Геоинформационные технологии и
математические модели для мониторинга
и управления экологическими и
социально-экономическими системами
Барнаул 2011
УДК 004.5+528.9
ББК 32.97+26.1
Г35
Рецензенты: Белов В.В., Бычков И.В., Гордов Е.П., Добрецов Н.Н., Жижимов О.Л., Лагутин А.А.,
Лепихин А.М., Ловцкая О.В., Мазов Н.А., Массель Л.В., Москвичев В.В.,
Ничепорчук В.В., Пчельников Д.В., Рапута В.Ф., Ротанова И.Н., Ружников Г.М.,
Смирнов В.В.,Черкашин А.К., Якубайлик О.Э.
Barnaul 2011
UDK 004.5+528.9
BBK 32.97+26.1
G35
Reviewers: V.V. Belov, I.V. Bychkov, E.P. Gordov, N.N. Dobretsov, O.L. Zhizhimov, А.А. Lagutyn,
A.M. Lepikhin, O.V. Lovtskaya, N.A. Mazov, L.V. Massel, V.V. Moskvichev,
V.V. Nicheporchuk, D.V. Pchelnikov, V.F. Raputa, I.N. Rotanova, G.M. Ruzhnikov,
V.V. Smirnov, A.K. Cherkashin, O.E.Yakubailik
The monograph presents the results of scientific and practical developments in the field of
geoinformation and mathematical modeling implemented mostly within the academic integration projects and
programs but having the evident applied aspect. Functional opportunities of geoinformation provision that
includes a modeling block, hardware and software for data & technologies realization and integration, the
creation of decision support systems are demonstrated based on the wide range of current problems. The book
represents the experience of authors from research institutes of Siberian Branch of RAS, Siberian partners-
organizations as well as scientific outcomes of some academic institutions of Moscow and a CIS country.
This book is of prime interest to researchers, specialists in IT ( including GIS) as well as in mathematical
modeling and integrated studies on natural resources conservancy, global climate change and anthropogenic
risk assessment.
It is may be of interest to students, post-graduates and young scientists specializing in natural sciences,
information technologies, mathematical modeling and territory development management.
ВВЕДЕНИЕ................................................................................................................................ 9
1.1. Антропогенные риски Сибири: концепции и модели – А.М. Лепихин, В.В. Москвичев,
Ю.И. Шокин, Н.А. Чернякова.................................................................................................... 15
1.2. Система приема и оперативной обработки спутниковых данных Центра
мониторинга социально-экономических процессов и природной среды (ESEMC Direct
Readout Service) – В.В. Смирнов, Д.Л. Чубаров, A.A. Калашников ........................................ 22
1.3. Функциональные модули программного комплекса для поддержки региональных
исследований природно-климатических изменений: разработка и использование для
анализа динамики метеорологических характеристик на территории Сибири –
В.Ю. Богомолов, Е.П. Гордов, И.Г. Окладников, А.Г. Титов, Т.М. Шульгина...................... 30
1.4. Концептуальный проект российской системы прогноза лесной пожарной опасности
– Н.В. Барановский ..................................................................................................................... 43
1.5. Информационно-моделирующая система на основе компьютерной модели
руслового потока: структура, определяющие уравнения, результаты расчетов –
А.Т. Зиновьев, К.Б. Кошелев, К.В. Марусин, А.А. Шибких ...................................................... 55
1.6. Разработка ИМС для расчета течений в системе русел – А.Т. Зиновьев, А.В. Кудишин,
А.А. Шибких ................................................................................................................................ 63
1.7. Модели и методы мониторинга загрязнения окрестностей автомагистралей –
В.Ф. Рапута, В.В. Коковкин, С.В. Морозов.............................................................................. 68
1.8. Интернет-технологии и программное обеспечение для информационной системы
«Сеть образовательных учреждений Красноярского края» – А.А. Кадочников,
А.В. Токарев................................................................................................................................. 74
5
2.8. Создание тематических инфраструктур пространственных данных на примере особо
охраняемых природных территорий – Ж.С. Зиновьева, А.В. Кошкарев, А.А. Медведев,
В.А. Серебряков........................................................................................................................... 138
2.9. Сервисы и инфраструктура пространственных данных междисциплинарных
научных исследований геосистем и биоразнообразия Прибайкалья и Забайкалья –
И.В. Бычков, А.С. Гаченко, Г.М. Ружников, А.Е. Хмельнов, Р.К. Фёдоров, В.М. Плюснин,
А.Р. Батуев, А.А. Сороковой, В.И. Воронин, А.Н. Бешенцев .................................................. 145
2.10 Интеграция методов неогеографии и традиционных ГИС для визуализации
результатов исследований в энергетике – Р.А. Иванов, Л.В. Массель .................................. 156
6
CONTENS
INTRODUCTUON ..................................................................................................................... 9
1.1 Man-Made Hazards of Siberia: Concepts And Models – A.M. Lepikhin, V.V. Moskvichev,
Y.I. Shokin, N.A. Chernyakova...................................................................................................... 15
1.2. Direct Readout Service of the Enviroment and Social and Economic Processes Monitoring
Center – V.V. Smirnov, D.L. Chubarov, A.A. Kalashnikov.......................................................... 22
1.3. Functional Modules of Software Package for Supporting of Regional Research of
Environmental Changes: Development and Usage for Analysis of Meteorological
Characteristics for the Territory of Siberia – V.Yu. Bogomolov, E.P. Gordov, I.G. Okladnikov,
A.G. Titov, T.M. Shulgina ............................................................................................................. 30
1.4. Conceptual Project of Russian Forest Fire Danger Prediction System –
N.V. Baranovskiy .......................................................................................................................... 43
1.5. Information-Modeling System on the Basis of Computer Model of River Stream: Structure,
Defined Equations, Numerical Results – A.T. Zinoviev, K.B. Koshelev, K.V. Marusin,
A.A. Shibkikh................................................................................................................................. 55
1.6. Development of IMS for Computation of Flow Through a Network of River Channels –
A.T. Zinoviev, A.V. Kudishin, A.A. Shibkich ................................................................................. 63
1.7. Models and Metods of Motoway Vicinities Contamination Monitoring– V.F. Raputa,
V.V. Kokovkin, S.V. Morozov........................................................................................................ 68
1.8. Internet Technologies and Software for Information System «Network of Educational
Organizations in Krasnoyarsk Region» – A.A. Kadochnikov, A.V. Tokarev ................................ 74
2.1. Unified Information Space of Scientific Information of the Russian Academy of Sciences –
A.N. Bezdushny, V.A. Serebryakov ............................................................................................... 84
2.2. Cartographic Web-Applications and Services of Krasnoyarsk Geoinformation Portal of
SB RAS – O.E.Yakubailik ............................................................................................................ 94
2.3. Building Geocoding Web-Service Based on PostgreSQL and PostGIS – A.V. Tokarev....... 100
2.4. Accessing WMS Resources – D.V. Pchelnikov, I.I. Boldyrev, Yu.E. Makarova................... 105
2.5. Implementation of Client-Side Web-Interface of Internet GIS-Portal – A.G. Matveev ........ 115
2.6. Use of Data Assimilation Systems in Problems of Monitoring of the Environment
Condition – E.G. Klimova............................................................................................................. 121
2.7. Internet Resource as a Tool for Atmospheric Correction of Remote Measurement Data –
M.V. Engel, S.V. Afonin, V.V. Belov ............................................................................................. 130
2.8. Creation of Thematic Spatial Data Infrastructure on Example of Protected Territories –
Zh.S. Zinovyeva, A.V. Koshkarev, A.A. Medvedev, V.A. Serebryakov.......................................... 138
2.9 Services and Spatial Data Infrastructure of Interdisciplinary Research for Geosystems and
Biodiversity of Baikal Region and Transbaikalia – I.V. Bychkov, G.M Ruzhnikov,
A.E. Hmelnov, A.S. Gachenko, R.K. Fedorov, V.M. Plyusnin, A.R. Batyev, A.A. Sorokovoy,
V.I. Voronin , A.N. Beshencev....................................................................................................... 145
7
2.10 Integration of Neogeography Methods and Traditional GIS for Visualization of Energy
Research Results – R.A. Ivanov, L.V. Massel ............................................................................... 156
3.1. Using the Spatial Meteorological Data in Prognostic Methods and Example of Web
Technologies Application in Result Presentation – M.Ya. Zdereva, A.B. Kolker,
V.M. Tokarev................................................................................................................................. 163
3.2. Nature-Climatic Hazard Analysis by GIS-Technology – O.G. Nevidimova,
E.P. Yankovich.............................................................................................................................. 169
3.3. Estimation of the Potential Dangers Sections of Pipelines with the Use of GIS –
V.V. Moskvichev1, S.A. Peretokin, B.G. Sibgatulin, V.V. Nicheporchuk, K.V. Simonov,
O.E. Yakubailik ............................................................................................................................. 175
3.4. Assessment of Natural Risks Using GIS-Technologies for Forest Fires (in Katangsky Area
of Irkutsk Region) – N.E. Krasnoshtanova, A.K. Cherkashin ..................................................... 182
3.5. Geoinformation Provision for Integrated Studies in the Ob’-Irtysh Basin – V.G. Vedukhina,
Ya.E. Kuznyak, O.V. Lovtskaya, I.N. Rotanova ............................................................................ 193
3.6. On Geoinformation Nosogeographical Mapping of Altai Krai – N.Yu. Kurepina,
I.N. Rotanova ............................................................................................................................... 201
3.7. Geoinformation Model of Forming of Mineralization as Basis of Estimation of
Perspectives for Precious Metal-Bearing Capabilities of Geological Medium – A.J. Jainakov,
O.D. Kabaev, K.S. Supambaev .................................................................................................... 208
3.8. About Geographical Bindings of the Information in not Geographical Information Systems
– O.L. Zhizhimov, N.A. Mazov..................................................................................................... 221
3.9. Geoinformational System “Noise of the Town” – I.A. Sutorihin, S.A. Litvinenko................ 231
8
Введение
Введение
Геоинформационные технологии, несмотря на полувековой период своего
существования, относятся к быстро развивающимся направлениям научной, технической и
производственной сфер деятельности человека, отличаясь все более активной
востребованностью практикой. Создаваемое с помощью технологий геоинформационное
пространство характеризуется многосферностью. Оно включает сведения о географических
объектах и территориальных системах различного типа (географических, экологических,
социально-экономических), их структуре, связях, динамике, функционировании и
мониторинге посредством математического и картографического моделирования на основе
баз данных и знаний. Геоинформационные технологии неотделимы от математического
моделирования. В совокупности они рассматриваются как взаимосвязанные методы сбора,
обработки, хранения, анализа, распространения пространственно-ориентированных данных,
включая данные дистанционного зондирования Земли. Научная база геоинформационных
технологий определяет пути их развития, обеспечивает комплекс специальных знаний для
разработки аппаратных и программных средств геоинформационных систем (ГИС), создания
баз данных, цифровых карт, объектно- и предметно-ориентированных приложений.
На обширном географическом пространстве Сибири разработками в области
геоинформационных технологий и математического моделирования занимаются, в первую
очередь, научные учреждения Сибирского отделения РАН (СО РАН), а также вузы,
коммерческие и иные организации, использующие в своей деятельности информационно-
коммуникационные технологии. В силу полидисциплинарности и междисциплинарности
продукта, получаемого с помощью геоинформационных технологий, для успешного ведения
работ и получения новых значимых для науки и практики результатов, создаются
межинститутские научные и творческие коллективы, выполняются интеграционные проекты,
осуществляется регулярный обмен опытом и достижениями в математическом
моделировании и геоинформационной сфере деятельности.
Настоящая коллективная монография является элементом формирования научной
традиции показа достижений и обмена опытом в области геоинформатики и
математического моделирования в учреждениях Сибирского отделения РАН и их
организациях-партнерах из Сибирского региона. В нее включены и результаты работ,
представленные коллегами из академических институтов и центров Москвы и стран СНГ,
которые тематически органично вписываются в общую идею книги. Монография обобщает
результаты научно-исследовательских и практико-ориентированных разработок,
выполненных большей частью в рамках Интеграционного заказного проекта № 9
Президиума СО РАН «Распределенная система сбора, хранения, обработки и доступа к
данным дистанционного зондирования Земли для мониторинга социально-экономических
процессов и состояния природной среды регионов Сибири и Дальнего Востока» и
Междисциплинарного интеграционного проекта № 4 СО РАН «Информационные
технологии, математические модели и методы мониторинга и управления экосистемами в
условиях стационарного, мобильного и дистанционного наблюдения». Помимо указанных
проектов СО РАН, материалы которых являются в основном содержанием монографии, в
ней приведены результаты научных исследований и разработок других интеграционных
проектов и программ СО РАН и РАН, в том числе Программ фундаментальных
исследований РАН и СО РАН, а также Программы поддержки ведущих научных школ и
проектов РФФИ.
Для участия в монографии приглашены также авторы, не являющиеся участниками
названных выше проектов. Однако их материалы логично включены в общее содержание
монографии, так как получили апробацию на мероприятиях СО РАН, посвященных
9
Введение
обсуждению проблематики применения геоинформационных технологий и математического
моделирования для мониторинга экологических и социально-экономических систем и
управления ими.
Монография состоит из трех глав, имеющих выраженные отличия в содержательном
плане в соответствие с их тематической направленностью, при этом главы отражают
высокую степень интегрирования представленных материалов, что обусловлено
проникновением информационных технологий в различные научные и практико-
ориентированные области. Главы состоят из разделов, написанных отдельными авторскими
коллективами, однако определяющих комплексное видение, являющееся частью общего
содержательного замысла книги.
Так, в первой главе «Новые модели, методы, технологии исследования и обработки
пространственных данных, включая данные дистанционного зондирования» изложены
современные представления об информационно-моделирующих системах, рассмотрены их
проблемная ориентация и различные предметные области информационного и
математического моделирования, структурно-функциональные и практико-ориентированные
особенности на примере:
− разработки вычислительного аппарата анализа антропогенного риска
нефтегазодобывающих территорий, а также обобщенной оценки вероятностей
событий и возможных ущербов (А.М. Лепихин, В.В. Москвичев, Ю.И. Шокин,
Н.А. Чернякова);
− создания системы приема и оперативной обработки спутниковых данных центра
мониторинга социально-экономических процессов и природной среды на основе
вычислительного комплекса структурного восстановления поступающего потока
«сырых» до набора стандартизированных продуктов с распределенной обработкой
информации в режиме реального времени (В.В. Смирнов, Д.Л. Чубаров,
A.A. Калашников);
− разработки программной инфраструктуры для комплексного использования
наборов пространственно-привязанных геофизических данных, основанной на
комбинированном использовании потенциала веб- и ГИС-технологий, с целью
интеграции междисциплинарных (географических, климатических,
метеорологических) архивов данных полевых наблюдений, моделирования и
данных дистанционного зондирования (В.Ю. Богомолов, Е.П. Гордов,
И.Г. Окладников, А.Г. Титов, Т.М. Шульгина);
− создания концептуального проекта отечественной системы прогноза лесной
пожарной опасности на базе детерминированно-вероятностного подхода (Н.В.
Барановский);
− разработки информационно-моделирующей системы (ИМС) на основе
компьютерной модели руслового потока, объединяющей вычислительный модуль,
СУБД и ГИС (А.Т. Зиновьев, К.Б. Кошелев, К.В. Марусин, А.А. Шибких), в том
числе для расчета нестационарных течений воды в системах русел рек (А.Т.
Зиновьев, А.В. Кудишин, А.А.Шибких);
− численных исследований загрязнения снегового покрова с использованием
малопараметрических моделей (В.Ф. Рапута, В.В. Коковкин, С.В. Морозов);
− применения современных средств визуализации данных с использованием
Интернет-технологий для построения информационной системы «Сеть
образовательных учреждений Красноярского края» (А.А. Кадочников, А.В.
Токарев).
Вторая глава монографии имеет также развернутое название – «Интеграция
междисциплинарных данных и результатов исследований, базирующихся на
пространственных характеристиках и признаках. Инфраструктура пространственных
данных, метаданные, веб- и геосервисы» – и охватывает весьма разносторонние результаты
10
Введение
работ, отражая сложившиеся и воспринимаемые как общепринятые, но реализуемые в
конкретных приложениях, а также оригинальные подходы к решению многоплановых задач.
В главе хорошо выражена идея того, что интеграция междисциплинарных данных должна
отвечать требованиям унификации, единообразия, отработки классификаций, алгоритмов и
технологий.
Главу открывает раздел московских авторов, посвященный созданию единого научного
информационного пространства Российской академии наук на основе интеграции
разнородных научных информационных и программных ресурсов отдельных научных
учреждений. Под единым пространством понимается не формирование централизованной
системы, не навязывание всем одних и тех же решений, а стремление предоставления
пользователям более эффективных средств интеграции и поиска информации, научной
коммуникации, сотрудничества и совместной работы (А.Н. Бездушный, В.А. Серебряков).
Вопросы формирования геоинформационного портала (ГИС-портала) в Сибирском
отделении РАН – Красноярского ГИС-портала СО РАН – с позиции создания комплекса
программно-технологических решений и картографических веб-приложений рассмотрены в
разделе под авторством О.Э. Якубайлика. Автором представлено построение прикладной
геоинформационной системы для Windows на основе картографических веб-сервисов –
относительно новое направление в ГИС, практических примеров чему пока не много. Эти
программы, по сравнению со многими традиционными пакетами ГИС, которые сегодня
имеют возможность подключения к удаленным картографическим сервисам WMS/WFS,
обладают важной отличительной особенностью – они могут работать без подключения к
Интернет, в оффлайн-режиме. Эта возможность реализуется через механизм формирования
локального кэша (базы) картографических данных, состоящего из отдельных растровых
фрагментов (тайлов) данных.
Другим автором, А.В. Токаревым, рассматривается реализация веб-сервиса
геокодирования на основе развития традиционной клиент-серверной архитектуры в сервис-
ориентированные технологии для повышения степени интеграции ГИС с другими
информационными системами. Функции геокодирования позволяют «привязывать» базы
данных, которые ведет большинство ведомств, обслуживающих урбанизированные
территории и население, к картам территорий.
Решению задачи организации доступа к цифровым ресурсам на основе разработки
программного обеспечения, позволяющего создавать пользовательские наборы WMS-слоев
из различных источников (WMS-серверов), посвящен раздел, авторами которого являются
Д.В. Пчельников, И.И. Болдырев, Ю.Е. Макарова. Созданный ими набор представляет собой
виртуальный WMS-сервер, обмен данными с которым осуществляется по WMS-протоколу, и
для конечного пользователя такой сервер выглядит абсолютно так же, как будто слои набора
опубликованы непосредственно на нем.
Формирование веб-интерфейса клиентской части геоинформационного интернет-
портала представлено А.Г. Матвеевым. Разработка геопорталов и систем управления
метаданными является одной из современных тенденций развития геоинформационных
технологий. Спроектированный пользовательский интерфейс, реализация различных
способов отображения информации, быстрый доступ к основным функциям приложения
(просмотр ресурсов и их метаданных), а также сочетание информационного поиска и
фильтрации по категориям фасетной классификации показали свою эффективность при
работе с большим количеством данных. Автором описывается ряд веб-приложений,
предназначенных для выполнения операций, вошедших в состав геоинформационного
Интернет-портала СО РАН.
Моделированию процессов в современных исследованиях окружающей среды, в
частности, математическим моделям прогноза погоды и климата, а также моделям
распространения изучаемых веществ в атмосфере, включая использование систем усвоения
11
Введение
данных в задачах мониторинга, посвящен раздел Е.Г. Климовой. Автором сформулирован
ряд задач, которые решаются в настоящее время в данной области.
Описание архитектуры и организации работы веб-ресурса, версия которого
ориентирована на использование физического подхода для атмосферной коррекции ИК-
изображений земной поверхности, полученных с помощью спутниковой системы
EOS/MODIS, представлено в разделе, авторами которого являются М.В. Энгель,
С.В. Афонин и В.В. Белов. Ими представляется опыт объединения пространственно
распределенных информационных и вычислительных ресурсов и создание на их этой основе
веб-ресурса, позволяющего удаленно осуществлять процедуру атмосферной коррекции.
Результатам эксперимента по созданию тематических инфраструктур
пространственных данных (ИПД) на примере особо охраняемых природных территорий
(ООПТ) посвящен раздел группы московских авторов, включающих Ж.С. Зиновьеву, А.В.
Кошкарева, А.А. Медведева, В.А. Серебрякова. Ими представлена локальная ИПД
национального парка «Валдайский». Разработанная авторами концептуальная схема
определила базовые характеристики, а также взаимосвязи между ними, с учетом
европейской спецификации INSPIRE. При отсутствии аналогичных объектов в схеме данных
INSPIRE производилось ее расширение путем введения дополнительных объектов и
атрибутов.
Вопросы эффективной организации и управления ресурсами пространственных
данных территории с целью доступа к традиционным и электронным ресурсам, метаданным
и к внешним информационным объектам, доступным по стандартным протоколам, на основе
создания ИПД, рассмотрены коллективом авторов, включающим ведущих ученых
нескольких институтов СО РАН, в числе которых И.В. Бычков, А.С. Гаченко,
Г.М. Ружников, А.Е. Хмельнов, Р.К. Фёдоров, В.М. Плюснин, А.Р. Батуев, А.А. Сороковой,
В.И. Воронин, А.Н. Бешенцев. Ими представлены результаты создания ИПД, включающей
территориально-распределенную систему сбора, обработки, хранения и предоставления
базовых пространственных и тематических данных, накопленных учреждениями СО РАН в
процессе проведения междисциплинарных научных исследований геосистем и
биоразнообразия Прибайкалья и Забайкалья. Особенности пространственных данных
геосистем и биоразнообразия Прибайкалья и Забайкалья обуславливают использование и
развитие геоинформационных и Интернет-технологий, а также технологии метаописаний баз
знаний и данных, обеспечивающих эффективную обработку, многомерный анализ
разноформатных пространственных данных, интеллектуальный интерфейс и поддержку
моделирования пространственно-временных процессов. При этом решается задача не только
создания новых ресурсов, но и разработки технологии комплексирования уже имеющихся
данных и информационных ресурсов.
Основные направления исследований энергетики, в рамках которых предлагается
применение нового поколения средств и методов визуализации информации, базирующихся
на интеграции с традиционными ГИС – так называемые методы неогеографии, изложены в
разделе Р.А. Иванова и Л.В. Массель. 3D-геомоделирование – новая перспективная
технология визуализации разнородной геопространственной информации. Возможности ее
применения обеспечиваются появлением и развитием доступных инструментальных средств
для разработки и обмена геопространственной информацией. Авторами проверены
возможности применения 3D-геомоделирования для решения задач в нескольких областях
исследований энергетики, таких, как гидроэнергетика, экология, возобновляемые источники
энергии, нефтегазовая отрасль, задачи транспортировки ресурсов. Во всех этих областях
определены основные задачи и направления их решения, реализованы демонстрационные
прототипы.
Третья глава монографии «Геоинформационные системы в фундаментальных и
прикладных исследованиях, геоинформационное картографирование. Специальные базы
проблемно-ориентированных и предметно-ориентированных данных и знаний», являющаяся
12
Введение
логическим продолжением предыдущих глав, знакомит с методами реализации ГИС-
проектов, функциональными возможностями ГИС, интеллектуализацией ГИС и опытом
практического приложения геоинформационных технологий.
Так на примере разработок Сибирского гидрометеорологического института для
прогнозов элементов погоды рассмотрены алгоритмические примеры синтеза
пространственных метеорологических данных. Пространственные данные широко
используются в прогностических метеорологических схемах как в регулярной, так и в
нерегулярной географической сетке. Новые прогностические методы являются частью веб-
технологии автоматизированного расчета и представления результатов. Технология
включает обработку поступающих в оперативном режиме модельных и фактических данных,
блок расчетов прогнозов по разработанным методам, вывод результатов во внутреннюю и
внешнюю сеть, оформление для представления в автоматизированной информационной
системе «Погода в реальном времени» (М.Я. Здерева, А.Б. Колкер, В.М. Токарев).
Анализ природных опасностей на территории Западной Сибири с учетом возможных
изменений геосистем в условиях потепления климата проведен на примере Томской области.
Основной задачей исследований природно-климатических опасностей с использованием
ГИС-технологий являлось их выявление, классификация и территориальная дифференциация
на основе анализа геосистемной ситуации, климатических и гидрологических условий
территории регионального уровня. Геоинформационные технологии дали возможность
визуального отображения совокупной картины природно-климатической ситуации с
одновременным анализом гидрометеорологических факторов и характера их взаимосвязей,
позволили уточнить общие оценки вариабельности климатических и гидрологических
условий для Томской области и на фактическом материале с использованием ArcGIS
проранжировать территорию области по степени климатической и гидрологической
напряженности. Покомпонентный анализ выявил наиболее значимые природно-
климатические факторы в формировании опасных ситуаций. Полученные результаты
послужат основой для районирования территории области по степени безопасности
природопользования и в тех случаях, когда необходимо учитывать другие природно-
антропогенные факторы, оказывающие влияние на экологическую безопасность территории.
Выполнение такой задачи возможно только с использованием современных
геоинформационных технологий (О.Г. Невидимова, Е.П. Янкович).
Продолжающееся строительство объектов нефтегазового комплекса Красноярского
края будет оказывать все большее трансформирующее воздействие на экосистемы северных
территорий. ГИС-технологии применены при решении задачи минимизации экологических
рисков при геологоразведочных работах и эксплуатации нефтегазовых месторождений. В
разделе представлены результаты оценки риска аварий на трубопроводах с применением
картографического анализа условий эксплуатации объектов (В.В. Москвичев,
С.А. Перетокин, В.Г. Сибгатулин, В.В. Ничепорчук, К.В. Симонов, О.Э. Якубайлик).
Оценка природных рисков с использованием ГИС-технологий на примере лесных
пожаров в Катангском районе Иркутской области представлена в разделе, раскрывающем
задачи моделирования рисков с учетом географических характеристик локализации
объектов хозяйственной деятельности. Геоинформационные технологии использованы для
анализа цифровой космической, картографической и статистической информации с целью
выяснения закономерностей варьирования показателей, влияющих на величину риска
опасных явлений с учетом их пространственной дифференциации и временной
изменчивости. На основе общей модели предложен метод расчета локального риска
возникновения лесных пожаров в единицах утраты запасов фитомассы (т/га) и выполнено
геоинформационное картографирование (Н.Е. Красноштанова, А.К. Черкашин).
Геоинформационное обеспечение комплексных исследований Обь-Иртышского
бассейна позволило создать средства эффективного представления данных и инструментарий
справочно-аналитического сервиса, а также выработать систему поддержки принятия
13
Введение
рациональных управленческих решений (В.Г. Ведухина, Я.Э. Кузняк, О.В. Ловцкая,
И.Н. Ротанова).
Опыт геоинформационного нозогеографического картографирования распространения
природноочаговых болезней Алтайского края позволил сделать вывод о приоритетах
картографического метода исследований при медико-географическом анализе территории.
Сюжетами карт служат ареалы распространения возбудителей и переносчиков болезней,
места заражения, компоненты природной среды как предпосылки местонахождений
источников инфекций и оценка риска заражения ими (Н.Ю. Курепина, И.Н. Ротанова).
Геоинформационная модель формирования оруденения использована как основа
оценки перспектив благороднометаллоносности геологической среды. Геоинформационное
моделирование главных промышленных типов коренных месторождений с применением
аналитических данных проведено в различных масштабах. Построение геоинформационных
моделей с помощью специальных программ компьютерной обработки рудных формаций с
учетом геологических ситуаций дает возможность как регионального, так и локального
прогнозирования скрытого оруденения и оценки глубоких горизонтов, а также выявления
месторождений на ранних стадиях исследования даже при ограниченном объеме
информации (А.Ж. Жайнаков, О.Д. Кабаев, К.С. Супамбаев).
Развитие графических пользовательских интерфейсов позволяют решить задачу
географической привязки информации в негеографических информационных системах.
Содержание цифрового контента и его описаний определяет возможности использования
геоинтерфейсов (основанные на масштабируемых изображениях земной поверхности или
цифровых картах графические интерфейсы для работы с информацией, имеющей
географическую привязку) при работе с электронными библиотеками (О.Л. Жижимов,
Н.А. Мазов).
Для оценки экологической обстановки и мониторинга шумовых полей городской среды
предложено построение ГИС. Основой является система сбора информации о состоянии
уровней шума. Разработанные классификаторы позволяют сформировать базу данных об
объектах исследования, а система сбора информации позволяет наполнить эти базы
данными, отображающими состояния шумового загрязнения сложившейся застройки,
промышленной зоны, и дать оценку распространения шумовых полей в планируемых
градостроительных решениях. ГИС делает возможным проведение оптимизации источников
шумового загрязнения путем ограничения скорости транспортного потока, изменения доли
грузового транспорта в суммарном потоке в определенное время суток. Преимуществом ГИС
«Шумовая карта Барнаула» является возможность прогнозирования уровня шумового
загрязнения на определенном участке городской территории (И.А. Суторихин,
С.А. Литвиненко).
Авторы надеются, что изложенные в монографии подходы и опыт практического
приложения на примере представленных геоинформационных проектов позволяют
убедительно говорить о создании базы единого информационного пространства, в первую
очередь, в рамках академического сообщества, и необходимости масштабного применения
информационных технологий и математического моделирования в сфере управления,
повышения уровня информатизации общества, обеспечения устойчивого развития
территорий.
Авторы благодарны рецензентам, многие из которых сами являются авторами разделов
монографии. Взаимное рецензирование материалов книги с привлечением авторов разделов
позволило не только получить ценные замечания со стороны коллег, специалистов в
смежных областях, но и выработать своеобразный системный взгляд, что непосредственно
положительным образом отразилось на ее содержании.
14
Глава 1
1
ТЕХНОЛОГИИ ИССЛЕДОВАНИЯ И ОБРАБОТКИ
Глава ПРОСТРАНСТВЕННЫХ ДАННЫХ, ВКЛЮЧАЯ
ДАННЫЕ ДИСТАНЦИОННОГО
ЗОНДИРОВАНИЯ
Введение
Сибирь является крупнейшим регионом России, на территории которой располагаются
3 федеральных округа – Уральский, Сибирский и Дальневосточный. В Сибири
сосредоточены основные запасы минеральных ресурсов страны: 85% запасов свинца и
платины, 80% угля и молибдена, 71% никеля, 69% меди, 40% золота. Здесь располагаются
богатые месторождения нефти и газа, основной объем лесных фондов и основные
гидроресурсы страны.
Приоритеты экономического и социального развития Сибири разделены на три пояса и
заключаются в следующем.
В Арктическом поясе развития – интенсивная геологоразведка, освоение новых
месторождений природных ресурсов, восстановление и развитие Северного морского пути,
сохранение природной среды, сохранение культуры коренных народов Севера.
В Северном поясе развития – реализация проектов в энергетическом секторе,
строительство северного транспортного коридора, добыча и первичная переработка
природных ресурсов, строительство трубопроводов и транспортной инфраструктуры к
местам первичной и глубокой переработки природных ресурсов, строительство и
реконструкция перерабатывающих производств.
В Южном поясе развития – строительство и реконструкция машино- и
приборостроительных предприятий, ориентированных на выпуск современных машин,
оборудования и конструкций для добывающей, перерабатывающей и энергетической
промышленности Сибири, предприятий металлургического и лесного комплексов,
химической промышленности, промышленности стройматериалов, развитие
информационных, телекоммуникационных, нано - и биотехнологий.
Реализация указанных приоритетов и освоение природных богатств неизбежно будет
приводить и приводит к антропогенной нагрузке на уникальные природные комплексы
Сибири. В связи с этим возникает необходимость комплексного исследования уязвимости
территорий к внешним воздействиям и оценки антропогенных рисков для осваиваемых
территорий. Представленные ниже исследования выполнены в рамках междисциплинарного
интеграционного проекта СО РАН «Антропогенные риски угледобывающих и
нефтегазодобывающих территорий Сибири» и относятся в основном к территории
Сибирского федерального округа. Тем не менее, полученные результаты характерны для
всей осваиваемой территории Сибири и Крайнего Севера.
15
Глава 1
Общая антропогенная нагрузка на территории СФО характеризуется следующими
факторами. В атмосферный воздух ежегодно выбрасывается около 2 млн. тонн
загрязняющих веществ от автотранспорта и 5,6 млн. тонн от стационарных источников.
Наиболее загрязнен воздух в Красноярском крае (36% от общего объема выбросов) и
Кемеровской области (21%). Сильно загрязненными являются водные объекты. Объемы
сброса сточных вод составляют: Иркутская область - 806 млн. м3, Кемеровская область – 733
млн. м3, Красноярский край - 453 млн. м3. Отмечается стабильно высокое химическое
загрязнение почвы в районах размещения промышленных объектов и транспортных систем.
Крупнейшими промышленными источниками выбросов загрязняющих веществ являются
Заполярный филиал «Норильского никеля», предприятия Красноярского края, Кемеровской
и Иркутской областей. Помимо указанных фоновых антропогенных нагрузок имеют место и
экстремальные воздействия от аварий и катастроф на опасных промышленных объектах [1].
Методологически антропогенные воздействия следует разделить на две группы. В
первую группу следует отнести антропогенные воздействия на урбанизированных
территориях, где земля и водные объекты уже вовлечены в технологический оборот. Уровни
загрязнений атмосферы, почвы и водоемов на этих территориях находятся на уровне ПДК
или превышают их. Эти загрязнения создают многоплановые фоновые (перманентные)
риски. Однако наибольшую угрозу здесь представляют экстремальные антропогенные
воздействия от аварий и катастроф на опасных промышленных объектах: химических и
нефтехимических предприятиях, ГЭС, котельных, нефтебазах, АЗС и пр. В настоящее время
законодательно установлены требования к техническому состоянию опасных объектов,
созданы и функционируют многоплановые системы мониторинга опасностей и системы
оперативной локализации угроз. Имеющаяся информационная и методологическая база в
целом обеспечивает возможность оценки фоновых и экстремальных антропогенных рисков
для урбанизированных территорий.
Следует заметить, что для урбанизированных территорий указанные антропогенные
факторы создают угрозы в основном для населения и объектов инфраструктуры. Природная
среда существенно отдалена от источников опасности и редко подвергается серьезной
опасности.
Гораздо сложнее и серьезнее складывается ситуация для второй группы угроз -
антропогенных воздействий на вновь осваиваемых территориях, где атмосфера, земля и
водные объекты относительно чистые. В основном это северные территории с малой
плотностью населения и слабо развитой социальной инфраструктурой. Поэтому все
негативные эффекты антропогенных воздействий будут восприниматься непосредственно
окружающей природной средой. Здесь важен анализ как экстремальных (аварийных)
антропогенных воздействий, так и фоновых воздействий, обусловленных штатными
технологическими процессами и регламентными работами. Сложность такого анализа
заключается в том, что пока нет соответствующей информационной базы, моделей динамики
уникальных экосистем, моделей чувствительности экосистем к антропогенным
воздействиям.
Основная антропогенная нагрузка для северных территорий Сибири в ближайшие годы
будет связана с развитием нефтегазового комплекса (НГК) в Красноярском крае. Обзорные
карты размещения Северо-Западного и Юго-Восточного НГК представлены на рис. 1 и 2.
Воздействие НГК на окружающую среду будет иметь значительные масштабы и затрагивать
все природные компоненты (атмосферу, землю, леса, водные объекты, животный мир,
ландшафты). В частности, под обустройство Ванкорской группы месторождений
отчуждается 938 га земель. На опорной базе промысла этой группы месторождений
образуется 286 м3/сут. хозяйственно-бытовых сточных вод и 70 м3/сут. производственных
сточных вод. Для организации транспортировки нефти и газа намечено строительство
магистральных нефте- и газопроводов с оборудованием нефтеперекачивающих (НПС) и
16
Глава 1
компрессорных станций (КС). Плановые выбросы загрязняющих веществ от одной НПС
составляют 348 т/год, выбросы от одной КС – 1131 т/год.
Существенным фактором антропогенного воздействия является изменения рельефа и
нарушение почвенных покровов в процессе подготовки площадей под бурение и
обустройство скважин. Уничтожение растительного и почвенного покрова, строительство
сооружений может приводить к нарушению температурного баланса грунтовой толщи,
возникновению «перелетков» и оттаиванию существующих массивов многолетнемерзлых
пород (ММП).
К серьезным источникам опасности следует отнести аварийные утечки нефтепродуктов
при разгерметизации и разрушении оборудования, резервуарных парков, промысловых и
магистральных трубопроводов. Интенсивности отказов основного оборудования НГК
составляют 1.2×10-5 – 3.5×10-3 год-1 [2]. Интенсивности разгерметизаций резервуаров
находятся в пределах 5.8×10-5 – 2.9×10-6 год-1, промысловых трубопроводов 7.5×10-5 –
2.5×10-4 год-1, магистральных трубопроводов 4.3×10-4 – 6.9×10-5 год-1 [2, 3]. Утечки нефти
приводят к загрязнениям окружающей среды, а утечки газового конденсата - к взрывам и
пожарам. По данным [4] объем утечек при аварии нефтепровода составляет 800 – 4000 м3.
Особую опасность представляют аварийные нефтегазопроявления и открытые фонтаны
при бурении и эксплуатации нефтегазовых месторождений. Согласно некоторым источникам
неуправляемый фонтанный выброс газа может достигать 3,5 млн. м3/сут. Статистика
аварийности в нефтегазовой отрасли показывает, что ежегодно при бурении разведочных и
эксплуатационных скважин в мире происходит свыше 1000 аварий и возникает до 20
открытых фонтанов.
На основании изложенного можно полагать, что в сложных природно-климатических
условиях Сибири и Крайнего Севера объекты НГК должны иметь высокие требования по
безопасности, обеспечивающие сохранение устойчивости уникальных экологических систем
осваиваемых территорий. Необходим систематический мониторинг и математическое
моделирование антропогенных воздействий на окружающую среду.
17
Глава 1
систем. Основными источниками катастроф полагаются возникающие при проектировании,
изготовлении и эксплуатации детерминированные или случайные неопределенности
различной природы (дефекты, повреждения, отклонения рабочих параметров, ошибки
персонала и т.п.). Во-вторых, количественной мерой опасности катастроф служит риск,
определяемый в форме вероятности ущерба или потерь. В-третьих, полагается, что можно
установить приемлемый уровень риска. Этот уровень определяется соотношением затрат на
создание и эксплуатацию технической системы и возникающих при аварии потерь.
Методологически анализ антропогенного риска рассматривается с позиций нескольких
концепций, ориентированных на решение отдельных задач:
− технической концепции, ориентированной на получение оценок частот
неблагоприятных событий;
− экономической концепции, в рамках которой исследуются ущербы от аварий и
выгоды от мероприятий по обеспечению безопасности;
− психологической концепции, анализирующей восприятие риска различными,
социальными группами или профессиями;
− социальной концепции, осуществляющей социальную интерпретацию
нежелательных событий и исследующей ценности и интересы общества в
обеспечении безопасности.
Формально антропогенный риск R(S) для рассматриваемой территории S можно
представить как функцию вероятностей антропогенных, или природно-антропогенных
неблагоприятных событий с соответствующими им ущербами:
n m l
R ( S ) = ∑∑∑ ∫ Pijk ( S )Vijk ( S )U ijk ( S )ds (1)
i =1 j =1 k =1 S
18
Глава 1
по множеству варьируемых параметров, определяющих выделенные критериальные
функции.
Вторая задача заключается в формулировке информационного обеспечения анализа
антропогенного риска. Она имеет два аспекта. Первый связан с задачей обработки
информации. Информация в иерархической системе поступает на языке того уровня,
который анализируется. Для выводов и заключений на более высоком иерархическом уровне
требуется ее обобщение, а на более низком - детализация. И в том, и в другом случае этот
перевод неоднозначен. Второй аспект связан с необходимостью построения гипотез о
состояниях элементов по имеющейся информации. Надежность таких гипотез зависит от
уровня полноты информации и ее достоверности.
Сделаем несколько замечаний о параметрах указанной обобщенной модели риска.
Техногенную нагрузку на нефтегазодобывающую территорию, помимо изменений
ландшафта, можно характеризовать пылевой нагрузкой, выбросами в атмосферу, сбросами
сточных вод. Причем выбросы и сбросы должны включать стационарную компоненту,
обусловленную штатной работой промышленных объектов, аварийную компоненту,
связанную с неизбежными авариями различных видов и типов, и транспортную компоненту,
обусловленную автомобильным транспортом и трубопроводными системами. Уровень
загрязнения атмосферного воздуха обычно устанавливается по кратности превышения ПДК с
учетом класса опасности, суммарного биологического действия загрязнений воздуха и
частоты превышений ПДК. В соответствии с действующими нормативами для оценки
степени загрязнения воздуха используются фактические максимально разовые и
среднесуточные концентрации за несколько лет.
Уровень загрязнения водных источников характеризуется рядом специфических
показателей. Заключение о санитарно-эпидемиологическом неблагополучии водных
объектов обычно делается на основании стабильного сохранения негативных значений
основных показателей качества воды в течение достаточно длительного периода (не менее
одного года). При этом, как правило, отклонения от норм должны наблюдаться по
нескольким показателям, за исключением случаев загрязнения источников и питьевой воды
патогенными микроорганизмами и возбудителями паразитарных заболеваний, а также особо
токсичными (чрезвычайно опасными) веществами, когда заключение о неблагополучии
может быть сделано на основании одного показателя. Государственные стандарты России
включают 30 обязательных показателей качества воды.
Оценка качества земли представляется более сложной задачей, поскольку здесь имеет
место не только ее загрязнение различными компонентами, но и нарушение плодородного
слоя, вывод из обращения и пр. Поэтому наряду с концентрацией загрязнителей следует
учитывать общую площадь земель различной категории, площадь нарушенных,
отработанных и рекультивированных земель.
Оценка качества леса также многоаспектна. Здесь следует учитывать состав лесов,
пораженность вредителями, интенсивность лесных пожаров, площади нарушенных,
отработанных и восстановленных лесов.
19
Глава 1
вызывает негативные последствия или ущерб. Тогда антропогенный риск, как функция
площади S рассматриваемой территории, будет представлять собой вероятность выброса
поля w(S, t) за уровень W:
R ( S , t ) = P{w( S , t ) > W } (2)
Эта вероятность может быть найдена при дополнительных допущениях о характере
поля w(S, t) и особенностях его выбросов за уровень W. Очевидно, что технологические
выбросы НГК обладают кумулятивным эффектом, способным при определенных условиях
привести к нарушению устойчивости экосистем или критическим дисбалансам естественных
процессов на рассматриваемой территории. В первом приближении будем полагать, что эти
выбросы могут описываться в рамках трендовой модели, характеризующей скорость
накопления загрязнителей в компонентах внешней среды. Примем допущение о том, что
накопление компонент w загрязнений имеет линейный характер с постоянной скоростью v, и
существует их предельный уровень W. Тогда, в соответствии с (2), перманентная компонента
антропогенного риска будет иметь следующий вид [6]:
⎡ ⎧⎪W − w − vt ⎫⎪ ⎤
R ( S , t ) = ∏ ⎢1 − Φ ⎨ ⎬⎥ ∑U k ( S )
0
(3)
k ⎢ σ + σ ⎥
2 2
⎣ ⎩⎪ 0 t
v ⎭ ⎪⎦ k
20
Глава 1
косвенные) потери и ущербы.
С учетом (5) в дальнейшем предполагается уточнение формул (3) и (4) для оценки
перманентных и аварийных рисков.
21
Глава 1
Заключение
Дальнейшее развитие исследований антропогенных рисков Сибири будет заключаться
в разработке методической базы для создания ГИС и IT технологий оперативного анализа и
прогнозирования риска угледобывающих и нефтегазодобывающих территорий. Особое
внимание будет уделено возможностям оценки риска на основе результатов
аэрокосмического мониторинга территорий в сочетании с данными инструментального
стационарного и мобильного мониторинга состояния экосистем и инструментального
стационарного и мобильного мониторинга загрязнений атмосферы, почвы и водоемов.
Список литературы
1. Лепихин А.М. Безопасность региона: статистическая оценка и прогноз // Проблемы
безопасности при чрезвычайных ситуациях, 1993. – №9. - С.92-105.
2. Безопасность России. Безопасность трубопроводного транспорта / Научн. руковод.
К.В. Фролов. – М.: МГФ «Знание», 2002. – 752 с.
3. Аковецкий В.Г. Аэрокосмический мониторинг месторождений нефти и газа. – М.: РГУ
нефти и газа им. И.М. Губкина, 2008. – 454 с.
4. Безопасность России. Энергетическая безопасность (нефтяной комплекс России) /
Научн. руковод. К.В. Фролов. – М.: МГФ «Знание», 2000. – 537 с.
5. Лепихин А.М., Махутов Н.А., Москвичев В.В., Черняев А.П. Вероятностный риск-анализ
конструкций технических систем. – Новосибирск: Наука, 2003. – 174 с.
6. Лепихин А.М. Комплексные показатели безопасности территорий // Проблемы
безопасности и чрезвычайных ситуаций, 2008. – №5. - С.93-98.
7. Lepikhin A. A critical look at risk analysis of disasters / Risk analysis VII & Brownfields V.
WITpress, 2010. – P. 59-67.
8. Москвичев В.В., Перетокин С.А., Сибгатулин В.Г., Ничепорчук В.В., Симонов К.В.,
Якубайлик О.Э., Кобалинский М.В. Оценка экологических рисков для урбанизированных
территорий нефтегазового комплекса // Тезисы II Международной конференции
«Геоинформатика: технологии, научные проекты», 20-25 сентября 2010 г. – Барнаул:
Изд-во АРТ, 2010. – С. 71.
22
Глава 1
центра. К 2008 году институт располагал современными высокопроизводительными
вычислительными системами, и значительное внимание уделялось организации систем
хранения данных, задачам резервирования информационных ресурсов, а также организация
доступа к этим ресурсам. Это позволило в 2008 году, используя существующую
информационную инфраструктуру, развернуть на базе Института работы по организации
систем сбора, хранения и доступа к разнородной пространственной информации.
Ключевым моментом развития проекта стало заключение соглашения с Западно-
Сибирским региональным центром по приему и обработке данных (в настоящее время
Сибирский Центр ГУ «НИЦ ПЛАНЕТА») о совместных работах по организации приема и
обработки спутниковых данных. В рамках совместных работ была построена волоконно-
оптическая линия связи, соединившая приемный комплекс ЗапСибРЦПОД (п. Новый, НСО)
с центром обработки данных ИВТ СО РАН, что позволило обеспечить прямое
взаимодействие для выполнения поставленных задач (рис. 1).
Первым проектом, стартовавшим в рамках развиваемой системы, был проект
организации приема, сбора и хранения данных, получаемых со спутниковых платформ
SPOT21/SPOT4 (Франция). При поддержке Президиума Сибирского отделения была
приобретена лицензия на прием оперативных данных с этих платформ. Начиная с марта 2008
года, каталог данных SPOT ежедневно пополняется оперативными данными. К настоящему
времени в архиве содержится около 400 000 снимков на территорию Сибири и Азиатского
региона. Доступ к данным предоставляется сервисами Информационной Системы
Спутниковых Данных ИВТ СО РАН2. В настоящий момент доступ к каталогу предоставлен
более 28 институтам Сибирского отделения РАН (рис 2).
Рис. 1 – Схема ВОЛС ИВТ СО РАН - Выносной приемный комплекс ГУ «НИЦ ПЛАНЕТА»
1
Прием данных SPOT-2 прекращен в 2009 годы в связи с выводом спутника из эксплуатации
2
ИССД СО РАН http://catalogue.ict.nsc.ru
23
Глава 1
1
Управление по аэронавтике и исследованию космического пространства США (NASA)
2
NASA Direct Readout Laboratory (DRL)
3
Спектрорадиометр MODIS (Moderate Resolution Imaging Spectroradiometer) является одним из ключевых
инструментов на борту американских спутников серии EOS (Terra ( EOS AM-1) и Aqua ( EOS PM-1)).
MODIS имеет 36 спектральных каналов с 12-битным радиометрическим разрешением в видимом, ближнем,
среднем и тепловом инфракрасном диапазонах.
24
Глава 1
25
Глава 1
Подготовка продуктов
пользователя Вычислительный модуль
Вычислительный модуль С
и
с
те
м
П а
о п
д а
с Вычислительный модуль р
и а
с л
те е
м л
а ь
н
Комплекс сбора и Планировщик у
п
р
о
го
а ф
индексирования Задач в
л
е
н
Вычислительный модуль а
й
и л
данных обработки я
п
о
о
в
о
го
то
ка д
о
Сырой м
и Вычислительный модуль с
ту
п
поток а
данных
Вычислительный модуль
Архивирование
исходной
информации
26
Глава 1
Большая работа проделана коллективом разработчиков по формированию
вычислительно-телекоммуникационной инфраструктуры. В процессе запуска и тестирования
комплекса обработки были выявлены ключевые моменты в работе комплекса, разработана
оптимальная схема организации телекоммуникационного взаимодействия вычислительных
узлов, системы хранения и другого оборудования, задействованного в работе комплекса
обработки. Для реализации телекоммуникационной среды используется
высокопроизводительное коммутационное оборудование фирмы CISCO, позволившее
реализовать специализированный сегмент сети с реальной пропускной способностью 1
гигабит в секунду на порту. Сегмент сети объединяет вычислительные модули комплекса,
системы хранения оперативных данных, а также промышленную систему хранения данных
EMC Clariion, используемую для хранения результатов обработки. Для обеспечения доступа
вычислительных модулей к рабочим каталогам и каталогам хранения результатов обработки
используется технология параллельной файловой системы, реализованная на основе
спецификаций pNFS. Результатом работы коллектива авторов стала разработка аппаратно-
программного комплекса, позволившего автоматизировать работу вычислительного
комплекса, и свести до минимума вмешательство обслуживающего персонала [3].
С целью организации доступа к продуктам реализован набор сетевых сервисов
доступа к данным и дополнительной, сопряженной информации. Основная часть продуктов
обработки данных Terra/Aqua доступны по протоколу FTP/HTTP [ftp://ftp.esemc.nsc.ru].
Данные, предоставляемые ресурсами каталога данных SPOT2/4, доступны после оформления
и подтверждения заказа через защищенные интерфейсы каталога. Для контроля доступа
используется Central Authentication Service (CAS), разрабатываемый в рамках проекта JA-
SIG. Для визуального контроля оперативного покрытия территории разработан интерфейс1 с
использованием API Google Earth и технологий AJAX. В интерфейсе реализована работа с
технологиями геосервисов (протокол WMS), и поддерживается работа со слоями данных в
форматах KML/KMZ. Также возможна визуализация данных в других приложениях,
поддерживающих протокол WMS или работу с покрытиями KML (рис 5).
Для объединения всех информационных ресурсов комплекса запущен в эксплуатацию
центральный информационный ресурс, являющийся общей точкой входа для всех
информационных ресурсов комплекса [http://sdc.esemc.nsc.ru]. Сервис обеспечивает
навигацию по информационным ресурсам комплекса, предоставление оперативной
информация по покрытиям территории и состоянию обработки данных.
Функциональность системы постоянно расширяется как за счет расширения списка
продуктов обработки данных MODIS, так и за счет подключения к системе новых потоков
данных. Так с сентября 2010 года развернута оперативная обработка данных
гиперспектрометра AIRS2 и сенсора AMSR-E3, принимаемых с платформы Aqua. В
настоящее время развернута обработка данных до уровня L2, на основе которых
подготавливается набор тематических продуктов для конечных пользователей. Продукты
системы, полученные в результате обработки, содержат уникальную информацию о
физических характеристиках подстилающей поверхности, физических параметрах
атмосферы, газовых составляющих атмосферы.
Уникальность данных заключается в возможности получения набора ежедневных
физических показателей на достаточно густой сетке, что крайне актуально при достаточно
разряженной сети пунктов сбора гидрометеорологической информации, особенно в
удаленных районах (рис 6). Характеристики бортовой аппаратуры, а также проведенные
различными группами специалистов подспутниковые исследования, говорят о достаточно
высокой точности получаемой информации.
1
SatView, http://app.esemc.nsc.ru/satview
2
Atmospheric Infrared Sounder (AIRS)
3
Advanced Microwave Scanning Radiometer for EOS (AMSR-E)
27
Глава 1
1
Normalised Difference Vegetation Index – нормализованная разность яркостей в красной и ближней
инфракрасной зонах
2
LAI - Leaf Area Index
3
FPAR - Fraction of Photosynthetically Active Radiation
28
Глава 1
(1)
(2)
Список литературы
1. Шокин Ю.И., Добрецов Н.Н., Пестунов И.А., Молородов Ю.И., Смирнов В.В., Синявский
Ю.Н. // Система сбора, хранения и обработки спутниковых и наземных данных
Новосибирского научного центра СО РАН // Выч. тех.– 2008.– Т.13.– Вестн. КазНУ им.
аль-Фараби. Серия: Математика, механика, информатика.– №4 (59).– Совместный вып.
по материалам междунар. конф. «Вычислительные и информационные технологии в
науке, технике и образовании».– Ч.III.– С.371-376.
2. Лагутин А.А., Никулин Ю.А., Жуков А.П., Лагутин А.А., Резников А.Н., Синицин В.В.,
Шмаков И.А. Математические технологии оперативного регионального спутникового
мониторинга характеристик атмосферы и подстилающей поверхности ч. 1. MODIS//
Вычислительные технологии. – 2007. – Т. 12. – № 2.
3. Шокин Ю.И., Пестунов И.А., Смирнов В.В. Корпоративная информационная система СО
РАН для сбора, хранения и обработки спутниковых и наземных данных // Труды X
Всероссийской конференции с участием иностранных ученых «Проблемы мониторинга
29
Глава 1
окружающей среды (EM-2009)». Кемерово, 27-30 октября 2009. Горный информационно-
аналитический бюллетень. 2009. Вып. 2, т. 1 (т. 2)
Введение
Хорошо известно, что развитие науки и техники за последние несколько десятилетий
превратили исследования в области наук о Земле в сложный мультидисциплинарный
процесс, объединяющий национальные и, нередко, международные исследовательские
группы из смежных областей. Такие группы специалистов должны совместно работать,
обмениваться данными, знаниями, координировать свою деятельность, оптимально
используя имеющиеся информационно-вычислительные ресурсы, сервисы и приложения.
При этом более полное понимание и оценка динамики глобального и регионального климата
при использовании как мониторинга, так и моделирования, возможно только при серьезном
использовании информационно-вычислительных технологий. Научным сообществом
неоднократно признавалось, что развитие информационно-вычислительной инфраструктуры
является неотъемлемой частью таких исследований [1-5]. В частности, относительно недавно
было признано, что управление потоками геофизических данных, получаемых на больших
пространственных масштабах и используемых в мультдисциплинарных проектах, требует
новых управляющих структур и подходов [6]. Таким образом, современной задачей является
повышение эффективности исследований путем разработки платформ и механизмов,
предоставляющих совместную рабочую среду для вовлеченных в проект ученых, а также
предоставление доступа и повышение эффективности использования научных
информационных ресурсов, таких как наборы данных наблюдений, моделирования,
результатов обработки и анализа. Такие наборы пространственно-привязанных
геофизических данных активно используются в многочисленных приложениях,
включающих, прогноз, моделирование и интерпретацию климатических и экосистемных
изменений на разных пространственных и временных масштабах. Кроме того, следует
отметить изначальную разнородность наборов данных, полученных из разных источников
или организаций, которая затрудняет не только обмен данными и результатами при
проведении мультидисциплинарных исследований, но также значительно усложняет
возможность их сравнения, что уменьшает достоверность выполняемого анализа.
В то время как количество, разнообразие и пространственное разрешение наборов
геофизических данных увеличивается с каждым днем, в научном сообществе нарастает
потребность в эффективных инструментах, облегчающих процесс их обработки и анализа. С
учетом современных тенденций развития сетевых технологий, очевидно, что такие
инструменты должны быть доступны через Интернет, чтобы позволить пользователю
удаленно обрабатывать огромные архивы данных и извлекать из них необходимую
информацию. При этом следует учитывать разный уровень и характер знаний специалистов,
вовлеченных в исследовательский процесс, поэтому для достижения корректных результатов
обработки, анализа и интерпретации данных такой набор инструментов должен опираться на
унифицированную и проверенную алгоритмическую базу. Таким образом, одной из важных
30
Глава 1
задач информационной поддержки интегрированных научных исследований в области наук
о Земле является создание основанной на современных информационно-
телекоммуникационных технологиях программной инфраструктуры для комплексного
использования наборов пространственно-привязанных геофизических данных (см. EGU-ESSI
Position Paper, http://sites.google.com/a/imaa.cnr.it/egu-essi).
В настоящее время все большее число специалистов, работающих с пространственно-
привязанными данными, полагают, что соответствующая информационно-вычислительная
инфраструктура должна основываться на комбинированном использовании потенциала веб-
и ГИС-технологий [2, 7-11]. Дело в том, что при использовании только ГИС-технологий
требуются мощные вычислительные ресурсы, обеспечивающие поддержку современного
математического аппарата, а также распределенный доступ к огромным архивам данных, что
не всегда имеется у конечного пользователя. Особенно это справедливо для геофизики так
называемых «текучих» сред (атмосфера, океан), в которой анализ динамики процессов на
основе сложных вычислительных моделей является основной задачей. В данной работе был
выбран наиболее перспективный подход, использующий комбинирование веб- и ГИС-
технологий и нацеленный на создание прикладного информационно-вычислительного
программного комплекса, построенного на основе веб-технологий и обладающего
функциональностью ГИС.
На сегодняшний день уже существует целый ряд информационных веб-систем
посвященных, в той или иной мере, обработке пространственно-привязанных геофизических
данных. Наиболее простым, с точки зрения реализации, примером для работы с
ограниченным набором данных является система распространения и визуализации данных,
базирующаяся на Совместной модели общей циркуляции атмосферы и океана, и
разработанная в Институте вычислительной математики (ИВМ) РАН [12-14]. Более
технически сложными и охватывающими большее количество наборов климатических
данных являются системы KNMI «Climate explorer» [15-16] и European Climate Assessment &
Dataset (ECA&D) [17], предоставляющие возможности отображения временных
последовательностей данных в виде 2-мерных графиков, визуализацию полей данных, расчет
средних и экстремальных значений, а также стандартного отклонения и корреляции между
различными параметрами. Можно также упомянуть модель распределенной информационно-
аналитической системы [18-19] для поиска, обработки и анализа пространственно-
распределенных данных, основанную на комбинации ГИС и веб-технологий, и
разрабатываемую в настоящее время в Институте вычислительных технологий (ИВТ) и
Институте геологии и минералогии (ИГМ) СО РАН. Намного более функциональной
системой для обработки и визуализации данных спутниковых наблюдений является система
GES-DISC Interactive Online Visualization ANd aNalysis Infrastructure (GIOVANNI),
разработанная в NASA [20-21]. Разработка инфраструктуры пространственных данных на
базе стандартов OGC [22] и ISO также ведется в рамках проекта SIB-ESS-C (Siberian Earth
System Science Cluster). Инструменты для обработки пространственно-распределенных
временных рядов наблюдений, на данный момент доступные на веб-портале проекта
(http://argon.geogr.uni-jena.de/sibessc/) в тестовом режиме, предоставляют возможности
доступа к данным, а также визуализации и анализа происходящих на территории Сибири
изменений с помощью современных веб-ГИС технологий (Mapfish framework, SIMILE
Timeline Widgets, и т.д.) [23]. Одной же из наиболее развитых систем для интегрированной
онлайн-обработки разнородных данных по климату, гидрологии, данных дистанционного
зондирования и т.д. является RIMS (An Integrated Mapping and Analysis System with
Application to Siberia, http://RIMS.unh.edu/) [24]. Данное ПО является весьма успешной
попыткой реализации полнофункциональной ГИС-системы в виде веб-приложения с
помощью MapServer [25], и широко используется при выполнении многочисленных
исследовательских проектов [26], включая проекты NEESPI (http://NEESPI.sr.unh.edu). Шаг в
создании прототипа информационно-вычислительной системы для области исследований,
31
Глава 1
проводимых в СО РАН, был сделан также в Институте мониторинга климатических и
экологических систем (ИМКЭС) СО РАН [27]. Прототип успешно оперирует с данными
реанализов, позволяет выполнять ряд фундаментальных операций математического и
статистического анализа, а также предоставляет результаты обработки в графическом виде,
выдаваемые пользователю на веб-странице системы (http://climate.risks.scert.ru). Однако,
несмотря на достигнутый к настоящему времени прогресс в области исследований,
проводимых СО РАН, отсутствует специализированный инструмент в виде
унифицированного программного комплекса, основанного на веб-ГИС технологиях, для
поддержки мультидисциплинарных проектов по осуществлению мониторинга и прогноза
характеристик экосистем, в том числе с использованием данных высокого
пространственного разрешения, а также их связи с региональными климатическими
изменениями.
32
Глава 1
Для расширения существующего архива наборами данных, содержащими поля
метеорологических величин с высоким пространственным разрешением, используется
система регионального моделирования. В настоящий момент отлажена технология
восстановления полей для выбранных территорий, в частности, для территории Западной
Сибири. Восстановление производится с помощью статистических методов и современной
вычислительной модели WRF [29], включающей в себя функцию усвоения данных
измерений внутри вычисляемой области и входящей в состав системы регионального
моделирования WRF-ARW. В качестве начальных условий для модели, используются поля
метеопараметров низкого пространственного разрешения (реанализ), а также производится
привязка к данным наблюдений, полученных на метеорологических станциях.
Специализированный веб-портал является связующим звеном между элементами
разрабатываемой системы, а также между системой и конечным пользователем. В нем
реализована необходимая базовая функциональность, такая как авторизация пользователей,
подключение к базам данных, использование HTML-шаблонов, языковая локализация,
система управлением контентом (CMS) и ряд других возможностей. Также в рамках веб-
портала создается веб-приложение для работы с метаданными, описывающими архивы
пространственно-привязанных геофизических данных, и реализующее функции аннотации,
редактирования и поиска с использованием технологий Semantic Web [30].
Поскольку в настоящее время общие принципы и стандарты в области разработки
программного обеспечения, предоставляющего картографические веб-сервисы,
разрабатываются и декларируются международной некоммерческой организацией Open
Geospatial Consortium (OGC, [22]), то помимо простой визуализации и создания данных,
необходимо перенести в веб их обработку и анализ. Это стало возможным благодаря
использованию мощного инструментария, легко размещаемого на веб-серверах, такого как
Mapserver [25], GeoTools [31], и т. д. Использование технологий веб-ГИС, и, в частности,
протоколов WMS/WFS, позволило реализовать в веб-портале следующие функциональные
возможности:
1. Масштабирование графических результатов вычислений.
2. Выбор географического диапазона.
3. Использование множества слоев для представления различной картографической
информации.
4. Предоставление массива информации, связанной с конкретным географическим
объектом, по удаленному запросу пользователя.
Пользователь разрабатываемой системы оперирует веб-браузером, который является
стандартным клиентом, имеющимся на любой современной рабочей станции. Графический
интерфейс для администрирования и эксплуатации информационно-вычислительной
системы предоставляет пользователю возможность в простой и интуитивно понятной форме
сформировать задание на обработку пространственно-распределенных данных. Разработка
графического интерфейса ведется с использованием языков DHTML, PHP и JavaScript.
Библиотека для проектирования элементов интерфейса основана на инструментарии GeoExt
[32], объединяющем JavaScript-библиотеки ExtJS Framework [33] и OpenLayers [34].
Последняя используется для реализации функциональности ГИС и позволяет оперативно
создавать веб-интерфейс для отображения картографических материалов, представленных в
различных форматах и расположенных на различных серверах.
Вычислительное ядро веб-системы обеспечивает доступ, поиск, выборку и обработку
наборов данных, благодаря большому числу модулей, входящих в его состав. Модули ядра
выполняются в среде IDL и контролируются менеджером ядра, который управляется веб-
приложениями, выполняемыми в рамках специализированного веб-портала.
Общая схема выполнения задачи пользователя выглядит следующим образом. Задача,
сформированная пользователем системы, а также параметры желаемой визуализации
результатов, передаются через веб-портал менеджеру ядра в виде XML-файла. В файле
33
Глава 1
содержатся указания на обрабатываемые геофизические характеристики (названия архивов
данных и переменных), пространственные и временные границы интересующей области
(широта, долгота, один или несколько уровней по высоте, один или несколько временных
интервалов), тип карты выбранной для анализа территории, а также последовательность
математической и/или статистической обработки каждой переменной с указанием
параметров графического вывода результата на каждом этапе обработки. Менеджер ядра
производит анализ задачи, подготавливает расчетный конвейер и производит запуск
соответствующих расчетных модулей. Каждый расчетный модуль имеет доступ к архивам
данных через специальную библиотеку функций и ничего не знает о форме их хранения.
Библиотека доступа к данным обеспечивает поиск, чтение и выборку данных из архивов, а
также предоставляет специализированный API. На первоначальном этапе реализуется
функциональность, представленная в прототипе информационно-вычислительной системы,
созданной авторами ранее [27]: расчет экстремальных и средних значений, стандартного
отклонения, подсчет числа дней, для которых значение параметра лежит в заданном
диапазоне, вычисление коэффициентов корреляции и линейной регрессии, расчет трендов и
индексов изменения климата [35-36]. После выполнения задания, ядро подготавливает
результат в виде одного или нескольких графических файлов в формате GeoTIFF, либо
анимации в формате MJPEG, либо векторных shape-файлов в формате ESRI (Environmental
Systems Research Institute) [37]. Параметры графического вывода, в данном случае,
определяются в начальном задании и описывают содержание и тип графического результата
(3-мерное графическое поле с цветовой дифференциацией по величине в каждой точке,
контурное поле, векторное поле, 2-мерный график), наличие и тип легенды, географическую
проекцию (при выводе 3-мерных полей на плоскости), размер графиков в пикселях, имя
файла для вывода. Кроме того, результаты расчетов предоставляются пользователю в
формате NetCDF, а также в виде универсального XML-представления, что обеспечивает их
интероперабельность. Файл с метаданными результатов удовлетворяет XML стандартам
представления географической информации и метаданных, в частности, ISO19115 и ГОСТ
Р 52573-2006. Для обеспечения совместимости со стандартами технологии Semantic Web, в
том числе семантической интероперабельности при автоматической обработке результатов,
метаданные также предоставляются в формате RDF [38].
34
Глава 1
предварительной обработки [44-45]. В дальнейшем набор доступных для обработки данных
будет расширяться, в том числе за счет обработки пользовательских данных. Подготовлен
базовый набор геопривязанных карт, включая карты растительного покрова, природных
экосистем, индекса NDVI, для их последующего использования в веб-ГИС сервисе.
Реализована следующая функциональность для работы с RDF-метаданными:
добавление/редактирование, поиск по авторам и по исследователям, входящим в
соответствующий проект, семантический поиск по ключевым словам. Сервер репозитария
RDF метаданных Sesame [46] функционирует в рамках среды Tomcat и обеспечивает
необходимый инструментарий для анализа, интерпретации, создания запросов и хранения
RDF метаданных.
Разработана программная библиотека, обеспечивающая вычислительным модулям
доступ к подготовленным наборам данных. Реализован менеджер задач вычислительного
ядра, создан набор из тринадцати вычислительных модулей для расчета базовой статистики
и индексов изменения климата [35-36]. Полученные результаты расчетов индексов
изменения климата для различных наборов пространственно-распределенных данных
приведены на рис. 2 и 3.
35
Глава 1
Разработаны модули ядра, обеспечивающие визуализацию результатов обработки и
запись их в файлы формата Encapsulated Postscript, GeoTIFF, ESRI Shapefile, NetCDF, а также
предоставление конечному пользователю картографических легенд по соответствующему
WMS-запросу. В качестве технологической базы для представления картографической
информации в Интернет используется ПО GeoServer [47], соответствующее стандартам
OpenGIS [48]. Произведена интеграция базовой ГИС-функциональности с ПО веб-портала
(рис. 4), а также реализовано совместное представление графических результатов
вычислений и карт Google Maps [49] (рис. 5). Это закладывает программную основу для
разработки веб-портала как части разрабатываемого программного комплекса и
геоинформационной веб-системы.
Рис. 4 – Средняя температура воздуха на высоте 2м, 1979 г. в формате GeoTIFF, с наложенной
векторной картой мира и соответствующей легендой
Рис. 5 – Контуры средней температуры воздуха на высоте 2м, 1979 г. в формате ESRI shapefile с
базовым слоем, отображающим индекс NDVI (слева) и Google Maps Satellite (справа)
36
Глава 1
Множество работ по исследованию климатических изменений в Сибири показало, что
эти изменения неравномерно распределены по территории и образуют особые области –
«горячие точки», – где наблюдается быстрое потепление климата. Для более детального
изучения особенностей динамики регионального климата необходимо исследовать динамику
как общего, так и экстремального поведения метеорологических величин по данным
наблюдений на метеорологических станциях и по данным численного моделирования.
В рамках данного исследования проводилось изучение поведения температуры воздуха
на территории Западной Сибири в терминах таких климатических характеристик, как
среднегодовые, средне-сезонные и среднемесячные значения температуры воздуха,
продолжительности теплого и вегетационного периодов; а также дневного и годового
разброса температур. При этом использовались данные реанализа ECMWF ERA-40 с
пространственным разрешением 2,5°×2,5° за временной период 1958-2000 гг., а также
данные наземных наблюдений 37 метеорологических станций, расположенных на
территории Западной Сибири за период 1958-2000 гг.
Проведенный анализ показал следующие результаты. Тренд поведения среднегодовой
температуры (рис. 6, слева), рассчитанный по данным реанализа ECMWF ERA-40, показал
статистически значимое увеличение температуры воздуха в северной части территории
Западной Сибири, достигающий 0,3-0,45°С/10 лет. Результаты, полученные на основе
наблюдений метеорологических станций, показали рост средней годовой температуры в
среднем на 0,3-0,7°С/10 лет. Тренды, полученные по данным наблюдений
метеорологических станций, дают значения выше, чем данные реанализа, но общая
динамика поведения температуры воздуха сохраняется. Для выявления роли каждого сезона
и календарного месяца в формировании поля средних годовых температур также рассчитаны
и изучены их тренды. Рост температуры воздуха в зимний сезон составляет 0,5°С/10 лет, а в
отдельных районах достигает 0,7°С/10 лет. Изменения температуры воздуха в весенний
сезон составляет 0,5-0,6°С/10 лет, в то время как изменение температур летнего и осеннего
сезонов не показывает значимых изменений в температуре воздуха.
Наряду с анализом осредненных климатических характеристик, изучено поведение
индексов климатических экстремалей, касающихся температуры воздуха. Рассчитанные
тренды амплитуды дневных температур (рис. 7, слева) не показывают статистически
значимых изменений в поведении максимальных и минимальных значений температур. В
динамике амплитуды годовых температур также не выявлено статистически значимых
изменений за исключением северного района Западной Сибири.
Рис. 6 – Тренд среднегодовой температуры по данным реанализа ECMWF ERA-40 (°С/10 лет) и
данным с метеостанций (°С/10 лет) для территории Сибири, 1958-2000 гг.
37
Глава 1
Хорошо известно, что изменения климата оказывают существенное влияние на ход
биологических процессов, в частности, на лесную продуктивность, которая играет важную
роль в формировании глобального углеродного баланса. Для оценки динамики развития
лесных экосистем на фоне глобальных изменений климата и их вклада в баланс углерода
существует ряд климатических индексов, характеризующих продолжительность теплого
периода года, вегетационного сезона, оттепелей в зимний период года, заморозков в течение
теплого сезона, сумма эффективных температур и т. д. Результаты вычислений некоторых из
них для территории Западной Сибири выявили тенденцию к увеличению продолжительности
теплого и вегетационного сезонов со среднесуточной температурой больше 0оС и 5оС
соответственно, в среднем на 2-3 дня/10 лет. Расчеты, полученные для дней с оттепелями
(среднесуточная температура выше -2оС), выявили увеличение количества дней с оттепелями
в среднем на 2 – 4 дня каждые 10 лет на севере и востоке территории Западной Сибири.
38
Глава 1
Для определения наилучшего набора данных, который мог бы использоваться в
качестве начального приближения и граничных условий для модели, был проведен анализ
существующих архивов данных. В результате, был выбран реанализ ECMWF ERA-40 как
наиболее точно воспроизводящий метеорологические характеристики для территории
Западной Сибири (по результатам сравнения с данными наблюдений на метеостанциях за тот
же временной период). Так же для корректировки полей приземной температуры данными
измерений метеостанций используется процедура «сеточный наджинг» (рис. 9). В данный
момент все расчеты проводятся на историческом промежутке 1990-2000 гг., но в дальнейшем
планируется расширение диапазона до 1960-2000 гг. Для запуска модели на долгий срок
применяется процедура 3DVAR, а детализация приземного слоя производится с помощью
карт землепользования USGS Landsat (пространственное разрешение 10 км) и динамической
модели подстилающей поверхности Noah. Такой подход дает возможность учитывать
влияние приземного слоя на формирование метеополей мелкомасштабной структуры,
включающей как гидрологическую, так и биологическую компоненту. Калибровка модели,
подборка физических схем и параметризация производилась по данным измерений на
метеостанциях, расположенных на территории Западной Сибири.
Для численного моделирования в качестве расчетной области используется территория
Западной Сибири (размер области – 2500х2000 км, шаг сетки – 20 км, шаг по времени – 6
часов). Результат моделирования выводится в формате netCDF, что обеспечивает
совместимость с вычислительным ядром информационной веб-системы.
Предварительные результаты, в частности приземной температуры (рис. 10),
показывают, что в ранее однородных полях выявляются неоднородные структуры с явно
выраженными локальными возмущениями, обусловленными вкладом приземных экосистем.
Сравнение полученных результатов с полями глобальных моделей говорят об их явной
детализации, обусловленной учетом специфики геосистемы региона.
В дальнейшем, на основе полученных полей метеорологических величин, планируется
проведение анализа климатических изменений на территории Западной Сибири во второй
половине ХХ века с выявлением локальных неоднородностей в климатических полях.
Например, геопривязка какой-либо компоненты геосистемы региона к выявленным
неоднородностям позволит определить роль этой компоненты в общей картине изменения
климата Западной Сибири. Кроме того, полученные метеополя могут быть использованы в
качестве граничных условий для других климатических моделей, которые исследуют
различные аспекты изменения климатической системы Западной Сибири и её компонент.
39
Глава 1
Заключение
Представленный проект направлен на разработку методов интеграции
междисциплинарных (географических, климатических, метеорологических) архивов данных
полевых наблюдений, моделирования и данных дистанционного зондирования; разработку
составных частей (модулей) универсального программного комплекса, и, в частности,
информационно-вычислительной веб-системы, обладающей ГИС-функциональностью, для
работы с разнородными пространственно-привязанными данными, включая данные
моделирования высокого разрешения.
40
Глава 1
Разрабатываемый программный комплекс предоставит специалистам различных
областей науки уникальные возможности интегрированного анализа разнородных
геофизических данных. Использование апробированных вычислительных алгоритмов
обеспечит достоверность получаемых в конкретных предметных областях результатов.
Доступность системы в Интернете и возможность работы с данными без использования
специальных знаний в программировании должна позволить широкому кругу ученых
сконцентрироваться на решении конкретных задач.
Работа выполнена при частичной поддержке проекта РФФИ № 10-07-00547, проектов Программ
фундаментальных исследований СО РАН 4.31.1.5 и 4.31.2.7, а также интеграционных проектов СО РАН № 4, 50
и 66.
Список литературы
1. Abel, D.J. Towards integrated geographical information processing. Int. J. Geographical
Information Science,12, 1998. Pp. 353-371.
2. Frans J. M. van der Wel. Spatial data infrastructure for meteorological and climatic data.
Meteorol. Appl. 12, 2005. Pp. 7-8. DOI:10.1017/S1350482704001471.
3. Descamps, G., Therrien, P. & Therrien, R. An interactive and open approach for the analysis
and diffusion of geoscientific data. Computers & Geosciences, 32(5), 2006. Pp. 643-655.
4. Gordov, E.P. Computational and information technologies for environmental sciences.
Computational Technologies, 9(1), 2004, Pp. 3-10.
5. Gordov, E.P. Modern Tendencies in Regional Environmental Studies. Geography and Natural
Resources, 2004. Special Issue. Pp. 11-18.
6. Parson, M. and Barry, R.. Interdisciplinary Data Management in Support of the International
Polar Year. EOS, 87 (30), 2006. P. 295.
7. Gupta, A., Marciano, R., Zaslavsky, I., Baru, C., 1999. «Integrating GIS and Imagery through
XML-Based Information Mediation». In P. Agouris and A. Stefanidis (Eds.). Integrated Spatial
Databases: Digital Images and GIS, Lecture Notes in Computer Science, Vol. 1737.
8. Dragicevic, S., Balram, S., Lewis, J., 2000. The role of Web GIS tools in the environmental
modeling and decision-making process. 4th International Conference on Integrating GIS and
Environmental Modeling (GIS/EM4): Problems, Prospects and Research Needs. Banff,
Alberta, Canada, September 2 - 8, 2000.
9. Peng, Z-R and Tsou, M-H., 2003. Internet GIS - Distributed Geographic Information Systems
for the Internet and Wireless Networks. New York: John Wiley & Sons.
10. Vatsavai, Ranga Raju, Thomas E. Burk, B. Tyler Wilson, Shashi Shekhar, 2000. A Web-based
browsing and spatial analysis system for regional natural resource analysis and mapping. Proc.
of the 8th ACM int. symp. on Advances in geographic information systems. Washington, D.C.,
US., P. 95-101.
11. Якубайлик О.Э. Геоинформационный Интернет-портал. // Вычислительные технологии,
Т. 12, Спец. выпуск 3, 2007, С. 116-125.
12. Алексеев В.А., Володин Е.М., Галин В.Я., Дымников В.П., Лыкосов В.Н. Моделирование
современного климата с помощью атмосферной модели ИВМ РАН. М., Препринт ИВМ
РАН. 1998. 180 с.
13. Галин В.Я., Володин Е.М., Смышляев С.П. Модель общей циркуляции атмосферы ИВМ
РАН с динамикой озона. Метеорология и гидрология, 2003, N 5, с.13-23.
14. Результаты Экспериментов с Совместной Моделью Общей Циркуляции Атмосферы и
Океана ИВМ РАН. http://ksv.inm.ras.ru.
15. Oldenborgh, G.J. van, M.A. Balmaseda, L. Ferranti, T.N. Stockdale and D.L.T. Anderson,
2004, Evaluation of atmospheric fields from the ECMWF seasonal forecasts over a 15 year
period. J. Climate, 2005, 18, 16, 2970-2989.
16. Climate Explorer. http://climexp.knmi.nl/.
41
Глава 1
17. Alber Klain Tank European Climate Assessment and Dataset (ECA&D), EUMETNET/WCSN
optional programme, 2007, 1 – 38.
18. Шокин Ю.И., Жижимов О.Л., Пестунов И.А., Синявский Ю.Н., Смирнов В.В. Распре-
деленная информационно-аналитическая система для поиска, обработки и анализа
пространственных данных. // Вычислительные технологии, Т. 12, Спец. выпуск 3, 2007,
С. 108-115.
19. Добрецов Н.Н., Потатуркин О.И., Чубаров Л.Б., Шокин Ю.И. О проекте распределенной
информационно-вычислительной системы сбора, хранения и обработки данных
дистанционного зондирования Земли для регионов Сибири и Дальнего Востока. //
Вычислительные технологии, Т. 13 и Вестник КазНУ, №3, Часть 1, 2008, Совместный
выпуск по материалам Международной конференции «Вычислительные и
информационные технологии в науке, технике и образовании», 10-14 сентября, 2008.
20. GIOVANNI: GES-DISC (Goddard Earth Sciences Data and Information Services Center)
Interactive Online Visualization ANd aNalysis Infrastructure.
http://daac.gsfc.nasa.gov/techlab/giovanni/.
21. NASA GES DISC on-line visualization and analysis system for gridded remote sensing data
(G. Leptoukh, S. Berrick, H. Rui, Z. Liu, T. Zhu, S. Shen).
22. Open Geospatial Consortium. http://www.opengeospatial.org.
23. R. Gerlach, C. Schmullius, and K. Frotscher. Supporting NEESPI with Data Services – The
SIB-ESS-C e-Infrastructure // Geophysical Research Abstracts, Vol. 11, EGU2009-13591,
2009.
24. Proussevitch A., Vorosmarty C., Glidden S., Fekete B., Green P., Lammers R. Global-RIMS: A
Global Rapid Integrated Mapping System for Hydrology Visualization and Analysis //
Computers and Geosciences (in review 2009)
25. MapServer. http://mapserver.org/.
26. L.R. Welp, J.T. Randerson, J.C. Finlay, S.P. Davydov, G.M. Zimova, A.I. Davydova, and
S.A. Zimov. A high-resolution time series of oxygen isotopes from the Kolyma River:
Implications for the seasonal dynamics of discharge and basin-scale water use // Geophysical
Research Letters, VOL. 32, 2005, L14401, DOI:10.1029/2005GL022857.
27. A. Titov, E. Gordov, I. Okladnikov, T. Shulgina. Web-system for processing and visualization
of meteorological data for Siberian environment research // International Journal of Digital
Earth, DOI: 10.1080/17538940902866187, Vol. 2, Issue S1 April 2009, p. 105 – 119.
28. ITTVIS IDL - Data Visualization Solutions. http://www.ittvis.com/ProductServices/IDL.aspx.
29. The Weather Research & Forecasting Model Website. http://www.wrf-model.org/.
30. Титов А.Г., Гордов Е.П., Окладников И.Г. Использование технологий Semantic Web в
информационно-вычислительной системе для анализа данных по окружающей среде
// Вестник НГУ, Серия: Информационные технологии, Т.8, выпуск 1, 2010, с. 60-67.
31. GeoTools The Open Source Java GIS Toolkit. http://www.geotools.org/.
32. JavaScript Toolkit for Rich Web Mapping Applications, http://www.geoext.org/.
33. Ext JS - JavaScript Framework and RIA Platform. http://extjs.com/.
34. OpenLayers: Free Maps for the Web. http://openlayers.org.
35. Peterson T.C., 2005: Climate Change Indices. WMO Bulletin, 54(2), 83-86.
36. J. Sillmann, E. Roeckner Indices for extreme events in projections of antropogenic climate
change // Climate Change, 2008, 86:83 – 104, p. 83 – 104.
37. ESRI Shapefile Technical Description, 1998.
http://ww.esri.com/library/whitepapers/pdfs/shapefile.pdf.
38. Resource Description Framework (RDF), 2004. http://www.w3.org/RDF/.
39. NCEP/NCAR Reanalysis http://www.esrl.noaa.gov/psd/data/reanalysis/reanalysis.shtml.
40. E. Kalnay and et. al. The NCEP/NCAR 40-Year Reanalysis Project // Bulletin of the American
Meteorological Society, Vol. 77, No 3., March 1996, p. 437 – 471.
42
Глава 1
41. M. Kanamitsu, et. al, NCEP-DOE AMIP II Reanalysis (R-2) // American Meteorological
Society, November 2002, p. 1631-1643.
42. K. Onogi, et al. The JRA-25 Reanalysis, Journal of the Meteorological Society of Japan,
Vol.85, No. 3, pp. 369-432, 2007.
43. ERA-40 Project Report Series, European Centre for Medium Range Weather Forecasts, 2007.
44. Гордов Е.П., Окладников И.Г., Титов А.Г. Информационно-вычислительные системы на
основе веб-технологий для исследования региональных природно-климатических
процессов // Вычислительные технологии, Том 12, Специальный выпуск № 3, 2007,
с. 20-29.
45. Окладников И.Г., Титов А.Г., Мельникова В.Н., Шульгина Т.М. Веб-система для
обработки и визуализации метеорологических и климатических данных.
// Вычислительные технологии, Т.13, Спецвыпуск №3, 2008, с. 64 – 69.
46. Jeen Broekstra, Arjohn Kampman, Frank van Harmelen. Sesame: An Architecture for Storing
and Querying RDF Data and Schema Information (2001) // In: Semantics for the WWW, MIT
Press, 2001, D. Fensel, J. Hendler, H. Lieberman and W. Wahlster (eds).
47. What is GeoServer. http://geoserver.org/display/GEOS/What+is+GeoServer.
48. OpenGIS Standards and Specifications. http://www.opengeospatial.org/standards.
49. Google Maps API. http://code.google.com/intl/ru/apis/maps/.
Введение
Ежегодно лесные пожары в различных регионах РФ уничтожают государственный
лесной фонд, загрязняют атмосферу и приводят к гибели людей и повреждению сельских
населенных пунктов [1]. Возможны чрезвычайные ситуации, когда необходимо принимать
решения в сжатые сроки (от нескольких десятков минут до нескольких дней). Это тот
временной интервал, когда трудно или невозможно осуществить оперативную консультацию
со специалистами. В этом случае необходимую поддержку в принятии решения в условиях
ограниченных ресурсов (прежде всего временных ограничений) могут оказать
компьютерные системы [2]. С целью минимизации экологического, экономического ущерба,
числа жертв, а также рационального использования средств на охрану лесов от пожаров
следует осуществлять прогноз лесной пожарной опасности. Для решения указанных задач в
различных странах мира разработаны индексы и системы оценки пожарной опасности в
лесах (например, в Канаде [3], США [4], Европе [5]). В РФ в качестве ГОСТа [6] применяется
критерий Нестерова [7]. Однако он физически не содержателен и не учитывает
антропогенной нагрузки и грозовой активности.
Цель настоящей работы – создание концептуального проекта отечественной системы
прогноза лесной пожарной опасности на базе детерминированно-вероятностного подхода
Предпроектное исследование
Министерство природных ресурсов Канады в настоящее время оперирует двумя
национальными информационными системами для управления лесными пожарами [8]:
канадская информационная система по лесным пожарам (Canadian Wildland Fire Information
System – CWFIS) и система моделирования, мониторинга и картирования пожаров (Fire M3).
Обе системы включают компоненты канадской системы оценки лесной пожарной опасности
(Canadian Forest Fire Danger Rating System – CFFDRS) [3] и используют движок системы
43
Глава 1
пространственного управления пожарами (Spatial Fire Management System – sFMS) [8] для
получения, управления, моделирования, анализа и презентации данных. Метеорологические
параметры с точечных источников измерений (сеть Канады и северной части США
насчитывает около 900 метеорологических станций) интерполируются для получения
пространственной детализации ячеек в 1 км.
Канадская система CFFDRS состоит из двух основных подсистем (модулей) – Canadian
Forest Fire Weather Index (FWI) System [9] и Canadian Forest Fire Behavior Prediction (FBP)
System [8]. В рамках первой подсистемы FWI прогнозируется влагосодержание основных
лесных горючих материалов (ЛГМ) в зависимости от погодных условий, а в рамках FBP –
поведение очага пожара для различных лесных фитоценозов. Два других элемента (Accessory
Fuel Moisture System и Canadian Forest Fire Occurrence Prediction (FOP) System) не
разработаны для всей территории страны, но существуют региональные версии данных
подсистем [8]. Первая предназначена для оценки влагосодержания второстепенных ЛГМ, а
вторая для предсказания возгораний от антропогенной нагрузки и грозовой активности. В
последнее время для описания суточного изменения индекса пожарной опасности
используется математический аппарат цепей Маркова [10].
Система sFMS разработана для поддержки принятия решений по ликвидации лесных
пожаров [8] и может функционировать как самостоятельное приложение или
интегрироваться в существующие информационные системы. sFMS преимущественно
работает с текущей метеорологической информацией, чтобы подготовить дневные или
почасовые карты пожарной опасности, поведения пожаров, вероятности зажигания. Система
также используется с кратко- и долгосрочными климатическими прогнозами для
предсказания влияния климатических изменений на уровень лесной пожарной опасности,
выгоревшую площадь, потребление ЛГМ и эмиссию парниковых газов. Система может
использоваться в различных масштабах (от локального до глобального) [8].
Мониторинговый компонент Fire M3 использует спутниковые данные NOAA (AVHRR
– advanced very high-resolution radiometer) с пространственным разрешением 1км для
обнаружения активных лесных пожаров. Компонент картирования предназначен для оценки
выгоревшей площади. Моделирующие компоненты интегрируют данные системы CWFIS
для оценки условий пожарной погоды, лесной пожарной опасности и возможного поведения
пожара [8].
Выходные данные канадской национальной системы доступны для заинтересованных
лиц и организаций через Интернет (сайт Канадской лесной службы http://cfs.nrcan.gc.ca).
Канадская методика используется в различном объеме в таких странах, как США, Новая
Зеландия, Фиджи, Аргентина, Мексика, Индонезия, Малайзия [11]. Система была успешно
использована и в Финляндии, Швеции [11]. Канадская методика прогнозирования лесной
пожарной опасности построена с учетом анализа большого количества статистических
данных и достаточно точно предсказывает пожарную опасность [3,8-11] .
В США в 1972 г. была разработана методика определения пожарной опасности на
разных лесных территориях (National Fire Danger Rating System – NFDRS) [4]. Структура
американской системы представляет собой абстрактную модель влияния различных
факторов и условий на процесс возникновения и распространения пожаров. Система выдает
четыре индекса [4]: индекс возникновения пожара по вине человека (Man-caused fire
occurrence index – MCOI), индекс возникновения пожара в результате грозовой активности
(Lightning-caused fire occurrence index – LOI), индекс горения (Burning index – BI) и индекс
пожарной нагрузки (Fire load index – FLI). Индексы MCOI и LOI определяются с учетом
компонента воспламенения (Ignition component – IC) и позволяют оценить ожидаемое число
лесных пожаров. Все ЛГМ разделены на типичные модели. В системе вводится ряд
пирологических характеристик ЛГМ, которые позволяют косвенно учитывать процесс
зажигание. Итоговая оценка пожарной опасности (FLI) определяется в зависимости от
значений индексов MCOI, LOI и BI по 100-бальной шкале. Таким образом, в системе
44
Глава 1
используется большое количество поправок, полученных на основе эмпирических данных.
Результаты, основанные на расчетах в рамках NFDRS, используются в системе оценки
лесных пожаров (Wildland Fire Assessment System – WFAS). Некоторые результаты доступны
в сети Интернет (официальный сайт http://www.wfas.net).
К началу 2000 года было проведено сравнительное исследование различных методов
прогноза лесной пожарной опасности, разработанных в Южной Европе [12]. Все методы
представляют численный индекс, который растет с увеличением опасных условий.
Южноевропейские методы оценки пожарной опасности [12], в основе которых лежат
метеорологические факторы, были протестированы, используя статистические данные за
период 3-9 лет. Кроме методов, принятых во Франции, Италии, Португалии и Испании, в
сравнительный анализ был включен и канадский метод [9]. Для каждой области имелись
ежедневные значения числа пожаров и выгоревшей площади, которые зависят не только от
метеопараметров. Считалось, что дополнительные факторы (особенно антропогенная
нагрузка) не оказывают взаимного влияния [12]. Канадский метод и модифицированный
метод Нестерова (Португалия) показали наилучшие общие эксплуатационные качества [12].
Вслед за этим исследованием была разработана так называемая Европейская система –
European Forest Fire Risk Forecasting System (EFFRFS), которая применялась на территории
Южной Европы. Основу системы составили методы, разработанные в Италии, Франции,
Испании, Португалии [12] и канадский метод [9]. Указанные методы применяются в
совокупности. В настоящее время применяется модификация Европейской системы, которая
дополнительно учитывает данные со спутников и называется European Forest Fire Information
System (EFFIS) [5]. Для сравнения все индексы приведены к 100 бальной шкале. В последние
годы система стала применяться в некоторых странах Западной Европы. Результаты работы
системы доступны в сети Интернет (официальный сайт http://effis.jrc.ec.europa.eu). Надо
полагать, что несовершенство национальных методов заставило создателей европейской
системы включить канадский метод в качестве одного из основных компонентов. Поскольку
наиболее качественный компонент представлен канадским методом, то преимущества и
недостатки европейской системы аналогичны, что и у североамериканских. Канадская и
американская системы похожи друг на друга в своей структуре, в подходах и принципах
построения индекса пожарной опасности. Поэтому обе они обладают схожими как
достоинствами, так и недостатками. Основной недостаток заключается в том, что явления
сушки и зажигания слоя ЛГМ не моделируются с учетом реальных физико-химических
процессов. Основное достоинство – учет таких значимых факторов, как антропогенная
нагрузка, грозовая активность и долговременная эксплуатация в реальных условиях, которая
показала эффективность применения этих систем.
Степень пожарной опасности, обусловленная пожарной зрелостью лесного участка, в
лесной пирологии определяется с помощью индекса горимости Нестерова (комплексного
метеорологического показателя – КМП) [7]:
Гj=Гj-1ξj+Tj(Tj-Tpj)
Здесь Гj – комплексный метеорологический показатель пожарной опасности; Tj, Tpj –
температуры воздуха и точки росы в 13-15 ч местного времени для текущего дня; ξ -
коэффициент учета осадков, который равен нулю, если сумма осадков за прошедшие сутки
fj>3 мм, или 1, если fj<3 мм; индекс j соответствует текущему дню пожароопасного сезона.
Вероятность возникновения лесного пожара и его интенсивность возрастают с увеличением
комплексного показателя Гj. В 1999 году принят ГОСТ Р 22.1.09-99 «Мониторинг и
прогнозирование лесных пожаров. Общие требования» [6], который используется по
настоящее время. Данный стандарт основан на приведенном выше комплексном
метеорологическом показателе [7]. Основной недостаток настоящего стандарта в том, что
игнорируется влияние факторов антропогенной нагрузки и грозовой активности. В этом
отношении методика существенно уступает зарубежным аналогам. Второй недостаток
45
Глава 1
(игнорирование реальных физико-химических механизмов сушки и зажигания слоя ЛГМ)
характерен как для российской методики, так и для зарубежных систем. Можно сделать
вывод, что официально принятая российская методика прогноза лесной пожарной опасности
совершенно не соответствует современному уровню развития технологий в данной области.
В России существуют более совершенные разработки в области прогноза лесной
пожарной опасности. В ЛенНИИЛХ разработана методика прогноза лесной пожарной
опасности, которая использует понятие «воспламеняемость» и общее количество источников
огня [13]. Воспламеняемость ЛГМ определяется через влагосодержание и температуру
проводников горения, а общее количество источников огня – через структуру и уровень
активности этих источников. Прогноз числа лесных пожаров, которое является случайной
величиной, проводится посредством построения функции распределения для
фиксированного периода с определенным диапазоном влажности проводников горения и
относительного количества источников огня. В [14] уравнение баланса влаги в слое ЛГМ
предложено в следующей форме:
dW
= qик + qил + qс + qос + qп .
dt
Здесь в левой части стоит скорость изменения влагосодержания в слое; qик – скорость
испарения влаги за счет конвективного теплообмена с воздухом, кг/(кг⋅с); qил – скорость
испарения влаги за счет действия излучения, кг/(кг⋅с); qс – скорость поступления влаги в
слой ЛГМ за счет сорбции из воздуха, кг/(кг⋅с); qос – скорость поступления влаги с осадками,
кг/(кг⋅с); qп – скорость оттока влаги в почву, кг/(кг⋅с).
Определение пожарной опасности как вероятности возникновения пожара требует
задания ряда функций Pn(τ,Ψ), n=0,1,.., определяющих вероятность возникновения на
территории Ψ в интервале времени τ ровно n пожаров. Вероятность возникновения хотя бы
одного пожара равна [15]:
∞
Pn >0 (τ , Ψ ) = ∑ Pn (τ , Ψ ) = 1 − P0 (τ , Ψ ) ,
n =1
46
Глава 1
пожарной опасности использование такого подхода предложил А.М. Гришин [18]. Однако
полноценное развитие этот подход получил в многочисленных работах автора настоящей
статьи.
47
Глава 1
значимых факторов и климатических изменений. Основные задачи концепции естественным
образом вытекают из сформулированных выше требований к современной системе прогноза
лесной пожарной опасности. Следует отметить, что очень важное значение имеет наличие
исходных данных для расчетных моделей. В рамках настоящей концепции предлагается
объединить в единую систему (распределенный аппаратно-программный комплекс) как
информационно-вычислительное ядро (параллельный программный комплекс (ППК) для
многопроцессорной вычислительной системы (МВС), так и необходимые для
функционирования инструментальные средства регистрации наземных грозовых разрядов.
Известно, что развитие сети грозопеленгаторов запланировано Федеральной службой по
гидрометеорологии и мониторингу окружающей среды. Усиление влияния антропогенного
фактора обязывает при создании комплексов прогноза лесной пожарной опасности уделить
внимание разработке системы усвоения данных об уровне антропогенной нагрузки
(С.У.Д.А.Н.) с целью оценки ее пространственно-временной динамики. Технологическая
база модельной концепции представлена на рис. 1.
48
Глава 1
возникновения очагов лесных пожаров. Грозовая активность создает напряженную
лесопожарную обстановку в горных и малообжитых регионах. Причиной возгораний
являются разряды класса облако-земля. На рис. 2 представлен обобщенный механизм
возникновения очага лесного пожара в результате грозовой активности, который учитывает в
совокупности первичные и вторичные источники зажигания и режим тления слоя ЛГМ после
удара молнии.
49
Глава 1
на первом этапе и вероятный источник зажигания на втором. А вот процесс зажигания ЛГМ
конкретным источником с учетом метеорологических условий может быть описан
детерминированной математической моделью.
Комбинации ЛГМ в образовании слоев достаточно обширны. Одним из возможных
вариантов упрощения множества исходных данных является ввод эталонного слоя ЛГМ.
Такой подход уже использован при разработке канадской системы [9] и российских
лесопожарных показателей засухи [7]. Основную опасность представляют пожары в хвойных
и смешанных лесах. Будет логичным ввести эталонный слой напочвенного ЛГМ из опада
хвои. Сосна во многих регионах является преобладающей породой, а ее ареал охватывает
практически всю территорию бореальных лесов России.
50
Глава 1
где P(C) - вероятность того, что ЛГМ достаточно сухой, P(Зi/С) – вероятность зажигания
ЛГМ в результате действия i-ой причины антропогенной нагрузки при условии, что ЛГМ
достаточно сухой.
51
Глава 1
Детерминированно-вероятностный подход позволяет учитывать не только
статистические данные, но и результаты экспериментов и численных расчетов по зажиганию
ЛГМ. Разработаны базовые физико-математические модели зажигания дерева наземным
грозовым разрядом [25] и напочвенного покрова горячими частицами [26]. Известно, что
нагретые до высоких температур частицы являются самыми распространенными
источниками зажигания. Для оценки лесной пожарной опасности в различных масштабах от
минимальной лесотаксационной единицы до глобального разработана модель интегральной
оценки вероятности возникновения лесных пожаров на контролируемой лесопокрытой
территории [27]. В соответствии с требованиями к современной системе прогноза лесной
пожарной опасности разработан проблемно-ориентированный подход ландшафтного
распараллеливания [28], в рамках которого развивается комплекс прогноза лесной пожарной
опасности.
Задачу совместного учета данных наблюдений и прогностической модели для наиболее
точного описания пространственно-временного распределения метеополей называют задачей
усвоения данных (в зарубежной литературе data assimilation) [29]. При разработке системы
прогноза лесной пожарной опасности первостепенное значение имеют исследования в
области создания С.У.Д.А.Н. Следует заметить, что детали реализации такой системы для
целей прогноза лесной пожарной опасности могут отличаться от реализации систем
усвоения данных в метеорологии. Предполагается, что на первом этапе осуществляется сбор
и анализ статистической информации о возникновении лесных пожаров по вине человека.
Фаза анализа осуществляет пространственную детализацию исходных данных с помощью
сплайнов в рамках модели компандер-экспандер [30]. В качестве сравнения могут быть
приведены системы усвоения данных на базе оптимальной интерполяции [31]. Завершающий
этап предполагает получение прогнозной информации о пространственно-временной
динамике антропогенной нагрузки на контролируемые лесопокрытые территории с помощью
детерминированной математической модели. Процессы принятия решений и поведения,
несмотря на влияние многообразных факторов, не являются случайными [32], так как всем
людям присущи общие реакции на информацию о структуре и качествах пространства,
общие механизмы восприятия этой информации для принятия решения. Люди со сходными
полями информации проявляют сходные предпочтения мест отдыха, то есть ведут себя в
географическом пространстве почти одинаково.
52
Глава 1
отображения прогнозной информации следует использовать географические
информационные системы (рис. 4).
Заключение
Существующий уровень разработки детерминированно-вероятностного подхода [19,
20-22, 25-28, 30] позволяет говорить о возможности создания отечественной системы
прогноза лесной пожарной опасности. Зарубежный опыт показывает, что эксплуатация таких
систем в национальном масштабе позволяет снижать затраты на охрану лесов и
минимизировать экологический, экономический ущерб [11]. Разработка новой физически-
обоснованной системы прогноза лесной пожарной опасности будет соответствовать задачам
Концепции развития лесного хозяйства Российской Федерации на 2003 – 2010 годы в части
внедрения достижений науки для обеспечения интенсивного, комплексного использования
лесных ресурсов при сохранении экологического потенциала лесов [33]. Настоящее
исследование решает эти задачи в части разработки и совершенствования методов прогноза
возникновения пожароопасных ситуаций в лесах. Кроме того, проведенные проектные
исследования соответствуют приоритетам, обозначенным в Концепции [33], в части
приведения российских стандартов в сфере лесного хозяйства в соответствие с мировыми.
Список литературы
1. Кузнецов Г.В., Барановский Н.В. Прогноз возникновения лесных пожаров и их
экологических последствий. Новосибирск: Изд-во СО РАН, 2009. 301 С.
2. Геловани В.А., Башлыков А.А., Бритков В.Б., Вязилов Е.Д. Интеллектуальные системы
поддержки принятия решений в нештатных ситуациях с использованием информации о
состоянии природной среды. – М.: Едиториал УРСС, 2001. 304 С.
3. Canadian Forest Fire Danger Rating System / B.J. Stocks, M.E. Alexander, R.S. McAlpine at
all. – Canadian Forestry service, 1987. – 500 P.
4. Deeming J.E., Burgan K.E., Cohen J.D. The national fire danger rating system. Ogden, Utah:
USDA Forest Service, General Technical report. INT-39. 1978. 66 P.
5. Camia A., Barbosa P., Amatulli G., San-Miguel-Ayanz J. Fire Danger Rating in the European
Forest Fire Information System (EFFIS): Current developments // Forest Ecology and
Management. 2006. Vol. 234. Supplement 1. P. S20.
6. ГОСТ Р 22.1.09-99 «Мониторинг и прогнозирование лесных пожаров. Общие
требования»
53
Глава 1
7. Нестеров В.Г. Горимость леса и методы ее определения. М.; Л.: Гослесбумиздат, 1949.
76 С.
8. Lee B.S., Alexander M.E., Hawkes B.C., Lynham T.J., Stocks B.J., Englefield P. Information
systems in support of wildland fire management decidion making in Canada // Computers and
Electronics in Agriculture. 2002. Vol. 37. N 1-2. P. 185 – 198.
9. Van Wagner C.E. Development and structure of the Canadian Forest Fire Weather Index
System / Petawawa. Canadian Forest Service. Technical report 35. – Ontario, 1987. 37 P.
10. Martell D.L. A Markov Chain Model of Day to Day Changes in the Canadian Forest Fire
Weather Index // International Journal of Wildland Fire. 1999. Vol. 9. N 4. P. 265 – 273.
11. Taylor S.W., Alexander M.E. Science, technology and human factors in fire danger rating: the
Canadian experience // International Journal of Wildland Fire. 2006. Vol. 15. N 1. P. 121 –
135.
12. Viegas D. X., Bovio G., Ferreira A., Nosenzo A., Sol B. Comparative Study of Various Methods
of Fire Danger Evaluation in Southern Europe // International Journal of Wildland Fire. 1999.
Vol. 9. N 4. P. 235 – 246
13. Коровин Г.Н., Покрывайло В.Д., Гришман З.М. и др. Основные направления развития и
совершенствования системы оценки и прогноза пожарной опасности // Лесные пожары и
борьба с ними. Л.: ЛенНИИЛХ, 1986. С. 18 – 31.
14. Доррер Г.А. Модель суточной динамики влагосодержания проводников горения //
Лесные пожары и их последствия. Красноярск: ИЛиД СО АН СССР, 1985. С. 110 – 124.
15. Якимов С.П. Алгоритмы оценки пожарной опасности леса по данным дистанционного
зондирования. Дисс. … канд. техн. наук. Красноярск: КГТА, 1996. 155 с.
16. Горев Г.В. Оценка климатической предрасположенности территории к возникновению
лесных пожаров (на примере Томской области). Автореф. дисс. … канд. геогр. наук.
Томск: ТГУ. 2004. 24 С.
17. Мухин А.С. Совершенствование информационного обеспечения в охране лесов от
пожаров. Автореф. дисс. … канд. с.-х. наук. М.: МГУЛ. 1996. 24 с.
18. Гришин А.М. Математическое моделирование и прогноз катастроф: Методическое
пособие. Томск: Центр образования и исследований по механике реагирующих сред и
экологии Томского госуниверситета, 1999. 24 с.
19. Барановский Н.В. Прогноз лесной пожарной опасности на основе новой концепции //
Материалы Международной научно-практической конференции «Рациональное
использование и воспроизводсво лесных ресурсов в системе устойчивого развития».
Беларусь, Гомель: Институт леса НАН Беларуси, 2007. С. 129 – 132.
20. Барановский Н.В. Математическое моделирование наиболее вероятных сценариев и
условий возникновения лесных пожаров. Дисс. … канд. физ.-мат. наук. Томск: Томский
государственный университет. 2007. 153 с.
21. Барановский Н.В. Оценка вероятности возникновения лесных пожаров с учетом
метеоусловий, антропогенной нагрузки и грозовой активности // Пожарная безопасность.
2009. № 1. С. 93 – 99.
22. Барановский Н.В. Модель прогноза и мониторинга лесной пожарной опасности //
Экология и промышленность России. 2008. № 9. С. 59 – 61.
23. Pew K.L., Larsen C.P.S. GIS analysis of spatial and temporal patterns of human-caused
wildfires in the temperate rain forest of Vancouver Island, Canada // Forest Ecology and
Management. 2001. Vol. 140. N 1. P. 1 – 18.
24. Янко И.В. Пирологическая оценка территории Томской области. Дисс. … канд. геог.
наук. Томск: Томский государственный педагогический университет, 2005. 174 с.
25. Кузнецов Г.В., Барановский Н.В. Математическое моделирование зажигания дерева
хвойной породы наземным грозовым разрядом // Пожаровзрывобезопасность. 2008.
T. 17. № 3. С. 41 – 45.
54
Глава 1
26. Кузнецов Г.В., Барановский Н.В. Математическое моделирование зажигания слоя лесных
горючих материалов нагретой до высоких температур частицей //
Пожаровзрывобезопасность. 2006, Т. 15. № 4, С. 42 – 46.
27. Барановский Н.В. Интегральная по пространству оценка лесной пожарной опасности //
Пожаровзрывобезопасность. 2008. Т. 17. № 6. С. 38 – 42.
28. Барановский Н.В. Ландшафтное распараллеливание и прогноз лесной пожарной
опасности // Сибирский журнал вычислительной математики. 2007. Том 10, № 2. С. 141 –
152.
29. Климова Е.Г. Восстановление метеорологических полей по данным наблюдений. Дисс.
… д-ра физ.-мат. наук. Новосибирск: ИВТ СО РАН. 2005. 233 с.
30. Барановский Н.В. Модель компандер-экспандер для системы усвоения данных об уровне
антропогенной нагрузки на контролируемой лесопокрытой территории. // Современные
проблемы информатизации в моделировании и анализе сложных систем: Сб. трудов.
Вып. 12. Воронеж: «Научная книга», 2007. С. 149 – 152.
31. Flemming J., Reimer E., Stern R. Data assimilation for CT-Modelling based on optimum
interpolation // Preprints of 25th NATO/CCMS International Technical Meeting on Air
Pollution Modelling and its Application. Belgium, Louvain-la-Neuve: Catholic University of
Louvain. 2001. P. 173 – 1180.
32. Андреев Ю.А., Ларченко Г.Ф. Социально-психологические аспекты рекреационных
посещений леса и возникновение пожаров // Лесные пожары и борьба с ними. М.:
ВНИИЛМ, 1987. С. 251-263.
33. Концепция развития лесного хозяйства России на 2003 – 2010 годы (Внесенные
изменения). М.: МПР. Рослесхоз. 2007. 12 с.
Введение
Создание компьютерных моделей течений в водотоках сложной конфигурации часто
требует больших объемов разнородной пространственно-распределенной эмпирической
информации. Это, прежде всего, цифровая модель рельефа (ЦМР) русла и речной долины,
сведения о коэффициентах шероховатости подстилающей поверхности, пространственно
распределенная гидрологическая и метеорологическая информация. В связи с этим
актуальной является задача разработки и создания информационно-моделирующей системы
(ИМС), объединяющей вычислительный модуль, СУБД и ГИС.
Для ряда важных гидрологических задач оценку последствий опасных гидрологических
явлений, таких как затопление, можно выполнить только с привлечением достаточно
развитых математических моделей течений. В настоящее время для расчета течений в
пространственной области, охватывающей водотоки длиной десятки и сотни километров,
наиболее развитой из практически реализуемых является плановая (2DH) модель. В работе
представлены результаты по разработке ИМС на основе 2DH-модели руслового потока (в
рамках приближения теории «мелкой воды») с использованием мощной клиент-серверной
СУБД и ГИС для отображения эмпирических и натурных данных. Возможности ИМС
продемонстрированы на примере расчета течения на участке Верхней Оби.
55
Глава 1
Структура ИМС
Воспользуемся определением информационно-моделирующих систем как класса
информационных систем, предназначенных для аналитической обработки и преобразования
больших объемов детализированных данных в обобщенную выверенную информацию,
пригодную, в частности, для принятия обоснованных управленческих решений. При этом
концептуальная структура информационного блока практически однозначно определяется
спецификой предметной области и принимаемой классификацией задач управления;
моделирующий же блок в существенной степени зависит от специфики решаемых задач [1].
В качестве единой системообразующей основы для обобщения и анализа больших
объемов входных пространственный данных о природных и антропогенных характеристиках
выступают проблемно-ориентированные ГИС. Применение ГИС для решения
гидрологических задач имеет определенную специфику, обусловленную самим предметом
исследования. Основной особенностью гидрологических задач является наличие в
большинстве из них временной составляющей, что оказывает существенное влияние на
структуру данных и моделирующих комплексов, используемых для их решения. Вследствие
этого, значительный объем в наборе данных, используемых гидрологическими ГИС,
занимают временные ряды измеряемых и расчетных величин (таких как расходы, уровни,
метеопараметры и т.п.), относимые к определенным пространственным точкам (створам,
метеостанциям и т.п.).
Для каждой ИМС информационный блок реализует методы доступа к БД в
соответствии со спецификой ИМСК. Следует заметить, что:
− моделирующие блоки, как правило, имеют высокую интенсивность обмена
данными с базой данных (БД);
− моделирующие блоки предъявляют высокие требования к ресурсам компьютера и
оптимизации программных кодов, что может противоречить требованиям
унификации.
Общая структура моделирующего блока и связанных с ним потоков данных
представлена на рисунке 1. На входе и выходе моделирующего блока данные представлены в
унифицированном формате. На входе унифицированные данные адаптируются к конкретной
модели в наиболее оптимальной форме (адаптация формата и структуры). Далее входные
данные попадают в рабочий цикл программы расчета и преобразуются в данные результатов
расчета. При экспорте из моделирующего блока данные расчета конвертируются в
унифицированный формат и могут быть использованы вне блока.
В конкретных случаях данные по расходам воды используются в качестве граничных
условий при моделировании течений в реках, а данные метеонаблюдений могут
использоваться для оценки объема осадков при оценке величины стока в речной сети и
расчета тепловых потоков в задачах качества воды. Заметим, что функционально
гидросооружения могут интерпретироваться как створы гидрологических наблюдений.
Моделирующий блок
В качестве моделирующего блока использовалась компьютерная модель планового
течения в открытых водотоках. Дадим ее краткое описание.
Для математического моделирования поля течения использована декартова система
координат с осями x,y,z, в которой ось z направлена вверх (рис. 2). Поверхность речной
долины (включая русло) задается уравнением z = δ ( x, y ) . Исходные уравнения
рассматриваются в области, граница Г которой может меняться со временем в результате
изменения уровня водной поверхности.
56
Глава 1
r g h1 6
где u = u 2 + v 2 , r = 2 и Csh = .
Csh n
57
Глава 1
Здесь h – глубина; u, v – скорости вдоль координат x, y , соответственно; g – ускорение
свободного падения; H = h + δ – уровень свободной поверхности; K – коэффициент
эффективной вязкости; Csh – коэффициент Шези; n – коэффициент шероховатости дна.
Граничные условия ставятся на границе Γ области, внутренняя часть которой
определяется условием h > 0 . На боковых границах используются условия прилипания
u = 0, v = 0 . На входе в расчетную область задаются площадь сечения и нормальная к
границе входа скорость. Касательная скорость полагается равной нулю. На выходе
∂u ∂v ∂h
применяются «мягкие» граничные условия = 0, = 0, = 0 , где n – нормаль к
∂n ∂n ∂n
выходной границе. В часто используемом случае K = 0 для спокойного течения на входе
задается расход, на выходе – значение уровня свободной поверхности.
В начальный момент времени значения скорости задаются таким образом, чтобы
выполнялось стационарное условие неразрывности.
Численные алгоритмы решения плановой задачи были реализованы в работах [4–9] и
др. В данной работе приводится численный алгоритм, оптимизированный под возможности
современных персональных компьютеров.
Вводится прямоугольная разнесенная (шахматная) сетка. Введем переменные
mu = h ⋅ u , mv = h ⋅ v . Схема расположения узлов сетки представлена на рисунке 3.
В качестве искомых переменных используются величины h, mu , mv . Далее полагается,
что дифференциальные операторы по пространственным переменным будут заменены их
разностными аналогами. Строится конечно-разностная схема, являющаяся одним из
вариантов метода расщепления.
νi, j+1
mν i, j+1
hi,j
νi+1, j
mν i+1, j
νi, j
mν i, j
58
Глава 1
2. После применения процедуры приближенной факторизации неявным способом
уточняются значения ξ u , ξ v по направлению x .
ξ u1 − ξ u0 ∂ u k ξ u1 ∂ k k ∂ (ξ u1 h k )
=− + h K (7)
τ ∂x ∂x ∂x
ξ v1 − ξ v0 ∂ u k ξ v1 ∂ k k ∂ (ξ v1 h k )
=− + h K (8)
τ ∂x ∂x ∂x
3. Уточняются значения ξ u , ξ v по направлению y .
ξ u2 − ξ u1 ∂ v k ξ u2 ∂ k k ∂ (ξ u2 h k )
=− + h K (9)
τ ∂y ∂y ∂y
ξ v2 − ξ v1 ∂ v k ξ v2 ∂ k k ∂ (ξ v2 h k )
=− + h K (10)
τ ∂y ∂y ∂y
4. Неявно рассчитываются источниковые члены.
rk
ξ u3 − ξ u2 r k u ξ u3
=− (11)
τ hk
rk
ξ v3 − ξ v2 r k u ξ v3
=− (12)
τ hk
5. Решается уравнение неразрывности.
Полагая
ξ u4 − ξ u3 ∂z ∂ (h k ξ h4 ) ∂ (u 2ξ h4 )
= − gξ h4 − g −
τ ∂x ∂x ∂x (13)
ξv − ξv
4 3
∂z ∂ (h ξ h ) ∂ (v 2ξ h4 )
k 4
= − gξ h4 −g −
τ ∂y ∂y ∂y (14)
и используя уравнение неразрывности в виде:
k k
⎛ ∂hu ⎞ ⎛ ∂hv ⎞ ⎛ ∂ξ 4 ∂ξ 4 ⎞
ξ +⎜
4
h ⎟ + ⎜⎜ ⎟⎟ + τ ⎜⎜ u + v ⎟⎟ = 0
⎝ ∂x ⎠ ⎝ ∂y ⎠ ⎝ ∂x ∂y ⎠
получаем
⎛ ∂ ⎛ ∂z 4 ⎞ ∂ ⎛ ∂z 4 ⎞ ∂ 2 ∂2 4 ⎞
ξ h4 − τ 2 ⎜⎜ (( ) ) (( ) )
⎜ g ξ h ⎟ + ⎜⎜ g ξ h ⎟⎟ + 2 gh + u ξ h + 2 gh + v ξ h ⎟⎟ +
k 2 4 k 2
⎝ ∂x ⎝ ∂x ⎠ ∂y ⎝ ∂y ⎠ ∂x ∂y ⎠
k
(15)
k
⎛ ∂hu ⎞ ⎛ ∂hv ⎞ ⎛ ∂ξ 3 ∂ξ 3 ⎞
⎜ ⎟ + ⎜⎜ ⎟⎟ + τ ⎜⎜ u + v ⎟⎟ = 0
⎝ ∂x ⎠ ⎝ ∂y ⎠ ⎝ ∂x ∂y ⎠
Уравнения (4–15) аппроксимируются путем замены дифференциальных операторов на
разностные. В конвективных членах используются разности против потока. Применялись
аппроксимации 1 и 2 порядка. Порядок аппроксимации задается как параметр.
Разностные уравнения (7–10) решаются методом прогонки. Уравнение (15) можно
решить каким-либо итерационным методом. В частности, использовался блочный
попеременно-треугольный метод. В случае расщепления по пространственным переменным
это уравнение эффективно решается методом прогонки. Опыт показал, что хотя
итерационный метод позволяет использовать больший шаг по времени, но суммарные
вычислительные затраты (требуется 3-4 итерации на каждом шаге по времени) более
59
Глава 1
значительные, чем использование метода неполной факторизации. В тоже время, для
морфологически сложных пространственных областей применение попеременно-
треугольного метода может оказаться более эффективным.
В начальный момент времени пространственная область, покрытая водой, определяется
по заданному уровню водной поверхности.
Исходные данные
Для создания ИМС для расчета поля течения на рассматриваемом участке реки
необходимы данные о рельефе поверхности речной долины, коэффициентах шероховатости
покрытых водой участков подстилающей поверхности, а также информация о наблюдаемых
расходах различной обеспеченности.
Важным этапом подготовки данных является создание ЦМР изучаемой территории.
Наиболее точной является ЦМР, полученная в результате использования актуальных
крупномасштабной карты и лоции или проведения соответствующих геодезических
изысканий. В отдельных случаях для предварительных оценок можно воспользоваться
данными космических измерений. Для выполнения расчетов с использованием ИМС был
выбран участок р. Обь в районе г. Барнаула у п. Ильича. Для этого участка была построена
ЦМР из всех доступных источников – крупномасштабных карт, лоций, собственных
результатов геодезических изысканий и данных космических измерений (в данном случае –
SRTM).
С целью обеспечения необходимого взаимодействия разработанной компьютерной
модели с ГИС для хранения исходных и результирующих данных выбрана СУБД Oracle XE.
Реализован прототип базы данных и разработаны соответствующие программные модули
для выполнения необходимых запросов. Тем не менее, тип СУБД и структура базы данных
подлежат дальнейшему уточнению.
60
Глава 1
вычислительных систем) позволяет выполнять расчеты характеристик течения в большой
пространственной области с высоким уровнем детализации.
а)
б)
в)
Рис. 4 – Рассчитанные линии тока и глубина воды участка р. Обь около г. Барнаула вблизи п. Ильича
при расходах 843 м3/с (а), 4390 м3/с (б) и 7200 м3/с (в)
61
Глава 1
Выводы и заключение
По результатам работы можно сделать следующие выводы:
1. С учетом специфических особенностей совместно решаемых задач: гидрологической
задачи и задачи управления водными ресурсами предложена эффективная структура
информационно-моделирующей системы на основе модели руслового потока.
2. Для расчета на современных персональных компьютерах плановых течений в руслах
со сложной морфометрией разработан и на известных тестовых задачах апробирован
оригинальный алгоритм численной реализации математической модели течения в рамках
приближения «мелкой воды».
3. Подготовлены исходные данные и выполнены с использованием ИМС вариантные
расчеты затопления отдельных заселенных участков пойменных территорий р. Обь у
г. Барнаула.
4. Результаты расчетов позволяют утверждать, что применение разработанной ИМС
для решения задачи затопления пойменных территорий позволяет оценить и научно
обосновать инженерные мероприятия по предотвращению затопления рассматриваемых
территорий с помощью строительства защитных дамб или других инженерных решений.
5 Результаты работы в целом позволяют заключить, что разработанная ИМС может
быть использована как основа (моделирующая система) для проведения оценочных расчетов
в составе СППР в тех случаях, когда более простые подходы не являются адекватными.
Благодарности.
Авторы благодарят О.В. Ловцкую за полезные обсуждения результатов работы.
Список литературы
1. Интегрированное управление водными ресурсами Санкт-Петербурга и Ленинградской
области / опыт создания систем поддержки принятия решений. – СПб: Borey Print, 2001.
– 419 с.
2. Стокер Дж. Волны на воде. Математическая теория и приложения. М.: Иностр. лит.,
1959, 618 с.
3. Кочин Н.Е., Кибель И.А., Розе Н.В. Теоретическая гидромеханика. М.: Физматгиз, 1963,
Ч.1. 584 с.
4. M.H. Tseng, C.R.Chu. Two-dimensional shallow water using TVD-MacCormack scheme.
Journal of Hydraulic Research. 2000. vol. 38. №2, P.123-132
5. L. Fraccarollo, E.F. Toro. Experimental and numerical assessment of the shallow water model
for two-dimensional dam-break type problems. Journal of Hydraulic Research. 1995. vol. 33.
№6, P.843-864
6. Zuhua C., Guangqian W., Zhishi W. Nummerical solution of the two-dimensional unsteady
depth-averaged flow and solute transport. Proc. XXIX IAHR Cong. Peking, 2000. P.192-205
7. Прокофьев В.А. Численная плановая модель открытого потока при наличии на дне
препятствий. Водные ресурсы. 2005. т.32, №3, с.282-294
8. Беликов В.В., Семенов А.Ю. Построение численных методов распада разрыва для
решения уравнений теории мелкой воды. Труды института общей физики. 1997. Т. 53,
с.5-43
9. Зиновьев А.Т., Марусин К.В., Шибких А.А., Шлычков В.А., Затинацкий М.В.
Моделирование русловых процессов для оценки влияния расчистки русла //
Ползуновский вестник. № 2-1. 2006. – С. 197-203.
62
Глава 1
Введение
Математические модели течений в естественных водотоках требуют задания и
подготовки пространственно-распределенных входных данных. Так один из способов
задания геометрии русел – использование цифровой модели рельефа (ЦМР). Поскольку
обработка и визуализация пространственно-распределенных данных естественным образом
входят в класс решаемых с использованием геоинформационных систем (ГИС) задач, то
представляется актуальным создание информационно-моделирующей системы (ИМС),
объединяющей вычислительный модуль, СУБД и ГИС. В работе представлены результаты
работ по созданию информационно-моделирующий системы для расчета течений в системе
русел. ИМС состоит из расчетного модуля, СУБД, модулей импорта и экспорта данных,
модуля для 1D визуализации натурных и расчетных данных. В качестве инструмента
обработки и визуализации пространственно-распределенных данных используется ГИС.
Блок расчета гидравлики реализован на основе нестационарной продольно-одномерной
модели течения (приближение «мелкой воды») в системе русел, характеризующейся
достаточной общностью решений в классе одномерных моделей. В частности, на основе
подобных моделей возможно решать задачи краткосрочного прогноза гидрологического
стока. В качестве примера использования ИМС рассматривается прохождение волны
паводка по р. Обь на участке от г. Бийска до г. Камень-на-Оби. ИМС позволяет решать
следующие задачи:
1. Расчет течений в системе русел в период половодья и паводка;
2. Расчет волн прорыва при разрушении плотин;
3. Расчет зоны затопления территорий;
4. Краткосрочный прогноз гидрологического стока.
Структура ИМС
Необходимое взаимодействие ИМС с ГИС обеспечивается общей базой данных,
которая дополнительно содежит информацию для создания геометрических форм при
визуализации в ГИС-системах. С этой целью для одномерных моделей в БД хранятся
координаты осевой линии потока, поперечник хранится в виде 3-х мерной кривой. База
данных в общем виде включает в себя:
1. Атрибутивные и геометрические характеристики водных объектов (участки речной
сети, водоемы, водосливы).
2. Информацию по гидропостам и метеостанциям. В частности, данные по расходам
используются в качестве граничных условий при моделировании течений в реках, а
данные метеостанций могут использоваться для оценки объема осадков при оценке
величины стока в речной сети и расчета тепловых потоков в задачах качества воды.
3. Базу данных моделируемых комплексных объектов:
a) список первичных водных объектов;
b) группы данных по гидропостам и метеостанциям, привязанных к
первичным водным объектам;
c) топология сети первичных водных объектов и пунктов наблюдений для
одномерных моделей.
4. Базу данных результатов моделирования комплексных водных объектов с увязкой
посредством идентификаторов с объектами в выше перечисленных базах данных.
63
Глава 1
Результаты расчета хранятся в табличной форме и имеют общий вид U(x), где U –
вектор искомых переменных задачи, x – вектор обобщенных координат.
В качестве системы для хранения исходных и результирующих данных предполагается
выбрать СУБД Oracle XE. Реализован прототип базы данных и разработаны
соответствующие программные модули для выполнения необходимых запросов. Для
упрощения интеграции ИМС с различными БД и СУБД проведен анализ возможности
унификации основных потоков данных внутри ИМС и в зоне «ИМС – база данных».
Разработаны необходимые унифицированные структуры циркулирующих внутри ИМС
данных и подсистемы обмена данными между ИМС и БД (СУБД). Общая структура ИМС и
связанных с ней потоков данных представлена на рисунке 1.
Обмен данными между ИМС и БД (СУБД) осуществляется по цепочке «БД (СУБД) –
загрузчик/транслятор – унифицированные данные – внутренняя среда ИМС». Загрузчик
оформлен отдельным блоком, обмен данными на линии «загрузчик/транслятор – ИМС»
унифицирован. Для согласования типов и идентификаторов данных в БД и в ИМС вводится
специальная таблица согласования: каждому параметру в ИМС ставится в соответствие
определенный ресурс БД. Такой способ облегчает адаптирование программных кодов
загрузки данных из различных БД без модификации структуры ИМС. Для уменьшения
количества обращений к БД при необходимости создается файловый кэш данных
определенного формата, например, при обработке больших объемов зависящих от времени
данных. Структура внутренних данных ИМС поддерживает создание и расширение
библиотеки моделирующих блоков, обеспечивающих решение различных водно-
экологических задач.
Информационно-моделирующая
-
система
Моделирующий блок
64
Глава 1
Моделирующий блок
Для расчета гидравлического режима используется система уравнений, описывающая
нестационарное течение в открытом русле (уравнения Сен-Венана) с учетом наличия
ледяного покрова [1-3]:
∂ω ∂Q
+ = q, (1)
∂t ∂x
∂Q ∂ ⎛ Q 2 ⎞ ⎛ ∂z ρ ∂ζ Q Q ⎞
+ ⎜⎜ ⎟ + gω⎜ + i i +
⎜ ∂x ρ ∂x
⎟ = 0.
2 ⎟
(2)
∂t ∂x ⎝ ω ⎟⎠ ⎝ K ⎠
Здесь ω – площадь поперечного сечения потока; Q – расход воды; q – удельный
(приходящийся на единицу длины русла) боковой приток воды; z – ордината поверхности
потока; ρ, ρi – плотность воды и льда соответственно; ζi – толщина льда; g – ускорение силы
тяжести; x – продольная координата; t –время; K- модуль расхода, K = ωC R ; R = w / χ -
1
гидравлический радиус; χ – смоченный периметр; C = 1 R 6 - коэффициент Шези.
n
В области без покрова льда n=n0, где n0 - шероховатость русла открытого потока. В
области с покровом льда смоченный периметр увеличивается из-за добавления к смоченному
периметру открытого потока χ0 ширины подошвы льда χi, т.е. χ = χ 0 + χ i . Коэффициент
Шези также определяется по формуле Маннинга, где n = n Σ - приведенная шероховатость,
которая вычисляется по следующей формуле:
65
Глава 1
Рис. 2 – Профиль уровня свободной поверхности при постоянном расходе 1300 м3/с
Апробация ИМС
В качестве модельного водного объекта для отработки ИМС для расчета течений в
системе русел был выбран участок р. Обь от г. Бийска до г. Камень-на-Оби. Река Обь,
образующаяся от слияния рек Бия и Катунь, стекающих с Алтайских гор, является типичной
равнинной рекой. Однако ее водный режим и режим некоторых притоков (в их числе реки
Бия, Катунь, Ануй, Чарыш, Песчаная) формируются не только на равнине, но и в горных
условиях. Существенную роль в формировании весеннего половодья играет наличие
большого количества притоков, формирование весеннего стока которых также происходит в
различное время. В верхнем течении р. Обь (от места слияния рек Бии и Катуни до
г. Новосибирска) отмечаются две волны половодья: одна – в начале, другая – в конце
периода высоких вод. Первая волна обусловлена таянием снега на равнинной части и
предгорьях Алтая и получает значительное пополнение за счет впадающих в Обь рек
Песчаная, Ануй, Чарыш, Алей, Чумыш и др. Ее максимум наблюдается в середине апреля –
начале мая. Вторая волна является следствием таяния горных снегов и ледников, образуется
преимущественно за счет вод Катуни, Бии, Чарыша и проходит в июне-июле. Вследствие
этих особенностей весенне-летний гидрограф стока Верхней Оби имеет пилообразный
характер с преобладанием двух выраженных максимумов.
При моделировании волн паводка в речной системе Оби учитывается существенная
пространственно-временная изменчивость процессов, определяющих гидрологический
режим рассматриваемого участка Верхней Оби. В качестве первого приближения выделены
бассейны наиболее крупных притоков. Сток с площади этих бассейнов в виде интегральной
величины включен в расход самих притоков. Следуя этой схеме и используя информацию по
гидрологическим постам, дана пространственно-временная оценка водного стока (расхода)
крупных притоков Оби. Схематизация расчетной области представлена на рисунке 3. В
отмеченных кружками створах у населенных пунктов задавались расходы по данным
водпостов. В замыкающем створе с. Малышево использовано условие свободного
протекания. С использованием разработанной ИМС рассчитаны гидрографы половодья для
расходов различной обеспеченности.
66
Глава 1
Рис. 4 – Динамика расхода и уровня воды в районе г. Барнаула. Расчет для 1988 г.
67
Глава 1
Заключение
Предложенная структура реализованной ИМС для расчета нестационарных течений
воды в системах русел позволяет легко адаптировать расчетный модуль к различным СУБД.
В рамках ИМС ГИС могут использоваться в качестве инструмента обработки/визуализации
пространственно-распределенных данных и как управляющие программные оболочки.
Хорошее совпадение рассчитанных и наблюдаемых характеристик речного потока позволяет
использовать ИМС в составе СППР для решения различных водно-экологических задач.
Благодарности.
Авторы благодарят О.В. Ловцкую за полезные обсуждения результатов работы.
Список литературы
1. Васильев О.Ф., Воеводин А.Ф. Математическое моделирование качества воды в системах
открытых русел // Динамика сплошной среды. Новосибирск: Изд-во ИГ СО АН СССР,
1975. Вып. 2. С. 73-87.
2. Васильев О.Ф., Годунов С.К. и др. Численный метод расчета распространения длинных
волн в открытых руслах и приложение его к задаче о паводке // ДАН СССР. 1963. Т.151,
№ 3. С. 525-527
3. Atavin A.A., Kudishin A.V., Zinoviev A.T. Mathematical modeling of hydrotechnical
construction impact on hydrothermal and ice cover behavior of river // Advances in Hydro-
Science and Engineering. Washington. 1993. V. 1. Part A, edited by Sam S.Y. Wang. P. 1019-
1024
4. Han T.J., Meng J.C.I. An open boundary condition for incompressible stratified flows // Journ.
of Comput. Physics. 1983. № 49. P. 876-897
68
Глава 1
загрязнения снежного покрова основными компонентами выбросов автотранспорта в
окрестности крупной автомагистрали г. Новосибирска.
200
Снегонакопление, кг/м2
100
0
1 2 3 4 5 6 7 8 9 10
Номер точки отбора проб
а) б)
Рис. 1 – Схема маршрутного пробоотбора снега (а), данные по влагозапасу (б)
69
Глава 1
Модель оценивания аэрозольных выпадений полидисперсной примеси
Предварительный анализ полученных экспериментальных данных наблюдений
аэрозольных выпадений примесей показывает, что изменение их концентраций по мере
удаления от автомагистрали является весьма значительным. Это позволяет сделать
предположение о присутствии в составе выпадений крупных аэрозольных фракций. Для
априорного описания распределения вещества примеси по скоростям оседания w в
атмосфере воспользуемся следующей двухпараметрической функцией [5]
a m+1 m ,
N ( w) = wm e − aw , m ≥ −1 , a= (1)
Г (m + 1) wm
u1 H 1+ n , .ϖ =
w
(5)
c=
(1 + n) 2 k1 k1 (1 + n)
70
Глава 1
∞ ω
Ma m+1 c y2 wm+1 exp(−aw) ⎛ c ⎞
x 4k0 x ∫0
p ( x, y ) = exp(− − ) ⎜ ⎟ dw =
2(1 + n) π k0 Г (1 + m) x1.5 Г (1 + ω ) ⎝ x⎠
(6)
∞ ω
Q c y2 ω m+1 exp(− Rω ) ⎛ c ⎞
= exp(− − )∫ ⎜ ⎟ dω ,
x1.5 x 4 k0 x 0 Г (1 + ω ) ⎝ x⎠
MR m+ 2
где Q = , R = a(1 + n)k1 .
2(1 + n)a π k0 Г (1 + m)
Тогда поле концентрации, создаваемое бесконечным линейным источником, находится на
основе суперпозиции полей выпадений от точечных источников:
∞
p лин ( x, y ) = ∫ p( x p , y p )dη , (7)
−∞
Исследование свойств функции (8) показывает, что она в интервале значений x ∈ (0, ∞)
достигает максимума в некоторой точке x0 , монотонно возрастает при x ∈ (0, x0 ) и
соответственно монотонно убывает в интервале значений x ∈ ( x0 , ∞) и стремится к нулю при
x → 0 , x → ∞ . Оценка неизвестных параметров θ1 , θ 2 , θ3 , входящих в соотношение
(8), проводится методом наименьших квадратов с использованием данных измерений
плотности выпадений примеси в точках отбора снеговых проб [7]. Следует также отметить,
что величина c соответствует величине расстояния, на котором достигается максимальная
приземная концентрация лёгкой примеси [6].
71
Глава 1
непосредственно связанные с характеристиками дисперсного состава, были использованы
для восстановления поля концентрации бенз(а)пирена (рис. 1б). В данном случае в модели
(8) проводилась оценка лишь параметра θ1 и для его определения использовалось
наблюдение в опорной точке, находящейся в 20 м от дороги.
Данные моделирования пространственной динамики компонентов ионного состава
представлены на рис. 3. Для иллюстрации выбраны натрий (рис. 3а) и сульфат-ионы как без
учета фоновой концентрации (рис. 3б), так и с ее вычетом (рис. 3в). Как следует из рис. 3а,
модельная кривая, параметры которой оценены по трем экспериментальным точкам, хорошо
описывает спад концентрации натрия по обе стороны от автотрассы. Для сульфат-ионов
прямые оценки параметров модели из экспериментальных данных дали систематическое
отклонение в точках с наветренной стороны дороги (рис. 3б). Вычет фоновой концентрации
величиной 1,4 мг/л привел к лучшему совпадению экспериментальных точек с модельной
кривой.
Рис. 2 – Измеренные и восстановленные по модели (8) концентрации в снеге суммы ПАУ (а) и
бенз(а)пирена (б). Ο - опорные, ● - контрольные точки наблюдения
Рис. 3 – Измеренные и восстановленные концентрации в снеге Na+ (а) и SO4- с учётом (б) и без
учёта фоновых значений (в)
Заключение
Проведенные в работе химико-аналитические и численные исследования загрязнения
снегового покрова в окрестностях автомагистрали позволяют сделать следующие выводы.
С использованием двух схем пробоподготовки проведено определение основных
неорганических и органических компонентов химического состава в пробах, отобранных в
десяти точках по специальному маршруту на удалениях до 150 м от автотрассы.
Неорганические компоненты включают 8 макрокомпонентов и 3 микроэлемента,
органические компоненты – 19 компонентов ПАУ. Анализ данных практически по всем
72
Глава 1
параметрам состава показывает монотонно ниспадающую зависимость концентраций с
удалением от автотрассы.
На основе аналитических зависимостей (1), (4) разработаны малопараметрические
модели оценивания выпадений примеси с учётом неоднородности её аэрозольного состава.
Построенные модели могут быть использованы для оценивания полей как разового, так и
длительного загрязнения местности.
Апробация предложенной модели показала её удовлетворительное согласие с данными
наблюдений ПАУ, макрокомпонентов. Для восстановления полей аэрозольных выпадений
требуется относительно небольшое количество опорных точек наблюдений. Учёт
полидисперсности состава примесей позволяет проводить в рамках единой модели
интерпретацию результатов экспериментальных исследований в значительном диапазоне
расстояний.
Следует отметить весьма высокие уровни содержания ПАУ в снеге как вблизи, так и на
большом удалении от автотрассы, что указывает на значительное загрязнение атмосферного
воздуха мелкодисперсными компонентами.
Учитывая доминирующее влияние выбросов автотранспорта на окружающую среду
города необходимо дальнейшее расширение теоретических и прикладных исследований по
этой проблеме, более широкого привлечения методов инструментального мониторинга
текущего загрязнения атмосферного воздуха, разработки эффективных мероприятий по
снижению негативного воздействия.
Работа выполнена при финансовой поддержке Программы фундаментальных исследований Президиума
РАН № 16, интеграционного проекта СО РАН № 84.
Список литературы
1. Александров В.Ю., Кузубова Л.И., Яблокова Е.П. Экологические проблемы
автомобильного транспорта. Аналитический обзор. Выпуск 34. Новосибирск. Изд-во
ГПНТБ СО РАН. 1995.
2. Загрязнение воздуха и жизнь растений. Под ред. М. Трешоу. Л.: Гидрометеоиздат. 1988.
3. Василенко В.Н., Назаров И.М., Фридман Ш.Д. Мониторинг загрязнения снежного
покрова. Л.: Гидрометеоиздат. 1985.
4. Климат Новосибирска. Под ред. С.Д. Кошинского и Ц.А. Швер. Л.: Гидрометеоиздат.
1979.
5. Прессман А.Я. О распространении в атмосфере тяжелой неоднородной примеси из
мгновенного точечного источника. Инж.-физич. журнал. 1959. Т.2. Вып.3. С. 78-87.
6. Берлянд М.Е. Прогноз и регулирование загрязнения атмосферы. Л.: Гидрометеоиздат.
1985.
7. Успенский А.Б., Фёдоров В.В. Вычислительные аспекты метода наименьших квадратов
при анализе и планировании регрессионных экспериментов. М.: Изд-во МГУ. 1975.
8. Рапута В.Ф., Коковкин В.В., Шуваева О.В., Морозов С.В. Изменение структуры
аэрозольных выбросов автотранспорта г. Новосибирска при переходе на использование
неэтилированного бензина. Оптика атмосферы и океана. 2001. Т. 14. № 3. С. 240-243.
73
Глава 1
1.8. ИНТЕРНЕТ-ТЕХНОЛОГИИ И ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ ДЛЯ
ИНФОРМАЦИОННОЙ СИСТЕМЫ «СЕТЬ ОБРАЗОВАТЕЛЬНЫХ
УЧРЕЖДЕНИЙ КРАСНОЯРСКОГО КРАЯ»
Введение
Мониторинг и анализ состояния региона в целом и его отдельных муниципальных
образований является важной задачей органов власти и управления. Состояние территорий
характеризуется множеством сфер – экономика, политика, здравоохранение, социальная
сфера, ресурсы, демография, и др. Разнообразие форм и форматов описаний объектов
региональной инфраструктуры создает определенную сложность для анализа и принятия
решений. Проводить сравнительный анализ состояния региона и отдельных муниципальных
образований по таким данным сложно и малоэффективно. Востребованы методики и
программные средства, которые позволят формировать оценки состояния территорий на базе
основных показателей в наглядном виде. Важную роль играет использование современных
средств визуализации данных с использованием ГИС-технологий. В таких задачах
использование Интернет-технологий имеет ряд преимуществ по сравнению с настольными
ГИС – доступность предлагаемых решений большому числу пользователей, упрощение
процесса установки и распространения программного обеспечения, снижение его стоимости,
возможность интеграции со сторонними приложениями и проч. [1].
Основная цель создания информационной системы «Сеть образовательных учреждений
Красноярского края» – наглядное представление на картографической основе информации
об образовательных учреждениях, включая их географическое местоположение и данные об
условиях и качестве предоставляемых образовательных услуг. Всем участникам
образовательного процесса (управленцам, потребителям, власти) важно иметь ясное
представление о том, как устроена образовательная сеть. Сколько и каких учреждений
функционирует, какие условия в этих учреждениях, какова их плановая наполняемость и
сколько детей реально обучается. При планировании образовательной сети важно
представлять, какие учреждения расположены рядом, какие учреждения дополнительного
образования расположены в зоне транспортной доступности от школы и др. Кроме того,
потребители образовательных услуг (учащиеся и их родители) должны иметь возможность
увидеть, какие учреждения расположены рядом с местом жительства и делать обоснованный
выбор образовательной услуги. Современные геоинформационные технологии позволяют
достаточно просто решать задачи такого типа.
Предлагается архитектура информационной системы с картографическим веб-
интерфейсом, предназначенной для визуализации состояния территорий и отдельных
учреждений в сфере образования по Красноярскому краю. Основные функции
информационной системы:
− навигация по карте Красноярского края с муниципальными образованиями,
сельсоветами и населенными пунктами;
− отображение текущей и планируемой сети образовательных учреждений, в том
числе:
o общеобразовательных учреждений,
o дошкольных учреждений,
o детских домов,
o учреждений дополнительного образования,
o учреждений начального, среднего и высшего профессионального образования,
o коррекционных школ;
− визуализация показателей по краю и отдельным муниципальным образованиям
(общая информация, демография, образование) в виде таблиц и тематических карт;
− визуализация показателей по учреждениям (кадровые показатели, показатели
деятельности учреждений, материальная база, и др.);
74
Глава 1
− отображение сети маршрутов подвоза детей.
Пользовательский интерфейс системы решено выполнить в виде геоинформационного
веб-приложения. Несмотря на некоторые недостатки, этот подход имеет существенные
преимущества как для пользователя, так и для разработчика, в том числе: независимость от
платформы, отсутствие необходимости устанавливать дополнительное программное
обеспечение, отсутствие проблем с поддержкой старых версий программ и обратной
совместимостью и др.
Решение строилось на основе свободно распространяемых технологий и программного
обеспечения:
− платформа для публикации картографических данных – MapServer 5.x
(http://www.mapserver.org);
− система кэширования картографических данных – GeoWebCache 1.2.2
(http://www.geowebcache.org)
− основной язык разработки – PHP 5.2 (http://www.php.net);
− СУБД – PostgreSQL 8.3 (http://www.postgresql.org) + PostGIS 1.5
(http://www.postgis.org).
База данных
На основе требований к системе была спроектирована концептуальная модель базы
данных, основные блоки которой показаны на рисунке 1.
Предполагается развитие системы на другие социальные сферы, поэтому введено
понятие департамент, в данном случае это министерство образования. Сущность – версия
данных предназначена для того, чтобы упорядочить редактирование и публикацию данных.
В новом отчетном периоде редактор создает и заполняет новую версию данных. Все
остальные сущности – сеть учреждений, данные по показателям, маршруты подвоза
привязаны к версии данных. Кроме этого, такой подход позволяет организовать хранение
планов развития сети учреждений – для этого создаются дополнительные версии данных.
Для учреждения помимо основных атрибутов хранится подчинение муниципальному
образованию, населенному пункту, а также конкретные координаты его расположения.
Взаимосвязь организаций из разных версий выполняется по служебному полю «Код».
Предусмотрено ведение организационной структуры – для учреждений без образования
юридического лица есть ссылка на родительское учреждение [2].
Все показатели по учреждениям и муниципальным образованиям сгруппированы по
разделам. Внутри раздела они могут быть упорядочены в виде иерархии с подразделами. В
одной версии данных можно хранить как фактические данные, так и прогнозные за
несколько периодов. Поддерживается несколько типов данных показателей – целое число,
вещественное число и строка. Этого набора достаточно для хранения большинства
показателей министерства образования. Примеры показателей:
− количество учреждений образования всех видов и типов на территории
муниципалитета;
− количество работников в учреждениях НПО;
− количество мест в общежитии;
− доля образовательных учреждений, находящихся в аварийном состоянии;
− др.
Сами данные по показателям хранятся в таблицах фактов.
Еще одним разделом системы являются маршруты подвоза школьников. В небольших
населенных пунктах, где нет школы, организуется регулярный подвоз школьников в
соседние школы. Учет и визуализация этой информации на карте важен для планирования
развития сети. Соответственно выделены сущности:
− остановка, имеющая координаты на карте, связь с населенным пунктом и,
возможно, школой
75
Глава 1
− рейс, проходящий через цепочку остановок
− дето-маршрут, как перемещение группы детей из одного места в другое в рамках
рейса.
76
Глава 1
Library, jQuery или Prototype/script.aculo.us. Поддерживает технологию AJAX, анимацию,
работу с DOM (Document Object Model), реализацию таблиц, вкладок, обработку событий и
все остальные новшества «Веб 2.0». Использование этой библиотеки при разработке системы
позволило значительно сократить время на подготовку интерфейса пользователя.
При разработке картографического компонента веб-интерфейса были
проанализированы два способа представления картографической информации для
пользователя. Первый способ – карта отображается с использованием фрагментов (тайлы).
Эту технологию используют такие ресурсы, как Google Maps (http://maps.google.com), Яндекс
Карты (http://maps.yandex.ru), Virtual Earth (http://www.bing.com/maps/) и др. Основным
преимуществом такого способа является скорость получения визуальной информации
пользователем и малая нагрузка на сервер при отображении статической информации.
Процесс формирования карты на клиентском компьютере состоит из нескольких этапов, с
использованием дополнительных программных потоков, механизма кэширования, очереди
загрузки фрагментов и др. При таком способе отображения карты пользователю процесс
построения композиции карты позволяет оптимизировать процесс загрузки, снизить
нагрузку на веб-браузер и более равномерно ее распределить по времени. Однако при
отображении меняющихся тематических данных такой способ снижает скорость доступа
пользователя к пространственным данным и увеличивает нагрузку на сервер. Для решения
этой проблемы используется второй способ отображения информации – по запросу
пользователя генерируется одно растровое изображение [3, 4]. В зависимости от типа
представляемой информации пользователю в программном интерфейсе системы
используется комбинация этих двух способов (рис. 2).
77
Глава 1
разработано веб-приложение с использованием библиотеки OpenLayers. OpenLayers − это
JavaScript библиотека с открытым исходным кодом, предназначенная для создания карт на
основе программного интерфейса, подобного API Яндекс.Карт (http://api.yandex.ru/maps/),
GoogleMap API (http://code.google.com/intl/ru/apis/maps/) или Virtual Earth API
(http://www.microsoft.com/maps/isdk/ajax/), поддерживает технологию AJAX и анимацию.
При разработке серверной части веб-приложения для информационной системы «Сеть
образовательных учреждений Красноярского края» используется программное обеспечение
MapServer, предназначенное для обеспечения доступа через Интернет к интерактивным
картам, различной пространственно увязанной информации. MapServer позволяет
интегрировать данные из нескольких источников или серверов, а также использовать
средства программирования для создания пользовательских приложений, обеспечивает
прямой доступ к файлам различных форматов систем автоматизированного проектирования
и разработки геоинформационных систем. MapServer представляет собой открытую и
свободно распространяемую среду разработки Интернет-приложений для работы с
электронными картами широко распространенных среди множества геоинформационных
систем векторных и растровых форматов, обладающую большим числом функциональных
возможностей. На основе механизма динамических библиотек разделяемого доступа
MapServer обладает программным интерфейсом к нескольким наиболее популярным
скриптовым языкам программирования, таким как PHP, C#, Python и .т.д., что позволяет
использовать функции и процедуры MapScript при разработке различного рода приложений с
применением этих языков и обеспечивает значительную гибкость при решении каждой
конкретной задачи. В дальнейшем рассматривается возможность использования
программного обеспечения GeoServer, который во многом похож на MapServer. Однако, в
отличие от MapServer, GeoServer реализует спецификацию WFS-T (Web Feature Service -
Transaction). Это означает, что используя GeoServer, вы можете не только получать данные
для построения на их основе собственных карт, но также редактировать полученные данные
с последующим автоматическим обновлением исходной информации на сервере.
Для создания карты из фрагментов использовалось программное обеспечение
GeoWebCache. GeoWebCache использует cпецификацию WMS Tile Caching (WMS-C),
которая явилась результатом конференции FOSS4G в 2006 г. Сервисы WMS (Web Map
Service) разрабатывались с учетом большой гибкости и богатого функционала. Но это
оборачивается высокими требованиями к вычислительной мощности сервера. Серверы
WMS-C по протоколам совместимы с OGC WMS (OpenGIS consortium), поэтому их можно
встроить между клиентом и сервером WMS, что позволяет существенно увеличить скорость
реакции и разгрузить сервер. Рассмотрены альтернативные решения для создания каталога
фрагментов (тайлов), такие как ka-Map Cache (http://ka-map.ominiverdi.org), TileCache
(http://tilecache.org) и др.
Источником пространственных данных для сервера с программным обеспечением
GeoWebCache послужил WMS сервер с картой Красноярского края на основе программного
обеспечения MapServer. Объем этой карты составляет приблизительно 6 Гбайт файлов в
векторном формате и постоянно увеличивается. Дополнительно реализована система
сервисов, которые поддерживают кэш растровых изображений на сервере с GeoWebCache в
актуальном состоянии при обновлении исходных данных на WMS сервере [5].
Исходными данными для карты Красноярского края являются файлы векторных
данных в формате shape-файлов (общепринятый формат для обмена картографической
информацией). Однако с помощью библиотек GDAL (Geospatial Data Abstraction Library,
http://www.gdal.org) и OGR Simple Features Library (http://www.gdal.org/ogr/) появляется
возможность для загрузки огромного числа различных растровых и векторных форматов
(OGR – PostGIS, ESRI ArcSDE, Oracle Spatial, MySQL, MapInfo и др., GDAL – TIFF/GeoTIFF,
EPPL7, MrSID и др.). Проведенные исследования показали, что на основе пространственных
78
Глава 1
данных в формате shape-файлов, MapServer быстрее всего формирует растровое изображение
по запросу пользователя.
В результате объединения различных технологий представления карты пользователю
на стороне клиента реализован вариант, в котором карта состоит из двух слоев: подложка и
тематический слой.
В качестве слоя подложки используется карта Красноярского края, построенная на
основе маленьких растровых изображений (тайлов) размером 256х256 пикселей. Набор
тайлов организован в виде пирамиды для 16 масштабных уровней, начиная от карты России
и заканчивая картами населенных пунктов масштаба 60 см на пиксель. Эта карта может
размещаться на любом сервере, путь к которому определяется в клиентском программном
обеспечении. Важным требованием к такому серверу является наличие большого дискового
пространства (порядка 10 терабайт при полностью сформированном наборе тайлов). Однако
территория Красноярского края слабо населена и не возникает необходимости в создании
набора тайлов на весь край для самых подробных масштабных уровней, что значительно
сокращает его объем. Кэш тайлов заранее был сформирован для первых 10 уровней, для
остальных уровней кэш тайлов генерируется по мере обращения пользователя к
определенным участкам карты Красноярского края.
Вторая часть карты накладывается поверх слоя подложки в виде полупрозрачного
растрового изображения. Эта часть карты отображает всю сеть образовательных учреждений
Красноярского края, либо ее срез в зависимости от настроек пользователя. Пользователь
может определить типы учреждений, которые будут отображаться на карте:
общеобразовательное учреждение, дошкольное учреждение, детские дома, дополнительное
образование, начальное профессиональное образование, среднее профессиональное
образование, коррекционная школа. Предусмотрена фильтрация учреждений по значениям
показателей. Дополнительно реализована возможность отображения на карте маршрутов
подвоза детей для края в общем и для каждого муниципального образования отдельно.
Также в этом слое реализована «подсветка» текущего муниципального образования,
используя затемнение остальных муниципальных образований.
Сегодня авторами статьи предпринимаются активные шаги для повышения скорости
загрузки тематического слоя на стороне клиента веб-приложения. Наиболее перспективным
решением является замена растрового полупрозрачного слоя на группу векторных объектов
на странице пользователя. Необходимо отметить тот факт, что веб-браузеры накладывают
ограничения на количество таких векторных объектов на странице пользователя. Для Mozilla
Firefox, Google Chrome такое ограничение равно 500 объектам, а для браузера Internet
Explorer 6 – максимум 50 объектов. Эта проблема решается объединением групп объектов в
один объект для всех фрагментов видимой области карты при навигации по ней
(перемещение карты в окне пользователя, уменьшение или увеличение масштаба видимой
области карты) [6]. Фрагменты представляют собой ячейки сетки видимой пользователю
области карты. Такой способ распределения и группировки значков объектов сети
образовательных учреждений повышает качество представления информации пользователю
и незначительно увеличивает нагрузку на Интернет соединение.
Для повышения скорости загрузки подложки с картой Красноярского края нужно либо
создать несколько серверов с программным обеспечением GeoWebCache, либо создать
несколько CNAME-записей (каноническая запись имени (псевдоним) используется для
перенаправления на другое имя) в DNS-таблице (Domain Name System – система доменных
имён) сервера (например, map1.yoursite.ru, map2.yoursite.ru и map3.yoursite.ru). Такая
необходимость возникает из-за ограничения веб-браузеров на количество одновременных
соединений по протоколу HTTP 1.1. Количество растровых фрагментов для текущей области
карты может достигать 30 штук, а при навигации по карте создается одновременно до 40
соединений с сервером при первых загрузках этих изображений. Такой метод значительно
повышает скорость загрузки карты и широко применяется в современных веб-приложениях.
79
Глава 1
Например, в Google Maps для распараллеливания загружаемых фрагментов карты
используются несколько доменов. Тот же подход задействован в других известных
картографических сервисах.
Пользовательский интерфейс
Пользовательский веб-интерфейс информационной системы построен с
использованием современных подходов и технологий, обеспечивающих удобное и
эффективное взаимодействие с приложением. Основными элементами интерфейса системы
является (рис. 3):
− дерево объектов;
− панель результата запросов;
− информационная панель.
Дерево объектов - список объектов сети образовательных учреждений Красноярского
края, представленный в виде дерева для каждого муниципального образования и для всего
края. Задачи оптимизации сети, перевод учреждений в статус филиалов базовых школ
потребовали отображение этой информации в системе. Филиалы учреждений представлены в
списке как «подчиненные объекты» базового учреждения. Содержимое дерева сети
образовательных учреждений зависит от двух выпадающих списков: список муниципальных
образования Красноярского края и список временного периода данных. Система оперирует
данными по сети учреждений для нескольких временных срезов: текущие данные и данные,
связанные с планированием развития сети учреждений последующие годы.
Панель результата запроса – содержит список объектов сети образовательных
учреждений полученных в результате запроса по карте и с помощью поисковой строки.
Поиск объектов сети по строке реализован для поиска по названиям организаций и их
адресу.
Информационная панель состоит из трех частей (рис. 4):
Карта – образовательные учреждения отображаются пиктограммами на карте края,
уровень детализации которой до отдельных зданий в крупных городах и кварталов во всех
остальных населенных пунктах. Для управления картой предусмотрен ряд стандартных
инструментов:
− показать всю карту на экран;
− включить режим мыши «Перемещение карты»;
− включить режим мыши «Информация по объектам»;
− включить режим мыши «Масштабирование карты»;
− «Увеличить масштаб» – приблизить карту;
− «Уменьшить масштаб» – отдалить карту;
− «Отменить действие»;
− «Повторить действие»;
− «Настройка карты» – выбор отображаемых на карте типов учреждений сети.
Информационные панели «Информация» и «Показатели» – в результате навигации
пользователя по дереву объектов сети образовательных учреждений в традиционном стиле
Проводника Microsoft Windows, в информационных панелях системы автоматически
отображаются данные по учреждениям и муниципальным образованиям Красноярского края.
Для Красноярского края в целом и для муниципальных образований отдельно
реализована возможность просмотра табличных тематических данных по объектам сети
образовательных учреждений. Дополнительно для Красноярского края доступна
возможность просмотра сводных показателей по муниципальным образованиям.
Реализована возможность экспорта табличных данных различных тематических
показателей в файлы Microsoft Excel. Для некоторых показателей предусмотрена
возможность фильтрации данных по ряду параметров.
80
Глава 1
Подсистема администрирования
Управление системой реализовано через административный веб-интерфейс с
аутентификацией. Приложение обеспечивает оператора следующими функциями:
редактирование сетей учреждений, управление списком тематических разделов и
показателями в них, редактирования данных по учреждениям и муниципальным
образованиям и др. (рис. 5).
81
Глава 1
Для пакетного наполнения системы данными реализован импорт из внешних таблиц
формата CSV. Для облегчения создания новых редакций данных предусмотрены функции
копирования версии данных. При этом могут быть скопированы как учреждения, так и
показатели по учреждениям и муниципальным образованиям.
Заключение
Информационная система «Сеть образовательных учреждений Красноярского края»
предназначена для представления на картографической основе информации об учреждениях
образования и состоянии сети образовательных учреждений в разрезе муниципалитетов и
края в целом. Предложенная технологическая основа успешно использована в нескольких
проектах:
− «Терра: Визуальные паспорта Югры», комитет по информационным ресурсам
Администрации Губернатора Ханты-Мансийского округа – Югры, 2008 г.
(внутренний ресурс).
− «Карта здравоохранения Красноярского края», Красноярский краевой медицинский
информационно-аналитический центр (ККМИАЦ), 2008-2010 гг.
(http://www.kmiac.ru/).
− «Сеть образовательных учреждений Красноярского края», Министерство
образования и науки Красноярского края, 2009-2010 гг. (http://issou.cross-edu.ru/).
Прорабатывается развитие функциональных возможностей предложенного решения и
его обобщение на другие области социальной сферы, в том числе: здравоохранение,
культуру, спорт, социальную защиту населения.
82
Глава 1
Список литературы
1. О.Э. Якубайлик, А.А. Кадочников, В.Г. Попов, А.В. Токарев. Модель геоинформационной
аналитической Интернет-системы для анализа состояния и презентации региона //
Вестник СибГАУ, 2009, Вып. 4 (25). – С. 61-66.
2. Токарев А.В. Организация базы данных для информационной системы «Сеть
образовательных учреждений Красноярского края». // Геоинформатика: технологии,
научные проекты. Тезисы II Международной конференции. – Барнаул: изд-во АРТ, 2010.
– С. 98.
3. Кадочников А.А. Программное обеспечение информационно-аналитических систем на
основе геоинформационного Интернет-сервера // Вычислительные технологии. 2007. Т.
12. Специальный выпуск 2: Информационные технологии для эколого-биологических
исследований. Междисциплинарный интеграционный проект СО РАН. С. 70-78
4. Якубайлик О.Э. Геоинформационный Интернет-портал // Вычислительные технологии.
2007. Т. 12. Специальный выпуск 3. ГИС- и веб-технологии в междисциплинарных
исследованиях. Материалы Междисциплинарной программы СО РАН 4.5.2. Выпуск I.
С. 116-125.
5. Кадочников А.А. Реализация информационных технологий в системе «Сеть
образовательных учреждений Красноярского края». Тезисы II международной
конференции «Геоинформатика: технологии, научные проекты». – Барнаул, 2010. –
С. 49.
6. Luke Mahe, Chris Broadfoot. Too Many Markers! / Google Maps API, [Электронный ресурс]
– <http://code.google.com/intl/ru-RU/apis/maps/articles/toomanymarkers.html> (01.04.2011)
83
Глава 2
ИНТЕГРАЦИЯ МЕЖДИСЦИПЛИНАРНЫХ
ДАННЫХ И РЕЗУЛЬТАТОВ ИССЛЕДОВАНИЙ,
2
БАЗИРУЮЩИХСЯ НА ПРОСТРАНСТВЕННЫХ
Глава ХАРАКТЕРИСТИКАХ И ПРИЗНАКАХ.
ИНФРАСТРУКТУРА ПРОСТРАНСТВЕННЫХ
ДАННЫХ, МЕТАДАННЫЕ, ВЕБ– И
ГЕОСЕРВИСЫ
Цели, проблемы
Инициатива по организации Единого Научного Информационного Пространства
(ЕНИП) РАН призвана помочь научным коллективам сделать ряд шагов в направлении
интеграции разнородных научных информационных и программных ресурсов отдельных
научных учреждений, предоставлении пользователям более эффективных средств
интеграции и поиска информации, научной коммуникации, сотрудничества и совместной
работы. Под единым пространством понимается не формирование централизованной
системы, не навязывание всем одних и тех же решений, а стремление последовательностью
практических шагов, совместными усилиями научных коллективов:
− сформулировать взаимосогласованный набор соглашений, правил и открытых
стандартов;
84
Глава 2
− приготовить совокупность макетов и типовых решений для реализации адаптеров
прикладных систем, инфраструктурных служб, поддерживающих разные уровни
интероперабельности распределенных гетерогенных данных и приложений;
− создать ряд информационных систем общего назначения, следующих этим
соглашениям, использующих эти реализации, допускающих модульную
организацию, наращивание функциональных возможностей;
− применить эти результаты для решения соответствующих задач научных
учреждений.
Все нацелено на то, чтобы помочь научным учреждениям в решении общих
информационных задач, в достижении требуемой интеграции и интероперабельности с
другими научными учреждениями.
В общем случае можно сказать, что информационные системы научных учреждений
отличают огромные объемы и низкая структурированность данных, распределенный
характер, неоднородность, независимость и разные условия сопровождения, управления и
политики доступа к информационным источникам и сервисам. В таких случаях выделяют и
стараются решить проблемы общего вида, среди которых следующие:
Техническая интероперабельность. Для обеспечения взаимодействия между
разнородными информационными источниками необходимо поддерживать согласованные
интерфейсы, протоколы и механизмы доступа к информационным ресурсам.
Синтаксическая интероперабельность. Данные, доступные из информационных
источников, как правило, отличаются синтаксической неоднородностью, разнообразием
моделей данных и форм представления данных. Следовательно, необходимо выработать и
согласовать унифицирующий подход приведения данных к наиболее распространенным
моделям данных и форматам.
Использование и сбор метаданных. Для преодоления поисковой «анархии»
использовать структурное представление, выделять понятие метаданных (данные о данных),
описывающих содержимое ресурса в виде набора именованных значений, в том числе связей
с другими ресурсами. Метаданные используются для автоматизированного анализа
содержимого ресурса, построения поисковых индексов и позволяют обеспечить достаточно
высокую точность и эффективность поиска разнотипной информации. Центральной
компонентой в обслуживании слабоструктурированных и унаследованных коллекций
информации является процесс «сбора» метаданных, в ходе которого из коллекций в
соответствии с требованиями синтаксической интероперабельности извлекаются и
структурируются метаданные, формируется индексная информация для обеспечения
локального поиска, маршрутизации распределенных запросов, ранжирования результатов
запросов.
85
Глава 2
− поддержку доступа к цифровым ресурсам и службам ЕНИП РАН, обеспечение их
соответствующей защиты;
− ведение и поддержку в актуальном состоянии метаданных ЕНИП РАН;
− обеспечение идентификации ресурсов, поиска по метаданным;
− поддержку интеграции ресурсов различных областей и отраслей знаний;
− реализацию типовых решений как для представления институтов РАН в ЕНИП
РАН, так и для поддержки включения имеющихся в институтах систем.
Взаимодействие научных организаций РАН (институтов, отделений и библиотек) и
отдельных научных информационных ресурсов с информационной магистралью РАН
проиллюстрировано на рис. 2.
86
Глава 2
87
Глава 2
несогласованны, несовместимы, часто не способны привести к достижению поставленных
целей, не обеспечивают необходимый уровень защиты информации. Это не позволяют
построить интегрированную информационную среду, удобную в целом для РАН и ее
учреждений.
Построение интегрированной распределенной информационной среды на единых
принципах в рамках унифицированного подхода, в соответствии с единым набором базовых
требований, на базе общепринятых стандартов интерфейсов, форматов данных и
метаданных позволяет решить эти и многие другие проблемы. Такой подход позволяет:
− существенно сэкономить средства;
− радикально повысить качество индивидуальных реализаций;
− добиться гарантированного успеха в решении частных информационных задач;
− сформировать концептуально единую согласованную информационную среду из
распределенных взаимосвязанных ресурсов, решающую поставленные задачи не
только для отдельных направлений, но и на их стыке.
Первая очередь информационной системы «Научный Институт РАН» (НИ РАН)
удовлетворяет ключевым элементам поставленной задачи. Система, сформированная на
основе вышеуказанных принципов, представляет собой многоязычную информационно-
поисковую систему для организаций РАН. Через web-интерфейсы система обеспечивает
манипулирование данными, управления доступом к ним, разнообразные формы поиска,
предоставляет возможность навигации по структурно представленной информации, имеет
большой набор прикладных расширений, сервисов и служб, вхождение которых составляет
разные варианты системы. В систему исходно заложена возможность интеграции с ЕНИП
РАН, более того многие сервисы ЕНИП РАН являются развитием компонент этой системы,
которые служат для поддержки включения имеющихся в институтах систем.
Базовый вариант системы включает такие типы ресурсов как Организация,
Подразделение, Персона, Публикация, Проект и поддерживает разнообразные словари и
рубрикаторы, имеет ряд простых сервисов таких, как ленты новостей, форумы и т.п. Ресурс
Организация объединяет президиум РАН, отделения, научные центры и другие организации
РАН. С ресурсом Подразделение связана информация о подразделениях организаций РАН, а
данные об их сотрудниках сопоставлены ресурсу Персона. Ресурс Проект поддерживает
сведения о проектах, выполненных или ведущихся в РАН. Ресурс Публикация представляет
данные о публикациях и научной деятельности.
Более подробно архитектуре, о прикладном профиле стандартов, программных
интерфейсов, форматов данных, схем метаданных сказано ниже, полная информация
представлена в руководствах к системе «НИ РАН».
88
Глава 2
согласуя их с научным сообществом и международными стандартами; обеспечить выделение
и согласование стандартных классификаторов ресурсов и тезаурусов.
Основу ЕНИП РАН должны составить прежде всего стандарты на метаданные
информации, циркулирующей в ЕНИП РАН. Эти стандарты должны отвечать следующим
требованиям:
− включать в себя основные типы информации, требующейся для поддержки работы
научного сотрудника;
− быть открытыми, т.е. обеспечивать доступ к соответствующей информации по этим
описаниям;
− быть расширяемыми, т.е. обеспечивать возможность детализации описаний;
− обеспечивать возможности интеграции информации;
− обеспечивать возможности уникальной идентификации информации;
− обеспечивать возможности размещения и поиска информации в распределенной
среде;
− быть оринтированными на современные и перспективные технологии описания и
использования информации (в нашем понимании – ориентироваться на
семантический веб (semantic web));
− обспечивать возможности интероперабельности с внешней средой.
Естественно, информационное наполнение Единого Научного Информационного
Пространства на начальном этапе поддержки ЕНИП РАН не может представлять всего
разнообразия тематической специализации различных научных учреждений. Необходимо
представить в первую очередь информацию, характеризующую основные аспекты научной
деятельности. Научные учреждения заинтересованы прежде всего в предоставлении доступа
к данным о научных достижениях, научной деятельности сотрудников, административной
информации об организации. Эта информация представляет интерес и для конечных
пользователей системы, осуществляющих поиск и навигацию по информационному
пространству, позволяет сотрудникам получить информацию о смежных со своими работах в
других коллективах.
Схемы метаданных играют в ЕНИП РАН двоякую роль. С одной стороны, они служат
«обменными схемами», с разными уровнями детализации, для обмена данными между
системами, входящими в Единое Научное Информационное Пространство. С другой
стороны, в рамках ЕНИП РАН стоит задача не только предложить обменные схемы, но и
разработать конкретные типовые информационные системы для научных институтов,
библиотек, издательских отделов и пр., которые дали бы стимул к информационному
наполнению ЕНИП РАН.
Различные информационные системы могут ориентироваться на различные
предметные области. Например, одни имеют дело с научными публикациями, другие с
проектами, третьи и с тем, и с другим. Соответственно, каждую конкретную предметную
область предлагается описывать отдельной схемой, а точнее – набором схем, возможно,
ссылающихся друг на друга. Это разбиение схемы по «минимальным предметным областям»
мы называем разбиением на «модули». Модули рассматриваются не только как способ
деления схемы, но и как способ деления функциональности реализуемых в рамках ЕНИП
РАН типовых информационных систем, порталов по отдельным компонентам.
89
Глава 2
административной информации об организации. Эта информация представляет интерес и для
конечных пользователей системы, осуществляющих поиск и навигацию по
информационному пространству, позволяет сотрудникам получить информацию о смежных
со своими работах в других коллективах.
Соответственно, во-первых, должен быть выделен основной профиль метаданных
ЕНИП РАН, включающий общеприменимые и первоочередные предметные области. Во-
вторых, должен быть специфицирован механизм расширения стандарта дополнительными
специализированными профилями, ориентированными на использование в
специализированных научных сообществах, а также может быть предложен ряд наиболее
существенных специализированных профилей.
В основной профиль можно выделить общую поддержку следующих четырех
основных групп информационных сущностей:
«Участники научной деятельности» – центральное звено, вся информация в РАН
связана с научной деятельностью ее сотрудников, «Персон», образующих разнообразные
организационные объединения от формальных («Организации» и «Подразделения») до
неформальных («Коллективы», «Сообщества» «Рабочие группы»).
«Научная деятельность», в частности, «Проекты», отражающие процесс научной
деятельности, информация о результатах проектов, патентах и т.п., а также «Научные
мероприятия» – как разовые, так и повторяющиеся, такие как «Конференции», «Семинары»,
«Симпозиумы».
«Результаты научной деятельности», в которые могут входить «Интернет-системы» –
Web-сайты и пр., «Базы данных», предоставляющие автономные коллекции информации с
той или иной степенью интеграции с ЕНИП РАН и т.п., «Экспериментальные данные» и их
«Математические модели», «Программные системы», в частности, «Научные
вычислительные приложения», «Экспериментальные установки», «Изобретения»,
«Технологии», и т.п.
«Документы и публикации» – ресурсы этого типа представляют собой научные труды,
статьи, отчеты сотрудников (научные «Публикации» и «Диссертации» сотрудников),
возможно, административные «Постановления» и «Распоряжения».
Примерами специализации публикации могут служить, например, «Тезисы
конференций» и т.п.
Следует отметить, что на уровне основного профиля тематическая специализация
отраслей науки несущественна.
Библиотечные системы имеют в основном дело с изданиями, статьями, авторами
публикаций, они расширяют базовую атрибутику этих типов ресурсов, добавляя термины,
специфичные для библиотечных специалистов. Кроме изданий как таковых, выделяются
экземпляры изданий, которые могут получить на руки читатели, ведется реестр читателей
библиотеки и фиксируется выдача книг читателям. С другой стороны, информация о
проектах может широко использоваться инновационными системами. Инновационные
системы расширяют базовую схему для обеспечения эффективной оценки проектов
экспертами, поиска проектов по запросу инвестора и пр.
90
Глава 2
таким типовым программным комплексом является разработанная в ВЦ РАН
информационная система «Научный Институт РАН».
91
Глава 2
Ниже рассматривается архитектура ИС «НИ РАН», приводится перечень подсистем
системы, их назначение и основные характеристики.
Разработанная ИС «НИ РАН» предоставляет широкие возможности по
конфигурированию ее под нужды конкретного научного института. Система включает в себя
следующие подсистемы, которые распределены по отдельным программным компонентам
следующим образом:
Инфраструктурные службы
Набор инфраструктурных служб составляет «ядро» всей системы. Они
обеспечивают хранение, индексирование и поиск ресурсов, обеспечивают
безопасность и взаимодействие между другими модулями:
− подсистема хранения информационных объектов в репозитории,
− подсистема поддержки глобальной идентификации,
− подсистема обмена и репликации данных,
− подсистема информационной безопасности,
− подсистема индексирования и поиска.
Базовые компоненты
Базовые компоненты ИС «НИ РАН» обеспечивают выполнение самых общих
информационных задач научного института – управление содержанием портала,
организационной структурой, ведение сведений о публикациях и проектах
сотрудников. Все действия конечный пользователь производит через Web-
интерфейс:
− подсистема управления слабоструктурированным содержанием,
− подсистема «Административно-организационный справочник»,
− подсистема «Публикации сотрудников»,
− подсистема «Проекты сотрудников».
Интерактивные компоненты
Цель этого набора компонентов - обеспечение интерактивного взаимодействия
конечных пользователей системы друг с другом и другими подсистемами ИС «НИ
РАН». Обсуждение публикаций и проектов, тематические форумы и новостные
ленты позволяют обеспечить эффективную совместную и индивидуальную работу
сотрудников научного института.
− подсистема новостей,
− подсистема форумов,
− подсистема «Приватное общение»,
− подсистема подписок и рассылок.
Прикладные компоненты
Как уже говорилось выше, ИС «НИ РАН» представляет собой модульную
расширяемую систему, решающую типовые информационные задачи научного
института в составе Российской академии наук. Но реальные потребности таких
организаций и их сотрудников зачастую бывают очень специфичными и относятся
к узкой предметной области. Для удовлетворения таких нужд разрабатываются
прикладные подсистемы, расширяющие функциональность типового решения в
конкретных экземплярах.
− подсистема «Редакционно-издательский отдел»,
− подсистема «Библиотека»,
− подсистема «Электронная библиотека диссертаций»,
− подсистема «Электронная библиотека»,
− подсистема «Каталог научной информации»,
− подсистема «Справочники и классификаторы»,
− подсистема «Глоссарии»,
92
Глава 2
− подсистема «Научно-вычислительный модуль».
Список литературы
1. А.Н. Бездушный, А.Б. Жижченко, М.В. Кулагин, В.А. Серебряков. Интегрированная
система информационных ресурсов РАН и технология разработки цифровых библиотек.
// Программирование, 4, М. 2000.
2. Сборник трудов «Интегрированная система информационных ресурсов: Архитектура,
реализация, приложения», ВЦ РАН, М. 2004.
3. A.N. Bezdushnyi, A.B. Zhizhchenko, M.V. Kulagin, and V.A. Serebryakov. «Integrated
Information Resource System of the Russian Academy of Sciences and a Technology for
Developing Digital Libraries», Programming and Computer Software, Vol. 26, No. 4, 2000.
P. 177–185.
4. А.А. Бездушный, А.Н. Бездушный, А.К. Нестеренко, В.А. Серебряков, Т.М. Сысое.в
«Архитектура RDFS-системы. Практика использования открытых стандартов и
технологий Semantic Web в системе ИСИР», Пятая Всероссийская научная конференция:
«Электронные библиотеки: перспективные методы и технологии, электронные
коллекции» – RCDL’2003, Санкт-Петербург, Россия, 2003. http://rcdl2003.spbu.ru-
/proceedings/J1.pdf.
5. А.А. Бездушный, А.Н. Бездушный, А.К. Нестеренко, В.А. Серебряков, Т.М. Сысоев.
«RDFS как основа среды разработки цифровых библиотек и Web-порталов», Российский
научный электронный журнал «Цифровые библиотеки», том. 6, выпуск 3, 2003.
http://www.elbib.ru/index.phtml?page= elbib/rus/journal/2003/part3/BBNSS.
6. А.А. Бездушный, А.К. Нестеренко, Т.М. Сысоев, А.Н. Бездушный, В.А. Серебряков.
«Архитектура и технологии RDFS-среды разработки цифровых библиотек и Web-
порталов «, Российский научный электронный журнал «Цифровые библиотеки», том. 6,
выпуск 4, 2003. http://www.elbib.ru/index.phtml?page=elbib/eng/journal/2003/part4/BNSBS.
7. А.Н. Бездушный, Д.А. Ковалёв, В.А. Серебряков. «Архитектура Сервисов
Интегрированной Системы Информационных Ресурсов (ИСИР)», Российский научный
электронный журнал «Цифровые библиотеки», том. 5, выпуск 1, 2002.
http://www.elbib.ru/index.phtml?page=elbib/eng/journal/2002/part1/BKS.
8. Т.М. Сысоев, А.К. Нестеренко, А.А. Бездушный, А.Н. Бездушный, В.А. Серебряков. «О
реализации службы управления содержанием «, Российский научный электронный
журнал «Цифровые библиотеки», том. 6, выпуск 6, 2003. http://www.elbib.ru/-
index.phtml?page=elbib/eng/journal/2003/part6/SNBBS.
9. А.К. Нестеренко, А.А. Бездушный, Т.М. Сысоев, А.Н. Бездушный, В.А. Серебряков.
«Служба управления потоками работ по манипулированию ресурсами репозитория «,
Российский научный электронный журнал «Цифровые библиотеки», том. 6, выпуск 5,
2003. http://www.elbib.ru/index.phtml?page=elbib/eng/journal/2003/part5/NBSBS.
10. А.А. Бездушный, А.Н. Бездушный, В.А. Серебряков, В.И. Филиппов. Интеграция
метаданных Единого Научного Информационного Пространства РАН. Вычислительный
центр РАН. Москва, 2006. – 238 с.
93
Глава 2
2.2. КАРТОГРАФИЧЕСКИЕ ВЕБ-ПРИЛОЖЕНИЯ И СЕРВИСЫ
КРАСНОЯРСКОГО ГЕОИНФОРМАЦИОННОГО ПОРТАЛА СО РАН
Формирование Красноярского геоинформационного портала СО РАН началось около
трех лет назад при выполнении работ по междисциплинарным интеграционным проектам и
программе фундаментальных исследований СО РАН. Следует отметить, что в течение этого
времени, по мере все более глубокого погружения в исследования, менялось наше
представление о том, что он из себя представляет с технической и технологической точки
зрения, какие ключевые компоненты его образуют. В частности, на первом этапе
исследований наши разработки были сконцентрированы и, в определенном смысле,
ограничены технологической платформой ГИС MapGuide Open Source и системой
управления веб-контентом «1С-Битрикс» [1]. Видимо термин «портал» к разработкам этого
первого этапа применим с большой натяжкой, в силу ограниченности их функциональных
возможностей.
Следует отметить определенную терминологическую проблему при описании нашего
предмета исследований и достигнутых результатов – что же такое «геоинформационный
портал»? Различные авторы отмечают, что единого общепринятого определения термина
«геопортал» в настоящее не существует [2, 3]. При этом наиболее традиционным считается
подход, в соответствии с которым геопортал является «точкой входа в Интернет или
Интранет с инструментами просмотра метаданных, поиска географической информации, ее
визуализации, загрузки, распространения и, возможно, поиска геосервисов». В качестве
примера конкретной реализации можно привести разработку ФГУП «Уралгеоинформ»,
организующего работы по созданию и ведению первого прототипа инфраструктуры
пространственных данных Российской Федерации – реализации автоматизированной
информационно-аналитической системы «Банк пространственных данных УрФО»,
состоящей из четырех интегрируемых подсистем: «Архив» (база готовой продукции),
«Хранилище пространственных объектов» (база пространственных объектов), «Сервер
метаданных», «Геопортал УрФО» [4].
«Примериваясь» к указанной выше терминологии ФГУП «Уралгеоинформ», нужно
признать, что разработка Красноярского геоинформационного портала СО РАН скорее
соответствует термину «Банк пространственных данных УрФО», поскольку она включает
функционал хранилища пространственных объектов, сервера метаданных, геопортала [5].
Также следует отметить особенность Красноярского геоинформационного портала – его
неотъемлемой составной частью является ресурсы и сервисы для «сторонних» прикладных
геоинформационных систем. Т.е. таких прикладных систем, которые без него работать не
могут – своего рода «тираж» технологий. Красноярский ГИС-портал – это в том числе и
«экспериментальная технологическая площадка», на основе которой формируется готовые
программно-технологические решения для прикладных разработок [6].
Сегодня Красноярский геоинформационный портал СО РАН (далее – ГИС-портал) –
это комплекс программно-технологических решений, который состоит из следующих
элементов:
− хранилище информационных (тематических) ресурсов. Сегодня это
преимущественно размещенные на файл-сервере геоданные в формате Shape-
файлов ESRI Arcview и Tab-файлов MapInfo, а также ресурсы серверов MapGuide
Open Source, ресурсы пространственных баз данных PostGIS, и проч.;
− каталог ресурсов, которые зарегистрированы на ГИС-портале. Каталог ресурсов,
или «каталог метаданных» о ресурсах – это база данных, которая содержит
метаописания всех информационных ресурсов ГИС-портала, а также набор
программных библиотек (API) для различных операций по их обработке.
Программная реализация выполнена на PostgreSQL/PostGIS, доступ организован
через веб-сервис по протоколу SOAP. В частности предполагается, что метаданные
94
Глава 2
о ресурсах могут быть представлены в различных стандартах – ISO, и т.п.
Информационная модель каталога постоянно совершенствуется, включает
развитые средства разграничения прав доступа, множественной классификации
ресурсов [7];
− подсистема управления данными каталога ресурсов через веб-интерфейс (система
администрирования). Основная задача – регистрация информационных ресурсов в
каталоге, ввод и редактирование метаданных. Дополнительные функции связаны с
разграничением прав доступа, импортом метаданных со сторонних WMS-ресурсов
и их соответствующей регистрацией в каталоге, и проч.;
− редактор стилевого оформления слоев и карт. Windows-программа,
предназначенная для создания и редактирования стилевого оформления
тематических карт. Является по сути одним из элементов администрирования
портала, который посчитали целесообразным выделить из веб-интерфейса
основной системы администрирования. Для нашего ГИС-портала является
продуктом, аналогичным программе Autodesk MapGuide Studio или MapGuide
Maestro для MapGuide Open Source. Редактор карт формирует XML-описание
стилевого оформления слоев и карт ГИС-портала, сохраняет его в каталоге
ресурсов [8];
− пользовательский веб-интерфейс каталога ресурсов (метаданных). Веб-
приложение, предназначенное для навигации по зарегистрированным в системе
информационным ресурсам и поиску среди них. Предусмотрены средства
навигации по иерархическому каталогу ресурсов с учетом множественной
классификации, фильтрации ресурсов по различным критериям, формирования
пользовательских наборов данных («Корзина»), организации доступа к средствам
визуализации геоданных – через веб-сервис по протоколу WMS и через подсистему
картографической веб-визуализации. Программная реализация выполнена с
использованием PHP, xHTML, CSS, JavaScript, JQuery [9];
− пользовательский веб-интерфейс (подсистема) картографической веб-
визуализации. Веб-приложение для отображения карт и отдельных слоев
геоданных ГИС-портала через веб-интерфейс. Его вызов, как правило,
осуществляется через пользовательский веб-интерфейс каталога ресурсов
(метаданных), о котором сказано выше. Веб-приложение подключается к каталогу
ресурсов, откуда получает информацию о том, какие картографические слои и
каким образом нужно отобразить. Для визуализации этих динамически
формируемых данных используются программные библиотеки
MapScript/MapServer, OpenLayers, и проч.;
− средства информационного взаимодействия ГИС-портала. Если в первой редакции
портала – это ряд сервисов на основе «1С-Битрикс», то сейчас – это, прежде всего,
система документирования на основе Вики-движка. Есть также форум, система
рассылок электронной почты. Ведутся эксперименты с лентой новостей в twitter;
− картографические веб-сервисы. Прежде всего речь идет о веб-сервисе WMS, по
которому геоданные портала доступны напрямую из стандартных ГИС. Развитие
этого базового функционала обеспечено в «Пользовательском веб-интерфейсе
каталога ресурсов (метаданных)», который позволяет формировать доступные по
WMS-протоколу пользовательские наборы слоев и карт, создавая для них
уникальные WMS-адреса;.
− служебные веб-сервисы – набор программных интерфейсов (API), необходимых
для интеграции разных элементов ГИС-портала в единое целое. Например –
сервисы получения списков зарегистрированных на сервере шрифтов и условных
символов, которые использует Windows-программа – редактор стилевого
оформления слоев и карт;
95
Глава 2
− прикладные веб-сервисы. Сегодня реализованы такие функции как адресный поиск,
геокодирование, прокладка маршрутов, построение водотоков. Эти сервисы
предназначены для работы в составе прикладных геоинформационных систем,
являются их неотъемлемой составной частью. На сегодняшний день имеют
преимущественно ограниченный доступ [10].
Красноярский геоинформационный портал СО РАН развивается параллельно с
прикладными разработками для органов власти Красноярского края, в рамках которых
созданы различные аналитические информационные системы и тематические наборы
данных:
− детальная карта Красноярского края и Хакасии (желаемый уровень детализации –
отображение зданий во всех населенных пунктах края), доступная через карто-
графические веб-сервисы;
− распределенная сеть серверов геопространственных данных на основе
картографических веб-сервисов (центральный сервер с векторными данными в
центре хранения данных (дата-центре) администрации Красноярского края и
кэширующие сателлитные сервера в ряде министерств и ведомств, в которых
эксплуатируются информационные системы с картографической топографической
основой);
− веб-сервис с мозаикой спутниковых снимков на отдельные территории
Красноярского края (снимки LANDSAT/SPOT);
− система автоматизации обновления картографических данных в распределенной
сети серверов геопространственных данных, которая обеспечивает актуализацию
данных на кэширующих серверах;
− система информационной поддержки процесса обновления картографических
данных – служебные сервисы для операторов системы;
− прикладные геоинформационные системы для Windows, построенные на основе
картографических веб-сервисов и кэширования получаемых данных в локальной
картографической базе данных;
− диспетчерско-навигационная система мониторинга автотранспорта на основе
данных ГЛОНАСС/GPS (контроль за междугородними и школьными автобусами,
машинами скорой медицинской помощи).
На начало осени 2010 г. Красноярский геоинформационный портал СО РАН содержал
около 800 ресурсов (преимущественно – отдельных картографических слоев), в том числе
данные ИВМ СО РАН, ИВТ СО РАН, ИГГМ СО РАН, ИЛ СО РАН, ЦСБС СО РАН,
Красноярского филиала Госцентра «Природа», СФУ, и проч. Ресурсы представлены в
системе множественной классификации, с развитыми средствами поиска и фильтрации,
возможностью формирования и сохранения персональных пользовательских наборов
данных.
96
Глава 2
картографических данных, состоящего из отдельных растровых фрагментов (тайлов) данных.
Кэш создается автоматически в процессе работы программы, имеющей доступ в Интернет, и
геоданные из этого кэша впоследствии можно просматривать без подключения к сети.
При создании прикладных ГИС на основе веб-сервисов для Windows нами
использовались следующие наборы данных и программно-технологические решения:
− уже упомянутая выше детальная карта Красноярского края и Хакасии. Растровая
пирамида тайлов карты края содержит 15 уровней;
− унифицированная библиотека доступа к данным карты на кэширующем сервере,
обладающая базовым функционалом для построения ГИС на платформе Windows
(операции управления слоями, сдвига и масштабирования карты, интерактивные
запросы по объектам карты, и т.д.);
− подсистема формирования локальной картографической базы данных (локального
кэша) на основе скачанных через Интернет тайлов карты, основанная на
персональной СУБД SQLite.
Рассмотренные технологические решения стали основой в разработке ряда прикладных
геоинформационных систем:
− диспетчерско-навигационная система мониторинга автотранспорта на основе
данных ГЛОНАСС/GPS для Министерства транспорта и связи Красноярского края.
− ГИС-модуль системы «Единая база данных «Гидротехнические сооружения и
опасные участки берегопереработки»« для Министерства природных ресурсов и
лесного комплекса Красноярского края;
− программа «Школьные автобусы» для Министерства образования и науки
Красноярского края (внедрена во всех муниципальных управлениях образования
края);
− картографический редактор местоположения медицинских учреждений для
Министерства здравоохранения Красноярского края.
Иллюстрацию использования данных ГИС-портала в задачах построения
картографических приложений на основе веб-сервисов рассмотрим на примере информации
по маршрутам школьных автобусов в Красноярском крае.
На первом этапе была разработана прикладная ГИС «Школьные автобусы» (рис. 1).
Она позиционируется как инструмент для информационного обеспечения задач, решаемых
Министерством образования и науки Красноярского края. Основная задача, для решения
которой предназначена программа – создание и редактирование (уточнение) сети маршрутов
(рейсов) школьных автобусов в Красноярском крае. Предполагается, что эта информация
подготавливается в районных управлениях образования края, с последующей передачей в
министерство. Отличительные особенности программы:
− карта края, которую видит на экране и с которой работает пользователь,
динамически подгружается из сети Интернет с картографического сервера –
используются прикладные веб-сервисы.
− предполагается, что информация по маршрутам школьных автобусов может быть
загружена с удаленного компьютера через встроенный веб-сервис и,
соответственно, сохранена там после редактирования.
− загружаемые из сети Интернет фрагменты карты автоматически сохраняются на
компьютере пользователя в локальной картографической базе данных (локальный
кэш). При отображении карты выполняется проверка наличия загруженных
фрагментов карты в локальной картографической базе данных; загрузка новых
фрагментов осуществляется только в случае их отсутствия в этой локальной базе.
Таким образом, чем дольше пользователь работает с программой и чем больше
фрагментов карты он уже скачал, тем реже возникает необходимость скачивания
новых фрагментов карты из сети Интернет. Общий объем картографических
97
Глава 2
данных в максимальной детализации на район края может достигать нескольких
сотен мегабайт.
98
Глава 2
Список литературы
1. Якубайлик О.Э. Геоинформационный Интернет-портал // Вычислительные технологии,
Том 12, Спец. выпуск 3, 2007, С. 117-126.
2. Кошкарев А.В. Геопортал как инструмент управления пространственными данными и
геосервисами // Пространственные данные. – 2008. – № 2. – http://gisa.ru/45968.html .
3. Аш Е.В. Что называть геопорталом? // Пространственные данные. – 2008. – № 2. –
http://gisa.ru/46031.html .
4. А.А. Алябьев, О.Л. Анисимова, П.В. Цереня, С.В. Серебряков. Геопортал Уральского
федерального округа как прототип узла РИПД // Пространственные данные. – 2009. – №
3. – c. 16–22 – http://gisa.ru/56572.html .
5. Кадочников А.А., Попов В.Г., Токарев А.А., Якубайлик О.Э. Формирование
геоинформационного Интернет-портала для задач мониторинга состояния природной
среды и ресурсов // Журнал Сибирского федерального университета. Серия: Техника и
технологии. – 2008. – Т. 1. – № 4. – С. 377-386.
6. Якубайлик О.Э., Попов В.Г. Технологии для геоинформационных Интернет-систем //
Вычислительные технологии, Том 14, № 6, 2009, С. 116–126.
7. Токарев А.В. ObjectStorage – подсистема хранения объектных данных в реляционной
СУБД // Проблемы информатизации региона. ПИР-2009: Материалы 11-й Всероссийской
научно-практической конференции. Красноярск, 2-3 ноября 2009 г./ Под ред. д.т.н. Г.А.
Доррера; Отв. за вып. к.т.н. Л.Д. Якимова. – Красноярск: РИЦ СибГТУ, 2009. – C. 77-79.
8. Пятаев А.С., Якубайлик О.Э. Средства автоматизации подготовки и веб-публикации
данных в технологии Mapserver // Проблемы информатизации региона. ПИР-2009:
Материалы 11-й Всероссийской научно-практической конференции. Красноярск, 2-3
ноября 2009 г./ Под ред. д.т.н. Г.А. Доррера; Отв. за вып. к.т.н. Л.Д. Якимова. –
Красноярск: РИЦ СибГТУ, 2009. – С. 148-150.
9. Матвеев А.Г., Якубайлик О.Э. Разработка каталога метаданных геоинформационного
Интернет-портала // Безопасность и живучесть технических систем: Труды III
Всероссийской конференции. / Научн. ред. В.В. Москвичев. – Красноярск: ИВМ СО
РАН, 2009. – С. 201-203.
99
Глава 2
10. Кадочников А.А. Организация доступа к каталогу пространственных данных для
различных информационно-аналитических систем в региональном управлении. //
Проблемы информатизации региона. ПИР-2009: Материалы 11-й Всероссийской научно-
практической конференции. Красноярск, 2-3 ноября, 2009 г. – Красноярск: РИЦ СибГТУ,
2009. – С. 53-55.
Алгоритмы
Существуют различные методы прямого и обратного геокодирования [2, 3]. В
значительной степени применяемые алгоритмы зависят он набора и полноты исходных
данных, на основе которых выполняется геокодирование. В рамках этой работы
предполагается, что доступен следующий набор данных:
100
Глава 2
− объекты с адресной привязкой (районы, города и населенные пункты, улицы,
здания);
− дорожная сеть (узлы дорожной сети, сегменты дорог).
На текущем этапе были использованы достаточно простые методы геокодирования.
Для определения координат объектов по адресу решено использовать геокодирование по
объектам. Искомый адрес сопоставляется с адресами существующих объектов, и в качестве
результата возвращаются координаты геоцентра наиболее подходящего объекта.
Считаем, что входной запрос содержит адрес объекта, записанный в свободной форме.
Предлагается следующий алгоритм прямого геокодирования на основе полнотекстового
поиска:
1. Разбиваем запрос на отдельные лексемы;
2. Формируем полнотекстовый запрос из лексем по логике «И»;
3. Выполняем полнотекстовый поиск в таблице всех объектов по полю с полным
адресом, накладываем дополнительные ограничения на район, город, улицу;
4. Сортируем результат по классу объекта (от крупных образований к более мелким)
и релевантности, нормированной на длину адреса;
5. Выбираем первые N объектов как наиболее подходящих и выдаем информацию о
них пользователю.
Для определения адреса по координатам предлагается смешанный подход. В границах
населенных пунктов ориентируемся по ближайшим зданиям, а за пределами населенных
пунктов – ориентируемся по дорожной сети (рис. 1). Во втором случае адресом точки могут
являться разные сущности:
− адрес ближайшего населенного пункта + расстояние до него по дорожной сети;
− адрес ближайшего крупного населенного пункта + расстояние до него по дорожной
сети;
− наименование ближайшей федеральной трассы + километровый отсчет вдоль нее +
расстояние до трассы.
На текущем этапе было решено использовать первые два варианта.
101
Глава 2
3. Точка находится в населенном пункте – ориентируемся по зданиям:
3.1. Выполняем поиск ближайших зданий в населенном пункте,
3.2. Переход на шаг 5;
4. Точка находится за границами населенного пункта – ориентируемся по дорожной
сети:
4.1. Определяем ближайший сегмент дороги,
4.2. Получаем 2 узла сегмента, а также заранее вычисленные «адреса» (населенный
пункт + расстояние до него по дорожной сети) этих узлов,
4.3. Вычисляем кратчайший путь по прямой к ближайшему сегменту и точку
съезда с дороги,
4.4. Вычисляем все адреса точки съезда по адресам узлов сегмента. Для этого
добавляем расстояние от точки съезда до узла к расстояниям в адресах узлов.
Полученный список группируем по населенным пунктам и выбираем только
адреса с минимальным расстоянием;
5. Выдаем информацию о найденных адресах пользователю.
База данных
Для хранения реперных объектов с адресной привязкой, а также дорожной сети
разработана концептуальная модель базы данных (рис. 2). На ее основе сформирована
физическая модель и создана база данных.
Основные сущности:
− объект (район, населенный пункт, здание). У объекта хранится полный адрес,
геометрия и служебные поля. По геометрии построен пространственный индекс,
что обеспечивает достаточно быстрый поиск;
− узлы и сегменты дорожного графа. Сегмент дороги хранит ссылки на начальный и
конечный узлы, геометрию, а также стоимость проезда в прямом и обратном
направлениях. В значительной степени это заготовка для будущего сервиса поиска
маршрутов по дорожной сети;
− ближайшие населенные пункты. Для каждого из узлов дорожного графа
вычислены несколько «адресов» – расстояние до ближайшего населенного пункта
и расстояние до ближайшего крупного города. Для этого применен
модифицированный алгоритм Дейкстры для поиска кратчайшего пути на графе.
102
Глава 2
Технологии
Существует несколько способов построения веб-сервисов. На сегодняшний день
наибольшее распространение получили следующие протоколы и подходы в реализации веб-
сервисов: XML-RPC, SOAP, REST [4].
Самые первые веб-сервисы часто использовали в качестве языка запросов простые
GET/POST запросы по HTTP протоколу, аналогичные запросам веб-браузера, а в качестве
ответов обычно использовались XML документы. В дальнейшем этот подход сформировался
в виде архитектурного стиля построения веб-сервисов REST (Representational State Transfer).
Это набор общих принципов построения веб-сервисов с определенными приоритетами:
масштабируемость, независимость от платформы, расширяемость. Сущность подхода в том,
что в системе выделяются базовые ресурсы, адресуемые по уникальному идентификатору
URL, к которым применимы запросы HTTP протокола (GET, POST, DELETE, и др.). Самой
известной системой, построенной в значительной степени по архитектуре REST, является
современная Всемирная паутина (WWW).
Необходимость стандартизировать способ представления запросов и ответов для веб-
сервисов привела к созданию стандарта SOAP (Simple Object Access Protocol), а так же ряда
сопутствующих стандартов – языка описания веб-сервисов WSDL, распределенной системы
регистрации веб-служб UDDI, и др. SOAP изначально разрабатывался как замена протоколу
XML-RPC, но позже был значительно доработан, и стал протоколом-стандартом для
построения веб-сервисов уровня предприятия.
Как правило, для веб-сервисов, предназначенных, в основном, для поиска и получения
информации, лучше приспособлен REST подход. Поэтому мы будем ориентироваться на
него.
Для хранения данных выбрана СУБД PostgreSQL (http://www.postgresql.org) – свободно
распространяемая объектно-реляционная система управления базами данных, наиболее
развитая из открытых СУБД в мире и являющаяся реальной альтернативой коммерческим
базам данных. Немаловажным преимуществом является наличие дополнительных модулей,
которые облегчают решение задач геокодирования:
− PostGIS (http://www.postgis.org) – это свободная ГИС библиотека, которая
позволяет работать с географическими объектами и функциями в базе данных
PostgreSQL. PostGIS соответствует OpenGIS стандартам, разработанным Открытым
Географическим Сообществом (OGC). Поддерживается более 300 различных функций
для работы с векторными данными, пространственные индексы, популярные обменные
форматы и многое другое.
− pgRouting (http://pgrouting.postlbs.org) – модуль, который расширяет функции
базы данных PostgreSQL/PostGIS, добавляя в них функции планирование пути. pgRouting
позволяет создавать топологии и решать различные задачи по планированию маршрута
(например, расчет кратчайшего пути).
103
Глава 2
Полигональные объекты из слоев районы, населенные пункты, дома были добавлены в
таблицу объектов. Для каждого объекта сгенерирован полный адрес.
Для решения задачи обратного геокодирования по предложенному алгоритму за
границами населенных пунктов необходимо иметь связную и топологически корректную
дорожную сеть. Исходные данные имели не совсем корректную топологию – были
примыкающие дороги без образования узла, а также отсутствовали узлы дороги в местах
пересечения с границами населенных пунктов. С помощью функций PostGIS были
выполнены разбиения объектов слоя дорог на сегменты, выделены узлы, а также
проставлены связи.
Общий объем данных: полигональных объектов с адресной привязкой – 17 тыс.
объектов, 32 тыс. сегментов дорог и 26 тыс. дорожных узлов.
Программный интерфейс
Веб-сервис геокодирования был реализован на основе REST подхода. Запрос
передается в виде GET параметров, результат формируется в виде XML.
Базовая структура запроса следующая: http://<сервер>/geo?q=<запрос>. В
зависимости от значения параметра «запрос» выполняется прямое или обратное
геокодирование. Поддерживаются и дополнительные параметры:
− srid – код проекции (EPSG код);
− api – код версии интерфейса, предназначен для поддержки устаревших версий;
− limit – ограничение на количество выдаваемых результатов;
− aom – степень детализации выдаваемых результатов в виде битовой маски:
o 1 - информация о ближайшем объекте /object
o 2 - информация об адресе объекта object/address/text
o 4 - детализация адреса объекта object/address/*
o 8 - размещение объекта /object/extent
o 16 - смещение исходной точки от объекта /offset
o 128 - адрес объекта со смещением в виде одной строки /description
− region – название района;
− city – название населенного пункта;
− street – название улицы.
Если параметр «запрос» задан во множественном виде
(q[]=<запрос1>&q[]=<запрос2>&q[]=…), то выполняется пакетное геокодирование всех
значений. Структура выдаваемых результатов показана на рис. 3.
Заключение
Разработанное решение проходит тестовую эксплуатацию в нескольких проектах. В
настоящее время веб-сервис активно используется в системе спутникового мониторинга
транспорта «Регнасс» (http://www.torins.ru/regnass/). Система предназначена для
оперативного мониторинга транспортных средств, используемых для перевозки школьников,
машин «Скорой помощи» и автобусного парка пригородных перевозок в Красноярском крае.
Сервис геокодирования обеспечивает оперативное определение адреса транспортных
средств по их координатам.
Можно выделить следующие преимущества созданного веб-сервиса геокодирования:
− возможность использования «своих», более полных пространственных данных, по
сравнению с публичными источниками;
− поддержка преобразований координат в проекцию, заданную клиентом;
− настраиваемая детализация выдаваемых данных;
− поддержка пакетного геокодирования нескольких адресов за один запрос.
104
Глава 2
Выделены несколько направлений развития сервиса: доработка алгоритмов
геокодирования, переход на стандартные форматы данных OpenLS, а также реализация
дополнительных сервисов – прокладка маршрутов, разграничение доступа и др.
Список литературы
1. Капралов Е.Г., Кошкарев А.В., Тикунов В.С. и др. Геоинформатика: Учеб. для студ. вузов
/ Под ред. Тикунова В.С. – М: Издательский центр «Академия», 2005. – 480 с., [8] с. цв.
ил. – (Серия «Классический университетский учебник»).
2. Goldberg, D. W., Wilson, J. P. and Knoblock, C. A. From Text To Geographic Coordinates:
The Current State of Geocoding // URISA Journal. Vol. 19, No. 1 – 2007.
3. Goldberg, D.W. A Geocoding Best Practices Guide. Springfield, IL: North American
Association of Central Cancer Registries, 2008. 261 pages.
4. Pautasso, C.; Zimmermann, O.; Leymann, F. RESTful Web Services vs. Big Web Services:
Making the Right Architectural Decision // 17th International World Wide Web Conference
(WWW2008). – Beijing, China, 2008. – P. 805-814.
105
Глава 2
конечному пользователю лишь небольшую группу слоев с определенными правами доступа,
и для этого удобней всего оперировать некой небольшой единицей – корзиной слоев,
набором карт или другой подобной сущностью.
Пользователи обычных десктопных ГИС привыкли работать с ГИС-проектом, который
фактически является картой или тематическим набором карт. И когда у сервера
запрашивается весь огромный список слоев и их групп, пользователь просто теряется, и нам
самим, не только как разработчикам, но и как пользователям ГИС, такое представление
данных крайне не удобно.
Одним из решений этого вопроса является создание различных каталогов (например,
при помощи системы GeoNetwork [1]). В таких системах, независимо от структуры
размещения слоев на серверах-источниках, проводится классификация слоев по их
метаинформации. Так в настоящий момент нашими красноярскими коллегами уже в течении
нескольких лет ведется разработка каталога метаданных для картографического материала
[2], который значительно удобней системы GeoNetwork, и, при этом, умеет
взаимодействовать с GeoNetwork, как впрочем и с любой другой системой, поддерживающей
стандарты обмена метаданных [3, 4].
Но такое решение не всегда является удобным (в частности, из-за проблем,
возникающих от нежелания или неумения пользователей-авторов слоев заполнять
метаданные должным образом). Для пользователя-автора проще передать конечному
пользователю ссылку на свой пользовательский набор WMS-слоев (при необходимости задав
логин и пароль) для непосредственного добавления в рабочую среду ГИС, где будут
размещен проект и ничего лишнего. Таким образом, эти два решения являются
взаимодополняющими.
В этой статье будет рассмотрено разработанное нами программное обеспечение,
позволяющее создавать пользовательские наборы WMS-слоев из различных источников
(WMS-серверов). Созданный набор представляет собой виртуальный WMS-сервер (рис. 1),
обмен данными с таким ресурсом осуществляется по WMS-протоколу, и для конечного
пользователя такой сервер выглядит абсолютно также, как будто слои набора опубликованы
непосредственно на нем. Пользователь-составитель такого набора может загрузить
собственный стиль оформления для любого слоя, добавленного им в набор (рис. 1 (1)). А
также дать права доступа к своему набору другому пользователю (потребителю данных), при
этом не предавая ссылки на сервера-источники. При создании набора допустимо указывать
пароли для доступа к серверам-источникам (рис. 1 (2)) и назначать свои собственные для
доступа к созданным пользовательским наборам и их слоям (рис. 1 (3)).
При проектировании программного обеспечения (ПО) было рассмотрено несколько
вариантов использования уже существующего ПО в плане возможностей формирования
пользовательских наборов данных. Были рассмотрены возможности двух основных
программных продуктов для создания WMS-серверов: MapServer [5] и GeoServer [6]. Для
перенаправления данных в этих продуктах встроен модуль, имитирующий WMS-клиент (на
момент начала разработки такой в GeoServer такой возможности не было, на момент
написания статьи частично присутствует в версии 2.1beta1). Модули этих продуктов, к
сожалению, работают не со всеми WMS-слоями, и главной проблемой на текущий момент
является отсутствие реализации запроса GetFeatureInfo, по которому предоставляется
информация об объектах слоя.
При использовании MapServer'а создается пользовательский map-файл, который
содержит в качестве источников данных слоев WMS-ресурсы различных серверов.
MapServer в этом случае исполняет роль промежуточного звена, передавая отображение
слоя, созданного первичным WMS-сервером по запросу GetMap, конечному пользователю.
Реализацию GetFeatureInfo предлагается сделать непосредственно на свой «страх и риск» при
помощи функций встроенного в программный продукт языка MapScript.
106
Глава 2
107
Глава 2
108
Глава 2
109
Глава 2
110
Глава 2
111
Глава 2
существенно отредактированы текстовые надписи, т.к. разработчики очень часто неосознано
применяют непонятную конечному пользователю терминологию.
Полезность этой процедуры оказалась при этом весьма высока, поскольку некоторые
изменения в элементах управления были достаточно серьезны, и потребовали бы
существенных изменений внутренней структуры интерфейса управления, если бы их
пришлось делать для уже готовой реализации.
В результате проведенного юзабилити-тестирования основная страница
пользовательского интерфейса приняла вид, представленный на рисунке 6.
Нагрузочное тестирование
Нагрузочное тестирование прототипа нами не проводилось, однако были заметны
значительные задержки ожидания ответа при запросе слоев в ходе функционального
тестирования, и причины этого нам были известны. Так что этот этап проведем сразу при
тестировании текущей рабочей версии нашего проекта.
Для нагрузочного тестирования нашей системы использовалась утилита siege [14].
Было проведено два эксперимента для различных условий, соответствующих реальным
ситуациям. Первый эксперимент имитировал доступ к системе сотрудников ИГМ СО РАН,
т.е. в условиях локальной сети. Второй эксперимент был проведен в условиях внешнего
доступа из сети Интернет (проводился из дома одного из авторов). В каждом эксперименте
сначала производились запросы картографических слоев через WMS-mash, а затем этих же
слоев напрямую – с сервера-источника слоев для набора (WMS-сервер ИГМ СО РАН).
В первом эксперименте («Локальная сеть») – проводилось тестирование WMS-mash,
запущенного на рабочей станции:
1. Процессор: Intel Pentim E2200 Dual (2.2ГГц);
2. Оперативная память: 2Гб;
3. Сеть: Ethernet-карта Realtek 8168;
4. ОС: Gentoo Linux, ядро Linux 2.6.34.
112
Глава 2
Рабочая машина, на которой была запущена утилита для нагрузочного тестирования,
также находилась в локальной сети.
Во втором эксперименте («ADSL») WMS-mash был запущен на сервере:
1. Процессор: Intel Core i7 (2.67ГГц)
2. Оперативная память: 12Гб;
3. Сеть: Ethernet-карта Realtek 8168;
4. ОС: Gentoo Linux 64bit, ядро Linux 2.6.30.
Клиентская машина, на которой была запущена утилита для нагрузочного
тестирования, осуществляла доступ через одного из ADSL-провайдеров г. Новосибирска
(ADSL-модем: Huawei SmartAX MT880; входящая скорость канала – 4Мб/с, исходящая – 2
Мб/с).
WMS-сервер ИГМ СО РАН и WMS-mash при этом также, как и в первом эксперименте,
были расположены в локальной сети ИГМ СО РАН за проксирующим веб-сервером (nginx
0.7.65). Для проведения более корректного тестирования WMS-mash была отключена
буферизация (директивой proxy_buffering off).
На каждый запрос возвращалось изображение в формате PNG размером 222047 байт,
сформированное WMS-сервером ИГМ СО РАН (GeoServer 2.0.0) из 236 полигональных
объектов (почвенная карта Академгородка, слой academ:map_soil1_region на
http://maps.nrcgit.ru/geoserver/wms). Во всех экспериментах при помощи siege создавалось 20
потоков, каждый из которых делал 100 запросов в первом эксперименте и 10 запросов во
втором эксперименте.
Результаты нагрузочного тестирования приведены в таблице 1.
Как мы видим, все параметры как при обращении через WMS-mash, так и при прямом
обращении к WMS-серверу, практически одинаковы для обоих экспериментов. Время ответа
и количество запросов неодинаково из-за меньшей ширины канала во втором эксперименте,
однако этот канал был использован на 100% (0,22Мбайт/с) как при прямых запросах, так и
при обращении через WMS-mash. Во всех четырёх случаях показатель конкурентности
примерно равен количеству запущенных потоков. Из этого можно сделать вывод, что WMS-
mash отлично держит нагрузку как при большом количестве запросов в секунду, так и при
большом количестве «медленных» запросов, получающих данные с небольшой скоростью.
Заключение
Немного про тестирование. Следует принять во внимание, что на финальной стадии
разработки программного продукта потребуется провести тестирование еще раз (а возможно
и не один – каждый раз после устранения серьезных недочетов в ПО). Однако
функциональное тестирование прототипа очень часто позволяет выявить достаточно
113
Глава 2
серьезные ошибки в архитектуре. Если эти ошибки будут выявлены на этапе тестирования
полнофункционального почти законченного продукта, потребуются гораздо большие
трудозатраты на исправление этих ошибок, чем на создание и тестирование прототипа. Тоже
касается и юзабилити-тестирования макета, определенно стоит потратить немного времени,
чтобы потом не переделывать лишний раз готовый пользовательский интерфейс. Так как
вовсе не обязательно, что решения, примененные разработчиком и удобные для него в
использовании, окажутся удобны пользователю из целевой аудитории программного
продукта.
О фрэймворках. Иногда полезно применить уже готовый набор средств,для реализации
одной из задач проекта, а не писать его с нуля, как раз такие средства и может предоставить
вам фрэймворк. Выбор фрэймворка также достаточно сложная задача, требующая
исследование возможностей, изучение документации, а также отзывов других
разработчиков. Однако чаще всего этот выбор зависит от основного языка разработки
проекта, а также предыдущего опыта разработчиков.
О назначении создаваемого ПО. В первую очередь это конечно передача отдельного
ГИС-проекта пользователя-автора в виде виртуального сервера с набором WMS-слоев
конечному пользователю. Такая система позволяет построить набор, опубликовав на своем
WMS-сервер только новые авторские слои, а остальные слои, необходимые для проекта,
добавить с уже опубликованных ранее слоев на других сервера-источниках
картографического материала. Однако тут тоже не стоит злоупотреблять, и не добавлять в
набор слои с ненадежных источников данных, поскольку эти источники в определенный
момент могут перестать существовать. Пользователям нашей системы доступна и некоторая
другая полезная функциональность, в том числе: загрузка стилей для оформления слоев
набора, а также настройка режимов доступа к отдельным слоям и наборам.
В настоящий момент разработка программного обеспечения еще не закончена, но уже
созданы два тестовых набора (виртуальных WMS-сервера) с применением новой версии
нашего программного обеспечения: набор «Геологическая карта России»[15] и набор
«Академгородок»[16].
Список литературы
1. GeoNetwork opensource // URL: http://geonetwork-opensource.org/ (дата обращения:
25.11.2010).
2. Каталог метаданных // Геоинформационный Интернет-портал СО РАН. URL:
http://gis.krasn.ru/client/2010/ (дата обращения: 25.11.2010).
3. ISO 19115:2003/Cor 1:2006, Geographic information – Metadata // International Organization
for Standardization. URL:
http://www.iso.org/iso/iso_catalogue/catalogue_tc/catalogue_detail.htm?csnumber=44361
(дата обращения: 25.11.2010).
4. ISO/TS 19139:2007, Geographic information -- Metadata -- XML schema implementation //
International Organization for Standardization. URL:
http://www.iso.org/iso/iso_catalogue/catalogue_tc/catalogue_detail.htm?csnumber=32557
(дата обращения: 25.11.2010).
5. MapServer. Open Source geographic data rendering engine // URL: http://www.mapserver.org/
(дата обращения: 25.11.2010).
6. GeoServer. Java-based WMS-server // URL: http://www.geoeserver.org/ (дата обращения:
25.11.2010).
7. Python programming language // URL: http://www.python.org/ (дата обращения:
25.11.2010).
8. Django framework // URL: http://www.djangoproject.com/ (дата обращения: 25.11.2010).
9. Twisted framework // URL: http://twistedmatrix.com/ (дата обращения: 25.11.2010).
10. СУБД PostgreSQL // URL: http://www.postgresql.org/ (дата обращения: 25.11.2010).
114
Глава 2
11. PostGIS. Поддержка географических типов данных для PostgreSQL // URL:
http://www.postgis.org/ (дата обращения: 25.11.2010).
12. Э. Танненбаум. Современные операционные системы. 2-е изд. -- СПб.: Питер, 2002. ISBN
5-318-00299-4
13. У. Стивенс. UNIX: разработка сетевых приложений. -- СПб.: Питер, 2003 -- 1088 с.: ил. --
ISBN 5-318-00535-7
14. Утилита для нагрузочного тестирования Siege // URL: http://www.joedog.org/JoeDog/Siege
15. Виртуальный WMS-сервер: «Геологическая карта России» // URL:
http://maps.nrcgit.ru/wm/GeologyRussia (дата обращения: 25.11.2010).
16. Виртуальный WMS-сервер «Академгородок» // URL:
http://maps.nrcgit.ru/wm/Academgorodok (дата обращения: 25.11.2010).
115
Глава 2
поиск и классификация картографических ресурсов, доступ к данным ресурсам посредством
WMS-протокола и многое другое.
116
Глава 2
После определения проблемных зон существующих решений была поставлена задача
разработки оригинального веб-интерфейса.
117
Глава 2
5. Блок фильтрации.
Блок навигации по категориям классификатора представляет собой навигационную
цепочку (breadcrumbs, «хлебные крошки»), предоставляющую путь от корневого узла до
текущего положения пользователя в разделах каталога пространственных метаданных.
Список вложенных категорий классификации представлен в виде двухколоночного
списка папок, для каждой из которых посредством асинхронного AJAJ-запроса ведётся
подсчёт количества вложенных ресурсов и категорий. Результаты подсчётов сохраняются в
текущую пользовательскую сессию, вследствие чего, при следующем заходе в данную папку,
информация о количестве ресурсов и вложенных папок будет восстановлена. Аналогично
пустым категориям на главной странице, в случае отсутствия вложенных ресурсов папки
автоматически скрываются.
118
Глава 2
Каталог пространственных метаданных: описание ресурсов и операций над ними
Каждый ресурс в списке обладает следующим набором элементов: порядковый номер в
текущей выборке, изображение предварительного просмотра, название, краткое текстовое
описание, кнопки действий. Пользователь (в зависимости от прав доступа) может
осуществлять над ресурсами следующие операции: просмотр метаданных, добавление в
корзину, просмотр ресурса, получение адреса WMS, сохранение на локальную машину.
Информация в метаданных разбита на четыре категории: описание (тип ресурса, дата
актуальности, авторы и так далее), пространственные данные (проекция, тип геометрии,
экстенты), атрибутивная информация и увеличенное изображение предварительного
просмотра.
Информационный ресурс, выбранный в «Каталоге метаданных», может быть открыт в
отдельном окне (вкладке браузера) в специально разработанном средстве просмотра или в
любой стандартной ГИС, поддерживающей протокол WMS. Механизм действия достаточно
прост: пользователь получает адрес WMS-сервера ресурса (нажав соответствующую кнопку)
и указывает этот адрес в качестве источника данных в прикладной программе. Такой
динамически формируемый WMS-сервер будет содержать один или несколько слоев
геоданных в зависимости от выбора пользователя. Возможность выбора пользователем
необходимых слоев данных для их подключения в стороннем приложении типа MapInfo
становится принципиальной в случае, когда каталог становится большим и содержит тысячи
ресурсов; подключать их все сразу нецелесообразно [10].
Ресурс одновременно может иметь несколько видов распространения: tab-файл,
растровое изображение, shape-файл и другие. Загрузка данных на локальную машину
клиента производится при наличии у пользователя соответствующих прав доступа.
Фасетная классификация, организованная в системе, предоставляет широкие
возможности поиска и фильтрации информационных ресурсов. Оставшиеся после выбора
основного классификатора категории фильтрации могут применяться для сужения списка
обозреваемых ресурсов. Выбирая в блоке фильтрации определенные узлы классификации,
пользователь может вывести только те ресурсы, которые находятся в текущей папке и
описаны всеми выбранными категориями.
Для удобства пользователей реализован динамический подсчёт количества ожидаемых
результатов фильтрации по текущей выборке, что существенно снижает количество загрузок
страниц с пустым списком (в случае слишком строгого условия выборки). Одновременно с
фильтрацией по категориям может применяться поиск ресурсов по подстроке.
Во время просмотра списков ресурсов пользователь имеет возможность отметить
наиболее интересные из них, поместив их во временное хранилище – «корзину» (по аналогии
с корзинами Интернет-магазинов). Корзина является промежуточным буфером, доступным
для любого пользователя портала. Ресурсы, помещённые в корзину, хранятся в ней в течение
текущей сессии.
В случае успешной авторизации пользователя в Интернет-портале, помимо временного
хранилища он получает доступ к индивидуальному постоянному хранилищу – «Мои
документы». На данный момент реализованный функционал позволяет перемещать ресурсы
из временного хранилища в постоянное, таким образом, доступ к избранным ресурсам
сохранится даже после истечения текущей сессии. В дальнейшем, планируется разработать
средства, позволяющие составлять, описывать и публиковать индивидуальные
пользовательские наборы данных из доступных картографических ресурсов Интернет-
портала.
Результаты работы
На конец 2010 года в состав геоинформационного Интернет-портала СО РАН вошёл
ряд веб-приложений, предназначенных для выполнения операций различного рода. В том
числе, была разработана вторая версия клиентской части каталога пространственных
119
Глава 2
метаданных, в которой, помимо кардинальной переработки архитектуры приложения, были
исправлены недостатки предыдущей версии, выявленные в результате работы пользователей.
Спроектированный пользовательский интерфейс, реализация различных способов
отображения информации, быстрый доступ к основным функциям приложения (просмотр
ресурсов и их метаданных), а также сочетание информационного поиска и фильтрации по
категориям фасетной классификации показали свою эффективность при работе с большим
количеством данных, решив тем самым проблемы, приведенные в начале статьи.
Помимо создания клиентской части каталога метаданных, в состав Интернет-портала
СО РАН был внедрён прототип информационно-справочной системы, основанный на
концепции Вики. А также, для сохранения общности и создания единого визуального
представления был разработан ряд средств, основными задачами которых являются:
создание общего стилевого оформления заглавной части всех страниц Интернет-портала и
формирование навигационного меню, которое позволяет перемещаться по основным
разделам системы.
Реализация данного набора средств в виде подключаемого программного модуля
позволяет осуществлять практически любые изменения в структуре меню или в стилевом
оформлении так, что обновление этого элемента интерфейса во всех разделах портала
происходит автоматически.
Кроме того, предусмотрена индивидуальная подстройка модуля, которая заключается в
том, что в правой части заглавной части страницы зарезервировано место для нескольких
элементов интерфейса, которые могут присутствовать в одних разделах портала и
отсутствовать в других. Созданием и настройкой этих элементов занимаются разработчики
соответствующих разделов.
Планы по развитию
Помимо усовершенствования каталога пространственных метаданных, улучшения его
интерфейса, повышения функциональности, увеличения быстродействия и
производительности, ближайшими задачами на будущее являются:
− внедрение сквозной системы авторизации пользователей;
− развитие других разделов портала, таких как информационно-справочный Вики-
раздел, форум разработчиков, система администрирования каталога, подсистема
визуализации картографических ресурсов и др.;
− внедрение современных эффективных средств информационного взаимодействия
пользователей геоинформационного интернет-портала.
Список литературы
1. Кошкарев А.В. Геопортал как инструмент управления пространственными данными и
геосервисами / А. В. Кошкарев // Геоинформационный портал ГИС-Ассоциации
[электронный ресурс]. - Пространственные данные. – 2008. – № 2. – Режим доступа:
http://gisa.ru/45968.html
2. Токарев А.В. Модель каталога информационных ресурсов для распределенного
геоинформационного Интернет-портала // Проблемы информатизации региона. ПИР-
2007: Материалы десятой Всероссийской научно-практической конференции. В 2 т. Т 1.
– Красноярск: Сиб. федер. ун-т; Политехн. ин-т, 2007. – C. 182-187.
3. Кадочников А.А., Попов В.Г., Токарев А.В., Якубайлик О.Э. Формирование
геоинформационного Интернет-портала для задач мониторинга состояния природной
среды и ресурсов // Журнал Сибирского федерального университета, серия «Техника и
технологии», т. 1, № 4, 2008. – СФУ, 2008. – С. 375-384.
4. Матвеев А.Г., Якубайлик О.Э. Классификация ресурсов и пользовательский интерфейс
геоинформационного портала // Проблемы информатизации региона. ПИР-2009:
Материалы 11-й Всероссийской научно-практической конференции. Красноярск, 2-3
120
Глава 2
ноября 2009 г./ Под ред. д.т.н. Г.А. Доррера; Отв. за вып. к.т.н. Л.Д. Якимова. –
Красноярск: РИЦ СибГТУ, 2009. – С. 142-144.
5. European Comission INSPIRE geoportal // Геопортал INSPIRE [электронный ресурс].-
Режим доступа: http://www.inspire-geoportal.eu/
6. Geodata.gov U. S. Maps & Data // Геопортал Geodata [электронный ресурс]. – Режим
доступа: http://gos2.geodata.gov/wps/portal/gos
7. GeoNetwork opensource // GeNetwork opensource [электронный ресурс]. – Режим доступа:
http://geonetwork-opensource.org/
8. Google каталог // Google [электронный ресурс]. – Режим доступа:
http://www.google.ru/dirhp?hl=ru
9. Яндекс.Каталог // Яндекс [электронный ресурс]. – Режим доступа: http://yaca.yandex.ru/
10. Матвеев А.Г., Якубайлик О.Э. Проектирование пользовательского интерфейса
геоинформационного портала // Материалы VII Всероссийской конференции по
теоретическим основам проектирования и разработке распределенных информационных
систем, ПРИС-2009. Красноярск, СибГТУ, 2009. – С. 176-178.
121
Глава 2
− данные наблюдений;
− математические модели;
− «априорная информация».
При разработке систем усвоения данных обычно возникают следующие проблемы:
− рассматриваются данные разных типов;
− многие переменные напрямую не измеряются;
− задача оценивания имеет огромную размерность (порядок оцениваемых
9
− векторов 10 для современных моделей);
− математические модели атмосферных процессов нелинейны;
− наличие систематических ошибок модели и данных наблюдений.
Алгоритмы усвоения данных используются в настоящее время в различных областях, в
частности, в задачах прогноза погоды, а также при решении различных задач
распространения загрязняющих веществ в атмосфере. Существует огромное количество
методик усвоения данных, но, с точки зрения математической постановки задачи, все они
используют один из двух подходов, вариационный или динамико-стохастический.
Поскольку данные наблюдений известны с ошибками, имеющими случайный характер, все
методы усвоения должны учитывать статистические свойства ошибок измерений.
Статистический характер имеют также так называемые «шумы» моделей, учет которых
важен при проведении оценки состояния окружающей среды. Проблема учета
статистических характеристик ошибок прогноза и наблюдений естественным образом
решается при применении динамико-стохастического подхода (фильтр Калмана). Численная
реализация фильтра Калмана для современных нелинейных моделей невозможна, поэтому в
настоящее время используются различные приближения. Лидирующее положение занимает
ансамблевый подход, при котором ковариации ошибок прогноза оцениваются с помощью
ансамбля прогнозов по возмущенным начальным полям. Реализация ансамблевого подхода
также содержит технологические сложности, связанные, в частности, с большой
размерностью рассматриваемых при этом матриц.
Задаче мониторинга состояния окружающей среды посвящено огромное количество
работ. При этом в качестве одного из компонентов мониторинга рассматривается система
усвоения данных наблюдений. В данной статье рассматриваются вопросы использования
систем усвоения данных в задачах мониторинга окружающей среды. В п.1 статьи приводятся
современные математические постановки задачи усвоения и подходы к их решению. В п.2
рассматриваются проблемы практической реализации алгоритмов усвоения. В п.3 статьи
рассматриваются особенности задачи усвоения данных об окружающей среде и приводится
краткий обзор работ, посвященных проблеме усвоения данных об окружающей среде,
особый упор при этом делается на задачу усвоения данных о парниковых газах. В п.4
содержатся заключительные выводы.
122
Глава 2
xkf = M k −1 xka−1 ,
Eηkt = 0;
E (ηkt )(ηlt )T = Qk δ kl
K k = Pk f H kT ( H k Pk f H kT + Rk ) −1 ; (3)
Pka = ( I − K k H k ) Pk f ; (4)
xka = xkf + K k ( yk0 − H k xkf ); (5)
k = 0,..., K .
Pk f = E ( xkf − xkt )( xkf − xkt )T ; Pka = E ( xka − xkt )( xka − xkt )T . (6)
123
Глава 2
Алгоритм фильтра Калмана состоит из шагов прогноза (1) и анализа (5). Шаг анализа, в
свою очередь, представляет собой оценку значения в каждом сеточном узле по всем
известным данным и прогнозу. Для осуществления этой процедуры требуется вычислить
матрицу весовых коэффициентов (3), зависящую от ковариаций ошибок прогноза Pk f и
ошибок наблюдений Rk . Изменение по времени ковариаций ошибок прогноза Pk f , в свою
очередь, вычисляется по формуле (2). В этой формуле Pka−1 - ковариационная матрица
ошибок анализа, для ее оценки используется формула (4). Практическая реализация этого
алгоритма для современных моделей прогноза и современного объема данных наблюдений
чрезвычайно сложна. Особенности этой реализации будут рассмотрены в следующем пункте.
Шаг анализа для современных систем усвоения состоит из комплекса процедур,
состоящих в обработке, контроле информации и непосредственно самой интерполяции. На
Рис. 1 приведена блок-схема шага анализа.
124
Глава 2
Такое приближение позволяет осуществлять субоптимальный алгоритм в случае
нелинейной модели. Однако наряду с нелинейностью существует также проблема большой
размерности вычисляемых в алгоритме фильтра Калмана матриц. Для современных
прогностических систем размерность ковариационных матриц Pk f достигает порядка 109 .
Лидирующее положение среди субоптимальных алгоритмов, призванных решать
проблему большой размерности ковариационных матриц, занимает ансамблевый подход, при
котором ковариации ошибок прогноза оцениваются с помощью ансамбля прогнозов по
возмущенным начальным полям [4]. В ансамблевом фильтре Калмана ковариации ошибок
прогноза вычисляются приближенно по формуле
1 K f
P ≅
f
∑
K − 1 k =1
(x k − x f )(x fk − x f )T ,
2 2 i =0
при условии, что
x(t n ) = M n [x(t 0 )].
125
Глава 2
В данной оптимизационной задаче контрольной переменной является x(t 0 ) - значение
в начальный момент времени. То есть, в методе 4DVAR ищется начальное условие такое, что
прогноз с этим начальным значением наилучшим образом приближает наблюдения в
заданном временном интервале. Недостатком такого подхода является предположение о том,
что модель не имеет ошибок. Минимум функционала в 4DVAR ищется с помощью
итерационных методов (например, метод квази-Ньютона). Для реализации итерационного
процесса требуется оценить градиент функционала J(x), который, в свою очередь,
вычисляется с помощью сопряженной линеаризованной модели [2].
Можно показать, что, если
− модель линейна;
− у модели отсутствуют ошибки;
− B0 - начальное значение ковариаций известно точно,
то 4DVAR в конечный момент времени эквивалентен обобщенному фильтру Калмана [2].
Таким образом, неявно 4DVAR способен воспроизводить изменение ковариаций по времени.
В настоящее время существуют схемы, основанные на 4DVAR с использованием
ансамблевого подхода для оценки изменений ковариаций по времени.
Тема математических постановок задачи усвоения данных и проблем ее реализации
обширна, можно сослаться, к примеру, на обзорные монографии [2,4].
126
Глава 2
− На больших расстояниях возникают «ложные ковариации», которые необходимо
подавлять.
− Ансамблевый фильтр Калмана не решает проблемы нелинейности. На шаге
прогноза вычисляется оценка P по нелинейной модели, а шаг анализа соответствует
линейной оценке состояния по данным наблюдений.
− Ансамблевый фильтр Калмана не имеет фундаментального теоретического
обоснования для нелинейной динамической системы с негауссовской статистикой.
Особо выделим вопросы, связанные с усвоением спутниковой информации [7].
Спутниковые данные имеют ряд отличительных особенностей по сравнению с
наземными и аэрологическими наблюдениями. К этим особенностям относятся следующие:
− Спутник измеряет информацию об уходящем излучении, поэтому необходимо
осуществлять преобразование переменных модели в наблюдаемые переменные с
помощью уравнения переноса излучения. Таким образом, оператор наблюдений H
нелинейный.
− Данные поступают непрерывно по времени.
− Ошибки наблюдений коррелируют, матрица ошибок наблюдений большой
размерности и недиагональная.
− Наличие систематической ошибки в наблюдениях (bias). Это усложняет
использование формул вышеприведенных алгоритмов.
Спутниковые данные могут использоваться двумя путями: напрямую, в виде данных об
уходящем излучении, либо требуется предварительно восстанавливать по спутниковым
данным значения метеорологических величин, а затем использовать их в процедуре усвоения
данных. Первый вариант является более предпочтительным по целому ряду причин:
− При преобразовании данных о радиации используется информация о прогнозе,
поэтому ошибки восстановленных данных и прогноза будут коррелировать.
− Проблема оценки матрицы R (ковариаций ошибок наблюдений).
− Матрица R становится существенно недиагональной.
Усвоение спутниковых данных осложняется тем, что для применения традиционных
методов необходимо выполнение следующих условий:
а) ошибки наблюдений «несмещенные»;
б) случайные поля ошибок наблюдений нормально распределены.
Эти условия для спутниковых данных не выполняются. Для реализации алгоритма
усвоения необходимо также осуществление контроля качества и задание ковариационной
матрицы ошибок наблюдений.
Спутниковые данные – это огромный массив информации. Однако, как отмечается в
ряде работ, большое количество наблюдений не всегда дает наилучший результат, поскольку
эти данные представляют собой массив коррелирующих между собой случайных величин и
потому они мало информативны [7].
В настоящее время в ведущих метеоцентрах мира работают системы усвоения,
основанные на методе 4DVAR (National Centre for Environmental Prediction - NCEP, European
Centre for Medium Range Weather Forecasts - ECMWF, метеослужбы Великобритании и
Франции). В то же время очень большое количество работ посвящено исследованию
применимости в задаче усвоения данных ансамблевого фильтра Калмана [1,4,5].
Что касается состояния работ в этой области в России, можно сказать следующее. В
Гидрометцентре России (Москва) проходит оперативные испытания система усвоения
данных, основанная на вариационном подходе (3DVAR) [8]. В то же время следует
подчеркнуть, что современные прогностические системы, включающие в себя и усвоение
данных, разрабатываются в настоящее время очень большими коллективами,
представляющими из себя консорциумы организаций разных стран.
В настоящее время в Европейском метеорологическом сообществе существуют три
консорциума для разработки, поддержки и развития мезомасштабных прогнозов [9,10]. Это
127
Глава 2
консорциум HIRLAM (High Resolution Limited Area Model), основанный группой
метеорологических служб в основном северных стран Европы (http://hirlam.org/), консорциум
ALADIN (Aire Limitée Adaptation dynamique Développement InterNational)
(http://cnrm.meteo.france/aladin/) и консорциум COSMO (Consortium for Small-scale Modeling)
(http://www.cosmo-model.org/). С момента создания консорциума HIRLAM Метеослужба
Франции является его партнером по исследованиям. Из не вошедших в настоящее время ни
в один из этих консорциумов стран с высоким уровнем развития метеорологической науки
следует выделить Великобританию (http://www.metoffice.gov.uk). Цели каждой группы
близки, хотя есть и некоторые различия. Модель HIRLAM была разработана совместными
усилиями ученых стран-основателей консорциума, в то время как модели ALADIN и
COSMO были разработаны в одной стране, соответственно, во Франции и Германии. Кроме
того, различаются способы предоставления кодов модели атмосферы.
В 2007 году Россия (Росгидромет) вошла в состав консорциума COSMO и с сентября
2007 г. принимает активное участие в работе по совершенствованию модели COSMO. В
состав консорциума COSMO входят метеорологические службы следующих стран:
Германия, Греция, Италия, Польша, Россия, Румыния и Швейцария [9,10].
128
Глава 2
[12,13] предлагается вариационный подход к задаче усвоения парникового газа CO2, а в
работах [14,15] – ансамблевый фильтр Калмана. Основное внимание в этих работах
уделяется оценке потоков с поверхности Земли парниковых газов (рассматривается
парниковый газ CO2) по информации, полученной в результате работы системы усвоения
данных.
Заключение
Таким образом, создание систем усвоения данных является одной из составных частей
задачи мониторинга состояния окружающей среды. Разработка системы усвоения данных
современного уровня для решения задачи восстановления даже одного отдельного
компонента, к примеру, парникового газа CO2, требует объединения усилий групп
специалистов, работающих в различных направлениях.
В ИВТ СО РАН нами начата работа по созданию такой системы усвоения данных о
пассивных газовых составляющих для Сибирского региона. Работа основана на опыте
исследований в области усвоения метеорологических данных [16-19], а также в области
моделирования состояния окружающей среды [20-22]. Для работы такой системы
необходимо:
− Моделирование состояния атмосферы (температура, ветер, влажность) в заданном
регионе для решения задачи распространения пассивных газовых составляющих в
атмосфере.
− Развитие модели переноса и диффузии пассивных газовых составляющих.
− Реальные данные о начальных метеорологических полях и полях концентраций.
− Информация о потоках CO2 c поверхности Земли (антропогенные выбросы, лесные
пожары, изменения, связанные с взаимодействием атмосфера-биосфера).
− Данные наблюдений.
− Процедуры контроля данных наблюдений и оценки их ошибок.
− Алгоритмы усвоения данных современного уровня.
− Система верификации и интерпретации полученных результатов.
В заключение следует подчеркнуть, что проблема усвоения данных и мониторинга
состояния окружающей среды представляет собой целое направление, интенсивно
развивающееся с середины 70-х годов прошлого века. В связи с этим очевидно, что охватить
в одной статье все вопросы данной тематики невозможно. В статье сделана лишь попытка
формулировки задач, которые решаются в настоящее время в данной области.
Документацию, описывающую системы усвоения данных, а также много другой полезной
информации можно посмотреть на сайтах:
− NCEP (National Centre for Environmental Prediction)
− www.emc.ncep.noaa.gov/gmb/gdas
− ECMWF (European Centre for Medium Range Weather Forecasts)
− www.ecmwf.int/products/forecasts/guide/The_data_assimilation_system.html
− WRF (Weather Research and Forecast)
− www.mmm.ucar.edu/research_mmm/data_assim/index.php
− DART (Data Assimilation Research Testbed)
− www.image.ucar.edu/DAReS/DART
Работа поддержана Проектом IV.31.2.1. программы фундаментальных исследований
СО РАН на 2010 - 2012 гг, Проектом № 4 программы междисциплинарных интеграционных
исследований СОРАН на 2009 - 2011 гг, Грантом 09-07-00103-а Российского фонда
фундаментальных исследований
Список литературы
1. Ghil M., Malanotte-Rizzolli P. Data assimilation in meteorology and oceanography. In
Advances in Geophysics. 33. 1991. P.141-266.
129
Глава 2
2. Kalnay E. Atmospheric Modeling, Data Assimilation and Predictability. Cambridge Univ.
Press. 2002.
3. Jazwinski A.H. Stochastic processes and filtering theory. Academic Press: New York. 1970.
4. Evensen G. 2007. Data assimilation. The ensemble Kalman filter. Spriger-Verlag: Berlin
Heideberg.
5. Hunt B.R., Kostelich E.J., Szunyogh I. Efficient data assimilation for statiotemporal chaos: A
local ensemble transform Kalman filter. Physica D. 230. 2007. P.112-126.
6. Пененко В.В. Методы численного моделирования атмосферных процессов. – Л.:
Гидрометеоиздат, 1981.
7. Thepaut J.-N. Satellite data assimilation in numerical weather prediction: an overview. –
Proceedings of the ECMWF Seminar on Recent development in data assimilation for
atmosphere and ocean, 8-12 September 2003. 2003. P.75-96. Available from ECMWF library.
8. Цырульников М.Д., Свиренко П.И., Горин В.Е., Горбунов М.Е., Климова Е.Г. Разработка
схемы трехмерного вариационного усвоения данных в Гидрометцентре России. Сборник
трудов «80 лет Гидрометцентру России». М.: Триада ЛТД. 2010. С.21-35.
9. Ривин Г.С. Современные системы мезомасштабного прогноза погоды: состояние и
перспективы. – Сборник трудов «80 лет Гидрометцентру России». М.: Триада ЛТД. 2010.
С.82-93.
10. Вильфанд Р.М., Ривин Г.С., Розинкина И.А. Система COSMO-RU негидростатического
мезомасштабного краткосрочного прогноза погоды Гидрометцентра России: первый этап
реализации и развития. Метеорология и гидрология. 2010. №8. С.2-20.
11. Hollingsworth A. et al. Toward a monitoring and forecasting system for atmospheric
composition. The GEMS Project . Bulletin if American Meteorological Society. 2008. №8.
P.1147-1164.
12. Baker D.F. et al. Variational data assimilation for atmospheric CO2. Tellus. 2006. 58B. P.359-
365.
13. Chevallier F. et al. AIRS-based versus flask-based estimation of Carbon surface fluxes. Journal
of Geophysical Research. Vol.114. D20303. 2009. P.1-9.
14. Peters W. et al. An ensemble data assimilation system to estimate CO2 surface fluxes from
atmospheric true gas observations. Journal of Geophysical Research. Vol.110. D24304. 2005.
P.1-18.
15. Fung L. et al. Estimating surface CO2 fluxes from space-borne CO2dry air mole fraction
observations using an ensemble Kalman filter. Atmos. Chem. Phys. 2009. №9. P.2619-2633.
16. Климова Е.Г. Метод усвоения данных наблюдений, основанный на применении π -
алгоритма. Метеорология и гидрология. 2008. № 3. С.16-26.
17. Климова Е.Г. Метод усвоения данных наблюдений, основанный на ансамблевом π -
алгоритме. Метеорология и гидрология, 2008. № 9. С.45-53.
18. Климова Е.Г., Киланова Н.В., Дубровская О.А., Р.Б. Зарипов О.А. Исследование
статистической структуры ошибок краткосрочного прогноза температуры в
атмосферном пограничном слое для целей объективного анализа. Метеорология и
гидрология. 2010. №9. С.26-34.
19. Климова Е.Г. Использование ансамблевого фильтра Калмана при планировании
дополнительных наблюдений. Метеорология и гидрология. 2011 (принята к печати).
20. Климова Е.Г., Киланова Н.В. Численные эксперименты по оценке эмиссии метана на
основе системы усвоения данных о пассивной примеси в атмосфере Северного
полушария. Оптика атмосферы и океана. 2006. №11. С. 961-964.
21. Киланова Н.В., Климова Е.Г. Численные эксперименты по оценке систематической
ошибки модели в задаче усвоения данных о концентрации пассивной примеси //
Вычислительные технологии. 2006. №5. С. 32-40.
22. Дубровская О.А., Климова Е.Г. Прогнозирование распространения дымовых аэрозолей на
территории Сибири. Вычислительные технологии. 2007. Т.12. №5. С.68-77.
130
Глава 2
Введение
Результаты мониторинга подстилающей поверхности из космоса используются при
решении задач климатологии, метеорологии, океанологии, экологии, геологии, мониторинге
чрезвычайных ситуаций. Эффективность решения во многих случаях связана с точностью
атмосферной коррекции спутниковых радиометрических измерений и используемых для
этого алгоритмов и подходов.
В настоящее время атмосферная коррекция используется в штатных алгоритмах
тематической обработки спутниковых изображений, возможность её проведения
предоставляют практически все наиболее распространенные коммерческие программные
продукты (ERDAS, ENVI, FLAASH, ATCOR, ATREM, ACORN). Несмотря на это, в ряде
случаев атмосферная коррекция производится приближенно, иногда с недостаточной для
решения конкретной тематической задачи точностью. Исправить эту ситуацию можно на
основе физического подхода, лишенного указанных недостатков. Однако его применение
является нетривиальной задачей, и реализация соответствующего программного обеспечения
в центрах приема и обработки спутниковых данных потребует определенных временных и
финансовых затрат, некоторого объема специальных знаний, решения организационных
вопросов.
Актуальным является объединение пространственно распределенных информационных
и вычислительных ресурсов и создание на их этой основе WEB-ресурса, позволяющего
удаленно осуществлять процедуру атмосферной коррекции. Такой WEB-ресурс в настоящий
момент разрабатывается в ИОА СО РАН для обработки данных спутниковой аппаратуры
EOS/MODIS, NOAA/POES, SPOT, LANDSAT, а также данных других спутниковых систем.
Цель данной работы – краткое описание архитектуры и организации работы WEB-
ресурса, первая версия которого ориентирована на использование физического подхода для
атмосферной коррекции ИК-изображений земной поверхности, полученных с помощью
спутниковой системы EOS/MODIS.
131
Глава 2
− в рамках алгоритма производится учет поглощения теплового излучения водяным
паром, но при этом отсутствует учет искажений, вызванных аэрозолем и перистой
облачностью.
Другой, более корректный, физический подход заключается в использовании моделей
переноса теплового излучения. В рамках этого метода осуществляется учёт искажающих
характеристик атмосферы с использованием широко известных компьютерных программ
типа LOWTRAN7, MODTRAN, 6S, ATCOR и т.п. на основе априорной оптико-
метеорологической информации о состоянии атмосферы в момент спутниковых наблюдений.
Этот подход использовался в работах [6,7,8] для атмосферной коррекции данных МСУ-
СК/Ресурс, TM/Landsat, ASTER/EOS.
Физический подход, безусловно, обеспечивает универсальность и явный учет всех
искажающих факторов при решении задачи восстановления ТПП из космоса, хотя
реализация его на практике требует привлечения большого объема оперативной априорной
информации требуемого качества и высокой скорости вычислений.
В настоящее время интенсивное развитие вычислительной техники и современных
технологий программирования позволяет снять вопрос о трудоемкости проведения
большого объема вычислений, а существование в сети Интернет большого количества
информационных ресурсов, содержащих наземные и спутниковые измерения параметров
атмосферы, расширяет пространство информационных источников для задания оптико-
метеорологического состояния атмосферы.
Архитектура WEB-ресурса
Для создаваемого WEB-ресурса выбрана трехуровневая архитектура, характерная для
приложений баз данных, применяющих WEB-технологии. Такая архитектура подразумевает
наличие цепочки «сервер базы данных – web-сервер – клиентский компьютер и браузер».
Сервер базы данных поддерживает СУБД и выполняет всю работу с данными. В базах
132
Глава 2
данных хранятся метаданные спутниковых снимков, а также служебная информация,
включающая данные о пользователях и данные о работе комплекса. Web-сервер выполняет
функции HTTP-сервера, сценарного интерпретатора и обработчика представлений
экземпляров баз данных. Браузер выполняет функции по представлению информации на
компьютере клиента.
Для обеспечения функциональности ресурса разрабатывается оригинальное
программное обеспечение, включающее модуль, реализующий функции поиска и получения
необходимой априорной оптико-метеорологической информации из удаленных источников;
расчетные модули; специальную программу-диспетчер, предназначенную для связи между
различными блоками ресурса и управления серверными приложениями, выполняющими
тематические задачи. Разработка программ, обеспечивающих работу WEB-ресурса,
основывается на лицензионно-чистых, открытых (open-source) программных средствах.
Разработка ведется в среде операционной системы Линукс. Для создания WEB-интерфейса и
программ, управляющих работой ресурса, используется высокоуровневый язык Python.
WEB-интерфейс создается на основе свободно распространяемого фреймворка для создания
веб-приложений Django [15], реализованного также на языке Python. Базы данных
разрабатываются на основе объектно-реляционной СУБД PostgreSQL. Расчетные модули
написаны преимущественно на языках C++ и FORTRAN и реализованы с использованием
программного обеспечения GCC и Intel FORTRAN. В качестве модели процесса переноса
излучения предлагается использовать программу MODTRAN, хорошо зарекомендовавшую
себя на практике для решения задач атмосферной коррекции данных ДЗЗ из космоса.
Модуль для
Данные о работы с
пользователях удаленными
источниками
Python
Задание условий
расчетов
PostgeSQL
Рис. 1 – Архитектура WEB-ресурса
Источники информации
В качестве информационных источников для задания оптико-метеорологического
состояния атмосферы используются локальные и пространственно распределенные
информационные ресурсы, содержащие наземные и спутниковые измерения параметров
атмосферы, прогностические метеоданные.
Информационной основой ресурса на первом этапе разработки являются локальные
базы данных, содержащие данные о параметрах атмосферы (метеопараметры, аэрозоль,
133
Глава 2
облачность), полученные на основе измерений спектрорадиометра MODIS спутников
EOS/MODIS. Файлы со спутниковой информацией (MxD04, MxD05, MxD06, MxD07,
MxD35), которые предполагается использовать для атмосферной коррекции, хранятся на
дисках сервера. Первичный поиск метеоинформации о состоянии атмосферы, требуемой для
проведения атмосферной коррекции, производится в локальных базах данных. Поиск может
быть расширен за счет обращения к удаленным источникам. В настоящий момент в качестве
удаленного источника определен ftp-сайт [16] сервера LAADS Web (Level 1 and Atmosphere
Archive and Distribution System) [17], который предоставляет доступ к огромным архивам
разнообразной спутниковой информации. На данном этапе предусматривается поиск и
получение атмосферных спутниковых данных MODIS второго уровня (Level 2) коллекций 5
и 5.1. При отсутствии спутниковых данных о состоянии атмосферы в качестве априорной
информации используются прогностические модели, источником которых является сайт
National Weather Service, USA [18].
false
is_meteo_remoute is_order_sent
true
true
? is_calc_done ?
false false
is_NCEP is_error
true
?
false
134
Глава 2
Методическая и алгоритмическая основа проведения атмосферной коррекции базируется на
работах (например, [19-22]) сотрудников лаборатории распространения оптических сигналов
ИОА СО РАН.
Использование WEB-ресурса
Принцип использования WEB-ресурса достаточно прост. Пользователь делает запрос
на проведение атмосферной коррекции, указывая ключевые атрибуты (временные и
пространственные) файла телеметрической информации (снимка) и требуемые спектральные
каналы. В соответствии с заданными атрибутами производится поиск необходимой
априорной оптико-метеорологической информации. Если требуемых данных в
определенных информационных источниках нет, используются оптические модели
атмосферы. Затем для заданного снимка осуществляется расчет требуемых характеристик
искажающего влияния атмосферы. Результаты расчета пользователь получает по сети
Интернет вместе со специально разработанной утилитой, позволяющей использовать их для
атмосферной коррекции спутниковых ИК изображений.
Схема работы WEB-ресурса приведена на рис. 3.
Задание условий поиска
априорной оптико- Получение
метеорологической Контроль результата
информации
Расчет
Имя файла Задание
для географических
проведения и временных Запись
АК параметров априорной Получение
информации в прогностической
директорию модели
Определение для расчета
ключей для
поиска в БД Нет
Получение
Поиск в данных из Да ?
локальных БД удаленных БД
Да Формирование
? Поиск в
запроса к
Нет удаленных БД
удаленным БД
135
Глава 2
Список литературы
1. Price, J.C., Land surface temperature measurements from the split window channels of the
NOAA-7 AVHRR. // J. Geophys. Res. 1984. 79. 5039–5044.
2. Sobrino, J.A., Z.L. Li, M.P. Stoll, and F. Becker, Improvements in the split window technique
for land surface temperature determination. // IEEE Trans. Geosci. Remote Sens. 1994. 32.
243– 253.
3. Coll, C., V. Caselles, A. Sobrino, and E. Valor, On the atmospheric dependence of the split-
window equation for land surface temperature. // Int. J. Remote Sens. 1994. 27. 105–122.
136
Глава 2
4. Wan, Z., and J. Dozier, A generalized split-window algorithm for retrieving land surface
temperature measurement from space. // IEEE Trans. Geosci. Remote Sens. 1996. 34. 892–
905.
5. Mao, K., Z. Qin, J. Shi, and P. Gong, A practical split-window algorithm for retrieving land
surface temperature from MODIS data.// Int. J. Remote Sens. 2005. 15. 3181– 3204.
6. Афонин С.В., Панфилов А.С., Романов А.В., Селиванов А.С., Фомин В.В., Хамарин В.И.
Подспутниковые эксперименты по контролю радиометрической точности ИК-каналов
приборов МСУ-СК ИСЗ «Ресурс-01» №2 в период ЛКИ. // Сб. трудов НПО «Планета».
1993. Вып.42. С.33-37.
7. Thome K., Palluconi F. Takashima T., Masuda K. Atmospheric correction of ASTER // IEEE
Trans. Geosci. Remote Sens. 1998. 36. P. 1199-1211.
8. Sobrino J.A., Jiménez-Muñoz J.C., Paolini L. Land surface temperature retrieval from
LANDSAT TM 5. // Remote Sens. Environ. 2004. 90. 434–440.
9. http://disc.sci.gsfc.nasa.gov/giovanni
10. http://aeronet.gsfc.nasa.gov
11. http://www.google.com/intl/ru/earth/index.html
12. http://atmcorr.gsfc.nasa.gov
13. Barsi, J.A., J.L. Barker, J.R. Schott. An Atmospheric Correction Parameter Calculator for a
Single Thermal Band Earth-Sensing Instrument. IGARSS03, 21-25 July 2003, Centre de
Congres Pierre Baudis, Toulouse, France.
14. Barsi, J.A., J.R. Schott, F.D. Palluconi, S.J. Hook. Validation of a Web-Based Atmospheric
Correction Tool for Single Thermal Band Instruments. Earth Observing Systems X, Proc. SPIE
Vol. 5882, August 2005, San Diego, CA.
15. http://www.djangoproject.com
16. ftp://ladsweb.nascom.nasa.gov
17. http://ladsweb.nascom.nasa.gov/index.html
18. http://www.weather.gov
19. Белов В.В., Афонин С.В. От физических основ, теории и моделирования к тематической
обработке спутниковых изображений. Томск: изд-во ИОА СО РАН, 2005. 266 с.
20. Афонин С.В., Белов В.В., Соломатов Д.В. Разработка программного обеспечения для
атмосферной коррекции аэрокосмических ИК-измерений температуры подстилающей
поверхности. // Оптика атмосферы и океана. 2006. Т. 19. № 01. C. 69–76.
21. Афонин С.В., Соломатов Д.В. Методика учета оптико-метеорологического состояния
атмосферы для решения задач атмосферной коррекции спутниковых ИК-измерений //
Оптика атмосферы и океана. 2008. Т.21. № 2. С. 147-153.
22. Афонин С.В., Белов В.В., Соломатов Д.В. Решение задач температурного мониторинга
земной поверхности из космоса на основе RTM-метода // Оптика атмосферы и океана.
2008. Т.21. № 12. C. 1056-1063.
23. Соломатов Д.В. Алгоритмы и программные средства атмосферной коррекции
спутниковых ИК-измерений на основе RTM-метода: Автореф. дис. … канд. тех. наук.
ИОА СО РАН. Томск, 2010. 21 с.
137
Глава 2
2.8. СОЗДАНИЕ ТЕМАТИЧЕСКИХ ИНФРАСТРУКТУР
ПРОСТРАНСТВЕННЫХ ДАННЫХ НА ПРИМЕРЕ ОСОБО
ОХРАНЯЕМЫХ ПРИРОДНЫХ ТЕРРИТОРИЙ
Введение
Интеграция пространственных данных, в особенности тематических, принадлежит к
числу особо актуальных проблем географии и других наук о Земле. В это понятие входит их
систематизация, объединение, поиск и получение накопленных пространственных данных.
Эти задачи могут быть решены с использованием механизмов, называемых
инфраструктурами пространственных данных (ИПД). Их принято классифицировать по
территориальному охвату, выделяя межнациональные, национальные, межрегиональные,
региональные и локальные ИПД. Вне вертикальной линейки, отражающей зачастую уровни
управления территориями, существуют иные классы ИПД, в том числе ведомственные
(отраслевые), корпоративные, научно-исследовательские, образовательные. Предметная
область информационного моделирования в ИПД, как в информационно-
телекоммуникационной системе, определяет ее тематику.
Тематика, связанная с проблемами окружающей среды, в том числе с охраной природы,
включая организацию и изучение особо охраняемых территорий (ООПТ), всегда
принадлежала к числу приоритетных направлений географической науки. В настоящей
работе представлены результаты эксперимента по созданию локальной ИПД национального
парка «Валдайский», основной задачей которого является охрана природы и сохранение
биоразнообразия, выполненного усилиями Института географии РАН и Вычислительного
центра им. А.А. Дородницына РАН.
138
Глава 2
Примером международной инициативы, которую можно взять за образец планирования
и организации процесса построения ИПД, может служить программа INSPIRE Европейского
союза, основной и единственной целью которой является охрана окружающей среды его
стран-участниц. Согласно Директиве INSPIRE – ее основному законодательному документу
– ООПТ входит в число 34 базовых тем, данные и метаданные о которых должны быть
созданы к сроку завершения программы в 2019 г. [5]. Содержание этой темы, фигурирующей
в Приложении I к Директиве, уточнено; к числу таких объектов принадлежат все территории
под юрисдикцией международных институций или в соответствии с национальным или
общеевропейским законодательством, каждая из которых должна содержать координатные
описания их сухопутных и водных границ [6]. В 2010 г., среди спецификаций наборов
данных Приложения I, обеспечивающих интеропрерабельность наборов данных, была
опубликована спецификация данных по ООПТ программы INSPIRE [7]. Этот руководящий
документ взят за основу настоящей работы. В соответствии с положениями Директивы
INSPIRE, рекомендующей использование международных стандартов серии ISO 19110
Технического комитета ИСО 211 «Географическая информация/геоматика», в основу работы
положено информационное моделирование предметной области, а именно ее
концептуальное моделирование, представляющее собой процесс создания абстрактных
описаний части реальности и относящихся к ней онтологических понятий (концептов)
согласно стандарту ИСО 19101:2002 «Географическая информация – эталонная модель» [8].
139
Глава 2
документов составлялась схема данных. На основе полученных схем строится объединенная
конечная прикладная схема.
Национальные парк «Валдайский» является одной из форм территориальной охраны
природы и входит систему ООПТ России. На его территории решают широкий круг задач:
охрана природного и культурного наследия; создание условий для регулируемого активного
туризма и отдыха; экологическое воспитание. Это достигается путем создания на территории
туристских маршрутов и природно-учебных троп, делением парка на территории с разным
режимом охраны, выделением рекреационных зон. Национальный парк находится на
территории Новгородской области и простирает свои границы по краю Валдайской
возвышенности.
В основу данных по национальному парку легла ГИС НП «Валдайский», целью
которой являлась оценка биоразнообразия и организация мониторинга в национальном
парке. Она содержит цифровые тематические карты, образованные из множества наборов
(слоев) данных и связанных с ними таблиц. В информационной системе представлены
следующие наборы данных, в том числе тематические, характеризующие экосистемы парка
и их биоразнообразие:
1) цифровая топографическая основа;
2) многозональный космический снимок парка, привязанный к цифровой
топографической основе;
3) функциональные зоны парка;
4) лесонасаждения с подразделением по преобладающим породам;
5) размещение пунктов экологического мониторинга;
6) местоположение берлог бурых медведей;
7) местоположение барсучьих поселений;
8) местоположение бобровых поселений;
9) местоположение глухариных токов;
9) места обитания редких водно-болотных птиц;
10) места обитания отдельных видов редких водно-болотных птиц;
11) места произрастания редких видов растений, занесенных в Красную книгу РФ;
13) редкие виды растений с разделением по отдельным видам;
14) места обитания редких видов рыб (эндемичных и интродуцированных);
15) местоположение родников.
Некоторые картографические композиции из наборов слоев представлены на рис. 1 и 2.
В основу ГИС были положены цифровые топографические карты масштаба 1:100 000
и 1:200 000, которые требовали значительного объема редактирования в виду их низкого
качества. В ходе работы по проекту была проведена проверка достоверности
информационных слоев компьютерной версии топографических карт на территорию парка и
их отбор, редактирование и трансформирование в различные форматы.
Для моделирования предметной области понадобились только тематические наборы
данных. К ним относятся:
− информация об объекте «охраняемая территория» (границы парка, охранной зоны,
функциональное зонирование территории парка);
− информация об охраняемых объектах – места обитания охраняемых биологических
видов (глухарей, барсуков, бобров, медведей, птиц водоболотных угодий, рыб
Красной книги, растений Красной книги);
− прочие наборы данных, на которые ссылаются тематические наборы.
140
Глава 2
Для перечисленных наборов построена схема данных в виде схемы базы данных таблиц
атрибутивной информации шейп-файлов (рис. 3).
141
Глава 2
142
Глава 2
Рис. 4 – Объединенная схема данных (отображение схемы данных набора шейп-файлов на схему
данных INSPIRE «Full»)
143
Глава 2
Страница содержит таблицу результатов, карту национального парка (при нажатии на
нее выводится более крупномасштабная карта) и кнопку для выполнения нового запроса.
144
Глава 2
Заключение
Продолжение исследований предполагает доработку аналитического приложения и
иллюстрацию возможностей создания ИПД на основе ГИС других ООПТ и их типов.
Национальная сеть ООПТ Российской Федерации насчитывает 101 заповедник, 41
национальный парк, 69 заказников и 41 памятник природы общей площадью 55.45 млн. га
(2.85% территории страны). Актуальна задача обобщения опыта подобных исследований в
других национальных парках [9] и разработки типовых методик и технологий управления
пространственными данными ООПТ разных категорий.
Список литературы
1. Концепция создания и развития инфраструктуры пространственных данных Российской
Федерации, одобрена распоряжением Правительства Российской Федерации от 21
августа 2006 г. # 1157-р.: http://www.gisa.ru/file/file780.doc.
2. ГОСТ Р 53339-2009 «Данные пространственные базовые. Общие требования»:
http://protect.gost.ru/document.aspx?control=7&id=174532.
3. Кошкарев А.В., Ряховский В.М., Серебряков В.А. Инфраструктура распределенной среды
хранения, поиска и преобразования пространственных данных:
http://seminar2010.fegi.ru/tezis/doc_download/3.
4. Федеральный закон. № 33-ФЗ «Об особо охраняемых природных территориях» от 14
марта 1995 г (по состоянию на 01.01.2010): http://base.garant.ru/10107990.
5. Directive 2007/2/EC of the European Parliament and of the Council of 14 March 2007
establishing an Infrastructure for Spatial Information in the European Community (INSPIRE):
http://eur-lex.europa.eu/JOHtml.do?uri=OJ:L:2007:108:SOM:EN:HTML.
6. Feature Concept Dictionary. Protected Site: http://inspire-registry.jrc.ec.europa.eu
/registers/FCD/items/279.
7. Geographic information – Reference model: http://www.iso.org/iso/iso_catalogue
/catalogue_ics/catalogue_detail_ics.htm?ics1=35&ics2=240&ics3=70&csnumber=26002.
8. INSPIRE Data Specification on Protected sites – Guidelines v 3.1.0 03.05.2010:
http://inspire.jrc.ec.europa.eu/documents/Data_Specifications/INSPIRE_DataSpecification_PS
_v3.1.pdf.
9. Данилов В.А. Геоэкологические основы и геоинформационное обеспечение деятельности
национального парка (на примере НП «Хвалынский). Автореферат дисс. на соискание
уч. степ. канд. геогр. наук. Саратовский гос. ун-тет. Астрахань, 2010. 23 с.
Введение
В настоящее время в институтах Иркутского научного центра (ИНЦ) СО РАН ведутся
научные исследования, базирующиеся на уникальных проблемно- и предметно-
ориентированных базах пространственных данных. Данные в подавляющем большинстве
случаев используются только их авторами. Для повышения эффективности исследований
требуется организация обмена данными между институтами. Для включения больших
объёмов научных пространственных данных, накопленных учреждениями СО РАН в процесс
проведения междисциплинарных научных исследований геосистем и биоразнообразия
Прибайкалья и Забайкалья актуально создание информационно-телекоммуникационной
145
Глава 2
инфраструктуры, включающей территориально-распределенную систему сбора, обработки,
хранения и предоставления базовых пространственных и тематических данных и
метаданных, предоставляющей пользователям удаленный доступ к БПД, метаданным и
сервисам.
146
Глава 2
описаний БПО, полученных при проведении всех видов геодезических и картографических
работ, проводимых на территории. Идентификатор, координатные и адресные описания
БПО, выполненные в цифровой форме, составляют БПД об объекте.
БПД являются цифровой основой для разработки документов территориального
планирования и градостроительного зонирования, правил землепользования и застройки,
создания региональной и муниципальных ГИС.
Пространственные метаданные (данные о данных), описывающие характеристики
пространственных данных, содержат сведения о составе, статусе (актуальности и
обновляемости), происхождении, местонахождении, качестве, форматах представления,
условиях доступа, приобретения и использования, авторских правах на данные,
применяемых системах координат, позиционной точности, масштабах и других
характеристиках. Базы пространственных метаданных и их каталоги необходимы для
управления процессами создания, хранения, обновления и поиска, обработки
пространственных данных. Геопорталы являются важнейшими элементом внутреннего и
внешнего информационного обмена в РИПД. В РИПД должен быть реализован принцип
«одного окна», где все операции по публикации и обновлению метаданных, их
использование для поиска, оценки, заказа и получения наборов пространственных данных
реализуются в единой распределенной среде на основе стандартных протоколов и Web-
интерфейса.
Для пространственных данных и процедур их производства, использования
предлагаются, как российские, так и стандарты Международной организации по
стандартизации (ISO), Консорциума открытых ГИС (Open Geospatial Consortium, OGC) [3,
12, 13, 19].
Технологическое обеспечение РИПД. Таким образом, в стране для органов
государственной власти и местного самоуправления создаётся иерархическая
территориально-распределенная система сбора, обработки, хранения и предоставления
базовых пространственных данных и метаданных, предоставляющая пользователям
удаленный доступ к БПД, метаданным и сервисам [1, 10, 14].
В свою очередь, начаты работы по формированию академической ИПД, которая
позволит интегрировать научные пространственные информационные ресурсы для
проведения междисциплинарных научных исследований [9, 15, 16].
147
Глава 2
В СИФИБР СО РАН сосредоточен значительный объем информации,
характеризующий флористическое и фаунистическое биоразнообразие Прибайкалья и
Забайкалья [5, 18, 22].
Накоплены сведения о распространении хвоегрызущих насекомых – одной из
главнейших групп насекомых-вредителей леса, наносящих значительный ущерб лесному
хозяйству Байкальской Сибири. Информация по коллекционным энтомологическим фондам
представлена в виде БД «Хвоегрызущие насекомые Иркутской области» и включает
сведения о 126 видах грызущих насекомых из отрядов Lepidoptera (Чешуекрылые) и
Hymenoptera (Перепончатокрылые), для которых установлены трофические связи с
хвойными породами на территории Иркутской области. Для каждого филлофага приведены
ареалогическая характеристика согласно принципам К.Б. Городкова (1984), широта
трофического спектра, даты и местонахождения.
База данных «Гербарий сосудистых растений Центральной Сибири (Иркутская область,
Республика Бурятия, Забайкальский край) содержит более 6000 записей информации о
гербарном листе: порядковый номер в базе, латинское название вида, координаты (по
большей части), местонахождение, экологические условия произрастания, дата сбора,
коллектор, дата определения и имя автора определения, полевой номер. Подготовлена
коллекция фотографий растений, как в природе, так и фото гербарных листов, которые пока
не связаны с БД. Полный объём гербария сосудистых растений СИФИБР СО РАН (IRK)
более 40000 листов.
Для ряда районов Прибайкалья и Забайкалья получены многовековые (до 600 лет)
непрерывные древесно-кольцевые хронологии, характеризующие динамику продуктивности
основных лесообразующих хвойных пород и зависимость этого процесса от внешних
факторов, а также статистические зависимости, описывающие связь этих хронологий с
ведущими климатическими факторами. Данные представляют собой цифровые ряды в
формате Excel. Приведены данные измерений ширины годичного кольца и динамики
стабильных изотопов кислорода и углерода. Всего представлено 43 хронологии и готовы
данные ещё по 3 хронологиям. Все данные имеют пространственную привязку,
сопровождаются кратким описанием местообитания.
На основе систематизированных экспериментальных данных за 1995-1999 гг.
сформирована база данных в формате Excel (более 40 тыс. числовых значений), включающая
часовые значения интенсивности фотосинтеза хвойных, доминирующих в составе
древостоев Восточной Сибири – сосны обыкновенной (Pinus sylvestris L.), ели сибирской
(Picea obovata Ledeb.) и лиственницы сибирской (Larix sibirica Ledeb.) - интенсивности
радиации, температуры и влажности воздуха, температуры почвы, запасов влаги и описаний
погодных условий. БД предназначена для исследования динамики депонирования углерода в
древостоях в зависимости от климатических факторов, для изучения проблемы
видоспецифичной регуляции фотосинтеза отдельных видов хвойных и взаимосвязи роста
ствола дерева с фотосинтетической активностью кроны, а также для прогнозирования
распространения лесных сообществ с участием хвойных в районах Северной Азии.
Для исследования цикла углерода и его динамического изменения в агроэкосистемах в
зависимости от характера и уровня техногенного загрязнения почв лесостепи Иркутской
области создана БД данных ежегодного (1992-2009 гг.) мониторинга на стационарах,
расположенных в северо-западной и юго-восточной частях территории области. Дана
базовая оценка свойств основных типов пахотных почв, включая их техногенное
загрязнение. Проведена оценка пулов углерода, основанная на аккумуляции в гумусе,
почвенной микробной биомассе и фитомассе сельскохозяйственных культур, а также
эмиссии СО2 в атмосферу, которая позволяет оценивать баланс углерода в агроэкосистемах.
Институт географии СО РАН разрабатывает комплексные региональные электронные
атласы и карты природопользования и ландшафтного разнообразия [6, 7, 11, 17].
148
Глава 2
В качестве важного информационного ресурса разработан электронный вариант атласа
«Иркутская область: экологические условия развития», который содержит 175 карт, дополненных
диаграммами, графиками, схемами, таблицами, фотокартами и текстовым материалом.
Большинство карт атласа Иркутской области и Усть-Ордынского Бурятского автономного
округа, составлены на основе новых теоретических и методических разработок, с
привлечением новейших данных полевых стационарных и маршрутных наблюдений и
съемок, обширного статистического и цифрового картографического материала научных
коллективов Иркутского научного центра СО РАН, научных учреждений и вузов Иркутска.
Разработана серия цифровых карт «Геосистемы и экологические условия развития Прибайкалья
и Забайкалья», включающая фрагменты и слои цифровых карт: геосистемы Байкальской природной
территории; районирование современных экзогенных процессов рельефообразования Байкальской
природной территории; нарушенность растительности Байкальской природной территории;
экологические предпосылки распространения зооантропонозов на Байкальской природной
территории; экологическое зонирование Байкальской природной территории.
Создана база данных «Ландшафтная структура и компоненты геосистем Байкальской
природной территории», основанная на количественном анализе элементов геосистем методом
регулярных сетей. По результатам геоинформационного анализа по БПТ и в рамках
выделенных территорий создана БД (в формате Excel), отражающая особенности различных
показателей – высоты местности, экспозиции склонов, суммы температур воздуха, суммы
осадков, мерзлотных условий, ландшафтной структуры.
В Байкальском институте природопользования СО РАН накоплены данные и знаний о
геосистеме и природопользовании Забайкалья [4, 8].
Основным информационным ресурсом института является ГИС «Природопользование
Байкальского региона». В настоящее время картографическая база данных включает 400
тематических карт и 150 цифровых слоёв.
В БИП создан Атлас ретроспективных карт Прибайкалья и Забайкалья
(www.baikalgis.ru), представляющий собой целостное электронное картографическое
произведение, организованное в среде веб-сервиса, как совокупность локализованных листов
единой топографической карты (1898-1914 гг.) и массива описывающих метаданных, а также
БД мероприятий по решению проблем озера Байкал, включающая следующие блоки:
мероприятия; законодательство; общественные организации; письма; отчёты института;
средства массовой информации.
В БИП создан прототип картографического Атласа Селенгинского дельтового района
(масштаб 1:100000), представляющего собой многоуровневое объединение топографических
и тематических карт и цифровых основ главного масштабного ряда на бассейн озера Байкал.
Таким образом, характерными особенностями существующих в институтах проблемно-
и предметно-ориентированных баз данных в области геосистем и биоразнообразия
Прибайкалья и Забайкалья являются: пространственно-временной характер,
разноформатность данных и их локализация в институтах; разнообразие используемых
технологий обработки данных.
149
Глава 2
централизованного хранения данных (СХД). Однако не всегда необходимо хранение данных
в СХД. В ряде случаев с данными связаны программно-аппаратные системы, производящие
регулярное изменение, пополнение данных и т.д. В этих системах обычно существуют
специализированные сервисы доступа, с помощью которых пользователь может работать
данными. Эффективным является хранение метаинформации о ресурсе в СХД, причем не
только описывающей данные, но и содержащей все атрибуты, необходимые для организации
доступа (адрес ресурса, пароль, логин и т.д.). Для организации совместной работы
необходима реализация обеих подходов.
В ИДСТУ СО РАН создана система централизованного хранения (СХД) с
использованием аппаратно-программного комплекса SAN ReadyStorage 3994 с общей
стартовой дисковой емкостью 62 Тбайт, которая гарантирует надежное хранение данных,
бесперебойную работу и достаточно высокую скорость чтения/записи данных. На
программном уровне СХД представляет собой файловую систему со структурой (рис. 1).
150
Глава 2
Рассмотрим набор основных функций геопортала: формирование готовых наборов
карт; загрузка и выгрузка данных; регламентация доступа к данным, создание собственных
страниц; поиск ГИС-ресурсов по каталогу метаданных геопортала; встроенный
картографический Web-клиент для просмотра картографических Web-служб; перечень
аналитических функций; широкий набор возможностей по администрированию геопортала и
распределению доступа к нему через Web-интерфейс; возможность подключения к
геопорталу из «настольных» ГИС; регистрация пользователя; управление выкопировкой
геоданных и т.д.
При регистрации пользователя запрашивается следующая информация: ФИО,
должность, место работы, область интересов и т.д. Для пользователя в СХД автоматически
создается директория в СХД, создается пользователь в PostrgeSQL и схема данных. Эту
информацию пользователь может получить на сайте.
Пользователь может зарегистрировать слой геоданных. При этом указывает
следующее: название слоя, описание, проекция, права доступа и т.д. Геоданные разделяются
на хранящиеся в СХД и удаленные. При регистрации пользователем геоданнных,
хранящихся в СХД на сервере автоматически создается директория для хранения данных
слоя. Загрузка и выгрузка данных производится в виде архива ZIP. При этом в архиве может
находиться несколько слоев ГИС. Данные поступают на сервер и разархивируются в
директорию, созданную на этапе регистрации слоя. Для векторных слоев создаются таблицы
и производится их конвертация в базу данных PostgreSQL. PostgreSQL поддерживает
стандарт OGC Simple Features Implementation Specification for SQL (SFA) при установке
расширения PostGIS. Поэтому данные являются доступными из многих систем,
реализующих этот стандарт.
При регистрации удаленного слоя геоданных сохраняется метаинформация,
описывающая поддерживаемые протоколы доступа и все соответствующие атрибуты
доступа. В данный момент можно хранить информацию о ресурсах, поддерживающих
протоколы WMS, SFA и ресурсы, доступные через браузеры (протокол HTTP).
В соответствии с проведенным анализом геоинформационных систем для организации
удаленной работы с геоданными, хранящимися в СХД, необходимы: поддержка
существующих стандартов организации удаленной работы с геоданными; организация
работы с геоданными через браузер; организация копирования файлов геоданных с СХД на
локальную машину и обратно для программных систем, неподдерживающих стандарты
удаленной работы; предоставление интегрированного инструмента работы с геоданными.
Поддержка существующих стандартов организации удаленной работы с геоданными
необходима, так как многие ГИС уже сейчас реализуют некоторые стандарты, что позволяет
более тесно интегрировать распределенные ресурсы. Анализ существующих стандартов
удаленной работы с геоданными показал востребованность открытых стандартов
Консорциумома Open GIS Consortium (OGC http://www.opengis.org/) для организации Web-
публикации картографической информации и картографических сервисов, которые
применяются в продуктах таких фирм, как ESRI, MapInfo и т.д. Наиболее развитой системой
хранения геоданных является PostgreSQL/PostGIS. C данными PostGIS умеет работать
большинство картографических приложений, как коммерческих, так и бесплатных. Среди
свободного программного обеспечения можно выделить: MapServer, GRASS, uDig, QGIS,
GDAL/OGR, FeatureServer, GeoServer, SharpMap, gvSIG. Отметим, что ArcGIS компании
ESRI с версии 9.2 также работает с геоданными в PostGIS. Данные автоматически становятся
доступными для просмотра и редактирования в соответствии с правами доступа,
определенными владельцем, в системах поддерживающих стандарты OGC.
В рамках проекта разработан механизм публикации картографической информации,
который позволяет удаленным пользователям работать с электронными картами без
использования какого-либо программного обеспечения, помимо Web-браузеров.
Пользователь, сохранив данные в СХД, может автоматически опубликовать векторные
151
Глава 2
данные с удобным пользовательским интерфейсом в растровом формате. Учитывая большой
размер файлов векторных геоданных, разработан эффективный способ представления
неизменяемых данных, позволяющий сократить расход оперативной памяти и
минимизировать время загрузки информации из файла. С использованием предложенного
подхода разработан векторный формат SMD. Реализован модуль расширения Web-сервера
IIS для публикации в Internet/Intranet электронных карт в формате SMD. Реализованы
конвертеры в формат SMD из форматов ГИС Панорама, ArcView и MapInfo. Разработанные
конвертеры поддерживают импорт не только семантической и метрической информации, но
и информации о способе отображения объектов. Таким образом, для публикации в
Internet/Intranet подготовленной в одном из вышеупомянутых форматов карты её достаточно
конвертировать в формат SMD, при этом конвертация информации о способе отображения
позволяет получить внешний вид карты близкий к оригиналу. Разработанный модуль
расширения IIS, благодаря представлению данных в SMD формате, способен очень быстро
отображать векторные карты большого объема. При сохранении геоданных в СХД через
WWW-сервер производится конвертация в SMD формат.
152
Глава 2
определить необходимый формат данных и проекцию. Механизм выкопировки содержит ряд
разработанных конверторов, которые позволяют получить данные во многих популярных
форматах. Так как при конвертации данных в другие форматы возможна частичная потеря
информации (например, в точности представления метрики (отображения) объектов слоя), то
предусматривается предоставление данных с наименьшим количеством промежуточных
конвертаций из формата в формат, а также хранение геоданных в исходных форматах
пользователей.
Предоставление интегрированного инструмента работы с геоданными необходимо
для пользователей, работающих одновременно с картой и с нетривиальной базой данных. В
результате анализа выявлено, что большинство ГИС работают с семантикой объектов,
представленной в линейном виде, т.е. к каждому объекту карты соответствует строка в
реляционной таблице. Работа с более сложными структурами данных обычно не
поддерживается. С другой стороны существуют готовые базы данных, имеющие
атрибутивную информацию о пространственной привязке (например, адрес). В обоих
случаях требуется организация одновременной работы с картой и базой данных, а это
требует обычно процедурного программирования. В ИДСТУ СО РАН разработан подход,
позволяющий связывать существующие базы данных с геоинформационными системами. В
основе подхода лежит технология декларативных спецификаций БД. Вместо процедурного
программирования предлагается создавать описание БД (описания таблиц и представлений).
В описании таблицы указывается, какие поля таблицы БД используются в системе
(некоторые существующие поля могут быть исключены из описания, тогда они
игнорируются системой), какими свойствами с точки зрения системы они обладают, и какие
связи существуют между данной таблицей и другими таблицами. Спецификация поступает
на вход разработанной программной системе ГеоАРМ. На основе этой спецификации
система генерирует пользовательский интерфейс, позволяющий работать как с картой, так и
со сложной семантикой (рис. 4).
153
Глава 2
− гербарий сосудистых растений Центральной Сибири (Иркутская область,
Республика Бурятия, Забайкальский край);
− многовековые (до 600 лет) непрерывные древесно-кольцевые хронологии,
характеризующие динамику продуктивности основных лесообразующих хвойных
пород и зависимость этого процесса от внешних факторов;
− фотосинтез хвойных.
Каталог тематических карт по геосистемам и биоразнообразию Прибайкалья и
Забайкалья проанализирован, выделена совокупность следующих общих характеристик:
авторы геоданных; организация владелец; пространственная привязка; экстент,
определяющий прямоугольник ограничивающий набор данных; частота обновления данных;
дата последнего изменения; условия распространения данных; ключевые слова; краткое
описание данных. Все остальные характеристики являются специфичными для данных.
Для организации эффективного поиска геоданных, находящихся в СХД, необходимо
предоставление метаинформации геоданных. Набор перечисленных выше характеристик
должен входит в состав метаинформации. В соответствие с проведенным анализом одним из
наиболее предпочтительных стандартов метаданных является FGDC-STD-001-1998 -
американский прототип ISO 19115, который разрабатывался с начала 1990-х годов
Федеральным комитетом по географическим данным США (FGDC) и принят в качестве
национального стандарта содержания цифровых пространственных метаданных (Content
Standards for Digital Geographical Metadata CSDGM). Стандарт метаданных FGDC содержит
334 различных элемента, более 100 из которых служат для описания связей между другими
элементами и включает описательные, структурные метаданные (информация о форматах и
структурах), а также административные метаданные (права, разрешения и другая
информация для управления доступом) и т.д. Данный стандарт поддерживается на
программном уровне многими ГИС, что является одним из основных критериев выбора. В
соответствие с этим стандартом метаинформация представляется и хранится в формате
XML. При сохранении геоданных в хранилище через WWW-сервер пользователь кроме
файлов геоданных вносит необходимую информацию, которая храниться в базе данных и
при запросе метаданных автоматически формируется XML файл.
Геопортал является эффективным инструментом мониторинга и контроля большого
количества территориально-распределенных или удаленных базовых пространственных
объектов. Разработанные в проекте инфраструктурный подход, методы и технологии в
дальнейшем могут быть использованы для изучения различных геосистем Сибири, а также в
других междисциплинарных исследованиях.
Таким образом, создана основа инфраструктуры пространственных данных поддержки
междисциплинарных исследований геосистем и биоразнообразия Прибайкалья и Забайкалья,
основанная на базовых пространственных данных, метаданных, сервисах, включающая
систему хранения данных, геопортал, развитую телекоммуникационной инфраструктуру
ИРНОК и ресурсы Суперкомпьютерного центра коллективного пользования ИНЦ СО РАН и
сеть передачи данных СО РАН.
Работа выполнена при финансовой поддержке междисциплинарного интеграционного
проекта № 121 СО РАН, проектов РФФИ 09-07-12017, 08-07-00163, ОНИТ РАН (проект
№3.1).
Список литературы
1. Аляутдинов А.Р., Лурье И.К., Осокин С.А. Проектирование и использование локальной
инфраструктуры пространственных данных // XIV Всероссийский форум «Рынок
геоинформатики в России. Современное состояние и перспективы развития». М.: ГИС-
ассоциация, 2007. URL: http://www.gisa.ru/38332.html.
2. Андрианов В.Ю. Инфраструктура пространственных данных // ArcReview. 2006. № 2.
URL: http://www.dataplus.ru/Arcrev/Number_37/1_SDI.html.
154
Глава 2
3. Американский Федеральный Географический Комитет Данных (FGDC). Основные
стандарты для цифровых геопространственных метаданных. URL:
http://geochange.er.usgs.gov/pub/tools/metadata/standard/metadata.html.
4. Байкал: природа и люди: энциклопедический справочник (отв. ред. Тулохонов А.К.) –
Улан-Удэ: ЭКОС: изд-во БНЦ СО РАН, 2009 – 608 с.
5. Бардунов Л.В., Черданцева В.Я., Казановский С.Г. Флористические находки //
Ботанический журнал, 2009. №1. - С. 101-106.
6. Батуев А.Р. Развитие картографии в Сибири // История Иркутской губернии в картах и
планах. CD- диск. – Иркутск: Издательство Иркутской областной государственной
универсальной научной библиотеки им. И.И. Молчанова-Сибирского, 2009.
7. Белов А.В., Соколова Л.П. Функциональная организация растительности в системе
картографического прогнозирования // География и природные ресурсы, 2009. – №1. – С.
11-18.
8. Бешенцев А.Н. Технологии картографического метода исследования. Международная
конференция ИнтерКарто/ИнтерГИС 15: Устойчивое развитие территорий: теория ГИС
и практический опыт. Пермь – Гент, 2009. - С. 279-284.
9. Бычков И.В., Плюснин В.М., Батуев А.Р. и др. Формирование инфраструктуры
пространственных данных Байкальского региона на основе создания новых
фундаментальных цифровых картографических произведений // Материалы IX науч.
конф. «Тематическое картографирование для создания инфраструктур пространственных
данных». Иркутск, 2010. Т. 1. C. 12–15.
10. Бычков И.В., Ружников Г.М., Хмельнов А.Е. и др. Инфраструктура и сервисы
пространственных данных в задачах управления развитием территории // Материалы III
Междунар. конф. «Инфокоммуникационные и вычислительные технологии и системы»
(ИКВТС-2010). Улан-Удэ: БГУ, 2010. C. 82–85.
11. Выркин В.Б., Кобылкин Д.В., Рыжов Ю.В. Развитие эоловых процессов Тункинской
ветви котловин в XX веке // Региональная политика России в современных социально-
экономических условиях: географические аспекты.- Иркутск: Изд-во ИГ СО РАН, 2009.-
С.122-124.
12. ГОСТ Р 52573-2006 Географическая информация. Метаданные. URL:
http://protect.gost.ru/
13. ГОСТ Р 53339-2009, Данные пространственные базовые. Общие требования. URL:
http://protect.gost.ru/
14. Дмитриев Н.И. Задачи и проблемы формирования Российской инфраструктуры
пространственных данных. URL: http: // map.perm.ru.
15. Кошкарёв А.В., Ряховский В.М., Серебряков В.А. Инфраструктура распределённой среды
хранения, поиска и преобразования пространственных данных: URL:
http://seminar2010.fegi.ru/tezis/cat_view/7-.
16. Кошкарев А.В., Антипов А.Н., Батуев А.Р., Ермошин В.В., Каракин В.П. Геопорталы в
составе инфраструктур пространственных данных: российские академические ресурсы и
геосервисы. – География и природные ресурсы, 2008, №1. С.21–31.
17. Плюснин В.М. Разработка схемы территориального планирования центральной
экологической зоны Байкальской природной территории // Региональная политика
России в современных социально-экономических условиях: географические аспекты.-
Иркутск: Изд-во ИГ СО РАН, 2009.- С.156-159.
18. Помазкина Л.В., Семенова Ю.В., Стеренчук А.В. Вклад агроэкосистем в формирование
бюджета углерода на территории Иркутской области // Изв. Самарского научного центра
РАН, Т 11, №1, 2009.- С. 212-216.
19. Распоряжение Правительства РФ от 21.08.2006 г. № 1157-р. «Концепция создания и
развития инфраструктуры пространственных данных Российской Федерации».
155
Глава 2
20. Шекхар Шаши, Чаула Санжей. Основы пространственных баз данных. – Москва:
Кудиц-образ, 2004. – 336 с.
21. Developing Spatial Data Infrastructures: The SDI Cookbook. /Editor: Gouglas D. Nebert,
2004, 156 P. URL: http://www.gsdi.org/docs2004/Cookbook/cookbookV2.0.pdf
22. Suvorova G., Yankova L., Kopytova L. Photosynthetic Productivity of Three Coniferous
Species in Baikal Siberia, Eastern Russia // Eurasian J. For. Res. -2009. -Vol.12. №1 – С. 47-
56.
Введение
Визуализация информации является необходимым компонентом представления
результатов исследований систем энергетики как и других научных исследований,
оперирующих геопространственными данными. Большинство энергетических объектов,
процессов и величин, имеющих географическую привязку, отображаются с помощью
традиционных геоинформационных систем (ГИС). В статье рассматриваются основные
направления исследований энергетики, в рамках которых предлагается применение нового
поколения средств и методов визуализации информации, предполагающее интеграцию с
существующими традиционными ГИС.
156
Глава 2
Преимущества подхода
Основным принципом неогеографии является отказ от использования механизма
картографических проекций. Информация хранится в геоцентрической системе координат,
гарантирующей уникальность её локализации без ущерба для детальности, при этом карты и
картографические продукты могут включаться в новые информационные среды в качестве
их элементов. Обеспечивается естественное представление трёхмерного пространства без
утраты метрической достоверности, поскольку средства измерения интегрированы в
интерфейс управления.
Основным носителем информации в геосервисах выступают данные дистанционного
зондирования (космические и аэроснимки), позволяющие формировать образ местности в
очень широком диапазоне масштабов. Они служат контекстом, с помощью которого
пользователи могут создавать собственные трёхмерные и четырёхмерные (динамические
трёхмерные) модели событий, процессов и объектов.
Геосервис Google Earth отображает трехмерную высокоточную модель рельефа,
покрытую снимками высокого разрешения, различные объекты или процессы, такие, как
метки, панорамные и обычные фотографии, трехмерные модели сооружений и др. (рис. 2). В
Google Earth существуют также интегрированные средства измерения и шкала времени для
отображения динамики процессов [4].
157
Глава 2
Любой объект в Google Earth описывается на специальном языке KML, который
является языком разметки на основе XML, разработанным компанией «Keyhole», и служит
для представления трёхмерных геопространственных данных. Для каждого объекта задаются
основные геоинформационные свойства (широта, долгота, высота, привязка к рельефу или
поверхности Земли), краткое описание объекта, ракурс наблюдения отмеченного на карте
места, то есть рекомендуемые высота, азимут и угол наклона «виртуальной камеры» [5].
158
Глава 2
Субъект ГИС
Город Геосервис
Энергетический
Геосервис
объект
159
Глава 2
В области гидроэнергетики:
− среднесрочное прогнозирование гидроэнергетического потенциала:
o оценка паводков,
o риск опасных ситуаций,
o моделирование площадей затопления новых и изменение уровней существующих
водохранилищ;
− оценка уровней бьефов:
o уточнение уровней водохранилищ,
o мониторинг уровня;
− чрезвычайные ситуации (ЧС) на объектах:
o моделирование ЧС с заданными условиями,
o выявление компенсирующих мер.
Гидроэнергетика является очень перспективной областью для «неогеографии», т.к.
обладает большим количеством «красивых» задач, препятствием являются трудности в
получении исходных данных, а также неоднозначность и неопределенность информации,
создающая проблемы при прогнозировании. Рис. 3 иллюстрирует предполагаемое
строительство ГЭС на реке Иркут в районе порога Бык и образующееся при этом
водохранилище.
Экология
В этой области целесообразно применение новой технологии для анализа и
визуализации антропогенного воздействия объектов энергетики на природную среду:
− для энергетических объектов региона или субъекта РФ – установленное
оборудование, степень улавливания вредных примесей, расчетные выбросы в
атмосферу и сбросы в водные объекты;
− ранжирование территории по степени загрязнения различными примесями в
зависимости от высоты труб, времени года, розы ветров и т.д.;
− перечень возможных природоохранных мероприятий с техническими и
стоимостными показателями;
− последствия в экологической ситуации при внедрении того или иного
природоохранного мероприятия.
160
Глава 2
Возобновляемые источники энергии
В этой области представляет интерес визуализация информации по возобновляемым
природным энергоресурсам:
− на уровне регионов и субъектов РФ - отображение валового и технического
потенциала ветро-, гидро-, гелиоэнергетических, геотермальных ресурсов и их
основных показателей (средней скорости ветра, прихода солнечной радиации,
скорости течения, расходе воды и температуре пароводяной смеси);
− по сети гидрометеостанций – детальная информация для расчета возможной
выработки электро- и теплоэнергии (вероятностное распределение скорости ветра,
изменение прихода солнечной радиации, расхода воды по месяцам в течение года);
− по возобновляемым источникам энергии – типы, рабочие характеристики, вывод
результатов расчета выработки электро- и теплоэнергии, стоимостные показатели;
− по потребителям – электрическая и тепловая нагрузка, характеристики
существующих энергоисточников, цены на топливо для технико-экономического
сравнения вариантов обеспечения потребности в электро- и теплоэнергии.
Нефтегазовая отрасль
Целесообразна визуализация информации по размещению на территории
месторождений углеводородов с указанием запасов и добывных1 возможностей, различных
вариантов трасс нефте- и газопроводов, вариантов размещения газоперерабатывающих и
газохимических заводов и потребностей различных регионов в их продукции (сжиженный
газ, пропан-бутан, полиэтилен и т.п.), а также потребностей энергетических объектов в
природном газе.
Возможно приложение к решению задач газификации: при определении
протяженности газопроводов-отводов до населенных пунктов и определении цены газа в
различных точках магистрального газопровода, с учетом транспортной составляющей.
На рис. 4 изображена часть нефтепровода ВСТО от Усть-Кута до Находки (данные
предоставлены отделом региональных проблем энергетики ИСЭМ СО РАН). Каждый
участок трассы может быть детализирован и рассмотрен с учетом профилей высоты с целью
выбора наиболее оптимального маршрута.
1
Специальный энергетический термин, характеризующий возможные объемы добычи энергоресурсов
161
Глава 2
Заключение
«Неогеография» или 3D-геомоделирование – новая перспективная технология
визуализации разнородной геопространственной информации, которая вызывает интерес у
специалистов-энергетиков и может быть интегрирована с традиционными ГИС.
Возможности ее применения обеспечиваются появлением и развитием доступных
инструментальных средств для разработки и обмена геопространственной информацией.
Авторами проверены возможности применения 3D-геомоделирования для решения
задач в нескольких областях исследований энергетики, таких, как гидроэнергетика, экология,
возобновляемые источники энергии, нефтегазовая отрасль, задачи транспортировки
ресурсов. Во всех этих областях определены основные задачи и направления их решения,
реализованы демонстрационные прототипы.
Список литературы
1. Ерёмченко Е.Н. Неогеография: особенности и возможности / Материалы конференции
«Неогеография XXI-2009» IX Международного Форума «Высокие технологии
XXI века». - Москва, апрель 2008.
2. Mica R.Endsley, Daniel J. Garland. Situation awareness: analysis and measurement / Lawrence
Erlbaum Associates, 2000, ISBN 0805821341, 9780805821345.
3. Andrew Turner. Introduction to Neogeography / O’Reilly Media, 2006, ISBN 10: 0-596-2995-
3| ISBN 13: 9780596529956.
4. Материалы портала «Неогеография» - http://www.neogeography.ru.
5. Справочное руководство KML – www.code.google.com/apis/kml/documentation/
6. Ivanov R.A., Massel L.V. Possibility of application of situational awareness in energy research /
CSIT 2010, proceedings vol.1, ISBN 9785422100859.
162
Глава 3
ГЕОИНФОРМАЦИОННЫЕ СИСТЕМЫ В
ФУНДАМЕНТАЛЬНЫХ И ПРИКЛАДНЫХ
3
ИССЛЕДОВАНИЯХ, ГЕОИНФОРМАЦИОННОЕ
Глава КАРТОГРАФИРОВАНИЕ. СПЕЦИАЛЬНЫЕ БАЗЫ
ПРОБЛЕМНО-ОРИЕНТИРОВАННЫХ И
ПРЕДМЕТНО-ОРИЕНТИРОВАННЫХ ДАННЫХ И
ЗНАНИЙ
163
Глава 3
прогнозы представляли приземную температуру воздуха в среднем на ожидаемую пентаду и
декаду. Эволюция численных моделей атмосферных процессов способствовала развитию
методов интерпретации в следующих направлениях:
− расширение списка прогнозируемых метеоэлементов;
− детализация прогнозов по времени;
− детализация прогнозов по пространству.
К настоящему времени разработаны и внедрены в оперативную практику методы
среднесрочного прогноза не только для отдельных метеопараметров – температура воздуха,
осадки, скорость ветра, но и для комплексных – метели, заморозки, метеоусловия для
загрязнения воздуха, показатель пожароопасности в лесах [1–4]. Прогнозы детализированы
по полусуткам и по заданным пунктам на территории от Урала до Байкала. В качестве
базовых модельных прогнозов в наших разработках выступают преимущественно расчетные
поля по модели ECMF (Европейского центра среднесрочных прогнозов погоды) и UKMO
(Экзетер). Первая имеет наиболее высокие оценки точности, вторая предоставляет более
широкий спектр параметров.
164
Глава 3
Из предложенных в [6] внешних критериев селекции нами использованы регулярность
и минимум смещения. В качестве критерия регулярности служит относительная
среднеквадратическая ошибка
NB
∑(q − q )
2
i i
Д2 ( B ) = i=1
NB
→ min, (1)
∑ ( qi )
2
i=1
qi*
где qi и - полученное по модели и действительное значение выходной величины в i-той
точке, NB - число точек проверочной последовательности.
Чем меньше величина относительной среднеквадратической ошибки, тем модель более
регулярна.
При большом уровне шумов в исходных данных более устойчивыми к помехам
являются различные формы критерия минимума смещения. Суть этого критерия состоит в
том, что модели, построенные на разных частях исходной последовательности, должны как
можно меньше отличаться друг от друга. Сначала первая последовательность данных
является обучающей, а вторая – проверочной (решения qi(A)). Затем, наоборот, вторая
является проверочной, а первая – обучающей (решения qi(B)). Близость этих уравнений
оценивается по величине среднеквадратического расхождения их выходов по всем точкам
последовательности:
N
∑ ⎡⎣ q ( A) − q ( B )⎤⎦
2
i i
2
nsm = i=1
N
, (2)
∑q
i=1
2
ifakt
165
Глава 3
количество экспериментов, меняя вид и количество определяющих признаков и критерии
для разделения образов.
SQL-БАЗЫ
Физико-
математические
Ориентированные
методы
архивы
Алгоритмы (уравнения)
интерпретации
Решение -
прогноз
потребителям
Оценки
WEB
166
Глава 3
В Новосибирском Центре по гидрометеорологии и в СибНИГМИ подготовлены и
внедрены программные модули для всех блоков расчета. Существует несколько
разработанных систем сбора и хранения метеоданных, в том числе SQL-база СибНИГМИ.
Исходные данные записываются в базу, проходят первичную обработку. На этом этапе
подключены алгоритмы контроля и восстановления, разработанные с учетом специфики
метеопараметра. Проверенные данные одновременно поступают в блок расчета прогнозов
явлений и элементов погоды и пополняют текущие архивные выборки и передаются в
систему визуализации.
Визуализация данных реализована при помощи Гис-ресурса «Погода в реальном
времени», разработанного в СИБНИГМИ. Блок-схема системы визуализации данных
показана на рис. 2. Система построена по технологии динамической генерации веб-страниц
«на лету» и реализована на базе модуля mod-perl к популярному серверу Apache.
Графический контент создается при помощи известной библиотеки манипулирования
графикой ImageMagick. Вся серверная часть функционирует под управлением ОС Linux.
Интерфейсы построены по принципу вложенных страниц с системами горизонтальных
и вертикальных меню (рис. 3). Прогнозы погоды отображаются в соответствии с профилем
доступа текущего зарегистрированного пользователя. Комплекс программ позволяет не
только работать в интерактивном режиме, но и создавать автоматические рассылки данных
клиентам по электронной почте и коротких текстовых сообщений по GSM сетям сотовой
связи.
167
Глава 3
168
Глава 3
Список литературы
1. Храмцова И.Г., Шустова Г.А. Опыт использования в оперативных условиях модели
прогноза экстремальной температуры на 1 - 6 суток // Труды ЗапСибНИГМИ. - 1990. -
Вып. 93. - С. 106 - 112.
2. Храмцова И.Г. и др. Модель прогноза осадков на 1 - 5 дней в тёплое полугодие по
территории Урала и Сибири // Труды СибНИГМИ, 1992, вып. 100, С. 167 - 178.
3. Храмцова И.Г., Шустова Г.А. Автоматизированный метод прогноза заморозков на 1 - 5
суток для юго-востока Западной Сибири // Труды СибНИГМИ. - 2000. - Вып. 102. - С. 34
– 40
4. Здерева М.Я., Виноградова М.В. Среднесрочный прогноз степени пожарной опасности в
лесах по метеорологическим условиям.// Метеорология и гидрология.-2009.-№1.- С.16-
26.
5. Ивахненко А.Г., Юрачковский Ю.П. Моделирование сложных систем по
экспериментальным данным.- М.:»Радио и связь», 1987. -120с.
6. Ивахненко А.Г., Коппа Ю.В., Степашко В.С. и др. Справочник по типовым программам
моделирования. - Киев:Техника, 1980. - 184с.
7. Манохин А.Н. Алгоритм DW для распознавания образов: Пакет прикладных программ
ОТЭКС.-Новосибирск:изд-во Новосибирского государственного университета, 1981.-
С.3-30.
169
Глава 3
данные за последний 30-летний период по 21 метеостанции и 13 гидропостам Томской
области.
170
Глава 3
покрова и связанного с этим изменением соотношения составляющих водного баланса,
однако в ближайшее время эта тенденция будет малозаметна. С учетом данного процесса в
большинстве случаев прогнозируется размыв берегов, затопление и подтопление речных
долин и прилегающих территорий примерно на уровне второй половины 1990-х гг.
171
Глава 3
7
∑ n ×100
i
NC = i =1 , где n - коэффициент, соответствующий оценке по семи климатическим
7 i
факторам, наиболее часто создающим опасные ситуации: сила ветра (число дней в году со
скоростью ветра 15 м/с и более); стока талых вод (условная среднесуточная интенсивность
снеготаяния); колебание температур (максимальная амплитуда на поверхности почвы в
апреле – период особой неустойчивости температурного режима); ливни (максимальное
число дней в году с ливнями); воздействия гроз (максимальное количество гроз в году);
засухи (максимальное количество дней в году с влажностью воздуха ниже 30%); низкие
температуры (максимальное число дней в году с температурой воздуха -35° и ниже).
Каждому показателю, кроме показателя засухи, в зависимости от количественной
характеристики присваивается коэффициент по шкале от 0,1 до 1. Показатели оценки
опасности засух ранжированы от 0,1 до 0,55, размерность этой шкалы определяется
сравнительно высокой влажностью воздуха в условиях юго-востока Западной Сибири.
Результирующие показатели привязывались к местоположению метеостанций. Для
получения региональной оценки вариабельности того или иного показателя его значения
интерполировались с использованием инструментов дополнительного модуля ArcGIS Spatial
Analyst. Выполнение пространственной интерполяции проводилось без учета
геоморфологических факторов, то есть результирующие данные использовались «как есть».
Полученные результаты позволили выявить ряд особенностей климатических условий
Томской области и дать пространственную оценку жесткости климата.
Так, существенным является фактор грозовой активности, когда увеличивается
пирогенная опасность (32,4% от совокупного количества исследуемых опасностей).
Особенно уязвим в этом отношении юг области, где проживает большая часть населения и
хорошо развито сельское хозяйство.
Ливневая деятельность (30,5%) оказывает большое влияние на развитие процессов
эрозии, оползания, на формирование промоин и поверхностного стока. Если до 1976 г. в
Томской области выделяли один очаг интенсивной ливневой деятельности – с максимумом в
районе села Бакчар, то в настоящее время такие очаги появились на севере и на юге области.
Также увеличилось общее количество дней с ливнями; в разных районах этот показатель
колеблется от 26% до 50%.
В настоящий период наблюдается увеличение снежного покрова в среднем на 5 мм, а
запасов воды в снеге – на 40-55 мм; в то же время на 10 – 15 дней уменьшился период от
начала снеготаяния до окончательного его схода. Поскольку опасность стока талых вод
возникает при интенсивном снеготаянии и большом запасе воды в снеге, то это создает
условия для интенсивного развития процессов оврагообразования и плоскостного смыва.
В структуре гидрологических опасностей (27,5%) наибольшую угрозу представляет
большой объем стока наносов, рост которого ведет к увеличению интенсивности эрозионно-
аккумулятивного процесса и деформаций русла реки, а следовательно, к возрастанию таких
видов опасностей, как снижение противоэрозионной устойчивости береговых склонов,
интенсификация склоновых процессов и т.д.
Несмотря на то, что Томская область расположена в зоне избыточного увлажнения, в
южных районах возможно возникновение засух, когда в течение мая – июня в среднем 26 –
33 дня влажность воздуха поднимается не выше 30%. Дефицит влаги наносит вред
агроценозам, снижает способность биоты к восстановлению, а также ведет к возникновению
пирогенной опасности.
Главной особенностью ветрового режима Томской области является существенная
пространственная однородность случаев с сильными порывистыми ветрами. Если учитывать,
что пороговые эрозионные значения скорости ветра для почв Томской области составляют от
5 до 12 м/с, а наибольшая повторяемость случаев с эрозионно-опасными ветрами приходится
172
Глава 3
на весну и осень, то степень опасности ветровой эрозии почти на всей территории Томской
области характеризуется как повышенная.
Губительное воздействие на сельскохозяйственные культуры оказывает такой фактор,
как резкость колебания температур в апреле. Понижение температуры воздуха ниже -1°С
приводит к разрушению структуры почвы, возникает опасность гибели от заморозков для
сельскохозяйственных культур, что особенно актуально для сельскохозяйственного юга
области.
Таким образом, пространственно-временной анализ позволяет охарактеризовать
исследуемую область как территорию с высоким уровнем напряженности климата (рис. 2).
173
Глава 3
дней в году); сток наносов (объем перемещаемых наносов), а также сток талых вод.
Коэффициенты (шкала от 0,1 до 1), соотнесенные с каждым фактором, отражают роль этого
фактора в возникновении опасных ситуаций. В результате геоинформационного анализа
данных были выделены районы по степени уязвимости к опасным гидрологическим
явлениям. Особенности пространственного распределения гидрологической напряженности
на территории Томской области показаны на рис. 3. Для Оби основным фактором в
структуре гидрологических явлений является объем стока наносов, рост которого ведет к
увеличению интенсивности эрозионно-аккумулятивного процесса и деформаций русла реки,
его переформированию и, следовательно, к возрастанию таких видов возможной опасности
как снижение противоэрозионной устойчивости береговых склонов, интенсификация
склоновых процессов и т.д. Для таких крупных притоков Оби как Томь, Чулым, Кеть
существенными факторами в формировании напряженности становятся продолжительность
стояния высоких вод и интенсивность поступления талых вод, когда возможно затопление
пониженных участков местности, сельхозугодий и полей, повреждение транспортных
объектов. Для средних и небольших притоков (Чузик, Тым) значительный вклад в
гидрологическую напряженность вносят ледовые явления и низкий уровень воды. Такое
явление как раннее образование ледостава обеспечивает смещение предельных
навигационных сроков. Значительная неравномерность стока на небольших реках приводит к
тому, что критические уровни, ниже которых нарушаются условия судоходства, на
некоторых реках могут наблюдаться почти ежегодно в течение 2 или даже 4 месяцев. Что и
обеспечивает высокий уровень опасности данного гидрологического явления.
Заключение
Проведенные исследования позволили уточнить общие оценки вариабельности
климатических и гидрологических условий для Томской области и на фактическом
материале с использованием ArcGIS проранжировать территорию области по степени
климатической и гидрологической напряженности. Покомпонентный анализ выявил
наиболее значимые природно-климатические факторы в формировании опасных ситуаций.
Полученные результаты послужат основой для районирования территории области по
степени безопасности природопользования и в тех случаях, когда необходимо учитывать
другие природно-антропогенные факторы, оказывающие влияние на экологическую
безопасность территории. Выделение территорий с большей или меньшей степенью
174
Глава 3
опасности природных процессов необходимо как для планирования новых видов
природопользования и для реализации мер, направленных на снижение социального и
экономического ущербов. Выполнение такой задачи возможно только с использованием
современных геоинформационных технологий.
Список литературы
1. Евсеева Н.С. География Томской области. Природные условия и ресурсы / Н. С. Евсеева.
– Томск: Изд-во Томского ун-та, 2001. – 223 с.
2. Майорова Л. П., Нарбут Н.А., Зархина Е.С., Сохина Э.М. Ранжирование территории по
экологической напряженности (на примере административных районов Хабаровского
края). Метод. разработка. – Хабаровск: ДВО АН СССР, 1990. – 39 с.
175
Глава 3
Характеристика опасностей эксплуатации трубопроводов на севере
Красноярского края
Методологический подход к оценке риска производственных объектов закреплен рядом
нормативных документов [5]. Они устанавливают принципы анализа риска, требования к
содержанию результатов, а также описание методов анализа опасностей и риска аварий на
производственных объектах.
Территория, на которой размещаются объекты нефтегазоносных провинций (НГО)
Красноярского края, отличается рядом специфических природных особенностей. Аварии при
добыче и транспортировке углеводородного сырья по нефте- и газопроводам могут стать
причинами крупных экологических ЧС. Наиболее характерные их последствия: полное
уничтожение растительности в зоне отчуждения, безвозвратная потеря местообитаний и
отдельных экземпляров редких и исчезающих растений, сокращение ресурсов хозяйственно-
значимых видов растений, повышение пожароопасности территории.
С другой стороны, природные критические явления, связанные с экстремальными
проявлениями погодных факторов, сезонными разливами рек, с лесными пожарами,
ветровалами, также могут стать причиной аварий объектов НГО. Резкие колебания
температуры воздуха на территории приводят к расширению или сжатию металлических
компонентов технических систем. Длительная эксплуатация металлических конструкций при
низких температурах способствует увеличению хрупкости металла. Специфика
температурного режима территории может быть причиной разрывов труб и других
металлических конструкций, разлива нефти и загрязнения природной среды.
Наиболее опасным экологическим элементом в технологии добычи и транспортировки
газа и нефти от месторождения до потребителя является трубопровод. Уровень надежности
газопроводов в условиях Крайнего Севера и низких температур в значительной мере
определяется механической прочностью труб. В настоящее время для прокладки
нефтегазопроводов используются трубы, изготовленные из специально легированных сталей,
способных выдерживать аномальные температуры (в диапазоне -45°С – +50°С).
В процессе эксплуатации месторождений неизбежны технологические и геологические
потери при проведении различных производственных операций. Например, фактические
технологические потери природного газа при добыче, сборе, подготовке и межпромысловой
транспортировке для месторождения Соленинское-Мессояха составили 0,503% от объема
добытого газа. Технологические потери при транспорте по магистральным газопроводам
составили 0,229% от объема транспортируемого газа.
Прокладка газопровода Соленинское-Мессояха-Дудинка-Норильск осуществлена по
поверхности на специальных опорах, что соответствует экологическим требованиям. В
условиях вечной мерзлоты необходимо применять опоры с термокомпенсацией во
избежание протаивания мерзлоты и проседания опор. Однако, в то время сваи с
терморегуляцией не применялись. При проектировании нефтепровода Ванкор-Пурпе это
учтено технологическими требованиями: 216 км трубы в пределах Красноярского края
проложены по поверхности с использованием терморегулирующих свай, что обеспечивает
снижение риска экологических чрезвычайных ситуаций.
Для оценки опасностей, возникающих при эксплуатации трубопроводов в условиях
Крайнего Севера проведен статистический анализ данных по причинам аварий на
аналогичных объектах Западной Сибири. В результате определены участки, на которых
удельная частота аварий выше по сравнению со средними показателями:
− переходы через водные преграды и обводненные участки трассы (повышенная
коррозия и невозможность восстановления изоляционного покрытия), а также
крупные водные переходы (возможность воздействия мощных русловых течений и
речного транспорта);
− воздушные надземные переходы через овраги, реки (повышенный потенциал на
границе раздела земля-воздух и чувствительность к внешним воздействиям);
176
Глава 3
− пересечения с транспортными коммуникациями;
− участки нефтепроводов, проходящие вблизи зоны с повышенной плотностью
населения и возможностью нарушения герметичности нефтепровода с целью
хищения нефтепродуктов;
− участки, примыкающие к насосным станциям, как «источники» («приемники»)
циклических нагрузок на нефтепроводы, связанных с изменениями режима
перекачки и возникновением при этом гидравлических волн (гидравлический удар
может возникнуть в моменты смены режимов прокачки, особенно на
непрямолинейных участках трубопровода);
− неоднородности рельефа (резкие перепады высот).
Для оценки локализации и протяженности участков трубопроводов с перечисленными
выше условиями эксплуатации разработан специальный алгоритм картографического
анализа. Результаты оценок можно просмотреть на геоинформационном портале ИВМ СО
РАН [6].
[ ]
mi
1 1 mi
Hi =
mi
∑h
j , k =1
ijk ;σ 2
i = ∑ hijk − H i ,
mi − 1 j ,k =1
(1)
177
Глава 3
рисков разломов трубопроводов внутри промыслов получено распределение точек,
описывающих отдельные ЛУ.
Для ЛУ в Северо-Западном центре НГК (район Ванкорского месторождения)
характерны наименьшие значения как для длин коммуникаций, так и неоднородности
рельефа. Близкими к этим значениям характеризуются и три ЛУ из Юго-Восточного центра
НГК (района Юрубчена). Прочие ЛУ в этом районе характеризуются значительно большими
величинами как длин коммуникаций, так и неоднородности рельефа.
К сожалению, количественно оценить связь этих показателей с вероятностями
разрушений трубопроводов можно будет только после эксплуатации этой территории в
течение ряда лет. Поэтому в первом приближении для оценки рисков разрушений,
определяемых длиной внутрипромысловых трубопроводов и стандартным отклонением,
разумно от количественных показателей перейти к порядковых показателям – баллам,
вычислявшимся по следующей равномерной шкале (таблица 2).
178
Глава 3
179
Глава 3
180
Глава 3
В качестве начальной оценки вероятности аварий взяты данные по удельной частоте
порывов нефтепроводов всех типов в Западной Сибири. Эта величина изменялась от 0,131
случая на погонный км в год до 0,247 случая на км в год. В среднем она равна 0,168 случая
на погонный км в год. Однако в связи со старением и переходом в аварийное состояние
более 8000 км трубопроводов ежегодное число аварий, фиксировавшихся в Ханты-
Мансийском автономном округе в 1980-е годы, выросло с 150–250 аварий до 2300–3200
случаев в год в 1995–1997 гг.
Длина трассы «Ванкор – Пурпе» на территории Красноярского края составляет
примерно 250 пог. км, а длина трассы «Юрубчен – Нижняя Пойма» равна 350 км. Если
считать, что аварии на отдельных участках трасс возникают независимо, то среднее число
аварий в год на трассах «Ванкор – Пурпе» и «Юрубчен – Нижняя Пойма» составит
соответственно 40 и 60 аварий. Средний выброс нефти в ходе аварии по данным об
эксплуатации трубопроводов на территории Западной Сибири составляет 2 т. Территория,
замазученная при разливе 1 т нефти, составляет около 1000 м2. Таким образом, прогноз по
аналогам дает следующую оценку площадей, подверженных загрязнению в течение года при
авариях на трассах: примерно 10 га для северной трассы и примерно 12 – 15 га для южной
трассы. За 10 лет эксплуатации трасс общая площадь загрязненных земель может составить
до 100 га на трассе «Ванкор – Пурпе» и 150 га на трассе «Юрубчен – Нижняя Пойма».
Однако вероятности аварий по всей протяженности трассы неодинаковы и зависят от
неоднородности профиля трассы. Риск аварий возрастает на участках с большими
перепадами высот, поэтому для качественной оценки рисков проанализирована
изменчивость вертикального профиля трассы. В качестве показателя неоднородности
вертикального профиля трассы использовалась величина стандартного отклонения от
средней высоты трассы на отдельном десятикилометровом участке:
1 m
∑ [ hkm − hk ] ,
2
σk = (2)
m − 1 j =1
где m – число отсчетов на 10-км участке трассы (m = 10); hkm – высоты на 10-км профиле k-го
участка трассы (j =1,…,10); hk – средняя высота отдельного 10-км участка трассы.
Величина стандартного отклонения высот на 10-км участках трассы «Ванкор – Пурпе»
не превышает 25 м, а в среднем составляет около 7 м, тогда как стандартное отклонение
высот на отдельных участках трассы «Юрубчен – Нижняя Пойма» превосходит 100 м, а в
среднем составляет свыше 60 м. Для всех трасс трубопроводов Красноярского края на
основании балльной шкалы рассчитаны экологические риски, связанные с
неоднородностями рельефа по трассам.
Заключение
Продолжающееся строительство объектов нефтегазового комплекса Красноярского
края будет оказывать все большее трансформирующее воздействие на экосистемы северных
территорий. Необходимо минимизировать экологические риски при геологоразведочных
работах и эксплуатации нефтегазовых месторождений.
Управление экологическими рисками на опасных участках трубопроводов должно
включать в себя:
− применение новых технологий строительства, в том числе с использованием
современных материалов;
− оптимизацию системы мониторинга технического состояния трубопроводов и
опасных природных явлений в зонах их эксплуатации;
− страхование рисков и оптимизацию технологий компенсации ущерба, наносимого
природной среде при создании и эксплуатации объектов НГО;
181
Глава 3
− разработку плана оперативной ликвидации аварий, а также реализацию
превентивных мероприятий по снижению уязвимости территорий к авариям
различной природы.
Существует ряд инновационных технологий, применение которых снижает риски
технологических аварий на промышленных объектах НГО. Представленные разработки
комплексно охватывают весь требуемый набор строительных объектов, причем, что весьма
важно, с максимальным соблюдением экологических требований. Основные
технологические предложения заключаются в следующем. При строительстве
трубопроводов нефтегазовых объектов предлагается использовать мобильные опоры под
трубопроводы, объединенные с фундаментными плитами под надземные магистральные
трубопроводы различного диаметра для строительства в сложных грунтовых условиях с
регулируемой высотой установки, не требующие практически земляных работ, забивки свай,
тяжелой техники, и другие технические решения. Такими способами снижается уровень
нарушенности земель вдоль прокладки трубопровода.
Предлагаемые новые технологические решения позволяют преодолеть целый комплекс
проблем строительства и эксплуатации нефтегазового комплекса в районах севера, включая
негативное влияние неравномерных осадок и оттаивания вечномерзлых грунтов и
неразвитость инфраструктур. Реализация этих решений должна осуществляться с учетом
сегодняшних возможностей стройиндустрии Красноярского края, слабо развитой
инфраструктуре северных районов, сурового климата территорий расположения объектов
НГО.
Список литературы
1. Федеральный закон от 10.01.2002 г. № 7-ФЗ «Об охране окружающей среды». – М., 2002.
– 29 с.
2. Закон Красноярского края от 06.12.2007 г. № 3-804. «Об охране окружающей среды в
Красноярском крае» – Красноярск, 2007. – 5 с.
3. Лепихин А.М., Москвичев В.В., Ничепорчук В.В., Тридворнов А.В. Оценка и
районирование риска чрезвычайных ситуаций для территории Красноярского края //
Проблемы безопасности и чрезвычайных ситуаций. – 2007 – № 5. – С. 124-133.
4. Лепихин А.М., Москвичев В.В., Ничепорчук В.В., Симонов К.В. Концепция оценки
экологического риска на примере Красноярского края // Проблемы безопасности и
чрезвычайных ситуаций. – 2010. – № 1. – С. 31-42.
5. «Методические указания по проведению анализа риска опасных производственных
объектов» РД 03-418-01.
6. Геоинформационный портал Сибирского отделения РАН – http://gis.krasn.ru
Введение
В современной науке существует ряд вычислительных проблем, имеющих явно
географическую специфику, которая выражается в обусловленности результатов
количественной оценки объекта преимуществами его места положения. К числу таких
показателей относится оценка ресурсов, расчет земельной и производственной ренты,
доходности предприятий, транспортных издержек, а также исчисление разнородных
182
Глава 3
(географических) рисков, величина которых зависит от множества факторов и условий
реализации природных, экономических и социальных процессов на конкретной территории.
В технологической сфере эта проблема решается средствами теории надежности [1],
где разработаны адекватные модели и методы решения подобных задач. При определении
природных, экологических, производственных, инвестиционных и иных рисков на
территории, т.е. географических рисков в широком смысле, необходимы адекватные
средства количественного синтеза многочисленных данных из разных источников и методы
построения оценочных карт пространственной дифференциации рисков. Актуальной
становится задача создания моделей исчисления рисков с учетом географических
характеристик локализации объектов хозяйственной деятельности. Такая задача должна
решаться с необходимой географической точностью, позволяющей строго учесть не только
географические координаты и масштаб явления, но и все многообразие ландшафтных связей
и факторов, оказывающих влияние на вероятность возникновения опасных явлений и размер
ожидаемого ущерба.
Такие задачи решаются с применением технологии геоинформационного
картографирования. При расчетах в большинстве случаев используются экспертные знания и
простейшие соотношения, преобразующие статистическую или ландшафтную информацию
в показатели риска или ущерба. Для повышения географической точности исчисления
рисков необходимо знать пространственные закономерности распределения и развития
опасных явлений, предложить соответствующие им формулы расчета для экстраполяции
знаний с изученных территорий или показателей на малоизученные.
ущерб от наводнения i при таком уровне x. Риск (1) записывается как интеграл R = ∫ p U dx
x0
i i
183
Глава 3
решение которых дает функцию риска R, зависящую только от p или U, т.е. значения
вероятностей и ущербов не только взаимно дополнительны, но и зависимы через уравнение
(2) и функции чувствительности.
Любые (опасные и безопасные) географические явления встречаются на территории в
соответствие с пространственным и временным распределением отдельных или
комплексных факторов и условий x. Эта зависимость F(x) оценивается по частоте
встречаемости - распределении p(x) наблюдаемых показателей – площадей, запасов, числа
элементов и др. – по фактору x, или функциональной реакции f(x) системы на воздействие x,
например, интенсивность горимости лесной подстилки в зависимости от температуры. Для
аналитического описания F(x) предлагаются различные модели градиентного анализа
(изменения F(x) по градиенту x) [3-4]. Здесь будем исходить из принципов теории
надежности и эмпирического материала, полученного из статистики и на основе
электронных карт, в частности, ландшафтной карты и цифровой карты рельефа.
Значение pi(x) является плотностью вероятности проявления события i уровня x,
например, распределение частоты пожаров i по градациям высоты x. В теории надежности
dP( x) d P( x)
p ( x) = =− , P( x) = 1 − P ( x), где P ( x), P( x) - соответственно надежность
dx dx
x
(обеспеченность) события уровня x и функция вероятности P ( x) = ∫ p ( s )ds (кумулятивная
0
184
Глава 3
Аналогичные закономерности наблюдаются в изменении размерной величины ущерба
∂U
U(x) – это функция, возрастающая с ростом x: = u ( x) > 0 . Величина u(x) называется
∂x
предельным ущербом – дополнительным ущербом, возникающим в результате повышения
значения внешнего фактора x функционирования системы на одну единицу. Величина
η ( x) = u ( x) / U ( x) - это удельный ущерб. Функция U(x) может быть также убывающей, но она
переходит в возрастающую функцию при обращении системы координат U(x) → U(xm - x). В
итоге методика анализа информации, свойственная теории надежности, распространяется на
свойства широкого класса явлений, характеристики которых постоянно возрастают или
убывают при росте влияющего фактора x.
Объект исследования
Решается задача оценки природных рисков от лесных пожаров для территории
Катанского района на севере Иркутской области, вовлеченной в процесс разведки и
эксплуатации нефтегазоносных месторождений. Район имеет наибольшую площадь 139 тыс.
км2, или 17 % территории области, и является самым малонаселенным (4265 человек).
Климат района резко континентальный, с длинной морозной зимой (с ноября по апрель) и
коротким жарким летом (июнь, июль). Суровые климатические условия района определили
повсеместное распространение многолетней мерзлоты со средней мощностью 80 м.
Район расположен в пределах Средне-Сибирского плоскогорья. Основной
орографической единицей исследуемой территории является Ербогаченская равнина.
Поверхность равнины плавно снижается с юга на север, расчленяется реками на
разновысотные междуречья. В местах распространения осадочных пород высота их
достигает 250 – 300 м, и на траппах она поднимаются до 500 – 600 м, приобретая форму
вытянутых гряд. На юго-западе района к равнине примыкает северная окраина Ангарского
кряжа, выраженная в рельефе хребтами Анадекан и Шурундовский. Породный состав лесов
Катангского района разнообразен и зависит от особенностей климата и рельефа местности.
Основными лесообразующими породами являются лиственница сибирская, сосна
обыкновенная, ель, пихта, кедр сибирский, берёза и осина [5].
В последние годы на территории района начато промышленное освоение нефтяных и
газовых ресурсов, и продолжаются работы по выявлению перспективных запасов
углеводородного сырья. Сложная природная обстановка района обуславливает появление
природных и экологических рисков хозяйственной деятельности, отрицательно влияющих на
сохранность природы и эффективность производства. Иркутская область занимает одно из
первых мест в России по горимости лесов. В связи с этим оценка пожарной опасности имеет
важное значение при планировании хозяйственной и иной деятельности на территории
области. Для нефтеразведки, газодобывающих предприятий и трубопроводного транспорта
обстановка по пожарной опасности в лесах - важный фактор, который необходимо
учитывать при подготовке проектов обустройства и эксплуатации месторождений.
185
Глава 3
функций отклика F(x) на влияние различных факторов y: F(x) → p(x). При расчете риска
большое значение имеет выявление вида функции p(x).
186
Глава 3
Теперь сделаем замену z = exp(α ( x − xm ) и получим
p( z )
= ez exp(− z ) . (9)
pm
λ0
Это инвариантная функция от z = − , связанная с относительной чувствительностью
α
(интенсивностью) λ0. Наличие инвариантной функции (9) кривых исследуемого типа
позволяет переводить одну функциональную зависимость в другую или просто генерировать
необходимую связь из инвариантного представления, первоначально основываясь только на
модальных значениях p m ( xm ) .
187
Глава 3
a=0,199. Таким образом, соотношение фактора высоты x1 в и расстояния x2 по случаям
возгорания составляет z = exp(α1 ( x1 − x1m )) = exp(α1 ( x2 − x2 m )) , или
x 2 − x 2m α 1 p A 1 1
= = m1 2 = , x2 − x2m = ( x1 − x1m ) . (10)
x1 − x1m α 2 p m 2 A1 β 12 β 12
– соотношение отклонений величины факторов от модальных значений обратно
пропорционально коэффициентам αj и модальным значениям pmj кривых распределения.
Соотношение плотностных характеристик p1 ( z ), p 2 ( z ) в пространстве z задается
p1 ( z ) p ( z) pm 2
равенствами = ez exp(− z ) = 2 , откуда p 2 ( z ) = p1 ( z ) = γ 12 p1 ( z ) и
p m1 pm 2 p m1
p 2 ( x2 − x 2 m ) = γ 12 p1 ( x1 − x1m ) - между функциями с совмещенными модальными значениями
должна быть пропорциональная зависимость. Такое совмещение просто выполнить,
рассчитав для каждой функции значение z и сопоставив функции p1 ( z ), p 2 ( z ) с одинаковыми
значениями z. Например, частота появления p1 разных температур воздуха в
пожароопасный период и доля случаев возгорания p 2 в зависимости от расстояния до
населенного пункта при таком совмещении удовлетворяют равенству p 2 = 0,249 p1 + 0,00206
(r=0,81), близкому к пропорциональной зависимости.
Другая инвариантная зависимость вытекает из связи коэффициентов a = −α exp(−αxm ).
Помножив обе части на x m и сделав замену h = −αx m , получаем ax m = h exp(h) . Здесь
величина h выступает в качестве индикатора типа зависимости pi ( x) = p (hi , x) .
Преобразование hi→ hj переводит один вид функции pi (x) в другой p j (x) . Минимальное
значение ax m = h exp(h) достигается при h=-1 и равно ax m = −1 / e . Для целочисленного
h=n величина ax m = n exp(n) = n / e n , т.е. значение ax m = Δg = 1 / e определяет масштаб
изменения ax m .
188
Глава 3
этим коэффициентам теоретическую кривую p0(x), определим отклонение Δ= p(x)-p0(x)
расчетных значений от наблюдаемых. По данным максимальные отклонения приходятся на
13 и 19,5°С и в основном лежат в интервале 12,5 – 21°С. Это зона неустойчивых оценок, где
прогноз в высокой степени неопределенный. При фиксированном h=4,04 и новых значениях
A=481 и pm=46 получаем оценку p0(x), величину которой превышают только несколько
наблюдаемых показателей.
Картографический синтез информации предполагает использование нескольких
формул pi(xi), отражающих влияние разных пространственно распределенных факторов xi и
удовлетворяющих некоторому общему закону синтеза. Таким законом является уравнение
Эйлера для однородных функций первого порядка [6], удовлетворяющих свойствам метрики
или среднего значения разных типов, т.е. отражающих расстояние между точками
некоторого функционального пространства (см. формулы (2)):
∂p
p=∑ pi (11)
i ∂pi
Решением этого уравнения, в частности, является эвклидовое расстояние или
однородная линейная функция, например, просто сумма слагаемых pi. Для функции p(x)
удобно в качестве решения принять степенное уравнение
p = p 0 ∏ piβi , ∑ β i = 1 , (12)
i i
U i ( xi ) = U 0i ± k i ∫ pi ( s )ds ± k 0i xi . (13)
0
189
Глава 3
∂U i ( xi )
и сопоставить ее с распределением площади территории ps и случаев пожаров pf по
∂xi
высоте (см. Рис. 1). При совмещении положения модальных значений получены следующие
зависимости:
∂U i ( xi ) ∂U ( x )
− = 48 ps + 9,9, r = 0,85; − i i = 68 p f + 6, 6, r = 0,95 . (14)
∂xi ∂xi
Высотное распределение случаев возгорания является лучшей моделью предельного
ущерба. Смещение при сопоставлении кривых равно 400 м, что можно связать с более
северным размещением района исследования (на 400-500 км) по сравнением с ближним
Прибайкальем.
Вероятность возгорания описывается уравнением
P( xi ) = exp(− 46,5 exp(−0,0129 xi ) ), поэтому согласно (14) ущерб рассчитывается по формуле
U i ( xi ) = 140 − 68 exp(− 46,5 exp(−0,0129 xi ) ) − 0,066 xi . На рРис. 5 проведено сравнение
результатов расчетов по этой аналитической формуле и численными методами
интегрирования с использованием второго уравнения из (14).
Рис. 5 – Кривая ущерба (утрата фитомассы при пожаре) в зависимости от высоты местоположения,
рассчитанная (1) по формуле и натурным данным (2) с учетом северного положения территории
k 2 k 2
Pi ( x) − k 0 ⎛⎜ xi Pi ( xi ) − ∫ Pi ( x)dx ⎞⎟ − U 0i P0i + P0i , ∫ Pi ( x)dx ≈ xi .
xi xi
U 0i Pi ( xi ) −
2 ⎝ 0 ⎠ 2 0
190
Глава 3
Полагаем, что суммарный риск и ущерб должен удовлетворять метрическому
∂U
уравнению Эйлера U = ∑ U i и, в частности, быть равен сумме ущербов по отдельным
i ∂U i
Геоинформационное картографирован