CC BY
64
Методика прогноза гроз
В ЗАДАЧЕ ОБЕСПЕЧЕНИЯ БЕЗОПАСНОСТИ ПОЛЕТОВ АВИАЦИИ
Неижмак А. Н., Мозиков Б. В., Гридасов Д. Н., ВУНЦ ВВС «ВВА», г. Воронеж
Обеспечение безопасности любого вида деятельности является актуальной, сложной, комплексной задачей, охватывающей различные аспекты. Одной из наиболее требовательных к качеству обеспечения безопасности отраслей деятельности человечества является авиация. Повышение степени безопасности полетов обеспечивает совокупность принимаемых мер, направленных на надежное функционирование всех подсистем и элементов комплексной авиационной системы, к числу которых относится и качественное метеорологическое обеспечение.
При нахождении летательного аппарата в воздухе одним из наиболее опасных для него атмосферных объектов является кучево-дождевая облачность, в том числе из-за возможности встречи воздушного судна с грозой. При попадании самолета в зону кучево-дождевой облачности, сопровождаемой грозовой деятельностью, нередко выходят из строя средства связи и навигации, могут быть разрушены элементы конструкции воздушного судна вследствие воздействия мощных турбулентных потоков воздуха и попадания молнии. Очевидно, точный прогноз опасных для авиации явлений погоды, в том числе кучево-дождевых облаков и грозовой деятельности, очень важен при метеорологическом обеспечении и соответственно обеспечении безопасности деятельности авиации.
Прогностических способов, с помощью которых разрабатываются прогнозы конвективной облачности, ливней и гроз, существует множество. Во многих из них за основу взяты различные модели конвекции. Однако не всегда их успешность для конкретного района удовлетворяет требованиям потребителя, то есть не позволяет должным образом обеспечить безопасность полетов. Поэтому в данной работе в качестве цели определено повышение качества метеорологического обеспечения безопасности полетов посредством разработки нового способа прогноза грозы по территории Центрального Черноземья, в частности, по пункту Тамбов. При достижении поставленной цели за основу взят физико-статистический подход к разработке прогностического способа с использованием процедуры дискриминантного анализа [1].
На начальном этапе были проанализированы общие благоприятные условия для возникновения кучево-дождевой облачности и связанных с ней ливневых осадков и гроз, основными из которых являются следующие:
- высокое влагосодержание воздуха у поверхности земли и на высотах;
- значительная неустойчивость воздушной массы (большие вертикальные градиенты температуры), т. е. значительная положительная энергия не-
устойчивости;
- относительно низкое положение изотермы -10°С, около которой располагается уровень интенсивной кристаллизации;
- большая вертикальная протяженность кучево-дождевых облаков;
- неоднородности подстилающей поверхности, облегчающие развитие динамической или термической конвекции.
Кроме того, перед формированием предварительного перечня предикторов были проанализированы исходные данные, применяемые в уже существующих способах прогнозирования гроз (Вайтинга, Фауста, Кокса, Лебедевой) [2]. В результате в указанный перечень вошли:
D850, D700, D500 - дефициты точки росы на изобарических поверхностях 850, 700, 500 гПа;
De500-850 - суммарный дефицит точки росы на основных уровнях 850, 700 и 500 гПа;
Dcp500-850 - средний дефицит точки росы между поверхностями 850 и 500 гПа;
AD850-500 - разность между дефицитом точки росы на уровнях 850 и 500 гПа;
Т850, Т700, Т500 - температура воздуха на уровнях 850, 700, 500 гПа;
АТ850-500 - разность температуры в слое 850 и 500 гПа.
Архивная выборка была составлена по материалам наблюдений за погодными условиями в пункте Тамбов с использованием микрокольцевых карт погоды, аэрологических диаграмм и дневников погоды.
Количество наблюдений гроз в полученной выборке сопоставимо с климатической повторяемостью рассматриваемого явления для данного региона.
В процессе работы были выполнены операции, необходимые при осуществлении предварительного отбора предикторов, в результате чего лучшими из исходного перечня оказались D500, Т500, DS500-850, ДГ850-500. При помощи специализированного программного обеспечения были получены четыре выражения для прогноза грозовой деятельности, включающие в себя один предиктор. Наиболее эффективным по показателю - величине общей оправдываемости прогнозов из них является
Y =-1.499 + 0.361ДПП - 500 . (1)
Y =-3.670 + 0.58QD500
В выражение (1) подставляют исходные данные и рассчитывают значения y и y . Если выполняется условие y > y , следует прогнозировать грозу, в противном случае - отсутствие грозы.
С целью оценки успешности полученного дискриминантного правила были проведены его испытания. Значения D500 из исходной архивной выборки были подставлены в (1), получены прогностические заключения и составлена таблица сопряженности фактических данных и результатов прогнозирования (табл. 1).
Таблица 1
Таблица сопряженности для выражения (1)
Прогноз Факт Е
Гроза Без грозы
Гроза 38 14 52
Без грозы 36 112 148
Е 74 126 200
Показатели успешности, рассчитанные по данным табл. 1, приняли следующие значения: общая оправдываемость U=0,75, показатель Н. А. Багрова H = 0,43, показатель А. М. Обухова Q = 0,49, суммарный показатель (и++П+)=124. В суммарном показателе U+ - это повторяемость оправдавшихся прогнозов на наличие явления (грозы) по отношению к общему числу случаев прогноза наличия явления (грозы), П+ - предупрежденность о случаях с явлением [3].
На втором шаге получено выражение, включающее по два предиктора, один из которых D500. Лучшим оказалось выражение
Y_ =-13.705 + 0.626Д00 - 1.299Г500 Y =-18.818+ 0.875ДШ - 1.447Г500
(2)
Проведенные испытания позволили получить таблицу сопряженности (табл. 2) и произвести оценку успешности прогностического выражения (2) по соответствующим показателям.
Таблица 2
Таблица сопряженности для выражения (2)
Прогноз Факт Е
Гроза Без грозы
Гроза 40 12 52
Без грозы 34 114 148
Е 74 126 200
Показатели успешности, вычисленные по таблице 2, составили: Ц=0,77, Н = 0,47, Q = 0,54, (и++П+)=131.
На третьем шаге были составлены прогностические выражения, содержащие по три предиктора, двумя из которых являются лучшие предикторы, определенные на втором шаге. Анализ показал, что лучшим выражением оказалось то, которое включает предиктор А:500-850.
Y- = -17.902 +1.4320500 -1.47475«, + 0.71 Y+=-25.038 + 1.856D500 - 1.66Щ«, + 0.873^-850
(3)
Таблица сопряженности, полученная по результатам испытаний прогностического выражения (3) представлена табл. 3.
Таблица 3
Таблица сопряженности для выражения (3)
Прогноз Факт Е
Гроза Без грозы
Гроза 40 10 50
Без грозы 34 116 150
Е 74 126 200
Показатели успешности, полученные по результатам испытаний, представленным в табл. 3, оказались равными: и = 0,78, Н = 0,49, Q = 0,57, (и++П+) = 134. Включение в прогностическую схему четвертого предиктора ДГ850_500 не привело к повышению показателя общей оправдываемости, что свидетельствует о целесообразности прекращения процедуры отбора предикторов на третьем этапе.
На следующем этапе представленные лучшие прогностические выражения, полученные на каждом этапе, были испытаны на независимом материале, то есть также получены таблицы сопряженности результатов прогноза с фактическими данными и рассчитаны показатели успешности. В ходе анализа выяснилось, что показатели успешности растут до третьего шага построения прогностических выражений включительно. Данный факт свидетельствует о том, что дискриминантное выражение, включающее три предиктора, является наиболее успешным.
Показатели успешности выражения (3), полученные по контрольной выборке, имеют значения: и=0,75, Н = 0,45, Q = 0,47, (и++П+)=128.
Кроме того, по имеющейся контрольной архивной выборке были проведены испытания существующего способа прогноза гроз, способа Вайтинга. Показатели успешности разработанного способа прогноза гроз и способа прогноза гроз Вайтинга, полученные по используемой в работе контрольной архивной выборке, представлены в таблице 4.
Анализ полученных результатов позволяет сделать вывод о том, что разработанный способ прогноза грозы имеет удовлетворительную успешность, результаты его испытаний устойчивы.
Таблица 4
Оценки успешности прогностических способов
Способ прогноза Показатели успешности
Н Q и
Способ Вайтинга 0,41 0,48 0,70
Разработанный способ 0,45 0,47 0,75
Анализ предикторов, вошедших в прогностическое выражение (3), и исходных данных, требующихся существующим способам прогноза грозы, позволил сделать следующие выводы:
1) прогноз гроз связан с учетом основных факторов, определяющих развитие конвекции;
2) удовлетворительное краткосрочное прогнозирование гроз осуществимо с применением данных только температурно-влажностного зондирования атмосферы;
3) относительно способа прогноза гроз Вайтинга, как наиболее близкого по требуемым исходным данным, полученный прогностический способ более
учитывает температурно-влажностные характеристики средней части тропосферы. Температурный режим нижней части тропосферы не нашел отражения в разработанном способе прогноза по-видимому из-за местных особенностей исследуемого региона и качества архивной выборки.
Таким образом, в результате проделанной работы получен новый способ прогнозирования гроз по Центрально-Черноземному региону, а именно для пункта Тамбов. Способ характеризуется удовлетворительной успешностью. Также в качестве положительных сторон вновь разработанного прогностического способа следует отметить необходимость использования при его реализации вполне доступных предикторов, для получения которых достаточно результатов температурно-влажностного зондирования атмосферы до уровня изобарической поверхности 500 гПа.
Библиографический список
1. Скирда И. А., Садковский В. И., Мозиков В. И. Авиационные прогнозы погоды. — М.: Воениздат, 1995. — 421 с.
2. Руководство по краткосрочным прогнозам погоды. — Л.: Гидрометеоиз-дат, 1986. Ч. 1. — 702 с.
3. РД 52.27.284-91. Методические указания. Проведение производственных (оперативных) испытаний новых и усовершенствованных методов гидрометеорологических и гелиогеофизических прогнозов. — СПб.: Гидрометеоиз-дат, 1991. — 150 с.
