CC BY
62
УДК 519.6 + 91.001.5
Л. М. Фалейчик
Институт природных ресурсов, экологии и криологии СО РАН ул. Бутина, 26, Чита, 672000, Россия E-mail: lfaleychik@rambler.ru
ГЕОИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕ ЧИСЛЕННОГО МОДЕЛИРОВАНИЯ ЛОКАЛЬНЫХ АТМОСФЕРНЫХ ПРОЦЕССОВ *
Обсуждаются вопросы обеспечения процесса численного моделирования локальных атмосферных процессов входными данными с информацией о рельефе и других характеристиках подстилающей поверхности области исследования, визуального представления и анализа его результатов. Предлагаемая технология, основанная на использовании возможностей геоинформационных продуктов и применении созданного программного модуля, позволяет автоматизировать процессы извлечения из существующих цифровых моделей информации о подстилающей поверхности с разной степенью детализации, ее подготовки для ввода в численную модель, существенно ускорить процесс интерпретации и анализа результатов моделирования. Географическая привязка результатов численных экспериментов к карте местности, осуществляемая в среде ГИС, позволяет более детально проанализировать и прояснить причины некоторых особенностей поведения полей метеорологических величин. Опыт интеграции ГИС и математического моделирования показывает перспективность этого направления в задачах подготовки информации для различных научных и практических целей.
Ключевые слова: геоинформационные технологии, геоинформационная система (ГИС), математическое моделирование, численная модель, цифровые модели рельефа, координатная привязка.
Введение
Анализ отечественных и иностранных литературных источников показал, что в среде современных научных исследований большое внимание уделяется взаимосвязи задач математического моделирования с ГИС-технологиями [1-5]. Существуют разные уровни интеграции математических моделей и ГИС. Самый «низкий» уровень: ГИС только обрабатывает файлы данных, используемых или полученных при моделировании. «Высокий» уровень интеграции: ГИС и модели представляют одно целое. Достигается это либо встраиванием моделей в ГИС, либо, наоборот, включением функций ГИС в модели [4-10]. Используется и комбинированный подход, когда в проекте ГИС осуществляется не только подготовка исходных пространственных данных, но и элементы процедуры принятия решений с помощью инструментов ГИС-анализа [11].
Можно привести целый ряд в разной степени удачных примеров комплексирования математических моделей и ГИС. Широко используется ГИС в гидрологическом моделировании: водосборных бассейнов, речной сети, подземных водоносных пластов, а также поверхностных водоемов (озер, водохранилищ, эстуарий и т. п.) [6; 12; 13]. Имеются примеры использования ГИС-технологий в сфере природных пожаров [14; 15].
* Работа выполнена при поддержке ФЦП «Научные и научно-педагогические кадры инновационной России» на 2009-2013 гг. (госконтракт № 14.740.11.0211), а также при частичной финансовой поддержке Российского гуманитарного научного фонда (проект № 08-02-12101в) и Российского фонда фундаментальных исследований (проект № 10-06-00060а).
ISSN 1818-7900. Вестник НГУ. Серия: Информационные технологии. 2012. Том 10, выпуск 2 © Л. М. Фалейчик, 2012
Интеграция методов дистанционного зондирования и математического моделирования (в рамках ГИС-технологии) используется для исследования динамики повреждения лесов Кольского полуострова [16; 17]. Накапливается опыт использования геоинформационного моделирования в решении задачи рационального размещения отходов горнопромышленного комплекса [18].
В целом, ситуацию можно охарактеризовать следующим образом: наиболее интересные результаты получаются, когда математическая модель использует в качестве входных параметров распределенную по большой территории информацию, и в то же время результаты моделирования представляют собой динамические поля моделируемых характеристик. Примером такого рода ситуации может служить, на наш взгляд, математическое моделирование локальных атмосферных процессов и процессов распространения вредных примесей.
К сожалению, в русскоязычной научной литературе явно недостаточно освещены вопросы интеграции математических моделей и ГИС в задачах моделирования локальных атмосферных процессов. А. А. Половянов предложил вариант применения ГИС ARC/INFO для визуализации результатов математического моделирования распространения атмосферных загрязнений в условиях города 1: создано приложение-посредник между моделью и ARC/INFO, которое импортирует результаты расчетов из текстового файла и создает на их основе карты распределения загрязнений в виде набора изолиний или точечных объектов. С использованием методов ГИС решается задача расчета загрязнения приземного слоя атмосферы Сочи выбросами одиночного точечного источника [19].
В результате проведенного анализа литературных источников не обнаружено готовых программных продуктов и методик, предназначенных для извлечения из существующих цифровых моделей местности информации о подстилающей поверхности, используемой в численном моделировании, а также для координатной привязки результатов моделирования с целью их интерпретации и анализа в среде ГИС.
Таким образом, комплексное использование математического моделирования и геоинформационных технологий как инструмента исследований окружающей среды, разработка технологий обработки многофакторной информации, включающей результаты расчетов по математическим моделям, и представления ее в виде, удобном и понятном для конечных пользователей, принимающих решения, являются задачами, заслуживающими серьезного внимания.
Постановка задачи
В математическом моделировании локальных атмосферных процессов над территориями со сложным, неоднородным рельефом используются разные варианты трехмерных мезомас-штабных моделей гидродинамики атмосферы, в которых представлены механизмы формирования структуры локальных циркуляций, вызываемых орографическими и термическими не-однородностями подстилающей поверхности [20]. Такие модели имеют универсальный характер, а привязка их к условиям конкретных объектов и районов осуществляется, как правило, на уровне входной информации. Это значит, что для адаптации модели к конкретной территории и практического ее использования для решения прикладных задач требуется специальная информационная база, содержащая сведения о физико-географических и климатических условиях этой территории.
При решении многих практических задач динамики атмосферы, таких как оценка ресурсов естественного проветривания горных котловин, прогноз и оценка возможных изменений микроклиматических характеристик территории и качества атмосферного воздуха вследствие антропогенной деятельности [21-24] и т. п., требуется детальный учет процессов, происходящих в нижнем слое атмосферы, которые определяют характер взаимодействия атмосферы с подстилающей поверхностью.
1 Половянов А. А. Отображение результатов математического моделирования в ГИС. URL: http://geomod.rsu.ru/ GIS/representation/GIS.htm.
Локальные циркуляции атмосферы формируются вследствие наличия на исследуемой территории разного рода неоднородностей подстилающей поверхности, таких как сложный горный рельеф (орографическая неоднородность), локализация на территории крупных водных объектов (озера, водохранилища, реки), не тающих летом наледей и не замерзающих зимой полыней гидро- и теплоэлектростанций (температурные неоднородности). Термическая неоднородность территории обусловливается также различной инсоляцией разных элементов ландшафта и возможным наличием на ней протаивающих летом участков многолетней мерзлоты.
Как правило, в численных моделях нижний уровень, для которого насчитываются значения метеоэлементов (компоненты скорости ветра, давление, потенциальная температура, влагосодержание и др.), совпадает с верхней границей приземного слоя, а влияние неодно-родностей подстилающей поверхности учитывается в параметризованном виде с помощью модели приземного слоя. Параметризация приземного слоя - это восстановление профилей метеорологических величин в этом слое. Вид профилей зависит от состояния атмосферы и характеристик подстилающей поверхности, среди которых и параметр шероховатости поверхности. Этот параметр оказывает заметное влияние на режим приземного слоя и зависит, в частности, от типа почв, растительного покрова и других характеристик землепользования. Поэтому и основными входными данными для адаптации модели к конкретной территории и численного моделирования служит информация о рельефе и характеристиках подстилающей поверхности.
В численных моделях, основанных на использовании конечно-разностных и итерационных методов, для работы с рельефом и другими характеристиками подстилающей поверхности используются двумерные массивы, каждый элемент которых является числовым значением соответствующего показателя в определенной точке исследуемой области. Эти точки являются узлами расчетной сетки на нижней границе области.
Подготовка такой информации с использованием бумажных карт разного масштаба вручную - трудоемкий по времени и усилиям процесс, затраты которых зависят и от требуемой для моделирования подробности данных: в случае необходимости проведения расчетов с более подробным рельефом такую работу необходимо было провести заново.
Результатами численного моделирования являются наборы четырехмерных полей основных метеоэлементов, которые на каждом шаге по времени описываются значениями в узлах трехмерной расчетной сетки. Горизонтальные или вертикальные сечения этих полей в каждый момент времени представляют собой двумерные поверхности, которые можно восстановить с помощью методов интерполяции на основе значений в узлах расчетной сетки. Для анализа результатов расчетов и изучения структуры моделируемых полей они должны быть представлены в удобном для этого виде. Но, как и в вопросе получения входной информации, существуют и некоторые проблемы с визуализацией результатов численного моделирования, причинами которых были сначала отсутствие или слабая развитость графических возможностей компьютеров, а затем и технические проблемы совмещения с исходной картой территории построенных с использованием различных графических средств полей распределений рассчитанных показателей.
Появление и развитие ГИС-технологий сделали реальной возможность представлять результаты моделирования в виде настоящих карт. Использование заложенной в ГИС возможности географической привязки данных позволяет отображать их одновременно с другой информацией об изучаемой местности в любой системе координат и любой проекции, масштабировать изображение, комбинировать с любым количеством другой информации, проводить всесторонний пространственный анализ. Привязка отсканированного изображения бумажной карты к отображаемой ею местности и установка нужной проекции позволяют представлять результаты расчетов прямо на нем.
Отображение результатов моделирования на карте местности позволяет не только видеть, что и где происходит, но нередко и найти ответ на вопрос, почему именно это происходит и именно в этом месте, что было довольно трудно сделать при использовании других способов представления результатов. Важную роль в этом процессе играют цифровые модели рельефа (ЦМР), использование которых в качестве карты-подложки делает более реалистичной картину местности.
Геоинформационное обеспечение
численного моделирования данными о территории
С целью автоматизации рутинной работы по подготовке информации о рельефе и других характеристиках области моделирования для использования ее в численной модели под руководством и с участием автора был разработан и реализован в среде ГИС в виде расширения ArcGIS 9 2 (Esri, Inc., USA) специальный программный модуль. С помощью инструментария этого модуля создается регулярная прямоугольная расчетная сетка, шаг которой задается пользователем в любых указанных им единицах измерения, извлекаются из цифровой модели рельефа и привязываются к узлам сетки значения характеристик подстилающей поверхности [25; 26]. К узлам этой сетки привязываются и результаты моделирования для их визуализации и анализа.
Наиболее распространенными представлениями рельефа в ГИС являются две модели поверхности: растровая и TIN (триангуляционная нерегулярная сеть). ЦМР, создаваемые национальными картографическими службами многих стран, представлены в растровом формате. В растровой форме распространяются данные о рельефе в формате Национальной ЦМР Соединенных Штатов - DEM (Digital Elevation Model). В свободном использовании находятся данные SRTM (Shuttle radar topographic mission) - Радарной топографической съемки 2000 г. 3 [27] и некоторые другие.
Достаточно простой доступ к данным SRTM (растровые файлы на территорию размером 1 х 1, 1 201 х 1 201 пикселей каждый) и удовлетворительное для используемой мезомас-штабной модели динамики атмосферы и моделируемых территорий их разрешение (размер пиксела - 30 х 30 м) определило наш выбор этих данных в качестве источника информации о рельефе местности для численного моделирования.
Для визуализации и обработки данных SRTM можно использовать находящийся в открытом доступе на сайте htpp://www.globalmapper.com программный продукт GlobalMapper, который позволяет создавать двух- и трехмерные представления рельефа 4. Одним из его достоинств является возможность получения выходных данных в любой из известных картографических проекций. Кроме того, в GlobalMapper имеется возможность экспорта данных о рельефе в текстовый файл (ASCII Text File) и обратно, преобразование данных, представленных в текстовом виде, в растры, в векторный формат, изображения разных форматов. Эти и другие возможности GlobalMapper позволяют получить информацию о рельефе и свойствах подстилающей поверхности в любом подходящем для использования в численной модели формате, представить ее в форматах, удобных для визуализации, например, в таких геоинформационных системах, как ArcView или ArcGIS (рис. 1).
Как уже говорилось, в численной модели гидродинамики атмосферы для задания рельефа и характеристик подстилающей поверхности исследуемой области используется регулярная прямоугольная расчетная сетка. Очевидно, что чем чаще будут расположены узлы сетки, тем точнее будет описываться подстилающая поверхность в этой модели. Растр представляет собой прямоугольную матрицу ячеек (пикселей), для каждой из которых хранится одно числовое значение той величины, для которой он построен - абсолютная высота, крутизна или ориентация склона, тип почвы, землепользования и т. д. Если компьютер пользователя имеет достаточно высокие вычислительные мощности, модельная территория сравнительно небольшая, а растр имеет грубое разрешение, то в качестве входной матрицы данных для модели можно использовать матрицу значений растрового файла. Однако размеры области исследования обычно превышают размеры квадрата 1 х 1. Кроме того, вычислительные ресурсы имеющихся в нашем распоряжении персональных компьютеров накладывают ограничения на количество узлов сеточной области, в которой происходит численное решение задачи. Поэтому в качестве входной информации о рельефе берутся не все значения из растрового файла, а только его часть, а именно значения тех пикселей, в которые попадают узлы расчетной сетки.
2 Программный продукт получен автором по гранту Esri Conservation Program.
3 http://gis-lab.info/qa/srtm.html
4 http://gis-lab.info/qa/srtm.html
Рис. 1. Визуализация в АгсОК рельефа области моделирования, подготовленного по данным БЯТМ
Сп(]2кт - Блокнот
Файл Правка Формат В( чд Справка
X 97 У ,9482689048049 57. 0952275402291 г:
97 ,9843556548385 57. 0952275402291
98 ,020442467372 57.0952275402291
98 0565292174057 57. 0952275402291
98 0926159674393 57. 0952275402291
98 1287027799729 57. 0952275402291
98 1647895300065 57. 0952275402291
98 2008762800401 57. 0952275402291
98 2369630300737 57. 0952275402291
98 2730498426073 57. 0952275402291
98 3091365926409 57. 0952275402291
98 3452233426745 57. 0952275402291
98 38131015 52081 57. 0952275402291
98 4173969052418 57. 0952275402291
98 4534836552754 57. 0952275402291
98 489570467809 57. 0952275402291
98 5256572178426 57. 0952275402291
98 5617439678762 57. 0952275402291
98 5978307804098 57. 0952275402291
98 6339175304434 57. 0952275402291
98 670004280477 57. 0952275402291
98 7060910930106 57. 0952275402291
98 7421778430442 57. 0952275402291
98 7782645930778 57. 0952275402291
98 8143 513431114 57. 0952275402291
98 ,850438155645 57.0952275402291
98 8865249056787 57. 0952275402291
98 92261165 57123 57. 0952275402291
98 9586984682459 57. 0952275402291
98 9947852182795 57. 0952275402291 1
99 0308719683131 57. 0952275402291
99 0669587808467 57. 0952275402291
99 10304 55308803 57. 0952275402291
99 1391322809139 57. 0952275402291
99 1752190934475 57. 0952275402291
99 2113058434811 57. 0952275402291 -
Рис. 2. Создание регулярной сетки узлов на поверхности области моделирования
Построение регулярной сетки, извлечение из ЦРМ значений абсолютных высот точек, соответствующих ее узлам, выполняется в среде АгсОК с помощью инструментов созданного модуля (рис. 2). Поэтому данные 8ЯТМ сначала экспортируются в формат, пригодный для использования в среде ГИС, при этом учитывается их географическая привязка [25; 26]. Для этого очень удобен формат ОеоТТРБ, так как он уже содержит информацию о географи-
ческой привязке, что позволяет использовать его в ГИС без дополнительной обработки. Кроме того, в ГИС он легко перепроектируется в любую картографическую проекцию.
На основе созданного точечного слоя узлов расчетной сетки со значениями высот c использованием функциональности расширения ArcGIS Spatial Analyst создаются растровые поверхности уклона (Slope) и экспозиции склонов (Aspect), из которых с помощью того же модуля извлекаются и привязываются к узлам расчетной сетки значения этих характеристик рельефа. Создаются отдельные точечные слои уклона и экспозиции склонов. Аналогично извлекаются и данные, характеризующие шероховатость подстилающей поверхности, - виды растительного покрова, категории землепользования. Информация из созданных точечных слоев экспортируется в ASCII-файлы, которые затем используются в численной модели.
Для задания в модели источников термических и орографических неоднородностей выделяются узлы расчетной сетки, охватывающие эти объекты (реки, водохранилища, наледи и прочие объекты), создаются соответствующие файлы использования этой информации в численной модели.
Визуализация и анализ результатов моделирования
В результате каждого сценарного расчета насчитываются четырехмерные поля основных метеоэлементов. Особый интерес представляют горизонтальные разрезы этих полей, так как в среде ГИС их можно совместить с картой местности. Для визуализации и анализа результатов моделирования в численной модели в блоке подготовки выходных данных формируются текстовые файлы с двумерными массивами рассчитанных метеополей, которые затем загружаются в ГИС-проект, где осуществляется их привязка к узлам построенной на этапе подготовки входной информации расчетной сетки и дальнейшее преобразование в тематические векторные и растровые слои. Для представления горизонтальных разрезов полей метеоэлементов с использованием методов интерполяции строятся растровые поверхности распределения метеоэлементов с разрешением, необходимым для последующего анализа.
Для оценки изменений в качестве окружающей среды, т. е. возмущений, вызываемых объектами антропогенного вмешательства (ОАВ), и выявления зон их влияния проводятся параллельные сценарные расчеты: в одних и тех же условиях моделируются ситуации с ОАВ и без них [21-24; 26]. Различия в распределении метеоэлементов в соответствующих модельных ситуациях позволяют делать выводы о локализации и конфигурации зон с разной степенью влияния ОАВ. Вычитанием соответствующих поверхностей метеоэлементов создаются поверхности разностей метеополей, которые позволяют выявить зоны существенного влияния исследуемых объектов и, может быть, прояснить причины некоторых особенностей распределения метеоэлементов (рис. 3). Размеры этих зон и их удаленность от ОАВ и объектов, подвергающихся влиянию (населенных пунктов, охраняемых территорий и т. п.), определяются с использованием поверхности расстояний (растр) либо многослойной буферной зоны вокруг них.
Кроме выявления зон значимых изменений в распределении каждого метеоэлемента в отдельности с помощью оверлейных процедур из созданных ранее поверхностей разностей метеополей строятся различные интегральные показатели, учитывающие деформации нескольких метеополей одновременно. На результирующих поверхностях определяются зоны, в которых наблюдается существенное изменение метеоэлементов в комплексе.
Так как единицы измерения и масштабы значений у всех метеоэлементов разные, то их необходимо нормировать с использованием одной из существующих метрик: все ячейки каждой из построенных поверхностей получают новые значения, определяемые формулой (разным значениям индекса 7 соответствуют разные метеоэлементы):
р -А;
ш, =-
Д2
где А; - число, отклонения от которого наиболее интересны, А2 - величина разброса значений 7-го метеоэлемента.
Рис. 4. Просмотр содержания геоинформационного каталога
Можно применить нормировку по дисперсиям (Д2) и математическим ожиданиям (д]) либо по наилучшим или наихудшим значениям (Д]), а Д2 = р]пах - р'тш, либо любую другую
из существующих нормировок [28]. Пересчет растров осуществляется с использованием еще одного созданного в среде ЛгсОК инструмента.
В процессе работы по любому проекту в среде ГИС создается геоинформационный каталог, включающий или не включающий персональную базу геоданных (БГД) проекта, который хранит всю используемую в проекте информацию: файлы с результатами модельных расчетов, слои топоосновы и другую вспомогательную информацию по данной территории, а также все построенные в ГИС тематические векторные и растровые слои с их легендами, представляющие полученные результаты в виде поверхностей распределения основных моделируемых метеоэлементов на карте территории (рис. 4). Все слои имеют общую систему координат. Кроме того, в этом каталоге можно хранить и все построенные карты.
Прямой и быстрый доступ к каталогу и его информации позволяет представить картину развития атмосферных процессов в динамике, провести сравнение результатов моделирования по разным вариантам и сценариям, а также использовать накопленную информацию и за рамками проведенного исследования.
Заключение
Представленная вычислительно-информационная технология, вычислительной компонентой которой служит численная модель локальных циркуляций атмосферы, а информационно-аналитической основой - геоинформационная система, предназначена для решения широкого круга природоохранных задач, в том числе и по оценке антропогенного влия-
ния на атмосферу. Сочетание двух этих компонент создает эффективное средство для решения задач оценки антропогенного влияния на качество окружающей среды, в частности при проведении экологических экспертиз проектных решений. Эта технология позволяет представлять результаты численного моделирования в виде, хорошо известном и понятном конечному пользователю, а именно в виде карт.
Использование предложенной технологии в исследованиях по проектам Богучанской и Мотыгинской ГЭС в Нижнем Приангарье позволило дать прогноз изменений микроклимата в результате строительства этих гидротехнических сооружений [21; 26]. Эта технология использовалась и для модельных объектов Восточного Забайкалья, среди которых Читино-Ингодинская впадина: моделирование процесса переноса атмосферных загрязнений от точечных источников, исследование влияния внутригородского водоема - оз. Кенон - на атмосферные циркуляции [22].
Разработанный программный модуль эффективно заменяет трудоемкий процесс «извлечения» из бумажных топографических карт информации о подстилающей поверхности области моделирования, автоматизируя процессы ее получения из цифровых моделей и обработки для ввода в численную модель, строит регулярную прямоугольную расчетную сетку с любым заданным количеством узлов и с любым шагом, в любых единицах измерения. Модуль предоставляет возможность получать из одного источника информацию разной степени разрешения (с разными количеством узлов и шагами сетки). Его инструментарий автоматизирует и существенно ускоряет процесс интерпретации и анализа результатов моделирования, что позволяет существенно сократить сроки выполнения работ по разделу ОВОС, касающегося оценки воздействия водохранилищ на микроклимат прилегающих территорий, c нескольких месяцев до нескольких недель, особенно на этапе представления и согласования результатов. Географическая привязка результатов численных экспериментов к карте местности, осуществляемая в среде ГИС, позволяет более детально проанализировать и прояснить причины некоторых особенностей поведения полей метеорологических величин.
Опыт интеграции ГИС и математического моделирования показывает перспективность этого направления при подготовке информации для различных научных и практических целей. Кроме того, предложенный подход представляется автору весьма перспективным и эффективным для его использования в задачах и моделях, привязанных к конкретным территориям и учитывающих их специфику, ориентированных на проблемы принятия решений в условиях природно-климатических изменений, задачах оценки качества экономического роста [29].
Список литературы
1. Environmental Modeling with GIS / Eds. M. F Goodchild, B. O. Parks, L. T. Steyaert. N. Y.: Oxford University Press, 1993. 488 p.
2. GIS, Spatial Analysis, and Modeling / Eds. D. J. Maguire, M. Batty, M. F Goodchild. Redlands, California: ESRI Press, 2005. 480 p.
3. Сладкова Ю. М., Сурков Ф. А. Геоинформационное моделирование и прогнозирование экологического состояния воздушной среды городских экосистем // Экология. Экономика. Информатика: Материалы XXXVI Школы-семинара «Математическое моделирование в проблемах рационального природопользования» (8-14 сентября 2008 г.). Ростов н/Д: ЦВВР, 2008. С. 40-42.
4. Goodchild M. F. The State of GIS for Environmental Problem-Solving // Environmental Modeling with GIS. N. Y.; Oxford: Oxford University Press, 1993. P. 8-15.
5. Lee T. J., Pielke R. A., Kittel T. J. F., Weaver J. F. Atmospheric Modeling and Its Spatial Representation of Land Surface Characteristics // Environmental Modeling with GIS. N. Y.; Oxford: Oxford University Press, 1993. P. 108-122.
6. Harris J., Gupta S., Woodside G., Ziemba N. Integrated Use of a GIS and a Three-Dimensional, Finite-Element Model: San Gabriel Basin Groundwater Flow Analyses // Environmental Modeling with GIS. N. Y.; Oxford: Oxford University Press, 1993. P. 168-172.
7. Maguire D. J. Towards a GIS Platform for Spatial Analysis and Modeling // GIS, Spatial Analysis and Modeling / Eds. D. Maguire, M. Batty, M. Goodchild. Redlands: ESRI Press, 2005. P. 19-39.
8. Novak J. H., Dennis R. L. Regional Air Quality and Acid Deposition Modeling and the Role for Visualization // Environmental Modeling with GIS. N. Y.: Oxford University Press, 1993. P.142-146.
9. Nyerges T. L. Understating the Scope of GIS: Its Relationship to Environmental Modeling // Environmental Modeling with GIS. N. Y.: Oxford University Press, 1993. P. 75-93.
10. Skelly W. C., Henderson-Sellers A., Pitman A. J. Land Surface Data: Global Climate Modeling Requirements // Environmental Modeling with GIS. N. Y.: Oxford University Press, 1993. P. 135-141.
11. Кулыгин В. В. Пример реализации принципов построения СППР // Экология. Экономика. Информатика: Материалы XXXV Школы-семинара «Математическое моделирование в проблемах рационального природопользования» (10-15 сентября 2007 г.). Ростов н/Д: Изд-во СКНЦ ВШ, 2007. C. 62-63.
12. Maidment D. R. GIS and Hydrologic Modeling // Environmental Modeling with GIS. N. Y.: Oxford University Press, 1993. P. 147-167.
13. Maidment D. R., Robayo O., Merwade V. Hydrologic Modeling // GIS, Spatial Analysis, and Modeling. Redlands, California: ESRI Press, 2005. P. 319-332.
14. Середович В. А., Щербаков Ю. С., Середович С. В. Прогнозирование лесных пожаров с использованием ГИС // Природные пожары: возникновение, распространение, тушение и экологические последствия: Материалы V Междунар. конф. Томск: Изд-во ТГУ, 2003. С.172-173.
15. Телицын Г. П., Карпов А. И., Попович С. В. Компьютерное моделирование лесных пожаров // Природные пожары: возникновение, распространение, тушение и экологические последствия: Материалы V Междунар. конф. Томск: Изд-во ТГУ, 2003. С. 185-186.
16. Бакланов А. А., Махура А. Г., Морозов С. В., Назаренко Л. С., Ригина О. Ю., Таус-нев Н. Л., Кошкин В. В. Моделирование антропогенного воздействия на окружающую среду Арктики / Под ред. А. А. Бакланова. Апатиты: Изд-во Кольского науч. центра РАН, 2006. 144 с.
17. Бакланов А. А, Морозов С. В., Махура А. Г., Ригина О. Ю., Назаренко Л. С., Таус-нев Н. Л. Кошкин В. В., Федоренко Ю. В. Моделирование возможных экологических последствий от объектов радиационного риска в Европейской Арктике / Под ред. А. А. Бакланова. Апатиты: Изд-во Кольского науч. центра РАН, 2006. 164 с.
18. Гончаров Д. С. Использование геоинформационного моделирования в решении задачи принятия решений по оптимальному размещению отходов горнопромышленного производства на территории Дарасунского рудного поля // Горный информационно-аналитический бюллетень. 2007. № 6. С. 347-351.
19. Архипова О. Е., Садилов П. В., Сладкова Ю. М. Расчет загрязнения приземного слоя атмосферы курорта выбросами одиночного точечного источника с использованием методов ГИС // Вестн. Соч. гос. ун-та туризма и курортного дела. 2009. № 4. С. 9-14.
20. Пьянова Э. А. Исследование трансформации воздушного потока над термически и орографически неоднородной подстилающей поверхностью // Вычислительные технологии. 2005. Т. 10, ч. 2. С. 106-111.
21. Пьянова Э. А. Численное исследование влияния водоема на перенос примеси от точечного источника // Вычислительные технологии. 2008. Т. 13. С. 57-63
22. Пьянова Э. А., Фалейчик Л. М. Моделирование процессов распространения примеси в горно-долинных областях // Актуальные проблемы прикладной математики и механики: Тез. докл. Всерос. школы-конф. молодых исследователей и V Всерос. конф., посвящ. памяти академика А. Ф. Сидорова (Абрау-Дюрсо, 13-18 сентября 2010 г.). Екатеринбург, 2010. С. 70-72.
23. Пьянова Э. А., Фалейчик Л. М. Численное моделирование для оценки изменений режима циркуляции атмосферы при антропогенном вмешательстве в природную среду // Математическое моделирование, численные методы и комплексы программ: Сб. тр. XIII Всерос. школы-семинара (Дюрсо, 14-19 сентября 2009). Серия «Математическое моделирование
и современные информационные технологии». Ростов н/Д, 2009. Вып. 8: Современные проблемы математического моделирования. С. 393-400.
24. Пьянова Э. А., Фалейчик Л. М. Исследование влияния искусственного водоема на температурные режимы прибрежных территорий // Математическое моделирование и современные информационные технологии. Ростов н/Д, 2007. Вып. 5: Современные проблемы математического моделирования. С. 239-247.
25. Фалейчик Л. М., Фалейчик А. А., Пьянова Э. А., Малюженко А. А. Использование ГИС-технологий для оценки зоны влияния искусственного водоема на микроклимат региона // VII Всерос. науч.-практ. конф. «Кулагинские чтения»: Материалы конференции. Чита,
2007. Ч. 5. С. 48-53.
26. Фалейчик Л. М., Пьянова Э. А. Использование ГИС-технологий и математического моделирования для оценки изменений состояния природной среды под влиянием хозяйственной деятельности человека // Вестн. Чит. гос. ун-та. 2008. № 5 (50). С. 117-127.
27. Алексеев Б. А., Солнцев В. Н., Тельнова Н. О. Методика использования Интернет-ресурсов для регионального эколого-ландшафтного картирования // Мир экологии. М.: ГЕОС,
2008. С. 90-99.
28. Геоинформатика / Под ред. В. С. Тикунова. М.: Академия, 2005. 480 с.
29. Глазырина И. П., Забелина И. А., Клевакина Е. А. Уровень экономического развития и распределение экологической нагрузки между регионами РФ // Журнал новой экономической ассоциации. 2010. № 7. С. 70-88.
Материал поступил в редколлегию 28.02.2011
L. M Faleychik
GIS SUPPORT FOR NUMERICAL MODELING OF LOCAL ATMOSPHERIC PROCESSES
The paper discusses the problems of the provision of informational support the numerical modeling of local atmospheric processes with input data about the elevation and other characteristics of the underlying surface of research area, the visual representation and analysis of its results. An approach for the problem solution is proposed, it is based on the use of GIS software and GIS technologies capabilities and on created module for ArcGIS 9. The module automates the extraction process of the underlying surface information from existing digital models, with varying degrees of detail, and the preparation process for an entering into a numerical model. The proposed technology accelerates significantly the interpretation and analysis process of numerical modeling results. The geo-referencing the results of numerical experiments to the topography map allows to carry out more detailed analysis and to clarify the causes for the specific behavior of meteo-fields. An experience of the integration of GIS and mathematical modeling shows perspective of this approach in the tasks of the preparation of the quantitative information for various scientific and practical purposes.
Keywords: Geographic Information System (GIS), GIS technologies, mathematical modeling, numerical model, digital elevation models, geo-referencing.
