Содержание к диссертации
Введение
Глава 1. Проблемная область 11
1.1. Основные этапы развития аналитических геоинформационных систем 11
1.2. Модель географических данных 12
1.3. Методы геоинформационного исследования 13
1.4. Выводы 16
Глава 2. Методы и алгоритмы геоинформационного пространственно-временного анализа 17
2.1. Предметная область 17
2.2. Динамические поля параметров сейсмического потока 19
2.2.1. Построение 3D динамических полей по каталогам землетрясений и временным последовательностям геомониторинга 19
2.2.2. Динамическое поле минимальных представительных магнитуд 20
2.2.3. Параметры сейсмического режима 21
2.2.4. Сумматорные параметры сейсмической последовательности.. 23
2.3. Выделение кластерной составляющей сейсмичности 25
2.3.1. Физические предпосылки, образования кластеров в сейсмическом потоке 26
2.3.2. Математическая модель кластеризации 28
2.3.3. Алгоритмы 32
2.3:4. Программная реализация модуля кластеризации 33
2.4. Методы обнаружения нестационарностей в динамических полях 35
2.4.1. Гауссовская модель с независимыми значениями 35
2.4.2. Авторегрессионная модель гауссовского процесса 37
2.4.3. Метод динамического детектирования 42
2.5.1. Снятие аномалий из фонового окна 43
2.5. Прогнозирующая функция и оценки качества прогноза 43
2.6. Выводы 48
Глава 3. Сетевая аналитическая ГИС ГеоТайм II 49
3.1. Введение 49
3.2. Архитектура ГИС ГеоТайм 51
3.3. Сетевые функции 53
3.4. Аналитические функции 55
3.5. Интеграция сетевой ГИС в распределенную информационно-аналитическую среду 60
3.5.1. Принципы построения Гео-ЕСИМО 61
3.5.2. Взаимодействие ГИС со средой ЕСИМО 62
3.5.3. Примеры применения Гео-ЕСИМО 65
3.6. Выводы 69
Глава 4. Решение прикладных задач проблемной области 70
4.1. Введение 70
4.2. Пространственно-временной анализ шумов в каталоге землетрясений (Западная Турция) 70
4.3. Анализ динамики взаимодействия полей сейсмичности и деформаций земной поверхности 72
4.3.1. Данные 72
4.3.2. Анализ 73
4.3.3. Обсуждение 87
4.4. Анализ предвестников землетрясений 93
4.5. Исследование кластерной составляющей сейсмического потока 98
4.5.1. Подготовка данных 98
4.5.2. Обсуждение результатов 101
4.6. Выводы 104
Заключение 106
Список литературы 107
- Методы геоинформационного исследования
- Авторегрессионная модель гауссовского процесса
- Взаимодействие ГИС со средой ЕСИМО
- Анализ предвестников землетрясений
Введение к работе
Актуальность проблемы.
В настоящее время быстро увеличивается количество систем мониторинга природных и социально-экономических процессов и развивается инфраструктура пространственных и пространственно-временных географических данных. В связи с этим появляется большое количество новых источников цифровой географической информации (ГИ), которая имеет и пространственную и временную компоненты. Одной из важнейших инициатив в этой области является рассчитанная на предстоящие десятилетия международная Программа «Глобальная система систем наблюдений Земли» (GEOSS), которая выполняется в целях понимания и решения глобальных проблем окружающей среды и экономики (). Эти данные накапливаются в распределенных хранилищах. Они могут представлять ранее измеренные свойства среды (например, сезонные вариации геофизических или геохимических полей) или потоки данных, измеряемые (либо прогнозируемые) в реальном времени (например, последовательности растров аэрокосмических наблюдений, атмосферные измерения, каталоги землетрясений, данные о позиционировании движущихся объектов, данные геомониторинга и т. д.).
В науках о Земле геоинформапионные пространственно-временные данные встречаются практически во всех дисциплинах. Эти данные очень разнотипны. К ним относятся 2D, 3D, 4D сеточные поля, растры с географической привязкой, 2D, 3D, 4D точечные данные, линии, полигоны, географически локализованные временные последовательности и ряды. Объемы потоков геолого-геофизических данных, поступающих от систем мониторинга.
Освоение больших объемов распределенных пространственно-временных данных, выявление из них существенной информации и знаний абсолютно необходимо для развития фундаментальных исследований и решения прикладных задач в науках о Земле, в биологии, в общественных дисциплинах.
Во многих случаях обработка геоинформационных данных должна выполняться в реальном времени. Поэтому, наряду с необходимостью обработки весьма больших объемов данных, возникает дополнительное требование к обеспечению весьма высокой скорости вычислений. К этому следует добавить еще и тот очевидный факт, что рост научного интереса к анализу данных геомониторинга сопровождается увеличением числа пользователей, заинтересованных в доступе к информационным и аналитическим ресурсам. Из этого следует необходимость разработки новых методов анализа и создания сетевой технологии, которая реализует многопользовательский доступ к геоинформапионным системам (ГИС), обеспечивает гибкое взаимодействие ГИС с распределенными хранилищами данных, использует алгоритмы параллельной загрузки потоков данных и параллельные вычисления и обладает удобным интерфейсом запуска вычислительно-емких расчетов на внешних высокопроизводительных платформах. Перечисленные проблемы решаются в представленной диссертационной работе.
Одна из первых настольных ГИС для анализа пространственно-временных
данных была разработана в ИППИ в 1991 г. В настоящее время методы и системы
геоинформационного анализа пространственно-временных данных
разрабатываются в ряде компаний и университетов, в том числе компании ESRI (США), Maplnfo (США), Unidata Program Center (США), университет ITC (Голландия), Кларковский университет (США) и др. В основном разрабатываемые методы относятся к задачам исследования движения объектов, оценивания изменений природной среды по растровым последовательностям, к анализу пространственно-временных точечных событий и временных рядов. При этом анализ, как правило, производится раздельно по времени и по пространству.
Таким образом, диссертация, по разработке методов и алгоритмов, специализированного математического и программного обеспечения для геоинформапионного анализа разнотипных пространственно-временных геолого-геофизических данных актуальна, как для развития геоинформатики, так и при поиске эффективных решений в научных исследованиях и в практических приложениях в области сейсмологии и геодинамики.
Цель и задачи исследования. Целью диссертационной работы является разработка новых и совершенствование существующих геоинформационных методов анализа и средств обработки геолого-геофизической информации о пространственно-временных объектах, явлениях и процессах.
Для реализации этой цели в диссертации поставлены и решены следующие задачи:
Разработать методы и алгоритмы геоинформационного анализа пространственно-временных сейсмотектонических процессов, в том числе: метод обнаружения нестационарностей в 3D сеточных полях, временные ряды которых подчиняются авторегрессионной модели, метод оценивания параметров пространственно-временных аномалий.
Разработать архитектуру, специализированное математическое и программное обеспечение распределенной сетевой ГИС для анализа пространственно-временных процессов.
Экспериментально исследовать разработанные методы, алгоритмы и программное обеспечение на примерах решения практических задач анализа пространственно-временных геолого-геофизических полей: исследовать один из типов аномалий, присутствующих в каталогах землетрясений, исследовать взаимодействие сейсмичности с полями деформации Земной поверхности, вычисленным по данным космической геодезии, выделить и экспериментально проанализировать кластерные составляющие сейсмического потока, обнаружить и исследовать пространственно-временные предвестники землетрясений.
Методы исследования. При выполнении диссертационной работы использовались методы теории вероятности, статистического моделирования, распознавания образов и прогнозирования, методы компьютерного моделирования, паттерны программирования.
Научная новизна работы.
Научная новизна развиваемого в диссертации подхода к пространственно-временному геоинформационному анализу состоит в существенном расширении по сравнению с мировыми аналогами методов обработки разнотипных 2D, 3D и 4D данных, в разработке новых методов и алгоритмов визуализации и трансформации
данных, которые моделируют методы исследования геолого-геофизических процессов экспертами, а также в разработке специализированных предметно-ориентированных методов, алгоритмов и программных средств для решения задач сейсмологии и геодинамики.
В диссертации разработаны новые и усовершенствованы существующие методы геоинформапионного анализа пространственно-временных сейсмотектонических процессов по гео лого-геофизическим данным: метод обнаружения нестационарностей в 3D сеточных полях, временные ряды которых подчиняются авторегрессионной модели первого порядка; метод и алгоритм выделения кластерной составляющей сейсмического потока, отличающийся от аналогов учетом фрактальных свойств сейсмического потока; метод оценивания параметров пространственно-временных аномалий, позволяющий обнаруживать предвестники землетрясений. Данные методы являются новыми и учитывают специфику предметной области.
Разработанные архитектура, специализированное математическое и программное обеспечение распределенной сетевой ГИС для анализа пространственно-временных процессов соответствуют современному мировому уровню. Созданные на этой базе ГИС превосходят по функциональности и эффективности выполнения операций мировые аналоги, предназначенные для анализа геолого-геофизических процессов.
На экспериментальном материале (данные Бишкекского полигона Научной станции РАН) впервые обнаружена статистически значимая связь между полями сейсмичности и инвариантами тензора поля скорости деформаций поверхности Земли по данным космической геодезии. По данным каталогов землетрясений Средней Азии и Камчатки впервые показано, что зависимость логарифма числа кластеров от логарифма количества событий в кластерах является линейной. Это позволяет сделать вывод о наличии самоподобия в кластерной сейсмичности.
Научно-практическое значение и реализация результатов.
Разработанные методы и средства геоинформационного анализа и обработки геолого-геофизической информации применялись в ИППИ РАН при выполнении проектов РФФИ 06-07-89139-а, 07-07-12019-офи, 09-07- 12077-офим, 10-07-00204-а. В рамках этих проектов разработанные в диссертации методы, алгоритмы и программные средства применены для решения ряда практических задач сейсмотектоники и геодинамики. В том числе: новые компьютерные методы визуального исследования и трансформации пространственно-временных процессов применены для анализа взаимодействия пространственно-временных полей сейсмичности и скорости деформаций поверхности Земли по данным GPS; метод выделения кластерной составляющей сейсмического потока применен для анализа каталогов землетрясений Средней Азии и Камчатки; метод оценивания параметров пространственно-временных аномалий применен анализа предвестников землетрясений по ретроспективным данным.
Разработанные архитектура, специальное математическое и программное обеспечение использованы для создания распределенных сетевых ГИС ГеоТайм 2.0 и Гео-ЕСИМО, предназначенных для анализа пространственно-временных процессов. Разработанные в диссертации методы и алгоритмы интеграции сетевой
ГИС в распределенную систему реализованы в ГИС Гео-ЕСИМО и проходят опытную эксплуатацию в рамках государственного контракта на выполнение научно-исследовательских и опытно-конструкторских работ по проектам ГУ «ВНИИГМИ-МЦД» подпрограммы «Создание единой государственной системы информации об обстановке в Мировом океане» федеральной целевой программы «Мировой океан» в 2009 и 2010 годах.
ГИС ГеоТайм 2.0 и региональные ГИС-проекты находятся в открытом доступе на портале ИППИ РАН . ГИС ГеоТайм 2.0 применяется для анализа сейсмотектонических и геодинамических процессов по геолого-геофизическим данным в ИФЗ РАН, в Институте горной механики Чешской Академии наук (в рамках проекта «Изучение современных геодинамических процессов с помощью методов геоинформатики»), в Институте сейсмологии Китайской Сейсмологической Администрации (в рамках проекта «Китайско-Российские исследования внутренне-континентальной сейсмотектоники, и новые подходы и новые технологии в наблюдении и прогнозе землетрясений»), в сейсмологических научных центрах Индии в рамках Комплексной Долгосрочной Программы научно-технического сотрудничества между Россией и Индией (ILTP).
Апробация результатов диссертации. Результаты докладывались на международных конференциях: на Генеральных Ассамблеях Европейской сейсмологической комиссии в 2008 г. на Крите [5] и в 2010 г. в Монтпелье [16]; на Генеральной Ассамблеи Международной Ассоциации сейсмологии и физики недр Земли в 2005 году в Сантьяго [1]; Конференция Комитета по данным для науки и техники в 2008 году в Киеве [6]; на конференциях по ГИС Европейской Ассоциации Лабораторий Географической Информации (AGILE) в 2009 г. в Ганновере [11,12] и 2010 г. в Гимарайнше [14]; на конференциях молодых ученых и специалистов ИППИ РАН "Информационные технологии и системы" (ИТиС) в 2007 г. в Звенигороде [4], в 2008 г. в Геленджике [7], в 2009 г. в Бекасово [13], в 2010 г. в Геленджике [19].
Положения, выносимые на защиту.
Методы и алгоритмы анализа пространственно-временных процессов:
о выделение кластерной составляющей сейсмического потока.
о обнаружение нестационарностей в 3D сеточных полях, временные ряды которых подчиняются авторегрессионной модели.
о оценивание параметров аномалий и построение решающего правила прогноза.
Разработка архитектуры, специального математического и программного обеспечения геоинформационных систем для анализа пространственно-временных процессов.
Экспериментальные результаты:
о обнаружение степенной зависимости между числом кластеров и количеством событий в кластере.
о обнаружение статистически значимой связи между динамикой поля скорости деформаций поверхности Земли по данным GPS и сейсмичностью.
Публикации. Основные результаты диссертации опубликованы в 20 работах, список которых приведен в конце автореферата.
Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения и списка литературы из 83 наименований. Работа изложена на 115 страницах и содержит 33 рисунка и 1 таблицу.
Методы геоинформационного исследования
Аналитические ГИС ориентированы в основном на решение двух типов задач: (1) Просмотр многодисциплинарной ГИ, картографическое измерение и оценивание связей между ее компонентами и (2) Нахождение многомерных зависимостей в ГИ, прогнозирование, обнаружение и распознавание целевых заранее неизвестных стационарных и динамических свойств изучаемой среды.
Существенными особенностями географических данных являются дуальность их представления и разнотипность. С одной стороны любые географические данные описываются вектором тематических свойств, а с другой стороны - своими пространственно-временными координатами: Основными типами географических данных являются точки, линии, полигоны, изоповерхности, поля и изображения. Особенности географических данных во многом определяют методы геоинформационного анализа. Широко используются три метода исследования геоданных: визуальное исследование, аналитические преобразования, моделирование и правдоподобный вывод [10].
Цели визуального исследования состоят в выявлении пространственного образа свойств и объектов исследуемой территории и в выполнении картографических измерений. К этим операциям относятся интерактивное управление картографическими слоями, закраской, размерами пиктограмм, толщиной линий, анимационная визуализация 3D и 4D слоев, получение многослойных разрезов, измерение координатно-локализованных временных последовательностей, значений 2D и 3D сеточных полей, оценивание локальных статистических свойств сеточных полей, измерение расстояний, длин полилиний, площадей полигонов, атрибутов векторных объектов, динамическое выделение на карте группы объектов в скользящем временном интервале (например, просмотр динамики эпицентров землетрясений), интерактивно выделять на карте области, сходные по комплексу свойств с выбираемыми эталонами, и т.д.
Аналитические преобразования позволяют получить новые тематические и пространственно-временные свойства ГИ с помощью заранее заданных операторов. Наиболее важными операторами являются преобразования сеточных слоев в новые сеточные слои с помощью фильтрации и поточечных сеточных вычислений, а также преобразование сеточных слоев в векторные и наоборот. Аналитические преобразования могут включать в себя как заранее подготовленные и ориентированные на определенную предметную область операторы, так и интерпретатор, позволяющий пользователю самостоятельно конструировать нужные операторы преобразований.
Методы моделирования и правдоподобного вывода позволяют найти заранее неизвестное операторы аналитического преобразования. К задачам правдоподобного вывода относятся оценивание зависимостей и отношений между свойствами исследуемой среды и ее сущностями, прогнозирование целевых свойств среды, обнаружение целевых объектов, прогнозирование пространственно-временных процессов. Для решения этих задач используются аппарат многомерного статистического анализа, методы распознавания образов, имитационное моделирование и методы искусственного интеллекта.
Рассмотрим теперь наиболее существенные требования к современным сетевым ГИС технологиям, которые рассматриваются в данной работе.
Первое требование состоит в необходимости поддержки комплексного геоинформационного анализа разнотипных данных. Это обусловлено тремя факторами: (А) взаимодействием рассматриваемых процессов, (Б) невозможностью прямых измерений их ключевых характеристик, (В) недостаточным объемом наблюдений и воздействием на результаты измерений шумов. В этой ситуации для поиска устойчивых решений требуются методы, позволяющие комплексно использовать все доступные многодисциплинарные данные об изучаемом процессе и имеющееся экспертное знание.
Второе требование относится к необходимости использовать при анализе одновременно ГИ из распределенных хранилищ данных, которые могут находиться на удаленных серверах и на компьютере пользователя. Возможность подключения данных с компьютера пользователя обеспечивает их конфиденциальность, что часто является определяющим требованием владельцев данных.
Следующее требование обусловлено тем, что в научных исследованиях часто необходима настройка ГИС пользователем на интересующую его предметную область. Для этого сетевая ГИС должна иметь открытую архитектуру и обладать возможностью подключения к базовой конфигурации системы специализированных модулей (плагинов), которые, как и данные, могут быть распределены на серверах и на компьютере пользователя.
Четвертое требование относится к обеспечению возможности сохранения результатов пользователя, которые включают в себя полученные при работе геоинформационные слои, ГИС-проект, состоящий из метаданных информационных ресурсов и плагинов, а в некоторых случаях и запись последовательности выполненных пользователем операций анализа с указанием,их параметров.
Пятое требование основано на существенной роли наглядности при исследовании ГИ. Для ГИС, предназначенных для научных и прикладных исследований, важно обеспечить интерактивность операций анализа данных. Тесное взаимодействие интерактивных методов аналитического и визуального исследований обеспечивает основу пространственного и пространственно-временного когнитивного моделирования и существенно упрощает понимание исследуемого материала. Наглядность обеспечивается высокой иптерактивностью управления процессом анализа и высококачественным картографическим отображением данных на каждой операции анализа.
Авторегрессионная модель гауссовского процесса
Пуассоновская модель сейсмического потока в ряде случаев не выполняется. Известно, например, что сильное землетрясение является причиной появления в его очаговой зоне новых связанных с ним землетрясений [47]. Другим примером зависимости существенной нестационарности сейсмического потока являются рои землетрясений [35]. Обычно при анализе афтершоки и рои землетрясений алгоритмически обнаруживаются и удаляются из каталогов. Однако, как показали физическое моделирование процесса разрушения горных пород и анализ реальной сейсмичности, в каталоге землетрясений присутствуют два типа событий: поток независимых событий и цепочки связанных событий. Эти цепочки часто называют кластерами сейсмических событий. Следует заметить, что термин "кластер" в современной литературе толкуется по-разному. В задачах статистической обработки данных под кластером понимается совокупность элементов, сгруппированных по принципу метрической близости. В данном разделе под кластером понимается специфическая последовательность сейсмических событий, подчиненная особым пространственным, временным и энергетическим условиям, сформулированным в работе Соболева и Пономарева [43].
Разбиение сейсмического потока на две последовательности событий представляет интерес для поиска предвестников землетрясений. Далее рассмотрим метод кластеризации землетрясений [7], который является развитием работы [43].
Возможность образования кластеров землетрясений в сейсмическом потоке следует из модели лавинно-неустойчивого трещинообразования (ЛНТ-модель). Данная модель была предложена специалистами Института физики Земли РАН [28]. Основу модели составляют два явления: взаимодействие полей напряжений трещин и локализация процесса трещинообразования. Считается, что оба эти явления неизбежно происходят перед разрушением любого материала и горной породы, в частности, при условии длительного действия медленно меняющихся по величине нагрузок. Учение о длительной прочности [18] исходит из того факта, что число и размер трещин (дефектов) постепенно растет под действием постоянно действующих "докритических" (меньших временного сопротивления материала) напряжений. После достижения некоторой критической плотности трещин материал переходит в стадию быстрого макроразрушения.
В рамках ЛНТ-модели предполагается, что процесс перехода от состояния критической плотности трещин к макроразрушению происходит путем слияния трещин в результате взаимодействия их полей напряжений. Теоретически показано, что устойчивость системы резко падает при уменьшении расстояния между трещинами [30]. Например, в случае взаимодействия двух неравных трещин малая трещина может замедлить свой рост или остановиться, если она находится над или под плоскостью большой трещины и ускориться, если расположена на продолжении большой трещины. Таким образом, при статистически равномерном распределении трещин в среде и постепенном увеличении их числа и размеров (вследствие медленно возрастающих нагрузок или при воздействии активной среды) благоприятно расположенные трещины будут сливаться, образуя трещины большого размера.
Перенесение развиваемых в ЛНТ-модели представлений о скачкообразном укрупнении систем трещин на естественный сейсмический процесс дает возможность объяснить некоторые характерные черты сейсмического режима, наблюдаемые в период подготовки сильных землетрясений, например, появление цепочек землетрясений, пропуск землетрясений определенной магнитуды.
Последовательность развития процесса подготовки землетрясения (макроразрыва) согласно ЛНТ-модели состоит из трех стадий. На стадии I, которая значительно продолжительнее (примерно на порядок) стадий II и III, под действием медленно возрастающих тектонических напряжений происходит постепенное накопление числа и размеров трещин в рассматриваемом объеме пород. Физические свойства пород на стадии I меняются слабо, т.е. предвестники по существу, отсутствуют. С накоплением критической для данной горной породы плотности трещин среда вступает в стадию II взаимодействия трещин. На этой стадии происходит резкое увеличение трещиноватости за счет разрушения перемычек между трещинами. Скорость общей деформации в рассматриваемом объеме возрастает ввиду вклада в деформацию перемещений по берегам трещин.
В ЛНТ-модели существенным моментом является представление об иерархии трещин. Это означает, например, что если готовится землетрясение магнитуды 7 (длина разрыва L = 20-40 км) (конец стадии III), то на стадии II взаимодействуют трещины с длиной разрыва порядка километра (магнитуда 4-5), а на стадии I эти трещины формируются из слияния более мелких, размером порядка десятков метров или меньше (магнитуда 1-2). Таким образом, стадия микротрещинообразования относится к далекому прошлому и, по сути, на последних этапах подготовки большого землетрясения не рассматривается. Существенной чертой ЛНТ-модели является развитие на стадии III неустойчивой деформации, локализующейся в узкой зоне будущего макроразрыва. Падение напряжения в этой зоне может привести к падению напряжения в рассматриваемом объеме. Материал разделяется на две с различными свойствами. В то время как в зоне локализующейся неустойчивости продолжается ускоренное трещипообразование, трещины, существующие в окружающем объеме, вследствие частичной разгрузки перестают развиваться, становятся неактивными, и их присутствие не сказывается уже столь сильно на физических свойствах горной породы. Надо заметить, что границы между этими зонами, во-первых, условны, а во-вторых, расстояние между ними изменяется в течение стадии III. Количество и расположение зон локализации зависит размера однородно напряженного объема и условий стеснений на его границах.
Взаимодействие ГИС со средой ЕСИМО
В современных ГИС развиваются три основных направления использования сетевых ресурсов: технологии серверных систем, технологии настольных систем и технологии систем клиент-сервер, которые чаще всего реализуются на языке Java.
В первом случае по запросу ГИ из удаленной БД выбирается, обрабатывается, преобразуется в растровое изображение и пересылается пользователю. Просмотр данных осуществляется с помощью стандартных браузеров. Пользователь может осуществлять динамическую обработку данных, которая выполняется на сервере. Эта технология обеспечивает наиболее простой подход к публикации ГИ в сети Интернет. Вместе с тем имеется ряд принципиальных ограничений: значительные времена ожидания на каждой транзакции при передаче большого растрового изображения от сервера к клиенту, низкая интерактивность при обслуживании динамических запросов и при выполнении операций, ограниченный интерфейс пользователя, ограничения в качестве графики, обусловленные передачей данных в наиболее типовых форматах GIF и JPG.
Второй подход применяется, если пользователю необходима не только ординарная визуализация ГИ, но и ее пространственно-временной анализ в интерактивном режиме. Подход основан на передаче ГИ от удаленных БД пользователю ГИС с локальным доступом. Это связано с установкой дополнительных программ на сервере и на машине пользователя, что иногда может потребовать существенных расходов. На сервере устанавливается специальный промежуточный слой программного обеспечения, который обеспечивает обработку запросов пользователя, извлечение ГИ из базы данных и пересылку этих данных по сети пользователю. На машине пользователя устанавливается ГИС, которая может читать передаваемые форматы данных и выполнять их обработку. Типичным примером такого программного обеспечения является система Spatial Data Engine (SDE), разработанная ESRI, одним из лидеров в области ГИС технологий. Форматы SDE читаются системами Arc/INFO и Arc View.
Клиент-серверный подход не требует от пользователя ни приобретения ГИ, ни установки соответствующей ГИС на его машину. Пользователь в (зависимости от предоставленных ему прав сетевого доступа) может сам интегрировать на своем компьютере распределенные информационные ресурсы. Примерами такой технологии, реализованной на языке Java, являются системы ГеоПроцессор и КОМПАС (ИППИ РАН), CommonGIS (Фраунхофер, Германия), Lava Magma (Голландия). В них наряду со средствами публикации ГИ реализован большой набор интерактивных средств отображения и глубокого анализа данных. Недостатки третьего подхода связаны с некоторыми затратами времени на однократную загрузку Java-программы и в отсутствии гарантии безопасности данных от несанкционированного доступа при файловой системе их хранения данных на сервере Интернет. Преимущества подхода состоят в возможности организации весьма гибкого интерфейса пользователя, в неограниченной интерактивности, в безопасности данных и модулей пользователя, которые загружаются непосредственно из локальных сетей, в высококачественной графике и в однократной затрате времени ожидания только на этапе загрузки программы и данных.
Система ГеоТайм 2.0 по сравнению с системами ГеоПроцессор и КОМПАС обладает тремя архитектурными особенностями. ГИС ГеоТайм 2.0 реализована в виде Java-приложения. Загрузка ГИС ГеоТайм II происходит с использованием технологии Java Web Start, которая является развитием технологии Java Applet. Применение технологии Java Web Start позволяет использовать как важные положительные аспекты технологии Java Applet (в первую очередь - удобство распространения приложения через интернет и гарантия использования актуальной версии приложения), так и преимущество запуска системы независимо от веб-браузера. Последнее свойство позволяет исключить негативное влияние веб-браузера на работу системы - в частности, устранить накладываемые им дополнительные ограничения по выделению оперативной памяти, что является критическим фактором, принимая во внимание значительный объём обрабатываемых пространственно-временных географических данных.
Вторая особенность состоит в том, что система состоит из ядра и динамически загружаемых плагинов. Это позволяет пользователю изменять конфигурацию системы в зависимости от предметной области решаемых задач [62]. Плагины представляют собой откомпилированные Java-классы, реализующие интерфейс Plugin, и подключаются динамически на этапе исполнения программы при помощи технологии Reflection (при этом не требуется ни изменять программный код самой системы, ни перекомпилировать её). Интерфейс определяет функции, реализуемые модулем: типы обрабатываемых модулем слоев (векторные или сеточные), имя модуля, метаданные модуля (описание функций модуля и алгоритм), вызов функции обработки. Модули могут располагаться как на стороне сервера, так и на стороне пользователя.
Третья особенность архитектуры состоит в поддержке параллельных вычислений, которые могут выполняться на многопроцессорных или многоядерных ПК пользователя. Подсистема хранения данных ГИС ГеоТайм II разделена на пять частей. Пространственно-временные свойства исследуемой среды представлены в разделе Исходная и обработанная ГИ. Раздел поддерживает хранение ГИ в векторном, сеточном формате и формате временных рядов. При этом каждый файл данных сопровождается XML-файлом метаданных, а растровые данные и файлом палитры. Векторные данные и временные ряды могут сопровождаться атрибутивной информацией DBF-файлами. Векторные данные структурированы в виде информационных слоев, содержащихся в SHP-файлах, а временные ряды - в TRA-файлах. Общий формат сеточных данных представляет четырехмерные массивы точек. В частном случае, когда требуется представить данные только в двух или трех координатах, четырехмерный сеточный массив вырождается в соответствующий двухмерный или трехмерный.
Процессор компоновки ГИС-проекта интерпретирует конфигурационный XML-файл метаданных проекта и обеспечивает динамическую загрузку данных и плагинов в любой момент, пока загружено ядро системы. Процессор сохранения ГИС-проекта обеспечивает сохранение на компьютере пользователя измененных конфигурационных файлов ГИС-проектов и новых полученных результатов.
Анализ предвестников землетрясений
Отметим, что 6 из 11 попавших в тревожные интервалы землетрясений случились после экстремумов roiW и 6 из 9 - после экстремумов div\. Соответственно, нет оснований считать появление экстремума rot\ или div\ надежным прогностическим признаком. Возможно, прогностическую вероятность можно будет оценить при более длительных и обширных наблюдениях. Это является перспективной задачей, так как комплексирование разных признаков и полей повышает надежность прогноза землетрясений [41].
Наиболее яркие изменения divY и rot\ выявлены в зоне "Восток" в период с 2003 по 2005 годы (рис. 17-18 и 19). Расчеты скоростей движения станций ivl2 и ivll по направлению С-Ю показали следующее. Наивысшая скорость движения станции iv!2 в северном направлении отмечена в октябре 2003 г. (рис.15 - график 1) и составила 5.6 мм/год, что почти в 3 раза больше средней многолетней скорости этой станции (1.94 мм/год) за весь исследованный период длительностью 9,64 года. В это же время станция ivll двигалась на север с меньшей скоростью 1.8 мм/год, практически равной средней многолетней (1.9 мм/год). Результатом явилось вращение участка между станциями с востока на север, что отражено в минимальных значениях rotV и максимуме скорости сдвиговых деформаций sh\ (рис. 19). Эти экстремальные процессы произошли за 3 месяца до сильнейшего на полигоне землетрясения 16.01.2004 г., К= 13.7. Насколько генетически связаны эти явления, судить сложно, но можно высказать следующее предположение. Напряжения, возникшие в приповерхностных слоях земной коры, в условиях сплошной среды приведут к частичному изменению напряженного состояния и в нижележащих областях, в том числе на глубине 13 км, где находился очаг землетрясения =13.7 [32].
Резкий поворот направления движения станции ivl2 с севера на восток произошел в период 2004 - 2005 гг. (рис. 17, 18, 19). Это подтверждается сопоставлением динамики скорости движения станции iv!2 на север и на восток (рис.15). Максимальная скорость движения в направлении восток была достигнута в сентябре 2005 г. и составила 7.64 мм/год, что в 5.4 раза больше средней многолетней скорости (1.42 мм/год). В этот период станция ivll двигалась в том же направлении с меньшей скоростью 1.3 мм/год, что несколько меньше средней многолетней скорости (1.5 мм/год). Обе станции располагаются на близких широтах. Разница скоростей движений должна была привести к появлению деформации расширения и относительных растягивающих напряжений на участке земной коры между станциями. На деформацию растяжения указывают и положительные значения divY в максимуме 2005 г. (рис. 19 - график 2). Это могло способствовать возникновению в 2005-2006 г. сильных землетрясений энергетических классов 11-13 (таблица 1).
Судя по большим изменениям параметра rotY на интервале 2004 -2005 гг. (рис. 19) и изменению направления движения станции ivl2 (рис. 15), происходило вращение прилегающего к станции ivl2 участка с севера на восток, т.е. в обратном направлении по сравнению с периодом до землетрясения 16.01.2004, К = 13.7. Нельзя исключить, что поворот произошел в результате землетрясения. Необходимо, однако, дать следующее пояснение. Расположение станций GPS не совпадает с эпицентрами отмеченных выше сильных землетрясений. Пока нет доказательств того, что выявляемые при анализе данных GPS изменения напряженного состояния синхронно проявлялись и в очагах сейсмических событий. Последнее было бы справедливым в условиях идеально упругой среды, к которой не относится вещество очаговых зон. Поэтому, из близости по времени землетрясений и экстремальных значений скоростей движений V, а также divY, rotY и shY не вытекает, что есть причина и что - следствие. Оба эти явления могут быть следствием неясного пока процесса регионального или глобального масштаба.
Вариации параметров поля деформаций в зонах "Центр" и "Запад" не были столь большими, как в зоне "Восток". Кроме того, на их территории не происходило столь сильных землетрясений. Однако, некоторые сходные черты все же прослеживаются. Значительные изменения rot\ и divY в зоне "Центр" отмечены в 1999-2001 гг. (рис.23) и они приурочены к меридиональной полосе между станциями ivl6 и iv22 (рис. 16). По данным расчетов компонент V в направлениях С-Ю и В-3 движение восточной станции ivl6 на север в течение 2001 г. ускорялось и в конце 2001 г. составило 3.18 мм/год. Перемещения западнее расположенной станции iv22 в этот же период практически не отмечено (0.73 мм/год). В какой то мере ситуация напоминает изложенную выше при описании движений станций ivl2 и ivll в зоне "Восток" за период 2003-2005 гг. Результатом явилось вращение этого участка с востока на север, что отражено в уменьшении значений rot\ (рис. 23). Возникшие в зоне "Центр" относительно сильные землетрясения (рис. 16) могут быть связаны с этим вращением и соответствующим изменением напряженного состояния. Скорости в движении станций ivl6 и iv22 на восток различались меньше.
Переходя к ситуации в зоне "Запад", рассмотрим интервал 2003-2005 годов, поскольку к нему приурочены сильные землетрясения (рис. 24). Существенные изменения произошли только в скоростях движения станций iv20 и iv21 на север. Если скорость V северной станции iv20 колебалась на уровне (0.9- 2. 6) мм/год, то южная станция iv21 испытала ускорение до 4 мм/год. Следствием явилось возрастание сжатия в направлении С-Ю на участке между этими станциями, находящимися на одной долготе. Отрицательные значения div\ в точке [42.63 с.ш. - 74.48 в.д.] на рис.14, как и карта (рис. 17), указывают на это. Как следует из рис. 17, сильные землетрясения энергетических классов 11.7 и 11.9 произошли южнее имевшихся на полигоне пунктов GPS. Поэтому нельзя с уверенностью сказать, что именно остановка в своем движении на север участка в районе iv20 привела к указанным землетрясениям. Однако, аргументов против такой интерпретации тоже нет.
Исходя из проведенного анализа, можно заключить. Интервалы перед сильными землетрясениями и после них характеризовались возрастанием градиентов амплитуд и направлений движения, определяемых по данным GPS. Это вызвано несогласным по величине и направлению перемещением соседних участков земной коры. Соответствующие изменения напряженного состояния вызывали усиление сейсмичности. И обратно, возникновение сильного землетрясения приводило к изменению напряженного состояния в прилегающих районах, что отражалось в амплитудах и направлениях движения пунктов GPS.
