CC BY
244
ПРОГНОЗИРОВАНИЕ УРОВНЯ ВЕСЕННИХ ПАВОДКОВ И МОНИТОРИНГ ЗОН ЗАТОПЛЕНИЯ НА ОСНОВЕ ГИС-ТЕХНОЛОГИЙ И СИСТЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
Владимиров В.А., Козубай М. 11., Прокошен В.Г., Кузьмин О.В., Трифонова Г.А., Аракслин ('.М.
В жижи современного общества все большее место занимают заботы, связанные с преодолением различных кризисных явлений, возникающих по ходу развития цивилизации и обуславливающих нередко чрезпы-чайные ситуации, приводящие к значительным людским потерям и огромному материальному ущербу.
В связи с этим весьма актуальными являются проблемы их прогнозирования, предупреждения, а при невозможности предотвращения - смягчения последствий, что намного эффективнее и экономичнее, чем непосредственное реагирование на уже возникшие чрезвычайные ситуации.
Безусловно, что прерогатива при этом отдается прогнозированию возможных чрезвычайных ситуаций, позволяющему своевременно принять необходимые меры по их предотвращению, смягчению последствий, защите населения и территорий, уменьшению потерь и ущерба
Сегодня многие научные коллективы работают над решением пр<ь блем прогнозирования различных чрезвычайных ситуаций.
Большую работу в этой области по заданию МЧС России провели ученые Владимирского государственного университета, разработавшие ряд методик прогнозирования на основе ГИС- технологий и сисгем искусственного интеллекта, которые успешно используются во Владимирской области.
Разработка методик была осуществлена с учетом следующих требований:
прогноз чрезвычайной ситуации должен основываться на базе научных систематических фундаментальных исследований;
необходим научно-обоснованный сценарий возможного развития ситуации;
необходимы достаточно чегкие предписания поведения должностных лиц и различных групп населения во время конкретной чрезвычайной ситуации;
прогнозирование характера последствий должно предусматривать оценку количественных и временных последствий для объектов с наибольшей вероятностью повреждения;
должно предусматриваться регламентирование временного порядка осуществления восстановительных работ и их территориальное распределение;
планирование и оптимизация материальных средств и финансовых ресурсов, направленных на предупреждение и ликвидацию чрезвычайных ситуаций, должны осуществляться с учетом их принципиальной недостаточности, что обуславливает необходимость ранжирования обчлкюв и мероприятий с оценкой степени риска.
В связи с этим в основу научного подхода разработанных методик заложена грсхступенчатая программа: во-первых, сбор и обобщение исходных (входных) данных и создание наиболее полной базы данных на основе гсоинформационных систем, во-вторых, методика их обработки и процедура оценки риска и прогнозирования ситуаций (выходные параметры) с использованием соответствующих моделей возможных ситуаций, и. наконец, в-третьих, план мероприятий по предупреждению и ликвидации последствий чрезвычайной ситуации, смягчению их последствий и спасению населения на базе реально существующих средств и ресурсов.
Следует отмстить, что прогнозирование чрезвычайных ситуаций в настоящее время является весьма сложной задачей, связанной со многими причинами, в частности, с недостаточной изученностью различных природных процессов в силу их сложности, неоднозначности взаимодействия различных факторов природного и техногенного характера, а также с многофакторностью задачи и трудностью ее математической формализации.
Поэтому был выбран наиболее реальный и продуктивных путь по оценке природных и техногенных рисков - моделирование чрезвычайных ситуаций по различным (наиболее вероятным) сценариям и опенка их последствий па базе ситуационного подхода. Методически работа проводится следующим способом:
7
8 Рекомендации * - Модель 1
Модель 2
Модель 3
6 Оценка последствий
Сценарий I Сценарий 2 Сценарий .3
4 Условия нсстрсмаль-но1 о режима
На этапах 5 и 7 такая автоматизированная система может подвергаться процедуре обучения. Иерархия данного подхода в пропюзировании чрезвычайных ситуаций и планирования мероприятий по их ликвидации сводится к последовательному созданию базы данных, ГИС, жеиертиых оценок и нейронных сетей, имитационных моделей. При этом ГИС. основывающаяся на базе данных и информации, непосредственно иривя {анион
к местности (как в географическом, так и в антропогенном плане), позволяет визуализировать ситуацию и способствует выявлению наиболее рационального способа принятия решений. Системы искусственного интеллекта -нейросистема, аппарат нечетких множеств и др., основываясь на данных ГИС, как раз и определяю! наиболее ошимальные методы и нуги реализации этих решений и позволяют провести научное прогнозирование и сценарий развития ситуации. В связи с этим важное значение имеет подготовка и обучение соответствующих кадров с использованием технологий компьютерных игр.
Необходимо подчеркнуть, что осуществление оценочных работ осуществляется с учетом возможно полного исследования природнотерриториальных комплексов, ландшафтов. 11оскольку техногенные потоки являются вторичными по отношению к природным, то выявление закономерностей функционирования конкретных ландшафтов позволяет прогнозировать более отдаленные (но не всегда менее опасные) последствия техногенных катастроф.
При моделировании ситуаций принимаются во внимание такие параметры как климат, почвенный покров, его способность к самоочищению, растительный покров, гидрологические и геоморфологические условия территорий, их экологическое состояние.
Важным моментом в осуществлении работы является дешифрирование аэро- иди космических фотоснимков. Дело в том, что оценить техногенные нарушения позволяют практически только эти материалы, ибо на топографических картах техногенные объекты (карьеры, многие дороги, площадная зрозия, пожарища и др.) либо не находят отражения, либо представлены в знаковой ()юрме. Специальные виды съемок (например, тепловые) успешно применимы для определения тепловых аномалий, при оценке состояния газопроводов и др.
С другой стороны, именно аэрокосмические материалы позволяют в явном виде увидеть и непосредственно оценить наиболее опасные природные зоны и ландшафты и тем самым осуществлять глобальный мониторинг территорий.
Таким образом конечное качество выдаваемой информационной продукции и рекомендаций по практической деятельности определяется теми средствами (информационными, техническими и диагностическими, на которых собственно и должна основываться база данных), которые находятся в распоряжении учреждений ГОЧС. В основе данного подхода, его сердцевиной является компьютерная система высокого класса, опирающаяся на ГИС, нейросистему и аппарат нечетких множеств, выступающих в качестве инструмента принятия решений. При этом созданные электронные версии атласов территорий объекты включают в себя различные информационные слои и уровни с соответствующей аналитической поддержкой.
Используемая концепция носит универсальный харак!ср и применима на разных уровнях управления после соответствующей адаптации - от конкретного технологического процесса, идущего на данном предприятии и оценке степени его риска, до глобального уровня предсказания чрезвычайных ситуаций техногенного и природного характера и принятия плана мероприятий по их ликвидации, смягчению последствии для населения и спасению населения, а также привлечению необходимых ресурсов и средств.
Таким образом, речь идет о единой системе или целом комплексе универсальных мер по информационному обеспечению деятельности руководителя и принятия им решений в условиях антикризисного управления. Принципиально, что проблема состоит не в принятии отдельных волевых решений при реагировании на конкретную ситуацию (руководитель соответствующей квалификации и ранга обычно успешно это может сделать), а
о технологии принятия решений в непрерывном режиме, как на оперативном уровне, так и на стратегическом.
Для конкретной территории, в нашем случае - это Владимирская область, выполнены следующие мероприятия:
проведен анализ имеющихся данных о природных и техногенных чрезвычайных ситуациях, имеющих место на территории Владимирской области;
разработан методический аппарат для комплексной оценки природных и техногенных рисков для населения Владимирской области;
осуществлен сбор и обобщение исходных данных, необходимых для расчета природных и техногенных рисков;
проведена комплексная оценка техногенных и природных рисков для населения Владимирской области;
разработана программа по совершенствованию территориальной подсистемы РСЧС Владимирской области.
Такой комплекс мероприятий осуществлен при совместной деятельности главного управления ГОЧС Владимирской области и Владимирского государственного университета (ВлГ'У).
Основные направления этой работы сводились к следующим исследованиям.
I .Определение природно-географических условий Владимирской области и их влияние на возможность возникновения чрезвычайных ситуаций и бедствий.
2. Выявление техногенных источников повышенного риска для населения Владимирской области, включая классификацию и перечень стандартов.
3. Рассмотрение чрезвычайных экологических ситуаций.
4. Разработка информационных технологий (банка данных исходной
информации, экспертных оценок, ГИС, нейросистем, диаг ностики, моделирования и научного прогнозирования, электронных атласов распределения природных и техногенных рисков для населения Владимирской области).
5. Выработка рекомендаций по профилактике и совершенствованию территориальной подсистемы РСЧС Владимирской области (планирование мероприятий и их организация для реальной помощи населению).
Для этого проведены соответствующие комплексные экспертизы и мониторинг в регионе природных и техногенных рисков и выполнено его эколого-социально-экопомическос районирование: картографирование ситуаций рисков; применение аэрокосмической информации при картографировании природных и техногенных чрезвычайных ситуаций; аэрокосмическое радарное зондирование атмосферы и земной поверхности, оценку состояния природных и техногенных объектов; лазерный мониторинг окружающей среды.
Далее, определены методы и способы исследований для целей обеспечения безопасности населения Владимирской области и оценки природных и техногенных рисков на базе использования современных геоинфор-мационных технологий и компьютерных (аналитических) средств с учетом динамики развития природных условий и техногенных объектов. Это позволило спрогнозировать чрезвычайные ситуации и обосновать наиболее вероятные сценарии их развития на территории региона, а также оценить материальный ущерб и возможные людские потери.
Суть этих методик может быть показана на примере прогнозирования уровня весенних паводков и мониторинга зон затопления.
1. Прогнозирование уровни весенних паводков на основе нейросетей
Для прогнозирования уровня весенних паводков была разработана и используется методика на основе нсйросетевых технологий. [1-3|. Методика предназначена для прогнозирования уровня подъема воды в реке в период весенних паводков и се основные положения сводятся к следующему:
методика позволяет осуществлять прогнозирование уровня подъема воды реки в период весеннего половодья как на данный момент, так и на перспективу с отслеживанием ситуации в реальном времени;
прогноз выполняется для участка реки в районе конкретного поста наблюдения (11Н), особенности которого используются при настройке системы прогнозирования (СГ1) с помощью соответствующей базы данных; наст роенная система прогнозирования позволяет определят ь: уровень воды в реке на любой (в нашем случае - седьмой) день вперед после текущего дня ("скользящий прогноз");
максимальный уровень подъема воды и его дату (день, месяц) за две-три недели до его начала ("прогноз максимального уровня"),
исходные данные для реализованной на сегодняшний лень наст ройки системы состоят из ежедневных значений четырех параметров: среднесуточная температура воздуха: уровень воды в реке в районе Г1Н, см ; уровень снежного покрова в районе ill I, см.: уровень осадков, мм.
Оти значения собираются и представляются за период с февраля по май по каждому году (по возможности - с более раннего юда - в нашем случае - с 1971 года) и по настоящий момст .
Кроме зтого, по каждому году из данного периода учиииваются данные о максимальном уровне подъема воды и его дате.
Волее качественный прогноз должен учитывать значения и других парамегров (в частности, глубину промерзания, влагосодсржанис осенних почв), что в плане введения их в процесс настройки системы не представляет никакого труда. После настройки системы по базе данных за прошлые годы и введения информации ло текущему состоянию оказывается возможным прогноз на будущее.
Данные представляются в текстовом формате или в формате DBF. Аналогичная процедура прогнозирования осуществляется по любому
Г1Н.
Для создания СП используется программный продукт BrainMaker Pro, в котором реализована технология нейросетей.
Оба варианта прогноза — "скользящий прогноз" и "прогноз максимального уровня” - можно проводить как независимо друг от друга, так и в комплексе.
Например, во Владимирской области в качестве конечной цели стояла задача получения прогноза максимального уровня волы в период весеннего половодья и его латы. 'Эта задача с использованием СП решается следующим образом.
Начиная с первого марта, ежедневно собирались указанные выше данные Двадцать первого марта выполняется "прогноз максимального уровня", дающий предварительные оценки максимального уровня и его даты Затем сбор данных продолжается и ежедневно выполняется "скользящий прогноз", дающий значение уровня воды на неделю вперед. 11ри этом как правило, значения, полученные при "прогнозе максимального уровня" уточняются.
Результаты прогноза в удобной для наблюдения и анализа форме отображаются на созданной электронной карте рельефа в окрестности города Владимира |4].
2. Методика создании электронной карты в ГИС-технологнях
Для создания электронной карты зон затопления используется программный продукт Arc View GIS, который лучше всего подходит для обработки существующих ч создания из них новых векторных и “растровых” карт 15J.
После оцифровки карты (а для этого был использован программный накет Maplnfo 5.0) и конвертирования ее в формат liSRl Shape, дальнейшая обработка векторной карты продолжается в системе ArcView GIS. Работа заключается в посгрое чии по оцифрованной карте карты рельефа, вернее, карты поверхности с получением на выходе нового слоя карты, называемого грид-темой. Этот ноный слой является аналогом растровой карты, но на нем уже видны практически вое возвышенности и низменности, кроме того, ArcView предоставляв! широкие возможности обработки и анализа такого рода карт |6-9].
Данная задача решается при помощи модуля (расширения) Spatial Analyst, подключаемого в ArcView, широкие возможности которого были очень подробно описаны выше. Перед тем, как перейти к описанию работы и построению поверхности, необходимо, очевидно, описать, что такое цифровые модели, а также методы построения поверхностей (которые, кстати, и используются в модуле Spatial Analyst).
Цифровые модели дли ГИС. Основой представления данных для ГИС и автоматизированной картографии являются цифровые модели. Под цифровой моделью (ЦМ) п.ографического объекта понимается определенная форма представления \ сходных данных и способ их структурного описания, позволяющий «вычислять» (восстанавливать) объект путем интерполяции, аппроксимации или экстраполяции. Термин «цифровые модели» -калька с английского Digital Model.
Следует отметить наиболее важные вопросы, относящиеся к ЦМ: источники данных для ее создания, методы создания (моделирования); способ хранения в базе данных; использование ЦМ, возможные запросы о ЦМ в ГИС; трапс(]юрмация модели при изменении масштаба.
Для различного пида объектов в ГИС рассматривают их цифровые модели. Гак, для представления топографических карт выделяют два компонента - рельеф и ситуацию и, таким образом, говорят, что цифровая модель местности (ЦММ) состоит из цифровой модели рельефа (ЦМР) и цифровой модели си туации (ЦМС). При этом важна не сама по себе модель карты (модель модели), а ее цифровая модель, которая может быть отображена на карге методами автоматизированной картографии. Таким образом, при создании ГИС принципиальным является не наличие карты, а географические объекты на ней, информацию о которых (в том числе и картогра-
фическую) планируется получить Нои ому источником для созлания ЦМ служат как сами карты, так и различная справочно-статисгичсская информация, аэрокосмические снимки, данные полевых наблюдений и г д
Любой банк географических данных состой» из «элсмснтарных кирпичиков» - цифровых моделей, которые в свою очередь могут являться частью какой-либо цифровой модели (например, ЦММ =1 IMP ь I (МС) и быть взаимосвязанными. По мере развития ГИС организация и структура баз данных будет усложняться, системы будут способны обрабатывать все более сложные запросы. Это повлечет за собой создание ЦМ псе большего числа географических объектов, усложнение их логико-математической структуры. Одной из важнейших характеристик ЦМ является размерность число независимых непрерывных параметров, определяющих модель. Гак, линейные объекты на картах имеют размерность I, поскольку их координаты могут быть записаны как x=*(t), y=y(t), где t - параметр Размерность цифровой модели рельефа равна 2: географические координаты х и у - независимые параметры; высота h определяется через эти параметры как функция h=f(x, у). До недавнего времени подавляющее большинство версий коммерческих ГИС для речной системы было планарным (двумерным). По принятой терминологии планарными ГИС будут называться системы, обеспечивающие работу с 0-мерными (точечными), I-мерными (линейными) и площадными цифровыми моделями.
Линейные цифровые модели (ЛЦМ), т. е. ЦМ размерности 1, на картах обычно представляются как линейные картографические объекты, гид-россть, транспортная сеть, политико-административные и природные границы и т. д. Как правило, источником для создания ЛЦМ служат карты и аэрокосмические снимки Точки, определяющие ЛЦМ, получают путем цифрования. Двумерные цифровые модели бывают двух типов - площадные ЦМ и ЦМ геополей. Площадные ЦМ (политико-административные деления, ареалы, земельные и лесные угодья и т. д.) - полностью определяются своими границами, т е. ЛЦМ.
Следует учитывать, что размерность понимается строго в рамках принятой модели Скажем, точечные объекты на картах (имеющие размерность 0), например, населенные пункты, в реальности могут иметь протяженность, являться площадными или линейными объектами Сама модель при переходе к более крупному масштабу может меняться, увеличивать свою размерность, и точечный объект можег превратиться в площадной или линейный.
Очень важной является задача «автоматической генерализации» цифровых моделей. Дело в том, что ЦМ, как и карта, зависит от масштаба и при переходе к более мелкому масштабу может уменьшить размерность; группа ЦМ может объединиться в одну модель (дома - кварталы - городские районы и т.д ) - реализуется процесс картографической генерализации.
Один из возможных подходов для решения »той проблемы - создание отдельных ЦМ для каждого масштаба. Для одних объектов это оправдано, а для других (і идросеть, береговые линии, рельеф и т. д.) влечет столь большую рабогу по цифрованию и редактированию, что требует ав томатизации этого процесса.
Цифровые модели геонолей дли 2,51) ГИС, методы построения поверхностей. Герми юлогию для обозначения модели рельефа называют цифровой моделью рельефа (ЦМР) - Digital Elévation Model (DRM). Как уже отмечалось, с математической точки зрения размерность этой модели равна 2, а не 3, как часто считается Вместе с тем, в отличие от площадных объектов, ЦМР невозможно «(полностью» отобразить на плоскости и в картографии их обычно показынают способом изолиний. Для того чтобы отделить такого рода модеии от площадных, их можно назвать 2,5D цифровыми моделями. Этим подчеркивается, что хотя модель и двумерна, отображается она только и трехмерном пространстве. ГИС, позволяющие работать с такими моделями, называют соответственно 2,5D I ИС.
Не только рельеф, но и температура, осадки, геофизические поля и т. д. моїуг быть представлены как 2,51) ЦМ. Основным картографическим средством моделирования геополей служат изолинии, отображающие их распространение. Данные для цифровых моделей геополей (ЦМГ) получают путем натурных измерений, дистанционного зондирования, фотограмметрической обработки снимков, карто - и морфомегрических измерений и т. д. В зависимост и от формы представления исходных данных ЦМГ можно разбит ь на три группы:
- с регулярным положением точек на прямоугольных или гексагональных сетках;
- с нерегулярным представлением в произвольно расположенных точках,
- с полу регулярным заданием точек, расположенных равномерно на изолиниях, профилях и др.
Наиболее популярный способ регулярного задания ЦМГ - представление на регулярної'! сетке прямоугольников, когда в ее узлах заданы значения показателя. 11а «нглийском языке регулярная сетка квадратов называется grid, поэтому и югда этот способ представления называют грид, а операцию по пересчету модели в узлы регулярной сетки - гридинг.
Некоторое врс мя назад широко дискутировался вопрос о том, какой из способов плоскої о разбиения лучше: регулярная сетка квадратов, триангуляция или гексагональная сетка - разбиение на правильные шестиугольники.
При мсраупярном способе задания ЦМГ возникает задача интерполяции (восстановления) ее поверхности, которая представляется к;ж функция двух переменных z=f(x,y) и пересчета в регулярны it способ представления (например, гридипг) Формально задача восстановления выглядит так: дан набор точек (х„ у,) и значения в них г,: требуется по ному набору построить функцию Г(дг, у) такую, что f(x„ у,)=7.,.
В настоящее время известны десятки методов интерполяции поверхностей (геополей). Наиболее употребимыми методами интерполяции в ГИС и других системах геомоделирования являются следующие
- интерполяция на основе триангуляции Делоне:
- кригииг;
- средневзвешенная (средиегармоническая) шперполяция -метод Шепарда;
- полиномиальное и кусочно-полиномиальное сглаживание.
Каждый из этих методов заслуживает отдельного обсуждения, но достаточно ограничиться лишь краткими пояснениями.
Метод задания ЦМГ в узлах триангуляции по-английски называют TIN (Triangular Irregular Network). В ранних версиях известных коммерческих ГИС (например, расширение ArcView 3D Analyst) на рабочих станциях ттот способ представления был основным. Метод моделирования на основе триангуляции состоит в следующем. Строится разбиение области не-перекрывающимися треугольниками (триангуляция), вершинами которых являются опорные точки В каждом треугольнике поверхность представляется либо линейной функцией (полиэдральная модель), либо полиномиальной поверхностью, коэффициенты которой определяются по значениям и частным производным в вершинах треугольника (частные производные находятся численно). Повышая степень полиномов, можно добиться заданной степени гладкости кусочно-полиномиальной поверхности.
В методе кригинга считается, что функция Г(дс, у) является стационарной случайной функцией, т. с. измерение z в точке р=(х, \) есть реализация случайной переменной L. Из условия того, что модель задаст минимум дисперсии, выписывается так называемая система уравнений кригинга
- линейных уравнений, численное решение которой позволяет вычислить значение функции в заданной точке. У этого метода два важнейших параметра: тип вариаграммы (вид корреляционной зависимости) и радиус влияния вариационной функции, т. е. максимальный радиус взаимовлияния соответствующих процессов, происходящих в разных точках Некоторые из-вестпыс методы интерполяции (мультикнадрики, аналитические сплайны и др.) являются реали?ацией модели кригинга для соответствующих типов вариограмм.
В mcio;ic средневзвешенной интерполяции имеем
f(X, y)=(W,'/,+W2Z2+...+Wn/n)/(w,+W2+...+Wn),
где w(x, у)=1/г;(х, у), а г;(х, у) - функция расстояния ог ¡-й точки или другая функция, убывающая с ростом расстояния. г>гот метод достаточно прост для реализации, однако можно показать, что частные производные в опорных точках равны нулю. ')то означает, что производные у истиной и модельной поверхпоен могут сильно различаться. Последнее обстоятельство заставляет прибегт уть к обобщению данного метода. При згом берется взвешенная сумма ik показателей /.„ а локальных полиномов, коэффициенты которых определи отся методом наименьших квадратов по значениям ближайшим к i-й опорной точке. Таким образом, интерполируются не голько значения функт и, но и ее частные производные.
Методы полиномзального (используются как простые, так тригонометрические полиномы) и кусочно-полиномиального сглаживания применяется в случае, когда данные сильно «зашумлены» или когда трсбусгся выделить наиболее существенный компонент пространственного распределения показателя. Извелно несколько замечательных примеров того, как при экологической оцегкс территории только после построения трендовых поверхностей удавалось выявить и проанализировать пространственное распространение загрязнителей В математической статистике этот подход называется - тренд-anaj изом Коэффициенты полиномиального тренда обычно вычисляются по исходным данным методом наименьших квадратов (МИК). В методе к » сочно-полиномиальното сглаживания фиксируется степень полинома и выбирается область моделирования, содержащая псе опорные точки. Далее, эта область разбивается на систему более мелких участков. Для каждого участка но ближайшим к нему точкам с помощью МИК строятся локальные полиномы и функция f(x, у) на всей област и конструируется из них с помощью специальною вида «склейки».
Естественно, возникает вопрос о сравнении методов. С точки зрения математической теории приближений, ни одному из них нельзя отдать предпочтение, так как все они (при определенном задании параметров) имеют одинаковый порядок сходимости.
Действительно, моделирование на основе триангуляции - самый «быстрый» из методов интерполяции. Он наиболее приближен к «ручной» интерполяции и обычно предпочтителен для специалистов, имеющих опыт ручного построения изолинейных карт. Этот метод уступает кригиигу, но очень полезен па предварительной стадии создания ЦМГ, когда можно быстро выявить ошибки в данных и оценит ь распространение показателя.
Метод крш ипга в большинстве случаев дает хорошие результаты, даже когда плотность опорных точек невелика. Однако при некотором расположении опорных точек с соот ветствующими значениями в них возмож-
по появление нежелательных осцилляции (резкие пики или впадины) ')'Ю1 недостаток можно исправить путем применения не иніерполяцноппої о. а «сглаживающею» кригинга.
К достоинствам метода обобщенной средневзвешенной интерполяции можно отнести то, что он является локальным, т. е. на значения моделируемой функции и се производных в любой точке практически не оказывают влияния значения в опорных точках, «дачеко» отстоящих от нее г)гог метод хорошо работает, когда опорные гочкн расположены достаточно плотно. Кроме гою, изменяя весовую функцию и степень полинома, можно в интерактивном режиме подбирать молельную поверхность, наиболее приемлемую с точки трения специалиста Однако в случае ре; і ко го расположения опорных точек метод кригинга дает лучшие резулыаты.
Рассмотрим, наконец, важную задачу восстановления поверхности по изолиниям при полурегулярном способе задания Это наиболее часто встречающаяся практическая задача при создании 2.50 ГИС. Оцифрованные изолинии практически невозможно использовать при решении конкретных схем построения производных (например, блок-диаграмм) изображений. вычислений углов наклона, объемов, зон видимости и г л
Таким образом, возникает проблема восстановления поверхности, заданной набором изолиний, и пересчета значений показателя в узлы регулярной сетки (гридинг).
Для ее решения самым эффективным является «волновой» алгоритм. Каждая точка (узел сетки) области находится между двумя изолиниями. Гели известны оба расстояния до изолиний, то значение в этой точке можно вычислить как средневзвешенное значение показателя на изолиниях, где веса обратно пропорциональны расстояниям до изолиний. Для вычисления расстояний до изолиний и используется волновой алгоритм. От изолиний выпускается «волна» и таким образом в узлах, находящихся на фронте волны от заданной изолинии, вычисляется расстояние до изолинии. Эго очень приблизительное описание алгоритма. Он был реализован в пакете программ МАГ, разработанном на кафедре картографии и гсоинформагики МГУ в 1986-1992 гг.
Описание построении электронной карты поверхности в Л гг View 3.0а. Как уже было отмечено выше, ArcView GIS с помощью подключаемого модуля (расширения) Spatial Analyst предоставляет пользователям широкие возможности построения и анализа носі роенных с ею помощью поверхностей. Поверхность строится по точкам с заданной конкретной высотой. Модулі» Spatial Analyst может строить поверхности только по точкам. Это, безусловно, является недостатком данного расширения. 1>ыло бы гораздо удобнее и пампою точнее, если бы этот модуль предоставлял возможность ст роит ь карту поверхност и по изолиниям.
Оцифрованная для работы карта рельефа состоит из полилиний и полигонов, полому для построения по ней карты поверхности необходимо сначала преобразовать все полилинии и полигоны (во всех слоях векторной карты) в точки с заданием высоты каждой из них. Так как оцифрованная карта рельефа состоит из нескольких слоев (тем), то после преобразования каждой темы в ‘точечную” тему необходимо все полученные слои объединить в один новый. 11о созданной из нескольких тем - новой теме -строится поверхность (рельеф). Если в новой теме выделены отдельные точки, то поверхность строится только по этим точкам, иначе - по всем точкам, принадлежащим данной теме. В приложении приведены программы (скрипты) для преобразования слоев электронной карты, состоящих из линий и полигонов в «точечные» слои (темы) и объединения созданных тем в одну новую Кроме того, для преобразования темы в «точки» в системе ArcView с помощью модуля Dialog Designer был сделан удобный интерфейс в виде небольшого диалогового окна. В нем осуществляется выбор нужной темы для преобразования, а также указание необходимой атрибутивной информации из базы данных исходной темы для занесения ее в базу данных новой темы.
І Іосле преобразования и объединения «точечных» тем в одну строит ся поверхность с помощью одного из вышеперечисленных методов. I la выходе получается новый слой, который представляет собой грид-тему (аналог растрового изображения). Цвет каждой точки темы отвечает за определенную высоту, что отчетливо видно на карте фрагмента русла реки Клязьма (рис I).
Все скрипты написаны на встроенном в ArcView и достаточно удобном языке программирования - Avenue.
3. Электронная карга части бассейна реки Клязьма с отображением зон заюнленин при весенних наводках. Результаты.
По описанной в предыдущем параграфе процедуре создания карты поверхности рельефа с помощью модуля Spatial Analyst была построена карта, отображающая зоны затопления при поднятии уровня реки Клязьмы
на заданный уровень п некоторой части ее бассейна. Уровень, на который поднимется реку в заданный день, был спрогнозирован с использованием программы BrainMakcr на основании данных за несколько предыдущих леї по методике параграфа I. Уровни поднятия реки Клязьмы в различные годы представлены на диаграмме (рис. 2).
Результаты построения поверхности представлены па следующих рисунках.
На рис. 3 покатан рельеф, созданный методом отмывки (освещенности). Это аналитический способ гипотетического определения освещения поверхности. Создается затененная область (рельеф) дія входной поверхности Расстояние источника освещения к поверхности считасіся бесконечным.
На рис. 4 изображена карта, на которой показаны примерные зоны затопления при поднятии реки на 3 и на 5 метров.
Па рис 5 изображен рельеф и цветом выделены река и примерная зона затопления при поднятии реки на 5 метров.
Дальнейшее аналитическое наполнение полученной электронной кар-1Ы затопления осуществляется путем нанесения на нее хозяйственных объектов и угодий, попадающих в зону затопления (рис.6), с оценкой нанесенного им материального ущерба и возникающих последствий, а также необходимых затрат по их устранению. Методика такой оценки, включающая оценку финансового ущерба, разработана в ВлГУ с использованием аппарата нечетких чисел, оперирующего с интервальными значениями параметров с их вероятностными характеристиками. г)то позволяет не только оценить степень риска (включая финансовый риск) и произвести соответствующее ранжирование территории, но и создать реальный прогнозноаналитический атлас чрезвычайных ситуаций (в данном случае - от наводнений) и их финансовых последствий по всей территории России как в текущем времени, так и на перспективу.
Для поиска наиболее эффективных методов устранения чрезвычайных ситуаций и формирования регламента соответствующих мероприятий но критерию качество - стоимость можно применять методы динамического (имитационного) моделирования. Основные его алгоритмы разработаны и успешно апробированы на примере проведения необходимых мероприятий fio ликвидации чрезвычайных ситуаций саиит арно-эпидемиологического характера.
4. Основные выводы
В результате выполненных во ВлГУ исследований решены следующие задачи:
Vi йороги
А/
А5чязомэ
1 К£1
^ Рельеф
\ |гЧ| | 85.003 - 95.00
1 | 95.002 - Í05.0
1 ! ] Í05.00 1 - 1 15
I ¡ 115 - 124.999
I ) Í24\999- 134
1 ) 134.998- 144.
| 144.997- 154.
1 1 | f 5^.996 - 164.
1 ] ?6<7.995- 174.
1 ШШ | No Data
Рис. I И'юбражснис рельефа, созданного методом ОВР - обратно взвешенных
расстоянии в ArcView GIS
-ф—1955 год В - 1994 год —^ - 1998 год * 1996 год 1999год
Рис. 2. Весеннее половодье в различные по водности голы на в/мосту Клязьма -Владимир (Отметка "О" графика поста 90,00 м НС)
г*
Изображение реп ceci_____I
ШРЦ o-из
CJ 114 - 150 g:] 151 - 167 d Í68- 177 I I 178 - 179
I I 180
I I 181 - 189
I I 190 - 206
I I 207 - 254
iMfl fifo O ata
Рис.3 ИюПражснис рельефа методом отмывки (освещенность)
ш ГЛелг еЗл» .«/тр О
У! ГЛеяг ебят ,$Ьр
0
1
т Клязьма V] Дороги
Л/
1/300 300 Ьтр
_| ТЬете1т.$Ьр
О
__| ТЬем е2м зЬр
О
\ ТЬем е4м зйр
0
1
_) ГЛелт ебл .5^р
0
1
Эиг^эсе Лт5ЯГ $£/« л* ИЯ 85 003 - 90 ОС
I . . 1 ол лло ОС />/
1
-. 4 :£'^ I -
'г>-’Т\
Рис.4 Карта части бассейна реки Клязьмы с отображением зон затопления при весенних
паводках (поднятие реки на 3 и на 5 мсгров)
VI Дороги
А/
У1 /Сг7я:
Мао Оиегу 1 | | Fэlse (О)
I I Г те (1)
Щ Л/о О
*1 Яелвеф
пи 85.003- 90.003 90.003- 95.002
95.002- 100.002
100.002- 105.002
105.002- 110.001
110.001- 115 001
115.001- 170.001
120.001- 125 125- 130 130- 135 135- 139.999 139 999- 144 999 144.999- 149 999 1 <19.999 - 154 998 15-?.998- 159 998 159 998- 1 64. 998 16«;. 998- 169.99? 169.99 7- 1 74.997 N0 Оя1ш
* . 1 • • 4 ’•
1 •• / •> 1 • 1
1 • • » ч* •
!• * 1 ** *‘4 ,
1", ' •
('(.! а 1 ' /?
г 1 1 •• ’V
у* \. г,' • /У
\ V. 1 • „ \
ч'5Г к • *
1 г
Рис.5 Карта рельефа части бассейна реки Клязьмы с отображением зоны затопления при
гесснних паводках (поднятие на 5 метров)
СП
со
00
Рис.6.
Фрагмент электронной карты городской застройки на левобережье р. Клязьма.
изучена методика прогнозирования уровня весенних паводков на основе нейросетей, составлен прогноз паводков на 1999 год для отображения на электронной карте зон затопления;
по оцифрованной карте созданы карты с отображением в окрестности реки Клязьмы зон затопления при весенних паводках с применением для прогнозирования нейроеетевых технологий;
программно реализована методика создания электронной карты в ГИС-технологиях, допускающая аналитическую оценку возможного ущерба от весеннею паводка и наиболее эффективный путь ликвидации последствий чрезвычайной ситуации
Таким образом, выше кратко описана созданная современная система интеллектуального сопровождения и информационно-аналитической поддержки принятия решений в условиях антикризисного управления на примере весенних паводко * реки Клязьмы во Владимирской области. Она легко адаптируется под чрезвычайные ситуации различного характера и имеет универсальный характер.
Дальнейшее развитие полученных результатов исследований может быть направлено на расширение и синтез отображаемой информации и получение соответствующих экспертных оценок. Результаты работы могут быть использованы для создания практических методик, применяемых в деятельности различных служб ГОЧС. -
Литература
1. С М.Аракелян, К.В Демидов, В.М.Вильдяев, В.Г.Прокошев. Разработка методики прогноза весенних паводков на базе нейросистем. Труды Международного ссминара."Мягкие ычисления-96", Казань,!996,с.32-34.
2. К.В.Демидов, М П Козубай, В.Г.Прокошев, СМ.Аракелян. Прогноз сроков и уровня весенних паводков на основе нейрокомпьютерной сети Вгаштаксг. Построение и отладка нейросети. Международная научнотехническая конференция "Нечеткая логика, интеллектуальные системы и технологии", ¡.Владимир, 16-19.09 1997, с.59.
3. А.Г.Сергссв, В.М.Вильдяев, М.П.Козубай, К.В.Демидов, В.Г.Прокошев, С.М. Аракелян Прогнозирование экологических и чрезвычайных ситуаций (на примере Рладимирской области). Экология и промышленность России, март 1997. с.26-24
4. В.Г.Прокошев, Т.Д.Трифонова, В.М.Вильдяев, О.В.Кузьмин. Компьютерная поддержка прогнозирования уровня весенних паводков при помощи ГИС-техпологий. Международная научно-практическая конференция «Эколо) ия речныч бассейнов», 15-17.09.99, г.Владимир, с. 122.
5. Сравнение про1 раммных пакетов ГИС. “ГИС Ассоциация” №4 1996
6. Что такое ГИС? “Л1*СУ111\ЛГ №4 1998
539
7. Развитие программных средств. ‘ТИС Ассоциация” №4 199Х
8. Выбор подходящей ГИС. “ARCVIEW” №1 1999
9. Как быстрее освоить ARCVIHW GIS. “ARCVIÍ'W" №1 1998
