CC BY
126
2013
ВЕСТНИК САНКТ-ПЕТЕРБУРГСКОГО УНИВЕРСИТЕТА
Сер. 7
Вып. 4
ГЕОГРАФИЯ
УДК 504.3
В. К. Донченко, В. В. Петухов, В. В. Растоскуев
ГЕОИНФОРМАЦИОННЫЕ СИСТЕМЫ ДЛЯ ПРОГНОЗА РАЗВИТИЯ ЧРЕЗВЫЧАЙНЫХ СИТУАЦИЙ В МОРСКИХ УСЛОВИЯХ
Чрезвычайная ситуация (ЧС) в морских условиях всегда развивается во времени и в пространстве, поэтому для поддержки принятия решений при ликвидации ЧС необходимы геоинформационные системы, позволяющие отслеживать происходящие события в режиме реального времени.
Для Балтийского моря, которое рассматривается в данной статье, основные угрозы возникновения ЧС обусловлены разливами нефти при транспортировке [1]. Согласно докладу комиссии по защите акватории Балтики ХЕЛКОМ только в 2011 г. в Балтийском море произошло одиннадцать аварий судов, сопровождавшихся разливом нефтепродуктов. Семь аварий произошло у российских берегов и пять у шведских, при этом 10 утечек произошло во время перекачки топлива и только в одном случае причиной нефтеразлива стали механические повреждения судна [2].
В интересах Комитета по природным ресурсам и охране окружающей среды Ленинградской области решена задача предварительного прогноза распространения разлива нефти в Финском заливе и Ладожском озере. Прогноз последствий аварийного разлива нефти реализован на основе трех программных блоков:
1) трехмерной гидродинамической модели;
2) модели дрейфа нефтяного пятна;
3) модуля ситуационного анализа на базе ГИС для интеграции предыдущих блоков и проведения прогнозных расчетов.
Гидродинамическая модель
Для моделирования циркуляции в акваториях использовалась численная трехмерная модель циркуляции жидкости в водоеме произвольной формы. Модель основана на полных уравнениях динамики вязкой несжимаемой жидкости в приближениях Буссинеска и гидростатики, уравнениях переноса тепла, соли и уравнении
Донченко Владислав Константинович — доктор экономических наук, профессор, Санкт-Петербургский государственный университет; e-mail: DonchenkoVK@mail.ru
Петухов Валерий Васильевич — кандидат технических наук, старший научный сотрудник, Федеральное государственное бюджетное учреждение науки «Санкт-Петербургский научно-исследовательский Центр экологической безопасности Российской академии наук» (НИЦЭБ РАН); e-mail: vvpetuk-hov@yandex.ru
Растоскуев Виктор Васильевич — доктор технических наук, профессор, Санкт-Петербургский государственный университет; e-mail: V_Rastoskuev@ravbler.ru © В. К. Донченко, В. В. Петухов, В. В. Растоскуев, 2013
состояния [3]. Полнота постановки обеспечивает универсальность модели, что позволяет воспроизводить процессы весьма широкого пространственно-временного спектра — от крупномасштабной циркуляции океана до мезомасштабных процессов и динамики длинных гравитационных поверхностных волн. В модели может быть использовано любое горизонтальное и вертикальное разрешение. Модель может применяться как для диагноза и интерполяции, так и для прогноза.
В качестве граничных условий на поверхности задаются компоненты вектора касательного напряжения трения ветра. На поверхности требуется выполнение кинематического условия. На дне задаются компоненты вектора напряжения трения и условия тепловой и солевой изоляции. Для вычисления свободной поверхности используется эволюционное уравнение. На твердых горизонтальных границах ставятся условия непротекания со скольжением и отсутствие потоков тепла и соли. На жидкой границе задаются температура, концентрация соли и свободная ото льда поверхность. В качестве граничных условий на западной границе предполагается использовать результаты расчетов по крупномасштабной модели Балтийского моря. В устьях рек задаются расходы, температура, соленость и концентрация взвешенных частиц или пассивной примеси. В модели предусмотрен блок описывающий эволюцию ледяного покрова [4]. Для описания динамики взвешенного материала используется модель, описывающая динамику двухфазного потока. При таком подходе течения и взвешенный материал взаимодействуют между собой. Для параметризации вертикального турбулентного обмена используется уравнение баланса турбулентной энергии и гипотеза Колмогорова—Обухова. В данной работе используется вариант модели с вертикальной Z-координатой [5].
Модель дрейфа нефтяного пятна
Изменение концентрации любой примеси в водных акваториях и ее распространение (перенос) определяется следующими основными факторами:
— гидродинамическими,
— биологическими,
— физико-химическими.
Основную роль в процессах изменения концентрации примеси на начальных этапах играют гидродинамические факторы, создавая устойчивые зоны накопления загрязнений. К таким зонам относятся циркуляционные зоны, в которых загрязняющие вещества накапливаются в центрах круговоротов, и фронтальные участки водоемов. Биологические и физико-химические процессы будут играть заметную роль только после накопления загрязняющих веществ в этих устойчивых зонах.
При попадании нефти в акваторию на нее начинают действовать множество процессов (физических и физико-химических), влияющих на формирование пятна под действием сил гравитации, его перенос и деградацию.
Основные из них:
— адвективный и турбулентный перенос,
— механическое распространение (spreading),
— образование эмульсии (emulsification, соединение/связывание молекул воды с молекулами нефти),
— дисперсия (dispersion, движение под действием сил турбулентности),
— распад или биодеградация (поскольку нефть в процессе дисперсии делится на мельчайшие частицы (10-800 микрон), то эти частицы уничтожаются бактериями, в результате происходит очищение акватории);
— седиментация (sedimentation),
— испарение (до 40% нефти может образовать облако паров),
— образование твердых субстанций (oil clusters called resin pellets),
— окисление (photooxidation).
В зависимости от решаемой задачи при моделировании учитывают все перечисленные факторы или только часть из них. Для краткосрочного оперативного прогноза наиболее существенными факторами являются: скорости течений, влияние ветра и диффузия.
При моделировании предполагается, что пятно состоит из ансамбля лагранже-вых частиц, которые могут перемещаться в двухмерном пространстве под действием ветра, течений и турбулентности. Рассматривать нефтяное пятно как совокупность частиц (эквивалентных баррелю), участвующих в процессах адвекции и диффузии, предложил Lardner в 1998 г. В модели результирующая траектория каждой частицы состоит из отдельных сегментов на каждом шаге по времени. Отдельные сегменты траектории представляют адвективный перенос средним полем течений и случайное перемещение частицы, инициированное турбулентностью (турбулентная диффузия). Алгоритм расчета изменения координат частиц может быть представлен как
(А хг)) = V at, + ())
(i = 1,3; j = 1,2,..N; kf = 1,2,...,Nf; f = 1,2.....8 ), (1)
где (A xt)) — проекция приращения траектории kf частицы на,-шаге на xi -ось, V'^ — проекция вектора скорости течения на хг-ось; At, — шаг по времени; j, — номер шага по времени; Ni — число шагов по времени; Nf — число частиц; (п)) — случайное изменение координат xi на j-шаге времени.
Первый член уравнения определят перенос частицы течением (усредненный по Atj), второй — турбулентную диффузию частицы (эффект флуктуаций скорости частиц). Таким образом, траектория перемещения частицы может быть определена при наличии расчетных полей средней скорости течений и закона распределения турбулентных флуктуаций частицы (п)) как функции координаты и времени, а также законов, определяющих состояние каждой частицы. Закон изменения (п)) определяется статистической структурой флуктуаций скоростей от среднего значения для данного шага по времени. По нашим оценкам, корреляция последних параметров довольно слабая, поэтому закон распределения в данном случае
может быть принят нормальным. Тогда: (п)) = Y X,2. Более того, с учетом дисперсии Xj2 случайно перемещающихся частиц с коэффициентом диффузии
1 dXj2 j . / . a/2
к, =— ^ закон распределения (n;)k принимает вид (n;)k =y) (2KjAt.) , где
у) имеет нормальное распределение с нулевым средним значением и единичной
дисперсией, Xj2 — дисперсия смещения по xi-оси, а Kj — диффузия за расчетное
время Atj. Кроме поля средних скоростей необходимо рассчитывать Xj2 (или Kj),
что требует разработки дополнительных блоков программы моделирования и/или дополнительных данных.
Описанная модель дрейфа нефтяного пятна является оптимальной для оценочных прогнозных расчетов. Постановка модели позволяет оперативно отслеживать опасные направления дрейфа нефтяного пятна в зависимости от скорости и направления ветра (при условии стационарной скорости ветра).
Модуль ситуационного анализа на базе ГИС
Дистанционное зондирование Земли, осуществляемое спутниковыми системами наблюдения, открывает широкие перспективы для решения задач геоинформационного моделирования. Реализация процесса геоинформационного моделирования, представляющего собой синтез космической и картографической информации, была опробована при формировании исходных данных для математического моделирования.
Разрабатываемая система ориентирована на решение проблем мониторинга, планирования и управления природными ресурсами. Она представляет собой многоуровневую экспертную систему, включающую ряд моделей и схем расчета, информационную (картографическую) базу данных, а также справочную информацию (базу знаний), без которых невозможно принятие решений.
На первом этапе проводится картографирование, которое должно вместить в себя всестороннюю характеристику определенной территории, включая оценку ее ресурсов и возможностей. Сама по себе ландшафтная карта не является конечным результатом, но представляет собой основу решения ряда прикладных задач.
Одним из основных и наиболее сложных этапов исследования является разработка программного модуля для построения базовой ландшафтной основы природ-но-хозяйственныой территориальной системы Ленинградской области. Методика построения базовой ландшафтной основы с применением ГИС базируется на идее создания универсального «шаблона» для решения различных прикладных задач. В нашем случае она реализовывалась на базе пакета ГИС Аг^Ш^ широко распространенного программного продукта, применяющего растровые структуры данных и включающего в свой инструментарий функции оверлейного анализа.
В данной работе ставится задача математического моделирования и прогнозирования последствий чрезвычайной ситуации по разливу нефти при аварии с применением ГИС-технологий.
Модели, выполняющие оперативную оценку, должны обеспечивать приемлемое время реакции в случае обнаружения пятен нефти или других химических веществ, и поэтому в них используются решения «приемлемая точность — быстрый отклик»
Известно, что в явных численных схемах с уменьшением шага по времени увеличивается время выполнения программы, что делает невозможной их работу в реальном времени. Это ограничение можно обойти, выполняя прогоны гидродинамической модели заранее по «типовым» параметрам, которые могут быть сохранены в базе данных и проанализированы (аналог временных рядов при непосредственных измерениях), получены характеристики течений (амплитуда и фаза). Затем их можно будет использовать для прогнозных расчетов, которые уже не потребуют
значительного времени, т. к. нужно будет вычислять только дополнительные члены уравнений, ответственные собственно за перенос нефтяного загрязнения.
Выбор набора стандартных гидродинамических сценариев основывается на результатах анализа и обобщения данных мониторинга, проведенного в последние годы Северо-западным Управлением Гидрометеослужбы, и на результатах наблюдений в Финском заливе, содержащихся в электронной базе данных по Балтийскому морю Санкт-Петербургского отделения ГОИН, и на результатах исследований СПО ГОИН по проекту «Балтика.
В условиях мелководной акватории Финского залива, находящейся в районе интенсивной метеорологической деятельности, доминирующим видом движения являются ветровые течения [6, 7]. Наблюдения показали, что соответствие системы ветровых течений тому или иному ветровому потоку наступает через 2-4 часа и затухает через 3 часа после его прекращения. Неравномерность поля ветра и нерегулярность его воздействия на морскую среду приводит к сложной пространственно-временной структуре и неустойчивости течений, образующихся еще и вследствие запаздывающей реакции бассейна на атмосферные воздействия.
Оценки этого вида движений основываются на результатах общетеоретических исследований, эмпирических зависимостей и численного моделирования. Согласно этим исследованиям [7], скорости ветровых течений в прибрежной зоне в 90% случаев не превышают 15-20 см/с. В период штормов при ветрах западных, юго-западных и восточных направлений скорости ветровых течений могут достигать значений 150-200 см/с. Отметим для сравнения, что скорости приливных течений здесь не превышают 2-3см/с.
С помощью численного решения модели динамики верхнего квазиоднородного слоя (ВКС) с учетом взаимодействия пограничного слоя вода—воздух были выполнены оценки зависимости скоростей течений от скорости ветра и толщины ВКС на различных горизонтах [7]. Графики свидетельствуют о значительной нелинейной зависимости скоростей течений от скорости ветра и глубины залегания нижней границы ВКС, а также о быстром убывании скоростей с глубиной.
По трехмерной гидродинамической модели для этого района были рассчитаны течения при различных скоростях ветра для 8 основных румбов.
В поверхностном слое течения носят дрейфовый характер, направления совпадают с направлением ветра с учетом обтекания береговой линии. В придонном слое направление течений зависит от глубины места. В глубоководных районах у дна формируются компенсационные течения с направлениями, противоположными поверхностным течениям. Над банками и в непосредственной близости к ним течения от поверхности до дна дрейфовые, причем скорости течений в этих районах значительно больше, чем в глубоководных областях.
Разработана наглядная форма представления результатов расчета последствий чрезвычайной ситуации по разливу нефти. Интерфейс с моделью реализован на базе Агс^ете Вид интерфейса представлен на рис. 1.
Рис.1. Вид интерфейса и результат моделирования дрейфа пятна по произвольному сценарию изменения метеоусловий.
Перспективы разработки систем для прогноза развития ЧС
Система прогнозирования ориентирована на исследование постоянно изменяющихся ситуаций для сложных систем, когда невозможно строгое описание объекта. Ситуационное моделирование дает возможность проанализировать варианты развития событий, продумать последствия тех или действий заранее, не дожидаясь наступления кризиса и тем самым повысить вероятность принятия правильного решения в условиях быстро изменяющейся обстановки при чрезвычайной ситуации. Наиболее очевидна эффективность применения ситуационного моделирования в обстановке военных действий, где ситуация меняется особенно быстро и непредсказуемо. Соответствующие системы прогнозирования созданы в разных странах. Создание систем прогнозирования для научных исследований является новой задачей, требующей проработки на разных уровнях [8, 9].
Современные задачи экологической безопасности все чаще предполагают одновременное использование дистанционных и локальных измерений для определений загрязнений атмосферы и выбросов в атмосферу, поверхностных вод и сбросов сточных вод, а также прогнозирование на этой основе развития чрезвычайной ситуации в реальном масштабе времени. Структурная схема такой системы показана на рис. 2.
Пример прогноза: для двух точек аварийного разлива моделируется одинаковая ситуация: 10 часов — штиль, 10 часов — юго-западный ветер 5 м/сек, 10 часов —
направление меняется на западный и усиливается до 10 м/сек. При этом заметно (особенно на кривой выделенной жирной линией), что сначала осуществляется снос течением на северо-запад (ветра нет), а затем течение относит пятно на север, а ветром гонит на восток вдоль побережья залива
Дистанционные измерения, которые обычно осуществляются с помощью лида-ров и на спутниках, обеспечивают получение информации с обширной территории, в различных областях электромагнитного спектра с хорошим разрешением во времени. К недостаткам дистанционных измерений следует отнести сложность интерпретации результатов этих измерений в терминах «загрязнение» и, соответственно, низкий уровень метрологического обеспечения.
К достоинствам локальных измерений, как раз относится достаточно высокий уровень метрологического обеспечения, но стоимость одного измерения слишком велика, что не позволяет на основе одних локальных измерений организовать систему экологического мониторинга с высоким пространственным и временным разрешением.
Этим объясняется привлекательность одновременного использования дистанционного и локального мониторинга, с тем чтобы компенсировать недостатки одного типа измерений за счет достоинства другого. Но на этом пути возникают сложности, обусловленные тем, что дистанционные и локальные измерения, как правило, имеют различные форматы и предполагают совершенно различные методы обработки информации. Совмещение этих методов в рамках одной измерительной задачи достаточно сложная проблема. Поэтому исследования в этом направлении представляют большой интерес, который увеличивается по мере вывода на орбиту спутников, ориентированных на измерение содержания в атмосфере загрязняющих веществ, таких как SO2, NO2 и другие. Еще более сложной проблемой представляется использование данных мониторинга для прогноза развития чрезвычайной ситуации. Для этого необходимо решить следующие задачи:
• обосновать структуру геоинформационной системы моделирования в экологической безопасности;
• сформировать прототип геоинформационной системы для автоматизации процессов накопления и первичной обработки данных локального и дистанционного мониторинга, ориентированных на прогноз развития ЧС.
Итогом этой работы должна стать система прогнозирования (ситуационного моделирования) экологической безопасности, обеспечивающая поддержку принятия решений в условиях чрезвычайной ситуации и допускающая включение в учебный процесс современных наукоемких интерактивных образовательных технологий.
Данные дистанционного зондирования
Метеоданные
Правила выбора сценария
Результаты моделирования
Прогноз дрейфа пятна
Рис. 2. Структурная схема для прогноза развития чрезвычайных ситуаций.
Заключение
ГИС для прогнозирования развития ЧС (для ситуационного моделирования) ориентированы на поддержку принятия решений, что определяет ряд новых требований, которые необходимо выполнить в процессе их построения. Для обеспечения поддержки принятия решений необходимо соотнести получаемые результаты со шкалой «хорошо — плохо». Такое соотнесение прямо или косвенно основывается на результатах мониторинга и имеет ряд специфических моментов как научно-методических — при свертывании громадных объемов первичной информации, так и психологических — при представлении полученных результатов лицам, принимающим решения. Современный уровень развития вычислительной техники и технических средств экологического мониторинга создает надежные предпосылки создания информационных систем нового поколения для поддержки принятия решений задач экологической безопасности.
Литература
1. Биненко В. И., Донченко В. К., Растоскуев В. В. Риски и экологическая безопасность природно-хозяйственных систем. СПб.: СПбГУ; НИЦЭБ РАН, 2012. 353 с.
2. РИА Новости. URL: http://www.ria.ru/eco/20120904/742965852.html (дата обращения: 04.09.2012).
3. Неелов И. А. Математическая модель синоптических вихрей в океане // Океанология. 1982. Т. 22, № 6. С. 875-885.
4. Hibler III, W. D. A dynamic thermodynamic sea ice model // J. Phys. Oceanogr. 1979. Vol. 9. P. 815-846.
5. Neelov I. A., Kouraev A. V. 3D circulation model of the Kara Sea. // NIERSC Technical report. N 3. Project INTAS-93-0814. 1996. 49 p.
6. Гидрометеорология и гидрохимия морей СССР. Т. 3. Балтийское море. Вып. 1. Гидрометеорологические условия. СПб.: Гидрометеоиздат, 1992. 450 с.
7. Суставов Ю. В., Чернышова Е. С., Цупрова И. Е. Исследование ветровых течений Балтийского моря на основе математической модели взаимодействия пограничных слоев // Труды ГОИН. 1982. Вып. 157. С. 29-43.
8. Петухов В. В. Информационная модель системы оперативного управления природно-хозяй-ственными объектами в чрезвычайных ситуациях // Информационно-измерительные и управляющие системы. 2008. № 4. C. 51-54.
9. Петухов В. В. Ассимиляция данных в единое информационное пространство систем принятия решений по управлению природно-хозяйственными объектами // Информационно-измерительные и управляющие системы. 2008. № 10. C. 34-37.
Статья поступила в редакцию 20 июня 2013 г.
