Автоматизированный анализ и прогноз опасных явлений погоды на основе таксономического сопряжения радиолокационной и другой информации

Аксенов, Сергей Александрович

Бесплатный автореферат и диссертация по наукам о земле на тему
Автоматизированный анализ и прогноз опасных явлений погоды на основе таксономического сопряжения радиолокационной и другой информации
ВАК РФ 25.00.30, Метеорология, климатология, агрометеорология

Автореферат диссертации по теме "Автоматизированный анализ и прогноз опасных явлений погоды на основе таксономического сопряжения радиолокационной и другой информации"

На правах рукописи

Аксенов Сергей Александрович

□03458955

АВТОМАТИЗИРОВАННЫЙ АНАЛИЗ И ПРОГНОЗ ОПАСНЫХ ЯВЛЕНИЙ ПОГОДЫ НА ОСНОВЕ ТАКСОНОМИЧЕСКОГО СОПРЯЖЕНИЯ РАДИОЛОКАЦИОННОЙ И ДРУГОЙ ИНФОРМАЦИИ

Специальность 25.00.30 - Метеорология, климатология, агрометеорология

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата физико-математических наук

А / С '' ""'Ч

1 _. . J

Нальчик - 2009

003458955

Работа выполнена в ГУ «Высокогорный геофизический институт» Росгидромета

Научный руководитель:

кандидат физико-математических наук Инюхин Виктор Степанович

Официальные оппоненты:

доктор физико-математических наук Хучунаев Бузигит Муссаевич

кандидат физико-математических наук Балкарова Светлана Борисовна

Ведущая организация:

Ставропольский государственный университет (г. Ставрополь)

Защита состоится «15» января 2009 г. в 1400 часов на заседании диссертационного совета Д.327.001.01 при Высокогорном геофизическом инсттуте по адресу: 360030, КБР, Нальчик, пр. Ленина, 2.

С диссертацией можно ознакомиться в библиотеке Высокогорного геофизического института.

Автореферат разослан «13» декабря 2008 г.

Ученый секретарь диссертационного совета, доктор физико-математических наук, профессор

Шаповалов А.В.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы.

Для успешного прогноза развития облачности, в том числе опасных явлений погоды, необходима обработка разнородных данных, отличающихся по форме и содержанию. Данные могут быть получены в результате оперативных инструментальных "точечных" или "площадных" измерений облаков и атмосферы в целом (радиолокационных, наземных, синоптических, спутниковых и т. д.) и предварительного сбора информации о состоянии рельефа и подстилающей поверхности из различных источников: карт местности, кадастров, справочной литературы и т.д. Существенен также вопрос наглядного представления на мониторе или других носителях разнородной информации для прогноза дальнейшего развития облачности или анализа ситуации и оперативного реагирования на опасные явления.

Эти вопросы могут быть решены за счет применения ЭВМ и современных средств обработки и выбора удобного способа пространственной привязки всех данных, обеспечивающих полноту, наглядность и оперативность их представления. Реально данные наблюдений и измерений могут быть привязаны к узлам регулярной сетки. В результате формируются равномерно распределенные в пространстве поля данных, которые на заданной территории могут быть представлены своими осредненными (или максимальными, минимальными и т.д.) значениями. Благодаря этому к элементарной пространственной ячейке - таксону могут быть отнесены данные различных средств наблюдения одного или нескольких источников (как однотипных, так и различных). То есть таксон может служить средством пространственного согласования данных различных средств наблюдения. Согласование следует рассматривать как начальный этап комплексного анализа, поскольку в последующем к упорядоченной по территориальным элементам информации могут быть применимы различные методы математической обработки данных.

Очевидно, что широкое внедрение вычислительных средств математики и ЭВМ, в частности методов сбора и анализа разнородных данных, в практику геофизического мониторинга и прогноза опасных явлений погоды возможно лишь тогда, когда их действенность будет продемонстрирована при изучении фактического материала. Применение специальных программных и технических средств позволит собирать и обрабатывать необходимые данные.

Целью диссертационной работы являются исследования мощных конвективных облаков, основанные на таксономическом сопряжении разнородной метеорологической информации, для анализа и прогноза опасных явлений погоды.

Для достижения этой цели в работе решены следующие задачи:

- разработан таксономический метод сопряжения радиолокационной, метеорологической и другой информации, включающий в себя метеорологическую базу данных, в которую входят радиолокационные параметры облаков, прогнозы погоды на день, водосборы рек, ландшафты, географические объекты, высоты, спутниковые карты погоды, наземные данные и с/х культуры для территории КБР и прилегающих территорий;

- разработан алгоритм распознавания и автоматизированного ввода картографической информации и спутниковых карт в базу данных;

- разработан метод передачи радиометеорологической информации по GPRS каналу в условиях горной местности на центральный компьютер;

- разработан алгоритм накопления радиолокационной информации в базе данных;

- исследованы градовые процессы по местам зарождения и траекториям перемещения на территории КБР, в результате чего выявлены три области зарождения «А», «В» и «С»;

- проведен сравнительный анализ и установлены соответствующие корреляционные связи между направлением и скоростью перемещения градовых облаков и направлением и скоростью воздушных потоков для каждой области;

- разработан метод прогноза зарождения и перемещения градовых процессов на основе таксономического сопряжения радиолокационной, аэросиноптической информации и прогностических соотношений по каждой области;

- разработана автоматизированная методика выявления градовых процессов-«близнецов»;

- на основе радиолокационной и других видов информации (метеорологической, аэросиноптической, спутниковой) разработаны алгоритмы и принципы работы информационно-поисковой метеорологической системы.

- разработана технология оперативного прогноза дождевых паводков на водосборах горных рек на основе таксономического метода сопряжения радиолокационной и другой информации.

Научная новизна полученных результатов:

- впервые проведена объективная территориальная классификация мощных градовых процессов, зарождающихся на территории КБР и прилегающих районов;

- впервые по результатам кластерного анализа всех случаев зарождения градовых процессов вся исследуемая территория разбита на три неравномерных области «А», «В» и «С», различающиеся по синоптико-географическому положению;

- впервые получены прогностические соотношения, отражающие связь между направлением и скоростью перемещения градовых облаков и направлением и скоростью перемещения ведущего потока по каждой области;

- разработан прогноз зарождения и перемещения градовых процессов на основе таксономического сопряжения радиолокационной и аэросиноптической информации, а также полученных прогностических соотношений;

- разработана методика выявления градовых процессов-«близнецов», основанная на автоматизированном поиске по местам их зарождения и траекториям перемещения. Проведена апробация предлагаемой методики;

- предложен метод прогноза мощных градовых процессов за счет автоматизированного поиска дней аналогов;

- предложена технология оперативного прогноза дождевых паводков на водосборах горных рек на основе таксономического метода сопряжения радиолокационной и другой информации.

Научная и практическая значимость результатов:

- результаты исследований траекторий перемещения и мест зарождения градовых процессов могут быть использованы в научной практике для комплексного прогноза опасных природных метеорологических явлений (град);

- технология оперативного прогноза дождевых паводков на водосборах горных рек, может быть использована в службах оповещения населения о наводнении/паводке для предотвращения ущерба;

- метод прогноза зарождения и перемещения градовых процессов на основе таксономического сопряжения радиолокационной и аэросиноптической информации, может быть использован в совокупности с другими методами прогноза для их уточнения различными метеослужбами и смежными организациями (МЧС, Гидрометцентр, Минприроды);

- алгоритмы и принципы работы информационно-поисковой метеорологической системы, могут быть использованы в структурных подразделениях Росгидромета, занимающихся прогнозом и изучением опасных природных явлений (град, наводнение, паводки и др.);

Основные положения, выносимые на защиту:

- таксономический метод сопряжения радиолокационной и других видов информации;

- области зарождения градовых процессов, по результатам кластерного анализа;

- прогностические соотношения, отражающие связь между направлением и скоростью перемещения градовых облаков и направлением и скоростью перемещения ведущего потока;

- метод прогноза зарождения и перемещения градовых процессов на основе таксономического сопряжения радиолокационной и аэросиноптической информации;

- методика выявления градовых процессов-«близнецов», основанная на автоматизированном поиске по местам их зарождения и траекториям перемещения;

Личный вклад автора:

Автором диссертации выполнены исследования мощных градовых процессов на основе архивных и радиолокационных данных по местам зарождения и траекториям перемещения градовых процессов. Выделены 3 области зарождения, прогностические соотношения траектории перемещения и скорости градовых облаков по каждой области, прогноз и апробация на основе полученных соотношений.

Совместно с сотрудниками ОАВ ГУ «ВГИ» были выполнены; разработка программных средств, усовершенствование и дополнение автоматизированной радиолокационной системы АСУ «Антиград» алгоритмами накопления радиолокационных и других параметров в базу данных.

Материалы с радиолокационными данными, используемые в диссертационной работе, были получены автором при выполнении НИР на научно-исследовательском полигоне ВГИ в 2004-2008 гг. и из архивов, а также данные с метеорологических спутников, взятые из Интернета и с атласа природных опасностей и стихийных бедствий КБР.

Апробация работы:

Основные результаты диссертации докладывались на:

- V конференции молодых ученых аспирантов и студентов (г. Нальчик, КБНЦ РАН

2004 г.);

- Всероссийской научной конференции по физике облаков и активным воздействиям (г. Нальчик, ГУ «ВГИ», 2006 г.);

- Всероссийской научной конференции по селям и паводкам (г. Нальчик, ГУ «ВГИ»,

2005 г.);

- VII конференции молодых ученых аспирантов и студентов (г. Нальчик, КБНЦ РАН,

2006 г.);

- II конференции молодых ученых национальных гидрометслужб государств-участников СНГ «Новые методы и технологии в гидрометеорологии» (г. Москва, Росгидромет, 2006 г.);

- Научно-практической конференции, посвященной 40-летию начала производственных работ по защите сельхозкультур от градобитий (г. Нальчик, ГУ «ВГИ», 2007 г.).

- в Известиях ВУЗов Северо-Кавказского региона, 2007 г.

Публикации. По материалам диссертации опубликовано 11 научных работ, в том числе в рецензируемых изданиях из перечня ВАК.

Объем и структура диссертации: Диссертационная работа состоит из введения, четырёх глав, заключения и списка литературы. Содержит 128 стр., 47 рисунков и 17 таблиц.

СОДЕРЖАНИЕ ДИССЕРТАЦИИ

Во введении обосновывается актуальность темы, сформулированы цели и задачи работы, приводится научная и практическая значимость, а также новизна полученных результатов.

В первой главе рассматриваются общие принципы сопоставления радиолокационной и метеорологической информации, пространственная привязка радиолокационной информации к регулярной сетке, база данных (БД) как метод упорядочивания различной информации, а также метод передачи радиометеорологической информации по GPRS каналу.

Для успешного прогноза и анализа опасных метеорологических явлений погоды, в частности града, необходимо привлекать не только радиолокационные, но и метеорологические, аэросиноптические, спутниковые и другие данные. В связи с этим возникает необходимость в сопоставлении разнородных данных по своей форме и содержанию. Принцип сопоставления заключается в стыковке разнородной радиолокационной, метеорологической и другой информации с привлечением средств автоматизации и специального программного обеспечения. Кроме того, для осуществления качественного и точного прогноза опасных метеорологических явлений целесообразно использовать дополнительную сопутствующую информацию: синоптическую, аэрологическую, спутниковую и картографическую. Для получения этих данных должны быть применены различные методы и технологии сбора. Одним из них может служить таксономический метод сопоставления. Такие разнородные данные необходимо накапливать, упорядочивать и систематизировать в единой информационной системе -базе данных (БД).

БД - это совокупность набора связанных данных, организованных по определенным правилам, предусматривающим общие принципы описания, хранения и манипулирования и независимых от прикладных программ. БД является информационной моделью предметной области. Обращение к БД осуществляется с помощью системы управления базами данных (СУБД). СУБД обеспечивает поддержку создания БД, централизованного управления и организации доступа к ним различных пользователей. Несмотря на существование различных типов БД, большинство данных хранится именно в реляционных БД. Реляционная БД представляет собой совокупность специальным образом организованных данных. Кроме того, элементы данных могут ссылаться на логические группы других элементов данных, что называется отношением. Основой реляционной БД является таблица. Таблица используется для логической группировки данных. Каждая таблица предназначена для хранения данных определенного типа. Каждая таблица имеет строки (записи) и столбцы (колонки). Каждая строка таблицы имеет одинаковую структуру и состоит из полей. Строкам таблицы соответствуют кортежи, а столбцам - атрибуты отношений. Для управления реляционной БД предпочтительней всего использовать язык структурированных запросов SQL.

В качестве передачи радиолокационной и метеорологической информации в условиях горной местности используется технология GPRS. GPRS (General Packet Radio Service) - это технология пакетной передачи данных в коммутируемых сетях. Она активно используется в мобильных GSM-сетях, работающих в частотах 900/1800/1900 МГц. Теоретически достижимая скорость может составлять 171,2 кбит/с. Одно из основных преимуществ GPRS — это возможность передавать данные с хорошими скоростями без наличия телефонной линии связи. Сотовый телефон подключается к серверу мобильной связи и уже с него выполняется подключение к сети Интернет. Сотовый телефон используется в качестве GPRS-модема для выхода в Интернет. Радиолокационные данные упаковываются в архивный файл и отправляются по электронной почте. Принимающая сторона, получив сообщение об отправке удаленной стороной, выходит в Интернет и проверяет электронный почтовый ящик, скачивает по-

лученный файл, распаковывает его и сразу же может просмотреть в программе АСУ «РЛС» радиолокационную обстановку. После просмотра и выбора необходимых объектов их радиолокационные параметры поступают в базу данных для хранения и дальнейшего использования. Необходимым условием для работы всей сети является наличие сотового телефона с поддержкой GPRS-модема на той стороне, где отсутствует телефонная линия, а также достаточное развитие самой сотовой связи в данном районе и наличие сети Интернет на приемной стороне. Масштабирование и наращивание удаленных рабочих мест не ограничено, то есть, подключение более одного удаленного пользователя не составляет никаких проблем.

Во второй главе рассматриваются принципы представления и согласования радиолокационной и другой информации, показан механизм работы таксономического подхода для сопоставления разнородной информации. Представлены разработанные, алгоритмы архивации и систематизации радиолокационных параметров. Вся собираемая информация находится в единой базе данных. Приводится ее структура, взаимосвязь первичных и внешних ключей таблиц. Показан алгоритм получения и распознавания картографической информации на основе существующей программы MagicMap и алгоритм разбиения географического пространства на таксоны. Представлена технология сбора и накопления спутниковой метеорологической информации с использованием сети Интернет и программы Teleport Pro, которая скачивает метеорологические и прогностические карты.

Рассмотрим механизмы сопоставления и сбора разнородной метеорологической информации в базе данных. В методическом плане выбран оптимальный способ пространственной привязки всех данных, обеспечивающий полноту, наглядность и оперативность их представления. Реально данные наблюдений и измерений могут быть привязаны к узлам регулярной сетки. В результате формируются равномерно распределенные в пространстве поля данных, которые на заданной территории могут быть представлены своими осредненными (или максимальными, минимальными и т.д.) значениями. Благодаря этому, к элементарной пространственной ячейке - клетке могут быть отнесены данные различных средств наблюдения одного или нескольких источников, как однотипных, так и различных видов. То есть, регулярная сетка может служить средством пространственного согласования данных различных средств наблюдения. В гидрометеорологии, радиометеорологии и других областях для привязки данных наиболее распространены прямоугольные или географические регулярные сетки. Нами выбран вариант, сочетающий некоторые свойства каждой из них и обеспечивающий разбиение заданной территории на таксоны равновеликой площади. Термин «таксон» используется здесь, чтобы подчеркнуть, что ячейка территории рассматривается как сложноорганизованный объект действительности, обладающий набором различных характеристик.

Таксон — элемент таксономии. Данное понятие ранее применялось только в биологической систематике, где под таксоном понимали группу живых организмов, объединенных на основании принятых методов классификации. Во 2-й половине 20 века проблемы таксономии начинают играть заметную роль не только в биологии, но и в ряде других наук, имеющих дело с множествами иерархически организованных дискретных объектов. Это отражает общую для современной науки тенденцию к повышению роли типологии в научном мышлении. При этом, в разных областях знания неодинаково толкуются исходные понятия таксономии и её задачи. Понятие таксон тесно связан с кластерным анализом. В настоящее время отсутствуют стандарты на структуру представления таксономии, на методы работы с таксономией и на форматы файлов ее хранения. Часто она используется для обеспечения структуризации содержания информации.

В диссертации понятие таксон используется для систематизации и стыковки разнородной информации к площади радиолокационного обзора метеорадиолокатора МРЛ-5. Таксон представляется как некая сетка (трехмерная), к которой привязывается вся информация, требуемая для анализа и прогноза опасных природных явлений.

То 5 8 1С т>е ' 1' 9 10 11 12 13 ¡14; 15 >16 т г г 17 Г' 18 19)20-21 22 23

и 1 !

12 Г - »У ' -.1 1

13( 111 _ 1 - X -- 1 I [

15 .' 1

16 и.

17 18 19 ( N У? / V к* 1. :х\1 7 1 " 1

ч,

20 ... Г V 1,

21 *22 и- ■у- !

Рис. 1. Физическая карта КБР, разбитая с помощью регулярной прямоугольной сетки на таксоны размером 10x10 км.

На рис. 1 представлена физическая карта Кабардино-Балкарии, разбитая на таксоны размером 10x10 км. Каждый такой таксон может быть представлен рядом характерных признаков подстилающей поверхности, другими картографическими данными: характеристиками ландшафта, уровнями высот, наличием и видами растительности и водоемов, характеристиками почвы, метеорологическими данными, распределенными по высотам: температурой, давлением, влажностью, а также видом и интенсивностью осадков, радиолокационными данными.

Так как основной информацией являются данные радиолокатора, то рассматриваемая система координат привязывается к радиолокационной станции. Общее количество таксонов М для квадрата, вписанного в круг радиолокационного обзора (радиуса К), определяется базовым размером таксона п.

где М - количество таксонов; Я - радиус радиолокационного обзора; п - размер таксона (5x5, 10x10 или 20x20 км)

Размер таксона п * п км также должен выбираться, исходя из вида решаемой задачи. При автоматизированных измерениях сумм выпадающих осадков могут быть использованы таксоны размерами 5x5, 10x10, 15x15 и 30x30 км. Размер 10x10 км является наиболее оптимальным для радиолокационных измерений жидких осадков (получается наименьшая дисперсия абсолютной ошибки). Кроме того, для размера 10x10 км существует более тесная связь данных, полученных на МРЛ, с данными метеостанций.

Исходя из того, что для решения многих задач оптимальным является размер 10x10 км при разбиении пространства, обозреваемого радиолокатором, и привязки радиолокационных данных к свойствам подстилающей поверхности, этот размер нами был выбран основным. В тех случаях, когда требуется большая дискретизация, предусмотрен вариант использования таксона размером 5x5 км за счет деления уже существующего таксона (10x10) на 4 части. При использовании таксонов для сбора необходимой информации при оперативном прогнозе паводков и наводнений на горных реках также целесообразно применять размер 5x5 км.

Сквозной номер таксонов, если их нумеровать последовательно по строкам слева направо и сверху вниз, легко можно получить по формуле:

N 1к=3 + {К-\)-1, (2)

где J - номер столбца; К - номер строки; Ь - число таксонов сетки по горизонтали и вертикали ¿ = 7л7.

Координаты центра таксона, расположенного в У-й колонке и на К-й строке находятся из:

х1к =и-Ь/2)-п-п/2 К, = (И2-К)-п + п12,

(3)

Количество таксонов будет зависеть от максимального радиуса радиолокационного обзора, при Л = 130 км, = 26. Количество всех таксонов при этом равно 676. Радиолокатор при таком выборе системы координат находится на границе четырех клеток с адресами (13,13), (14,13), (13,14) и(14,14).

Для определения географических координат объекта наблюдения удобно пользоваться собственными географическими координатами радиолокатора, которые обычно известны. При этом

<Р=Ч>1+у> (4)

где <р и Я -широта и долгота объекта; и - широта и долгота местонахождения локатора; / = ; 113 - радиус Земли; = Географические координаты кавдого таксона заранее

известны и находятся в БД.

Для практики автоматизированных радиолокационных наблюдений облаков и сопоставления их параметров с другими данными алгоритм определения номера таксона сводится к следующему:

• по азимуту и расстоянию до облака определяются его декартовы координаты:

Х = Дяп (Аг), (5)

У = Лсоэ (Лг);

• далее определяется номер столбца 7 и номер строки К расположения таксона:

АГ = 1т - + 1

(г

I) (6)

• из выражения (2) определяется сквозной номер таксона N¡¡¡1

• по сквозному номеру таксона или таксонов находится комплекс всех необходимых для данной задачи параметров.

Формула (6) является универсальной и может применяться при любом масштабе дискретизации территории. Так при разбиении площади на таксоны размером 5><5 км необходимо использовать Ь = 52, п = 5. А для общего количества таксонов получим М = 2704.

Набор консервативных свойств для каждого таксона может быть заранее собран и помещен в соответствующие таблицы базы данных. Данные, получаемые непрерывно от радиолокатора, поступают в базу данных в полуавтоматическом режиме.

В формируемой таким образом БД накапливается пространственно распределенная информация, относящаяся к различным областям знаний, позволяющая решать многие практические задачи метеорологического назначения.

Рассмотрим структуру базы данных и взаимодействие ее таблиц и логических связей

База данных работает на сервере БД. Клиентской частью является программно-аппаратный комплекс АСУ «РЛС», запрограммированный на языке С++.

БД состоит из 10 таблиц: «Таксоны», «Радиолокационные данные», «Метеорологические данные», «Ландшафты», «Высоты», «Водосборы рек», «С/х культуры», «Географические объекты», «Спутниковые данные», «Наземные данные». Все таблицы имеют общие логические связи через внешние индексы. Каждая таблица имеет свое ключевое поле, в данном случае это поле ГО. Это - автоинкрементное поле, которое при добавлении очередной записи в таблицу автоматически создается с приращением на единицу.

Накапливаемая информация в БД позволяет постепенно набирать статистические данные по градовым процессам, что дает возможность делать сравнительный анализ между ними, находить общие параметры и на основе этого вырабатывать предварительный прогноз или диагноз градовой обстановки.

Обработка радиолокационных данных заключается в переработке и визуализации поступающей информации. При этом параллельно в автоматическом режиме решается ряд задач по пространственному отображению той или иной характеристики облаков.

Технология определения параметров облаков выполняется в полуавтоматическом режиме и сводится к следующему. В том случае, когда необходимо оценить мощность облака и проследить динамику изменения его параметров, оператор с помощью мышки выделяет необходимую конвективную ячейку и определяет ей порядковый номер. Далее машина по программе расчета параметров облака рассчитывает их значения в выделенной области и автоматически заносит полученные данные в радиолокационную базу данных. В окне параметров имеется возможность посмотреть результаты выполнения расчетов либо в таблице параметров, куда заносятся данные для каждой выделявшейся ячейки за все время ее существования, либо на графиках изменения соответствующих параметров за время наблюдения. Перечень радиолокационных параметров конвективных ячеек, записываются в БД и выводятся на экран. Кроме того в БД записывается и соответствующий графический образ метеообъектов радиолокационной обстановки в это время. Таким образом, оператор сам выделяет необходимый метеообъект и записывает его в БД. Процесс заполнения БД радиолокационными параметрами происходит в полуавтоматическом режиме.

Процесс ввода картографической информации заключается в оцифровке картографического изображения, нанесения регулярной сетки таксонов и последовательного заполнения БД. Процедура заполнения сводится к занесению кодов по цветам. В базе находятся только коды цветов оцифрованной карты, которые соответствуют кодам с расшифрованными цветами справочной таблицы БД. Это значительно сокращает физический объем БД и упрощает ее работу в целом.

Предлагаемый нами способ сбора, обработки и архивирования спутниковой информации заключается в автоматизированном получении предоставляемой НИЦ «Планета» оперативной продукции по цифровым каналам связи посредством сети Internet. Основные спутниковые снимки, используемые нами для синоптического анализа:

• NOAA (фрагменты). Цифровые геокодированные цветосинтезированные изображения территории ЮФО России по данным ИСЗ серии NOAA (видимый диапазон);

• цифровые геокодированные изображения по данным геостационарного ИСЗ METEOSAT- 7 (видимый диапазон);

• карты нефанализа и прогноза эволюции облачных образований.

• карта водозапаса облаков;

• карта интенсивности гроз;

• карта возможного выпадения града;

• карта средней интенсивности и типов осадков;

• карта максимальной Нвго (км) кучево-дождевой облачности;

• карта максимальной скорости восходящих потоков.

Для сбора спутниковой информации используется программа TeleportPro. Данная программа позволяет:

• создавать точную зеркальную копию с сохранением структуры каталогов и всех необходимых файлов;

• просматривать сайт на предмет файлов определенного типа или размера;

• находить страницы на сайте по ключевым словам;

• создавать список всех страниц и файлов на сайте.

Все собираемые спутниковые карты заносятся в соответствующую таблицу базы данных.

В третьей главе проведены исследования наиболее мощных градовых процессов по местам зарождения и траекториям перемещения на территории КБР и прилегающих районов. 10

В результате выявлены три области зарождения: «А», «В» и «С». Проведен сравнительный анализ и установлены соответствующие корреляционные связи между направлением и скоростью перемещения градовых облаков и направлением и скоростью воздушных потоков для каждой области.

Известно, что орография местности оказывает влияние как на усиление облакообразования и осадков, так и на их ослабление. У наветренной стороны хребта создаются благоприятные условия для развития облачности и выпадения осадков. У подветренных склонов усиливаются нисходящие движения и создаются условия для размывания облачности и уменьшения осадков. При динамическом влиянии хребтов на воздушные потоки усиление осадков над наветренными склонами может сопровождаться ростом приземного давления, а ослабление осадков и размывание облачности - падением давления. Вынужденный подъём воздуха по склонам гор нередко вызывает орографические ливни и грозы конвективного характера.

Развитию грозо-градовых процессов способствуют большая влажность в нижнем слое тропосферы, резкие температурные различия по высотам, а также особенности рельефа, обусловливающие развитие орографических вертикальных движений.

Для выявления рельефных характеристик разработана карта высот, оцифрованная с физической карты КБР. Такая карта необходима для выяснения зародившихся конвективных ячеек на определенных высотах местности.

Далее на карту высот были нанесены траектории градовых ячеек, в результате чего была получена карта-схема перемещения градовых ячеек на фоне высот. Основная часть градовых ячеек зарождается на западе республики и за ее пределами. Реже в ее центральной и восточной частях.

В результате разработанной карты высот и нанесенных градовых дорожек получена гистограмма зародившихся ячеек на соответствующих высотах (рис. 2). Из рисунка видно, что максимальная повторяемость процессов наблюдается на высотах 2 - 2,5 км (27%). Это еще раз подтверждает, что градовые процессы в Кабардино-Балкарии напрямую зависят от орографической особенности территории рассматриваемого региона. На высотах 500 - 2000 м градовых процессов наблюдается меньше - только 20% от всех рассмотренных за период с 2001 по 2005 г. процессов (всего 18 процессов). Еще реже градовые ячейки зарождались на высотах 2,5 - 3 км (около 8%). Надо сказать, что хребты гор разделяют регион в климатическом отношении. Максимальная активность градовых процессов за эти годы отмечается в мае и июне. Основной причиной развития интенсивных грозо-градовых процессов является активизация южных циклонов, циклонов средних широт и связанных с ними фронтальных разделов в результате меридиональной адвекции холодных влажных полярных масс воздуха в тропосфере при наличии струйных течений в приземном слое с максимальным прогревом воздуха до 3035 градусов.

Для выявления районов зарождения градовых ячеек необходимо определить активные участки местности и вычислить локальные максимумы. Поиск локального максимума заключается в отыскании мест наиболее частого зарождения градовых процессов. Необходимо выяснить в какой таксон больше всего попало градовых облаков. Для поиска максимумов был разработан соответствующий алгоритм.

Рис. 2. Гистограмма зародившихся градовых ячеек на соответствующих высотах.

В процессе исследования количества зарождений и работы алгоритма поиска максимума зарождений в таксонах 10x10 было выяснено, что большая часть градовых процессов сконцентрирована в междуречье верховий рек Кубани и Малки: таксоны (5,13), (5,14), (6,13), (6,14) и (7,15), (7,16), (8,15), (8,16). В остальных таксонах зарегистрировано небольшое количество зарождений. В связи с этим при поиске локальных максимумов получаются ложные значения, они появляются при сравнении с «пустыми» (нулевыми) таксонами, с теми, в которых вообще не было зарождений. Поэтому следует увеличить площадь таксона - до 20x20 км или 30x30 км. Нами была выбрана площадь 20x20 км, потому как при площади 30x30 км получается один большой максимум, который притягивает соседние таксоны. Вследствие этого, при выборе таксона 20x20 км количество «пустых» таксонов резко сокращается, ложных максимумов практически не наблюдается.

В нашем исследовании после применения алгоритма были получены три локальных максимума. Это таксоны (4,8) - 14,3%, (7,9) - 8,2% и (8,10) - 4,3% (рис. 3). Цветами обозначены количества зарождений и их места в процентном соотношении. На данной карте очень наглядно представлены очаги зарождений. При получении таких результатов возникает необходимость проведения кластерного анализа, который позволит выявить центры кластеров, их характеристики и свойства. Кластерный анализ предназначен для разбиения совокупности объектов на однородные группы (кластеры или классы).

Задача кластерного анализа заключается в том, чтобы на основании данных, содержащихся во множестве X таксонов, разбить множество объектов й на т (т - целое) кластеров (подмножеств) так, чтобы каждый объект принадлежал одному и только одному подмножеству разбиения и чтобы объекты, принадлежащие одному и тому же кластеру, были сходными, в то время как объекты, принадлежащие разным кластерам, были разнородными.

Например, пусть й включает п кластеров, любой из которых характеризуется местом зарождения (^|) и направлением перемещения (Р2). Тогда Х1 (вектор измерений) представляет собой набор указанных характеристик для первого кластера, обозначенного «кластер «А», Х2 - для второго - «В», Х3 - для «С». Задача заключается в том, чтобы разбить территорию градобития на кластеры, в которых зарождаются преимущественно все процессы.

Для решения задачи кластерного анализа необходимо определить понятие сходства и разнородности, а также расстояние от одного кластера к другому, приняв за точку отсчета центр каждого кластера.

С помощью евклидова расстояния выясним удаленность точек от кластера. Для двумерной диаграммы на плоскости эту меру можно выразить как:

<*('•?)£(**-**) . (7)

где к = 1, 2, ..., р - координаты таксонов

Данная формула является главным критерием для определения схожести или различия двух кластеров и расстояния между их таксонами.

3 4 5 6 7 8 9 10 11 12

16-14 14-12 12-10 10-8 8-6 6-4 4-2 2 и менее

ЩИ %

Рис. 3. Карта-схема градовых облаков, распределенная по районам зарождения на фоне карты КБР.

Еще одним наиболее значимым критерием отбора таксонов в кластеры является мощность (площадь) получаемого кластера и количество точек в самом кластере. То есть, если после расчета расстояния возникает вопрос, куда отнести тот или иной таксон, то предпочтение отдается именно тому кластеру, который больше по площади и имеет большее количество точек.

Выясним точки, принадлежащие конкретному кластеру. Для этого необходимо знать расстояние центра таксона до центра кластера. Если расстояние до центра одного кластера меньше, чем до центра другого, то мы считаем, что данный таксон относится к этому кластеру. Координаты центра кластера определяются по формулам:

х = —„-. У = -,

1=1 /-1

где п — количество таксонов в кластере; т, - количество зарождений градовых облаков в г'-м таксоне; х„ у, - координаты г'-го таксона в кластере.

Для определения принадлежности таксона к кластеру по количеству зарождения градовых облаков использовались следующие формулы:

_тА-т, „ _тя-т, _ тс -и, (9)

в~ Ш ' с= •

где ягА, тс - количество зарождений в центре кластеров «А», «В» и «С» соответственно; И. - расстояние от центра кластера до ;-го таксона.

Данные формулы определяют «силу притяжения» каждого таксона к центру соответствующего кластера. В итоге, чем больше получаемое значение, тем «сильнее» таксон притягивается к центру кластера. Такую операцию проделываем с каждым максимумом и каждым таксоном. В результате получаем три области (кластера). Обозначим их прописными латинскими буквами «А», «В» и «С». Вычерчиваем контур этих областей (рис. 3). Применив формулу (8) получим центры для трех кластеров. Для кластера «А» центром является таксон с координатами (4,7), для «В» - (7,9) и для «С» - (10,10). Если таксон оказывается на одинаковых расстояниях между центрами разных областей, то применяем критерии мощности и площади, т.е. чем больше кластер по площади и по количеству притянутых таксонов, тем больше вероятность попадания спорного таксона в такой кластер.

Применяемый метод кластерного анализа позволяет выявить области зарождения градовых облаков, которые дают возможность по-новому проводить их классификацию, отслеживать и поддерживать статистку процессов в актуальном состоянии и в дальнейшем проводить краткосрочные прогнозы развития града.

Изучение пространственного распределения града в регионе показало, что существенную роль в особенностях его распределения играет рельеф.

Кластер «А» самый большой по площади и по количеству зарождений в нем града. Прежде всего это связано с орографией местности рассматриваемой области. Следует отметить, что подавляющее большинство градовых облаков зарождается в междуречье верховий Кубани и Малки (таксоны (3,8) и (4,8)). Для всех этих процессов стадия развития проходит в горной зоне, а начало выпадения града и основная часть градовой дорожки приходится на предгорную и равнинную зоны. Важно заметить, что немалая часть градовых процессов зарождается на севере, северо-западе республики и за ее пределами со стороны Ставропольской возвышенности (таксоны (4,5-6), (5,5-6)). Влияние рельефа на распределение градовых процессов в регионе четко прослеживается - увеличивается повторяемость градовых процессов с ростом высоты над уровнем моря до 3000 м. Однако при высотах свыше 3000 м эта зависимость менее заметна. Прослеживается также зависимость повторяемости града от климатиче-

ских условий. Так, в засушливых районах повторяемость градовых явлений в 1,5-2 раза меньше, чем в условиях умеренно-континентального климата. В термодинамическом отношении основным фактором ускорения облако- и градообразования в горах является то, что локальный перегрев склонов вкраплен в поле высокой влажности долин и ущелий, что является причиной частого зарождения термиков.

Для предгорных и горных районов Северного Кавказа большое число случаев зарождения градовых процессов отмечается в интервале (высот) 500 - 1000 м. Это, в основном, кластер «С». Здесь основная часть процессов зарождается со стороны Сунженского хребта и СевероОсетинской низменности. Кроме того, для суперячейковых процессов рельеф, расположенный ниже 2500 - 3000 м, не является препятствием. Градовые ячейки перемещаются преимущественно по наветренным склонам гор. Основное направление движения ячеек происходит по ведущему потоку, преимущественно с запада на восток. Слабые градовые ячейки движутся под влиянием орографии, что опять же характерно для кластера «С». На востоке и юго-востоке республики помимо орографии существенное влияние оказывают и климатические условия, которые отличаются сухостью с большими амплитудами температуры воздуха (от -25 до 30 °С). Воздух здесь недостаточно влажен для образования неустойчивости в средней тропосфере. Поэтому климатические особенности этой части территории препятствуют зарождению и развитию градовых процессов.

Следствием такого территориального расположения явилось получение в области «С» «размазанного» распределения зарождения градовых облаков. То есть, в этом кластере зарождение наблюдалось в разных местах, поэтому площадь его больше по сравнению с кластером «В» и составляет 2400 км2, тогда как у «В» - 1200 км2. Столь небольшая площадь кластера «В» объясняется сгущением зародившихся градовых ячеек примерно в одних и тех же местах. В этот кластер входят всего лишь три таксона. В центре кластера сконцентрировано более 7% (таксон (7,9)) градовых процессов. Это - горный район. Для кластера «А» характерны те же орографические особенности. Редкость зарождения града обусловливается направлением ведущего потока и относительно небольшой высотой горных цепей.

Дальнейшие исследования были продолжены в отношении классификации траекторий перемещения градовых процессов, а впоследствии и сопоставления направления и скорости перемещения облаков с ведущим потоком. Были отобраны все процессы с известными координатами таксонов.

В результате получено:

• по кластеру «А» градовые процессы имеют юго-западное направление (более 60%);

• по кластеру «В» большая часть процессов имеет западное направление (более 45%);

• в кластере «С» основную часть составили облака юго-западного направления (более 70%) и западного (около 30%). В кластере «С» облака северо-западного направления не зарождаются вовсе.

В качестве вывода следует отметить, что большую роль в направлении перемещения облаков имеет орографический фактор и климатические особенности каждого кластера, особенно это проявляется в кластере «С», где климат достаточно сухой, а орографических препятствий при прохождении облаков особенно не наблюдается.

Представляет интерес выявить величины отклонений градовых облаков от ведущего потока. Это важно для прогноза перемещения облаков, определения типа облаков (с левосторонним или правосторонним развитием) и выбора стратегии воздействия на облака. Для получения статистики отклонения облаков были рассмотрены все имеющиеся случаи с наличием радиолокационных и аэрологических данных для различных кластеров.

В результате установлено, что почти 40% всех облаков отклоняются от ведущего потока в пределах от 16° до 31°. Некоторые облака (12%) отклоняются влево от ведущего потока. В основном эти случаи относятся к кластерам «В» и «С».

Вследствие проведенных исследований по траекториям перемещения градовых облаков и воздушных потоков по данным аэрологического зондирования на разных уровнях изобарической поверхности 850, 700 и 500 мбар были выявлены некоторые корреляционные связи для различных кластеров.

Так, на рис. 4 и 5 представлены связи направления и скорости перемещения облаков и ведущего потока для кластера «А». При использовании данных аэрологического зондирования можно с высокой степенью вероятности определить направление перемещения зарождающихся градовых облаков. Для вечерних процессов наиболее информативным является послеполуденный зонд (на 1600).

На рис. 4 построен график зависимости направления движения облаков от направления ведущего потока. Из рисунка видно, что две различные характеристики тесно коррелируют между собой и хорошо описываются линейной зависимостью. Коэффициент корреляции Ä'dd составил 0,75, что также говорит о высокой степени зависимости двух характеристик.

По данным графика, построено уравнение регрессии, которое имеет вид:

ddo6ll = Q,6235ddS00 + 112,32, (10)

где dd0бл - направление перемещения облака (гр.); dd^oo— направление ведущего потока (гр.).

На уровне 850 мбар связь не прослеживается между направлением перемещения облаков и потоками воздуха. Коэффициент корреляции A'dd получился около нуля и составил 0,3. Поскольку связь слабая и значение Ä'dd мало, то уравнение регрессии не строилось.

Те же процедуры были проделаны по кластерам «В» и «С». Коэффициент корреляции ÄTdd5oo на уровне 500 мбар составил 0,45, на уровне 850 мбар ■?чш5о составил 0,2.

Уравнение регрессии для кластера «В» на уровне 500 мбар имеет вид:

ЙИо6л = 0, 9&И5оо-ЮД7 (11)

По кластеру «С» коэффициент корреляции Кщ0Q на уровне 500 мбар составил 0,6, на уровне 850 мбар Kmso составил 0,3. Уравнение регрессии для кластера «С» на уровне 500 мбар имеет вид:

ddo5„= 1,69^500- 185,64 (12)

Кроме исследования зависимости траекторий перемещения облаков и воздушных потоков были проанализированы их скорости, а также их взаимосвязь на уровне 500 мбар. Исследования касались кластера «А», поскольку по кластерам «В» и «С» данных о времени жизни ячеек и аэрологического зондирования недостаточно. Таким образом, построен график зависимости скорости перемещения облаков от скорости ведущего потока (рис. 5). Здесь показано, что две характеристики тесно коррелируют и хорошо описываются линейной зависимостью.

Рис. 4. Связь между направл-ем перемещ-я облаков и направл-ем ведущего потока.

Рис. 5. Связь между скоростью

перемещения облаков и скоростью ведущего потока.

Рис. 6. Блок-схема прогноза по данным о перемещении, скорости и времени «жизни» град, ячейки

Коэффициент корреляции Kv составил 0,87, что говорит о еще более высокой степени зависимости анализируемых характеристик. По данным графика построено уравнение регрессии, которое имеет вид:

К06л = 1,2086 F500-26,758, (13)

где Fo6jI - скорость перемещения облака (км/ч); V500 -скорость ведущего потока (км/ч).

Необходимо отметить, что при определении связи направления и скорости облаков со скоростью и направлением потоков воздуха на уровне 850 мбар были получены худшие результаты. Коэффициент корреляции по направлению Ä'dds50 равен 0,3, а по скорости /¿vsso 0,2 (для кластера «А»). Поэтому в прогностических целях целесообразно использовать формулы (10) - (13).

Таким образом, исследование показало, что градовые облака, в основном, движутся по направлению ведущего потока и примерно со скоростью потока. Однако, на уровне 850 мбар получаются противоположные результаты. Направление и скорость нижней границы облака не отвечает уравнениям регрессии, для которых возможны дополнительные данные и соответствующие коэффициенты.

По статистическим данным за период 2001 - 2007 гг. исследовано время «жизни» градовых процессов, в результате чего выявлено, что большая часть процессов (35%) «живет» от 1 до 1,5 часов.

В связи с этим полученная характеристика дает дополнительную информацию для составления предварительного прогноза по данным о ведущем потоке, его скорости и времени «жизни» градовой ячейки.

Вследствие этого можно схематично представить механизм прогноза, который показан на рис. 6. Входными данными являются радиолокационные и аэрологические. Подставив в прогностические уравнения (10) - (13) значения ведущего потока, можно с определенной точностью прогнозировать перемещение и место выпадения града.

На основе выведенных уравнений (10) -(13) и применения алгоритма (рис. 6) получены результаты прогноза направления и скорости перемещения градовых процессов по данным ведущего потока (направления и скорости перемещения). Построены графики (рис. 7, 8), отражающие наглядное рис. 8. Реальные и прогнозные скорости перепредставление реальных и прогнозных мещения конвективной ячейки.

1 Маправл я > Напраая Я1

% % g 8 8 8

Рис. 7. Реальные и прогнозные направления перемещения конвективной ячейки.

гп

* Скорость я ♦ Скорость я ч (прогноз)

» ♦ •

30 * • *

• ♦ ♦ t ♦ ♦ ♦ ♦ ♦ ♦

10 07 2003 24 06 04(1) 24 06 04(2) 24 06 04(3) 23 07 05(1) 23 07 05(2) 23 07 05(3) I 06 06 2006 26 07 07(1) 1 26 07 07(2) 26 07 07(3) 5 О Ö о о о

величин.

Из рисунка 7 видно, что среднее направление составляет 250', средняя относительная погрешность 8%. Эта величина показывает хорошую работу прогноза по статистическим данным. Что касается скоростей (рис. 8), то здесь наблюдаются резкие перепады между реальными и прогнозными значениями. Относительная средняя погрешность 25%, это говорит о неплохом результате прогноза. Поскольку радиолокационные и аэрологические сведения о градовых процессах периодически накапливаются, то прогнозируемые величины имеют тенденцию к улучшению, чему свидетельствуют данные на рис. 8.

В четвертой главе показаны разработанные алгоритмы и принципы работы информационных систем различного назначения с использованием радиолокационных и других данных. Разработана информационно-поисковая метеорологическая система, общая схема ее работы и взаимодействия со сторонними пользователями, входные данные и примеры результатов программных запросов к БД.

Разработана автоматизированная методика выявления градовых процессов-«близнецов». Данная методика апробирована и выявила 9 таких процессов по динамическим характеристикам. Предложен метод прогноза мощных градовых процессов за счет автоматизированного поиска дней аналогов.

Предложена технология оперативного прогноза дождевых паводков на водосборах горных рек на основе таксономического подхода. Преимущество данной технологии обусловлено разбиением территории водосбора на соответствующие таксоны. Это позволяет отслеживать накопление осадков на каждом таксоне водосбора.

Использование метеорологической БД и проведенные исследований локальных мест зарождений и направлений перемещения градовых процессов дает хорошую основу для составления их прогнозов. За счет накапливаемой разнородной информации и разработанных программных средств составление прогноза не требует больших трудовых затрат.

Метод заключается в решении двух задач:

а.) Поиск процессов-«близнецов»

б.) Поиск аналогичных дней с градом в БД по аэросиноптическим и радиолокационным данным.

Поскольку вторая задача требует наличия большой базы набора аэросиноптических и радиолокационных данных, а в настоящий момент соответствующих данных недостаточно, поэтому метод может работать по поиску процессов-«близнецов».

Решение первой задачи состоит в поиске и отборе процессов с одинаковыми или близкими траекториями перемещения по таксонам на основе архивных материалов и накопленных процессов по автоматизированным радиолокационным данным.

Отбираем все процессы, зародившиеся в области «А». Затем сортируем процессы по трем направлениям - СЗ, 3, ЮЗ. Далее выбираем процессы северо-западного направления и отслеживаем перемещение по каждому таксону. Если таковые процессы, у которых есть общие таксоны от начала развития и до их диссипации существуют и коэффициент подобия равен 1, то оба этих процесса являются «близнецами». Степень подобия лежит в интервале [0,1]. Если же коэффициент не равен единице, то рассматриваемые процессы несколько трудно подпадают под термин «близнецы», за исключением тех, которые довольно длительны по жизни и расходятся на 1 или 2 таксона. Такие процессы также можно отнести к «близнецам». Те же действия необходимо проделать для остальных направлений и областей («В» и «С»).

Для определения коэффициента динамического подобия двух градовых процессов, которые получены по архивным материалам, использовалась следующая формула:

Р = 1 У* , <14>

¡Ъ

где Р - коэффициент динамического подобия; / - количество критериев сходства (место зарождения и траектория перемещения);); Ш - критерий подобия; Л', - критерий места зарождения б [0 -г- 1]; Ы2 - критерий траекторий перемещения е [0 ^ 1]; при Л^ = 1 процессы зародились в одном месте. Критерий траекторий перемещения вычисляется по формуле (15)

N2 = 1г_ (15)

Т/

где Тп - количество совпадающих таксонов сравниваемого процесса; Т3 - количество всех таксонов эталонного процесса

В результате проведенных исследований и вычислений градовых процессов по архивным 40-х и 1960-2000 гт. и радиолокационным данным 2001-2007 гг. на предмет подобия таковых было выявлено 9. По результатам вычисления была получена табл. 1, в которой подробно отражены абсолютные процессы-«близнецы» (таких 5) и в некоторой степени схожие по направлению перемещения. В таблице также приведены процессы, которые зародились в одном и том же месте, т.е. критерий Л^ = 1.

Таблица 1 - Результаты некоторых характеристик процессов-«близнецов» и коэффициент динамического подобия.___ _

№ п/п Процесс-«эталон» Подобные процессы Место зарожд. Напр. перемещ. (азимут) Критерий напр. перемещ. Кол-во общ. такс. Коэф. динам, подобия

1. 04.04.64 05.05.64 30.08.65 (4,7) 249 1 1 6 6 1 1

2. 01.08.2001(3) 22.07.2004 (3,8) 270,9 0,72 8 0,86

3. 06.06.1965 10.07.2003 (5,7) 280,2 0,43 3 0,71

4. 06.06.1965 21.06.1985 21.07.1990 (5,7) 289,95 0,57 1 4 7 0,78 1

5. 14.07.1982 22.07.2004 (5,8) 270,5 0,7 7 0,85

6. 13.06.1948 20.08.1976 13.08.1977 (4,8) 250,0 0,17 0,33 2 4 0,58 0,66

7. 20.06.1983 25-26.06.85 24.08.2004(1) (3,7) 240,98 1 0,27 11 3 1 0,63

8. 24.08.2004 (1) 26.07.2007 (5) (3,7) 257,51 0,67 6 0,83

9. 21-22.08.85 14.06.1988 (8,10) 230,22 1 9 1

Как показало исследование, наибольшее количество градовых процессов-«близнецов» зарождается на юго-западе КБР и, как правило, они перемещаются в том же направлении без особенных отклонений.

Таким образом, табл. 1 является основным результатом первой задачи метода прогноза зарождения и перемещения градовых процессов.

Вторая задача заключается в отыскании дней с аналогичной радиолокационной и аэросиноптической обстановкой. Поиск осуществляется по данным автоматизированных радиолокационных измерений, спутниковым картам и радиозондам. Такая задача наиболее сложная и требует тщательного и обдуманного подхода. Для ее решения требуется формализовать рассматриваемые метеорологические и другие характеристики к единому виду. Например, синоптические карты необходимо некоторым образом представить в табличной форме, т.е. те данные, которые графически представлены, перевести в текстовый вид.

Поскольку в настоящий момент набор радиолокационных и аэросиноптических данных весьма скуден, то прогноз по этим параметрам не представляется возможным. Однако по мере накопления в БД соответствующих сведений о градовых днях составление автоматизированного краткосрочного прогноза на базе предложенного метода не составит большого труда.

На рис. 9 показана блок-схема прогноза градовых процессов по входным данным: метеорологическим, спутниковым, аэрологическим. После поступления входных данных следующим шагом является расчет некоторых параметров по каждому из них. Далее осуществляется анализ факторов, влияющих на погоду. После этого обращаемся к БД для поиска аналогичных дней / процессов. Далее, если такие процессы найдены, то выводим таковые дни. И, наконец, последним шагом является непосредственно сам прогноз, т.е. находим дни и сравниваем, насколько они схожи с текущими днями по метеорологическим и синоптическим параметрам. Выводятся соответствующие коэффициенты сходства (по месту зарождения, траектории перемещения и /или высота верхней границы, высота максимальной отражаемости и т.д.).

В работе также разработана технология оперативного прогноза дождевых паводков на водосборах горных рек на основе таксономического подхода. Преимущество данной системы обусловливается разбиением территории водосбора на соответствующие таксоны. Это позволяет отслеживать накопление осадков на каждом таксоне водосбора.

Для использования в гидрологических расчетах и прогнозах радиолокационных данных о поле осадков необходимо их пространственно сопоставлять с характеристиками водосбора реки. Такое сопоставление возможно при разбиении площади водосбора на таксоны, совпадающие с таксонами радиолокационного разбиения пространства. Практическое исследование данного подхода проводилось на основе радиолокационного измерения выпавших осадков на водосборе р. Нальчик 19 августа 2005 года.

Наглядный пример использования таксономического подхода в реальной задаче показан на рис. 10. Для исследования выпавших осадков на водосборы рек и проведения гидрологических расчетов изменения стока требуется большая дискретизация, поэтому размер таксона в данном случае будет равен 5x5 км. Нумерация таксонов также изменена. Месторасположение радиолокатора находится в точке сопряжения таксонов (26,26), (26,27), (27, 26) (27,27).

Информация по рекам занесена в таблицу «Водосборы рек» основной БД. В этой таблице содержится название реки, площадь речного бассейна, координаты (/', к) таксонов расположения устья, уклон реки, облесенность.

В результате дождя 19 августа 2005 г на водосбор реки Нальчик за 3 часа выпало более 4 тыс. м3 воды. Распределение слоя осадков по территории водосбора было крайне неравномерным. Наибольшее количество воды выпало на северный участок (таксоны (26,32), (27,32), (28,32), (29,32)). Здесь в отдельных местах выпало 40-50 мм воды. Распределение осадков по территории водосбора приведено на рис. 10.

Интенсивность дождя определялась метеорадиолокатором, исходя из известного 1-1 соотношения:

г = А-1а, (16)

где X - множитель радиолокационной отражаемости, мм6/м3; I - интенсивность дождя, мм/ч; А и а - некоторые коэффициенты. Эти коэффициенты принимают различные значения в зависимости от типа осадков.

Рис. 9. Блок-схема прогноза гоала по дням аналогам.

Величина слоя выпавших за время ?2 -11 осадков определялась исходя из соотношения:

-- \irnt

Наиболее употребительной гидродинамической моделью движения воды в речных руслах и системах регулирования стока являются уравнения Сен-Венана, которые для речных русел обычно записываются в следующем виде:

дО

71'

д<2 д , ч _за

гГ&^аГ'"«

„/. . \ би вь

(18)

>1мм

>5ММ > - > ич

Рис. 10. Суммарный слой осадков, измеренный радиолокатором 19.0805г. на водосборе р. Нальчик.

где х - расстояние от начального створа; ? -время; g - ускорение силы тяжести; Q, и, к, - расход воды, скорость, глубина потока и площадь живого сечения соответственно; q -боковой приток в единицу времени на единицу длины; ич - относительная скорость бокового притока; г0 - уклон водотока, который считается положительным в сторону уменьшения отметок дна; у - уклон трения, задаваемый обычно по формуле г ; С — коэф-

''"с*

фициент шероховатости Шези.

На основе автоматизированных радиолокационных измерений были получены:

• поля интенсивности выпадающих осадков за каждый цикл обзора;

• суммарные осадки для всего водосбора р. Нальчик и для каждого

таксона разбиения, суммарные осадки за каждые 30 мин дождя;

• поле суммарных осадков, за время дождя.

За счет применения сетки таксонов на водосборе, радиолокационных и наземных измерений представляется возможным составлять оперативный прогноз дождевых паводков (рис. 11). Изложенный способ прогноза, основанный на совместном использовании краткосрочной прогностической и радиолокационной информации об осадках, требует проверки и дальнейшего совершенствования.

Данная система позволит проводить прогнозы паводков на реках КБР и наводнения, применяя оптимальную математическую модель расчета речного стока, привязанную к физико-географическим условиям конкретной реки.

Наконец, показан еще один пример работы информационно-поисковой системы с использованием радиолокационных и других данных. Задача такой системы состоит в представле-

, 1

Осадки

Рис. 11. Блок-схема оперативного прогноза дождевых паводков.

нии подробных данных, запрашиваемых специалистом-метеорологом или другими заинтересованными лицами посредством программного интерфейса. Ядром информационно- поисковой метеорологической системы является база данных, в которую стекаются различные данные (радиолокационные, синоптические, аэрологические и картографические).

БД расположена на сервере, который включен в корпоративную сеть организации. Любой потенциальный пользователь имеет возможность получить интересующие его сведения посредством программных запросов. Также предусматривается возможность доступа к БД извне по закрытым Internet-протоколам (VPN), сторонним организациям (МЧС, Гидрометцентр и т.д.) предоставлен доступ к информационным ресурсам БД.

В заключении представлены основные выводы по результатам, полученным в диссертации.

ОСНОВНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ РАБОТЫ

В диссертационной работе получены следующие основные результаты:

1. Разработан таксономический метод сопряжения радиолокационной и другой геофизической информации к территории обзора метеорадиолокатора.

2. Разработана метеорологическая база данных (БД) для систематизации разнородных данных: таксонов, ландшафтов, метеорологических данных, наземных данных, высот, водосборов рек, с/х культур КБР и карт с метеоспутников.

3. Предложена автоматизированная технология распознавания изображений географических карт и спутниковых снимков по цветам.

4. По результатам кластерного анализа всех случаев зарождения градовых облаков вся исследуемая территория разбита на три неравномерных области («А», «В» и «С»):

• область «А», в основном расположенная в междуречье верховий рек Кубани и Малки, является мощным генератором градовых процессов, т.к. на ее долю приходится 73% всех зарождающихся облаков;

• на область «В» приходится 11% зарождающихся процессов;

• 16% градовых процессов зарождается в области «С», расположенной в пределах Северо-Осетинской низменности и защищенной от западных вторжений воздушных масс Сунженским хребтом

5. Большая часть градовых процессов (67%) зарождаются на высотах от 1000 до 2500 м.

6. Установлены:

• корреляционная зависимость направления перемещения градового облака от направления ведущего потока по каждой области. Коэффициент корреляции Kdj для области «А» составил 0,75, для области «В» - 0,45, для области «С» - 0,6;

• корреляционная зависимость скорости перемещения градового облака от скорости ведущего потока. Коэффициент корреляции Ку составил 0,87 для области «А»;

7. Разработан метод прогноза зарождения и перемещения градовых процессов на основе таксономического сопряжения радиолокационной и аэросиноптической информации

8. Разработана автоматизированная методика выявления градовых процессов-«близнецов». Данная методика апробирована и выявила 9 процессов-«близнецов» по динамическим характеристикам, причем 5 из них идентичны.

9. Предложен метод прогноза мощных градовых процессов за счет автоматизированного поиска дней аналогов.

10. Предложена технология оперативного прогноза паводков на водосборах горных рек на основе таксономического метода сопряжения радиолокационной и другой информации.

11. Разработана информационно-поисковая метеорологическая система, построенная на программных запросах к базе данных. За счет размещения базы данных на сервере, доступ к данным может осуществляться с любого компьютера, входящего в корпоративную сеть.

Результаты диссертации опубликованы в следующих работах:

1. Аксенов С.А., Инюхин B.C. Применение таксономического подхода для сопоставления радиолокационной и другой информации // Известия ВУЗов. Северо - Кавказский регион. Естественные науки. Спецвыпуск «Науки о Земле» - 2007. - С. 53-55.

2. Аксенов С. А., Лиев К.Б. Принципы построения базы метеорологических данных И Тезисы V конференции молодых ученых КБНЦ РАН. - Нальчик, 2004. - С. 11.

3. Аксенов С.А., Малкаров A.C., Суслов В.В. Некоторые вопросы построения базы радиолокационных данных // Материалы VII конференции молодых ученых КБНЦ РАН. -Нальчик. - 2006, С. 16 - 21.

4. Аксенов С. А., Инюхин B.C. Использование детерминированного подхода для сопоставления радиолокационной и другой информации // Тезисы II конференции молодых ученых национальных гидрометслужб государств-участников СНГ «Новые методы и технологии в гидрометеорологии». - Москва, 2007. - с. 31.

5. Аксенов С.А., Инюхин B.C. Классификация траекторий перемещения и мест зарождения градовых облаков на основе радиолокационных данных // Тезисы Научно-практической конференции, посвященной 40-летию начала производственных работ по защите сельхозкультур от градобитий. - Нальчик, 2007. - С. 81.

6. Аксенов С.А., Инюхин B.C. Пространственное сопоставление радиолокационной и другой информации // Материалы VII конференции молодых ученых КБНЦ РАН. - Нальчик, 2006.-С. 12-16.

7. Аксенов С. А., Инюхин B.C., Капитанников A.B. и др. Использование радиолокационных данных о поле осадков для оперативного прогноза дождевых паводков // Материалы Всероссийской конференции по селям. - Нальчик, 2005. - С. 49-56.

8. Аксенов С.А., Инюхин B.C., Лиев К.Б. Измерение осадков на территории водосбора р. Нальчик // Материалы VII конференции молодых ученых КБНЦ РАН. - Нальчик, 2006. -С. 7-12.

9. Аксенов С.А., Инюхин B.C., Лиев К.Б. и др. Исследование количества выпавших осадков на территории водосбора р. Нальчик // Материалы Всероссийской конференции по селям. - Нальчик, 2005. - С. 145-154.

10. Аксенов С.А., Лиев К.Б., Инюхин B.C. Радиолокационные измерения осадков на территории водосбора р. Нальчик // Тезисы II конференции молодых ученых национальных гидрометслужб государств-участников СНГ «Новые методы и технологии в гидрометеорологии». - Москва, 2007. - С. 103.

11. Аксенов С.А., Инюхин B.C., Миссиров Ю.Я. Использование координатной сетки для сопоставления радиолокационных и других данных // Материалы Всероссийской научной конференции по физике облаков и активным воздействиям. - Нальчик, 2005. - С. 107-113.

Сдано в набор 04.12.08 г. Подписано в печать 05.12.08 г. Гарнитура Тайме. Печать трафаретная. Формат 60Х 84 */1б Бумага писчая. Усл.п.л.1,0. Тираж 100. Заказ №1037

Государственное учреждение «Высокогорный геофизический институт»

Содержание диссертации, кандидата физико-математических наук, Аксенов, Сергей Александрович

ВВЕДЕНИЕ.

I. ЭТАПЫ СИСТЕМАТИЗАЦИИ И ПЕРЕДАЧИ РАДИОМЕТЕОРОЛОГИЧЕСКОЙ ИНФОРМАЦИИ

1.1. Общие принципы пространственного сопоставления радиометеорологической информации.

1.2. База данных, как метод упорядочивания разнородной информации.

1.3. Передача радиолокационной и метеорологической информации по существующим каналам связи

1.4. Выводы

II. ИСПОЛЬЗОВАНИЕ ТАКСОНОМИЧЕСКОГО ПОДХОДА И БАЗЫ ДАННЫХ ДЛЯ СОПОСТАВЛЕНИЯ РАДИОЛОКАЦИОННОЙ И ДРУГОЙ ИНФОРМАЦИИ

2.1. Метод сопоставления радиолокационной и другой информации.

2.2. База радиолокационных данных. Принципы и алгоритмы архивации и систематизации радиолокационных параметров.

2.3. Метод распознавания изображения и ввода картографической информации в базу данных.

2.4. Методика приема и архивирования спутниковой информации.

2.5. Выводы

III. ИССЛЕДОВАНИЕ И СИСТЕМАТИЗАЦИЯ ГРАДОВЫХ ПРОЦЕССОВ, С ИСПОЛЬЗОВАНИЕМ ПРИНЦИПОВ ТАКСОНОМИИ

3.1. Условия возникновения и места зарождения града

3.2. Определение локальных максимумов для мест зарождения града

3.3. Кластерный анализ районов зарождения градовых процессов.

3.4. Корреляция направлений перемещения градового облака и ведущего потока.

3.5. Выводы

IV. ИСПОЛЬЗОВАНИЕ ТАКСОНОМИЧЕСКИХ ПРИНЦИПОВ В РАЗРАБОТКЕ ИНФОРМАЦИОННЫХ СИСТЕМ МЕТЕОРОЛОГИЧЕСКОГО НАЗНАЧЕНИЯ

4.1. Информационно-поисковая метеорологическая система.

4.2. Метод прогноза зарождения и перемещения градовых процессов

4.3. Оперативный прогноз паводков на водосборе р. Нальчик, на основе таксономического подхода.

4.4. Выводы

Введение Диссертация по наукам о земле, на тему "Автоматизированный анализ и прогноз опасных явлений погоды на основе таксономического сопряжения радиолокационной и другой информации"

Грозы, град, ливни, паводки, сели и другие опасные метеорологические явления наносят огромный урон народному хозяйству страны. С незапамятных времен человечество стремилось найти пути преодоления этих негативных явлений погоды. Научные основы их прогнозирования еще далеки от совершенства. Это связано с необычайной сложностью атмосферных процессов. Их формирование и развитие зависит от множества факторов, учесть и определить количественный вклад которых очень сложно. Моделировать эти процессы, а так же воспроизводить их в лабораторных условиях, учитывая все многообразие и взаимообусловленность, весьма затруднительно. Сложность проблемы для нашего региона заключается еще и в том, что опасные явления локальны, наблюдаются, как правило, в горных и предгорных районах, имеющих малую аэрологическую и метеорологическую освещенность.

Эти вопросы могут быть решены за счет применения ЭВМ и современных средств обработки и выбора удобного способа пространственной привязки всех данных, обеспечивающих полноту, наглядность и оперативность их представления. Реально данные наблюдений и измерений могут быть привязаны к узлам регулярной сетки. В результате формируются равномерно распределенные в пространстве поля данных, которые на заданной территории могут быть представлены своими осредненными (или максимальными, минимальными и т.д.) значениями. Благодаря этому к элементарной пространственной ячейке - таксону [89] могут быть отнесены данные различных средств наблюдения одного или нескольких источников, как однотипных, так и различных. То есть таксон может служить средством пространственного согласования данных различных средств наблюдения. Согласование следует рассматривать как начальный этап комплексного анализа, поскольку в последующем к упорядоченной по территориальным элементам информации могут быть применимы различные методы математической обработки данных.

Объектом исследования являются опасные гидрометеорологические явления, связанные с развитием мощной конвективной облачности.

Предметом исследования являются автоматизированный анализ и прогноз опасных явлений погоды, основанные на комплексном использовании разнородной информации.

Целью настоящей работы являются исследования мощных конвективных облаков, основанные на таксономическом сопряжении разнородной метеорологической информации, для анализа и прогноза опасных явлений погоды.

Для достижения поставленной цели в работе решены следующие задачи:

- разработан таксономический метод сопряжения радиолокационной, метеорологической и другой информации, включающий в себя метеорологическую базу данных, в которую входят радиолокационные параметры облаков, прогнозы погоды на день, водосборы рек, ландшафты, географические объекты, высоты местности, спутниковые карты погоды, наземные данные и с/х культуры для КБР и прилегающих территорий;

- разработан алгоритм накопления радиолокационной информации в базе данных;

- проведен сравнительный анализ и установлены соответствующие корреляционные связи между направлением и скоростью перемещения градовых облаков с направлением и скоростью воздушных потоков для каждой области;

- разработана автоматизированная методика выявления градовых процессов-«близнецов»;

Научная новизна полученных результатов:

- впервые по результатам кластерного анализа всех случаев зарождения градовых процессов на исследуемой территории выявлены три неравномерных области разной активности «А», «В» и «С», различающиеся и по синоптико-географическому положению;

- впервые получены прогностические соотношения, отражающие связь между направлением и скоростью перемещения градовых облаков с направлением и скоростью перемещения ведущего потока по каждой области;

- разработан метод прогноза зарождения и перемещения градовых процессов на основе таксономического сопряжения радиолокационной и аэросиноптической информации, с привлечением полученных прогностических соотношений;

- предложен метод прогноза мощных градовых процессов за счет автоматизированного поиска дней-аналогов;

Научная и практическая значимость результатов:

Основные положения, выносимые на защиту:

- таксономический метод сопряжения радиолокационной и другой информации;

- области зарождения градовых процессов на территории КБР и прилегающих районов;

- прогностические соотношения, отражающие связь между направлением и скоростью перемещения градовых облаков с направлением и скоростью перемещения ведущего потока;

Личный вклад автора:

Автором диссертации выполнены исследования мощных градовых процессов на основе архивных и оперативных радиолокационных данных по местам зарождения и траекториям перемещения градовых процессов. Выявлены 3 области зарождения градовых облаков, получены прогностические соотношения траектории перемещения и скорости градовых облаков по каждой области, разработан метод прогноза зарождения и траектории перемещения градовых облаков и проведена апробация на основе полученных соотношений.

Совместно с сотрудниками ОАВ ГУ «ВГИ» были выполнены: разработка программных средств; усовершенствование и дополнение автоматизированной радиолокационной системы АСУ «Антиград» алгоритмами накопления радиолокационных и других параметров в базу данных.

Материалы по радиолокационным данным, используемых в диссертационной работе, были получены автором при выполнении НИР на научно-исследовательском полигоне ВГИ в 2004-2008 гг. и из архивов. Метеорологические данные взяты из Интернета по материалам спутниковых наблюдений и «Атласа природных опасностей и стихийных бедствий КБР».

Апробация работы:

Основные результаты диссертации докладывались на:

- V конференции молодых ученых аспирантов и студентов (г. Нальчик, КБНЦ РАН, 2004 г.);

- Всероссийской научной конференции по физике облаков и активным воздействиям (г. Нальчик, ГУ «ВГИ», 2006 г.);

- Всероссийской научной конференции по селям и паводкам (г. Нальчик, ГУ «ВГИ» 2005 г.);

- VII конференции молодых ученых аспирантов и студентов (г. Нальчик, КБНЦ РАН, 2006 г.);

- в Известиях ВУЗов Северо-Кавказского региона, 2007 г.

Объем и структура диссертации: Работа состоит из введения, четырёх глав, заключения и списка литературы.

Заключение Диссертация по теме "Метеорология, климатология, агрометеорология", Аксенов, Сергей Александрович

4.4. Выводы

1. Разработана автоматизированная методика выявления градовых процессов-«близнецов». Предлагается ввести динамический коэффициент подобия, отражающий идентичность динамики процессов-«близнецов» и полный коэффициент подобия, отражающий всю характеристику процесса (мощность, энергию и т.д.). Данная методика апробирована и выявила 9 процессов-«близнецов» по динамическим характеристикам, причем 5 из них абсолютно идентичны.

2. Предложен метод прогноза мощных градовых процессов за счет автоматизированного поиска дней аналогов.

3. На основании таксономического метода сопряжения радиолокационной и другой информации предложена технология оперативного прогноза паводков на водосборах горных рек.

4. Разработана информационно-поисковая метеорологическая система, построенная на программных запросах к базе данных. За счет размещения базы данных на сервере, доступ к данным может осуществляться с любого компьютера, входящего в корпоративную сеть.

ЗАКЛЮЧЕНИЕ

На основе исследований, проведенных в диссертационной работе, и разработанных алгоритмов получены следующие основные выводы и результаты:

• на область «В» приходится 11% зарождающихся процессов;

5. Большая часть градовых процессов {61%) зарождаются на высотах от 1000 до 2500 м.

6. Установлены:

• корреляционная зависимость направления перемещения градового облака от направления ведущего потока по каждой области.

Коэффициент корреляции Км для области «А» составил 0,75, для области «В» - 0,45%, для области «С» - 0,6; • корреляционная зависимость скорости перемещения градового облака от скорости ведущего потока. Коэффициент корреляции Kv составил 0,87 для области «А»;

7. Разработан метод прогноза зарождения, перемещения градовых процессов на основе таксономического сопряжения радиолокационной и аэросиноптической информации

9. Предложен метод прогноза мощных градовых процессов за счет автоматизированного поиска дней аналогов.

10. Предложена технология оперативного прогноза паводков на водосборах горных рек, на основе таксономического метода сопряжения радиолокационной и другой информации.

Библиография Диссертация по наукам о земле, кандидата физико-математических наук, Аксенов, Сергей Александрович, Нальчик

1. Абатуров П.С., Кузнецов М.А., Никодимов И.Ю. и др. GPRS — технология пакетной передачи данных в сетях GSM. - СПб.: Судостроение, 2002. - 125 с.

2. Абшаев М.Т. Структура и динамика развития грозо-радовых процессов Северного-Кавказа // Тр. ВГИ. 1984. - Вып. 53. - С. 6-22.

3. Абшаев М.Т., Гораль Г.Г., Мальбахова Н.М. Прогноз типа градового процесса // Тр. ВГИ. 1987. - Вып. 67. - С. 72-79.

4. Абшаев М.Т., Мальбахова Н.М., Кунаева Ф.А. Об учете синоптической ситуации в прогнозе града вероятносто статистическим методом // Тр. ВГИ. - 1971.-Вып. 31.-С. 82-85.

5. Абшаев М. Т., Чеповская О. И. О функции распределения града // Метеорология и гидрология. 1967. - № 6. С. 36-40.

6. Аксенов С.А., Инюхин B.C. Применение таксономического подхода для сопоставления радиолокационной и другой информации // Известия ВУЗов. Северо Кавказский регион. Спецвыпуск «Науки о Земле».- 2007. С. 53-55.

7. Аксенов С.А., Инюхнн B.C. Пространственное сопоставление радиолокационной и другой информации // Материалы VII конференции молодых ученых КБНЦ РАН. Нальчик, 2006. - С. 12—16.

8. Аксенов С.А., Инюхин B.C., Капитанников А.В. и др. Использование радиолокационных данных о поле осадков для оперативного прогноза дождевых паводков // Материалы Всероссийской конференции по селям. — Нальчик, 2005. С. 49-56.

9. Аксенов С.А., Инюхин B.C., Лиев К.Б. Измерение осадков на территории водосбора р. Нальчик // Материалы VII конференции молодых ученых КБНЦ РАН, Нальчик. 2006. - С. 7 - 12.

10. Аксенов С.А. Лиев К.Б. Принципы построения базы метеорологических данных // Тезисы V конференции молодых ученых КБНЦ РАН. Нальчик, 2004.-С. 11.

11. Аксенов С.А., Малкаров А.С., Суслов В.В. Некоторые вопросы построения базы радиолокационных данных // Материалы VII конференции молодых ученых КБНЦ РАН. Нальчик, 2006.-С. 16-21.

12. Алексеев В., Моисеенко Д. Беспроводная связь с использованием GSM/GPRS-модемов WAVECOM // Электронные компоненты. 2002. - № З.-С. 57-61.

13. Алибегова Ж.Д., Беспалов Д.П., Брылев Г.Б., Иванова Н.Ф. // Оценка полусуточных сумм осадков по данным сетевых МРЛ // Труды ГГО. -1978.-Вып. 411.-С. 32-39.

14. Анисимов Б.В., Курганов В.Д., Злобин В.К. Распознавание и оцифровка изображений. М.: Высшая школа. - 1983. - 296 с.

15. Анисимов Д.А., Байрактаров А.Б., Зашакуев М.Э. Задача оптимального разбиения территорий по степени их природно-антропогенной опасности // Сборник научных трудов III конференции молодых ученых КБНЦ РАН. Нальчик, 2002. С. 7-11.

16. Аэросиноптические и термодинамические особенности возникновения и развития интенсивных градобитий и шквалов в условиях Северного Кавказа / В.А. Беленцова, Г.Г. Гораль, Т.Н. Терскова и др. // Тр. ВГИ. -1982.-Вып. 51.-С. 88- 100.

17. Багров Н.А. К вопросу оценки гидрометеорологических прогнозов // Метеорология и гидрология. — 1953. № 6. - С. 27 — 36.

18. Баженова И.Ю. Основы проектирования приложений баз данных. М.: Интернет - университет информационных технологий. - 2006. - С. 320.

19. Балкаров Б.Б. Кластерный анализ геоэкологической информации // Тр. ВГИ.- 1985.-Вып. 60.-С. 131-139.

20. Балкарова С.Б. Содержание критической жидкой пленки воды на поверхности градины. // Материалы Региональной научной конференции по теоретическим и прикладным проблемам современной физики. — Ставрополь: СГУ, 2002. С. 131-134.

21. Балкарова С.Б. Исследование критической массы и толщины жидкой пленки воды на поверхности ледяной сферы. // Сборник научных трудов III конференции молодых ученых. Часть 1. Нальчик: КБНЦ РАН, 2002. - С. 127-131.

22. Барекова М.В., Газаева 3. А., Макитов B.C. Характерные траектории суперячейковых градовых облаков на Северном Кавказе // Труды ВГИ. 1999. -Вып. 90.-С. 80-95.

23. Бачурина А.А. Об уточнении прогноза стратификации температуры и параметров конвекции в пограничном слое // Тр. ВГИ. 1969. - Вып. 57. — С. 52-57.

24. Бедрин И.Б., Кустов О.В., Моисеенко Д.И. и др. Использование каналов GSM в системах управления подвижными объектами // Вестник связи. -2000.-№8.-68 с.

25. Беленцова В.А., Федченко JI.M. Аэросиноптические и термодинамические условия развития интенсивных градовых процессов и методика их прогноза // Тр. ВГИ. 1984. - Вып. 55. - С. 90 - 94.

26. Беленцова В.А., Федченко JI.M. О влиянии рельефа Северного Кавказа на распределение опасных конвективных явлений погоды // Тр. ВГИ. — 1986. — Вып. 65.-С. 34-51.

27. Беленцова В.А., Федченко JI.M., Чеповская О.И. Оценка интенсивности градовых процессов на Северном Кавказе // Тр. ВГИ. 1974. - Вып. 25. -С. 3-16.

28. Бибилашвили Н.Ш., Гораль Г.Г., Чеповская О.И. Особенности потенциальной неустойчивости атмосферы в предгорных и горных районах Кавказа // Тр. ВГИ. 1977. - Вып. 39. - С. 74 - 81.

29. Бокова И.А. К вопросу оценки локальных районов возникновения и усиления градовых процессов // Тр. САРНИГМИ. 1975. - Вып. 16(97). -С. 54-60.

30. Борисенков Е.П. Принципы и статистические методы оптимизации (комплексирования) прогнозов // Метеорология и гидрология. 1982. - № 9. - С. 5 - 14.

31. Брылев Г. Б., Низдойминога Г. Л. О повышении заблаговременности прогноза перемещения небольших зон радиоэха с учетом данных аэрологического зондирования // Труды ГГО. 1977. - Вып. 395. - С. 92 -94.

32. Брылев Г.Б., Линев А.Г. Радиолокационные характеристики облачности и осадков, полученные по ячейкам пространства 5x5 км. В сб.: Радиолокационная метеорология.— Л.: Гидрометеоиздат, 1984. - С. 145— 153.

33. Брылев Г.Б., Низдойминога Г.Л., Якимайнен Н.А. Информация о полусуточных суммах жидких осадков по данным автоматизированного комплекса МРЛС—ЭВМ. В сб.: Радиолокационная метеорология. - Л.: Гидрометеоиздат. - 1984. - С. 67 - 72.

34. Бугаевский Л.М., Цветков В.Я. Геоинформационные системы. — Учебное пособие для ВУЗов. СПб.: "Златоуст", 2000. - С. 222.

35. Буз А.И. О роли атмосферных фронтов и некоторых циркуляционных факторов в развитии конвекции // Метеорология и гидрология. 1975. - № 9.-С. 21-30.

36. Воробьев В.И. Синоптическая метеорология. Л.: Гидрометеоиздат, 1994. -716с.

37. Временные методические указания по обработке и контролю радиолокационных метеорологических наблюдений, подготовке таблиц с ежедневными данными, формированию ежемесячников. — Л., ГГО, 1978.

38. Газаева 3. А., Динаева Л. М., Макитов В. С. Характерные траектории суперячейковых градовых облаков на Северном Кавказе // Тр. ВГИ. 1989. -Вып. 74.-С. 99- 109.

39. Герман М.А. Космические методы исследования в метеорологии. Л.: Гидрометеоиздат, 1985. 287 с.

40. Герман М.А. Спутниковая метеорология. — Л.: Гидрометеоиздат, 1975. -367 с.

41. Глушкова Н.И. Прогноз града с использованием данных МРЛ и ИСЗ. Методическое письмо. -М.: Гидрометеоиздат, 1979. — 16 с.

42. Глушкова Н.И., Беленцова В.А.Аэросиноптические условия, наблюдаемые при развитии грозо-градовых процессов на Северном Кавказе. // Тр. ВГИ. -1968.-Вып. 2.-С. 5- 10.

43. Глушкова Н.И., Минакова Н.Е. Прогноз града: Доп. к Руководству по краткосроч. прогнозам погоды. Ч. II. -М.: Гидрометеоиздат, 1967. 10 с.

44. Гораль Г.Г., Чеповская О.И. К прогнозу конвекции // Труды ВГИ. 1979. -Вып. 44. - С. 67 - 68.

45. Гораль Г.Г., Чеповская О.И. О некоторых термодинамических особенностях, определяющих конвективные процессы на Северном Кавказе // Тр. ВГИ. 1973. - Вып. 22. - С. 12 - 21.

46. Гринфилд Д. Оптические сети. М.: Diasoft. - 2002. - 256 с.

47. Трошев А.С. Основы работы с базами данных. — М.: Интернет — университет информационных технологий. 2006. - 376 с.

48. Дашко Н.А. Курс лекций по синоптической метеорологии. Владивосток, Дальневосточный государственный университет, 2005.

49. Демерс М. Географические информационные системы. Основы. — М.: "Дата+".- 1999.-504 с.

50. Дюран Б., Оделл П. Кластерный анализ / Пер. с англ. Е.З. Демиденко М.: Статистика, 1977. - 386 с.

51. Женев Р. Град. Пер. с франц. JL: Гидрометеоиздат, 1966. - 106 с.

52. Заморский А.Д. Атмосферный лед. М.: Изд-во АН СССР, 1955. - 186 с.

53. Запечников С.В., Милославская Н.Г., Толстой А.И. Основы построения виртуальных частных сетей. М.: Горячая Линия - Телеком, 2003. - 248 с.

54. Зверев А.С. Синоптическая метеорология.— Л.: Гидрометеоиздат, 1977. -711 с.

55. Зубков М.А., Саушев В.А. Компьютерное моделирование местности по картографическим данным. Пенза: Информационно-издательский центр ПГУ, 2006.-С. 178.

56. Зуев В.Е., Зуев В.В. Дистанционное оптическое зондирование атмосферы. М.: Гидрометеоиздат. 1992. - 231 с.

57. Ирвин Дж., Харль Д. Передача данных в сетях: инженерный подход. СПб.: -BHV-СПб, 2003.-448 с.

58. Калинин Н.А., Толмачева Н.И. Космические методы исследований в метеорологии. Пермь: Изд. Пермского университета, 2005. - 348 с.

59. Качурин JI.Г. Физические основы воздействия на атмосферные процессы. — Л.: Гидрометеоиздат, 1978. — 455 с.

60. Ким Дж.-О., Мьюллер Ч.У. Факторный анализ: статистические методы и практические вопросы // Факторный, дискриминантный и кластерный анализ / Под ред. И.С. Енюкова. -М.: Финансы и статистика, 1989. С. 5-77.

61. Кинг Д.Р., Гайер Дж., Гайер Э. Беспроводные сети. Установка и устранение неполадок за 5 минут. М.: НТ Пресс, - 2008. 176 с.

62. Код для сообщения данных метеорологических наблюдений, проводимых с помощью наземных радиолокаторов (RADOB). Л.: Гидрометеоиздат, 1973.-53 с.

63. Колмогоров А.Н. Теория информации и теория алгоритмов. М.: Наука. -1987.-305 с.

64. Конахович Г.Ф., Чуприн В.М. Сети передачи пакетных данных. М.: МК-Пресс.-2006.-272 с.

65. Кондратьев К.Я. Тимофеев Ю.М. Термическое зондирование атмосферы со спутников. — Л.: Гидрометеоиздат, 1970. 280 с.

66. Королев Ю.К. Общая геоинформатика. Часть I. Теоретическая геоинформатика. СПб.: СП 000 Дата+. - 1998. - 118 с.

67. Косников Ю.Н. Геометрическое моделирование в графических системах реального времени. Пенза: Информационно-издательский центр ПГУ, 2006.-210 с.

68. Косников Ю.Н. Применение укрупненных примитивов для отображения трехмерных объектов в режиме реального времени // Актуальные проблемы авиационных и аэрокосмических систем: процессы, модели, эксперимент. 2000. - №2(10). - С. 31.

69. Кузнецов С.Д. Основы баз данных. М.: Интернет - университет информационных технологий. - 2005. - 488 с.

70. Кузнецов С.Д. Введение в модель данных SQL. М.: Интернет -университет информационных технологий. — 2006. — 428 с.

71. Кузнецов С.Д. Введение в реляционные базы данных. М.: Интернет -университет информационных технологий. — 2006. — 384 с.

72. Лавров И.А., Максимова Л.Л. Задачи по теории множеств, математической логике и теории алгоритмов. — М.: Физматлит, 2004. — 256 с.

73. Ляхов А.А., Шакина Н.П., Пинус Н.З. Анализ мезомасштабной структуры атмосферных фронтов по данным учащенного зондирования.— Труды Гидрометцентра СССР. 1979.-Вып. 215.-С. 111-124.

74. Малкевич М.С. Оптическое зондирование атмосферы со спутников. — М.: Наука, 1979.-303 с.

75. Мандель И.Д. Кластерный анализ. М.: Финансы и статистика, 1988. - 176 с.

76. Методические указания по использованию радиолокационных данных в синоптическом анализе и краткосрочном прогнозе погоды. — М.: Гидрометеоиздат, 1981. 24 с.

77. Николаев В.П. Позиционирование подвижных объектов в сотовых сетях: услуги и проекты // Технологии и средства связи. — 2002. № 3. - 217 с.

78. Олдендерфер Р.К., Блэшфилд Р.К. Кластерный анализ // Факторный, дискриминантный и кластерный анализ / Под ред. И.С. Енюкова. М.: Финансы и статистика, 1989. С. 139-214.

79. Парк Дж., Райт Э., Маккей С. Передача данных в системах контроля и управления / Пер. с англ. М.: Группа ИДТ, 2007. - 480 с.

80. Педжман Рошан, Джонатан Лиэри. Основы построения беспроводных локальных сетей стандарта 802.11. М.: Вильяме, 2004. - 302 с.

81. Песков Б.Е. Некоторые особенности образования кучево-дождевых облаков и условий полета вблизи них // Метеорология и гидрология. — 1963.-№5.-С. 22-27.

82. Песков Б.Е. Роль упорядоченных вертикальных движений в слое трения при развитии конвективной облачности и гроз // Труды ЦИП. 1964. — Вып. 136.-С. 61-68.

83. Песков Б.Е. Синоптические условия образования гряд конвективных облаков по материалам визуальных наблюдений с высотно-скоростных самолетов // Труды ЦИП. 1964. - Вып. 136. - С. 69-80.

84. Полякова JI.H. Основы SQL. М.: Интернет - университет информационных технологий - ИНТУИТ.ру, БИНОМ. Лаборатория знаний. 2-е издание. - 2007. - С. 224.

85. Приходько М.Г. Справочник инженера-синоптика. JL: Гидрометеоиздат, 1986.-327 с.

86. Разумов В.В., Перекрест В.В. Атлас природных опасностей и стихийных бедствий Кабардино-Балкарской республики. — СПб.: Гидрометеоиздат, 2000.

87. Рубин А.Б. Биофизика. М: Высшая школа. - Т. 1. - 1987.-448 с.

88. Руководство по использованию спутниковых данных в анализе и прогнозе погоды / Под ред. И.П. Ветлова, Н.Ф. Вельтищева. JL: Гидрометеоиздат, 1982.-299 с.

89. Руководство по краткосрочным прогнозам погоды. — JL: Гидрометеоиздат, 1986.-502 с.

90. Ручкин В.Н., Фулин В.А. Архитектура компьютерных сетей. М.: Диалог-МИФИ. 2008. - с. 240.

91. Санжей Ч., Шаши Ш. Основы пространственных баз данных. М.: Кудиц-образ, 2004.-330 с.

92. Справочник потребителя спутниковой информации. / Под ред. В.В. Асмуса, О.Е. Милехина. СПб.: Гидрометеоиздат, 2005. - 114 с.

93. Туманов В.Е. Основы проектирования реляционных баз данных. М.: Интернет — университет информационных технологий — ИНТУИТ.ру, БИНОМ. Лаборатория знаний. - 2007. - 424 с.

94. Федоров Ю.К. Методика комплексной обработки данных наблюдений за облачностью и атмосферными явлениями // Метеорология и гидрология. — 1977.-№8.-С. 96-98.

95. Федоров Ю.К. Способ автоматической стыковки данных метеорологических радиолокаторов // Труды ГМЦ СССР. — 1973. Вып. 102.-С. 62-74.

96. Федоров Ю.К. Пространственное согласование данных метеорологических радиолокаторов // Радиолокационная метеорология. 1982. - Вып. 2. - С. 201-205.

97. Федоров Ю. К. Радиолокационная координатная сетка с единой системой отсчета // Труды Гидрометцентра СССР. 1975. - Вып. 98.

98. ЮО.Федченко Л.М. Влияние рельефа Северного Кавказа на трансформацию метеорологических элементов и локализацию конвективных процессов // Метеорология и гидрология. 1987. - № 6. - С. 55-64.

99. Фролов И. Teleport Pro и другие оффлайн-браузеры Internet. М.: Бук-пресс, 2006. - 182 с.

100. Хромов С.П. Основы синоптической метеорологии. Л.: Гидрометеоиздат, 1948.-696 с.

101. ЮЗ.Хучунаев Б.М., Ташилова А.А. Термодинамические условия образования осадков и их связь с микрофизическими характеристиками града // Материалы конференции молодых ученых КБНЦ РАН г. Нальчик, 2002 г. -С. 32-33.

102. Хучунаев Б.М., Ташилова А. А., Тлисов М.И. Исследование взаимодействия термодинамических и микрофизических процессов в конвективных облаках // Тр. ВГИ. Вып. 92. - 2002 г. - С. 109-115.

103. Шакина Н.П. Мезомасштабная структура и динамика атмосферных фронтов и циклонов средних широт.— Обнинск. Обзор ВНИИГМИ— МЦД, сер. метеорол., 1977. 69 с.

104. Юб.Шметер С.М. Физика конвективных облаков.— JL: Гидрометеоиздат, 1972. -231 с.

105. Abshaev М.Т., Tapaskhanov V.O., Iniukhin V.S. Computirised System for Hail-supression // Sixth WMO Sci. Conf. On Weather Modif. Paestum, Italy, 1994. -Vol. l.-P. 99-100.

106. Browning K. Cellular structure of convective storm // The Meteorology Magazine. 1982.-Vol. 91, № 1085.-P. 341-350.

107. Charlton R., List R. Hail size distributions and accumulation zones // J. Atoms. Sci. 1972. - Vol. 29, № 6. - P. 1182-1193.

108. Davis G. Management Information Systems: Conceptual Foundations, Structure and Development. New York: McGraw-Hill, 1980. - P. 247.

109. Hobbs P., Houze R., Jr. Mateika T.J. The dynamical and microphysical structure of an occluded frontal system and its modification by orography // J. Atoms. Sci. 1975. - Vol. 32, № 8. - P. 1542 - 1562.

110. Hoxit L. R., Chap pell C. F., Fritch J. M. Formation of mesolows or pressure troughs in advance of cumulonimbus clouds // Mon. Wea. Rev. 1976. - V. 104.-P. 1419—1428.

111. Newton C.V. Dynamical interactions between large convective clouds and environment with vertical shear // J. Meteorol. Soc. Japan. 1959. - Vol. 37, № 5.-P. 483-496.

Информация о работе

Аксенов, Сергей Александрович
кандидата физико-математических наук
Нальчик, 2009
ВАК 25.00.30

Диссертация

Автоматизированный анализ и прогноз опасных явлений погоды на основе таксономического сопряжения радиолокационной и другой информации - тема диссертации по наукам о земле, скачайте бесплатно

Автореферат

Похожие работы