В области наблюдения за состоянием окружающей природной среды (ОПС) большое распространение получили геоинформационные системы (ГИС) гидрометеорологического (геофизического) назначения, которые обеспечивают сбор, хранение, обработку, анализ и отображение данных, распределенных в пространстве и времени различных метеопараметров.
При анализе гидрометеорологической (геофизической) информации (ГМИ, ГФИ) значительную долю составляют данные автоматизированных систем дистанционного зондирования Земли, включая и систему космического мониторинга. Спутниковые методы обладают преимуществом по сравнению с традиционными методами измерения (наземными, аэрологическими наблюдениями, радиолокационными данными и др.): частота получаемой информации (интервал между изображениями с геостационарных спутников составляет 15 минут); практически мгновенное покрытие больших площадей; высокая детальность изображений; возможность получения трёхмерной картины распределения характеристик температуры и влагосодержания атмосферы, а также параметров поверхности океана и т.д. Таким образом, использование такой информации в ГИС, совместно с информацией, полученной из других источников, позволяют создавать более полное представление о состоянии ОПС.
В настоящее время реализованные и широко используемые ГИС, в области гидрометеорологии, в основном предназначены для решения хорошо структурированных задач по предоставлению информации оператору. Это формализованные задачи, для решения которых известны все требуемые данные, взаимосвязи между ними и методы их обработки, на основании которых возможно создание математической модели с точным алгоритмом её решения [1].
Однако, при изучении ОПС, встречается множество неструктурированных и частично структурированных задач. В них известна (или вообще неизвестна) часть элементов, связь между ними, как и методы обработки информации. При решении таких задач возникают трудности с созданием математического описания (моделей) и разработки четкого алгоритма их решения.
Анализ процессов, происходящих в атмосфере, требует получения и расчета большого количества параметров, характеризующих её состояние, что представляет значительную сложность, тем более учитывая их разносторонность критериев их оценивания. При разработке автоматизированного метода оценивания возможности возникновения, идентификации, регистрации и анализа опасных природных процессов и явлений (ОППЯ) в атмосфере (далее – Метод) коллектив авторов выбрал подход, основанный на внедрении в ГИС методов искусственного интеллекта (ИИ) [2]. ИИ позволяет имитировать (моделировать) отдельные функции человека с использованием компьютерных технологий. В частности, применен подход, основанный на разработке экспертных систем, с использованием баз знаний. Базы знаний наполняются информацией полученной от экспертов в области гидрометеорологии (геофизики) [2]. Базы знаний включают набор фактов и правил, способствующих решению задачи, ответы на которые в явном виде не могут быть получены иным способом.
Для каждого ОППЯ разрабатывается своя экспертная система, основанная на принципах унификации и стандартизации требуемых действий, операций. По смыслу задача оценки возможности возникновения ОППЯ сводится к определению условий, влияющих на их зарождение и развитие. Решение подобной задачи возможно при определении вероятности появления конкретного ОППЯ в атмосфере в определенных гидрометеорологических (геофизических) условиях.
В результате проведенных исследований были разработаны наборы идентификаторов благоприятности состояния ОПС для возникновения ОППЯ в атмосфере и/или возможности его развития (усиления или ослабления). По каждому из выбранных идентификаторов проводится анализ с использованием правил нечеткой логики, включающих комплексирование результатов и расчет комплексных показателей, применение априорных и апостериорных вероятностей, весовых коэффициентов. Значения каждого представленного идентификатора сравниваются с заранее введенными в базу знаний значениями критических границ. Для различных районов Земного шара они индивидуальны и конкретизируются с учетом местных климатических и физико-географических условий. Пересечение критических границ свидетельствует о возможном наличии условий благоприятных для возникновения ОППЯ. При наполнении базы данных каждому конкретному идентификатору присваивается свой вес, определенный группой экспертов. Чем больше вес, тем больше наличие такого идентификатора свидетельствует о возможности возникновения ОППЯ. Помимо значений веса производится оценивание величины идентификатора по величине отклонения от критических границ. Эта процедура отличает Метод от классических подходов (метод Байеса). Путем применения методов нормирования и комплексирования формируются комплексные показатели благоприятности состояния ОПС для возникновения (развития) ОППЯ.
Максимальное значение показателя определяет благоприятность состояния ОПС для возникновения ОППЯ в трёх градациях: благоприятные условия для возникновения ОППЯ; допустимые условия; неблагоприятные условия [2].
На основании разрабатываемого Метода был создан макет программного модуля (ПМ) мониторинга ОППЯ. Апробация ПМ показала возможность проведения непрерывного мониторинга состояния ОПС в любом районе земного шара с целью определения условий благоприятных для возникновения (развития) ОППЯ, регистрации факта возникновения ОППЯ, проведения их детального анализа, и выдачи рекомендаций лицу, принимающему решения (ЛПР), в режиме реального времени.
Следует отметить, что наибольшая эффективность рекомендаций работы Метода может быть достигнута только при максимальном использовании имеющейся информации об ОПС (наземные системы наблюдения, аэрологические, данные дистанционного зондирования Земли). Таким образом, главным достоинством разработанного Метода является возможность автоматизированного получения ЛПР сведений о готовности ОПС к возникновению (развитию) ОППЯ в глобальном масштабе в режиме реального времени.