Тематический обзор приурочен ко Всемирному дню метеорологии. Рассмотрены методы прогнозирования неблагоприятных погодных условий, таких как грозы, град и др. Включены аннотированные описания электронных ресурсов и ссылки на полные тексты.
С полными текстами статей можно ознакомиться в зале информационно-справочной службы, комната 613, и в читальном зале периодических изданий, комната 614. Телефон для справок +375 17 226 61 88.
Анискина, О. Г. Прогноз гроз с помощью мезомасштабных гидродинамических моделей [Электронный ресурс] / О. Г. Анискина, В. В. Стогниева, Н. Б. Толстоброва // Труды Военно-космической академии имени А.Ф. Можайского. – 2022. – № S685. – С. 6–10. – Электронная копия доступна на сайте Научной электронной библиотеки eLibrary. – Режим доступа: https://www.elibrary.ru/download/elibrary_50202041_41483743.pdf. – Дата доступа: 15.03.2023. – Доступ для зарегистрированных пользователей.
Представлены результаты расчетов индексов грозовой активности по данным, полученным с помощью гидродинамического прогноза. Проведен численный эксперимент по моделированию грозовой ситуации с использованием физико-статистических и гидродинамических методов прогнозирования. Проанализированы различные схемы параметризации конвекции в мезомасштабной негидростатической модели WRF-ARW. Проведена количественная и качественная оценка соответствия прогностических полей высокой вероятности возникновения гроз с фактическими данными метеорологических радиолокаторов (МРЛ).
Дмитриева, Т. Г. Анализ опыта метеорологического обеспечения спортивных и культурно-массовых мероприятий [Электронный ресурс] / Т. Г. Дмитриева, Е. В. Васильев, В. И. Лукьянов // Гидрометеорологические исследования и прогнозы. – 2022. – № 1. – С. 128–164. – Электронная копия доступна на сайте Научной электронной библиотеки eLibrary. – Режим доступа: https://www.elibrary.ru/download/elibrary_48216038_94411752.pdf. – Дата доступа: 15.03.2023. – Доступ для зарегистрированных пользователей.
Проведен анализ опыта метеорологического обеспечения международных спортивных и культурно-массовых мероприятий на базе созданной концепции Росгидромета, включающей комплексную систему разработки высокодетализированных прогнозов погоды, основанных на применении результатов численных расчетов моделей с высоким пространственно-временным разрешением. Показано, что разработанная концепция применима к метеорологическому обеспечению Москвы как мегаполиса. Концепция находится в стадии развития и адаптации к любому мероприятию, проводимому на открытом воздухе. Особое внимание уделено диагностике опасных явлений погоды c использованием дистанционного зондирования атмосферы и данных наблюдательных станций. Актуальность полученных результатов подтверждается использованием представленных наработок при подготовке проведения метеорологического обеспечения XXXII Всемирной летней Универсиады 2023 года в г. Екатеринбург.
Кагермазов, А. Х. Прогноз града и оценка его максимального размера по выходным данным глобальной модели атмосферы с заблаговременностью до трех суток [Электронный ресурс] / А. Х. Кагермазов, Л. Т. Созаева // Наука. Инновации. Технологии. – 2022. – № 2. – С. 103–120. – Электронная копия доступна на сайте Научной электронной библиотеки eLibrary. – Режим доступа: https://www.elibrary.ru/download/elibrary_49161216_11871468.pdf. – Дата доступа: 15.03.2023. – Доступ для зарегистрированных пользователей.
Рассмотрена возможность прогнозирования града с заблаговременностью до трех суток с помощью дискриминантного анализа и дана оценка его размера по регрессионному уравнению. Успешность прогноза града оценивалась по критериям качества прогнозов. Качество регрессионной модели по показателям, характеризующим статистическую значимость и практическую применимость регрессионного уравнения. Материалами исследований послужили выходные данные глобальной модели атмосферы GFSNCEP с заблаговременностью до трех суток. Прогноз проводился по дискриминантным функциям. Для оценки успешности прогноза града составлена таблица сопряженности по явлениям «град» и «не град», по которой рассчитаны критерии качества прогнозов. Для оценки максимального размера града составлялось регрессионное уравнение. Были рассчитаны показатели, характеризующие статистическую значимость и практическую применимость уравнения. Результаты расчетов показали, что прогноз града соответствует всем критериям качества прогнозов. Показатели успешности прогноза оказались хорошими. Так, оправдываемость прогноза града составила 70%. Все показатели, характеризующие статистическую значимость и практическую применимость регрессионных уравнений, показали, что предлагаемая модель града может адекватно оценивать максимальный диаметр града. Исследования показали, что предлагаемый подход прогноза града и оценки его максимального размера по данным глобальной модели атмосферы при увеличении заблаговременности до трех суток не приводит к заметному снижению качества прогнозов и регрессионного уравнения.
Краткосрочный численный прогноз высокого разрешения приземной погоды и метеорологических параметров свободной атмосферы на базе конфигурации СOSMO-ru6ENA (шаг сетки 6,6 км, заблаговременность до 84 часов) модели СOSMO по Северной Евразии, включая СНГ [Электронный ресурс] / Г. С. Ривин [и др.] // Результаты испытания новых и усовершенствованных технологий, моделей и методов гидрометеорологических прогнозов. – 2022. – № 49. – С. 57–71. – Электронная копия доступна на сайте Научной электронной библиотеки eLibrary. – Режим доступа: https://www.elibrary.ru/download/elibrary_48218171_15954263.pdf. – Дата доступа: 15.03.2023. – Доступ для зарегистрированных пользователей.
Проведены оперативные испытания системы выпуска региональных численных прогнозов COSMO-Ru6ENA c шагом вычислительной сетки 6.6 км и областью вычислений, включающей всю северную половину Евразийского континента и прилегающие акватории. Конфигурация COSMO-Ru6ENA реализована на суперкомпьютере «Росгидромет» Сray ХC40-LC как базовая ступень каскадной системы COSMO-Ru регионального численного прогноза с повышающейся детализацией для отдельных районов. Технологический комплекс COSMO-Ru6ENA был создан в процессе выполнения темы 1.1.3 «Развитие и совершенствование системы нового поколения краткосрочного прогноза погоды COSMO-Ru сверхвысокого разрешения (с шагами сетки до 1 км) на основе бесшовной негидростатической модели атмосферы ICON» Плана НИТР НИУ Росгидромета на 2020–2024 гг. (АААА-А20-120021490079-3). Важными выводами проведенных испытаний было подтверждение высокой степени достоверности выпускаемых прогнозов в сравнении с доступными результатами глобального численного прогноза ведущих мировых центров по численному прогнозированию, а также выявление соотношений успешности новой конфигурации COSMO-Ru6ENA модели COSMO и 58 внедренных ранее на менее мощной вычислительной технике COSMO-Ru13ENA (шаг сетки 13.2 км) и COSMO-Ru7 (шаг сетки 7 км).
Лысенко, С. А. Повышение точности численных прогнозов погоды на территории Беларуси с использованием оперативных спутниковых данных [Электронный ресурс] / С. А. Лысенко, П. О. Зайко // Природопользование. – 2022. – № 2. – С. 86–98. – Электронная копия доступна на сайте Научной электронной библиотеки eLibrary. – Режим доступа: https://www.elibrary.ru/download/elibrary_50178628_75553719.pdf. – Дата доступа: 15.03.2023. – Доступ для зарегистрированных пользователей.
Предложены два подхода к актуализации геофизических характеристик подстилающей поверхности (землепользование, альбедо, листовой индекс, доля поглощенной фотосинтетически активной радиации) в численной модели WRF (Weather Research and Forecasting) для территории Беларуси: обновление среднемесячных значений на основе современных баз данных дистанционного зондирования Земли GLASS (Global Land Surface Satellite) и GLC2019 (Global Land Cover, 2019); ежедневное обновление на основе оперативных спутниковых композитных продуктов MODIS. Для оценки влияния исходных геофизических данных на качество численного прогноза приземной температуры выполнен ряд численных экспериментов по прогнозированию различных синоптических ситуаций в летний период. Рассчитан поправочный коэффициент для альбедо подстилающей поверхности в модели WRF, позволяющий сократить cреднеквадратическую погрешность прогноза температуры для заблаговременности +12, +24, +36 и +48 ч на 0,30 ºС, 0,10 ºС, 0,15 ºС и 0,16 ºС соответственно. В численных экспериментах инициализация модели WRF с помощью оперативных спутниковых продуктов оказала наиболее положительное влияние на прогноз приземной температуры для ночных сроков: для заблаговременности +24 и +48 ч среднеквадратическая ошибка сократилась на 0,11 ºС и 0,14 ºС соответственно.
Мультиагентный алгоритм сбора данных с метеостанции для прогнозирования урожайности и состояния посевов [Электронный ресурс] / И. А. Пшенокова [и др.] // Известия ЮФУ. Технические науки. – 2022. – № 1. – С. 91–101. – Электронная копия доступна на сайте Научной электронной библиотеки eLibrary. – Режим доступа: https://www.elibrary.ru/download/elibrary_48749140_99138619.pdf. – Дата доступа: 15.03.2023. – Доступ для зарегистрированных пользователей.
В рамках данного исследования разработан мультиагентный алгоритм прогнозирования состояния посевов по данным с метеостанции на основе самоорганизации нейрокогнитивной архитектуры. Приведено описание структурной схемы метеостанции и ее датчиков. Разработан алгоритм программы для сбора и обработки данных с датчиков метеостанции. В результате обработки в интеллектуальную систему принятия решений отправляются данные о температуре воздуха и почвы, влажности воздуха и почвы, скорости и направлении ветра, количестве осадков и о сумме активных температур. Описана система построения причинно-следственных связей, на основе которой строится система прогнозирования, которая позволяет в превентивном порядке делать рекомендации или прогнозы по урожайности и состоянию посевов, а также по вероятности заболеваний и распространения вредителей на контролируемых посевах.
A novel intelligent deep learning predictive model for meteorological drought forecasting [Electronic resource] / Ali Danandeh Mehr [et al.] // Journal of Ambient Intelligence and Humanized Computing. – 2022. – DOI: 10.1007/s12652-022-03701-7. – Режим доступа: https://link.springer.com/article/10.1007/s12652-022-03701-7. – Дата доступа: 15.03.2023.
Переведенное заглавие: Новая интеллектуальная прогностическая модель с глубоким обучением для прогнозирования засухи.
Представлены процедуры разработки и верификации новой гибридной интеллектуальной модели CNN-LSTM для метеорологического прогнозирования засухи. Новая модель была внедрена для прогнозирования многовременных индексов засухи, трехмесячного и шестимесячного стандартизированного испарения осадков (SPEI-3 и SPEI-6) в двух точках, расположенных в провинции Анкара, Турция. Для проверки эффективности предложенной модели были рассмотрены статистические показатели точности, графические проверки и сравнение с эталонными моделями, включая генетическое программирование, искусственные нейронные сети, LSTM и CNN. Результаты показали, что модель на основе CNN-LSTM превзошла все контрольные показатели. При количественной визуализации была достигнута минимальная среднеквадратичная ошибка (RMSE = 0,75 и 0,43) для SPEI-3 и SPEI-6 на станции Бейпазари и (RMSE = 0,73 и 0,53) для SPEI-3 и SPEI-6 на станции Наллихан. Предложенная гибридная модель улучшила подход к моделированию метеорологического прогнозирования засухи.
Balzhanov, A. Z. Flight connection system to find an efficient route and avoiding possible hazardous weather = Система стыковки рейсов для поиска эффективного маршрута и предотвращения возможных опасных погодных условий [Electronic resource] / A. Z. Balzhanov [et al.] // Вопросы устойчивого развития общества. – 2022. – № 6. – P. 994–1000. – Электронная копия доступна на сайте Научной электронной библиотеки eLibrary. – Режим доступа: https://www.elibrary.ru/download/elibrarypdf. – Дата доступа: 15.03.2023. – Доступ для зарегистрированных пользователей.
Представлено проектирование системы стыковки рейсов с использованием теории графов и регрессионных алгоритмов. Во время поискового запроса клиента алгоритм кратчайшего пути Дейкстры пытается сделать прогноз на основе модели для опасной погоды перед стыковкой рейса. Эффективность предлагаемой системы оценивается с помощью результатов, полученных в результате моделирования, и точности обучения модели.
Comparison of different forecasting tools for short-range lightning strike risk assessment [Electronic resource] / A. Bouchard [et al.] // Natural Hazards. – 2022. – DOI: 10.1007/s11069-022-05546-x. – Режим доступа: https://link.springer.com/article/10.1007/s11069-022-05546-x. – Дата доступа: 15.03.2023.
Переведенное заглавие: Сравнение различных инструментов прогнозирования для оценки риска удара молнии на короткие расстояния.
Произведена оценка риска удара молнии, вызванного грозами над морем, в краткосрочном прогнозе, от 0 до 24 часов. Разработали и произвели сравнения трех методов. Первый метод основан на использовании пороговых значений функции выборки информации, второй метод основан на нейросетевом подходе, а третий метод основан на использовании функции доверия. Каждый метод был применен к одному и тому же набору данных, содержащему предикторы, определенные на основе выходных данных численной модели прогнозирования погоды. Для оценки различных методов был использован набор данных ground truth, основанный на местоположениях ударов молнии, предоставленных Всемирной сетью определения местоположения молнии (WWLLN). Выбор одного метода по сравнению с другими зависел от компромисса, на который пользователь готов пойти между ложными срабатываниями, пропущенными обнаружениями и временем выполнения. Первый метод имеет очень низкую частоту обнаружения пропущенных сигналов, но высокую частоту ложных тревог, в то время как два других метода имеют гораздо более низкую частоту ложных срабатываний, но за счет незначительной частоты обнаружения пропущенных сигналов. Третий метод показал себя самым быстрым.
García-Duarte, L. Short-term spatio-temporal forecasting of air temperatures using deep graph convolutional neural networks [Electronic resource] / L. García-Duarte, J. Cifuentes, G. Marulanda // Stochastic Environmental Research and Risk Assessment. – 2022. – DOI: 10.1007/s00477-022-02358-0. – Режим доступа: https://link.springer.com/article/10.1007/s00477-022-02358-0. – Дата доступа: 15.03.2023.
Переведенное заглавие: Краткосрочное пространственно-временное прогнозирование температуры воздуха с использованием сверточных нейронных сетей с глубоким графом.
Прогнозирование временных рядов метеорологических переменных, таких как почасовая температура воздуха, имеет множество преимуществ для промышленности, сельского хозяйства и окружающей среды. Из-за высокой точности, необходимой для соответствующих краткосрочных прогнозов, традиционные методы не удовлетворяют требованиям и обычно не учитывают пространственные зависимости. Предложен метод GCN-LSTM для решения задачи прогнозирования временных рядов при прогнозировании температуры воздуха. Предлагаемый подход апробирован с использованием реальных открытых данных о погоде с 37 метеорологических станций в Испании. Проведенный анализ показал, что метод GCN-LSTM продемонстрировал превосходную производительность по сравнению с различными современными моделями на основе глубокого обучения, что привело к созданию более надежной и вычислительно эффективной модели для прогнозирования температуры воздуха на многих метеорологических станциях одновременно.