CC BY
28
МЗ для их последующего использования с целью выполнения условия безопасной эвакуации людей, эффективного ограничения распространения ОФП, страхования, проектирования систем противопожарной зашиты МЗ.
Список использованной литературы
1. Статистика пожаров в ТЭС Вьетнама. ГУПО Вьетнама, 2012.
КВАЛИМЕТРИЧЕСКИЕ МОДЕЛИ ПОЖАРООПАСНОЙ СИТУАЦИИ В РАЙОНАХ ЛЕСНЫХ МАССИВОВ, ОБУСЛОВЛЕННОЙ «СУХИМИ»
ГРОЗАМИ
В.В. Дорофеев, профессор, д.г.н., профессор, А.В. Степанов, заместитель начальника кафедры, к.г.н.,
Д.В. Булгин, слушатель, А.В. Гавриленко, курсант, ВУНЦ ВВС «Военно-воздушная академия им. проф. Н.Е. Жуковского и Ю.А. Гагарина», г. Воронеж
Своевременный прогноз возникновения пожаров в лесных массивах помогает заблаговременно выявить возможные очаги возгорания, что позволит повысить оперативность действий служб МЧС и сократить ущерб, наносимый пожарами. Для качественного анализа пожароопасной ситуации в районах лесных массивов, руководящему составу необходимо представить наиболее полную информацию в доступном и наглядном виде. Это позволит быстро и качественно оценить ситуацию, принять правильное и своевременное решение.
Одним из оптимальных решений визуализации информации о возможных очагах возгорания в районах лесных массивов, является её преставление в виде зон значений вероятности возникновения «сухих» гроз на топографической карте в реальном масштабе времени и при краткосрочном прогнозировании.
Таким образом, целью настоящей работы явилось повышение эффективности работы МЧС по предупреждению и ликвидации лесных пожаров природного происхождения путем разработки квалиметрических моделей диагноза и прогноза «сухих» гроз для оценки возможности возникновения пожароопасной ситуации в районах лесных массивов и визуализация полученной информации для наглядного представления руководящему составу.
В настоящее время объективным инструментом, позволяющим обнаруживать облачные поля и определять в них опасные явления погоды, являются метеорологические радиолокационные станции. Привлечение радиолокационной информации позволяет заблаговременно обнаруживать очаги «сухих» гроз, и отслеживать их эволюцию, а также прогнозировать зоны возможного возгорания лесных массивов.
Из физики образования «сухих» гроз, сопровождающих кучево-дождевую облачность, известно, что радиолокационная отражаемость как функция
распределения облачных частиц по размерам существенным образом зависит от энергетических запасов атмосферы [1].
В качестве признака радиолокационного распознавания кучево-дождевого облака воспользуемся величиной радиолокационной отражаемости на одном из стандартных уровнях зондирования 2 .
Статистический анализ данных радиолокационных наблюдений за «сухими» грозами показывает, что с достаточной степенью точности распределение 2 подчиняется гауссовскому закону:
гп!^ 1 Г . (1)
/, (2Е) =-¡= ехр---1--у 7
''( ' ) а} (ЕуЛй Р_ о,2 (Е) _
Здесь 2 . (е) - условное математическое ожидание случайной величины 2 ^ в
2 „ классе А ^; а^ - условная дисперсия случайной величины 2в классе А ^.
Учитывая, что вероятность появления гроз также связана с энергией неустойчивости атмосферы Е для отыскания порогового значения радиолокационной отражаемости 20и необходимо разрешить тождество:
/1(20 / Е) Р2 (Е) , (2)
/2 (2 0 / Е) Р1(Е /
где /1(20/ Е) - закон распределения радиолокационной отражаемости при условии, что наблюдалась «сухая» гроза и значение энергии неустойчивости атмосферы - Е ; /2(2 0/ Е) - закон распределения радиолокационной отражаемости при условии, что «сухая» гроза не наблюдалась и значение энергии неустойчивости атмосферы - Е; р (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.
Подставляя (1) в (2), получим уравнение относительно критериального значения 2 :
а(Е)[г0 ]2 + Ъ(Е0 ]+ с(Е) = о, (3)
2 ~ 2
,2 2 „2 2
CTfl ~а12 Zi\ai\ ~ Zi2a"i1 Zi2aH ZHai2 , aHP2 где a = 11 2 j2 , b = 11 11 2'2 12 , С =-^-+ ln-. (4)
il i2 il i2 il i2 12 1
Используя программный продукт на основе Autodesk 3ds Max и языков программирования Max Script, моделируется облако, по данным радиолокационных и аэросиноптических наблюдений.
Далее происходит последовательная обработка данных по квадратам радиолокационных наблюдений на уровнях, где производился замер радиолокационной отражаемости. По описанному выше алгоритму определяется тип облачности с наличием или отсутствием «сухой» грозы. Полученные результаты отображаются на топографической карте местности.
На рисунке представлена топографическая карта с нанесёнными данными в виде полей облачности с наличием и отсутствием «сухих» гроз.
Рис. Топографическая карта с нанесёнными данными в виде полей облачности с наличием ( О ) и отсутствием ( О )«сухих» гроз
Таким образом, в работе предложен способ визуализации информации о возможности возникновения пожароопасной ситуации в районах лесных массивов на основе квалиметрических моделей диагноза и прогноза «сухих» гроз.
Данный способ представления информации позволит руководящему составу оперативно и объективно оценить возможность возникновения пожароопасной ситуации в районах лесных массивов, как в реальном времени, так и при краткосрочном прогнозировании.
Список использованной литературы
1. Кузнецов И.Е., Билетов М.В. Адаптивные к состоянию атмосферы, радиолокационные методы получения метеоинформации // Тез. докл. Междунар. науч. конф. по авиационной и спутниковой метеорологии памяти проф. С.В. Солонина, СПб., 7-10 окт. 2008 г. СПб.: изд. РГГМУ. 2008. - С. 142-145.
