Климова Е.Г.  

Использование систем усвоения данных в задаче мониторинга состояния окружающей среды

• Мониторинг состояния окружающей среды помимо сборки и хранения больших массивов данных наблюдений включает в себя также обработку данных наблюдений для получения распределения интересующих нас полей в пространстве и времени. Для проведения математического моделирования состояния окружающей среды необходимо знание измеренных величин не только в точках наблюдений, но и в узлах некоторой регулярной сети.
• Оценка состояния окружающей среды по данным наблюдений является одной из наиболее актуальных задач в настоящее время. Такая оценка производится с привлечением прогностических моделей на основе систем усвоения данных. Первоначально рассматривалась так называемая задача объективного анализа или задача восстановления пространственного распределения полей по данным наблюдений. Развитие вычислительных средств и увеличивающийся поток данных наблюдений привели к тому, что традиционная задача объективного анализа данных метеорологических наблюдений заменилась к настоящему времени задачей усвоения данных с привлечением все более сложных прогностических моделей.
• Алгоритмы усвоения данных используются как в задачах прогноза погоды, так и 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.
• При проведении мониторинга состояния окружающей среды обрабатываются огромные массивы данных наблюдений. В то же время ряд районов остается плохо освещенным наблюдательной сетью. В связи с этим в последние годы возникла задача оценки областей, в которых требуется проведение дополнительных измерений для повышения качества анализа и прогноза (adaptive observations).

 


К списку докладов