Бесплатный автореферат и диссертация по наукам о земле на тему
Методология анализа данных дистанционного зондирования атмосферы и подстилающей поверхности в контуре ГИС
ВАК РФ 25.00.30, Метеорология, климатология, агрометеорология
Автореферат диссертации по теме "Методология анализа данных дистанционного зондирования атмосферы и подстилающей поверхности в контуре ГИС"
Сердитова Наталья Евгеньевна
МЕТОДОЛОГИЯ АНАЛИЗА ДАННЫХ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ АТМОСФЕРЫ И ПОДСТИЛАЮЩЕЙ ПОВЕРХНОСТИ В КОНТУРЕ ГИС
Специальность 25.00.30 - Метеорология, климатология, агрометеорология
АВТОРЕФЕРАТ диссертации на соискание ученой степени доктора географических наук
1 8 АВГ 2011
Санкт-Петербург - 2011
4852207
Работа выполнена в Российском государственном гидрометеорологическом университете (РГГМУ).
Научный консультант - доктор физико-математических наук,
профессор
Белоцерковский Андрей Владленович
Официальные оппоненты — доктор географических наук,
профессор,
заведующий кафедрой метеорологии и охраны атмосферы ПГНИУ Калинин Николай Александрович
доктор физико-математических наук, профессор,
заведующий кафедрой метеорологии, климатологии и охраны атмосферы Института окружающей среды ДВФУ Ламаш Борис Евгеньевич
доктор географических наук,
профессор кафедры прикладной экологии
РГГМУ
Попова Елена Сергеевна
Ведущая организация - Военно-космическая академия им.
А.Ф.Можайского
Защита состоится «15» сентября 2011 г. в 15 часов на заседании диссертационного совета Д.212.197.01 Российского государственного гидрометеорологического университета.
Адрес: 195196, г. Санкт-Петербург, Малоохтинский пр., 98.
С диссертацией можно ознакомиться в библиотеке Российского государственного гидрометеорологического университета.
Автореферат разослан «10» августа 2011 г.
Ученый секретарь диссертационного совета доктор географических наук, профессор
Угрюмов Александр Иванович
ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ
Актуальность исследования. В последние годы геоинформационные системы (ГИС) стремительно становятся стандартным инструментом для решения ряда фундаментальных и прикладных проблем метеорологии и климатологии. Благодаря способности хранить, обрабатывать, анализировать и визуализировать в структурированной электронной форме огромные объемы пространственно распределенных разнородных данных ГИС позволяют быстро генерировать синтетическую информацию в удобной для принимающих решения специалистов форме. В решениях XV Всемирного метеорологического конгресса (Женева, 2007) и Стратегическом плане ВМО (№1028) настойчиво рекомендуется широкое внедрение ГИС в мировую метеорологическую практику в качестве основы перспективных информационных систем.
В метеорологических и природоохранных приложениях имеется широкий класс задач, решение которых в значительной степени облегчается или ускоряется при использовании ГИС. К ним можно отнести: раннее оповещение о стихийных бедствиях и опасных погодных явлениях, наблюдения за температурой земной поверхности и Мирового океана, контроль за уровнем поверхности Мирового океана, определение границ снежного покрова, наблюдения за площадями затопления и разлива рек, наблюдения за распространением дыма от лесных пожаров, агрометеорологические и биометеорологические приложения, наблюдения за климатической системой Земли и отдельными ее элементами. Проблема эффективного применения ГИС в подобных задачах состоит в необходимости усвоения и анализа данных дистанционного зондирования, в особенности полученных при помощи метеорологических радиолокаторов и спутников, для исследования различных объектов климатической системы.
Однако цифровая информация, поступающая от современных средств дистанционного зондирования атмосферы и подстилающей поверхности")'
требует расшифровки и анализа с целью идентификации изображенных на снимках объектов, осуществляемых, как правило, вне рамок ГИС с использованием • специализированных программных и аппаратных средств. Можно выделить две основные проблемы, решение которых необходимо для превращения данных дистанционного зондирования в информационные слои, составляющие основу для хранения информации в ГИС: 1) компрессия данных, или выбор наиболее информативных спектральных диапазонов зондирования; 2) идентификация изображенных на снимках объектов. Значительное ускорение процесса принятия решений может быть достигнуто при рассмотрении этих задач непосредственно в контуре ГИС, особенно в реальном масштабе времени, в темпе поступления данных дистанционного зондирования.
Столь же актуальной в процессе принятия решений с помощью ГИС является проблема оценки комплексного состояния территорий. Можно выделить два наиболее общих класса задач. Первый относится к построению сводных показателей, характеризующих природный потенциал территории без учета хозяйственной деятельности человека. Второй - к оценке состояния территории с учетом осуществляемой на ней экономической деятельности.
Необходимость построения сводных показателей возникает, например, при оценке различного рода территориальных потенциалов (ассимиляционного, мезоклиматического и др.), оценке диффузионного потенциала синоптической ситуации, оценке многофакторного риска стихийных бедствий или степени уязвимости для них определенного района. В силу определенной искусственности; подобных сводных показателей, а также всегда имеющей место неопределенности наиболее тонким и ответственным этапом является оценивание весовых коэффициентов, учитывающих вклад разных факторов в значение показателя. В этом смысле необходима разработка метода, который отвечал бы двум требованиям: а) учитывал имеющуюся неопределенность, б) допускал простую вычислительную реализацию в контуре ГИС.
Оценки экологического состояния территорий невозможны без ссмотрения осуществляемой на них экономической деятельности. Проблема ложняется тем, что эколого-экономическое состояние территории, с одной ороны, зависит от метеорологических и климатических факторов, а с другой ороны, может оказывать на них влияние. Необходима разработка метода енивания в рамках ГИС наиболее общих показателей макросостояния ожных климатических и эколого-экономических систем.
Технологии современного дистанционного зондирования позволяют ществлять мониторинг различных параметров состояния атмосферы, дросферы и биосферы. Принятие оперативных решений на основе такой формации удобнее всего осуществлять с помощью ГИС-технологий. Между м приходится констатировать отсутствие единого методологического дхода к анализу данных дистанционного зондирования атмосферы и дстилающей поверхности для проведения комплексной оценки состояния рриторий в контуре ГИС в реальном масштабе времени. Это обстоятельство многих случаях системно ограничивает возможности оперативного ождения наилучших решений.
Данная диссертация призвана восполнить существующий научный обел в этой сфере, что и актуализирует тему исследования.
Целью диссертационного исследования является разработка етодологии анализа данных дистанционного зондирования атмосферы и дстилающей поверхности в контуре ГИС для комплексной оценки состояния рриторий.
Для достижения поставленной цели были поставлены и решены едующие задачи:
• создать структуру и разработать логическую организацию наполнения ртографической и атрибутивной баз данных с целью комплексной оценки стояния территорий по результатам дистанционного зондирования
атмосферы и подстилающей поверхности в контуре ГИС в реальном масшта времени;
•разработать метод компрессии данных и выбора наибол информативного спектрального диапазона зондирования метеорологическ объектов в контуре ГИС;
•разработать метод автоматической идентификации изображенных спутниковых снимках экологически значимых метеорологических объектов контуре ГИС;
•разработать метод построения в рамках ГИС мезоклиматическо потенциала территории в условиях априорной неопределенности;
•оценить статистическую обоснованность принципа максиму производства энтропии для описания сложных климатических и эколо экономических систем;
•определить возможность использования концентрации антропогеннь выбросов углекислого газа в качестве основы для интегральной оцен энтропийной устойчивости территории (региона);
•произвести расчет индекса относительной энтропийной устойчивост отражающего относительное благополучие региона с эколого-экономическ точки зрения.
Объект диссертационного исследования - атмосфера и подстилающ поверхность.
Предмет исследования - дистанционное зондирование и геоинформ ционное моделирование сложных неравновесных климатических и эколог экономических систем.
Методологическая и теоретическая основа исследовани Исследования базируеются на системном подходе, в котором примене методы термодинамики, теоретико-информационного, теоретико-вероятное ного и статистического анализов, методы теории распознавания образо
методы рандомизированных сводных показателей и геоинформационного оделирования.
Новые научные результаты, выносимые на защиту: •метод выбора наиболее информативных спектральных диапазонов истанционного зондирования метеорологических объектов на основе анализа главных компонент ковариационной матрицы наблюдений в контуре ГИС;
•метод автоматической идентификации изображенных на спутниковом нимке метеорологических объектов с использованием трехуровневого емейства методов распознавания образов и кластер-анализа с варьируемой тепеныо априорной неопределенности в контуре ГИС;
• алгоритм повышения степени разделимости классов метеорологических бъектов путем нормирования по среднеквадратическому отклонению в случае начительного различия статистической структуры обучающих выборок;
• метод построения регионального мезоклиматического потенциала едиментации аэротехногенных примесей с использованием андомизированных весовых коэффициентов в контуре ГИС;
•теоретико-информационное и статистическое обоснование возможности рименения принципа максимального производства энтропии (МПЭ) для писания открытых сложных климатических и эколого-экономических систем, ействующих в условиях ресурсных ограничений;
•метод учета антропогенных выбросов углекислого газа для оценки корости производства энтропии территории;
•метод и результаты расчета индекса энтропийной устойчивости ерритории.
Теоретическая и практическая значимость результатов сследования. Полученные в диссертации результаты и разработанные методы огут быть использованы:
•в системах раннего оповещения о стихийных бедствиях и опасных погодных явлениях,
•в системах наблюдения за лесными и тундровыми пожарами,
• в системах наблюдения за выбросами загрязняющих веществ в атмосферу и Мировой океан,
•при контроле водной и ветровой эрозии почв,
•при определении границ снежного покрова, затопления и разлива рек,
• при оценке состояния сельскохозяйственных и лесных угодий, •при оценке биометеорологических индексов,
•при оценке ассимиляционных и мезоклиматических потенциалов территорий,
•при стратегическом планировании развития территории, •при оценке состояния экологических и экономических систем.
Апробация. Основные результаты работы докладывались на Всероссийской научной конференции в РГГМУ (Санкт-Петербург, ноябрь 1999 г.), на итоговых сессиях ученого совета РГТМУ (Санкт-Петербург, январь 2001-2009 гг.), на научных семинарах кафедр прикладной метеорологии и экспериментальной физики атмосферы, экономики предприятия и учетных систем РГГМУ (19992009 гг.). Результаты исследования были использованы при выполнении международных и российских грантов, договорных НИР: «Преобразование социальной сферы города за счет реализации его образовательных возможностей» (1999-2002 гг.), «Оценивание экономической эффективности, разработка моделей и оптимизация гидрометеорологического обеспечен! народного хозяйства» (2001-2004 гг.), «Организация и регулировани инновационной деятельности в регионе с использованием потенциала высше" школы» (2003-2004 гг.), «Управление природопользованием на предприяти посредством интеграции данных бухгалтерской и экологической отчетности) (2005-2010 гг.), TEMPUS JEP «СОМВАТ-МЕТЕО» (2007-2009 гг.); TEMPU
JEP «QUALIMET» (2009-2012 гг.), BRIDGE «Keeping it cool» (2007 г.); грант молодых научно-педагогических работников высших учебных заведений и академических институтов Санкт-Петербурга в 2007 г. № 07009; грант фонда «Научный потенциал» - конкурс научно-исследовательских проектов в 20082009 гг., договор № 171. Исследования выполнялись в рамках мероприятий 1.5 и 1.2.1 Федеральной целевой программы Министерства образования и науки Российской Федерации «Научные и научно-педагогические кадры инновационной России» на 2009-2013 гг. (государственные контракты 02.740.11.5199 от 12 марта 2010 г. и 16.740.11.0184 от 2 сентября 2010 г.).
Личный вклад автора. Основные результаты диссертации получены лично автором и опубликованы более чем в 60 печатных работах, материалы использованы в научно-исследовательских отчетах.
Структура и объем диссертационной работы. Диссертация содержит введение, 7 глав, заключение, приложения и список литературы. Главы делятся на разделы. Основной текст содержит 225 страниц, включая 7 таблиц и 37 рисунков, а также 15 приложений на 54 страницах. Список использованных источников составляет 200 наименований.
СОДЕРЖАНИЕ РАБОТЫ
Во введении обосновывается актуальность темы, кратко освещается современное состояние проблемы, определяются задачи и цель работы, описывается структура диссертации и формулируются общие подходы к решению поставленных задач.
Первая глава посвящена обзору технологии геоинформационных систем как автоматизированной информационной системы, предназначенной для обработки пространственно-временных данных, основой интеграции которых служит географическая информация. Рассматриваются типовая структура ГИС и ее основные функции, описываются стандартные средства ГИС, обсуждаются методы представления пространственной информации, анализируются
особенности и перспективность использования ГИС в метеорологических и природоохранных приложениях, рассматриваются недостатки существующих систем с точки зрения таких приложений и возможности их устранения, формулируются основные выводы по первой главе.
Вторая глава посвящена методам компрессии данных спутникового дистанционного зондирования метеорологических объектов путем выбора наиболее информативного спектрального диапазона.
Объясняется необходимость сжатия данных и предлагается использование простого и эффективного способа компрессии многомерных случайных величин (каковыми являются спутниковые изображения), основанного на составлении их линейных комбинаций с ядрами, являющимися собственными векторами ковариационной матрицы. Полученные таким образом новые случайные величины некоррелированы и обладают дисперсией (а следовательно, и информативностью), равной соответствующим собственным числам. При этом наибольшей информативностью на классе всех линейных комбинаций будет обладать комбинация с ядром, отвечающим максимальному собственному числу.
Рассматривается случайный вектор наблюдений
Хг = (х1;...,х„), (1)
где п - число спектральных каналов, х - яркость в точке поверхности в ¡'-ом диапазоне. При получении снимка в г -ом спектральном диапазоне реализация вектора наблюдений будет представлять собой матрицу значений яркости {хк1 в каждой точке изображения к,1. К,1 определяют размеры изображения с учетом пространственного разрешения.
Строится оценка максимального правдоподобия ковариационной матрицы вектора наблюдений
2 = (2)
| KL.
^jtYLK)- (3)
Строится оценка максимального правдоподобия для главных компонент и их дисперсий. Для этого решается характеристическое уравнение для определения собственных чисел Á¡
| t-Äl | = 0 (4)
и находится множество соответствующих собственных векторов Ь^, удовлетворяющим уравнениям
(£-Л,.1)ь0) = О (5)
Ь«(Ь«)Г=1. (6)
Главные компоненты в этих обозначениях представляют собой
>>(i)=b(i)X, i = \,...,N. (7)
Оценивается доля объясняемой каждой компонентой дисперсии (и, соответственно, ее информативность) с помощью коэффициента
Р,=ф-юо%. (8)
LÁi i
Описывается метод последовательных приближений для вычисления характеристических корней и характеристических векторов (главных компонент) выборочной ковариационной матрицы. Рассматривается распространенный метод ускорения процесса приближения, предложенный Эйткеном.
Реализация метода иллюстрируется на примере мультиспектральных изображений экологически значимых метеорологических объектов спектрорадиометра среднего разрешения MODIS спутника EOS РМ-1 (Aqua) и данными семиканального зондирования участка поверхности суши, выполненного TM LANDSAT. В результате реализации алгоритма рассчитаны ковариационные и корреляционные матрицы, собственные числа и векторы,
показана высокая степень компрессии с помощью первых двух компонент (до 98 %), определены наиболее репрезентативные исходные изображения, имеющие самую высокую корреляцию с главными компонентами.
Третья глава посвящена методам автоматического распознавания изображенных на спутниковых снимках метеорологических объектов.
Для превращения спутниковых снимков в информационные слои ГИС необходимо привлечение методов теории распознавания образов (ТРО). Указывается, что в контуре ГИС необходимо разработать алгоритмы, охватывающие весь спектр возможных уровней наличия априорной информации о классифицируемых объектах: 1) полного, когда известны условные плотности вероятностей признаков в классах; 2) неполного - при наличии обучающих выборок в классах; 3) полного ее отсутствия (в том числе отсутствие информации о наличии классов).
Производится постановка задачи распознавания образов, вводятся основные определения и понятия. Указывается, что основная задача ТРО сводится к построению разделяющей гиперповерхности (решающего правила) в признаковом пространстве с целью минимизации риска потерь.
Рассматриваются методы распознавания первого уровня при наличии полной априорной информации.
Для первого уровня наличия априорной информации обсуждается метод максимального правдоподобия, который для вычисления апостериорной вероятности принадлежности объекта с признаками х * образу 5, по формуле Байеса сводится к
_ Ро^ГЫ*;*/*,)
Р(5,/х*)=-ц-^-. (9)
/Ы ]=\
Поскольку в реальных условиях плотности вероятностей признаков, как правило, неизвестны, приходится ставить задачу оценки этих плотностей по
обучающим выборкам. Предполагается, что распределение значений признаков каждого класса хорошо аппроксимируется смесью нормальных плотностей вероятностей:
р(х) = ^М^{х/тч,ач). (Ю)
4=1
Каждому объекту выборки ставится в соответствие апостериорная вероятность а,ч принадлежности его компоненте смеси:
•ч о ' 4 '
>1
1=1
Строится следующая итеративная процедура последовательных приближений:
=> &}=> л1 => КЬ-^' => кЬ =» }=>..., (в)
где Л = А* - произвольно заданные начальные значения
параметров смеси, верхний индекс - номер итерации. Для (¿+7)- го шага
/=] л=1
о\{1 +1) = - тч<! +1)} /£<• (15)
М л=1
Методы распознавания второго уровня при неполной априорной информации требуют задания обучающих выборок. Рассматривается простой и эффективный метод ближайшего среднего (эталонов). Для каждого класса по обучающей выборке строится эталон, имеющий значения признаков
= (16)
где
1 к
Х: „ А ХЛ '
Л- *=1
АГ - количество объектов данного образа в обучающей выборке, / - номер признака.
Распознавание осуществляется следующим образом. На вход системы поступает объект х*, принадлежность которого к тому или иному классу метеорологических объектов системе неизвестна. От этого объекта измеряются расстояния до эталонов всех образов, их* система относит к тому классу, расстояние до эталона которого минимально. Расстояние измеряется в той метрике, которая введена для решения определённой задачи распознавания.
Если дисперсии обучающих выборок относительно средних в двух классах значительно различаются, решающее правило метода ближайшего среднего существенно сместит границу в сторону одного из классов. Чтобы преодолеть это «неравенство» классов, необходимо разработать алгоритм улучшения степени разделимости классов. В качестве такого алгоритма предлагаются нормирование признаков по соответствующим среднеквадратическим отклонениям обучающих выборок и проведение классификации в пространстве нормированных признаков.
На третьем уровне в условиях полного отсутствия априорной информации используется кластерный анализ, в основе которого лежит гипотеза компактности. Одним из лучших алгоритмов реализации кластерного анализа при ограниченных объемах выборок считается использующий метод потенциальных функций. Название метода в определённой степени связано со следующей аналогией. Представим себе, что объекты являются точками Хунекоторого пространства X. В эти точки будем помещать заряды +
Функцию, описывающую распределение электростатического потенциала в таком поле, можно использовать в качестве решающего правила (или для его
построения). Если потенциал точки х, создаваемый единичным зарядом, находящимся в х], равен К{х,х^), то общий потенциал в х, создаваемый п зарядами, равен:
К{х,х^ - потенциальная функция. Она, как и в физике, убывает с ростом евклидова расстояния между х и х),. Чаще всего в качестве потенциальной используется функция, имеющая максимум при х = х1 и монотонно убывающая до нуля при |х — д:у| —> со.
Кластерный анализ осуществляется следующим способом. Всем элементам выборки приписывается один и тот же заряд. Вычисляется суммарный потенциал £(*)■ Если он превышает определенное пороговое значение сI, то это означает, что здесь имеется тесное скопление «зарядов», наводящее значительный потенциал. Соответствующая область провозглашается кластером. По величине наведенного «потенциала» можно построить иерархию кластеров по «кучности» и количеству элементов.
В качестве потенциальных функций в данной работе используются функции вида
с устанавливаемым заранее количеством кластеров или шириной кластера.
Описывается реализация трехуровневого алгоритма в контуре ГИС и приводятся примеры идентификации экологически значимых метеорологических объектов на спутниковых снимках METEOSAT и EOS Aqua в выбранных ранее наиболее репрезентативных спектральных диапазонах (определение границы снежного покрова на фоне облачности в видимом
п
g(x) = ^qjK(x,Xj).
(17)
(18)
диапазоне, обнаружение шлейфов дыма от лесных пожаров, а также облачности и границ ледового покрова) и ЬДИОБАТ (распознавание типов подстилающих поверхностей). С целью оценки чувствительности различных алгоритмов к неточности задания обучающих выборок (робастности) варьировалась засоренность обучающих выборок пикселями из других классов в диапазоне от О до 30 % засоренности. Наиболее робастным оказался алгоритм, использующий нормированный метод ближайшего среднего. При хорошем определении обучающих выборок наилучшее качество распознавания демонстрирует алгоритм, основанный на методе максимального правдоподобия с аппроксимацией условных плотностей вероятности смесью нормальных распределений.
Четвертая глава посвящена рассмотрению метода построения мезоклиматического потенциала территории в контуре ГИС как примера сводного показателя, обобщающего различные стороны объекта в условиях неопределенности и неточности информации.
Общим в задачах такого типа является формирование вектора
q = {q,,qг.....д„,) отдельных показателей, имеющих географическое
распределение (информационных слоев ГИС). Вводится сводный показатель О, который зависит от вектора весовых коэффициентов = (м»;,и<2,...,),
задающих степень влияния отдельных показателей д, на сводную оценку. Простым частным случаем сводного показателя является линейная комбинация
™ т
¡=1
Неопределенность выбора вектора весовых коэффициентов = моделируется многомерной равномерно распределенной
случайной величиной # = ,...,#„). Генерируя на ЭВМ все допустимые наборы весовых коэффициентов у/1, получаем возможность вычислить статистические характеристики вектора случайных весовых коэффициентов
»(/) и соответствующих рандомизированных сводных показателей, как это предложено в методе анализа и синтеза показателей при информационном дефиците (АСПИД).
При реализации метода в контуре ГИС рассмотрены два возможных варианта реализации алгоритма:
1. Первый вариант - полное отсутствие априорной информации о сравнительной весомости отдельных показателей;
2. Второй вариант - наличие априорной информации о сравнительной весомости отдельных показателей. Предполагается, что информация носит лишь ординальный (порядковый) характер и она сформулирована в виде системы неравенств для весовых коэффициентов.
Метод рандомизированных показателей с неопределенными весовыми коэффициентами применен к задаче оценки мезоклиматического потенциала седиментации аэротехногенных примесей. Для оценки информативности полученной величины проведено сравнение с экспериментальными данными о загрязнениях, показывающее их хорошее согласие.
Пятая глава посвящена теоретическому обоснованию принципа максимума производства энтропии в неравновесных системах с использованием методов теории информации.
Многие исследователи в разных предметных областях, имеющие дело с моделированием поведения сложных неравновесных систем, указывают на плодотворность подхода с использованием принципа максимума производства энтропии (МПЭ). Привлекательность оперирования макрохарактеристикой вместо анализа бесчисленного множества микро-характеристик и индивидуальных фазовых траекторий очевидна. Однако чем может быть оправдано использование принципа МПЭ с теоретической точки зрения? Поиску ответа на этот вопрос и посвящена настоящая глава.
В качестве основы используется подход Джейнса для предсказания макроскопически воспроизводимого поведения неравновесной системы путем
максимизации информационной энтропии с учетом наложенных ограничений. В то время как макроскопическое поведение экспериментально воспроизводимо при наложении ограничений, микроскопические траектории Г практически невоспроизводимы, поскольку мы не можем настроил, систему с точностью до атомов. То, что макроскопическое поведение воспроизводимо при данных ограничениях, означает, что оно является характерным для огромного числа микроскопических траекторий, совместимых с этими ограничениями. Из этого следует, что большинство микроскопических деталей Г неважно для прогнозирования макроскопических величин. Процедура максимизации информационной энтропии Джейнса зависит от налагаемых ограничений и эффективно игнорирует всю, не относящуюся к делу микроскопическую информацию. Она применима не только к физическим динамическим системам, но и к экономическим и биологическим. При условии, что воспроизводимые стационарные состояния системы могут быть описаны величинами d(x,f), подчиняющимися локальным законам сохранения с потоками F и источниками Q
^Îlr=-V.Fr+Qr, (19)
ot
процедура Джейнса ведет к общему результату для распределения вероятностей рг(Л) микроскопических фазовых траекторий Г (аналогом большого канонического распределения Гиббса)
Рт =~ехр(Лг) , (20)
z.
Аг (Л)= i ¡Л■ (dГ(0) -Н1 Г(г) ) ■-1 J(Fr ■ 'УД + Л • Qr ), (21)
¿у у
в которых обобщенное производство энтропии может быть определено через второй член в уравнении (21). Следствия этого результата: МПЭ и самоорганизующаяся критичность могут рассматриваться как общие свойства подобных систем.
С статистической точки зрения репродуцируемое поведение - это наиболее вероятное поведение. Оно репродуцируется именно потому, что является характерным для каждого из подавляющего большинства микросостояний или траекторий, находящихся в согласии с наложенными ограничениями.
Суммируя изложенное, делаем вывод, что метод максимального производства энтропии - это статистически обоснованный принцип физического отбора. Однако оправдываемость прогнозов метода максимальной энтропии в значительной степени зависит от правильности определения ограничений, которые в действительности существуют в природе. В этом отношении метод максимальной энтропии часто остается методом проб и ошибок. Неудачи его применения свидетельствуют о наличии неучитываемых ограничений (или новых физических законов).
В шестой главе исследуются возможности использования принципа МПЭ при анализе климатических и эколого-экономических систем.
Дается пример использования этого принципа при решении задачи переноса тепла в атмосфере. Делается вывод, что атмосферная циркуляция должна подстраивать себя к такому макросостоянию, в котором производится максимальное количество энтропии. Важную роль в производстве энтропии играет бароклинность, связанная с диссипацией вследствие трения в планетарном пограничном слое и с перемешиванием теплых и холодных воздушных масс в средних широтах. Практически принцип МПЭ здесь предписывает состояние наивысшей бароклинности для обеспечения наиболее эффективного переноса тепла к полюсам. Те климатические модели, которые не воспроизводят максимум производства энтропии, скорее всего будут завышать градиент температуры от экватора к полюсу.
Для учета энтропийного фактора при анализе эколого-экономических систем предлагается ввести индекс относительной энтропийной устойчивости (RES), который призван отразить энтропийную устойчивость и относительное
благополучие региона с эколого-экономической точки зрения. Этот индекс является безразмерным коэффициентом, учитывающим как долю производимого i-м регионом или страной ВВП по отношению к национальному или глобальному ВВП, так и относительную долю произведенной при этом энтропии.
Отмечается, что всякая деятельность, в том числе и экономическая, возможна лишь при потреблении энергии. Во всех процессах, связанных с потреблением энергии, происходит ее превращение га одной формы в другие. Примером превращения энергии является сжигание ископаемого топлива, при котором химическая энергия связей между атомами превращается в тепловую. Часть тепловой энергии используется для совершения работы. Конечным результатом этого процесса является полное исчезновение топлива (кроме остатков в виде пепла и сажи) и его превращение в газообразную форму, главным образом в С02 и водяной пар. С другой стороны, операция сжигания топлива с целью получения энергии является процессом превращения низкоэнтропийного ресурса в высокоэнтропийные отходы, т.е. процессом производства энтропии. Чем больше используется энергии для экономической деятельности в экологической системе, тем больше выбрасывается углекислого газа и тем больше, хотя и не в простой линейной зависимости, производится энтропии в системе. Таким образом, объемы антропогенных выбросов углекислого газа в атмосферу могут служить косвенным показателем объема произведенной энтропии. Разрабатывается метод учета антропогенных выбросов углекислого газа для оценки производства энтропии территории.
В рамках данной работы был произведен расчет индекса RES для отдельных административных районов Санкт-Петербурга. Интегрированный характер данного показателя может дать исчерпывающую картину экономической и экологической деятельности внутри границ системы.
Расчет индекса осуществляется по формуле
( вщ ( Д5,. ^
ивщ]
где ЯЕБ; - индекс относительной энтропийной устойчивости;
ВТП[ - валовой территориальный продукт ¡-го административного района Санкт-Петербурга, млн руб.;
£ВТП— валовой территориальный продукт Санкт-Петербурга, млн руб.; - относительная доля произведенной энтропии, оцененная по выбросам СОг, ¡-го административного района Санкт-Петербурга, мг/м3;
- относительная доля произведенной энтропии, оцененная по выбросам С02, города Санкт-Петербурга, мг/м3.
Очевидно, что чем выше значение индекса по сравнению с единицей, тем более относительно устойчивым с энтропийной точки зрения является эколого-экономическое макросостояние данного района, тем менее ущербна для состояния окружающей среды и природного капитала экономическая деятельность в нем.
И наоборот, чем меньше единицы значение индекса, тем менее энтропийно устойчивым является макросостояние ¡-го региона, что свидетельствует о значительной экологической стоимости экономических результатов.
Так, по Санкт-Петербургу за анализируемый период наблюдаются стабильный рост ВТП отдельных районов и ВТП города в целом, а также снижение суммарной концентрации С02. Количество районов, устойчивых с энтропийной точки зрения, увеличилось, однако утверждать об однозначном улучшении ситуации в городе было бы не правильно (рис. 1).
Проведенный анализ показал, что использование исключительно экономических показателей, таких, как ВТП, может создавать иллюзию благополучия из-за стабильного роста, поскольку рост во многом происходил за счет невозобновляемых природных ресурсов, уменьшения природного капитала и высоких темпов производства энтропии. Это опровергается
показателем относительной энтропийной устойчивости, что свидетельствует о необходимости серьезного пересмотра экономической и природоохранной политики на региональном уровне с целью обеспечения устойчивого эколого-экономического состояния.
* аащм^р
N
S
Рис. 1 - Индекс RES административных районов Санкт-Петербурга,
2008 г.
Таким образом, еще раз подтверждается вывод о том, что во избежание энтропийной ловушки необходимо изменить традиционную экономическую политику максимизации роста ВВП на политику минимизации скорости производства энтропии, добиваясь повышения значения индикатора.
Одно из главных преимуществ использования ГИС, а именно возможность проводить анализ многомерных данных с использованием цифровых карт, способствует упрощению процедуры оценки и прогноза комплексного воздействия на окружающую среду, что нашло практическое применение в седьмой главе. Здесь с помощью методов и средств ГИС был проведен анализ загрязнения атмосферы Санкт-Петербурга. Для этого также была рассчитана стоимостная величина ущерба, наносимого окружающей
среде города выбросами загрязняющих веществ от стационарных источников с 2004 по 2008 г.
Также с использованием ГИС-технологий был проведен пространственный анализ данных о массе выбросов загрязняющих веществ каждым районом Санкт-Петербурга с 2006 по 2008 г. и построены компоновки, одна из которых представлена на рис. 2. На основе таких компоновок были сделаны предположения о доле каждого района в общей сумме ущерба городу. Так, например, в 2008 г. наибольший ущерб среде, если принимать во внимание только фактическую массу выбросов, нанесли такие районы, как Кировский, Колпинский и Приморский. Однако это лишь примерная оценка, возможная с использованием относительно небольшого количества информации, имеющейся в свободном доступе. В настоящее время невозможно более точно оценить ущерб отдельных районов города в связи с ограниченностью доступных статистических данных.
аяминисгратигаые_ райсшеНр
□ 0-1
СИ 1-2
1 1 2-4
4-6
ш 6-10,5
N
в
Рис. 2 - Выбросы загрязняющих веществ в атмосферу от стационарных источников в 2008 г.
зд ейский
>асног
Василеострс
Петродворцоеыи
Г^цжинский
С помощью подобных карт (рис. 2) можно проследить пространственно-временные изменения массы выбросов вредных веществ различных районов города. В соответствии с методикой именно масса выбросов играет одну из главных ролей и оказывает большое влияние на величину ущерба в целом, который весьма неоднороден и может значительно отличаться в разных районах. Сопоставление подобных данных о состоянии среды в разные годы позволяет решать динамические задачи, проследить изменения, происходящие в окружающей среде под влиянием антропогенного воздействия на природу.
Таким образом, с использованием ГИС-технологий осуществлялось решение задач анализа и визуализации получаемой в ходе выполнения работы информации, используемой для оценки негативного экологического воздействия на окружающую среду Санкт-Петербурга и отдельных его административных районов, а также повышения наглядности выходной информации.
В заключении сформулированы основные результаты и выводы:
1. Разработаны методы, структура и логическая организация наполнения картографической и атрибутивной баз данных с целью комплексной оценки состояния территорий по результатам дистанционного зондирования атмосферы и подстилающей поверхности в контуре ГИС в реальном масштабе времени.
2. Анализ главных компонент ковариационной матрицы наблюдений мультиспектральных спутниковых изображений метеорологических объектов позволяет осуществить в контуре ГИС эффективную (до 98 %) компрессию данных и выбрать наиболее информативный (репрезентативный) спектральный диапазон зондирования.
3. Результаты применения разработанного метода выбора наиболее информативного диапазона на основе анализа главных компонент для обнаружения границы снежного покрова и морского льда на фоне облачности, шлейфа дыма от лесных пожаров, анализа структуры подстилающей
поверхности по мультиспектральным данным спекгрорадиометра среднего разрешения MOD IS спутника EOS РМ-1 (Aqua) и TM LANDSAT показывают его эффективность.
4. Для автоматического распознавания в контуре ГИС экологически значимых метеорологических объектов, изображенных на спутниковых снимках, универсальным показывает себя разработанный метод, выбирающий решающее правило в зависимости от трех возможных уровней наличия априорной информации о классах метеорологических объектов. При наличии полной априорной информации в виде условных плотностей вероятностей используется решающее правило распознавания метода максимального правдоподобия. В случае отсутствия информации об условных плотностях вероятностей и в то же время при наличии хорошо определенных обучающих выборках значительного объема также используется решающее правило метода максимального правдоподобия. В случае неполной априорной информации используется решающее правило метода ближайшего среднего (эталонов).
5. При значительном различии статистической структуры обучающих выборок качество распознавания классов метеорологических объектов повышается путем применения разработанного алгоритма улучшения степени разделимости, основанного на нормировании выборок по среднеквадрати-ческим отклонениям.
6. При полном отсутствии априорной информации о классах метеорологических объектов наилучшим подходом является кластерный анализ на основе потенциальных функций.
7. Наиболее робастным (устойчивым к качеству определения обучающих выборок) для решения задач обнаружения метеорологических объектов с близкой отражаемостью в видимом диапазоне (например, снежный покров и слоистая облачность) является алгоритм, использующий нормированный метод ближайшего среднего. При хорошем определении обучающих выборок (например, задача распознавания различных типов подстилающих
поверхностей) наилучшее качество распознавания демонстрирует алгоритм, основанный на методе максимального правдоподобия с аппроксимацией условных плотностей вероятностей смесью нормальных распределений.
8. При построении мезоклиматического потенциала седиментации в контуре ГИС весьма перспективным показал себя метод рандомизированных сводных показателей, обобщающих различные стороны объекта в условиях неопределенности и неточности информации. Полученные таким образом расчетные данные мезоклиматического потенциала находятся в хорошем согласии с результатами натурных наблюдений за седиментацией аэротехногенных примесей.
9. Использование принципа максимума производства энтропии для макроописания открытых сложных динамических систем оправдано с теоретико-информационной точки зрения как статистически обоснованный принцип физического отбора, предсказывающий репродуцируемое (наиболее вероятное) поведение, отбираемое заданными ограничениями. Между тем оправдываемость прогнозов метода максимальной энтропии в значительной степени зависит от правильности учета всех действующих ограничений.
10. Применение принципа максимума производства энтропии при рассмотрении модели общей циркуляции атмосферы предписывает установление состояния максимально возможной бароклинности как средства обеспечения наиболее эффективного переноса тепла от экватора к полюсам, что может потребовать специального учета в климатических моделях.
11. Разработанный метод учета антропогенных выбросов углекислого газа в атмосферу в качестве показателя объема произведенной энтропии позволяет практически использовать в контуре ГИС принцип максимума производства энтропии при анализе состояния сложных эколого-экономических систем.
12. Разработанный метод расчета индекса относительной энтропийной устойчивости территории весьма наглядно характеризует макросостояние эколого-экономической системы и является удобной основой для создания
информационного эколого-экономического слоя в ГИС. Его критически малые значения даже при благополучных экономических показателях подают сигналы о необходимости серьезного пересмотра экономической или природоохранной политики на региональном уровне с целью обеспечения устойчивого эколого-экономического состояния.
Список основных публикаций по теме диссертации
Монографии:
1. Сердитова Н.Е., Белоцерковский А.В. Моделирование сложных эколого-экономических систем и принцип максимума производства энтропии. - Санкт-Петербург: РГГМУ, 2008. - 6,56 п.л. (лично автором -4,0 п.л.).
2. Сердитова Н.Е. Экономика природопользования: эколого-экономическая перспектива // Санкт-Петербург: РГГМУ, 2010. - 22,8 пл.
В изданиях, рекомендованных ВАК:
3. Сердитова Н.Е. Распознавание метеорологических объектов с помощью семейства решающих правил в условиях варьируемой априорной неопределенности // Естественные и технические науки — 2011. — №3. — 0.4 пл.
4. Сердитова Н.Е Использование принципа максимума производства энтропии при моделировании общей циркуляции атмосферы II Естественные и технические науки 2011.—№3. - 0.7 пл.
5. Сердитова Н.Е. Методология применения геоинформационных технологий в задачах дистанционного зондирования // Ученые записки Российского государственного гидрометеорологического университета. - 2011. -№19. - 0.5 пл.
6. Сердитова Н.Е. Методология применения геоинформационных технологий в задачах оценки состояния территорий // Ученые записки Российского государственного гидрометеорологического университета. - 2011. -№18,-0.4 пл.
7. Сердитова Н.Е. К вопросу учета антропогенного производства энтропии как показателя устойчивости эколого-экономической системы // Вестник ИНЖЭКОНА. - 2009. - № 3(30). - 0,31 пл.
8. Сердитова Н.Е. Эколого-экономический взгляд на проблему устойчивого управления лесами // Вестник Московского государственного университета леса «Лесной вестник». - 2009. - № 1. - 0,38 пл.
9. Сердитова Н.Е. Принцип максимума производства энтропии и «озеленение» системы национальных счетов // Научно-технические ведомости СПбГПУ. - 2009. - №2-2'. - 0,31 пл.
10. Сердитова Н.Е. К вопросу оценки ущерба от загрязнения окружающей среды // Информационно-аналитический журнал «Нефть, газ и бизнес». - 2008. -№12.-0,25 п.л.
И. Сердитова Н.Е. Эколого-экономические аспекты использования невозобновляемых ресурсов (и их последствия для окружающей среды) // Информационно-аналитический журнал «Нефть, газ и бизнес». - 2008. - № 11. - 0,69 п.л.
12. Сердитова Н.Е. Природные ресурсы и экономический рост // Информационно-аналитический журнал «Нефть, газ и бизнес». - 2008. - № 10. -0,25 п.л.
13. Сердитова Н.Е. Корректировка системы национальных счетов с учетом амортизации природного капитала // Информационно-аналитический журнал «Нефть, газ и бизнес». - 2008. - № 9. - 0,31 п.л.
14. Сердитова Н.Е. Экономические аспекты глобального изменения климата // Вестник ИНЖЭКОНА. - 2007. - № 5(18). - 0,5 пл.
В других изданиях:
15. Сердитова Н.Е., Белоцерковский A.B., Ефремов Р.Н. К вопросу об экологическом потенциале ландшафта // Тезисы докладов на Всероссийской научной конференции «Экологические и метеорологические проблемы больших городов и промышленных зон». - Санкт-Петербург: РГГМУ, 2001. -0,13 п.л. (лично автором 0,08 п.л.).
16. Сердитова Н.Е., Ефремов Р.Н., Белоцерковский A.B. Обработка и анализ данных дистанционного зондирования в рамках ГИС в задачах рационального природопользования // Итоговая сессия ученого совета РГГМУ: информационные материалы. - Санкт-Петербург: РГГМУ, 2001. - 0,19 пл. (лично автором 0,12 пл.).
17. Сердитова Н.Е., Ефремов Р.Н. Использование ГИС в задачах распределения природных ресурсов // Итоговая сессия ученого совета РГГМУ: информационные материалы. - Санкт-Петербург: РГГМУ, 2001. - 0,19 пл. (лично автором 0,13 пл.).
18. Сердитова Н.Е. Алгоритмы и методы использования геоинформационных систем в задачах компрессии, распознавания и комплексирования данных дистанционного зондирования: автореф. дис. ... канд. физ.-мат. наук. - Санкт-Петербург: РГГМУ, 2001. - 1,0 пл.
19. Сердитова Н.Е., Иванова О.В. Усовершенствование системы обращения с отходами в Санкт-Петербурге // Итоговая сессия ученого совета РГГМУ: информационные материалы. - Санкт-Петербург: РГГМУ, 2004. - 0,13 пл. (лично автором 0,10 пл.).
20. Сердитова Н.Е. Методы оценки экологического ущерба // Академический и межвузовский сборник научных трудов: «Инновационное развитие экономики России». - Санкт-Петербург: РГГМУ, 2004. - 0,38 пл.
21. Сердитова Н.Е., Шатунова Е.А. Экономическая оценка биоразнообразия // Академический и межвузовский сборник научных трудов. «Инновационное развитие экономики России». - Санкт-Петербург: РГГМУ, 2004. - 0,38 п.л. (лично автором 0,28 п.л.).
22. Сердитова Н.Е. Усовершенствование системы обращения с отходами в Санкт-Петербурге // Тезисы доклада на 5-м международном молодежном экологическом форуме стран балтийского региона «Экобалтика-2004». - Санкт-Петербург: СПбГПУ, 2004.-0.13 п.л.
23. Сердитова Н.Е. Экономика и окружающая среда // Ученые записки экономического и социально-гуманитарного факультета РГГМУ. - Санкт-Петербург: РГГМУ, 2004. - 0,31 п.л.
24. Сердитова Н.Е. Основы экоэкономического подхода // Ученые записки экономического и социально-гуманитарного факультета РГГМУ. - Санкт-Петербург: РГГМУ, 2004. - 0,5 п.л.
25. Сердитова Н.Е. Подходы к моделированию экономических и экологических систем // Материалы Седьмой международной конференции Российского общества экологической экономики «Глобализация, новая экономика и окружающая среда (Проблемы общества и бизнеса на пути к устойчивому развитию)». - Санкт-Петербург: СПбГУ, 2005. - 0,19 п.л.
26. Сердитова Н.Е. Глобальное изменение климата и экономика // Тезисы доклада на семинаре «Изменение климата и общество». - Санкт-Петербург: РГГМУ, 2005. - 0,88 п.л.
27. Сердитова Н.Е. Теория экстернальных издержек окружающей среды // Ученые записки №1. Научно-теоретический журнал. Вып.1. - Санкт-Петербург. РГГМУ, 2005.-1,19 п.л.
28. Сердитова Н.Е. Ресурсы общей собственности // Ученые записки экономического и социально-1уманитарного факультета РГГМУ. - Санкт-Петербург: РГГМУ, 2005. - 0,5 п.л.
29. Сердитова Н.Е. Окружающая среда как общественное благо // Ученые записки экономического и социально-гуманитарного факультета РГГМУ. -Санкт-Петербург: РГГМУ, 2005. - 0,38 п.л.
30. Сердитова Н.Е. Как экоэкономика может помочь нам в решении проблем, связанных с глобальным изменением климата? // Сборник трудов международной школы-конференции молодых ученых, аспирантов и студентов «Изменение климата и окружающая среда». - Санкт-Петербург: Электронстандарт-принт, 2005. - 1,0 п.л.
31. Сердитова Н.Е. Учет национального дохода и состояния окружающей среды // Итоговая сессия ученого совета РГГМУ. - Санкт-Петербург: РГГМУ, 2006.-0,19 п. л.
32. Сердитова Н.Е., Белоцерковский A.B. Моделирование сложных экоэкономических систем и принцип максимума производства энтропии //
Итоговая сессия ученого совета РГГМУ. - Санкт-Петербург: РГГМУ, 2006. -0,13 п.л. (лично автором 0,09 пл.).
33. Сердитова Н.Е. Экономические методы борьбы с загрязнениями: выбор стратегии // Тезисы доклада на 7-м международном молодежном экологическом форуме стран балтийского региона «Экобалтика-2006». - Санкт-Петербург: СПбГПУ, 2006. - 0,13 п.л.
34. Сердитова Н.Е. Учет состояния окружающей среды в системе национальных счетов // Сборник научных трудов сотрудников кафедры экономики предприятия и учетных систем и кафедры экономики и менеджмента РГГМУ. - Санкт-Петербург: РГГМУ, 2007. - 0,44 п.л.
35. Сердитова Н.Е. Экономика природопользования: эколого-экономический аспект // Ученые записки РГГМУ. - 2007. - №4. - 1,06 пл.
36. Serditova, N., Zilitinkevich, S., Petrosyan, A., Stepanenko, S., Belotserkovsky, A., Karlin, L., Kasimov, N., Tamsalu, R., Room, R., Bashmakova, I. New approaches to meteorological education and training. 8th EMS/7ft European conference on meteorology application, San Lorenzo de EI Escorial, Oct. 1-5,2007. -0,2 пл. (лично автором 0.05 пл.).
37. Сердитова Н.Е. Анализ сложных эколого-экономических систем: термодинамический подход // Ученые записки РГГМУ. - 2008. ~ №7. - 1,06 пл.
38. Serditova, N., Belotserkovsky, A., Bashmakova, I., Golitsyn, G., Karlin, L., Kasimov, N., Petrosyan, A., Room, R., Stepanenko, S., Zilitinkevich, S. Round table discussion on "Development of competency-based two-level curricula in Meteorology (TEMPUS JEP 26005-2005 СОМВАТ-МЕТЕО)" 9th EMS /6th European Conference on Applied Climatology, Amsterdam, The Netherlands, 29 September - 03 October 2008, EMS2008-A-00733. - 0.2 пл. (лично автором 0.05 пл.).
39. Сердитова Н.Е. Эколого-экономические последствия региональных изменений климата на территории Российской Федерации // Сборник трудов по материалам молодежной школы-конференции «Изменение климата как глобальная экологическая проблема», 10-14 ноября 2008 года. - Санкт-Петербург: РГГМУ, 2008. - 0,25 п.л.
40. Сердитова Н.Е., Белоцерковский A.B. К вопросу использования принципа максимума производства энтропии при анализе эколого-экономических систем И Вестник ТвГУ.- 2010. - Вып. 8, № 34. - 0,31 пл. (лично автором - 0,20 пл.).
41. Сердитова Н.Е., Конокотова Е.В. К вопросу об индикации устойчивого развития с использованием ГИС и учетом глобального производства энтропии И Вестник ТвГУ,- 2010. - Вып. 8, № 34. - 0,81 пл. (лично автором - 0,60 пл.).
Технический редактор A.B. Жильцов Подписано в печать 19.07.2011. Формат 60 х 84 '/i6. Усл. печ. л. 1,8. Тираж 100 экз. Заказ № 301. Тверской государственный университет Редакционно-издательское управление Адрес: Россия, 170100, г. Тверь, ул. Желябова, 33. Тел. РИУ: (4822) 35-60-63.
Содержание диссертации, доктора географических наук, Сердитова, Наталья Евгеньевна
Сокращения
Введение
Глава 1 Геоинформационные системы
1.1 Базовые определения и понятия
1.2 Классификация, структура и представление данных в ГИС
1.2.1 Типы ГИС
1.2.2 Задачи и функции ГИС
1.2.3 Структура ГИС
1.2.4 Программное обеспечение ГИС
1.3 Геоинформационные системы в метеорологии, экологии и природопользовании 26 Выводы
Глава 2 Выбор наиболее информативных спектральных диапазонов дистанционного зондирования метеорологических объектов в контуре ГИС
2.1 Вводные замечания
2.2 Определение главных компонент совокупности
2.3 Вычисление оценок наибольшего правдоподобия для главных компонент
2.4 Алгоритм реализации метода в контуре ГИС
2.5 Реализация метода для спутниковых мультиспектральных изображений метеорологических объектов и подстилающей поверхности 47 Выводы
Глава 3 Автоматическая идентификация изображенных на спутниковых снимках экологически значимых метеорологических объектов в контуре ГИС
3.1 Вводные замечания
3.2 Постановка задачи распознавания. Основные определения и понятия
3.3 Методы распознавания первого уровня (полная априорная информация)
3.3.1 Метод максимума правдоподобия
3.3.2 Случай статистически независимых признаков
3.3.3 Аппроксимационный метод оценки распределений по выборке
3.4 Методы распознавания второго уровня (неполная априорная информация)
3.4.1 Построение решающих правил
3.4.2 Метод ближайшего среднего (эталона)
3.4.3 Улучшение разделимости классов при значительном различии статистической структуры обучающих выборок
3.5 Методы распознавания третьего уровня (полное отсутствие априорной информации). Кластерный анализ
3.6 Реализация алгоритмов в контуре ГИС
3.7 Примеры использования разработанного метода для распознавания метеорологических объектов и классификации типов подстилающей поверхности 82 Выводы
Глава 4 Построение мезоклиматического потенциала территории в условиях априорной неопределенности в рамках ГИС
4.1 Метод сводных показателей АСПИД
4.2 Оценка экологического потенциала ландшафта 100 Выводы
Глава 5 Оценка статистической обоснованности принципа максимума производства энтропии для описания сложных климатических и эколого-экономических систем
5.1 Вводные замечания
5.2 Обзор математической модели Джейнса для неравновесной статистической механики
5.3 Максимум производства энтропии
5.4 Самоорганизующаяся критичность
5.5 Математические аспекты связи максимума производства энтропии, теоремы о флуктуациях и шенноновской информационной энтропии 127 Выводы
Глава 6 Моделирование сложных неравновесных систем и принцип максимума производства энтропии
6.1 Использование принципа максимума производства энтропии при моделировании переноса тепла в атмосфере
6.1.1 Вводные замечания
6.1.2 Производство энтропии в идеальной сухой атмосфере
6.1.3 Глобальный баланс энергии и энтропии
6.1.4 Теоретическая верхняя граница производства энтропии
6.2 Использование принципа максимума производства энтропии при моделировании сложных эколого-экономических систем. Измерение антропогенных выбросов парниковых газов как система учета глобального производства энтропии
Выводы
Глава 7 Укрупненная оценка ущерба, наносимого окружающей среде выбросами загрязняющих веществ в атмосферу
Санкт-Петербурга с использованием ГИС
Выводы
Введение Диссертация по наукам о земле, на тему "Методология анализа данных дистанционного зондирования атмосферы и подстилающей поверхности в контуре ГИС"
Актуальность исследования. В последние годы геоинформационные системы (ГИС) стремительно становятся стандартным инструментом для решения- ряда фундаментальных и прикладных проблем метеорологии и климатологии. Благодаря способности хранить, обрабатывать, анализировать и визуализировать в структурированной электронной форме огромные объемы пространственно распределенных разнородных данных, ГИС позволяют быстро генерировать синтетическую информацию в удобной для принимающих решения специалистов форме. В решениях XV Всемирного метеорологического конгресса (Женева, 2007) и Стратегическом плане ВМО (№ 1028) настойчиво рекомендуется широкое внедрение ГИС в мировую метеорологическую практику в качестве основы перспективных информационных систем.
В метеорологических и природоохранных приложениях имеется широкий класс задач, решение которых в значительной степени облегчается или ускоряется при использовании ГИС. К ним можно отнести: раннее оповещение о стихийных бедствиях и опасных погодных явлениях, наблюдения за температурой земной поверхности и Мирового океана, контроль-за уровнем поверхности Мирового океана, определение границ снежного покрова, наблюдения за площадями затопления и разлива рек, наблюдения за распространением дыма от лесных пожаров, агрометеорологические и биометеорологические приложения, наблюдения за климатической системой Земли и отдельными ее элементами. Проблема эффективного применения ГИС в подобных задачах состоит в необходимости усвоения и анализа данных дистанционного зондирования, в особенности полученных при помощи метеорологических радиолокаторов и спутников, для исследования различных объектов климатической системы.
Однако цифровая информация, поступающая от современных средств дистанционного зондирования атмосферы и подстилающей поверхности, требует расшифровки и анализа с целью идентификации изображенных на снимках объектов, осуществляемых, как правило, вне рамок ГИС с использованием специализированных программных и аппаратных средств. Можно выделить две основные проблемы, решение которых необходимо для превращения данных дистанционного зондирования в информационные слои, составляющие основу для хранения информации в ГИС: 1) компрессия данных, или выбор наиболее информативных спектральных диапазонов зондирования; 2) идентификация изображенных на снимках объектов. Значительное ускорение процесса принятия решений может быть достигнуто при рассмотрении этих задач непосредственно в контуре ГИС, особенно в реальном масштабе времени, в темпе поступления данных дистанционного зондирования.
Столь же актуальной в процессе принятия решений с помощью ГИС является проблема оценки комплексного состояния территорий. Можно выделить два наиболее общих класса задач. Первый относится к построению сводных показателей, характеризующих природный потенциал территории без учета хозяйственной деятельности человека. Второй — к оценке состояния территории, с учетом осуществляемой на ней экономической деятельности.
Необходимость построения сводных показателей возникает, например, при оценке различного рода территориальных потенциалов (ассимиляционного, мезоклиматического и др.), оценке диффузионного потенциала синоптической ситуации, оценке многофакторного риска стихийных бедствий или степени уязвимости для них определенного района. В силу определенной искусственности подобных сводных показателей, а также всегда имеющей место неопределенности наиболее тонким и ответственным этапом является оценивание весовых коэффициентов, учитывающих вклад разных факторов в значение показателя. В этом смысле необходима разработка метода, который бы отвечал двум требованиям: а) учитывал имеющуюся неопределенность, б) допускал простую вычислительную реализацию в контуре ГИС.
Оценки экологического состояния территорий невозможны без рассмотрения осуществляемой на них экономической деятельности. Проблема усложняется тем, что эколого-экономическое состояние территории, с одной стороны, зависит от метеорологических и климатических факторов, а с другой стороны, может оказывать на них влияние. Необходима разработка метода оценивания в рамках ГИС наиболее общих показателей макросостояния сложных климатических и эколого-экономических систем.
Технологии современного дистанционного зондирования позволяют осуществлять мониторинг различных параметров состояния атмосферы, гидросферы и биосферы. Принятие оперативных решений на основе такой информации удобнее всего осуществлять с помощью ГИС-технологий. Между тем приходится констатировать отсутствие единого методологического подхода к анализу данных дистанционного зондирования атмосферы и подстилающей поверхности для проведения комплексной оценки состояния территорий в контуре ГИС в реальном масштабе времени. Это обстоятельство во многих случаях системно ограничивает возможности оперативного нахождения наилучших решений.
Данная диссертация призвана восполнить существующий научный пробел в этой сфере, что и актуализирует тему исследования.
Целью диссертационного исследования является разработка методологии анализа данных дистанционного зондирования атмосферы и подстилающей поверхности в контуре ГИС для комплексной оценки состояния территорий.
Для достижения поставленной цели были поставлены и решены следующие задачи:
• создать структуру и разработать логическую организацию наполнения картографической и атрибутивной баз данных с целью комплексной оценки состояния территорий по результатам дистанционного зондирования атмосферы и подстилающей поверхности в контуре ГИС в реальном масштабе времени;
• разработать метод компрессии данных и выбора наиболее информативного спектрального диапазона зондирования метеорологических объектов в контуре ГИС;
• разработать метод автоматической идентификации изображенных на спутниковых снимках экологически значимых метеорологических объектов в контуре ГИС;
• разработать метод построения в рамках ГИС мезоклиматического потенциала территории в условиях априорной неопределенности;
• оценить статистическую обоснованность принципа максимума производства энтропии для описания сложных климатических и эколого-экономических систем;
• определить возможность использования концентрации антропогенных выбросов углекислого газа в качестве основы для интегральной оценки энтропийной устойчивости территории (региона);
• произвести расчет индекса относительной энтропийной устойчивости, отражающего относительное благополучие региона с эколого-экономической точки зрения.
Объектом диссертационного исследования является атмосфера и подстилающая поверхность.
Предметом исследования является дистанционное зондирование и геоинформационное моделирование сложных неравновесных климатических и эколого-экономических систем.
Методологическая и теоретическая основа исследований. Исследования базируются на системном подходе, в котором применены методы термодинамики, теоретико-информационного, теоретико-вероятностного и статистического анализов, методы теории распознавания образов, методы рандомизированных сводных показателей, геоинформационного моделирования.
Новые научные результаты, выносимые на защиту:
• метод выбора наиболее информативных спектральных диапазонов дистанционного зондирования метеорологических объектов на основе анализа главных компонент ковариационной матрицы наблюдений в контуре ГИС;
• метод автоматической идентификации изображенных на спутниковом снимке метеорологических объектов с использованием трехуровневого семейства методов распознавания образов и кластер-анализа с варьируемой степенью априорной неопределенности в контуре ГИС;
• алгоритм повышения степени разделимости классов метеорологических объектов путем нормирования по среднеквадратическому отклонению в случае значительного различия статистической структуры обучающих выборок;
• метод построения регионального мезоклиматического потенциала седиментации аэротехногенных примесей с использованием рандомизированных весовых коэффициентов в контуре ГИС;
• теоретико-информационное и статистическое обоснование возможности применения принципа максимального производства энтропии (МПЭ) для описания открытых сложных климатических и эколого-экономических систем, действующих в условиях ресурсных ограничений;
• метод учета антропогенных выбросов углекислого газа для оценки скорости производства энтропии территории;
• метод и результаты расчета индекса энтропийной устойчивости территории.
Теоретическая и практическая значимость результатов исследования. Полученные в диссертации результаты и разработанные методы могут быть использованы:
• в системах раннего оповещения о стихийных бедствиях и опасных погодных явлениях,
• в системах наблюдения за лесными и тундровыми пожарами,
• в системах наблюдения за выбросами загрязняющих веществ в атмосферу и Мировой океан,
• при контроле водной и ветровой эрозии почв,
• при определении границ снежного покрова, затопления и разлива рек,
• при оценке состояния сельскохозяйственных и лесных угодий,
• при оценке биометеорологических индексов,
• при оценке ассимиляционных и мезоклиматических потенциалов территорий,
• при стратегическом планировании развития территории,
• при оценке состояния экологических и экономических систем. Апробация. Основные результаты работы докладывались на
Всероссийской научной конференции в РГГМУ (Санкт-Петербург, ноябрь 1999 г.), на итоговых сессиях ученого совета РГГМУ (Санкт-Петербург, январь 2001-2009 гг.), на научных семинарах кафедр прикладной метеорологии и экспериментальной физики атмосферы, экономики предприятия и учетных систем РГГМУ (1999-2009 гг.). Результаты исследования были использованы при выполнении международных и российских грантов, договорных НИР: «Преобразование социальной сферы города за счет реализации его образовательных возможностей» (1999-2002 гг.), «Оценивание экономической эффективности, разработка моделей и оптимизация гидрометеорологического обеспечения народного хозяйства» (2001—2004 гг.), «Организация и регулирование инновационной деятельности в регионе с использованием потенциала высшей школы» (2003—2004 гг.), «Управление природопользованием на предприятиях посредством интеграции данных бухгалтерской и экологической отчетности» (2005—2010 гг.), TEMPUS JEP «СОМВАТ-МЕТЕО» (2007-2009 гг.); TEMPUS JEP «QUALIMET» (2009-2012 гг.), BRIDGE «Keeping it cool» (2007 г.); грант молодых научно-педагогических работников высших учебных заведений и академических институтов Санкт
Петербурга в 2007 г. № 07009; грант фонда «Научный потенциал» — конкурс научно- исследовательских проектов в 2008—2009 гг., договор № 171. Исследования выполнялись в рамках мероприятий 1.5 и 1.2.1 Федеральной целевой программы Министерства образования и науки Российской Федерации «Научные и научно-педагогические кадры инновационной России» на 2009-2013 гг. (государственные контракты 02.740.11.5199 от 12 марта 2010 г. и 16.740.11.0184 от 2 сентября 2010 г.).
Личный вклад автора. Основные результаты диссертации получены лично автором и опубликованы более чем в 60 печатных работах, материалы использованы в научно-исследовательских отчетах.
Заключение Диссертация по теме "Метеорология, климатология, агрометеорология", Сердитова, Наталья Евгеньевна
Выводы
1. Уровень загрязнения воздушного бассейна города зависит не только от количества выбросов загрязняющих веществ и их химического состава, но и от климатических условий, определяющих перенос, рассеивание и превращение выбрасываемых веществ и зависящих, как правило, от географических особенностей. Поэтому для учета этих факторов при определении ущерба, наносимого окружающей среде, целесообразно использовать ГИС-технологии, позволяющие не только отразить в географической привязке имеющуюся информацию, но и осуществлять моделирование загрязнения атмосферного воздуха и эффективно использовать полученные данные для оценки и прогноза качества воздуха в различных целях.
2. Осуществляя значительное воздействие на экосистему, промышленность является одним из главных потребителей энергии и ресурсов, увеличивая тем самым производство энтропии, т. е. с ростом производства уменьшается количество доступной энергии, что также является одной из составляющих ущерба, наносимого окружающей среде.
ЗАКЛЮЧЕНИЕ
1. Имеется значительный потенциал использования ГИС в решении прикладных задач современной метеорологии и климатологии.
2. Характерной особенностью использования ГИС является необходимость усвоения и анализа данных дистанционного зондирования атмосферы и подстилающей поверхности, а также построения сводных и обобщенных показателей в условиях неполной, неточной и нечисловой информации.
3. Недостатком существующих типовых ГИС является отсутствие возможности выполнения в рамках самой системы компрессии данных спутникового дистанционного зондирования метеорологических объектов, их автоматической идентификации, процедур построения климатических потенциалов с учетом варьируемой априорной, неопределенности, а также проведения макрооценки оценки состояния сложных климатических и эколого-экономических систем.
4. Разработанные в настоящей работе методы позволяют устранить названные в п. 3 недостатки построения геоинформационных систем.
5. Разработаны методы, структура и логическая организация наполнения картографической и атрибутивной баз данных с целью комплексной оценки состояния территорий по результатам дистанционного зондирования атмосферы и подстилающей поверхности в контуре ГИС в реальном масштабе времени.
6. Анализ главных компонент ковариационной матрицы наблюдений мультиспектральных спутниковых изображений метеорологических объектов позволяет осуществить в контуре ГИС эффективную (до 98 %) компрессию данных и выбрать наиболее информативный (репрезентативный) спектральный диапазон зондирования.
7. Результаты применения разработанного метода выбора наиболее информативного диапазона на основе анализа главных компонент для обнаружения границы снежного покрова и морского льда на фоне облачности, шлейфа дыма от лесных пожаров, анализа структуры подстилающей поверхности по мультиспектральным данным спектрорадиометра среднего разрешения MODIS спутников EOS РМ-1 (Aqua) и TM LANDSAT показывают его эффективность.
8. Для автоматического распознавания в контуре ГИС метеорологических объектов, изображенных на спутниковых снимках, универсальным показывает себя разработанный метод, выбирающий решающее правило в зависимости от трех возможных уровней наличия априорной информации о классах метеорологических объектов. При наличии полной априорной информации в виде условных плотностей вероятностей используется решающее правило распознавания метода максимального правдоподобия. В случае отсутствия информации об условных плотностях вероятностей, и в то же время при наличии хорошо определенных обучающих выборках значительного объема, также используется решающее правило метода максимального правдоподобия. В случае неполной априорной информации используется решающее правило метода ближайшего среднего (эталонов).
9. При значительном различии статистической структуры обучающих выборок качество распознавания классов метеорологических объектов повышается путем нормирования по среднеквадратическим отклонениям выборок.
10. При полном отсутствии априорной информации о классах метеорологических объектов наилучшим показывает себя кластерный анализ на основе потенциальных функций.
11. Наиболее робастным (устойчивым к качеству определения обучающих выборок) для решения задач обнаружения метеорологических объектов с близкой отражаемостью в видимом диапазоне (например, снежный покров и слоистая облачность) оказался алгоритм, использующий нормированный метод ближайшего среднего. При хорошем определении обучающих выборок (например, задача распознавания различных типов подстилающих поверхностей) наилучшее качество распознавания демонстрирует алгоритм, основанный на методе максимального правдоподобия с аппроксимацией условных плотностей вероятностей смесью нормальных распределений.
12. При построении мезоклиматического потенциала седиментации в контуре ГИС весьма перспективным показал себя метод рандомизированных сводных показателей, обобщающих различные стороны объекта в условиях неопределенности и .неточности информации. Полученные таким образом расчетные данные мезоклиматического потенциала находятся в хорошем согласии с результатами натурных наблюдений за седиментацией аэротехногенных примесей.
13. Использование принципа максимума производства энтропии для макроописания открытых сложных динамических систем оправдано с теоретико-информационной точки зрения как статистически обоснованный принцип физического отбора, предсказывающий репродуцируемое (наиболее вероятное) поведение, отбираемое заданными ограничениями. Однако оправдываемость прогнозов метода максимальной энтропии в значительной степени зависит от правильности учета всех действующих ограничений.
14. Применение принципа максимума производства энтропии при рассмотрении модели общей циркуляции атмосферы предписывает установление состояния максимально возможной бароклинности как средства обеспечения наиболее эффективного переноса тепла от экватора к полюсам, что может потребовать специального учета в климатических моделях.
15. Разработанный метод учета антропогенных выбросов углекислого газа в атмосферу в качестве показателя объема произведенной энтропии позволяет практически использовать в контуре ГИС принцип максимума производства энтропии при анализе состояния эколого-экономических систем.
16. Разработанный метод расчета индекса относительной энтропийной устойчивости территории (RES) весьма наглядно характеризует макросостояние эколого-экономической системы и является удобной основой для создания информационного эколого-экономического слоя в ГИС. Его критически малые значения, даже при благополучных экономических показателях, дают сигналы о необходимости серьезного пересмотра экономической или природоохранной политики на региональном уровне с целью обеспечения устойчивого эколого-экономического состояния.
Библиография Диссертация по наукам о земле, доктора географических наук, Сердитова, Наталья Евгеньевна, Санкт-Петербург
1. Авен, П. О. Функциональное шкалирование. Агрегирующие интегральные показатели / П. О. Авен, И. Б. Мучник, А. А. Ослон. М., 1986. - 45 с.
2. Адаптация и обучение в системах управления и принятия решений / под ред. А. В. Медведева. М. : Наука, 1982. - 200 с.
3. Азгальдов, Г. Г. Количественная оценка качества / Г. Г. Азгальдов, Л. А. Азгальдова. М., 1971. - 176 с.
4. Айвазян, С. Классификация многомерных наблюдений / С. Айвазян, 3. Бежаева, О. Староверов. М. : Финансы и статистика, 1984. - 54 с.
5. Айзерман, A.A. Метод потенциальных функций в теории обучения машин / А. А. Айзерман, Э. М. Браверман, Э. И. Розоноэр. М. : Наука, 1970. -387 с.
6. Алберт, А. Регрессия, псевдоинверсия и рекуррентное оценивание / А. Альберт. М. : Наука, 1977. - 224 с.
7. Алгоритмы и программы восстановления зависимостей / под ред. В. Н. Вапника. М. : Наука, 1984. - 816 с.
8. Аллен, Р. Экономические индексы / Р. Аллен. М., 1980. - 256 с.
9. Андерсон, Т. Статистический анализ временных рядов / Т. Андерсон. — М.: Мир, 1976.-756 с.
10. Аоки, М. Оптимизация стохастических систем / М. Аоки. М. : Наука, 1972.-424 с.
11. Беллман, Р. Введение в теорию матриц / Р. Беллман. — М. : Наука, 1976. -368 с.
12. Бем-Баверк, Е. Основы теории ценности хозяйственных благ / Е. Бем-Баверк // Австр. школа в полит, экономии. М., 1992. - С. 243-426.
13. Берлянт, А. М. Картография / А. М. Берлянт. М. : Аспект Пресс, 2001. -336 с.
14. Берлянт, Ю. Б. Геоинформатика. Толковый словарь основных терминов / Ю. Б. Берлянт. М. : Астрея, 1996. - 208 с.
15. Бесекерский, В. А. Робастные системы автоматического управления / В. А. Бесекерский, А. В. Небылов. М. : Наука, 1983. - 240 с.
16. Бешенцев, А. Н. Геоинформационная оценка природопользования / А. Н. Бешенцев. Улан-Удэ : Изд-во БНЦ СО РАН, 2008. - 120 с.
17. Богданчук, В. 3. Агрегирование векторных критериев / В. 3. Богданчук, Б. М. Егоров, А. Н. Катулев. Л., 1990. - 127 с.
18. Браверман, Э. М. Структурные методы обработки эмпирических данных / Э. М. Браверман, И. Б. Мучник. М. : Наука, 1983. - 464 с.
19. Вапник, В. Теория распознавания образов / В. Вапник, А. Червоненкис. — М. : Наука, 1984.-416 с.
20. Васильев, В. И. Распознающие системы / В. И. Васильев. Киев : Наукова думка, 1983.-234 с.
21. Вилкас, Э. Теория полезности и принятие решений / Э. Вилкас // Мат. методы в соц. науках. — Вильнюс, 1971. — С. 13-60.
22. Волошин, Г. Я. Статистические методы решения задач распознавания, основанные на аппроксимационном подходе / Г. Я. Волошин, И. А. Бурлаков, С. Т. Косенкова. Владивосток : Изд-во ТОЙ ДВО РАН, 1992. -278 с.
23. Гантмахер, Ф. Р. Теория матриц / Ф. Р. Гантмахер. М. : Наука, 1967. - 376 с.
24. Гельфанд, M. И. Интегральная геометрия и связанные с ней вопросы теории представлений / М. И. Гельфанд, М. И. Граев, Н. Я. Виленкин. — М.: Физматгиз, 1962. — 656 с.
25. Геоинформационные системы // Центр дистанционного зондирования и геоинформационных систем «Терра» Электронный ресурс. — Алматы, 2010. Режим доступа: http://www.gis-terra.kz/services/dz/devsrc. - Загл. с экрана.
26. Геоинформационные системы и технологии (ГИС) // Кафедра геоинформатики и геодезии Электронный ресурс. — Донецк, 2010. — Режим доступа: http://gis.dgtu.donetsk.ua/ru/gis.html. Загл. с экрана.
27. ГИС — определения и особенности // ГИС-технологии Электронный ресурс. М., 2010. - Режим доступа: http://www.gis-tech.ru/index.html. -Загл. с экрана.
28. ГИС и геоданные для государственных нужд // Центр пространственных исследований Электронный ресурс. — СПб., 2010. — Режим доступа: http://www.geointellect.spb.ru/?id=2453. Загл. с экрана.
29. ГИС и охрана окружающей среды // Отрасли применения ГИС Электронный ресурс. / ООО «Дата+». М., 2009. - Режим доступа: http://www.dataplus.шЯndustries/13Ecolog/gisecol.htm. - Загл. с экрана.
30. Гитис, В. Г. Основы пространственно-временного прогнозирования в геоинформатике / В. Г. Гитис, Б. В. Ермаков. М. : ФИЗМАТЛИТ, 2004. -256 с.
31. Гнеденко, Б. В. Курс теории вероятностей / Б. В. Гнеденко. М., 1988. -447 с.
32. Голуб, А. А. Экономика природопользования / А. А. Голуб, Е. Б. Струкова. -М. : Аспект Пресс, 1995. 188 с.
33. Горелик, А. Л. Методы распознавания / А. Л. Горелик, В. А. Скрипкин. -М. : Высш. шк., 1977. 467 с.
34. Гриценко, А. И. Экология. Нефть и газ / А. И. Гриценко, Г. С. Акопова, В. М. Максимов. М. : Наука, 1997.
35. Дворецкий, Л. М. Анализ методов экономической оценки природных ресурсов на примере оценки городских земель / Л. М. Дворецкий // Экономика природопользования. 2004. - № 2. - С. 25-28.
36. Дмитриев, А. Н. Введение в геоинформационное картирование / А. Н. Дмитриев, А. В. Шитов. Горно-Алтайск, 2001.
37. Дуда, Р. Распознавание образов и анализ сцен / Р. Дуда, П. Харт. М. : Мир, 1976.
38. Евсеев, А. В. Рандомизированная линейная свертка критериев / А. В. Евсеев, В. В. Корников, Н. В. Хованов // Управление динамическими системами. Л., 1991.-С. 157-161.
39. Ефремов, Р. Н. Экологический менеджмент / Р. Н. Ефремов, Н. Е. Сердитова и др. // Экологические и метеорологические проблемы больших городов и промышленных зон : тез. докл. на Всерос. науч. конф. -СПб., 2001.-С. 88-89.
40. Загоруйко, Н. Г. Пакет прикладных программ ОТЭКС / Н. Г. Загоруйко и др.. -М. : Финансы и статистика, 1986.
41. Загоруйко, Н. Г. Методы распознавания и их применение / Н. Г. Загоруйко. -М. : Сов. радио, 1972.
42. История создания ГИС // Геоинформационные системы Электронный ресурс. М., 2010. — Режим доступа: http://oka-rusachok.narod.ru/history.html. - Загл. с экрана.
43. Калчиц, Б. 3. Технические средства формирования банков данных / Б. 3. Калчиц, О. Р. Мусин // Банки географических данных для тематического картографирования. — М., 1987. С. 15—27.
44. Карлин, JI. Н. Расчет платы за негативное воздействие на окружающую среду : практикум / JI. Н. Карлин, В. Б. Иванов, Н. Е. Сердитова. СПб. : Изд-во РГГМУ, 2009. - 112 с.
45. Картография. Вып. 4 : Геоинформационные системы : сб. пер. ст. / сост., ред. и предисловие А. М. Берлянта и В. С. Тикунова. — М. : Картгеоцентр : Геодизиздат, 1994.
46. Катковник, В. Я. Линейные оценки и стохастические задачи оптимизации / В. Я. Катковник. М. : Наука, 1976. - 488 с.
47. Кевеш, П. Теория индексов и практика экономического анализа / П. Кевеш. -М., 1990.-303 с.
48. Колганов, С. К. Построение в условиях дефицита информации сводных оценок сложных систем / С. К. Колганов, В. В. Корников, П. Г. Попов. — М., 1994. 80 с.
49. Коновалова, Н. В. Введение в ГИС / Н. В. Коновалова, Е. Г. Капралов. — М.: Изд-во ООО «Библион», 1997. 159 с.
50. Королев, Ю. К. Общая геоинформатика / Ю. К. Королев. М. : Изд-во ООО СП «Дата+», 1998. - 118 с.
51. Ланкастер, П. Теория матриц / П. Ланкастер. — М. :Наука, 1982. 272 с.
52. Линевич, Н. Л. К вопросу оценки мезоклиматического потенциала седиментации / Н. Л. Линевич // Базовые принципы создания метода практической реализации систем экологической безопасности. — Л., 1989. — С. 76-82.
53. Лукьянчиков, Н. Н. Природная рента и охрана окружающей среды / Н. Н. Лукьянчиков. М. : ЮНИТИ-ДАНА, 2004. - 176 с.
54. Лурье, И. К. Основы геоинформатики и создание ГИС / И. К. Лурье. М. : Изд-во МГУ, 2002.
55. Мартюшев, Л.М. Принцип максимальности производства энтропии в физике и смежных областях / Л.М. Мартюшев, В.Д. Селезнев. // Екатеринбург. ГОУ ВПО УГТУ-УПИ, 2006. - 83 с.
56. Методика определения предотвращенного экологического ущерба. — М. : Гос. ком. РФ по охране окружающей среды, 1999. — 71 с.
57. Маркин, Б. Г. Проблема группового выбора / Б. Г. Маркин. М., 1974. -256 с.
58. Миркин, Б. М. Беседы об устойчивости экосистем. Беседа четвертая: Модули устойчивости промышленных систем / Б. М. Миркин, Л. Г. Наумова // Экология и жизнь. 2005. - № 4 (45). - С. 36-41.
59. Миркин, Б. М. Беседы об устойчивости экосистем. Беседа шестая: Модули устойчивости биосферы / Б. М. Миркин, Л. Г. Наумова // Экология и жизнь. 2005. - № 6 (47). - С. 36-41.
60. Москаленко, А. П. Экономика природопользования и охраны окружающей среды / А. П. Москаленко. М. : ИКЦ «МарТ», 2003. - 224 с.
61. Об охране окружающей среды: Федеральный закон от 10 января 2002 г. № 7-ФЗ // Информационно-правовой портал ГАРАНТ. — 2010.
62. Орлов, В. Ю. Основные понятия и применение геоинформационных систем в природоохранной деятельности / В. Ю. Орлов. — Ярославль, 2003. 96 с.
63. Основы геоинформатики. В 2 кн. Кн. 1 / под ред. В. С. Тикунова. М. : Академия, 2004. - 352 с.
64. Охрана окружающей среды, природопользование и обеспечение экологической безопасности в Санкт-Петербурге в 2004 году / под ред. Д. А. Голубева, Н. Д. Сорокина. СПб., 2005. - 512 с.
65. Охрана окружающей среды, природопользование и обеспечение экологической безопасности в Санкт-Петербурге в 2006 году / под ред. Д. А. Голубева, Н. Д. Сорокина. СПб., 2007. - 528 с.
66. Охрана окружающей среды, природопользование и обеспечение экологической безопасности в Санкт-Петербурге в 2008 году / под ред. Д. А. Голубева, Н. Д. Сорокина. СПб., 2009. - 480 с.
67. Патрик, Э. Основы теории распознавания образов / Э. Патрик. — М. : Сов. радио, 1980.
68. Полищук, Ю. М. Анализ воздействия загрязнений атмосферы на лесоболотные экосистемы в нефтедобывающих районах Сибири / Ю. М. Полищук, О. С. Токарева // Оптика атмосферы и океана. 2000. - С. 950953.
69. Пригожин И., Д. Кондепуди. Современная термодинамика. М.: Мир, 2002 - 464 с.
70. Районы Санкт-Петербурга'2008 год : стат. сб. / Петростат. СПб., 2009. -30 с.
71. Растоскуев, В. В. Геоинформационные технологии при решении задач экологической безопасности / В. В. Растоскуев, Е. В. Шалина. — СПб. : Изд-во ВВМ, 2006. 256 с.
72. Рюмина, Е. В. Анализ эколого-экономических взаимодействий / Е. В. Рюмина. М. : Наука, 2000. - 160 с.
73. Саенко, К. С. Учет экологических затрат / К. С. Саенко. — М. : Финансы и статистика, 2005. — 376 с.
74. Самратов, У. Д. Использование технологий цифровых картографических и геоинформационных систем в государственном земельном кадастре России / У. Д. Самратов, Г. С. Елесин, П. Р. Попович // ГИС — Обозрение. -Весна, 1995.-С. 12-13.
75. Сербенюк, С. Н. Концепция системного моделирования и автоматизации в географической картографии / С. Н. Сербенюк // Вестн. Моск. ун-та. Сер. Геогр. 1988. - № 4. - С. 15-24.
76. Сердитова, Н. Е. Алгоритмы и методы использования геоинформационных систем в задачах компрессии, распознавания и комплексирования данных дистанционного зондирования: автореф. дис. канд. физ.-мат. наук / Н. Е. Сердитова. СПб. : РГГМУ, 2001. - 15 с.
77. Сердитова, Н. Е. К вопросу оценки ущерба от загрязнения окружающей среды / Н. Е. Сердитова // Нефть, газ и бизнес : информ.-аналит. журн. — 2008. -№ 12.-С. 39-42.
78. Сердитова, Н. Е. К вопросу учета антропогенного производства энтропии как показателя устойчивости эколого-экономической системы / Н. Е. Сердитова // Вестн. ИНЖЭКОНА. 2009. - № 3 (30). - С. 153-157.
79. Сердитова, Н. Е. Корректировка системы национальных счетов с учетом амортизации природного капитала / Н. Е. Сердитова // Нефть, газ и бизнес: информ.-аналит. журн. 2008. - № 9. - С. 20-24.
80. Сердитова, Н. Е. Методология применения геоинформационных технологий в задачах дистанционного зондирования / Н. Е. Сердитова // Учен. зап. / Рос. гос. гидрометеорологический ун-т . — 2011. № 19.
81. Сердитова, Н. Е. Методология применения геоинформационных технологий в задачах оценки состояния территорий / Н. Е. Сердитова // Учен. зап. / Рос. гос. гидрометеорологический ун-т. 2011. - № 18.
82. Сердитова, Н. Е. Методы оценки экологического ущерба / Н. Е. Сердитова // Академический и межвузовский сборник научных трудов: «Инновационное развитие экономики России». — СПб. : РГГМУ, 2004. — 0,38 п.л. (лично автором 0,38 пл.).
83. Сердитова, Н. Е. Основы экоэкономического подхода / Н. Е. Сердитова // Учен. зап. / РГГМУ, Экономический и социально-гуманитарный фак. — СПб., 2004. С. 52-59.
84. Сердитова, Н. Е. Принцип максимума производства энтропии и «озеленение» системы национальных счетов / Н. Е. Сердитова // Научно-технические ведомости СПбГПУ. 2009. - № 2-2'. - С. 40-44.
85. Сердитова, Н. Е. Природные ресурсы и экономический рост / Н. Е. Сердитова // Нефть, газ и бизнес : информ.-аналит. журн. — 2008. — № 10. — С. 13-16.
86. Сердитова, Н. Е. Распознавание метеорологических объектов с помощью семейства решающих правил в условиях варьируемой априорной неопределенности / Н. Е. Сердитова // Естественные и технические науки. -2011.-№3.-0.4 п.л.
87. Сердитова, Н. Е Использование принципа максимума производства энтропии при моделировании общей циркуляции атмосферы / Н. Е. Сердитова // Естественные и технические науки. — 2011. — № 3. 0.7 п.л.
88. Сердитова, Н. Е. Усовершенствование системы обращения с отходами в Санкт-Петербурге / Н. Е. Сердитова // Тезисы доклада на 5-ммеждународном молодежном экологическом форуме стран балтийского региона «Экобалтика-2004». СПб., 2004. - С. 69.
89. Сердитова, Н. Е. Эколого-экономические аспекты использования невозобновляемых ресурсов (и их последствия для окружающей среды) / Н. Е. Сердитова // Нефть, газ и бизнес : информ.-аналит. журн. 2008. — № 11.-С. 30-40.
90. Сердитова, Н. Е. Эколого-экономический взгляд на проблему устойчивого управления лесами / Н. Е. Сердитова // Лесной вестник : Вестн. Моск. гос. ун-та леса . 2009. - № 1. - С. 174-179.
91. Сердитова, Н. Е. Экономика и окружающая среда / Н. Е. Сердитова // Учен. зап. / РГГМУ, Экономический и социально-гуманитарный фак. — СПб., 2004.-С. 59-63.
92. Сердитова, Н. Е. Экономические аспекты глобального изменения климата / Н. Е. Сердитова // Вестн. ИНЖЭКОНА. 2007. - № 5 (18). - С. 165-172.
93. Сердитова, Н. Е. Эколого-экономические проблемы Российской Федерации / Н. Е. Сердитова, А. А. Алимов // Социально-теоретический альманах «Россия в глобальном мире». СПб., 2003. - № 5. - С. 102-107.
94. Сердитова, Н. Е. Усовершенствование системы обращения с отходами в Санкт-Петербурге / Н. Е. Сердитова, О. В. Иванова // Итоговая сессия ученого совета РГГМУ : информ. материалы. СПб., 2004. — С. 105—106.
95. Сердитова, Н. Е. Экономическая оценка биоразнообразия / Н. Е. Сердитова, Е. А. Шатунова // Академический и межвузовский сборник научных трудов. «Инновационное развитие экономики России». — СПб., 2004.-С. 117-122.
96. Сердитова, Н. Е. Использование ГИС в задачах распределения природных ресурсов / Н. Е. Сердитова, Р. Н. Ефремов // Итоговая сессия ученого совета РГГМУ : информ. материалы. СПб., 2001. - С. 47-49.
97. Сердитова, Н. Е. Моделирование сложных эколого-экономических систем и принцип максимума производства энтропии / Н. Е. Сердитова, А.
98. B. Белоцерковский. СПб. : Изд-во РГГМУ, 2008. - 105 с.
99. Сердитова, Н. Е. Экономика природопользования: эколого-экономический аспект / Н. Е. Сердитова. СПб. : Изд-во РГГМУ, 2006. - 345 с.
100. Сероухова, О. С. Лабораторный практикум по дисциплине «Геоинформационные системы» / О. С. Сероухова. СПб. : Изд-во РГГМУ, 2007.-116 с.
101. Создание электронных карт : обзорная информация. — М. : Изд-во ЦНИИГАиК, 1994. 59 с.
102. Состояние окружающей среды // Экологический портал Санкт-Петербурга Электронный ресурс. / Ком. природы СПб. СПб., 2010. — Режим доступа: http://www.infoeco.ru/index.php?id=23. -Загл. с экрана.
103. Степановских, А. С. Прикладная экология: охрана окружающей среды / А.
104. C. Степановских. -М. : ЮНИТИ-ДАНА, 2005. 751 с.
105. Тикунов, В. С. Моделирование в картографии / В. С. Тикунов. М. : Изд-во МГУ, 1997.-405 с.
106. Тикунов, В. С. Устойчивое развитие территорий: картографо-географическое обеспечение / В. С. Тикунов, Д. А. Цапук. — М. ; Смоленск: Изд-во СГУ, 1999.- 176 с.
107. Трухаев, Р. И. Модели принятия решений в условиях неопределенности / Р. И. Трухаев. М., 1981. - 257 с.
108. Тюрин, Ю. Н. Анализ нечисловой информации / Ю. Н. Тюрин, Б. Г. Литвак, А. И. Орлов. М., 1981. - 80 с.
109. Фаддеев, Д. К. Вычислительные методы линейной алгебры / Д. К. Фаддеев, В. Н. Фаддеева. -М. : Физматгиз, 1963.
110. Фредерик, В. Дистанционное зондирование Земли для ГИС / В. Фредерик // ГИС-обозрение. Лето, 1995. - С. 48-51.
111. Фу, К. С. Последовательные методы в распознавании образов и обучении машин / К. С. Фу. М. : Наука, 1971.
112. Фу, К. С. Структурные методы в распознавании образов / К. С. Фу. — М .: Мир, 1977.
113. Хаккольд, В. Введение в городские географические информационные системы / В. Хаккольд. Оксфорд : Изд-во Оксф. ун-та, 1991.-321 с.
114. Хованов, Н. В. Анализ и синтез показателей при информационном дефиците / Н. В. Хованов. СПб.: Изд-во СПбГУ, 1996. - 196 с.
115. Хованов, Н. В. Рандомизированный выбор аппроксимации / Н. В. Хованов // Конструктивная теория функций. СПб., 1992. — С. 68-70.
116. Цветков, В. Я. Геоинформационные системы и технологии / В. Я. Цветков.- М. : Финансы и статистика, 1998. — 287 с.
117. Цветков, В. Я. Геоинформационные системы и технологии / В. Я. Цветков.- М.: Финансы и статистика, 1998. — 288 с.
118. Человек и город. В 2 ч. Ч. 2, вып. 2, 3: Экология и город / гл. ред. Н. Н. Моисеев // Эволюция ионосферы: материалы II сессии Постоянно действующей международной конференции. — 2000. — 119 с.
119. Шеннон К. Работы по теории информации и кибернетике. — М.: Изд-во иностранной литературы. — 1963. — 830 е.
120. Aronoff, S. Geographic Information Systems: A Management Perspective. WD1 Publications, P. O. Box 585, Station B, Ottawa, Ontario К 1 P 5P7. Canada, 1987. ISBN 0-9218404-00-8.
121. Bak, P., Tang, C. and Wiesenfeld, K. Self-organized criticality: An explanation of the 1/f noise. // Phys. Rev. 1987. - Lett.59. - P.381.
122. Belotsercovsky, A. V. Adaptive methods for the solution of optimization problems in hydrometeorology / A. V. Belotsercovsky // Proc. of IAMAP-IAHAS'93, Symp. M4, July 13-14, 1993, Yokogama, Japan.
123. Belotsercovsky, A. Radar imagery nowcasting using adaptive stochastic models / A. V. Belotsercovsky, H. Uyeda, K. Kikuchi // Atmospheric Research. 1994.- 34. P. 249-257.
124. Bruneau, P., Gascuel-Odoux, G., Robin, P., Merot, Ph., Beven, K. Sensitivity to space and time resolution of a hydrological model using digital elevation data. Hydrol. Processes 9. 1995. - P. 68-81.
125. Burrough, P. A. Principles of Geographical Information System for Land Resources Assessment / P. A. Burrough ; Oxford University Press. — Oxford, 1990.
126. Cochran, G. R. The technology of remote sensing: system components, data processing and prospect / G. R. Cochran // Eden, M. J. Remote Sensing and Tropical Land Management / M. J. Eden, J. T. Parry Eds.. Wiley, UK, 1986. -P. 17-34.
127. Dale, P. F. Land Information Management. An introduction with special reference to cadastrial problems in Third World countries / P. F. Dale, J. D. Mclaughlin. Oxford : Claredon Press : Wolton street : Oxford GB, 1998. -ISBN 0-19-858404-9.
128. Dawes, R. Linear models in decision making / R. Dawes, B. Carrigan // Psychol. Bull. 1974. - Vol. 81. - P. 95-106.
129. DeSimone, M. Automatic structuring and feature recognition for large scale digital mapping / M. DeSimone // Auto Carto London. 1986. - Vol. 1. - P. 8695.
130. Dewar, R. C. Information theory explanation of the fluctuation theorem, maximum entropy production, and self-organized criticality in non-equilibrium stationary states / R. C. Dewar // J. Physics. 2003. - A 36. - P. 631-641.
131. Dougherty, J.P. Foundations of non-equilibrium statistical mechanics. //Phil. Trans. R. Soc. Lond. 1994. - A. 346. - P. 259.
132. Eastman, R. J. // Idrisi for Windows. Version 2.0 January 1997.
133. Essex, C. Radiation and the irreversible thermodynamics of climate// J. Atmos. Sci. 1984. -V. 41. —P. 1985
134. Firesmith, D. A definition and five specific cases of generalized sample mean / D. Firesmith // Math, and Comput. Educ. 1983. - Vol. 17, № 3. - P. 210-215.
135. Forrest, W.W., Walker, D.J. Change in entropy during bacterial metabolism.// Nature. 1964. -V. 201. - P. 49.
136. Gallavotti, G., Cohen, E.D.G. Dynamical ensembles in stationary states// J. Stat. Phys. 1995. - V. 80. - P. 931.
137. Goody, R. Sources and sinks of climate entropy / R. Goody // Q J R Meteorol Soc. 2000. - 126 (566). - P. 1953-1970.
138. Grassl, H. The climate at maximum-entropy production by meridional atmospheric and oceanic heat fluxes / H. Grassl // Q J R Meteorol Soc. 1981. -107 (451).-P. 153-166.
139. Held, I. M. Non-linear axially symmetric circulations in a nearly inviscid atmosphere /1. M. Held, A. Y. Hou // J Atmos Sci. 1980. - 37 (3). - P. 515-533.
140. Held, I. M. A proposal for the intercomparison of the dynamical cores of atmospheric general circulation models /1. M. Held, M. J. Suartfz // Bull Am Met Soc.-1994.-75 (10).-P. 1825-1830.
141. Hill, A. Entropy production as the selection rule between different growth morphologies// Nature. 1990. - V. 348. - P. 426.
142. Horel, J. D. Complex Principal component analysis: Theory and examples / J. D. Horel // J. Clim. Appl. Meteor. 1984. - 23. - P. 1660-1673.
143. Idrisi for Windows .Tutorial Exercises Version 2.0 J. Ronald Eastman January 1997.
144. Ito, T. Entropy production of Atmospheric Heat transport. In Non-equilibrium thermodynamics and the production of entropy / T. Ito, A. Kleidon. Berlin ; Heidelberg : Springer, 2005. - P. 93-106.
145. James, I. N. Concerning the effect of surface drag on the circulation of aplanetary atmosphere / I. N James, L. J Gray // Q J R Meteorol Soc. 1986. -112.-P. 1231-1250.
146. Jaynes, E.T. The Maximum Entropy Principle. Eds: Levine, R.D., Tribus, M. Cambridge: MA : MIT, 1979. - P. 15
147. Jaynes, E.T. The Minimum Entropy Production Principle// Ann. Rev. Phys. Chem. 1980. -V. 31. — P. 579
148. Kleidon, A. The atmospheric circulation and states of maximum entropy production / A. Kleidon, K. Fraedrich, T. Kunz, F. Lunkeit // Geophys Res Lett. — 2003.-30 (23).-P. 2223.
149. Lebowitz, J.L., Spohn, H. A Gallavotti-Cohen Type Symmetry in the Large Deviation Functional for Stochastic Dynamics// J. Stat. Phys. 1999. — V. 95. — P. 333.
150. Liljas, E. Automated techniques for the analysis of sattelite cloud imagery / E. Liljas //Nowcasting. Ed. K. A. Browning. Academic Press, 1982. P. 167-176.
151. Lorenz, E. N. Generation of available potential energy and the intensity of the general circulation, in Dynamics of Climate / E. N. Lorenz ; edited by R. L. Pfeffer, 86-92, Pergamon Press, Oxford, 1960.
152. Lorenz, R. D. Titan, Mars and Earth: Entropy production by latitudinal heat transport / R. D. Lorenz // Geophys Res Lett. -2001.-28 (16). P. 3169-3169.
153. Maes, C. The fluctuation theorem as a Gibbs property// J. Stat. Phys. 1999. -V. 95.-P. 367
154. Maracchi, O. A Guide to Computer Science Application in Agrometeorology / O. Maracchi, P. Battista, B. Rapi // Regional Training Seminar for National Instructors of RA. I and RA.VI, Nairobi, Kenya, 1998.
155. Marshall et al. Hydrostatic, quasi-hydrostatic, and non-hydrostatic ocean modeling // J Geophys Res. 1997a. - 102 (C3). - 5733-5752.
156. Marshall et al. A finite-volume, incompressible Navier Stokes model for studies of the ocean on parallel computers // J Geophys Res. 1997b. - 102 (C3). - P. 5753-5766.
157. Mitasova, H. Modelling spatially and temporally distributed phenomena: new methods and tools for GRASS GIS / H. Mitasova, L. Mitas, W. M. Brown, D. P.
158. Gerdes, I. Kosinvsky, T. Baker // J. Geogr. Information Systems. 1995. - 9 (4).-P. 433-466.
159. Moguire, D. J., Goodchild, M. F., Rhind, D. W. Geographic Information Systems. Lougman Scientific & Technical, Bural Hill. Harlow, Essex CM20 2JE. England, 1991. ISBN 0-582-05661-6.
160. Moore, I. D., Grayson, R. B., Ladson. A. R. Digital terrain modelling: a review of hydrological, geomorphological and biological applications. Hydro). Processes 5, 1991, 3-30.
161. Mueksch, M. C. Monitoring and Assessing Natural Lake and Environments for Lake-GIS / M. C. Mueksch // Proc. GIS/LIS'96. Annual Conf. and Exposition, Denver, Colorado, 1996. P. 30-36.
162. Nicolis, G. On the entropy balance of the earth-atmosphere system / G. Nicolis,
163. C. Nicolis // Q J R Meteorol Soc. 1980. - 106 (450). - P. 691-706.
164. Olson, R. J. Regional environmental analysis and assessment utilizing the geoecology data base / R. J. Olson, J. M. Klopatek // Computer Graphics and Environmental Planing. Prentice-Hall, 1983. - P. 161-173.
165. Ozawa, H. The second law of thermodynamics and the global climate system: A review of the maximum entropy production principle / H. Ozawa, A. Ohmura, R.
166. D. Lorenz, T. Pujol // RevGeophys. 2003. - 41. - P. 1018.
167. Ozawa, H. Thermodynamics of a global-mean state of the atmosphere: A state of maximum entropy increase / H. Ozawa, A. Ohmura // J Clim. 1997. - 10. - P.441.445.
168. Ozawa, H. Thermodynamics of fluid turbulence: Aunified approach to the maximum transport properties / H. Ozawa, S. Shimokawa, H. Sakuma // Phys Rev E. 2001. - 64. - P. 296-303.
169. Paltridge, G. W. Global dynamics and climate System of minimum entropy exchange / G. W. Paltridge // Q J R Meteorol Soc. - 1975. - 101 (429). - P. 475484.
170. Paltridge, G. W. Steady-state format of global climate / G. W. Paltridge // Q J R Meteorol Soc. 1978. - 104 (442). -P. 927-945.
171. Pauluis, O. Entropy budget of an atmosphere in radiative-convective equilibrium. Part I : Maximum work and frictional dissipation / O. Pauluis, I. M. Held // J Atmos Sci. 2002a. - 59 (2). - P. 126-139.
172. Pauluis, O. Entropy budget of an atmosphere in radiative-convective equilibrium. Part II: Latent heat transport and moist processes / O. Pauluis, I. M. Held // J Atmos Sci. 2002b. - 59 (2). - P. 140-149.
173. Peixoto, J. Entropy budget of the atmosphere / J. Peixoto, A. Oort, M. Almeida, A. Tome//JGeophysRes.- 1991.-(D6).- 10981-10988.
174. Pierrehumbert, R. T. (2002) The hydrologic cycle in deep-time climate problems / R. T. Pierrehumbert // Nature. 2002. - 419 (6903). - P. 191-198.
175. Pujol, T. Extremal climatic states simulated by a 2-dimensional model Part I: Sensitivity of the model and present state / T. Pujol, J. E. Llebot // Tellus. 2000. -52A (4).-422-439.
176. Renard, K. G. The revised universal soil loss equation / K. G. Renard, J. M. Laflen, G. R. Foster, D. K. Me Cool // Lai, R. (Ed.), Soil Erosion Research Methods. The Soil and Water Conservation Society. USA : St. Lucie Press, 1994.
177. Sawada, Y. A thermodynamic variational principle in nonlinear non-equilibrium phenomena. // Prog. Theor. Phys. 1981- V.66. - P. 68.
178. Shimokawa, S. On the thermodynamics of the oceanic general circulation: Irreversible transition to a state with higher rate of entropy production / S. Shimokawa, H. Ozawa // Q J R Meteorol Soc. 2002. - 128 (584). - P. 21152128.
179. Shutts, G. J. Maximum entropy production states in quasi-geostrophic dynamical models / G. J. Shutts // Q J R Meteorol Soc. -1981.-107 (453). P. 503-520.
180. Smieth, T. R. Requirements and principle for the implementation and construction of large-scale geographic information system / T. R. Smieth, S.
181. Menon, J. L. Star // Inter. J. Geograph. Inform. Systems. 1987. - Vol. 1, № 1. -P. 173-181.
182. Smith, S. M. Agricultural field management with micro-computer based GIS and image analysis systems / S. M. Smith, H. Scheider, R. Wiart. // GIS'87. -Vol. I. San Francisco USA, 1987.
183. Storch von H. Spatial patterns: EOFs and CCA, Analysis of climate variability: Application of statistical techniques. Springer Verlag, 1995.
184. Ulanowicz, R.E., Hannon, B.M. Life and production of entropy// Proc. R. Soc. Lond. 1987. - B 232,-P. 181
185. Venkatamaran, R. The real number system / R. Venkatamaran // Math. Stud. -1964.-Vol. 32, №3/4.-p. 133-134.
186. Walker, W. Rankings and ranking functions / W. Walker // Canadian J. Math. -1981. Vol. 23, № 2. - P. 395-399.
187. Wang, G.M., Sevick, E.M., Mittag, E., Searles, D.J., Evans, D.J., Experimental demonstration of violations of the Second Law of Thermodynamics for small systems and short time scales// Phys. Rev. Lett. 2002. - V. 89. - P.601.
188. Wyant, P.H., Mongroo, A., Hameed, S. Determination of the heat-transport coefficient in energy-balance climate models by extremization entropy production// J. Atmos. Sci. 1988. - V. 45.P. 189
189. Расчет ущерба по объему выбросов наиболее распространенных вредных веществ в атмосферу
190. Санкт-Петербурга в 2004 г.
191. Твердые вещества 5100 2,7 13770 151,53 2,713
192. Диоксиды серы 9200 20 184000 151,53 36,246
193. Оксиды углерода 7300 0,4 2920 151,53 0,575
194. Оксиды азота 19300 16,5 318450 151,53 62,731
195. Углеводороды (без ЛОС) 6900 0,7 4830 151,53 0,951
196. Летучие органические соединения (ЛОС) 6900 0,7 4830 151,53 0,951
197. Всего 57000 528800 151,53 104,168
198. Твердые вещества 3700 2,7 9990 176,51 2,292
199. Диоксиды серы 12100 20 242000 176,51 55,530
200. Оксиды углерода 6800 0,4 2720 176,51 0,624
201. Оксиды азота 17500 16,5 288750 176,51 66,257
202. Углеводороды (без ЛОС) 4200 0,7 2940 176,51 0,675
203. Летучие органические соединения (ЛОС) 5400 0,7 3780 176,51 0,867
204. Всего 52500 550180 176,51 126,246
205. Твердые вещества 2700 2,7 7290 203,92 1,933
206. Диоксиды серы 15100 20 302000 203,92 80,059
207. Оксиды углерода 6000 0,4 2400 203,92 0,636
208. Оксиды азота 18500 16,5 305250 203,92 80,921
209. Углеводороды (без ДОС) 4400 0,7 3080 203,92 0,816
210. Летучие органические соединения (ЛОС) 3000 0,7 2100 203,92 0,557
211. Всего 52 800 622120 203,92 164,922
212. Твердые вещества 2500 2,7 6750 230,5 2,023
213. Диоксиды серы 9800 20 196000 230,5 58,731
214. Оксиды углерода 7600 ■ 0,4 3040 230,5 0,911
215. Оксиды азота 18400 16,5 303600 230,5 90,974
216. Углеводороды (без ЛОС) 2000 0,7 1400 230,5 0,420
217. Летучие органические соединения (ЛОС) 2600 0,7 1820 230,5 0,545
218. Всего 45900 512610 230,5 153,604
219. Твердые вещества 2400 2,7 6480 253,9 2,139
220. Диоксиды серы 5500 20 110000 253,9 36,308
221. Оксиды углерода 10600 0,4 4240 253,9 1,399
222. Оксиды азота 18800 16,5 310200 253,9 102,388
223. Углеводороды (без ЛОС) 2900 0,7 2030 253,9 0,670
224. Летучие органические соединения (ЛОС) 2500 0,7 1750 253,9 0,578
225. Всего 45900 434700 253,9 143,481
-
Сердитова, Наталья Евгеньевна
-
доктора географических наук
-
Санкт-Петербург, 2011
-
ВАК 25.00.30
- Оперативная дистанционная диагностика и управление состоянием природно-антропогенных объектов с использованием данных аэрокосмического зондирования в оптическом и радио диапазонах
- Комплексная оценка микроклимата с использованием геоинформационных систем и спутниковых снимков
- Разработка теории и методов оперативного прогноза состояния окружающей среды при катастрофах
- Разработка геоинформационных технологий оперативного мониторинга окружающей среды и прогнозирования источников природных чрезвычайных ситуаций территории
- Акустическое зондирование атмосферного пограничного слоя
