CC BY
43
Список использованной литературы
1. Душкина Л. Новые технологии пожаротушения на защите культурных ценностей // Безопасность, достоверность, информация. 1999. -№ 3. - С. 24-28.
2. Системы пожаротушения из Европы и России // Системы безопасности. 1999. - №28. - С.44-45.
3. Покорный Ю.В., Пенкин О.М., Прядиев В.Л. и др. Дифференциальные уравнения на геометрических графах. М., 2004.
МОДЕЛИ ДИАГНОЗА И ПРОГНОЗА ПОЖАРООПАСНОЙ СИТУАЦИИ В РАЙОНАХ ЛЕСНЫХ МАССИВОВ, ОБУСЛОВЛЕННОЙ «СУХИМИ» ГРОЗАМИ
В.В. Дорофеев, профессор, д.г.н., профессор И.Е. Кузнецов, начальник кафедры, д.т.н.
А.В. Степанов, заместитель начальника кафедры, к.г.н.
В.А. Щербинин, старший оператор научной роты
А.В. Левченко, курсант ВУНЦ ВВС «Военно-воздушная академия им. проф. Н.Е. Жуковского и Ю.А. Гагарина», г.Воронеж
Одной из причин возникновения пожаров в лесных массивах в летний период являются «сухие» грозы. «Сухие» грозы - грозовые явления, связанные с изолированными кучево-дождевыми облаками (СЬ), возникающими в тропической воздушной массе в умеренных широтах летом при дневной температуре +28 °С и выше. При этом относительная влажность (до грозы) составляет 40% и менее, конус выпадения осадков сравнительно узкий. К тому же, падая вниз, осадки интенсивно испаряются в сухом воздухе так, что до земли долетает лишь небольшой процент капель. Из-за сильного испарения возникает большая разность температур под облаком и впереди него, что приводит к возникновению шквалов со скоростью ветра 13-18 м/с. Эти факторы являются благоприятными для возникновения и развития сильных пожаров. Именно они в июле и августе 2014 года на Европейской территории РФ привели к возгоранию лесных массивов. В настоящее время существует ограниченное число способов диагноза и прогноза таких условий. Традиционные методики диагноза и прогноза гроз не дают возможности разделения их на «сухие» и «мокрые». Более того, главными факторами, учитывающимися при прогнозе гроз, является повышенное влагосодержание атмосферы, что противоречит условиям образования «сухих» гроз. Объективным инструментом, позволяющим обнаруживать облачные поля и определять в них опасные
явления погоды, являются метеорологические радиолокационные станции. Привлечение радиолокационной информации позволит заблаговременно обнаруживать очаги в облаках, благоприятных для образования «сухих» гроз, и отслеживать их эволюцию, а также прогнозировать зоны возможного возгорания лесных массивов.
Таким образом, целью настоящей работы явилось повышение эффективности работы МЧС по предупреждению и ликвидации лесных пожаров природного происхождения путем разработки моделей диагноза и прогноза «сухих» гроз для оценки возможности возникновения пожароопасной ситуации в районах лесных массивов по данным радиолокационных наблюдений.
Для построения процедуры сверхкраткосрочного прогнозирования условий, благоприятных для появления и развития «сухих» гроз по данным радиолокационного зондирования воспользуемся явной записью величины среднего риска для альтернативной задачи [1].
А=
/ЦМ) Р(а2)
А, если -' 1 > 2
1
а2,
/(2!А1) Р{а2) ' ( '
если --—— <
дг/А2) Р(А1)
где а - событие «сухая гроза»; а2 - событие «без грозы»; /{2/А) -закон распределения радиолокационной отражаемости при условии, что наблюдалась «сухая» гроза; / (2 / А) - закон распределения радиолокационной отражаемости при условии, что наблюдалось отсутствие грозы.
Тогда граница разбиения 2£ может быть определена путем
/ МАЛ РА)
разрешения тождества 1 = 2 . Данная процедура реализует
/ {21А2) Р{ А1)
стратегию идеального наблюдателя, предусматривающего одинаковые цены за ошибки пропуска и ложной тревоги.
Для решения поставленной задачи необходимо восстановить законы распределения радиолокационного признака в соответствующих классах, а также оценить параметры найденного закона, определить априорные вероятности возникновения «сухих» гроз в интересующем районе. В качестве признака радиолокационного распознавания воспользуемся величиной радиолокационной отражаемости на одном из стандартных уровнях зондирования 2г. Из физики образования «сухих» гроз,
сопровождающих кучево-дождевую облачность, известно, что радиолокационная отражаемость как функция распределения облачных частиц по размерам существенным образом зависят от энергетических запасов атмосферы [1]. Учитывая это, а также тот факт, что вероятность
<
появления гроз также связана с энергией неустойчивости атмосферы Е для отыскания порогового значения Z0i, необходимо разрешить относительно 20и тождество
, (2)
/2(101 Е) РХ(Е)'
где / (г0 / Е) - закон распределения радиолокационной отражаемости при условии, что наблюдалась «сухая» гроза и значение энергии неустойчивости атмосферы - Е; / (2{) /Е) - закон распределения
радиолокационной отражаемости при условии, что «сухая» гроза не наблюдалась и значение энергии неустойчивости атмосферы - Е; р2 (Е) -вероятность отсутствия «сухой» грозы при условии, что наблюдалась энергии неустойчивости атмосферы - Е; р (Е) - вероятность появления «сухой» грозы при условии, что наблюдалась энергии неустойчивости атмосферы - Е.
Существенную роль при определении ^ из (2) играет вид законов
/■(г/№). Статистический анализ данных радиолокационных наблюдений
за «сухими» грозами показывает, что с достаточной степенью точности распределение z подчиняется гауссовскому закону:
~ (3)
(2 - г, (Е))2
—2 (Е)
Здесь z . (е) - условное по Е математическое ожидание случайной
2 „ „ „ величины z■ в классе л.; — - условная по Е дисперсия случайной
величины z. в классе л..
Подставляя (3) в (2), получим уравнение второй степени относительно критериального значения ^ .
а(Е)[г 0 ]2 + ь(Е)[г 0 ]+с(Е) = о, (4)
22 - 2 - 2 Т 2 72 2
где а = i12 , ь = 711(711 - ^2(712 , с = i2 /12 2i1 i2 + ы-1^. (5)
—1—о 2—.—.0 —Рл
/1 /2 11 12 /1 /2 /2 1
Апробирование предлагаемого похода осуществлено по данным радиолокационных наблюдений на территории Краснодарского края за 2001-2011 г.г. Была сформирована выборка радиолокационных отражаемостей при условии, что наблюдалась «сухая» гроза, альтернативой при этом выступало её отсутствие. В процессе выполнения работы были получены критериальные значения 7 для стандартных уровней по высоте
(табл.).
Предлагаемая математическая модель реализована в виде программного продукта с использование среды Autodesk 3ds Max и языков программирования MaxScript.
Компьютерную модель процесса диагноза и прогноза пожароопасной ситуации можно пояснить следующим образом.
Для каждого метеорологического явления моделируется полигональное облако, по данным радиолокационных и аэросиноптических наблюдений, визуально ему соответствующее.
Таблица
Зависимости критериальных значений 2 от энергии неустойчивости _атмосферы_
№ Потенциальная энергия неустойчивости атмосферы, кДж
0-700 700-1400 1400-2100
ливень - гроза, lgZ^i ливень - гроза, lgZ^i ливень - гроза, lgZ^i
1 4,2 4,2 3,3
2 - 4,0 -
3 3,5 3,2 2,9
4 3,8 3,3 3,1
5 3,7 3,4 2,7
6 3,0 2,5 2,4
7 1,7 2,5 1,7
8 1,2 1,8 0,6
9 0,8 1,8 0,5
10 0,5 1,0 0,4
11 0,2 0,7 0,4
Далее происходит последовательная обработка данных по квадратам радиолокационного наблюдения и по уровням, на которых производился замер радиолокационной отражаемости. По описанному выше алгоритму определяется тип облачности с наличием или отсутствием «сухой» грозы. Осуществляется прогноз перемещения конвективной облачности и оценка её эволюции, что отображается на соответствующей карте местности.
Сверхкраткосрочный прогноз «сухих» гроз по радиолокационным данным осуществляется на основе линейной экстраполяции грозовых зон в соответствии с рассчитанным направлением и скоростью его движения.
Оценка эффективности предлагаемых моделей была осуществлена на основе данных радиолокационных наблюдений и данных наземных метеорологических станций, фиксировавших в сроки наблюдения «сухие» грозы. Расчетная оправдываемость прогноза возникновения «сухих» гроз для различных интервалов времени приведена в таблице 2.
Таблица 2
Заблаговременность, мин 15-29 30-59 60-89 90-120
Оправдываемость, % 93 76 59 15
Анализ таблицы показывает, что наилучшая оправдываемость приходится на интервал времени 15-29 мин. Это связано в первую очередь со временем «жизни» конвективных ячеек, в которых возникают грозовые явления.
На рисунке 1 представлен снимок метеорологической обстановки, нанесенной по описанному выше алгоритму с использованием данных радиолокационных наблюдений.
Рис. 1. Пример работы программы по визуализации «сухой» грозы по данным
радиолокационных наблюдений
Таким образом, в работе предложены математические и компьютерные модели, позволяющие на основе диагноза и прогноза «сухих» гроз осуществлять прогнозирование возможности возникновения пожароопасной обстановки в районах лесных массивов.
Список использованной литературы
1. Кузнецов И.Е., Билетов М.В. Адаптивные к состоянию атмосферы, радиолокационные методы получения метеоинформации // Тез. докл. Международной научной конференции по авиационной и спутниковой метеорологии памяти профессора С.В. Солонина, СПб., 7-10 окт. 2008 г. СПб.: Изд-во. РГГМУ. 2008. - C. 142-145.
