НОВЫЕ ПОДХОДЫ К ОБРАБОТКЕ ГИДРОЛОГИЧЕСКИХ ДАННЫХ СПУТНИКОВОГО МОНИТОРИНГА Алексеева М.И.,Анциферова В.К.

Саяно-Шушенский филиал Сибирского федерального университета


Номер: 8-1
Год: 2014
Страницы: 29-32
Журнал: Актуальные проблемы гуманитарных и естественных наук

Ключевые слова

спутниковый мониторинг, гидрологические прогнозы, гистограмма, satellite monitoring, hydrological forecasts, bar graph

Просмотр статьи

⛔️ (обновите страницу, если статья не отобразилась)

Аннотация к статье

В статье рассматриваются и приводятся примеры новых подходов к обработке гидрологических данных спутникового мониторинга, которые позволяют делать более точные прогнозы.

Текст научной статьи

Последние 20 лет ознаменовались интенсивным развитием методов исследования гидрологических процессов с помощью космических средств наблюдения. С помощью таких средств могут быть получены гидрологические данные на весьма значительных площадях с хорошим разрешением и точностью. Космический мониторинг - это регистрация, сбор, передача, накопление, хранение и анализ информации о качественных и количественных характеристиках состояния атмосферы и поверхности Земли, а также оценка и прогноз тенденций изменения в них. Система мониторинга состоит из следующих подсистем: подсистема сбора информации, подсистема хранения, подсистема анализа данных, подсистема принятия решений, подсистема выводов результатов. Важное значение для гидрологического мониторинга имеет - дистанционное зондирование Земли (ДЗЗ). ДЗЗ - сбор информации с помощью приборов, установленных на вертолетах, самолетах, спутниках. Процессы, происходящие в атмосфере и на поверхности Земли в целом, характеризуются масштабностью и динамичностью; в этой связи наземные методы сбора информации зачастую не позволяют получать данные с требуемой оперативностью и точностью. Зондирование из космоса дает информацию, в зависимости от используемой системы, с периодичностью до суток и даже часов. Существенно, что данные из космоса стоят дешевле наземных. Таким образом, в настоящее время ДЗЗ представляет основной метод мониторинга. Для гидрологических прогнозов необходимо знать информацию о состоянии поверхности Земли и атмосферы на значительной территории. Возможности космического ДЗЗ позволяют получать информацию, например, о температуре поверхности Земли с разрешением в несколько метров. Существующие прогнозные гидрологические модели, как правило, используют значения входных параметров в ограниченном числе точек на поверхности земли. Рассмотрим один из новых способов сбора и обработки гидрологических данных , основанный на гистограммном подходе. Представим гидрологическую модель в виде функциональной зависимости где - результат прогноза, например, боковой приток, - вектор входных значений, например, температура, осадки и т.п., - вектор параметров модели. Предположим, что мониторинг ведется по области , которую представим как объединение подобластей . ДЗЗ позволяет для каждой подобласти представить значений - и т.п. Таким образом, каждый как правило представляется как среднее значение Рассмотрим задачу оценки функции плотности вероятности в условиях, когда известны . Исторически одним из первых методов решения данной задачи был гистограммный подход, в основе которого лежало понятие гистограммы. Гистограмма - кусочно-постоянная функция, определенная сеткой {z0,1,…n}, на отрезке [z, z] гистограмма принимает постоянное значение . Рассмотрим построение гистограммы для величины . Пусть для величины известна выборка (. Обозначим количество членов повторной выборки, попавших в интервал [], тогда Таким образом, для каждой может быть известно не только среднее значение , но и гистограмма . На рис.1 приведен пример построения гистограммы Pi по значениям в некоторой области . (a) (b) Рис. 1. (a) - область , (b) - гистограмма Pi Ставится задача: зная гистограммы , аппроксимирующие плотности вероятности , построить оценку плотности вероятности величины . Обычно для этих целей используют метод Монте-Карло. Альтернативой методу Монте-Карло является численный вероятностный анализ (ЧВА). Предметом ЧВА является решение различных задач со стохастическими неопределенностями в данных с использованием численных операций над плотностями вероятностей случайных величин и функций со случайными аргументами. Для этого предлагается разнообразный инструментарий, включающий такие понятия как гистограммная арифметика, вероятностные, естественные и гистограммные расширения, гистограммы второго порядка. ЧВА представляет собой непараметрический подход и может успешно применяться для вероятностного описания систем в рамках визуально-интерактивного моделирования, повышая тем самым качество исследования систем. На тестовых примерах и ряде практических задач доказаны преимущества данного подхода перед методом Монте-Карло. Рассмотрим задачу определения закона распределения функции нескольких случайных аргументов. Приведем метод решения этой задачи для случая функции двух аргументов. Пусть имеется система двух непрерывных случайных величин с плотностью распределения . Случайная величина связана с и функциональной зависимостью: Тогда закон распределения величины [1]: Пусть, как и выше, гистограмма определяется сеткой . Определим область . Тогда имеет вид Пусть имеется система двух непрерывных случайных величин с плотностью распределения . Основные принципы разработки гистограммных операций продемонстрируем на примере операции сложения. Пусть , и носители - , - , - плотность распределения вероятностей случайного вектора . Заметим, что прямоугольник - носитель плотности распределения вероятностей рис. 1 и плотность вероятности отлична от нуля на интервале . Обозначим - точки деления этого интервала на отрезков. Тогда вероятность попадания величины в интервал определяется по формуле где . Реализация арифметических операций основана на работе с - совместной плотностью вероятности двух случайных величин , . Пусть - гистограмма, приближающая плотность вероятности, арифметической операции над двумя случайными величинами , где . Тогда вероятность попадания величины в интервал определяется по формуле [1]. где . Рассмотрим, в качестве примера, операцию . Вероятность того, что - определяется через функцию распределения Используя функцию распределения , можно построить гистограмму для на сетке . Тогда . Численные эксперименты показали, что представление и обработка гидрологических данных спутникового мониторинга на основе гистограммного подхода существенно повышает достоверность гидрологических прогнозов. Применение гистограммной арифметики для численных расчетов гидрологических показателей, имеющих стохастическую природу, более эффективно, чем применение статистических процедур на основе метода Монте - Карло, более чем в 100-1000 раз.

Научные конференции

 

(c) Архив публикаций научного журнала. Полное или частичное копирование материалов сайта возможно только с письменного разрешения администрации, а также с указанием прямой активной ссылки на источник.