Двадцать вторая международная конференция "СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА"
XXII.D.92
Развитие методов прогноза смерчеопасных ситуаций и алгоритмов распознавания конвективных систем с возможными смерчами вблизи Черноморского побережья России
Калмыкова О.В. (1)
(1) Научно-производственное объединение "Тайфун", Обнинск, Россия
Разработанная в НПО «Тайфун» технология оценки смерчеопасности вблизи Черноморского побережья России реализует первую известную в практике Росгидромета методику по построению прогнозов черноморских смерчей в автоматическом режиме. С 2020 г. проводится работа по совершенствованию указанной методики для достижения двух основных целей: повышение качества прогноза смерчеопасных ситуаций и повышение точности распознавания конвективных систем с возможными смерчами.
По первому направлению были разработаны новые варианты расчета регионального индекса смерчеопасности WRI как для теплого периода года (WRI21), так и для холодного (WRIW). Этот индекс используется для выделения зон риска образования смерчей в прибрежной акватории Черного моря. Новый разработанный в 2021 г. индекс WRI21 показывает более высокое качество прогноза по сравнению с исходным вариантом, предложенным в 2017 г. и впоследствии доработанным в 2018 г.: при незначительном увеличении доли ложных тревог (до 5%) удается повысить предупрежденность смерчей в среднем на 12% (до 92%). Индекс WRI21 в том числе был адаптирован под выходные данные модели COSMO-Ru2 Гидрометцентра России с шагом сетки 2.2 км. Эта модель, начиная с 2019 г., выступает в качестве базовой для расчетов прогнозов смерчей, взамен ранее использованной модели WRF с шагом сетки 2 км. В 2023 г. специально для холодного периода (ноябрь-апрель) был разработан индекс WRIW. В этот период смерчи над Черным морем возникают не так часто, как в теплый (от 1 до 4 случаев), но тем не менее также могут выходить на сушу с различными последствиями. Установлено, что индекс WRIW позволяет адекватно выявлять дни с возможными смерчами и с более высокой точностью по сравнению с другими известными методами (в первую очередь по сравнению с методом номограммы Силагьи [2]) локализовать смерчеопасные участки побережья.
По второму направлению в 2022 г. были предложены модели классификации конвективных систем с точки зрения опасности возникновения из них смерчей [1]. Модели были построены с использованием подхода к машинному обучению на выборке смерчей с 2019 по 2021 гг. На вход моделей подаются характеристики систем, полученные по радиолокационным данным (как мгновенные значения, так и скорости их изменения). На выходе модель прогнозирует вероятность отнесения системы к одному из двух классов: система, в которой может возникнуть или уже возник смерч, или система без возможных смерчей. Заблаговременность распознавания смерчевых систем может варьироваться от 10 минут в пределе до 2 ч. Модели были разработаны взамен ранее предложенной схемы порогового выявления систем с опасными явлениями и в том числе со смерчами. По качеству распознавания они значительно превосходят пороговую схему. Результаты тестирования моделей в 2023-2024 гг. показали, что предупрежденность смерчевых систем в зависимости от модели может варьироваться от 71 до 91% в теплый период года, в холодный период - от 75 до 100%, а вероятность ложного отнесения систем к классу смерчевых – от 9 до 15% в теплый период и от 13 до 15% в холодный период.
Ключевые слова: смерч, Черное море, смерчеопасность, прогноз, модель COSMO-Ru2, региональный индекс смерчеопасности, классификация конвективных систем, машинное обучение, радиолокационные данные, технология
Литература:
- Калмыкова О.В. Использование методов машинного обучения для разработки алгоритма распознавания угроз возникновения смерчей у Черноморского побережья России // Метеорология и Гидрология. 2024. №4. С. 116-125.
- Sioutas M., Szilagyi W., Keul A. Waterspout outbreaks over areas of Europe and North America: Environment and predictability // Atmospheric Research. 2013. Vol. 123. pp. 167-179.
Дистанционные методы исследования атмосферных и климатических процессов