Содержание к диссертации
Введение
Генезис и физические условия возникновения опасных явлений погоды 16
Объект и предмет исследований 16
Классификация опасных явлений и особенности их проявления на юге Европейской части России 19
1 Конвективные явления 25
2 Бароградиентные явления 28
3 Новороссийская бора 31
Методика оценки рисков опасных явленй погоды 32
Физико-географические условия равнин юга Европейской части России 35
Геология и рельеф 35
Гидрография и растительность 42
Формирование климата региона 46
1 Баланс солнечной радиации 47
2 Особенности местной циркуляции в пограничном слое 50
3 Подстилающая поверхность 55
4 Климатическое районирование юга ЕЧР 57
Климатические особенности свободной атмосферы 74
1 Тенденции изменения основных метеовеличин в основные сроки наблюдений 86
2 Расчет и анализ значений числа Ричардсона 90 Стр.
3 Циркуляция атмосферы как основной фактор возникновения опасных явлений погоды 97
3.1 Интегральные характеристики атмосферной циркуляции 97
3.1.1 Типизация Г.Я. Вангенгейма 97
3.1.2 Индексы А.Л. Каца 101
3.2 Особенности циркуляции атмосферы в пределах юга ЕЧР 102
3.2.1 Среднемноголетняя или нормальная (фоновая) циркуляция атмосферы 102
3.2.2 Аномалии циркуляции и их проявления 115
3.2.3 Тенденции изменения интенсивности циркуляции
3.3 Синоптические условия появления опасных явлений погоды. 130
3.4 Динамика состояний атмосферы и процессов, протекающих в нижней ее части 144
3.5 Основные факторы возмущения атмосферной циркуляции 147
3.5.1 Астрономические факторы 149
3.5.2 Геофизические факторы 160
4 Особенности хронологических рядов опасных явлений юга Европейской части России 169
4.1 Обзор методов математической статистики для изучения хронологических рядов 169
4.2 Статистические закономерности рядов и обзор исходной информации 173
4.3 Районирование равнин юга России по распределению повторяемостей опасных явлений погоды 183
5 Применение теории случайных процессов для исследования хронологических рядов опасных явлений погоды 190 Стр.
5.1 Ряды опасных явлений погоды 190
5.1.1 Анализ однородности, стационарности вероятностей и марковости рядов 190
5.1.2 Неслучайность колебаний в рядах с использованием критериев систематического ряда 196
5.1.3 Автокорреляционные функции 203
5.2 Подходы к определению рисков опасных явлений погоды 212
6 Вероятностно-географическое прогнозирование опасных явлений погоды 219
6.1 Метод расчета условной вероятности опасных явлений погоды (подход Байеса) 219
6.2 Метод минимизации риска 227
6.3 Нейрокомпьютерное моделирование 235
7 Рекомендации по перспективам хозяйственного развития
юга Европейской части России с учетом рисков опасных явлений погоды 279
7.1 Экономическая целесообразность разработанной методики оценки рисков ОЯ 279
7.2 Расчет отдельных видов нагрузок, обусловленных метеорологическими элементами 283
7.3 Управленческие решения при возникновении опасных явлении погоды 301
Заключение 307
Список использованных источников 316
- Бароградиентные явления
- Индексы А.Л. Каца
- Статистические закономерности рядов и обзор исходной информации
- Автокорреляционные функции
Введение к работе
Актуальность проблемы. В борьбе со стихийными бедствиями успехи современной науки заметны, но не столь впечатляющи, как иногда представляется, что связано с особенностями самих явлений, с их кратковременностью, внезапностью и высокой долей стохастичной составляющей. Статистический анализ различных природных катастроф показывает, что на фоне относительного небольшого числа жертв отдельных частых событий выделяются редкие случаи с аномально большим количеством погибших.
Для стихийных бедствий, вызванных ураганами, цунами, смерчами и рядом других опасных природных явлений, характерна катастрофичность гидрометеорологического режима, определяющегося быстрым высвобождением огромного количества энергии.
Процессам формирования опасных явлений погоды, как показывают современные исследования, сопутствуют физические эффекты, локально проявляющиеся в земных сферах, которые принято называть предвестниками или предикторами событий. По характеристикам этих предвестников возможно судить о величине и времени будущего вероятного события. Следовательно, осуществляя глобальный мониторинг предикторов на поверхности и в атмосфере Земли, используя космические средства дистанционного зондирования Земли совместно с сетью специализированных наземных станций, возможно научное обоснование и прогнозирование проявления опасных явлений погоды.
По данным ВМО природные катастрофы мирового масштаба более чем в 90% случаев связаны с гидрометеорологическим режимом конкретной территории. При этом величины ущерба и жертв, в настоящее время, имеют устойчивый рост по сравнению с XX веком. В период с 1985 по 2005 гг. в мире ущерб от стихийных бедствий возрос почти в 10 раз, достигнув только за 2005 год 159 млрд. долларов. Число жертв увеличилось в 15 раз, составив в 2005 году 92 тыс. человек. Указанная ситуация, с одной стороны, объясняется тем, что произошедшие в мире за последние десятилетия прошлого века и в начале ХХ1 века природные катастрофы, куда относят и опасные погодные явления (ОЯ), имеют тенденцию значительного возрастания частот. По данным на 2005 год ежегодный прирост упомянутых явлений в мире составил 18 %, а в Российской Федерации – 6.3 % , и, согласно экспертным оценкам ООН, тенденция в ближайшие десятилетия сохранится на данном уровне. В частности, по данным руководителя Росгидромета Бедрицкого А.И. в 2005 году в России наблюдалось рекордное количество ОЯ (361), из которых 27 % от общего количества (первое место) было зафиксировано на территории Северо-Кавказского УГМС. При этом предупрежденность прогнозов ОЯ составила 86%, в числе непредусмотренных опасных явлений погоды оказались конвективные явления: ливни, шквалы, град.
С другой стороны, рост численности населения мира (в настоящее время более 6. 5 млрд. человек) и развитие мирового хозяйства, в свою очередь, усугубляют тяжесть протекания и последствия природных катастроф. В XXI веке наибольшие величины ущерба (32 % от общего), максимальные количества погибших (26 %) и пострадавших (32 %) вызывали наводнения и тропические циклоны.
Увеличение риска опасных явлений погоды приобретает характер мировой проблемы, требующей разработки современных научных принципов решения. В этой связи становится чрезвычайно актуальным совершенствование известных методов снижения риска опасных явлений погоды и разработки новых возможностей их оценки и управления. Необходимость такой работы обусловлена не только существенным материальным ущербом, связанным с природными катаклизмами и катастрофами, но и со значительными людскими потерями.
Объект исследований. Климатические, макросиноптические условия и гидрометеорологические процессы на равнинах юга Европейской части Российской Федерации (ЕЧР), приводящие к опасным явлениям погоды и имеющие наибольшую повторяемость за последние 55 лет (1950 – 2005 гг.).
Предмет исследований: сильные ветры, метели, гололедно - изморозевые явления, сильные дожди, шквалы, град.
Основная идея исследования заключается в концепции вероятностно-географического прогнозирования опасных явлений погоды на основе методики оценки метеорологических рисков или рисков ОЯ. При этом под метеорологическими рисками подразумеваются статистические вероятности наступления тех или иных опасных (согласно РД №52.04.563 – 2002) явлений погоды, с которыми связаны значительные суммы экономического ущерба и потерь среди населения. Основу методики составляет вероятностно – географический прогноз опасных явлений погоды как дополнение к синоптическому методу, позволяющему осуществлять только прогнозирование неблагоприятных событий, но не вероятности их проявлений в определенной географической точке.
Реализация идеи осуществлялась в два этапа. На первом этапе, согласно методам, принятым в географических исследованиях, выявлялись причины и условия возникновения опасных явлений и их пространственно – временной анализ. На втором этапе применялись методы математической статистики и нейромоделирования. Повторяемости или частоты случаев ОЯ считаются относительно устойчивыми, относятся к известным неопределенностям и могут быть прогнозируемы в будущем. К ним применимы методы математической статистики такие как подход Байеса, позволяющий использовать условные вероятности, то есть предоставляющий возможность учитывать географические условия, выраженные в виде соответствующих исчисляемых параметров. Нейрометоды, отличающиеся известной гибкостью, позволяют решать нелинейные задачи и учитывать пространственные особенности прогнозируемых явлений (сети Кохонена), что и обусловливает возможность их использования для прогнозирования метеоситуации с опасными явлениями погоды или рисков их возникновения.
Цель и задачи. Данное научное исследование посвящено разработке и научному обоснованию методики оценки рисков опасных явлений погоды юга Европейской части России на основе концепции их вероятностно-географического прогнозирования. Реализация поставленной цели предусматривает решение задач:
-определения географических факторов, обусловливающих опасные явления погоды на юге Европейской части России;
-выявления характерных особенностей атмосферной циркуляции, приводящих к возникновению ОЯ, на основе ее количественных критериев;
-исследования хронологических рядов ОЯ с использованием методов математической статистики;
- районирования юга ЕЧР по частотам ОЯ для выработки рекомендаций перспективного экономического развития территории;
- адаптирования методов нейромоделирования для вероятностного прогнозирования опасных явлений погоды и управления рисками их возникновения;
-разработки методики оценки рисков ОЯ равнин юга России.
Научная новизна. Для реализации цели и решения поставленных в работе задач автором впервые:
-с позиции возникновения ОЯ исследованы равнинные районы юга Европейской части России;
-проанализированы и ранжированы географические факторы ОЯ на основе методов математической статистики;
-выявлены значения интенсивности атмосферной циркуляции, способствующие появлению ОЯ, выраженные в количественной форме (индексы А.Л. Каца);
-осуществлен анализ и прогноз ожидаемых значений вероятностей ОЯ на основе метода нейромоделирования;
- для разработки научного вероятностного прогноза будущих значений ОЯ (опасные явления погоды) рассмотрены как природный пример простой цепи Маркова;
-предложены основы вероятностно-географического прогноза ОЯ;
-разработана методика оценки рисков опасных явлений погоды равнин юга России.
Практическая значимость. Полученные результаты позволят:
-улучшить качество современных прогнозов ОЯ на основе разработанного вероятностно-географического метода, включающего элементы математической статистики и моделирования с учетом географических условий их возникновения;
-использовать полученные данные климатического районирования и районирования по частотам ОЯ для повышения эффективности экономического развития административных объектов на равнинах юга ЕЧР;
-минимизировать материальный ущерб и людские потери, применяя методику оценки рисков ОЯ и, в частности, вероятностно-географический прогноз для принятия оптимальных управленческих решений при ожидании ОЯ и преодолении их последствий.
Методы исследования и использованные материалы. В основу диссертации положены материалы многолетних наблюдений случаев опасных явлений погоды, отобранные на 22 метеорологических станциях, выявленных при анализе многолетних климатических закономерностей в архиве Северо–Кавказского межрегионального территориального управления Федеральной службы по гидрометеорологии и мониторингу окружающей среды (Северо –Кавказского УГМС).Основными источниками фактических данных явились климатические справочники, ежегодники и ежемесячники, выпускаемые ВНИИГМИ МЦД г. Обнинск, справочники по опасным природным явлениям в республиках, краях и областях Российской Федерации. В основу выбора критериев опасных явлений погоды были положены руководящие документы Росгидромета. Обработка данных производилась с применением методов математической статистики и моделирования.
Личный вклад автора. Диссертационная работа является результатом обобщения исследований, проведенных в период с 1997 по 2006 г. автором и в сотрудничестве со специалистами Северо-Кавказского УГМС, учеными Российского государственного гидрометеорологического университета, Ростовского государственного университета, в настоящее время - Южного Федерального университета (ЮФУ) и других организаций. Автором были осуществлены сбор, обработка и систематизация статистической информации о реализовавшихся на юге Европейской части России опасных явлениях погоды. На основании анализа многолетних климатических особенностей были определены наиболее репрезентативные метеорологические станции для характеристики климата региона. Автор принимала участие в научных проектах по исследованию рисков опасных явлений погоды, в частности, в Межотраслевой программе сотрудничества Министерства образования РФ и Министерства природных ресурсов РФ по направлению «Научно – Инновационное сотрудничество» в 2003 году. Кроме того, в соавторстве с учеными Ростовского государственного университета (ЮФУ) была подготовлена монография «Природные условия и естественные ресурсы Ростовской области» в 2002 году, в которой раздел «Опасные явления погоды Ростовской области» был написан лично автором.
Теоретические положения, выносимые на защиту.
а) определяющим фактором возникновения опасных явлений погоды является неустойчивость атмосферной циркуляции, обусловленная процессами на Солнце и геофизическими факторами;
б) хронологические ряды опасных явлений погоды представляют собой простую марковскую цепь с характерной связностью членов ряда по типу «красного шума»;
в) районирование равнин юга Европейской части России по частотам опасных явлений погоды позволяет выявить географические факторы, обусловливающие их возникновение;
г) теоретически установленная квазипериодичность хронологических рядов опасных явлений погоды дают возможность применять методы математического моделирования для вероятностного прогнозирования их будущих значений;
д) искусственные нейросети (сети Кохонена) позволяют осуществлять прогноз вероятности возникновения ОЯ на основе анализа соответствующей метеоситуации за счет способности к самообучению, интуитивного анализа информации, возможности модификации и подбора входящих численных параметров;
е) разработанная методика оценки рисков ОЯ и, в частности, вероятностно-географический метод их прогнозирования в сочетании с синоптическим методом позволит снизить значительные суммы ущербов и потерь, связанных с опасными явлениями погоды.
Апробация работы. Основные положения и результаты исследований докладывались на семинарах кафедры Динамики атмосферы и Космического землеведения Российского государственного гидрометеорологического университета в 2002 – 2007 г., а также на кафедре Метерологии географического факультета Казанского государственного университета в 2007 г. Кроме того, полученные результаты обсуждались на следующих конференциях:
Всероссийская конференция «Активные воздействия на градовые процессы», ВГИ, г. Нальчик, 23 – 25 октября 2001г.
Всероссийская конференция «Современное состояние климатических условий республики Башкортостан и их возможные изменения в условиях глобального потепления», г. Уфа, 22 - 25 июля 2002г.
VIII Всероссийская научно-практическая конференция «Стратегические риски чрезвычайных ситуаций: оценка и прогноз», г. Москва, 15 – 16 апреля 2003г.
Международный научно-практический форум «Великие реки», г. Нижний Новгород, 22 – 29 мая 2003г.
Международная научная конференция «Экология и безопасность», г. Санкт – Петербург, 2 – 4 апреля 2004г.
Международные научные чтения «Белые ночи», г. Санкт – Петербург, 2 – 4 июня 2004г.
1-я Научно-практическая конференция «Проблемы гидрометеороло-гического обслуживания», г. Туапсе, 21 – 23 апреля 2005г.
2-я Научно-практическая конференция «Экологические проблемы. Взгляд в будущее», пос. Лиманчик, 6 – 9 сентября 2005г.
Всероссийская конференции «Активные воздействия на градовые процессы», ВГИ, г. Нальчик, 26 – 28 сентября 2005г.
Всероссийская конференция «Оценка и управление природными рисками (Риск – 2006)», г. Москва, апрель 2006г.
Публикации. По теме диссертации опубликовано 40 научных работ, среди них монография – 1, коллективная монография – 1, статьи в периодических научных журналах - 14, статьи в сборниках научных трудов - 5, участие в коллективных научных трудах конференций – 2, тезисы в трудах конференций – 9, учебные пособия (включая курс лекций) – 8. Публикации с 1 по 9 соответствуют требованиям ВАК Российской Федерации к научным изданиям, в которых могут быть опубликованы результаты диссертационных работ, и полностью отражают основные результаты диссертации.
Бароградиентные явления
Для реализации цели исследований на первом этапе были изучены причины и механизмы формирования опасных явлений погоды на равнинах юга Европейской части России.
Исследования явлений природы, отличающихся той или иной повторяемостью или вероятностью, отличаются разнообразием подходов и известны достаточно давно [1].
Так, по Аристотелю существует случайная необходимость - реализация некоторого вполне определенного (неслучайного) правила. Однако указанное правило может быть как осуществлено в данном объекте, так и не осуществлено, и в этом состоит случайность. То есть каждая реализация приводит только к своему необходимому итогу [1].
С другой стороны, неопределенность является в какой-то степени основным свойством окружающей действительности и, в частности, присуща природе. Возможно, источник неопределенности имеет квантовый характер (например, хаотическое движение атомов способно порождать неопределенность). Уменьшение неопределенности, таким образом, приводит к вероятностям или определяемым частотам. Хотя полное ее снятие, очевидно, маловероятно. Отсюда, можно выделить два вида случайностей: -устойчивые, возникающие в системах с определяемыми вероятностями (то есть, в данном случае вероятность представляет собой сочетание частот или их меру); -неустойчивые, возникающие в системах с неопределяемыми вероятностями (в этом случае вероятность - тенденция). Так, по Лексису [1] последовательность случайных величин называется неустойчивой, если в ней относительные дисперсии не стремятся к конечному пределу. Очевидно, в природе достаточно примеров такого рода процессов с неустойчивыми частотами: так называемые «ветвящиеся процессы» -процессы рождения и гибели организмов. Поэтому для изучения явлений окружающей действительности важно выяснить, какая случайность их описывает, поскольку методы математической вероятности могут быть применимы в случае определяемых вероятностей.
В рамках данного исследования будем считать, что условия погоды и, в частности, их предельные проявления - опасные явления (гололед, изморозь, сильные ветры, град и прочие), отличаются квазиустойчивыми частотами. Физический процесс их возникновения имеет стохастический характер, то есть отличается случайной составляющей. И, следовательно, для определения частот данных явлений можно использовать теорию вероятностей и методы математической статистики.
Кроме того, атмосфера как система, в которой появляются опасные явления погоды, отличается динамическим движением. В частности, для его описания будем использовать теорию динамического хаоса, которую можно резюмировать следующим образом: «чем движение неустойчивее, тем устойчивее проявляются в нем статистические закономерности» [1]. С другой стороны, движение в сложных системах, несомненно, порождает перемешивание, представленное в теории вероятностей эргодичностью -весьма полезным для целей прогнозирования свойством и, в частности, в случае марковских цепей. Возникающее при движении на странных аттракторах перемешивание весьма полезно в том смысле, что оно приводит к «расщеплению» корреляции, то есть к постепенному увеличению независимости между определенными параметрами системы, так как исходя из третьего эффекта Шноля, «независимых ни от чего событий не бывает» в рамках космофизических обстоятельств [2]. Исходя из вышеизложенного, очевидно, что в XXI веке ведущей познавательной моделью a priori является диатропическая, то есть отличающаяся разнообразием подходов, фундаментальную роль в которых играет случайность без единой сущности и единого взгляда на нее. Поскольку, вероятно, абсолютно правильных решений не существует, что и обусловливает, в свою очередь, принцип разнообразия исследований. Инструментом, более подходящим для описания такого рода моделей, очевидно, является современная теория фракталов.
В качестве объекта исследований,кяк отмечалось ранее, рассматриваются климатические условия и процессы, протекающие на равнинах юга Европейской части России. Указанные условия и процессы обусловливают такие явления погоды, которые по своей интенсивности, продолжительности или охватываемой ими территории превышают установленные критические пределы, определенные соответствующими Руководящими Документами Росгидромета и относятся к опасными [3].
Критериями опасных явлений считают установленные для того или иного региона предельные значения гидрометеорологических величин, либо качественные их характеристики [4]. В работе использованы критерии исследуемых опасных явлений погоды, принятые в Северо - Кавказском УГМС, содержащиеся в следующих источниках литературы [с 5 по 11]: -наставления гидрометеорологическим станциям; -инструкция гидрометеорологическим станциям по информации об опасных гидрометеорологических явлениях; -положение о сборе сведений и порядке предупреждений об ОЯ; -руководящие документы.
К рассматриваемым в работе опасным явлениям погоды отнесены: -сильные ветры - приземный ветер при скорости более 15 м/с; -метели - комплексное гидрометеорологическое явление, сопровождающееся скоростью ветра не менее 15 м/с, при суточной продолжительности и метеорологической дальности видимости менее 500 м; -сильные дожди - обильные осадки с интенсивностью более 30 мм за сутки; -град - атмосферные твердые осадки при диаметре отложений по гололдному станку от 5 до 20 мм; -шквалы - горизонтальные вихри при скорости ветра более 15 м/с; -гололедно-изморозевые явления - отложения переохлажденной воды и льда на горизонтальной или вертикальной поверхностях при диаметре отложений по гололедному станку не менее 20 мм (гололед), не менее 50 мм (изморозь).
Под метеорологическими рисками будем понимать статистические вероятности наступления тех или иных опасных (согласно РД №52.04.563-2002) явлений погоды. При этом разнообразие данных явлений, обусловленных изменениями атмосферной циркуляции, определяют соответствующие виды метеорологических рисков. Например, активизация циклонической деятельности и, как следствие, увеличение приземных барических градиентов, способствует повышению риска возникновения сильных ветров.
Индексы А.Л. Каца
Район УІ.28- находится в пределах Низких аккумулятивных равнин Заволжья (высоты до 50 м); долина р. Волга (Ахтуба); полупустыни и пустыни на бурых пустынных почвах. Кк = 0.88; средняя температура января -9.2 С; средняя температура июля 22.9 С; А = 32.1 С; Q - Е = -846.0 мм; среднее годовое количество осадков 256.0 мм; испаряемость 1102.0 мм; G = 3.5; W = = 85.3%; наибольшая повторяемость характерна для изморози - 15.9%; сильных ветров - 14.7 %; максимальная интенсивность сильных дождей и ливней - 84.7 мм за сутки; продолжительность гололеда - 39.8 ч; низовых метелей - 4.6 ч; обобщенная повторяемость ОЯ - 8.5 %.
Район УІ. 29 - включает Низкие аккумулятивные равнины Заволжья (от 0 - 50 до -7 м), а также возвышенность Ергени (менее 100 м); оз.Баскунчак, долина р. Волга (Ахтуба), оз.Сарпа; пустыни и полупустыни на бурых пустынных почвах, солонцы, пойменные почвы. Кк = 0.89; средняя температура января -8.7 С; средняя температура июля 23.5 С; А =32.1 С; Q - Е = -918.0 мм; средняя высота снежного покрова 2.8 см; среднее годовое количество осадков 237.3 мм; испаряемость 1155.5 мм; G = 3.2; W = 77.3 %; наибольшая повторяемость характерна для изморози - более 16.0 %; гололеда -более 14.0 %; максимальная интенсивность сильных дождей и ливней -более 60.0 мм за сутки; продолжительность гололеда - менее 40.0 ч; изморози - более 25.0 ч; обобщенная повторяемость ОЯ - менее 8.7 %.
Район У 130- расположен на севере Прикаспийской низменности (от 0 до 50 м, отдельные отметки до -7 м); дельтовая часть р. Волга, побережье Каспийского моря; солянковые пустыни на бурых пустынных почвах, пески, пойменные почвы. Кк = 0.88; средняя температура января -6.5 С; средняя температура июля 23.3 С; А = 29.8 С; Q - Е = -765.5 мм; средняя высота снежного покрова 5.0 см; среднее годовое количество осадков 203.0 мм; испаряемость 968.5 мм; G = 3.9; W = 79.0%; наибольшая повторяемость характерна для изморози - 8.9 %; гололеда - 8.9 %; максимальная интенсивность сильных дождей и ливней - 52.0 мм за сутки; продолжительность гололеда - 29.2 ч; изморози - 23.4 ч; обобщенная повторяемость ОЯ - 7.7 %.
Район У/. 37 находится в пределах южной части Прикаспийской низменности (высоты от 50 до 0 м и менее); дельта р. Волга, побережье Каспийского моря; пойменные почвы, пески. Кк = 0.87; средняя температура января -6.1 С; средняя температура июля 22.7 С; А = 28.8 С; Q — Е = -610.0 мм; среднее годовое количество осадков 155.0 мм; испаряемость 765.0 мм; G = 3.7; W = =75.5%; наибольшая повторяемость характерна для гололеда и изморози - более 10.0%; максимальная интенсивность сильных дождей и ливней - менее 40.0 мм за сутки; продолжительность гололеда -менее 40.0 ч; изморози - менее 20.0 ч; обобщенная повторяемость ОЯ - менее 6.0 %.
Район УІ. 32 - включает крайнего юга Прикаспийской низменности (высоты менее 0 м); побережье Каспийского моря; солянковые эфемерово -полынные пустыни на бурых пустынных почвах, пески. Кк = 0.87; средняя температура января -5.0 С; средняя температура июля 22.9 С; А = 27.9 С; Q — Е = -640.0 мм; среднее годовое количество осадков 209.0 мм; испаряемость 849.0 мм; G = 2.97; W = 72.1%; наибольшая повторяемость характерна для гололеда и изморози - более 10.0 %; максимальная интенсивность сильных дождей и ливней - менее 40.0 мм за сутки; продолжительность гололеда - менее 40.0 ч; изморози - менее 20.0 ч; обобщенная повторяемость ОЯ - менее 7.0 %.
Район УІ. 33 - частично находится на юго-западе Прикаспийской низменности, а также на побережье Каспийского моря (высоты от 50 до 0 м и менее); отдельные метеостанции - ст.Искусственный остров - расположены в пределах акватории Каспийского моря; солянковые эфемерово - полынные пустыни на бурых пустынных почвах, пески. Кк = 0.88; средняя температура января -5.5 С; средняя температура июля 23.8 С; А = 29.4 С; Q — Е =-771.3 мм; среднее годовое количество осадков 210.5 мм; испаряемость 981.8 мм; G = 3.97; W = 83.0%; наибольшая повторяемость характерна для гололеда и изморози - более 10.0 %; максимальная интенсивность сильных дождей и ливней - менее 40.0 мм за сутки; продолжительность гололеда -менее 40.0 ч; изморози - менее 20.0 ч; обобщенная повторяемость ОЯ - менее 6.0 %.
Район УІ. 34 - расположен на западном побережье Каспийского моря, в пределах Прикаспийской низменности (отметки высот до -20 м); долина р. Кума; солянковые, эфемерово-полынные пустыни на бурых пустынных почвах, пески. Кк = 0.87; средняя температура января -3.9 С; средняя температура июля 23.8 С; А = 27.7 С; Q - Е = -797.0 мм; среднее годовое количество осадков 217.0 мм; испаряемость 1014 мм; G = 3.95; W = 84.9%; наибольшая повторяемость характерна для гололеда и изморози - более 10.0%; максимальная интенсивность сильных дождей и ливней-менее 40.0 мм за сутки ; продолжительность гололеда - менее 40.0 ч; изморози -менее 20.0 ч; обобщенная повторяемость ОЯ - менее 6.0 %.
Район УІ.35 - включает северную часть побережья Каспийского моря, на территории Прикаспийской низменности (высоты до -3 м); встречаются мелководные соленые озера; солянковые и эфемерово - полынные пустыни на бурых пустынных почвах, пески. Кк = 0.87; средняя температура января -5.3 С; средняя температура июля 24.2 JC; А = 29.5 С; Q - Е = -725.0 мм; средняя высота снежного покрова 3.5 см; среднее годовое количество осадков 230.0 мм; испаряемость 945.5 мм; G = 2.95; W = 75.8 %; наибольшая повторяемость характерна для сильных ветров - 10.0%; гололеда - 7.7%; максимальная интенсивность сильных дождей и ливней - 73.6 мм за сутки; продолжительность гололеда - 31.6 ч; изморози - 16.9 ч; обобщенная повторяемость ОЯ - 7.6 %.
Район УІ.З6 -находится в пределах Прикаспийской низменности (северо-запад, высоты до -8 м); эфемерово-солянковые пустыни на бурых пустынных почвах, пески. Кк = 0.87; средняя температура января -6.6 С; средняя температура июля 24.1 С; А = 30.7 С; Q - Е = -812.0 мм; среднее годовое количество осадков 222.0 мм; испаряемость 1034.0 мм; G = 3.7; W
Статистические закономерности рядов и обзор исходной информации
Наиболее значительный из последних случаев данных явлений был зафиксирован в феврале 1992 г. Перемещение глубокого южного циклона на восток Украины обусловило увеличение скорости юго-западного и западного ветра до 40 м/с. Первоначально (03:00 мск 18.02.1992) он находился над Болгарией под активной ВФЗ с большими контрастами температур и сильными юго-западными ветрами (на синоптических картах абсолютной барической топографии AT 700 гПа до 20 м/с, на AT 500 гПа до 25 - 35 м/с). По причине вхождения в циклоническую систему второго холодного фронта, произошло углубление циклона. В тыловой части системы наблюдался рост давления 7-9 гПа/3 ч, в передней части - падение до 5 гПа/3 ч. По данным радиозондирования, за 1 - 1.5 ч до возникновения сильных ветров, скорости перемещения в мезоструе достигали 30 м/с, а выше - от 40 до 47 м/с. Барический градиент составил 4-5 гПа /1 меридиана.
Значительные скорости ветра (15 м/с и более) в холодную половину года при наличии снежного покрова благоприятны для возникновения метелевой деятельности [с 86 по 94]. Различают общие (при выпадении снега и переносе выпавшего) и низовые (при переносе ранее выпавшего снега)метели. Значительный ущерб, обусловленный данными явлениями, во многом связан со снижением МДВ (менее 500 м) (метеорологической дальности видимости), которое в свою очередь ухудшает работу всех видов транспорта, строительства.
В результате метелевой деятельности в январе 1989 г. ущерб на территории Ставропольского края составил порядка 200 тыс.руб. из-за нарушения работы транспорта.
Увеличение барического градиента способствует не только появлению сильных приземных ветров и ураганов, но и метелей. Однако синоптические причины общих и низовых метелей различны. Общие метели чаще всего возникают в связи с перемещениями циклонов, как "ныряющих", так и южных, юго-западных, западных. При этом в результате фронтальной деятельности выпадают осадки в виде снега, а большие барические градиенты (ВФЗ) способствуют усилению скорости приземного ветра. Низовые метели своим появлением обязаны взаимодействию отрога Азиатского антициклона с Черноморской депрессией, либо ультраполярным антициклоническим вторжениям (при наличии снежного покрова).
Общие метели 7-9 февраля 1971 г. были вызваны перемещением "ныряющего" циклона (со скоростью порядка 70 км/ч), образовавшегося у западных берегов Скандинавии. При этом скорость воздушного переноса в ВФЗ (на AT 700 гПа) над югом Краснодарского края достигала 100 - 120 км/ч, что и явилось причиной усиления приземного ветра. Воздушные массы теплого фронта циклона отличались большим влагосодержанием (дефицит точки росы составлял 1-2 С), что обусловило выпадение снега.
Выход южного циклона 27-28 февраля 1971г. с интенсивной адвекцией теплого и влажного воздуха в передней части, а также при больших значениях скорости восходящих движений (более 1000 гПа/12ч) был непосредственной причиной развития сильных снегопадов. Барические градиенты у земной поверхности достигали 4.5 гПа/1 меридиана, тем самым, обусловив наличие штормовых ветров до 20 - 30 м/с. Взаимореализация этих синоптических условий и определила возникновение общих метелей в рассматриваемый промежуток времени.
Случай низовой метели в пределах территории изучения имел место 12 января 1987 г. Усиление барического градиента до 3 гПа/ЮОкм было вызвано взаимодействием Черноморского циклона и отрога Азиатского антициклона. В связи с чем скорость приземного ветра составила 10-15 м/с; толщина снежного покрова была достаточной, низовая метель возникла уже при ветре 10 м/с и более.
В январе 1991 г. при перемещении "ныряющего" циклона в южных районах ЕЧР вновь сложились благоприятные синоптические условия для образования общих метелей. ВФЗ, возникшая в результате взаимодействия северо-западного углубляющегося циклона и Кавказского антициклона, характеризовалась резкими контрастами температуры (на ОТ 500/1000 гПа -14 С на 1000 км).Углублению циклона (падение давления в передней части составило 8.7 гПа/3 ч) способствовали как динамический, так и термический факторы: расходимость циклонически изогнутых изогипс в средней тропосфере над его центром и значительная адвекция тепла в передней части.
Работа передаточной функции осуществляется путем сравнивания общей полученной суммы с некоторым пороговым значением, трансформирующимся в выходной сигнал. Если полученная сумма превышает значение заданного порога, то нейроном генерируется определенный сигнал, в ином случае сигнал будет отсутствовать или тормозиться. Поскольку прямолинейные передаточные функции имеют ограничения, и выход находится в прямой зависимости от входной информации, применяют их нелинейные аналоги. Использование линейных передаточных функций вызывало множество проблем в первых моделях нейросетей, а их ограниченность и малая эффективность уже доказана в работах Мински и Пейперта "Перцептроны". Нейросеть может выдавать 0 и 1, 1 и -1 или иные числовые последовательности для простой передаточной функции, которая в этих случаях выполняет роль "жесткого ограничителя" или является так называемой пороговой функцией. Другим типом служит передаточная линейная функция с насыщением, отражающая вход внутри заданного диапазона и работающая как жесткий ограничитель за рамками исследуемого диапазона. Нелинейность этой линейной функции достигается отсеканием минимальных и максимальных значений. Сигмоида или S-подобная кривая как еще один вид передаточной функции приближает минимальное и максимальное значения в асимптотах для тех случаев, когда ее диапазон [от О до 1]. При диапазоне [от -1 до 1] она называется гиперболическим тангенсом. Позитивным для моментом при использовании этих кривых является непрерывность, как самих функций, так и их производных. Применение S-функций позволяет получать адекватные результаты и, следовательно, широко используется. Для разных видов нейросетей могут выбираться разнообразные передаточные функции в зависимости от решаемой задачи.
Перед поступлением в передаточную функцию к входному сигналу добавляют равномерно распределенную случайную числовую последовательность или шум, параметры которой зависят от режима обучения. В литературе этот шум описан как "температура" искусственных нейронов, добавление которого придает математической модели некоторую долю реальности. Четвертая компонента: масштабирование
В связи с неоднородностью входной информации часто используют так называемой масштабирование или введение некоторых числовых множителей, позволяющих в какой-то степени уравнять вводимую информацию. После передаточной функции выходной сигнал проходит дополнительную обязательную обработку или масштабирование. Что предполагает умножение результата работы передаточной функции на принятый масштабирующий коэффициент и, в связи с этим, прибавляется смещение. Пятая компонента: выходная функция (соревнование)
Любой искусственный нейрон имеет только один выходной сигнал, передающийся сотням других нейронов по примеру его биологического аналога. Следовательно, выход является результатом работы передаточной функции. Однако в отдельных нейросетях результаты работы передаточной функции изменяются для создания так называемого соревнования между распложенными близко нейронами. Поэтому нейроны с более сильным сигналом осуществляют соревнование между собой, игнорируя имеющих более слабый. Эта конкуренция или соревнование происходит между нейронами, находящимися на одном уровне или на разных слоях. В данном случае она и определяет, какой из наиболее активных нейронов будет обеспечивать выходной сигнал. Кроме того, соревнующиеся выходы позволяют определить, какие нейроны примут участие в дальнейшем процессе обучения. Шестая компонента: функция погрешности и распространяемое назад значение
Для нейросетей с контролируемым обучением предусмотрена возможность вычисления разности между значениями реального и теоретического выходов. При этом погрешность отклонения этих значений или поточная погрешность определяется функцией погрешности заданной структурой сети. В известных нейросетях погрешность отклонения рассчитывается непосредственно, а для некоторых - определяется ее квадратные или кубические значения.
Если сеть многослойна, то поточная погрешность проходит все ее слои и распространяется назад к предыдущему слою. Она может быть непосредственно погрешностью или погрешностью, с определенным коэффициентом масштабирования, рассчитывающийся в зависимости от типа сети (например, производной от передаточной функции). Значение погрешности, распространенное назад, учитывается в следующем цикле обучения. Седьмая компонента: функция обучения
Функцией обучения служит настраивание весов соединений на входах каждого нейрона в соответствии с определенным алгоритмом для достижения желаемого результата. При этом известны два типа обучения: контролируемое и неконтролируемое. Контролируемое обучение предполагает наличие обучающего числового множества данных или наблюдателя, руководящего эффективностью результатов работы сети. Возможно и неконтролируемое обучение, при котором сеть самоорганизовывается по некоторому внутреннему критерию, введенному в алгоритм обучения.
Для разработки адекватного прогноза необходима адаптация нейросетей в режимах прогнозирования к конкретным обучающим множествам.
Обычно данные наблюдений за поведением исследуемого объекта, признаки которого изменяются с течением времени, представлены как некоторая числовая последовательность в равномерные временные отсчеты. Так, для моментов времени t=l, 2, ..., п данные наблюдений приобретают вид временного или хронологического ряда x(t\), x{ti), ..., x(tn). Информация о значениях временных рядов до определенного момента п позволяет давать оценки параметров x(tn+\), х(п+2), ..., х(п+т). Для прогнозирования элементов хронологических рядов применяют так называемый метод "временных окон". В зависимости от количества параметров, представляющих значения указанных рядов при формировании множества данных, выделяют задачи двух типов: многопараметрические и однопараметрические [145].
Решение конкретных задач предполагает использование совокупности входящих условий или параметров. В этом случае решается многопараметрическая задача прогонозирования. Для различных многомерных или многопараметрических задачах прогнозирования способы ее решения тождественны. Рассмотрим конкретный пример.
воздуха(дефицит влажности у поверхности 1-2 С; на высоте 2-3 С) повсеместно в зоне его влияния наблюдались снегопады. Сочетание последних двух синоптических условий обусловило развитие общих метелей на юге ЕЧР.
На основании вышеизложенного можно сделать обобщенный вывод о едином генезисе таких опасных явлений погоды, как сильные ветры и метели.
Гололедно-изморозевые явления проявляются в нижнем слое тропосферы по-разному, в виде собственно гололеда, зернистой и кристаллической изморози, а также сложных отложений мокрого снега [с 95 по 96 ].
Гололед представляет собой слой плотного прозрачного или матового льда стекловидного строения. При диаметре отложений от 20 мм и более, явление считается опасным.
Зернистая изморозь - матово-белый, снеговидный осадок с зернистым строением. Чаще образуется при наличии туманов, ветре. Кристаллическая изморозь — осадок белого цвета, имеющий характерное кристаллическое строение. Образуется при ясной морозной погоде, слабом ветре. Изморозь с диаметром отложений от 50 мм и более опасна для хозяйства.
Ущерб от гололедно-изморозевых явлений обусловлен увеличением веса предметов и объектов, вследствие отложения на них частиц воды и льда. Поэтому нередко в связи с этим происходит обрыв ЛЭП, линий связи, также вероятны оледенения транспортных магистралей, затруднения в работе строительства, сельского хозяйства.
Так, в результате сильного гололеда (при диаметре отложений от 20 до 50 мм, местами до 79 мм) в декабре 1988 г., происшедшего на территории Краснодарского и Ставропольского краев, были повреждены около 1000 опор ЛЭП, выведены из строя порядка 2000 трансформаторных подстанций, прекратилось движение пассажирского и грузового транспорта. Общий ущерб составил 16.5 тыс. руб.
Возникновение гололедно-изморозевых явлений во многом зависит от проникновения теплого и влажного воздуха на территорию, занятую более холодным в приземном слое. По генезису отложения воды и льда могут быть как фронтального, так и внутримассового происхождения.
Автокорреляционные функции
Для оценки успешности прогноза рисков ОЯ, описанного в работе, предположен упрощенный вариант формулы для определения экономического эффекта, под которым в данном случае следует понимать отношение выгоды за вычетом непредвиденых потерь, а также потерь, возникающих из-за ошибочного прогнозирования к величине затрат на ликвидацию последствий от ОЯ. Чем выше значение Э\ тем более успешной является разработанная методика прогноза ОЯ. В связи с повышенной частотой опасных явлений погоды на юге ЕЧР при планировании хозяйственного освоения территории, а именно, при строительстве жилых и нежилых объектов, в работе были учтены и рассчитаны величины так называемых метеорологических нагрузок, носящих долговременный характер. Исходя из вышеперечисленных результатов расчетов метеорологических нагрузок, а также согласно выполненному районированию по частотам ОЯ, были предложены рекомендации по народно-хозяйственному использованию равнин юга ЕЧР. По-видимому, использование схемы выделенных областей и районов по частотам опасных явлений погоды, а также разработанного вероятностно-географического их прогноза позволит существенно снизить величину экономического ущерба и избежать людских потерь.Задача управления метеорологическими рисками представляет собой необходимость коррекции настоящего экономического развития с учетом вероятностей ОЯ и затрат на ликвидацию последствий их возникновения. Или, вообще говоря, целесообразности развития той или иной экономической деятельности в связи со спецификой возникающих развивающихся в данном районе опасных явлений погоды. Откуда для данной задачи управления рисками определяющими параметрами являются величины затрат на снижение различных видов риска. Решение этой задачи и должно дать ответ на вопрос о том, при каком виде деятельности риск, обусловленный теми или иными ОЯ, является чрезмерным, а какой — приемлемым. В свою очередь, разработанный вероятностно-географический прогноз опасных явлений погоды юга ЕЧР на основе географического анализа, а также неиромоделирования и математической статистики позволят повысить качество современных прогнозов ОЯ.
В заключении диссертации приведены основные выводы, полученные в работе: Во-первых, установлено, что к числу географических факторов, обусловливающих опасные явления погоды, относятся: характер рельефа, ндексы атмосферной циркуляции, коэффициент возмущенности магнитосферы Земли, метеорологические элементы (температура воздуха, скорость геострофического ветра на высоте 10 км, количество осадков, облачность).
Во-вторых, неустойчивость атмосферной циркуляции является определяющим фактором возникновения опасных явлений погоды. В свою очередь, неустойчивое состояние атмосферы также обусловлено влиянием солнечной активности на магнитосферу Земли. Расчет числа Ричардсона показал, что возмущения циркуляции возможны при влиянии местных условий, создающих благоприятную среду для развития термодинамической неустойчивости.
В-третьих, общая среднегодовая частота опасных явлений погоды на равнинах юга ЕЧР имеет тенденцию к увеличению значений от 6.5 (1965 г.) до 8.1 случая (2005г.). Зимние месяцы являются наиболее благоприятными для возникновения опасных явлений погоды, что объясняется развитием меридиональных форм циркуляции (Е и С) в этот период.
В-четвертых, статистический анализ хронологических рядов опасных явлений погоды подтвердил связность между последующими членами ряда на основе простой марковской цепи, что позволяет производить как краткосрочное, так и долгосрочное прогнозирование вероятности явлений.
В-пятых, районирование территории юга Европейской части России по климатическим показателям и по частотам опасных явлений погоды дало возможность сделать вывод о том, что при повышении континентальности климата наблюдаются более высокие частоты опасных явлений погоды, что свидетельствует о наличии взаимосвязи между параметрами климата и ОЯ.
В-шестых, исходя из достаточно высокой оправдываемое, метод прогноза вероятностей ОЯ на основе нейромоделирования можно предложить в качестве основного для территории Северного Кавказа (равнинной части, изучаемой в работе), поскольку в случае численных гидродинамических поогнозов опасные явления погоды не являются предметом их исследований.
В-седьмых, для осуществления краткосрочного прогноза ОЯ на основе нейрометодов необходим массив определенных значений метеоэлементов не менее, чем за год (для метеостанции или поста и рассматриваемого ОЯ). При долгосрочном прогнозировании указанный объем должен быть от 30 лет и более, насколько позволяет наличие репрезентативных данных. Заблаговременность прогноза обеспечивает снижение высоких сумм ущербов и потерь, поэтому чем больше промежуток времени упреждения, тем больше различных мероприятий административного порядка можно осуществить.
В-восьмых, результаты проведенного районирования равнинной территории юга России по повторяемостей ОЯ с учетом метеорологических нагрузок позволили разработать ряд рекомендаций по народно -хозяйственному использованию исследуемой территории.
В-девятых, методика вероятностно-географического прогнозирования рисков опасных явлений погоды юга ЕЧР представляет собой совокупность методов нейромоделирования и математической статистики с использованием географической информации, а ее использование в дополнение к синоптическому методу позволит значительно снизить такие их последствия, как экономический ущерб и людские потери.
Похожие диссертации на Концепция вероятностно-географического прогнозирования опасных явлений погоды юга России
