 |
3 Использование спутниковой метеорологической информации для обнаружения зон грозовой деятельности
|
|
|
|
3. 1 Применение спутниковой метеорологической информации для распознавания атмосферных явлений
Оперативное использование спутниковой метеорологической информации до настоящего времени в основном базируется на интерпретации снимков облачности, осуществляемой визуально экспертами-метеорологами. Между тем все возрастающее количество снимков, поступающих с геостационарных и полярно-орбитальных метеорологических спутников, делает чрезвычайно актуальной задачу создания комплекса методов, которые обеспечат автоматическое распознавание атмосферных явлений в облачности и количественную оценку их интенсивности.
Создание такой системы оказалось возможным на основе комплекса новых методов автоматизированного количественного анализа спутниковой информации, разработанных специалистами НИЦ «Планета» и Гидрометцентра России. Первоначально эти методы были применены к информации, поступающей с полярно-орбитального спутника NOAA-16. В результате, уже с 2004 г. в НИЦ «Планета» начат оперативный выпуск и верификация спутниковых карт таких метеорологических параметров, как средняя и максимальная интенсивность осадков, их фаза, интенсивность гроз и др. [9, 10].
К настоящему времени завершен этап создания новых методов обработки снимков облачности, поступающих с геостационарных искусственных спутников Земли [11]. Опытная реализация этих методов, проведенная в НИЦ «Планета» летом 2005 г. на основе информации с геостационарного искусственного спутника Земли Meteosat-7, показала, что дополнительный учет специализированной прогностической информации позволяет по снимкам инфракрасного диапазона удовлетворительно оценивать значения не только интенсивности осадков и гроз, но и ряда других метеорологических параметров.
|
|
|
Методика дешифрирования облачного покрова идентифицирует и классифицирует облачность на космических изображениях с последующим восстановлением количественных характеристик высота (км) и температура (°С) верхней границы облачности. Карты могут использоваться для анализа облачности над большей частью территории России (оперативная оценка мощности облачных образований, обнаружение грозовых ячеек и их эволюция). На картах видны фронтальные облачные массивы, основные барические образования. По разработанной методике определяются формы облачности.
Данные продукты могут быть использованы при составлении прогноза града, гроз, обледенения судов и др.
Главным алгоритмическим ядром методики является комплекс научных алгоритмов AWG, реализованных в программном комплексе CLAVR-x.
В качестве исходных данных для дешифрирования алгоритмами AWG используются измерения радиометра AVHRR (Level-1b) космических аппаратов NOAA-19, NOAA-18, NOAA-15 и MetOp-B. Процесс классификации и восстановления количественных характеристик облачности многоэтапный [9].
Первоначально производится обнаружение облачности, затем определяются типы облачности и ее фазовое состояние. После рассчитываются параметры верхней границы (Р, Т, Н) и оптические и микрофизические свойства облака.
На заключительном этапе производится подробная морфологическая классификация облачности. С целью определения степени достоверности методики было проведено несколько оценок качества получаемых информационных продуктов:
- оценка точности определения облачности на основе данных наземной наблюдательной сети (использовались приземные и кольцевые карты погоды за ближайшие сроки);
- оценка точности расчета методикой параметров верхней границы облачности на основе данных космического аппарата CALIPSO, лидара CALIOP;
|
|
|
- оперативные испытания с данными доплеровского метеолокатора, проводимые в течение года (с 1 июня 2015 г. по 11 мая 2016 г. ).
Общие результаты испытания отражают графики: оправдываемость типизации облачности не опускается ниже 88% даже в зимние месяцы, а в переходные сезоны составляет 100% (сентябрь-октябрь, февраль-май). Точность расчета параметров облачности падает при уменьшении температуры воздуха у подстилающей поверхности и установлении снежного покрова, затрудняющего обнаружение облачности – в среднем на 6% уменьшается точность определения типов облачности, и на 19% точность определения параметров верхней границы облачности.
На текущий момент в современных центрах оперативно используется информация со следующих космических аппаратов: NOAA-15, NOAA-18, NOAA-19, METOP-B. На всех перечисленных аппаратах установлен микроволновый радиометр AVHRR. Прибор обладает пятью спектральными каналами со следующими характеристиками: 1 канал (0. 58 - 0. 68 мкм), 2 канал (0. 725 - 1. 00 мкм), 3 канал (3. 55 - 3. 93 мкм), 4 канал (10. 3 - 11. 3 мкм), 5 канал (11. 5 - 12. 5 мкм); пространственное разрешение 1 км [10].
В методике реализовано множество научных алгоритмов-тестов, которые активно используют как вспомогательную информацию (температура, влажность и т. д. ), так и спутниковую информацию. Все спектральные каналы прибора AVHRR задействованы в расчетах методики.
В основе методики лежит синтез научных алгоритмов, реализованных в программном комплексе The Clouds from AVHRR Extended (CLAVR-x) и исследования Волковой Е. В., реализованные в Комплексной пороговой методике.
Проведение непрерывного круглосуточного мониторинга осадков и гроз основано на использовании значений интенсивности уходящего теплового излучении облачности, регистрируемого с геостационарных искусственных спутников Земли в инфракрасном диапазоне 10-12 мкм. Снимки облачности имеют наивысшее пространственное разрешение в подспутниковой точке (в инфракрасном диапазоне у искусственного спутника Земли Meteosat-7 оно составляет примерно 5 км). В умеренных широтах и при приближении к краю видимого диска Земли пространственное разрешение снимков заметно ухудшается. При этом элемент разрешения принимает форму эллипса, большая ось которого при удалении от подспутниковой точки возрастает до 15-30 км [12].
|
|
|
При наблюдении облачности с геостационарных спутников вблизи края видимого диска Земли наблюдается известное «лимбовое потемнение» снимков инфракрасного диапазона. Причиной этого является увеличенная длина пути инфракрасного излучения через верхние более холодные, но немного поглощающие (что и дает потемнение), слои атмосферы. Величину лимбового потемнения можно определить, если сравнить синхронные снимки, получаемые (в одинаковых спектральных диапазонах) с геостационарных и полярно-орбитальных искусственных спутников Земли серии NOAA. Для этого на снимках NOAA выбирают участки с облачностью, тепловое излучение которой поступает на искусственных спутников Земли с направления в надир, т. е. при минимальном зенитном угле, под которым со спутника виден конкретный участок облачного покрова [11].
С целью максимального использования алгоритмов восстановления метеорологических параметров, ранее разработанных для радиометров полярно-орбитального искусственного спутника Земли NOAA-16 [13, 14], введен специальный расчетный параметр – приведенная радиационная температура (Тр) облачности. Причем, значение Тр рассчитывается таким образом, чтобы оно как можно меньше зависело от зенитного угла.
Обобщенное выражение для значений приведенной радиационной температуры облачности на снимках инфракрасного диапазона, поступающих с искусственного спутника Земли Meteosat-7, можно представить в виде формулы (1):
Тр ≅ Трк – δ Тр(Θ ), (1)
где Трк – значение радиационной температуры облачности на снимках после их абсолютной калибровки;
δ Тр(Θ ) – расхождение между абсолютными значениями радиационной температуры одних и тех де участков облачности, одновременно измеренными с помощью одинаковых спектральных каналов инфракрасного диапазона с геостационарного (при зенитном угле Θ ) и полярно-орбитального (при Θ ~ 0º ) спутников.
Используя значение Тр, которое практически не зависит от зенитного угла наблюдения, для оценки первого из рассчитываемых параметров – максимальной высоты верхней границы облачности (Нвго), воспользуемся следующим соотношением по формуле (2) [13, 14]:
|
|
|
Нвго ≅ С1Н (Т0) ∗ Тр, (2)
где С1Н - эмпирический коэффициент, величина которого зависит от температуры воздуха у земли Т0.
Значение температуры воздуха на момент каждой спутниковой съемки можно оценить по ее прогнозу, рассчитываемому для этой же территории, например, по специальной версии региональной модели численного краткосрочного прогноза погоды.
Следует отметить, что Нвго, рассчитываемая по формуле (2), позволяет определить высоту только самых верхних слоев облачного покрова. В районах изолированных кучево-дождевых (Cb) облаков летнего периода Нвго обычно соответствуют их максимальной высоте. Однако в районах атмосферных фронтов и циклонов, облачность часто имеет сложную вертикальную структуру. В таких случаях съемка в инфракрасном диапазоне обеспечивает регистрацию теплового излучения преимущественно самой высокой перисто-слоистой облачности (Cs), которая маскирует возможность наблюдения под ней более низкой слоисто-дождевой (Ns) облачности. Учитывая это, введем дополнительный параметр – эффективная высота верхней границы осадкообразующей облачности (Нэф) и запишем в виде формулы (3) [12]:
Нэф ≅ С2Н (∇ Т0, dT7, Тр, ∆ Тр) ∗ Нвго, (3)
где С2Н - эмпирический коэффициент, величина которого зависит от максимального значения горизонтального градиента (∇ Т0) приземной температуры воздуха в анализируемом районе, дефицита точки росы на уровне 700 гПа (dT7), приведенной радиационной температуры и ее лапласиана (∆ Тр).
Из соотношения (3) видно, что величина Нэф совпадает с Нвго только при распознавании кучеводождевой облачности (для нее С2Н = 1). При значениях параметров ∇ Т0 и dT7, соответствующих Ns или отсутствию осадкообразующей облачности, величина Нэф оказывается существенно меньше Нвго. Вследствие этого применение Нэф в последующих вычислениях оказывается более корректным, чем Нвго.
Учитывая соотношения (1)-(3), а также взаимосвязи, представленные в работах [12, 13, 14], оценку максимальной скорости вертикальной восходящих движений, средней и максимальной интенсивности осадков и гроз по снимкам с геостационарных спутников проведем следующим образом (формулы 4-7):
Wm ≅ CW (Т0) ∗ Нэф2, (4)
Imed ≅ C11 ∗ Wm2 ∗ F1 (Tp, γ, Р, Wm), (5)
|
|
|
Imax ≅ C12 ∗ Wm ∗ F1 (Tp, γ, Р, Wm), (6)
G = G0 (Нэф) ∗ F2 (Тр, Dmax, Imed), (7)
где Wm - максимальная скорость вертикальных восходящих движений в облачности;
Imed, Imax – среднее и максимальное значения интенсивности осадков;
G – интенсивность гроз;
CW, C11 и C12 - эмпирические коэффициенты, причем, значение CW зависит от температуры воздуха у земли;
γ - средний вертикальный градиент температуры воздуха в слое от земли до верхней границы облачности;
Р – вероятность осадков;
Dmax – максимальный диаметр градин в кучево-дождевой облачности;
F1 и F2 – дискриминантные функции наличия (F1 = F2 = 1) и отсутствия (F1 = F2 = 0) осадков и гроз.
При этом значения γ и Dmax рассчитываются аналогично [12, 13, 14], а значение вероятности ливневых осадков из кучево-дождевой облачности можно оценить по различию между Тр и ее минимальным значением в ближайшей окрестности.
Как показало сравнение с данными наземных и спутниковых наблюдений, разработанная первая версия методики диагноза по снимкам с искусственным спутником Земли Meteosat-7 позволила на качественном уровне в основном правильно распознавать районы, в пределах которых отмечались осадки и грозы. При этом пространственная и временная детальность районов с осадками и грозами, которые диагностировалось по данным с искусственным спутником Земли Meteosat-7, оказалась существенно выше, чем у NOAA-16 и у сравнительно редкой сети наземных метеорологических наблюдений [14].
Для иллюстрации результатов, получаемых при оценке параметров осадков и гроз по информации с искусственным спутником Земли Meteosat-7 и NOAA-16, сравним конкретные примеры спутникового диагноза. При вычислении метеорологических параметров по данным NOAA-16, приведенный размер элементов обзора (пикселов) поверхности радиометрами инфракрасного и микроволнового диапазонов принимался одинаковым и изменялся от 24 км в надире до 40х60 км*км на краях учитываемой ширины полосы обзора земной поверхности. Пиксели, размер которых превышал 40*60 км*км, исключались из рассмотрения.
Обратимся к ситуации, которая наблюдалась в дневное время 14 июня 2005 г., когда на картах приземного анализа погоды на европейской территорией России отмечены атмосферные фронты в малоградиентном барическом поле. В атмосфере также имелись области пониженного давления и значительная неустойчивость теплой и влажной воздушной массы.
Координаты зон осадков и гроз, диагностированных по почти синхронным спутниковым снимкам с искусственного спутника Земли NOAA-16 и Meteosat-7, представлены на рисунке 11.
Из сравнения рис. 11а и рис. 11б видно, что географическое положение зон осадков, диагностированных по разным спутниковым снимкам, в большинстве случаев совпадает. Размеры отдельных зон, диагностированных по данным искусственного спутника Земли Meteosat-7, заметно меньше, а их количество примерно в 10 раз больше, чем по NOAA-16. Наличие осадков в этих районах частично подтверждено и результатами наземных измерений, проведенными в период между стандартными синоптическими сроками 09 и 12 ч по московскому времени. Причем, по данным искусственного спутника Земли Meteosat-7 (рис. 11б) дополнительно диагностированы не только локальные зоны конвективных осадков, но и сравнительно большое скопление очагов с осадками в районе с координатами 47-52˚ в. д. и 50-54˚ с. ш.
Аналогичное соответствие можно видеть и для гроз (см. рис. 11в и рис. 11г). При этом количество диагностированных очагов с грозами существенно меньше, чем с осадками (рис. 11а, 11б), а в отдельных случаях они отмечены и при отсутствии осадков. Наличие гроз в этих районах не противоречит результатам ближайших наземных и радиолокационных наблюдений [15].
Рисунок – 11 Координаты зон с осадками (а, б) и грозами (в, г), диагностированными по данным радиометров искусственного спутника Земли NOAA-16 (а, в) и Meteosat-7 (б, г). Спутниковая съемка проведена 14 июня 2005 г. в 10 ч 56 мин (Meteosat-7) и в 11 ч 09 мин (NOAA-16) по московскому времени
Соотношения между рассчитанными значениями ряда параметров, представлены на рисунке 12. При вычислениях учтено, что пространственная детальность информации радиометров искусственного спутника Земли NOAA-16 примерно в 4 раза грубее, чем у Meteosat-7, и время проведения съемок немного различается. Поэтому каждому значению параметра, рассчитываемого по данным искусственного спутника Земли NOAA-16, ставилось в соответствие несколько ближайших (в окрестности ±0. 2˚ по широте и долготе) значений того же параметра, рассчитываемого по данным искусственного спутника Земли Meteosat-7 [15].
Рисунок – 12 Графики соответствия между значениями радиационной температуры облачности (а), температурой поверхности суши и прогностической температурой воздуха у земли (б), высотами верхней границы облачности (в), средней интенсивностью осадков (г), ее градациями (д) и интенсивностью гроз (е), рассчитанными по измерениям с искусственных спутников Земли NOAA-16 и Meteosat-7
Несмотря на то, что координаты большинства зон с осадками, диагностированными по искусственному спутнику Земли Meteosat-7 и NOAA-16, оказались примерно одинаковыми (см. рис. 12а, 12б), соответствующие значения радиационной температуры на верхней границе облачности, зарегистрированные в этих же районах, существенно различаются (см. рис. 12б). Причем, диапазону сравнительно небольших средних значений Тр от -20 до - 30˚ С, зарегистрированных с помощью измерений на искусственном спутнике Земли NOAA-16, данным искусственного спутника Земли Meteosat-7 соответствуют существенно более низкие температуры (от -26 до -46˚ С), типичные для облачности с осадками [16].
Можно заметить, что причинами наблюдаемого несоответствия Тр являются: большая пространственная изменчивость Тр в районах развития кучево-дождевой облачности, различное пространственное разрешение используемых радиометров и несколько разное время съемки (11 ч 09 мин для NOAA-16 и 10 ч 56 мин МСВ для Meteosat-7). Эти же причины, а также заметное различие (до 5-10˚ С) между значениями прогностической температуры воздуха и рассчитываемой (по NOAA-16) температуры поверхности суши (см. рис. 12б), влияют и на большой (до 4-5 км) разброс в оценках Нвго (см. рис. 12в) в зонах осадков.
Как видно на рис. 12в, вычисления Нвго по измерениям с обоих спутников статистически лучше согласуются при больших значениях (Нвго > 8 км), соответствующих кучево-дождевой облачности. В районах с Нвго < 8 км, где доминируют Ns, средние значения Нвго по данным с искусственного спутника Земли Meteosat-7 существенно больше (в 1. 5-2 раза), чем по NOAA-126. Можно показать, что в районах с осадками значения Нэф, рассчитываемые по формуле (3) для Meteosat-7, лучше согласуются с Нвго, вычисляемой по измерениям NOAA-16.
Как следствие выше перечисленных причин, соотношения между значениями средней (аналогично и максимальной) интенсивности осадков (рис. 12г) и ее градациями (рис. 12д), рассчитанные по информации искусственного спутника Земли Meteosat-7 и NOAA-16, также имеют сравнительно большой разброс.
Статистически менее значимым оказалось соответствие между значениями интенсивности гроз (рис. 12е). Причем, по данным с искусственного спутника Земли З Meteosat-7 интенсивность гроз на 1-2 градации выше, что объясняется более высокой пространственной детализацией кучево-дождевой облачности Сb и, как следствие, более точной оценкой ее Нвго. Как показал анализ снимка с искусственного спутника Земли Meteosat-7, полученного в 11 ч 30 мин МСВ, дополнительной причиной разброса сравниваемых больших значений интенсивности осадков и гроз является сравнительно быстрая изменчивость во времени значений Тр в районах с кучево-дождевой облачностью [15].
Более высокая периодичность, пространственная детальность и обзорность съемки с геостационарных спутников делают перспективным дальнейшее совершенствование рассмотренного подхода и его применение для мониторинга таких явлений в районах, где сеть наземных и радиолокационных метеорологических наблюдений отсутствует или не является достаточно плотной.
3. 2 Меры по обеспечению безопасности полетов на основе использования спутниковой метеорологической информации
Уникальность метеорологических искусственных спутников Земли заключается в том, что, производя обзор с больших высот, они дают возможность:
- проводить наблюдения одновременно в глобальном масштабе в непрерывном режиме;
- наблюдать крупно- и мезо-масштабные системы погоды с одной и той же точки обзора;
- проводить мониторинг и своевременное оповещение о зарождении и приближении коротко живущих опасных циклонов макро- и мезомасштаба, создающих штормовые условия;
- практически мгновенно проводить измерения, сканирование, частичную обработку больших объемов информации.
Важнейшей составляющей метеорологического обеспечения авиации является разработка авиационных прогнозов погоды. Их качество в значительной мере определяется достоверностью и полнотой исходных метеорологических данных. Однако в настоящее время количество метеорологических станций и аэрологических пунктов наблюдений значительно сокращается, наземная метеорологическая информация становится ещё более пространственно дискретной, и целые регионы остаются практически неосвещёнными в метеорологическом отношении [16].
В этих условиях актуальным становится вопрос максимально эффективного использования обзорной спутниковой информации в задачах метеорологическою обеспечения авиации. Особую важность приобретают количественные оценки метеорологических величин и методики их определения в макромасштабных облачных системах.
Основными видами информации, которая поступает с метеорологических спутников Земли, являются данные дистанционного зондирования окружающей среды и космические изображения облачности и подстилающей поверхности.
Данные метеорологических искусственных спутников Земли включают в себя информацию:
- о типе, количестве и верхней границе облаков;
- о вертикальном распределении температуры и влажности;
- о ветре в верхних слоях атмосферы.
При анализе спутниковых данных необходимо обращать внимание на эволюцию облачных систем, атмосферных фронтов и циклонов, на обнаружение зон турбулентности, низкой облачности и струйных течений; уточнение их географического положения.
Эта информация принимается метеорологическими органами непосредственно с геостационарных спутников или спутников с полярной орбитой. Кроме этого, данная информация может быть получена при анализе карт нефанализа, т. е. карт схематического представления результатов дешифрования спутниковых фотографий облачности.
Для разработки авиационного прогноза погоды высокого качества необходим анализ большого объема аэросиноптического материала и спутниковой информации различного вида (спутниковые фотографии облачного покрова, и радиометрические данные в различных диапазонах длин волн, спектрометрические измерения, информация геостационарных спутников) получение которого, в метеорологических подразделениях авиационных чашей и соединений н полном объеме, практически не предоставляется возможным [16].
Согласно Приложения 3 к конвенции о гражданской авиации, эксплуатанты и члены летного экипажа обеспечиваются метеорологической информацией для:
1) осуществляемого эксплуатантами предполетного планирования;
2) осуществляемого эксплуатантами изменения плана полета с использованием системы централизованного руководства производством полетов;
3) использования членами летного экипажа перед вылетом;
Метеорологическая информация, которой снабжаются эксплуатанты и члены летного экипажа, отвечает полетным требованиям в отношении времени и высоты полета и географической протяженности маршрута. Соответственно эта информация относится к определенному моменту или периоду времени и является достаточной для обеспечения полета до аэродрома намеченной посадки, и в ней содержатся данные об ожидаемых метеорологических условиях на отрезке маршрута между аэродромом намеченной посадки и запасными аэродромами, назначенными эксплуатантом.
Метеорологическая информация, которой снабжаются эксплуатанты и члены летного экипажа, содержит последние данные и включает следующие сведения, согласованные между метеорологическим полномочным органом и соответствующими эксплуатантами, о прогнозах:
1) ветра и температуры на высотах;
2) влажности воздуха на высотах;
3) геопотенциальной абсолютной высоты эшелонов полета;
4) высоты тропопаузы в единицах эшелона полета и температуры тропопаузы;
5) направления, скорости максимального ветра и его высоты в единицах эшелона полета;
6) явлений SIGWX;
7) кучево-дождевых облаков, обледенения и турбулентности.
Спутниковые данные привлекаются при составлении и уточнении прогноза стихийных гидрометеорологических явлений (ливней, гроз), определению зон туманов, обширных зон повышенной конвекции, зон штормовых ветров, в т. ч. шквалов.
Благодаря частоте съёма спутниковой информации 1. 5 – максимум 3 часа, активно использются продукты ПП «МетеоГамма» при всех видах консультаций авиационных пользователей: экипажей ВС перед вылетом, смен диспетчеров, при проведении анализа синоптической обстановки и авиационных прогнозов.
Оно применяется c целью получения гидрометеорологических параметров облачности в летний период. [15].
Для использования в оперативной практике синоптика имеются широкие возможности визуального анализа принятой информации:
- определение направления смещения облачных систем (фронтов, вихрей, отдельных облаков);
- отслеживание возникновения и развития мезомасштабных форм облачности (кучево-дождевых облаков, линий шквалов);
- расчет гидрометеорологических параметров облаков: температуру верхней границы; высоту верхней границы; водозапас; толщину облачного покрова.
Спутниковая информация успешно применятся для обнаружения зон грозовых очагов. Осуществляется обнаружение световых вспышек о у вершин об 
лаков, что обеспечивает точное определение зон грозовой деятельности [9].
На спутниковых снимках хорошо видны мощные кучево-дождевые (Сb) облака, в которых возможны интенсивные грозы. Это позволяет распознавать облачность с грозами по снимкам с полярно-орбитальных [14] и геостационарных [12] спутников. Периодичность съемки облачности с геостационарных спутников, достигающая 15 мин, и доступность этой информации по системе EUMETCast почти в реальном времени сделали карты ав 
томатизированного диагноза гроз полезными для работы руководителей полетов.
Спутниковая съемка регистрирует мгновенные значения радиационной температуры на верхней границе облаков. При этом наиболее надежно распознаются грозы в тех Cb, которые в момент съемки имели максимальное вертикальное развитие. Активность и вертикальное развитие каждого конкретного Сb могут измениться в течение нескольких минут. Поэтому диагноз гроз в быстро изменяющейся облачности оказывается справедлив также в течение нескольких минут с момента спутниковой съемки.
Сравнение с данными действующих сетей грозопеленгации, накопленными за разные интервалы времени, привело к необходимости изменения понятия диагноза гроз таким образом, чтобы можно было оценивать вероятность их возникновения в течение более длительного интервала времени. Например, в течение 15 мин, которые соответствуют периодичности съемки облачности с европейских геостационарных спутников второго поколения («Meteosat-8», «Meteosat-9» и «Meteosat-10»).
Действующие сети грозопеленгации существенно различаются по числу и географическому положению электрических разрядов, регистрируемых в одни и те же временные интервалы. Это обусловило выбор таких сетей грозопеленгации, информация которых лучше согласуется между собой и поэтому может быть принята для сравнения с результатами диагноза вероятности гроз по спутниковой информации. 
Для оперативного распознавания гроз используются значения радиационной температуры Тр на верхней границе облачности, регистрируемые с разных геостационарных спутников в инфракрасном диапазоне (10-11 мкм) и имеющие пространственное разрешение в подспутниковой точке (на экваторе) от 3 до 5 км. По мере удаления от подспутниковой точки размеры элемента пространственного разрешения увеличиваются, и он приобретает форму эллипса, вытянутого в направлении видимого края земного диска,
При автоматизированной обработке исходную спутниковую информацию преобразуют на сетку, имеющую одинаковый шаг – 0, 1° географической широты и долготы. Размер каждого пикселя сетки анализируемых значений Тр имеет протяженность ~ 11 км по географической широте и от 1 (на экваторе) до ~ 3 км (вблизи северной точки зоны обзора) по долготе. После вычисления значений высоты верхней границы облаков (Н ВГО) их географические координаты дополнительно уточняются в соответствии с данными работы [10] для устранения искажений (параллакса).
Согласно данным работы [12] для успешного распознавания гроз по информации геостационарных спутников необходимо не только знать регистрируемое значение радиационной температуры Тр па верхней границе облаков и ее пространственную изменчивость, но и проводить оценки значений Н ВГО средней интенсивности осадков, а также использовать ряд метеорологических параметров атмосферы в момент спутниковой съемки. С учетом этого обобщенное выражение для распознавания грозы в момент спутниковой съемки имеет вид следующей функциональной зависимости, представленный в формуле (8):
G = G (Tp, Δ Tр, Н ВГО, Hо, Imed, TB, D(h)), (8)
где: Δ Tр – лапласиан радиационной температуры;
Но – высота нулевой изотермы;
Imed – спутниковая оценка средней интенсивности осадков;
Тв – температура воздуха у земной поверхности;
D(h) – вертикальное распределение влажности атмосферы.
При оценке вероятности возникновения гроз в течение 15 минут необходимо учитывать, что значения ряда параметров, входящих в данное уравнение, за это время могут измениться. Если изменение превысит некоторое критическое значение, то вероятность грозы уменьшится: Поэтому для каждого параметра необходимо знать диапазон значений, при которых их влияние на грозу максимально, а также предельные значения, выход за которые исключает возможность возникновения грозы.
Учитывая это и рассматривая независимое влияние каждого из параметров, представленных в предыдущем уравнении, обобщенное выражение для определения результирующей вероятности грозы представим в виде формулы (9):
Р ~ Р1 (Tp) Р2 (Δ Tр) Р3 (Н ВГО) Р4 (Hо) Р5 (Imed) Р6 (TB) Р7 D(h)), (9)
где Pi (i = 1, 2, 3, …) эмпирические зависимости вероятности грозы от значений каждого i-го параметра (0 < Pi < 1).
Следует отметить, что совокупность параметров, от значений которых зависит вероятность гроз, не ограничивается только теми, которые представлены во втором уравнении. Для ряда районов дополнительно может потребоваться учет и других параметров, связь которых с грозами известна 
Спецификой круглосуточного диагноза вероятности гроз по спутниковым данным является использование только тех значений метеорологических величин, которые наблюдаются в момент проведения спутниковой съемки конкретной облачности. В технологии, реализованной в НИЦ «Планета» [12], для этого берутся специально рассчитываемые выходные данные гидродинамической модели регионального прогноза Гидрометцентра России [17]. Необходимым условием правильной настройки эмпирических зависимостей вероятностей Pi является использование наиболее точных и распространенно непрерывных данных о грозах, регистрируемых разными сетями грозопеленгации,
Для сравнения рассмотрим карты диагноза вероятности гроз на территории России и Европы, построенные по данным геостационарных спутников «Meteosat-9», «Meteosat-7» и «MTSAT-2» (рисунок 13). Вероятность возникновения гроз рассчитана в соответствии со второй формулой. В районах перекрывающегося обзора вероятность гроз на картах диагноза по информации «Meteosat-7» (рис. 13г) оказалась несколько больше, чем на картах поза по лапным «Meteosat-9» (рис. 136) и «MTSAT-2» (рис. 13е). Причиной этого расхождения является медленное изменение со временем результатов измерений «Meteosat-7», которые интерактивно эпизодически необходимо калибровать по более точным синхронным измерениям «Meteosat-9» и «MTSAT-2».
Рисунок – 13 Фрагменты карт высоты верхней границы облаков со спутников «Meteosat-9» (б), «Meteosat-7» (г) и «MTSAT-2» (е)
Обобщая полученные результаты, можно отметить, что проведенное сравнение с накопленными (за 15 мин) данными разных сетей грозопеленгации показало удовлетворительное качество распознавания и географической привязки гроз с использованием нового подхода к диагнозу их вероятности по спутниковым данным. Это позволяет рассматривать карты диагноза вероятности гроз по спутниковым данным как дополнительный вид оперативной информации, дающей удовлетворительное обзорное представление о возможной текущей и ожидаемой грозовой опасности на маршрутах полета над территориями России и Европы [9].
Также в НИЦ «Планета» развернута и эксплуатируется с 2011 года грозорегистрационная система на основе 4-х датчиков LS 8000 компании Vaisala (Финляндия) (рисунок 14). Грозорегистрационная система позволяет в реальном времени получать временные, пространственные и токовые характеристики грозовых разрядов, а также детектировать разряды молний на землю и межоблачные разряды.
Рисунок – 14 Объединённая грозорегистрационная сеть Росгидромета (LS8000)
Основным достоинством этой системы является способность обнаруживать не только грозовые разряды типа облако-земля, но и облако-облако, что особенно важно для метеорологического обеспечения авиации. Грозорегистрационная система НИЦ «Планета» охватывает почти всю территорию Центрального федерального округа, при этом в Московском регионе вероятность обнаружения грозовых разрядов достигает 99%, а точность определения местоположения – 300 м. Аналогичная система развернута на Северном Кавказе. В 2019-2020гг. Грозорегистрационная система будет расширена, что позволит создать непрерывное поле наблюдений за грозами от Южного и Северо-Кавказского до Северо-Западного федерального округа (рисунок 15).
Рисунок – 15 Карта распределения грозовой активности на Европейской территории России за сутки 10. 07. 2019
В НИЦ «Планета» по данным грозорегистрационной системы выпускается информационная продукция, в том числе карты комплексирования со спутниковой информацией и гидродинамическим прогнозом Гидрометцентра России, которая используется для мониторинга и прогноза опасных явлений погоды в целях обеспечения безопасности полетов авиации.
Безопасностью полетов является состояние, при котором риски, связанные с авиационной деятельностью, относящейся к эксплуатации воздушных судов или непосредственно обеспечивающей такую эксплуатацию, снижены до приемлемого уровня и контролируются.
Данные о безопасности полетов – определенный набор фактов или значимых результатов, касающихся безопасности полетов и полученных из различных связанных с авиацией источников, которые используются для поддержания или повышения уровня безопасности полетов.
Сбор таких данных о безопасности полетов осуществляется в ходе связанных с безопасностью полетов мероприятий проактивного или реагирующего характера, включая, в частности:
1) расследования авиационных происшествий или инцидентов;
2) отчетность в области безопасности полетов;
3) представление данных о поддержании летной годности;
4) мониторинг эксплуатационных характеристик;
5) инспекции, проверки, обследования;
6) исследования и обзоры состояния безопасности полетов.
Информация о безопасности полетов – это обработанные, организованные или проанализированные в конкретном контексте данные о безопасности полетов с тем, чтобы сделать их пригодными для целей управления безопасностью полетов [3].
Грозы опасны интенсивной турбулентностью в облаках, способной вызвать сильную болтанку и перегрузки, превышающие предельно допустимые значения; сильным обледенением на высотах, где температура воздуха ниже 0 °С; возможностью поражения самолета молниями; интенсивными ливневыми осадками [16].
Грозы являются опасными явлениями погоды для авиации. Опасность полетов в условиях грозовой деятельности связана с сильной турбулентностью воздуха и возможностью попадания молнии в самолет, что может вызвать его повреждение, поражение экипажа и вывод из строя оборудования.
Наиболее опасными являются фронтальные грозы, которые охватывают большие пространства и перемещаются с большой скоростью. Внутримассовые грозы занимают меньше пространства и их легче обходить.
Самолетовождение в зоне грозовой деятельности характеризуется следующими условиями:
1. Возможностью удара молнии в самолет, что может вызвать опасную ситуацию.
2. Сильной болтанкой, вызываемой большой турбулентностью воздуха, затрудняющей управление самолетом и выдерживание заданного ре
|
|
|
