной нейросети были получены вероятности возникновения таких исследуемых в работе ОЯ, как сильные ветры, сильные дожди и гололед; диапазон их значений изменялся от 0 до 0.96. При этом нужно подчеркнуть, что реализация метода осуществлялась для каждого ОЯ в отдельности. Пример результата работы нейромодели для расчетов вероятностей возникновения сильных дождей для точки с координатами 450 с.ш. и 450 в.д. представлен в таблице 1.

Таблица 1. Фрагмент выходных данных нейромодели для расчета рисков сильных дождей, полученных в ходе учебного испытания для точки 450 с.ш. и 450 в.д. в рамках квадрата 40 - 600 в.д. и 55 - 440 с.ш.

Учебные испытания нейромодели производились на примере 2002 года для точки с координатами 450 с.ш. и 450 в.д. в рамках рассматриваемого квадрата со сторонами 40 - 600 в.д. и 55 - 440 с.ш. На первой ступени прогноза был произведен учет развития в прогнозный период форм циркуляции W + С, при которых по среднемноголетним данным возникали шквалы, сильные дожди и сильные ветры, гололед и изморозь. Параметры модели - описанные выше 9 входов, число нейронов 500. Результаты - ежедневные значения вероятности ОЯ (сильные дожди, сильные ветры, гололед), полученные отдельно в ходе работы сети, - были сравнены с реально наблюдаемыми в этом году ОЯ на расположенных вблизи этой точки метеостанциях, в частности, ст. Арзгир (450 37`с.ш., 440 22` в.д.). На представленном фрагменте для сильных дождей можно видеть достаточно близкую сходимость рассчитанных и фактически наблюдавшихся случаев рассматриваемых явлений.

Так, удалось верно рассчитать вероятность сильных дождей, наблюдаемых 31 мая (вероятность 0.9), а также 18 и 20 июня (0.9 и 0.8 соответственно). В течение года было зафиксировано 6 случаев сильных дождей, для 5 сл. из которых рассчитанная вероятность составила 0.9 (табл.1), поэтому оправдываемость этих опасных явлений составила 83 %, а доля неправильно рассчитанных вероятностей равна 17 %.

Из 3 случаев гололедно - изморозевых явлений верно предсказано было 2 случая (вероятность 0.8), оправдываемость составила 67 %, доля ошибки равна 33 %. Из 4 - х случаев сильных ветров было предсказано 2 случая, рассчитанные вероятности составили 0.9, оправдываемость прогноза составила 50 %, доля ошибки была равна также 50 %.

Оперативные испытания модели были проведены в декабре 2006, январе 2007, марте и апреле 2008 гг. на базе Ставропольского филиала АНО «Северо - Кавказское метеоагенство». Прогнозы ОЯ оценивались по материалам ст. Ставрополь (450 30` с.ш., 410 59` в.д.). Также были учтены макропроцессы (W + C), преобладающие в прогнозный период времени. Параметры модели (9) были такие же, как и для учебных испытаний, число нейронов составило 500.

В таблице 2 приведен фрагмент выходных данных работы нейромодели для случаев сильных ветров в марте - апреле 2008 г., представляющих собой ежедневные вероятности указанных ОЯ.

Таблица 2. Фрагмент выходных данных нейромодели для расчета рисков сильных ветров, полученных в ходе оперативного испытания для ст. Ставрополь (450 30` с.ш., 410 59` в.д ) в рамках квадрата 40 - 600 в.д. и 55 - 440 с.ш.

Всего за рассмотренный период времени оперативных испытаний работы модели было зафиксировано всего 10 случаев сильных ветров на ст. Ставрополь, в 8 случаях из которых расчетная вероятность была определена верно (более 0.9). Поэтому оправдываемость прогноза сильных ветров в оперативном режиме составила 80 %. Доля ошибочно рассчитанных вероятностей сильных ветров для ст. Ставрополь была равна 20 % соответствнно. Частоты гололедно - изморозевых и конвективных явлений были незначительны, поэтому для них прогнозы не производились. Рассмотренные выше результаты учебных и оперативных испытаний работы модели позволяют сделать вывод о принципиальной возможности использования созданной нейромодели для прогноза ОЯ.

Анализ различных сочетаний метеоэлементов, в большинстве случаев приводивших к тем или иным опасным явлениям погоды, позволил на основании их типизации выявить ситуацию, соответствующую появлению опасных явлений погоды, распространенных на юге ЕЧР.

В качестве примера можно привести сочетание метеоэлементов, на фоне которых наиболее вероятно возникновение сильных ветров: атмосферное давление 1016 гПа; меридиональная и зональная составляющие скорости геострофического ветра на высотах 10 км: -39.0 и -20.0 м/с (северно - южный и восточно - западный перенос соответственно); температура воздуха 285.8 К; количество осадков 0.5 мм; облачность 57,8 %.

Необходимо отметить, что представленная метеоситуация имела весьма высокую повторяемость практически для всех исследуемых ОЯ. Поэтому можно сделать вывод о преобладающей роли антициклональной циркуляции в возникновении опасных явлений погоды в пределах изучаемого района (55 - 440 с.ш., 40 - 600 в.д.) Это, по крайней мере, подтверждается и повышенным фоном давления, и малым количеством осадков, и незначительным облачным покровом (данные 40 - 80 % могут быть, например, остаточной фронтальной облачностью).

Так, в частности, многие исследователи в разное время: С.А. Малик (1960), Н.С. Темникова (1964), П.Г. Вовченко (1980) и другие подчеркивали ведущую роль антициклональной циркуляции в формировании погодных и климатических условий юга России. Многолетние данные синоптического анализа также соответствуют выводам работы нейросети о преобладающем повышенном фоне давления в рамках исследуемой территории.

Также необходимо подчеркнуть, что значения метеоэлементов фиксируются до начала наступления исследуемых ОЯ. При этом временной промежуток упреждения прогноза данных явлений зависит от временного формата данных. Значит, для решения задачи кратковременного прогноза вероятностей опасных явлений должны быть созданы базы данных со срочными значениями метеоэлементов, для которых в определенное время наблюдались явления. Однако, следует учитывать тот факт, что обработка нейросетью информации значительной длительности будет занимать весьма продолжительное время. Так, например, работа нейросети по обработке массива, содержащего ежедневные метеоданные за 50-летие имела продолжительность свыше 4 часов для каждого явления.

Строго говоря, можно сформулировать рекомендации по поводу количества входных данных. Так, например, для осуществления краткосрочного прогноза ОЯ, вероятно, необходим массив определенных значений метеоэлементов не менее, чем за год (для метеостанции или поста и рассматриваемого ОЯ).

Для долгосрочного прогнозирования, в свою очередь, указанный объем должен быть около 30 лет и более, насколько позволяет наличие репрезентативных данных. Однако, следует учитывать тот факт, что обилие числовых значений может существенно осложнить выполнение требуемой задачи - расчета вероятностей и, как следствие, повысить погрешность вычислений. Поэтому стоит логически обосновать выбор оптимального временного промежутка, исходя из конкретных условий.

Кроме того, нужно напомнить, что предлагаемый метод посвящен прогнозу вероятности возникновения опасных явлений погоды, значительные ущербы и потери от которых связаны, коме прочих моментов, с внезапностью возникновения ОЯ. Поэтому особый смысл для снижения высоких сумм ущербов и потерь имеет заблаговременность прогноза. Так как чем больше промежуток времени упреждения, тем больше различных мероприятий административного порядка можно осуществить. Например: укрепление высотных объектов или проверка исправности ЛЭП, буксировка на стоянку судов в портах, отмена работы авиационного транспорта при сильных ветрах; создание желобов и канав для стока воды при ливнях; защитные мероприятия на сельскохозяйственных полях от града, шквалов и пр. Вообще говоря, принятие соответствующих мер и их специфика зависит от уровня значимости рассчитанной вероятности прогнозируемого ОЯ.

Следовательно, разработанный метод прогнозирования опасных явлений погоды заключается и в возможности увеличения времени упреждения прогноза, и в получении значений вероятности их возникновения на фоне конкретной метеоситуации для любого временного промежутка.

Дальнейший анализ результатов работы нейросети и выявление вклада каждого в отдельности метеопараметра позволили выявить роль составляющих геострофического потока на высотах 10 км, значения и знаки векторов которых изменялись в случаях возникновения или отсутствия опасных явлений погоды.

При этом в пределах 50-х широт было установлено, что:

-увеличение значений отрицательной меридиональной составляющей геострофического ветра (V, м/с) в большей мере, а также возрастание положительной зональной его составляющей (западно - восточный перенос) в меньшей степени влияют на повышение вероятности бароградиентных ОЯ (сильные ветры);

-повышение величин положительной меридиональной составляющей геострофического ветра (V, м/с) (южно - северный перенос) в большей степени, а также увеличение отрицательной зональной его составляющей (северно - южный перенос) в меньшей степени способствуют возникновению конвективных ОЯ (сильные дожди, шквалы, град);

-возрастание положительной (западно - восточный перенос) или отрицательной зональной составляющей геострофического ветра (восточно - западный перенос) вызывают возрастание вероятности гололедно - изморозевых ОЯ.

Данные утверждения требуют дальнейшего исследования, однако составляющие скорости геострофического ветра, в числе описанных предикторов, также можно считать важными показателями для прогноза возникновения опасных явлений погоды, то есть расчета их рисков.

В седьмой главе описывается экономическая целесообразность предлагаемой методики оценки рисков ОЯ, представлен обзор рассчитанных нагрузок, возникающих при ОЯ, и указаны перспективы дальнейшего хозяйственного развития юга России с учетом частот ОЯ. На основе предлагаемой методики оценки рисков ОЯ даны рекомендации по управлению рисками ущербов при их возникновении.

В связи с повышенной частотой опасных явлений погоды на юге России при планировании хозяйственного освоения территории, а именно, при строительстве жилых и нежилых объектов, необходимо учитывать так называемые метеорологические нагрузки, носящие долговременный характер. В результате применения существующих методик расчетов нагрузок были получены следующие выводы:

1. Снеговая нагрузка. Полное нормативное значение веса снеговой нагрузки на горизонтальную проекцию покрытия для юга России составляет 50 - 70 .

2. Ветровая нагрузка. Нормативное значение средней составляющей ветровой нагрузки на высоте 12 м изменяется от -30.7 до -25.2 . Нормативное значение пульсационной составляющей ветровой нагрузки на высоте 12 м составляет от - 30.1 - -24.7 к.

3. Гололедная нагрузка. Нормативное значение линейной гололедной нагрузки для элементов кругового сечения диаметром до 70 мм изменяется от 3.9 до 21.1 .

4. Температурные климатические воздействия. Нормативные значения изменений средних температур по сечению элемента в теплое и холодное время года отличались весьма неблагоприятными для комфортности населения величинами на востоке исследуемой территории. Так, на ст. Верхний Баскунчак для теплого времени года значение изменений средних температур достигало +44.9 0C; для холодного времени года -55.5 0C. Более мягкие условия были отмечены на юге, где для теплого времени года указанные величины составили +30.5 0C; для холодного времени года -22.1 0C (ст. Сочи).

Исходя из вышеперечисленных результатов расчетов, а также согласно проведенному районированию по частотам ОЯ и их вероятностно-географическому прогнозу, можно предложить следующие рекомендации по народно-хозяйственному использованию равнин юга ЕЧР:

1. Во всех областях и районах (рис. 4) установлена повышенная ветровая нагрузка, доля сильных ветров составляет не менее 20 % от всего количества опасных явлений. В связи с этим рекомендуется размещать сооружения и строительные объекты в соответствии с преобладающими направлениями ветра, избегать строительства высотных сооружений. Для сельского хозяйства необходимым является закладка защитных лесополос, лесопарковое строительство.

2. В первой области, отличающейся повышенной долей гололедно-изморозевых явлений, необходимо учитывать вероятность их нагрузок, особенно для существующих и проектируемых линий электропередач, сухопутного, водного и воздушного видов транспорта.

3. Во второй области с повышенной частотой метелей следует учитывать повышение снеговой нагрузки, в особенности, для транспортных магистралей, существующих и проектируемых, а также для линий электропередач.

При проектировании новых народно-хозяйственных объектов необходимо учитывать физико-географические особенности территории, а также направления переносов воздуха.

Использование соответствующими административными органами методики оценки рисков ОЯ, включающей результаты проведенного районирования с учетом метеорологических нагрузок, а также прогностических данных вероятностно-географического метода позволит существенно снизить величину экономического ущерба и потерь.

Системный подход основывается на изучении свойств системы и прогнозировании ее состояния на определенный момент времени. Возможность его применения в данном исследовании обусловливается пониманием атмосферы как природной системы, состоящей из множества элементов и отличающейся способностью смены состояний. Под управлением риском ОЯ будем понимаеть процесс оптимального распределения затрат на снижение различных видов метроогического риска в объективных условиях современного экономического уровня развития территории. Методическим аппаратом для реализации такого управления является системный подход. В практической деятельности используются упрощенные его варианты, известные в научной литературе как метод эффективности затрат на снижение риска, метод «затраты -- выгода» и метод оптимизации предельных затрат. В данном случае, при прогнозировании рисков опасных явлений погоды задача управления их ущербами и жертвами представляет собой необходимость коррекции настоящего экономического развития с учетом вероятностей опасных явлений погоды и затрат на ликвидацию последствий их возникновения. Иначе - целесообразности развития той или иной экономической деятельности в связи со спецификой возникающих в данном районе ОЯ. Поэтому, для решения задачи управления рисками определяющими параметрами являются величины затрат на снижение различных видов риска. Решение этой задачи и должно дать ответ на вопрос о том, при каком виде деятельности риск, обусловленный теми или иными ОЯ, является высоким, а какой -- допустимым.

В свою очередь, использование методики оценки рисков ОЯ и, в частности, предлагаемого вероятностно-географического их прогноза на равнинах юга России в качестве дополнения к синоптическому методу Росгидромета позволит повысить качество современных прогнозов и реализовать задачу управления рисками значительных ущербов и потерь от ОЯ.

В заключении диссертации приведены основные выводы, полученные в работе:

- по результатам исследований к числу географических факторов, обусловливающих опасные явления погоды, по результатам исследований были отнесены: характер рельефа, ндексы атмосферной циркуляции, коэффициент возмущенности магнитосферы Земли, метеорологические элементы (температура воздуха, скорость геострофического ветра на высоте 10 км, количество осадков, облачность);

- установлено, что неустойчивость атмосферной циркуляции является определяющим фактором возникновения опасных явлений погоды. В свою очередь, неустойчивое состояние атмосферы также обусловлено влиянием солнечной активности на магнитосферу Земли. Кроме того, расчет числа Ричардсона показал, что возмущения циркуляции возможны при влиянии местных условий, создающих благоприятную среду для развития термодинамической неустойчивости;

- общая среднегодовая частота опасных явлений погоды на равнинах юга ЕЧР имеет тенденцию к увеличению значений от 6.5 (1965 г.) до 8.1 случая (2005г.). Зимние месяцы являются наиболее благоприятными для возникновения опасных явлений погоды, что объясняется развитием меридиональных форм циркуляции (Е и С) в этот период;

- статистический анализ хронологических рядов опасных явлений погоды подтвердил связность между последующими членами ряда на основе простой марковской цепи, что позволяет производить как краткосрочное, так и долгосрочное прогнозирование вероятности явлений;

- районирование территории юга Европейской части России по климатическим показателям и по частотам опасных явлений погоды дало возможность сделать вывод о том, что при повышении континентальности климата наблюдаются более высокие частоты опасных явлений погоды, что свидетельствует о наличии взаимосвязи между параметрами климата и ОЯ;

- исходя из достаточно высокой оправдываемости, метод прогноза вероятностей ОЯ на основе нейромоделирования можно предложить в качестве основного для территории Северного Кавказа (равнинной части, изучаемой в работе), поскольку в случае численных гидродинамических прогнозов опасные явления погоды не являются предметом их исследований;

- для осуществления краткосрочного прогноза ОЯ на основе нейрометодов необходим массив определенных значений метеоэлементов не менее, чем за год (для метеостанции или поста и рассматриваемого ОЯ). При долгосрочном прогнозировании указанный объем должен быть от 30 лет и более, насколько позволяет наличие репрезентативных данных. Заблаговременность прогноза обеспечивает снижение высоких сумм ущербов и потерь, поэтому чем больше промежуток времени упреждения, тем больше различных мероприятий административного порядка можно осуществить;

- результаты проведенного районирования равнинной территории юга России по повторяемостей ОЯ с учетом метеорологических нагрузок позволили разработать ряд рекомендаций по народно - хозяйственному использованию исследуемой территории;

- методика вероятностно-географического прогнозирования рисков опасных явлений погоды юга ЕЧР представляет собой совокупность методов нейромоделирования и математической статистики с использованием географической информации, а ее использование в дополнение к синоптическому методу позволит значительно снизить такие их последствия, как экономический ущерб и людские потери.

Основные работы, опубликованные по теме диссертации

Статьи в ведущих научных изданиях, рецензируемых ВАК РФ

1. Генезис и географическое распределение смерчей по территории Российской Федерации//Известия Высших учебных заведений. Северо-Кавказский регион. Серия Естественные науки, 2001, №3, с.84-86 (в соавторстве с Черноусовым С.Я., Андреевым С.С., Мартыновой М.И., Донченко Т.В.).

2. Перспективы лесоразведения в Ростовской области//Лесное хозяйство, №2, 2003. с.44-46 (в соавторстве с Мартыновой М.И.).

3. Биоклиматическая характеристика Ростовской области по индексу патогенности метеорологической ситуации//Известия высших учебных заведений. Северо-Кавказский регион. Естественные науки. Приложение №9, 2003г., с 67 - 76.(в соавторстве с Андреевым С.С.).

4. Краткая биоклиматическая характеристика Ростовской области//Метеорология и гидрология, 2004, №8, с. 53-59 (в соавторстве с Андреевым С.С.).

5. Погодные аномалии и природные факторы их провоцирующие//Известия Высших учебных заведений. Северо-Кавказский регион. Естественные науки. Приложение №5, 2006. С.82 - 89 (в соавторстве с Андреевым С.С.).

6. О возможности аппроксимации конечных цепей Маркова для прогнозирования вероятностей опасных явлений погоды//Известия Высших учебных заведений. Северо-Кавказский регион. Естественные науки. Приложение №5, 2006. С.89 - 93 (в соавторстве с Андреевым И.С.).

7. Подходы к управлению рисками опасных явлений погоды//Известия Высших учебных заведений. Северо-Кавказский регион. Естественные науки. Приложение №4, 2008. с. 97 - 98.

8. Применение методов нейропрограммирования для определения рисков опасных явлений погоды//Известия Высших учебных заведений. Северо-Кавказский регион. Естественные науки. Приложение №5, 2008. с.

9. К вопросу о применении вероятностно - географического метода прогнозирования рисков возникновения опасных явлений погоды равнин юга России// Естественные и технические науки, № 2, 2008 г. с.261 - 262.

Монографии

10. Опасные явления погоды юга России. Под ред. проф. Карлина Л.Н., г. Санкт - Петербург, Изд-во ВВМ, 2006. 216 с.

11. Опасные явления погоды в Ростовской области/Природные условия и естественные ресурсы Ростовской области. Под ред. проф. Хрусталева Ю.П., Ростов-на-Дону, 2002. с. 100-108.

Публикации соискателя по теме диссертации, отражающие основные научные результаты диссертационной работы

12. Программа по курсу:”Биометеорология и биоклиматология”.-Ростов-на-Дону, 1996.- 8с.

13. Программа практических занятий по курсу “Метеорология и климатология”. - Ростов-на-Дону, 1998. - 35с.

14. Методические указания по курсу “Метеорология и климатология” .- Ростов-на-Дону, 1998. - 7с.

15. Опасные конвективные явления погоды//Проблемы географии и экологии.- Ростов-на-Дону: Изд-во “Гефест”, 1999. - с.262-266.

16. Климат города Ростова-на-Дону//Учеб. Пособие. Природа Ростова-на-Дону.- Ростов-на-Дону: Изд-во Рост. ун-та, 1999, с.63-77 (в соавторстве с Черноусовым С.Я., Андреевым С.С., Астаховым В.В.).

17. Опасные явления погоды на равнинах юга ЕТР//Эколого-географические проблемы юга России. - Ростов - на - Дону: Изд-во “Гефест”, 1999, с.143-144.

18. Агроклиматическое районирование равнин юга ЕТР//Эколого-географические проблемы юга России. - Ростов-на-Дону: Изд-во “Гефест”, 1999, с.35-38.

19. Опасные явления погоды//Научный сборник ДГТУ. - Ростов-на-Дону: Изд-во ДГТУ, 1999, с.6-12.

20. Применение методов математической статистики для обработки хронологических рядов опасных явлений погоды//Эколого-географический вестник юга России.- Ростов-на-Дону: Изд-во “Гефест” , 1999, с.8-16.

21. Экологические аспекты антропогенного влияния на климат города (на примере г.Ростова-на-Дону)//Тезисы научной конференции РГЭА 21 декабря 1999г.-Ростов-на-Дону: Изд-во РГЭА, с. 10-15. (в соавторстве с Андреевым С.С.).

22. Исследования хронологических рядов опасных явлений погоды//Тезисы научной конференции РГЭА 21 декабря 1999г. - Ростов-на-Дону: Изд-во РГЭА, 20-30с.

23. Исследование связности между элементами и цикличности хронологических рядов опасных явлений погоды//Эколого-географический вестник юга России.- Ростов-на-Дону: Изд-во “Гефест” , 1999, с.12-18.

24. Эколого-географическая характеристика регионов современного расселения ногайцев//Ногайцы в контексте этнополитических отношений на Северном Кавказе: социальный статус и проблемы воспроизводства культурной самобытности. - Ростов-на-Дону, Изд-во “Пегас”,2000, с.7-29.(в соавторстве с Денисовым В.И., Кондратьевой А.А.).

25. Направления исследований опасных явлений погоды и их влияние на экосистемы Краснодарского Причерноморья//Труды Всероссийской научно-практической конференции «Проблемы комплексного управления прибрежными зонами», Туапсе, 2004г. с.107-108 (в соавторстве с Андреевым С.С.).

26. Некоторые результаты применения метода Байеса для оценки условной вероятности появления аномальных явлений погоды//Тезисы в Материалах VIII Международных научных чтений «Белые ночи - 2004», г. Санкт-Петербург, 2004, с.27-29 (в соавторстве с Карлиным Л.Н.).

27. Атмосферная циркуляция и ее влияние на риски возникновения аномалий погоды// Тезисы в Материалах VIII Международных научных чтений «Белые ночи - 2004», г. Санкт-Петербург, 2004, с.174-176 (в соавторстве с Карлиным Л.Н.).

28. Опыт применения методов нейропрограммирования для решения прикладных задач в гидрометеорологии//Сборник научных статей «Проблемы гидрометеорологии и геоэкологии». Ростов н/Д: Издательство СКНЦ ВШ АПСН, 2004. с.82-96 (в соавторстве с Карлиным Л.Н.).

29. О возможности реализации метода минимакса для определения риска ошибочного диагностирования погодных аномалий//Тезисы Всероссийской конференции в сентябре 2005г. в ВГИ, Нальчик, с. 12-14 (в соавторстве с Карлиным Л.Н. и Андреевым С.С.).

30. Неслучайность колебаний в рядах с использованием критериев систематического ряда//Тезисы 2-й Научно-практической конференции «экологические проблемы. Взгляд в будущее». Изд-во «Копицентр», 2005г. Москва-Ростов, с.12-18.

31. Климатические риски/Учебно-методическое пособие для студентов РГГМУ, г.Санкт-Петербург, 2008 г.

32. Природные катастрофы, вызванные аномалиями погоды (на примере Юга России)//Сборник научных статей «Проблемы гидрометеорологии и геоэкологии». Ростов н/Д: Издательство СКНЦ ВШ АПСН, 2005, с. 57 - 69.

33. Природные факторы погодных аномалий//Сборник научных статей «Проблемы гидрометеорологии и геоэкологии». Ростов н/Д: Издательство СКНЦ ВШ АПСН, 2005, с.47 - 57.

34. Реализация метода минимакса для определения риска ошибочного диагностирования погодных аномалий//Сборник научных статей «Проблемы гидрометеорологии и геоэкологии». Ростов н/Д: Издательство СКНЦ ВШ АПСН, 2005, с.137 - 143. (в соавторстве с Карлиным Л.Н.).

35. Погодные аномалии юга России//Сборник трудов международной школы-конференции молодых ученых, аспирантов и студентов («Изменение климата и окружающая среда»). г. Санкт - Петербург, РГГМУ, 06 - 09.12.2005г., с.44 - 55.

36. Погодные аномалии северо-западного побережья Черного моря в аспекте развития рекреации//Тезисы научно-практической конференции «Гидрометеорологическое обеспечение отраслей природопользования», г.Туапсе, 2005, с. 59 - 61.

37. Возможность аппроксимации конечных цепей Маркова для прогнозирования вероятностей аномалий погоды//Тезисы 6-й Всероссийской конференции «Оценка и управление природными рисками (Риск - 2006)», г.Москва, 20 апреля 2006г., с.76 - 77. (в соавторстве с Андреевым И.С.).

38. Моделирование конечных цепей Маркова для вероятностного прогнозирования опасных явлений погоды//Тезисы V Всероссийской научно-технической конференции «Информационные системы и модели в научных исследованиях, промышленности и экологии», июнь 2006г. г. Тула, с.109 - 112.

39. География и генезис опасных погодных явлений юга России. Научное издание. Издатель Турова Е.А. г. Ростов-на-Дону, 2007. 86 с. (в соавторстве с Андреевым С.С.).

40. Синоптическая метеорология. Курс лекций. Издатель Турова Е.А. г. Ростов-на-Дону, 2008. 102 с.

Аннотация

Андреева Е.С. Концепция вероятностно-географического прогнозирования опасных явлений погоды юга России. - Рукопись.

Диссертация на соискание ученой степени доктора географических наук по специальности 25.00.30 - метеорология, климатология, агрометеорология. - Российский государственный гидрометеорологический университет, г. Санкт - Петербург, 2008 г.

Диссертация посвящена разработке основ вероятностно-географического прогнозирования опасных явлений погоды юга ЕЧР. При этом решены следующие задачи: определение географических факторов, обусловливающих ОЯ; выявление характерных особенностей атмосферной циркуляции, приводящих к их возникновению с использованием индексов А.Л. Каца и типизации элементарных синоптических процессов Г.Я. Вангенгейма; исследование хронологических рядов ОЯ с применением методов математической статистики; адаптирование известных методов математического моделирования для вероятностно-географического прогнозирования опасных явлений погоды и управления рисками их возникновения; районирование юга России по частотам опасных явлений погоды для выработки рекомендаций перспективного экономического развития территории.

Установлено, что неустойчивость атмосферной циркуляции является определяющим фактором возникновения опасных явлений погоды. При этом, неустойчивое состояние атмосферы определяется, исходя из влияния астрономо-космических и теллурических факторов. Кроме того, возмущения циркуляции возможны при влиянии местных условий, создающих благоприятную среду для развития термодинамической неустойчивости, что показывают рассчитанные числа Ричардсона. В результате статистического анализа хронологических рядов опасных явлений погоды была установлена связность между последующими членами ряда на основе простой марковской цепи, что позволяет производить прогнозирование будущих частот явлений.

Районирование территории юга Европейской части России по климатическим показателям и по частотам опасных явлений погоды позволяет выявить географические факторы, обусловливающие развитие тех или иных опасных явлений погоды. Повышение континентальности климата способствует более высоким частотам опасных явлений погоды, что свидетельствует о наличии взаимосвязи между параметрами климата и опасными явлениями погоды.

Диатропический подход к исследованию опасных явлений погоды, а также учет нелинейности и случайности искомых событий позволяет применять методы нейропрограммирования для расчета рисков и осуществлять вероятностно-географический прогноз ОЯ на некоторую перспективу.

Использование методики оценки рисков ОЯ и, в частности, вероятностно-географического их прогнозирования позволяет решать задачу управления рисками ущербов и потерь при возникновении опасных явлений погоды на современном научном уровне.

Основные результаты работы имеют важное прикладное значение для различных сфер деятельности, в частности, связанных с развитием сельского хозяйства, транспорта, связи, а также с административно - хозяйственным управлением и пр.

Ключевые слова: опасные явления погоды, неустойчивость атмосферной циркуляции, индексы атмосферной циркуляции, критерии Аббе, марковская цепь, риски опасных явлений погоды, методы устранения неопределенностей (Байеса), метод минимакса, нейропрограммирование, системный подход, управление рисками опасных явлений погоды, вероятностно-географический прогноз.

Размещено на Allbest.ru