Гидрометеорологические исследования и прогнозы. 2024. № 2 (392). С. 25-50

25

DOI: https://doi.org/10.37162/2618-9631-2024-2-25-50

УДК 551.509

Идентификация порывов ветра

при шквале по данным сети ДМРЛ-С

и численного моделирования

А.А. Алексеева, В.М. Бухаров

Гидрометеорологический научно-исследовательский центр

Российской Федерации, г. Москва, Россия

alekseeva @mecom.ru

Рассматриваются экспериментальные методы идентификации шквалов в трех

градациях интенсивности по данным сети ДМРЛ-С и уточнения скорости порывов

ветра при шквале с применением данных численного моделирования. Особое вни-

мание уделено идентификация шквалов в градации опасных явлений погоды. Про-

анализирована серия сильных шквалов 29 июля 2023 года в Среднем Поволжье.

Приведены результаты верификации шквалов с использованием данных наблюде-

ний метеорологических станций и скорости порывов ветра, фиксируемых автомати-

ческими метеорологическими станциями.

Ключевые слова: радиолокационный мониторинг, шквал, порыв ветра, скорость

ветра, опасное явление, данные ДМРЛ-С, верификация

Identification of wind gusts

during a squall from the DMRL-C network

and numerical modeling data

A.A. Alekseeva, V.M. Bukharov

Hydrometeorological Research Center of Russian Federation, Moscow, Russia

alekseeva @mecom.ru

Experimental methods are considered for identifying squalls in three intensity grada-

tions according to the DMRL-C network data and refining the speed of gusts during a

squall using numerical modeling. Particular attention is paid to the identification of severe

squalls. The series of severe squalls on July 29, 2023 in the Middle Volga region was

analyzed. The results of the verification of squalls using observational data from weather

stations and wind gust speeds recorded by automatic weather stations are presented.

Keywords: radar monitoring, squall, wind gust, wind speed, severe weather event,

DMRL-C data, verification

Введение

Шквалы являются опасным конвективным явлением погоды, возника-

ющем практически в любом месте земного шара, способном нанести зна-

чительный ущерб и привести к гибели людей. Несмотря на изученность

условий возникновения, как правило, шквалы возникают неожиданно.

26

Метеорологические прогнозы, математическое моделирование

Это связано не только с неточностью прогнозирования времени и места

возникновения таких явлений даже численными моделями высокого про-

странственного разрешения, но и с проблемой их точной идентификации

дистанционными методами наблюдений, не говоря уже о плотности

наблюдательной сети, которая во многих странах, включая Россию, не

только не соответствует рекомендациям Всемирной метеорологической

организации, но и не позволяет в полной мере обеспечивать потребителей

метеорологической информацией.

Нельзя сказать, что хорошо фиксируются такие явления даже на обжи-

той европейской территории. Зарекомендованные на практике методы

косвенной идентификации шквалов по данным измерений могут быть

полезными при их прогнозировании, начиная от наукастинга и до заблаго-

временностей краткосрочного прогноза. Методы машинного обучения, по-

следнее время нашедшие широкое применение в прогнозировании погоды,

отталкиваются от выбора физически обоснованных предикторов, отража-

ющих возникновение таких опасных явлений, на чем основываются и ме-

тоды их идентификации, и классические подходы к прогнозированию. По-

этому исследования в данной области являются актуальными и в

настоящее время.

В представленном исследовании сосредоточимся на возможности

идентификации шквалов на основе информации сети ДМРЛ-С с примене-

нием результатов численного моделирования для уточнения скорости

ветра при порывах. В России постепенно расширяется сеть ДМРЛ-С.

До начала 2024 года функционировали в сети 46 локаторов, с 08.02.2024

сеть пополнилась еще двумя локаторами: ДМРЛ «Великий Новгород» и

«Калевала». В рамках данных исследований используются локаторы, рас-

положенные на Европейской территории России.

Согласно [9], в оперативно работающих локаторах реализован алго-

ритм идентификации грозы со шквалом на основе использования значений

отражаемости на уровне Н₃(высота изотермы -15 °С) и ΔН (превышение

верхней границей облачности уровня тропопаузы). Подробнее с алгорит-

мом можно ознакомиться в [10, 11].

В настоящем исследовании идентификация шквалов осуществляется

иными подходами, чем при оперативной работе локаторов.

Первый подход. В точке идентификации по разработанным расчетным

уравнениям находятся критерии максимальной отражаемости в случае

образования шквала одной из трех градаций интенсивности,

соответственно, со скоростью ветра от 15 до 20, от 20 до 25 и ≥ 25 м/с при

определенных значениях измеренной высоты радиоэха H_в(км). Далее,

сравнивая измеренное локатором максимальное значение отражаемости

в зондируемом столбе тропосферы в точке идентификации с рассчитан-

ными критериями, определяется либо градация шквала, либо его отсут-

ствие в точке расчета. Полученные на данном этапе расчетов результаты

Алексеева А.А., Бухаров В.М.

27

идентификации шквалов в трех градациях интенсивности на основе дан-

ных ДМРЛ-С являются самостоятельным продуктом идентификации и ви-

зуализируются в виде карт. Кроме того, если шквал идентифицирован, то

уточняется скорость порывов ветра для трех интервалов значений верхней

границы облачности (≤ 10 км, 11–12 км, более 13 км) по расчетным урав-

нениям, предикторами которых являются максимальная отражаемость

в зондируемом слое тропосферы и скорость ветра в слое 700–500 гПа.

Отдельно другим, независимым от первого, подходом идентифициру-

ются шквалы градации ОЯ (≥ 25 м/с). Расчеты производятся при условии,

если в точке расчета максимальная конвективная скорость, рассчитанная

по данным ДМРЛ-С [3], ≥ 27 м/с и одновременно прогнозируемый лапла-

сиан приземного давления находится в пределах 3.5–7.5 гПа/300 км². Далее

рассчитывается дискриминантная функция [1, 2] по вышеуказанным пре-

дикторам (максимальная конвективная скорость, лапласиан приземного

давления), позволяющая идентифицировать шквал градации ОЯ.

Повышенное внимание уделено шквалам градации ОЯ (два подхода

идентификации), так как именно они наносят наибольший социально-эко-

номический ущерб.

Используемые для исследования данные

Представляемые в статье результаты базируются на данных за летние

периоды 2022 и 2023 гг. о шквалах, идентифицированных в режиме реаль-

ного времени с 10-минутной детализацией на сетке 0.05×0.05 градусов

предлагаемыми в исследовании подходами и используемыми оператив-

ными локаторами. Принцип занесения первичных радиолокационных дан-

ных и данных оперативных локаторов о явлениях (шквалах, цифры кода

Берется значение «накрыва-

16, 17 и 18) в узлы расчетной сетки одинаков.

ющего» локатора в точке градусной сетки. Если таких локаторов не-

сколько, берется максимальное значение параметров и явлений среди

«накрывающих» локаторов.

В виде эталона фактических данных использованы данные метеороло-

гических станций в срок наблюдения (00, 06, 12 и 18 ч ВСВ), данные авто-

матических метеорологических станций (АМС) с 10-минутной временной

детализацией (за летний период 2022 г.) и краудсорсинга.

Обсуждение результатов исследования

В

рамках экспериментальной автоматизированной технологии

шквалы идентифицируются в режиме реального времени с записью резуль-

татов в базу данных и визуализацией в виде карт в летние периоды уже не-

сколько лет, более подробно остановимся на их идентификации в 2022 и

2023 гг. Чтобы более наглядно представить результаты идентификации,

лучше делать это при рассмотрении отдельных случаев с сильными шква-

лами. В 2023 г. таким запоминающимся случаем является шквал градации

ОЯ 29 июля в Среднем Поволжье.

28

Метеорологические прогнозы, математическое моделирование

Случай 29 июля 2023 года

Рассмотрим диагностику комплекса опасных и неблагоприятных явле-

ний конвективного характера 29 июля 2023 года. Активный атмосферный

фронт, разграничивающий очень теплый воздух, поступающий по перифе-

рии антициклона из Средней Азии, и свежий прохладный воздух, который

сформировался над арктическими просторами, протянулся узкой полосой

от восточных черноземных областей через все западные области Поволжья

до северного Предуралья. Поволжский регион находился в теплом секторе

циклона. Температура в Поволжье до прохождения атмосферного фронта

составляла 33–37 °С, в связи с прохождением холодного атмосферного

фронта с волнами понизилась на 9–10 °С. Прохождение фронта сопровож-

далось комплексом неблагоприятных и опасных конвективных явлений, но

больше всего регион пострадал от сильных шквалов, местами с ураганной

скоростью ветра 33 м/с и более. Причем фронт проходил во время макси-

мального прогрева, т. е. были все условия для обострения. Также свой

вклад внес физико-географический фактор – река Волга. Шквал в градации

ОЯ бушевал в Поволжье несколько часов, начался во второй половине дня

и продолжался до вечера. Сопровождался грозой, тропическими ливнями,

местами отмечался град. В этот день даже метеостанции, что бывает редко

при современной сети наблюдений, зафиксировали порывы ветра: в Татар-

стане – 26–27 м/с (п. Вязовые в период 15.18–15.26 ч ВСВ); Ульяновске –

26 м/с (13.20–13.35 ч ВСВ), по области 25–27 м/с (Сенгилей в 12.58–13.25 ч

ВСВ и Димитровград в 13.50–13.55 ч ВСВ); Самарской области – 28–29 м/с

(Тольятти-Дамба в 12.10–12.20 ч ВСВ и Новодевичье – в 12.19–13.10 ч

ВСВ); Чебоксарах – 26–33 м/с (12.49 ч ВСВ); Н. Новгороде – 24–28 м/с

(~10.30 ч ВСВ).

По сообщениям МЧС, пострадали восемь субъектов: Татарстан,

Марий Эл, Чувашия, Нижегородская, Пензенская, Ульяновская, Кировская

и Самарская области. Упали 550 деревьев, повреждены крыши 41 жилых

дома и 7 социальных объектов, 520 населенных пунктов остались без элек-

троснабжения, перевернуты катера на Волге, 76 человек пострадали

и 10 (по другим сведениям – 11) погибли. В Марий Эл погибло 8 человек

в палаточном лагере на оз. Яльчик и Таир, еще 29 человек пострадали.

В Чувашии перевернулся катер на Волге, 1 человек погиб. В Нижегород-

ской области перевернулся парусный катамаран, 1 человек погиб. В Сара-

товской области перевернулся парусный ял. В Татарстане шторм разнес

теплоход, следовавший по маршруту Казань – Свияжск – Казань. Сгорел

дом от молнии. Погиб 1 человек (упало дерево на палатку). В Пензенской

области повреждены крыши, газопровод, ЛЭП, образовались завалы на до-

рогах. Усугубилось все еще тем, что 29 июля выпало на субботу, несколько

дней была хорошая погода, и люди в выходной день поехали отдыхать на

природу. Хотя следует отметить, что синоптики по прогнозу ожидали воз-

никновение комплекса метеорологических явлений: грозы, ливни, град,

шквалы со скоростью 25–28 м/с.

Алексеева А.А., Бухаров В.М.

29

На рис. 1 представлен диагностированный комплекс опасных явлений

погоды (ливень, шквал) 29.07.2023 в Поволжье по данным сети ДМРЛ-С

и численного моделирования.

Рис. 1. Диагностированные максимальные конвективные скорости, интен-

сивность осадков, скорость порывов ветра в шквале и шквалы в градации ОЯ

29.07.2023 в Поволжье по данным сети ДМРЛ-С и численного моделирова-

ния.

Fig. 1. The diagnosed maximum convective velocities, precipitation intensity, wind

gust velocity in a squall and severe squalls on July 29, 2023 in the Volga region

according to the DMRL-C network and numerical modeling.

30

Метеорологические прогнозы, математическое моделирование

На рис. 2–6 более подробно, приближенно к моменту осуществления

шквала, представлены диагностированные максимальные конвективные

скорости, интенсивность осадков, шквалы в трех градациях интенсивности

(от 15 до 20, от 20 до 25 и ≥ 25 м/с), скорость порывов ветра при шквале и

шквалы в градации ОЯ в Нижегородской области в период 10.20–10.40 ч

ВСВ; в Чебоксарах в период 12.40–12.50 ч ВСВ; в Ульяновске и области в

период 12.50–14.00 ч ВСВ; в Самарской области (Новодевичье) в 13.00–

13.20 ч ВСВ; в Татарстане (п. Вязовые) в период 15.10–15.30 ч ВСВ.

Как видим из рис. 2–6, диагностируемые скорости ветра при шквалах

достигали местами 33 м/с, сопровождались сильными ливнями, интенсив-

ность которых в основном была 20–30 мм/ч, а в Нижегородской области –

на небольшой площади 30–50 мм/ч. Максимальные скорости конвектив-

ного потока в основном достигали 25–30 м/с с вкраплениями до 30–35 м/с.

Рассмотрим, как сработали оперативные ДМРЛ-С. Нижегородский

случай, когда зафиксировали порывы 24–28 м/с, ДМРЛ-С «Н. Новгород» в

обоих режимах диагностировал вокруг центра локатора умеренные

шквалы, т. е. с порывами от 20 до 25 м/с. Высота верхней границы Cb со-

ставляла 14.6–14.8 км.

Случай шквала с порывами 26–33 м/с в Чебоксарах. Ближайший

ДМРЛ-С «Йошкар-Ола». Чебоксары находятся на юго-западе обзора лока-

тора на удалении 60–70 км. В 12.40 и 12.50 ч ВСВ локатор в режиме lnv

диагностировал сильные шквалы в данном направлении, но на чуть боль-

шем удалении. Чебоксары в зоне обзора ДМРЛ-С «Казань» находятся на

западе на удалении порядка 160 км от локатора. В 12.40 ч ВСВ умеренные

шквалы диагностировались в режиме lnv, но ближе, на удалении порядка

125 км; в 12.50 ч ВСВ на удалении 136 км в этом же направлении в режиме

lnr диагностирован слабый шквал. ДМРЛ-С «Н. Новгород» в зоне обзора

шквалов не диагностировал, что логично, так как Чебоксары находятся да-

леко от локатора, на удалении порядка 200 км.

Случаи шквалов в Ульяновске и области, порывы ветра 26 м/с. В зоне

обзора ДМРЛ-С «Казань» Ульяновск находится на удалении 171 км от ло-

катора, в период 13.20–13.55 ч ВСВ диагностированы слабые шквалы в ре-

жиме lnr. На карте ДМРЛ-С «Саратов» (Ульяновск находится на удалении

около 170 км) в 13.20 ч ВСВ в режиме lnv диагностированы слабые

шквалы, чуть ближе по удалению, чем Ульяновск. Случай порывов ветра

25–27 м/с в Сенгилей в период 12.58–13.25 ч ВСВ идентифицирован на

карте ДМРЛ-С «Самара» (удаление от локатора более 120 км) как слабый

шквал в 13.00 ч ВСВ (режим lnv), в 13.10 ч ВСВ – как умеренный шквал

(режим lnv), в 13.20 ч ВСВ – как умеренный шквал в обоих режимах и в

13.30 ч ВСВ – как умеренный шквал в режиме lnr. В обзоре ДМРЛ-С

«Казань» этот случай находится на удалении порядка 200 км от локатора;

в сроки 13.00 ч ВСВ (режим lnr), 13.20 и 13.30 ч ВСВ (также режим lnr)

зафиксированы слабые шквалы.

Алексеева А.А., Бухаров В.М.

31

10.20 ч ВСВ

10.30 ч ВСВ

10.40 ч ВСВ

Максимальная конвективная скорость, м/с

Интенсивность осадков, мм/ч

Шквалы в трех градациях интенсивности

Скорость порывов ветра в шквале, м/с

Шквалы в градации ОЯ (≥25 м/с)

Рис. 2. Диагностированные зоны активной конвекции, сопровождающиеся

шквалами, в Нижегородской области 29 июля 2023 г. в 10.20-10.40 ч ВСВ.

Фактические порывы ветра в Н. Новгороде – 24-28 м/с (~10.30 ч ВСВ).

Fig. 2. The diagnosed zones of active convection accompanied by squalls in the

Nizhny Novgorod region on July 29, 2023 during 10.20-10.40 UTC. The actual

wind gusts in Nizhny Novgorod were 24-28 m/s (~10.30 UTC).

32

Метеорологические прогнозы, математическое моделирование

12.40 ч ВСВ

12.50 ч ВСВ

Максимальная конвективная скорость, м/с

Интенсивность осадков, мм/ч

Шквалы в трех градациях интенсивности

Скорость порывов ветра в шквале, м/с

Шквалы в градации ОЯ (≥25 м/с)

Рис. 3. Диагностированные зоны активной конвекции, сопровождающиеся

шквалами, в Чебоксарах 29 июля 2023 г. в 12.40 и 12.50 ч ВСВ. Фактические

порывы ветра в Чебоксарах – 26-33 м/с (12.49 ч ВСВ).

Fig. 3. The diagnosed zones of active convection accompanied by squalls in

Cheboksary on July 29, 2023 at 12.40 and 12.50 UTC. The actual wind gusts in

Cheboksary were 26-33 m/s (12.49 UTC).

Алексеева А.А., Бухаров В.М.

33

34

Метеорологические прогнозы, математическое моделирование

Алексеева А.А., Бухаров В.М.

35

Метеорологические прогнозы, математическое моделирование

36

37

Алексеева А.А., Бухаров В.М.

Метеорологические прогнозы, математическое моделирование

38

13.00 ч ВСВ

13.10 ч ВСВ

13.20 ч ВСВ

Максимальная конвективная скорость, м/с

Интенсивность осадков, мм/ч

Шквалы в трех градациях интенсивности

Скорость порывов ветра в шквале, м/с

Шквалы в градации ОЯ (≥25 м/с)

Рис. 5. Диагностированные зоны активной конвекции, сопровождающиеся

шквалами в Самарской области 29 июля 2023 г. в 13.00-13.20 ч ВСВ. Фак-

тические порывы ветра в Новодевичье – 28-29 м/с в 12.19-13.10 ч ВСВ.

Fig. 5. The diagnosed zones of active convection accompanied by squalls in the

Samara region on July 29, 2023 during 13.00-13.20 UTC. The actual wind gusts

in Novodevich’e were 28-29 m/s at 12.19-13.10 UTC.

Алексеева А.А., Бухаров В.М.

39

15.10 ч ВСВ

15.20 ч ВСВ

15.30 ч ВСВ

Максимальная конвективная скорость, м/с

Интенсивность осадков, мм/ч

Шквалы в трех градациях интенсивности

Скорость порывов ветра в шквале, м/с

Шквалы в градации ОЯ (≥25 м/с)

Рис. 6. Диагностированные зоны активной конвекции, сопровождающиеся

шквалами в Татарстане в 15.10-15.30 ч ВСВ 29 июля 2023 г. Фактические

порывы ветра в п. Вязовые – 26-27 м/с в 15.18-15.26 ч ВСВ.

Fig. 6. The diagnosed zones of active convection accompanied by squalls in

Tatarstan during 15.10-15.30 UTC on July 29, 2023. The actual wind gusts in

Vyazovye were 26-27 m/s at 15.18-15.26 UTC.

40

Метеорологические прогнозы, математическое моделирование

Случай порывов ветра 25–27 м/с в Димитровграде на карте ДМРЛ-С

«Самара» (расстояние до локатора порядка 120 км) идентифицирован

в 13.50 ч ВСВ как умеренный шквал (режим lnr). Случай порывов ветра в

Новодевичье 28-29 м/с на карте ДМРЛ-С «Самара» (расстояние до лока-

тора порядка 90–100 км) в режиме lnr идентифицирован как слабый шквал

и в 13.10 ч ВСВ (режим lnv) – умеренный шквал. Случай порывов ветра 26–

27 м/с в Вязовые входит в регион обзора ДМРЛ-С «Йошкар-Ола» (в южном

направлении на удалении порядка 100 км от локатора). В 15.10 ч ВСВ в ре-

жиме lnr на удалении 84–101 км в юго-восточном секторе и в южном

направлении на удалении 116–156 км диагностирован сильный шквал (при

верхней границе Cb 14.7 км). В это же время в режиме lnv сильный шквал

идентифицирован в том же направлении на удалении 81–98 и 99–126 км

(при верхней границе Cb 18.3 и 15.9 км). В срок 15.20 ч ВСВ в режиме lnr

сильный шквал идентифицирован в азимутах 152–168 и 142–203, соответ-

ственно, на удалении 77–94 и 96–180 км (при верхней границе Cb 17.0 и

14.3 км) и в режиме lnv приблизительно в тех же районах (удаление 74–

125 км при верхней границе Cb 16.9 км). В 15.30 ч ВСВ диагностирован

сильный шквал в азимуте 136–210 на расстоянии 70–164 км от локатора

(при верхней границе Cb 18.2 км) и 67–126 км (при верхней границе Cb

18.0 км), соответственно, в режимах lnr и lnv.

Как видно, оперативные локаторы также диагностировали в регионе

шквалы, но в большинстве случаев меньшей силы и не во всех случаях

точно идентифицировано место возникновения. Поэтому карты диагности-

рования шквалов экспериментальными подходами могут быть дополни-

тельной информацией для более точного штормового предупреждения о их

возникновении и штормового оповещения. Кроме того, могут быть исполь-

зованы при оценке прогнозов шквалов, являясь также подтверждением

краудсорсинга, в случаях сомнения компетенции обывателей в их

данных

фиксировании.

Верификация диагностированных шквалов

Современные возможности выбора набора фактических данных

в качестве эталона для проверки

Известно, что проверка суровых погодных явлений затруднена из-за

плохого представления этих явлений большинством современных систем

наблюдений. Наблюдения сильных конвективных порывов редки (из-за ма-

лого числа событий и особенно из-за относительно небольшого числа стан-

ций наблюдений). При анализе данных об ОЯ из разных источников полу-

чаются разнонаправленные тренды за один и тот же период времени [14].

Базы данных, например, Европейская база данных о суровых явлениях по-

годы (ESWD), представляют очень полезные данные, но надо учитывать,

что отсутствие информации в базе данных или отсутствие наблюдений за

явлением на станции не означает, что не было суровых погодных явлений.

Алексеева А.А., Бухаров В.М.

41

Таким образом, для работы с такими данными необходимо разработать

стратегию наилучшей работы с ними, используя их полезность, но помня

об ограничениях в количественном отношении. Упомянутая БД разрабо-

тана Европейской лабораторией по исследованию сильных конвективных

штормов (ESSL). В ней представлены сведения об ОЯ, полученные наблю-

дательной сетью, очевидцами и средствами массовой информации. БД

опубликована в свободном доступе в Интернете [5]. Она доступна и в Рос-

сии, в ней частично собраны данные по России о суровых погодных явле-

ниях. Обновление информации по России ведется нерегулярно. Кроме

того, критерии для занесения в БД не соответствуют критериям ОЯ, уста-

новленным в России.

В России есть региональный аналог Европейской БД для Пермского

края. Web-картографическая версия БД была разработана, наполнена и

опубликована в 2014 году. Созданная БД является улучшенным региональ-

ным аналогом ESWD. Пользователю предоставляется ряд дополнительных

материалов по каждому случаю ОЯ и некоторые функциональные возмож-

ности web-приложения, отсутствующие в Европейской БД. Для всей Рос-

сии, к сожалению, такой БД нет. Источниками информации для данной БД

являются: данные сети метеостанций и постов; данные об ОЯ, не зафикси-

рованных наблюдательной сетью, но нанесших материальный ущерб; дан-

ные очевидцев и СМИ; данные метеорологических локаторов; данные кос-

мического мониторинга (данные дистанционного зондирования Земли).

Также использованы данные, опубликованные в Метеорологических еже-

месячниках [7], на открытых интернет-ресурсах. Постанционный массив

данных об ОЯ не является полным и репрезентативным по причине про-

пусков явлений. Прежде всего это касается локальных конвективных явле-

ний (крупный град, шквал, смерч, сильный ливень). Но часто именно эти

незафиксированные сетью метеонаблюдений явления наносят наиболее

значительный ущерб. Данные об ОЯ, не зафиксированных наблюдательной

сетью, но нанесших социально-экономический ущерб, получены для БД из

двух источников: БД ФГБУ «ВНИИГМИ-МЦД», а также ежемесячных об-

зоров, опубликованных в журнале «Метеорология и гидрология». С 2012 г.

вышеупомянутая база данных ФГБУ «ВНИИГМИ-МЦД» не обновляется и

не поддерживается. Ежемесячные обзоры составляются специалистами

Гидрометцентра России. Как отмечают создатели БД для Пермского края,

ни один из перечисленных источников данных не отражает полностью фак-

тическую повторяемость ОЯ.

Данные непосредственных наблюдений очевидцев ОЯ являются

наименее надежным источником информации об ОЯ. Однако роль данного

источника в последнее время выросла благодаря видеофиксации фактов

наблюдения ОЯ и/или нанесенного ущерба. Часть ОЯ выявлены на основе

данных о ветровалах в лесных массивах [13], в том числе по космическим

снимкам среднего и высокого разрешения со спутников серий LANDSAT

и SPOT (ветровалы от шквалов и смерчей). БД создана с использованием

42

Метеорологические прогнозы, математическое моделирование

технологии ArcSDE, предоставляющей возможности многопользователь-

ского редактирования информации. Более подробную информацию о БД

можно получить в [13]. Созданная БД для Пермского края может быть при-

мером создания аналогичной БД для всей России. Поэтому проблема си-

стематизации данных об ОЯ актуальна в настоящее время и для России, и

для зарубежных стран. Вот в такой ситуации о фактически зафиксирован-

ных шквалах приходится проводить их верификацию как в диагностике,

так и при прогнозировании.

Данные о зафиксированных ОЯ также передаются по различным ко-

дам, например, КН-01 SYNOP, WAREP, METAR, а также в виде донесений.

В донесениях нередко приблизительно сообщаются районы с ОЯ, иногда

они охватывают несколько областей и пунктов, часто не указывается ин-

тенсивность явления и дано приблизительное время его осуществления

(утро, день, вечер, вторая половина дня, ночь).

Другой тип наблюдений, как уже указывалось при рассмотрении БД

для Пермского края, который появился и в России, и может стать более

актуальным в будущем, это данные краудсорсинга. Например, данные, со-

бранные широкой общественностью с использованием технологии сотовой

связи, особенно для проверки традиционных и основанных на воздействии

предупреждений об возникновении ОЯ. Данные о воздействии, например,

упавшие деревья, поврежденные дома и т. д. могут помочь в процессе про-

верки, верификации. С активным внедрением машинного обучения эти

данные могут быть собраны и обработаны.

Выбор набора данных в качестве эталона для проверки – важный ас-

пект в процессе верификации. Знание характерных ошибок используемого

набора данных и плотность метеорологических станций (пунктов наблю-

дения) имеют решающее значение при интерпретации качества продуктов

наблюдения и прогнозов.

Верификация скорости порывов ветра при шквале

при использовании в качестве эталона данных

метеорологических станций в срок наблюдения

Фактические данные о скорости ветра при порывах выбирались из баз

данных SYNOPMAK и SYNOPDOP для станций, где фиксировались ско-

рости ветра 15 м/с и более в срок или между сроками наблюдений за летний

период 2022 г. (153 дня). Такие скорости ветра фиксировались на 794 стан-

циях области диагностирования шквалов (географические координаты от

40^оc. ш. до 65^ос. ш., от 30º в. д. до 56^ов. д.). Выбрано 921355 сводок. В срок

наблюдения такой ветер фиксировался в 2326 случаях, между сроками –

в 9412 случаях. После фильтрации на предмет принадлежности выбранных

станций к данной области России выборка составила 638 станций, из кото-

рых 315 станций не фиксировали порывов ветра 15 м/с и более в срок

наблюдения. Ветер фиксировался в сроки 00, 06, 12 и 18 ч ВСВ. В эти

случаи входили как случаи со шквалами, так и ветры за счет больших

Алексеева А.А., Бухаров В.М.

43

градиентов приземного давления. Поэтому разграничение скоростей ветра

производилось с использованием рассчитанных на основе радиолокацион-

ной информации максимальных значений конвективной скорости, крите-

рий отнесения к шквалам принят равным ≥ 15 м/с. Для этих сроков

выбирались и диагностированные скорости ветра при шквале. Итого про-

анализировано первоначально 2552 сроков (638 станций × 4 срока). После

фильтрации на предмет принадлежности к шквалам в 2159 сроков шквалов

не оказалось (конвективные скорости были менее 15 м/с). В 393 срока вы-

явлены скорости порывов 15 м/с и более либо по факту, либо были диагно-

стированы представляемым в статье методом в контрольном круге в трех

радиусах (ближайшая точка к станции, на удалении 10 км и 28 км). Из 393

случаев это шквалы: 42 случая в 00 ч ВСВ, 39 случаев – в 06 ч ВСВ, 221

случай – в 12 ч ВСВ и 91 случай в 18 ч ВСВ.

Ниже представлена таблица верификации порывов ветра ≥ 15 м/с при

шквалах, диагностированных на основе данных сети ДМРЛ-С и числен-

ного моделирования (методический диагноз), а также оперативной сетью

ДМРЛ-С Росгидромета (оперативный диагноз) за летний период 2022 г. по

данным метеостанций в срок наблюдения (00, 06, 12 и 18 ч ВСВ) (табл. 1).

Таблица 1. Таблица верификации порывов ветра ≥ 15 м/с при шквалах, диа-

гностированных на основе данных сети ДМРЛ-С и численного моделирова-

ния (методический диагноз), а также оперативной сетью ДМРЛ-С Росгидро-

мета (оперативный диагноз), за летний период 2022 г. по данным

метеостанций в срок наблюдения (00, 06, 12 и 18 ч ВСВ)

Table 1. The verification table of wind gusts ≥ 15 m/s for the squalls diagnosed

from the DMRL-C network and numerical prediction data (methodical diagnosis),

as well as from the Roshydromet operational DMRL-C network data (operational

diagnosis) for the summer of 2022 according to weather stations at the observation

moment (00, 06, 12 and 18 UTC)

Факт

Диагноз

≥ 15 м/с

< 15 м/с

Всего

Метод.

Оператив. Метод. Оператив.

Метод.

Оператив.

диагноз

1

диагноз

≥ 15

< 15

9

381

3

390

4

3 (2)

11 (10)

12 (11)

Всего

12 (11)

Примечание. *Красным цветом показано количество случаев с учетом допол-

нительно проведенного анализа.

Представляет интерес анализ трех случаев, пропущенных эксперимен-

тальным подходом (методический диагноз): 12.05.2022, срок 18 ч ВСВ

(51.7º с. ш., 35.7º в. д.); 20.05.2022, срок 12 ч ВСВ (44.6º с. ш., 42.0º в. д.);

04.09.2022, срок 06 ч ВСВ (43.7º с. ш., 42.7º в. д.).

44

Метеорологические прогнозы, математическое моделирование

Анализ показал, что один случай относится к Грузии, поэтому с уче-

том дополнительно проведенного анализа исключим его (в табл. 1 красным

цветом). Случай 12 мая в Курской области не диагностирован в данной

точке, но в координатах 52.1º с. ш., 35.5º в. д. диагностирована зона шква-

лов со скоростями 24–25 м/с. Случай 20 мая в Ставропольском крае не ди-

агностирован.

9 совпавших случаев – это 5 случаев совпадения в ближайшей точке,

3 случая добавилось при рассмотрении в радиусе до 10 км и 1 случай – при

рассмотрении в радиусе до 28 км. В 2 случаях (ближняя точка) из 9 диагно-

стированные скорости ветра при шквале завышены на градацию, т. е. фак-

тически зафиксированы порывы 15 м/с (градация от 15 до 25 м/с), а диа-

гностированные – 27 м/с. В остальных 7 случаях градация (от 15 до 25 м/с)

диагностированных порывов ветра при шквале совпадает с фактическими.

Оправдываемость [8]/предупрежденность [12] методического диа-

гноза без учета анализа случаев пропуска – 75 %, с учетом анализа случаев

пропуска – 81,8 %; достоверность [8]/оправдываемость [12] – 2,3 %. Ин-

декс экстремальной зависимости [6] EDI = 0.71 без учета анализа случаев

пропуска и 0.79 – с учетом, симметричный индекс экстремальной зависи-

мости [6] SEDI = 0.73 без учета анализа случаев пропуска и 0.79 – с учетом.

По идентичному, представленному выше подходу к верификации

были оценены шквалы, идентифицированные в 2022 г. работающими в

сети Росгидромета ДМРЛ-С. Следует заметить, что данные идентифика-

ции шквалов оперативными локаторами записываются в базу данных Гид-

рометцентра России (DW22) в режиме реального времени в той же, что и

методический диагноз, сетке (0.05×0.05 градусов). Результаты верифика-

ции также представлены в табл. 1.

Представляет интерес факт, что те же 3 случая шквалов, пропущенные

методическим диагнозом, входят в пропущенные 11 случаев при оператив-

ной работе локаторов. Можно предположить, что пропуск этих случаев не

результат неточности алгоритмов идентификации, а неточность первичных

данных, возможно, использование данных из дальних зон локаторов, пере-

крывающих точку идентификации, так как ближайшая зона может быть за-

крыта местниками. Как уже указывалось выше, один пропущенный случай

относится к территории Грузии.

По сравнению с методическим диагнозом, при оперативной работе ло-

каторов практически нет ложных тревог в таблице сопряженности. Следует

также заметить, что один правильно диагностированный случай был иден-

тифицирован в радиусе 10 км вокруг узла сетки, в ближайшей к узлу сетки

точке (радиус ~4 км) – не идентифицирован. Скорость ветра, фактически

зафиксированная, – 19 м/с, диагностированная – в градации от 20 до 25 м/с.

Из трех случаев, диагностированных как ложные тревоги, в двух – скоро-

сти от 15 до 20 м/с в радиусе до 10 км и переходят в градацию от 20 до 25

м/с при увеличении радиуса до 28 км; в третьем случае идентифицированы

скорости от 20 до 25 м/с как в ближайшей точке, так и до радиуса 28 км.

Алексеева А.А., Бухаров В.М.

45

Два случая из трех диагностированы на краю области идентификации,

поэтому сложно сказать, что радиолокационные параметры объективно

отражают ситуацию, в третьем случае рассчитанная максимальная конвек-

тивная скорость составляет 32,7 м/с. Можно предположить, что в этих слу-

чаях по факту были другие конвективные явления, т. е. используемый пре-

диктор – превышение верхней границей кучево-дождевого облака высоты

тропопаузы – может быть репрезентативным и для идентификации других

конвективных явлений и не является определяющим при идентификации

шквалов при достаточной энергии неустойчивости.

Оправдываемость [8]/предупрежденность [12] верификации шквалов

оперативным диагнозом без учета анализа случаев пропуска – 8,3 %, с уче-

том анализа случаев пропуска – 9,1 %; достоверность [8]/оправдываемость

[12] – 25 %.

Верификация скорости порывов ветра при шквале

при использовании в качестве эталона данных автоматических

метеорологических станций

Верифицируется скорость ветра при шквале, рассчитываемая с целью

уточнения скорости порывов ветра в случаях диагностирования шквалов

≥ 15 м/с методом с детализацией интенсивности в трех градациях, т. е. кос-

венно верифицируется и этот способ, поскольку разделение шквалов по ин-

тенсивности статистически не обеспечено достаточным количеством

шквалов в каждой градации. Поэтому оценивается градация скорости ветра

≥ 15 м/с. При этом скорости ветра по данным 250 АМС (заметим, что дан-

ные о скорости ветра по данным АМС более полные против 163 станций

с данными по осадкам) проверяются на принадлежность к конвекции.

Считается, как и выше, что скорость ветра ≥ 15 м/с, зафиксированная АМС,

относится к шквалам, если скорость конвективного потока в точке с данной

скоростью ≥ 15 м/с. Анализируются скорости ветра с детализацией 10 ми-

нут, т. е. все 144 срока в сутках.

Подход к верификации скорости порывов ветра при шквалах такой:

рассчитывается таблица сопряженности, показатели качества диагностиро-

вания, контрольный радиус задается 4, 10 и 28 км. Достоверность

[8]/оправдываемость [12] оценивается только для первого контрольного

радиуса, как требует Методика [8] (оценка ведется в радиусе 5 км, так как

явление может фиксироваться наблюдателем только на станции). Резуль-

таты верификации (методический диагноз) представлены в табл. 2. В ней

же представлены результаты верификации шквалов ≥ 15 м/с, идентифици-

рованных оперативной сетью ДМРЛ-С (оперативный диагноз) на этой же

территории за тот же период времени в сравнении с теми же АМС.

Оправдываемость [8]/предупрежденность [12] методического диа-

гноза, соответственно, по радиусам: 72,2 %, 74,2 %, 83,9 %. Достоверность

[8]/оправдываемость [12] для первого радиуса – 2,3 %. Оправдываемость

46

Метеорологические прогнозы, математическое моделирование

[8]/предупрежденность [12] оперативного диагноза, соответственно, по ра-

диусам: 2,9 %; 5,4 %; 11.4 %. Достоверность [8]/оправдываемость [12]

для первого радиуса – 10,9 %.

Таблица 2. Таблица верификации порывов ветра ≥ 15 м/с при шквалах, диа-

гностированных на основе данных сети ДМРЛ-С и численного моделирования

(методический диагноз), а также оперативной сетью ДМРЛ-С Росгидромета

(оперативный диагноз), за летний период 2022 г. по данным АМС

Table 2. The verification table of wind gusts ≥ 15 m/s for the squalls diagnosed

from the DMRL-C network and numerical prediction data (methodical diagnosis),

as well as from the Roshydromet operational DMRL-C network data (operational

diagnosis) for the summer of 2022 according to automatic weather stations

Факт

< 15 м/с

при первом при первом

радиусе

~4 км

Всего

≥ 15 м/с

Контрольный радиус, км

10

радиусе

~4 км

4

28

≥ 15 м/с 104

5

141

49

11

191

202

183

35

24

4362

41

4466

46

< 15 м/с

40

169

174

186

210

Всего

144

190

218

Таким образом, можно сделать вывод, что оправдываемость [8]/преду-

прежденность [12] растет с увеличением радиуса и является удовлетвори-

тельной для первых двух радиусов (4 и 10 км) и хорошего качества для

радиуса 28 км для метода, представленного в статье. Показатель достовер-

ности [8]/оправдываемости [12] для этого метода низкий – всего 2,3 % для

контрольного круга радиусом ~4 км, как требует [8]. Ложные тревоги, на

первый взгляд, составляют большое число. А вот доля ложных тревог F от

всех случаев, когда фактически не было шквалов, составляет 0.000792

(4362 случая разделить на количество случаев, когда фактически не зафик-

сировали станции шквалов, т. е. на количество 10-минутных наблюдений,

подлежащих верификации: 250 станций ×153 суток × 144 срока в сутки =

5507856 случаев), доля попаданий H = 0.722. Индекс экстремальной зави-

симости достаточно высок, EDI = 0.93, симметричный индекс экстремаль-

ной зависимости SEDI = 0.92.

Оправдываемость [8]/ предупрежденность [12] оперативного метода

также растет с увеличением радиуса, но в сравнении с методическим

подходом низкая и не достаточная для точной диагностики шквалов.

Показатель достоверности [8]/оправдываемости [12] для этого метода

выше экспериментального, но также не достаточный для точной диагно-

стики шквалов.

Алексеева А.А., Бухаров В.М.

47

Верификация скорости порывов ветра при шквале

экспериментальным подходом при использовании в качестве

эталона данных краудсорсинга

База данных краудсорсинга за период верификации включала данные

непосредственных наблюдений очевидцев ОЯ на открытых интернет-ре-

сурсах, данные сети метеостанций и постов, переданные в донесениях,

включая данные об ОЯ, не зафиксированные наблюдательной сетью, но

нанесшие материальный ущерб. Итого зафиксированных случаев со шква-

лами (≥ 15 м/с) оказалось 215, из них 185 случаев были диагностированы.

Данные позволяют оценить оправдываемость [8]/предупрежденность [12]

диагностированных данных о скорости ветра при порывах в шквалах, ко-

торая составляет 86 %.

Основной причиной трудности получения объективных оценок для

шквалов, особенно градации ОЯ, является редкая сеть наблюдений, как ме-

теостанций, так и АМС. И закономерно будет низкой оправдываемость яв-

ления (достоверность) при имеющихся сведениях о шквалах при их авто-

матизированной оценке. На наш взгляд, наиболее важным показателем для

таких явлений при недостаточной сети наблюдений является показатель

предупрежденности явления, так как в этом случае повышается внимание

синоптика к анализу синоптической ситуации, использованию дополни-

тельной информации для уточнения прогноза. Поэтому напрашивается вы-

вод, что о пользе представляемых диагностированных опасных конвектив-

ных явлений, таких как сильный ливень, шквал и град, можно судить

только по отзывам синоптиков, использующих данную информацию при

анализе конкретных случаев для цели превентивного предупреждения о

возникновении таких явлений и составления штормовых предупреждений.

Кроме того, планируется провести дополнительную верификацию шквалов

по показателю Brier, который принимает значение от 0 до 1, поскольку рас-

сматривается окрестность (квадрат) максимально возможной разницы

между прогнозируемой (диагностируемой) вероятностью (которая должна

быть от нуля до единицы) и фактическим результатом (который может при-

нимать значение только 0 или 1). Эта оценка подходит и для бинарных, и

для категориальных результатов, которые могут быть структурированы как

true или false.

Выводы

Результаты проведенных исследований показывают, что эксперимен-

тальная технология идентификации конвективных явлений погоды, в том

числе шквалов, скоростью порывов ≥ 15 м/с, включая шквалы градации

опасных явлений погоды, дает возможность в режиме реального времени

с пространственным разрешением порядка 4 км каждые 10 мин для ЕТР

получать дополнительную к оперативной продукции сети локаторов

ДМРЛ-С информацию о шквалах. Данная информация базируется на

48

Метеорологические прогнозы, математическое моделирование

расчете конвективных явлений и их интенсивности с применением алго-

ритмов, отличающихся от используемых в оперативной работе сети

ДМРЛ-С. Каждое диагностируемое конвективное явление (ливень, град,

шквал) визуализируется на отдельной карте, в отличие от карты явлений

оперативных локаторов, на которой для точки представлены конвективные

явления большей опасности. Если на карте оперативного локатора иденти-

фицирован шквал (цифры кода от 16 до 18), то, возможно, что в точке иден-

тификации был град либо сильный дождь, цифры кода которых ниже 16.

В рамках экспериментальной технологии шквалам уделено особое

внимание, они представляются на трех картах: диагностированных шква-

лов в трех градациях интенсивности, скорости порывов ветра при шквалах

и шквалов градации ОЯ, что позволяет с разных сторон рассмотреть вопрос

возникновения шквалов (несколько независимых алгоритмов) и уточнить

его интенсивность как явления, наиболее, кроме смерчей, опасного и при-

чиняющего наибольший ущерб. Продукция идентифицируемых шквалов в

рамках экспериментальной технологии, согласно приведенным данным о

их верификации, по разным видам фактических данных имеет высокую

предупрежденность, ее использование позволит синоптикам принять более

взвешенное решение о подаче штормовых предупреждений о их возникно-

вении, пример этого приведен в [4].

Исследования выполнены в рамках темы 1.1.5 НИТР Росгидромета на

2020–2024 годы.

Список литературы

1. Алексеева А.А. Метод прогноза сильных шквалов // Метеорология и гидрология.

2014. № 9. С. 5-15.

2. Алексеева А.А., Бухаров В.М., Лосев В.М. Диагноз сильных шквалов на основе дан-

ных ДМРЛ-С и результатов численного моделирования // Гидрометеорологические иссле-

дования и прогнозы. 2021. № 3 (381). С. 6-23.

3. Алексеева А.А., Песков Б.Е. Оценка максимальной скорости конвективного потока,

характеристик ливневых осадков и града по радиолокационной информации // Труды Гид-

рометцентра России. 2016. Вып. 360. С. 135-148.

4. Дмитриева Т.Г., Смирнов А.В., Алексеева А.А., Васильев Е.В. Опыт тестирования

экспериментальных методов Гидрометцентра России при составлении штормовых преду-

преждений о неблагоприятных и опасных явлениях погоды // Гидрометеорологические ис-

следования и прогнозы. 2023. № 4 (390). С. 6-32.

5. Европейская база данных о суровых погодных условиях. Версия 4.5 (август 2023).

‒ URL: eswd.eu (дата обращения 8.11.2023).

6. Киктев Д.Б., Муравьев А.В., Бундель А.Ю. Методические рекомендации по верифи-

кации метеорологических прогнозов. М.: АМА ПРЕСС, 2021. 94 с.

7. Метеорологический ежемесячник. Вып. 1-12. Свердловск: Уральское упр. гидроме-

теорол. службы. Свердловская гидрометеорол. Обсерватория, 1981-2012.

8. Методика валидации наблюдений доплеровских метеорологических радиолокато-

ров, установленных на наземной наблюдательной сети. Долгопрудный. 2019. 50 с. http:

www.method.meteorf.ru (дата обращения 8.11.2023).

9. Методические указания по использованию информации доплеровского метеороло-

гического радиолокатора ДМРЛ-С в синоптической практике: Третья редакция. М., 2019.

129 с.

Алексеева А.А., Бухаров В.М.

49

10. Методические указания по использованию радиолокационных данных в синопти-

ческом анализе и краткосрочном прогнозе погоды // Под ред. Г.К. Веселовой, Ю.К Федо-

рова. М.: Гидрометеоиздат, 1981. 24 с.

11. Программное обеспечение вторичной обработки информации доплеровского ме-

теорологического радиолокатора ДМРЛ-С ("ГИМЕТ-2010"). М, 2011. 108 с. Программный

комплекс вторичной обработки информации доплеровского метеорологического радиоло-

катора ДМРЛ-С (шифр «ГИМЕТ-2010») версия 02: Свидетельство о государственной реги-

страции программы для ЭВМ. Правообладатель: ФГБУ «ЦАО», номер регистрации:

2018665447, дата регистрации: 05.12.2018.

12. РД 52.27.284‒91. Методические указания. Проведение производственных (опера-

тивных) испытаний новых и усовершенствованных методов гидрометеорологических и ге-

лиогеофизических прогнозов. 150 с.

13. Шихов А.Н. Оценка последствий стихийных природных явлений для лесных ре-

сурсов Пермского края по многолетним рядам данных космической съемки // Современные

проблемы дистанционного зондирования Земли из Космоса. 2014. Т. 11, № 1. С. 21-30.

14. Шихов А.Н., Быков А.В. База данных об опасных и неблагоприятных явлениях по-

годы в Пермском крае как региональный аналог ESWD // Географический вестник. Карто-

графия и геоинформатика. 2014. № 4 (31). С. 102-109.

References

1. Alekseeva A.A. A method of forecasting severe squalls. Russ. Meteorol. Hydrol., 2014,

vol. 39, pp. 569-576. DOI: 10.3103/S1068373914090015.

2. Alekseeva A.A., Bukharov V.M., Losev V.M. Diagnosis of severe squalls based on the data

of DMRL-C Doppler weather radars and numerical modeling. Gidrometeorologicheskie issledo-

vaniya i prognozy [Hydrometeorological Research and Forecasting], 2021, vol. 381, no.3, pp. 6-

23 [in Russ.].

3. Alekseeva A.A., Peskov B.E. Assessment of the maximum speed of convective flow, char-

acteristics of heavy rain and hail using radar information. Trudy Gidromettsentra Rossii [Proceed-

ings of the Hydrometcentre of Russia], 2016, vol. 360, pp. 135-148 [in Russ.].

4. Dmitrieva T.G., Smirnov А.V., Alekseeva А.А., Vasil’ev E.V. Experimental Methods of

Hydrometcentre of Russia for Producing Storm Warnings about Adverse and Severe Weather

Events. Gidrometeorologicheskie issledovaniya i prognozy [Hydrometeorological Research and

Forecasting], 2023, vol. 390, no.4, pp. 6-32 [in Russ.].

5. European Severe Weather Database (ESWD) Version 4.5 (Aug 2023). Available at:

eswd.eu.

6. Kiktev D.B., Murav'ev A.V., Bundel' A.Yu. Metodicheskie rekomendacii po verifikacii me-

teorologicheskih prognozov. Moscow, AMA PRESS publ., 2021, 94 p. [in Russ.].

7. Meteorologicheskij ezhemesyachnik. Vyp. 1-12. Sverdlovsk: Ural'skoe upr. gidromete-

orol. sluzhby. Sverdlovskaya gidrometeorol. Observatoriya, 1981-2012 [in Russ.].

8. Metodika validacii nablyudenij doplerovskih meteorologicheskih radiolokatorov,

ustanovlennyh na nazemnoj nablyudatel'noj seti. Dolgoprudnyj. 2019, 50 p. Available at: http:

www.method.meteorf.ru [in Russ.].

9. Metodicheskie ukazaniya po ispol'zovaniyu informacii doplerovskogo meteoro-

logicheskogo radiolokatora DMRL-S v sinopticheskoy praktike: Tret'ya redakciya, Moscow, 2019,

129 p. [in Russ.].

10. Metodicheskie ukazaniya po ispol'zovaniyu radiolokacionnyh dannyh v sinopticheskom

analize i kratkosrochnom prognoze pogody. Pod red. G.K. Veselovoj, Yu.K. Fedorova. M.: Gidro-

meteoizdat publ., 1981, 24 p. [in Russ.].

11. Programmnoe obespechenie vtorichnoj obrabotki informacii doplerovskogo meteoro-

logicheskogo radiolokatora DMRL-S ("GIMET-2010"). Moscow, 2011. 108 p. Programmnyj

kompleks vtorichnoj obrabotki informacii doplerovskogo meteorologicheskogo radiolokatora

DMRL-S (shifr «GIMET-2010») versiya 02: Svidetel'stvo o gosudarstvennoj registracii pro-

grammy dlya EVM. Pravoobladatel': FGBU «CAO», nomer registracii: 2018665447, data regis-

tracii: 05.12.2018 [in Russ.].

50

Метеорологические прогнозы, математическое моделирование

12. RD 52.27.284‒91. Metodicheskie ukazaniya. Provedenie proizvodstvennyh (opera-

tivnyh) ispytanij novyh i usovershenstvovannyh metodov gidrometeorologicheskih i geliogeofizi-

cheskih prognozov. 150 p. [in Russ.].

13. Shikhov A.N. Estimation of forest damage from natural disasters in Perm region using

the long-term series of space imagery. Sovremennye problemy distantsionnogo zondirovaniya

Zemli iz kosmosa [Current problems in remote sensing of the Earth from space], 2014, vol. 11,

no. 1, pp. 21-29 [in Russ.].

14. Shikhov A.N., Bykov A.V. Baza dannyh ob opasnyh i neblagopriyatnyh yavleniyah po-

gody v Permskom krae kak regional'nyj analog ESWD. Geograficheskij vestnik. Kartografiya i

geoinformatika, 2014, vol. 31, no. 4, pp. 102-109 [in Russ.].

Поступила 07.05.2024; одобрена после рецензирования 06.06.2024;

принята в печать 17.06.2024.

Submitted 07.05.2024; approved after reviewing 06.06.2024;

accepted for publication 17.06.2024.