Статья

Название статьи РАСПОЗНАВАНИЕ И СОПРОВОЖДЕНИЕ ОБЛАЧНЫХ КОНВЕКТИВНЫХ ЯЧЕЕК С ЦЕЛЬЮ ТЕКУЩЕГО ПРОГНОЗА ОПАСНЫХ ПОГОДНЫХ ЯВЛЕНИЙ
Автор В. А. Шаповалов, Х. А. Тумгоева
Рубрика РАЗДЕЛ I. МЕТОДЫ И АЛГОРИТМЫ ОБРАБОТКИ ИНФОРМАЦИИ
Месяц, год 03, 2018
Индекс УДК 004.93:551.5
DOI
Аннотация К настоящему моменту средства дистанционного зондирования атмосферы достигли больших успехов, в то же время появились современные методы оперативной обработки данных, все это требует обновления и развития существующего метеорологического программного обеспечения. Текущий прогноз опасных погодных явлений необходим именно на стадии получения и обработки оперативных данных наблюдений, период его актуальности и составляет время между обновлением информации большинства дистанционных методов зондирования в метеорологии (3–30 мин). В работе решаются задачи обнаружения, выделения, распознавания и слежения для цели текущего прогноза мезомасштабной метеорологической обстановки по радиолокационным, спутниковым и грозопеленгационным данным. Предложены методы и алгоритмы анализа динамики облачных конвективных ячеек. Рассматриваются вопросы комплексирования данных как основы устойчивого распознавания быстроразвивающихся опасных погодных явлений. Были проведены комплексные исследования микрофизических и электрических процессов в атмосфере с использованием активно-пассивного комплекса геофизического мониторинга ФГБУ «ВГИ», состоящего из метеорологического радиолокатора и сети датчиков автоматического грозопеленгатора – дальномера LS 8000, работа которого в сопоставлении с данными сети пунктов наземных метеорологических наблюдений позволила существенно повысить качество выявления и прогноза опасных природных явлений. Установлено, что электрические процессы предшествуют появлению опасных гидрометеорологических явлений и таким образом являются предикторами стадий и тенденций их развития в атмосфере. К таким предикторам можно отнести: возникновение в облаке межоблачных и облако – земля разрядов, интенсивность разрядов в единицу времени, значения амплитуды тока молний, время нарастания тока, знак разряда молнии, местоположение разрядов в облаке, и т.д. Например, резкое увеличение интенсивности внутриоблачных разрядов в облаке (до 60 разр./мин) свидетельствует о том, что через 10–15 мин может возникнуть торнадо или сформируются шквалы, опасные для авиации. Реверс полярности молний, преимущественно с отрицательной на положительную, свидетельствует о начале периода формирования градовых частиц в облаке и начале их выпадения, а, после окончания градоопасной стадии, полярность восстанавливается. Приведены примеры работы разработанной системы объединения информации и текущего прогноза перемещения конвективных облачных ячеек. Показана высокая эффективность автоматической обработки данных в увеличении заблаговременности предупреждения об опасных явлениях конвективного происхождения.

Скачать в PDF

Ключевые слова Обнаружение и распознавание; конвективные облака; опасные погодные явления; текущий прогноз; метеорадиолокатор; грозопеленгатор.
Библиографический список 1. Акимов Л.М., Новикова С.С., Лисиченко Е.А. Автоматизированная система расчета опасных явлений погоды // Материалы Международной научной конференции «Региональные эффекты глобальных изменений климата (причины, последствия, прогнозы)».
– 2012. – С. 455-458.
2. Мазур И.И, Иванов О.П. Опасные природные процессы. – М.: Экономика, 2004. – 702 с.
3. Атлас природных и техногенных опасностей и рисков чрезвычайных ситуаций в Российской Федерации / под общ. ред. С.К. Шойгу. – М.: ИПЦ «Дизайн. Информация. Картография», 2005. – 270 с.
4. Аджиева А.А., Шаповалов В.А., Машуков И.Х., Скорбеж Н.Н., Шаповалов М.А. Обнаружение и распознавание опасных конвективных процессов радиотехническими средствами // Известия высших учебных заведений. Северо-Кавказский регион. Серия: Естественные науки. – 2014. – № 1 (179). – С. 59-62.
5. Аджиев А.Х., Стасенко В.Н., Шаповалов А.В., Шаповалов В.А. Напряженность электрического поля атмосферы и грозовые явления на Северном Кавказе // Метеорология и гидрология. – 2016. – № 3. – С. 46-54.
6. Вербицкая Е.М., Романский С.О. Применение высокопроизводительных средств для прогноза опасных явлений погоды конвективной природы // Материалы III всероссийской науч.-практ. конф. «Информационные технологии и высокопроизводительные вычисления». – 2015. – С. 18-21.
7. Аджиева А.А, Шаповалов В.А., Машуков И.Х. Методы обработки и представления радиолокационной метеорологической информации на территории Северного Кавказа // Известия вузов. Северо-Кавказский регион. Естественные науки. Физика атмосферы. Спецвыпуск. – 2010. – С. 12-17.
8. Шаповалов В.А. Численное исследование микроструктурных и электрических характеристик конвективных облаков // Процессы в геосредах. – 2018. – № 1 (14). – С. 804-810.
9. Шаповалов В.А., Шаповалов М.А. Распознавание опасных конвективных процессов с применением алгоритмов нейронных сетей (Neural Network) и компьютерного зрения (Computer Vision) // Материалы Всероссийской открытой конференции по физике облаков и активным воздействиям на гидрометеорологические процессы, посвященной 80-летию Эльбрусской высокогорной комплексной экспедиции АН СССР. – Нальчик, 2014. – С.148-154.
10. Meyer V.K., Holler H., Betz H.D. Automated thunderstorm tracking: utilization of three-dimensional lightning and radar data // Atmos. Chem. Phys. – 2013. – No. 13. – P. 5137-5150.
11. Yu Liu, Du-Gang Xi, Zhao-Liang Li, Chun-Xiang Shi. Automatic Tracking and Characterization of Cumulonimbus Clouds from FY-2C Geostationary Meteorological Satellite Images // Advances in Meteorology. – 2014. – Vol. 2014. – P. 18.
12. Shah S., Notarpietro R., Branca M. Storm Identification, Tracking and Forecasting Using High-Resolution Images of Short-Range X-Band Radar // Atmosphere. – 2015. – No. 6.
– P. 579-606.
13. Johnson J.T., MacKeen P.L., Witt A., et al. The storm cell identification and tracking algorithm: an enhanced WSR-88D algorithm // Weather Forecast. – 1998. – No. 13. – P. 263-276.
14. Novo S., Martínez D., Puentes O. Tracking, analysis, and nowcasting of Cuban convective cells as seen by radar // Met. Apps. – 2014. – Vol. 21. – P. 585-595.
15. Lakshmanan V., Rabin R., DeBrunner V. Multiscale Storm Identification and Forecast // Elsevier Atmospheric Research. – 2003. – P. 67-68, 367-380.
16. Dixon M., Weiner G. TITAN: Thunderstorm Identification, Tracking, Analysis, and Nowcasting–A Radar-based Methodology // Journal of Atmospheric and Oceanic Technology. – 1993. – Vol. 10 (6). – P. 785-797.
17. del A. Moral, T. Rigo, M. Llasat. Identification of anomalous motion of thunderstorms using radar and satellite data: the splitting thunderstorm of the 10th July 2013 in Catalonia // 15th Plinius Conference on Mediterranean Risks. – 2016. – Vol. 15. – P. 1-20.
18. Han L., Fu S., Zhao L., Zheng Y., Wang H., Lin Y. 3D Convective Storm Identification, Tracking and Forecasting-An Enhanced TITAN Algorithm // J. Atmos. Oceanic Technol. – 2009.
– Vol. 26. – P. 719-732.
19. Bally J. The Thunderstorm Interactive Forecast System: Turning Automated Thunderstorm Tracks into Severe Weather Warnings // Wea. Forecasting. – 2004. – No. 19. – P. 64-72.
20. Adzhieva A.A., Shapovalov V.A., Boldyreff A.S. Development of thunderstorm monitoring technologies and algorithms by integration of radar, sensors and satellite images // Proc. SPIE 10424, Remote Sensing of Clouds and the Atmosphere XXII, 104240H (20 October 2017); doi: 10.1117/12.2299289.
21. Herzegh P., Wiener G., Bateman R., Cowie J., Black J. Data fusion enables better recognition of ceiling and visibility hazards in aviation // Bulletin of the American Meteorological Society. – 2015. – Vol. 96 (4). – P. 526-532.
22. Nayak M.A., Ghosh S. Prediction of extreme rainfall event using weather pattern recognition and support vector machine classifier // Theoretical and Applied Climatology. – 2013. – Vol. 114,
I. 3-4. – P. 583-603.
23. Матвеев Л.Т. Динамика облаков. – Л.: Гидрометеоиздат, 1981. – 311 с.
24. Мазин И.П., Шметер С.М. Облака, строение и физика образования. – Л.: Гидрометеоиздат, 1983. – 280 с.
25. Иванова А.Р., Шакина Н.П. Перспективы развития наукастинга для метеорологического обеспечения авиации в рамках реализации глобального аэронавигационного плана (ГАНП) // Труды Гидрометеорологического научно-исследовательского центра Российской Федерации. – 2016. – №. 360. – С. 113-134.

Comments are closed.