Ансамбли опасных гидрометеорологических явлений: математическое моделирование, системы поддержки принятия решений, геоинформационные системы (обзор)

Н. А. Яицкая1,2,✉, А. А. Магаева2

1 Федеральный исследовательский центр «Субтропический научный центр Российской академии наук», Сочи, Россия

2 Федеральный исследовательский центр Южный научный центр Российской академии наук, Ростов-на-Дону, Россия

e-mail: yaitskayan@gmail.com

Аннотация

Цель. Выполнен анализ современного состояния исследований и достижений в области опасных природных (в том числе гидрометеорологических) явлений и их ансамблей (мультиопасных явлений) на основе работ, опубликованных в профильных рейтинговых международных и российских научных журналах и монографиях.

Методы и результаты. Рассмотрены современные методы математического моделирования мультиопасных гидрометеорологических явлений, методы оценки взаимосвязей между опасными и мультиопасными явлениями, существующие системы поддержки принятия решений и методы оценки рисков возникновения опасных и мультиопасных природных явлений. Выполнен обзор ансамблевых моделей и возможностей облачных вычислений; исследован опыт интеграции геоинформационных систем и результатов дистанционного зондирования Земли в моделях. Представлены примеры разработки в разных странах платформ для моделирования и систем поддержки принятия решений при возникновении опасных явлений.

Выводы. Показано, что проблемы, связанные с прогнозированием, мониторингом и минимизацией последствий опасных природных явлений и их сочетаний, требуют междисциплинарных решений и взаимодействия между всеми заинтересованными сторонами – обществом, властью, наукой, бизнесом. Важно разрабатывать и внедрять планы по интегрированному управлению в регионах, особенно подверженных рискам. Первостепенное значение имеют данные натурных наблюдений. На страновом уровне необходима разработка комплексной системы моделирования для учета сложных процессов, какими являются опасные явления. Отдельно необходимо учитывать особенности стихийных бедствий, происходящих в северных районах нашей страны, для которых характерны зачастую экстремальные фоновые показатели погодных условий, труднодоступность и удаленность, отсутствие необходимой инфраструктуры для спасения людей и ликвидации последствий.

Ключевые слова

опасные природные явления, шторм, лед, паводки, геоинформационные системы, математическое моделирование, реанализ, система поддержки принятия решений, планирование, управление риском

Благодарности

Исследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 20-15-50320 (в части обзора систем поддержки принятия решений и оценки рисков возникновения опасных и мультиопасных природных явлений) и в рамках реализации ГЗ ЮНЦ РАН, № гр. проекта 122013100131-9 (в части обзора математических моделей мультиопасных гидрометеорологических явлений).

Для цитирования

Яицкая Н. А., Магаева А. А. Ансамбли опасных гидрометеорологических явлений: математическое моделирование, системы поддержки принятия решений, геонформационные системы // Морской гидрофизический журнал. 2022. Т. 38, № 4. С. 372–388. EDN VXPWMF. doi:10.22449/0233-7584-2022-4-372-388

Yaitskaya, N.A. and Magaeva, A.A., 2022. Hydrometeorological Phenomena and Multi-Hazards: Mathematical Modelling, Decision Support Systems, Geoinformation Systems (Review). Physical Oceanography, 29(4), pp. 347-362. doi:10.22449/1573-160X-2022-4-347-362

DOI

10.22449/0233-7584-2022-4-372-388

Список литературы

  1. Natural disaster hotspots: A global risk analysis / M. Dilley [et al.]. Washington, DC : World Bank, 2005. 132 p. URL: https://openknowledge.worldbank.org/handle/10986/7376 (date of access: 19.04.2022).
  2. A review of multi-risk methodologies for natural hazards: Consequences and challenges for a climate change impact assessment / V. Gallina [et al.] // Journal of Environmental Management. 2016. Vol. 168. P. 123–132. https://doi.org/10.1016/j.jenvman.2015.11.011
  3. Curt C. Multirisk: What trends in recent works? – A bibliometric analysis // Science of The Total Environment. 2021. Vol. 763. 142951. https://doi.org/10.1016/j.scitotenv.2020.142951
  4. Multi-hazard risk assessment using GIS in urban areas: a case study for the city of Turrialba, Costa Rica / C. J. van Westen [et al.] // Proceedings of the regional workshop on Best Practices in Disaster Mitigation (Bali, Indonesia, 22–24 September, 2002). Bali, 2002. Р. 120–136.
  5. Basic principles of multi-risk assessment: a case study in Italy / W. Marzocchi [et al.] // Natural Hazards. 2012. Vol. 62, iss. 2. P. 551–573. https://doi.org/10.1007/s11069-012-0092-x
  6. Swift: A GPU based coupled hydrodynamic/hydraulic framework for urban flood prediction / R. Cohen [et al.] // Proceeding of the Eleventh International Conference on CFD in the Minerals and Process Industries. Melbourne, Australia : CSIRO, 2015. P. 1–6.
  7. Recent development and application of a rapid flood spreading method / J. Lhomme [et al.] // Flood Risk Management: Research and Practice. London : Taylor & Francis Group, 2009. P. 15–24.
  8. Role of earth observation data in disaster response and recovery: from science to capacity building / G. Schumann [et al.] // Earth Science Satellite Applications. Cham : Springer, 2016. Р. 119–146. https://doi.org/10.1007/978-3-319-33438-7_5
  9. Cloud Computing in natural hazard modeling systems: Current research trends and future directions / K. Ujjwal [et al.] // International Journal of Disaster Risk Reduction. 2019. Vol. 38. 101188. https://doi.org/10.1016/j.ijdrr.2019.101188
  10. Schneider P. J., Schauer B. A. HAZUS—its development and its future // Natural Hazards Review. 2006. Vol. 7, iss. 2. Р. 40–44. https://doi.org/10.1061/(ASCE)1527-6988(2006)7:2(40)
  11. Pranantyo I. R., Fadmastuti M., Chandra F. InaSAFE applications in disaster preparedness // AIP Conference Proceedings. 2015. Vol. 1658, iss. 1. 060001. https://doi.org/10.1063/1.4915053
  12. Newham L. T. H., Jakeman A. J., Letcher R. A. Stakeholder participation in modelling for integrated catchment assessment and management: An Australian case study // International Journal of River Basin Management. 2007. Vol. 5, iss. 2. P. 79–91. https://doi.org/10.1080/15715124.2007.9635308
  13. Quantitative multi-risk analysis for natural hazards: a framework for multi-risk modelling / J. Schmidt [et al.] // Natural Hazards. 2011. Vol. 58, iss. 3. Р. 1169–1192. https://doi.org/10.1007/s11069-011-9721-z
  14. Hagedorn R., Doblas-Reyes F. J., Palmer T. N. The rationale behind the success of multi-model ensembles in seasonal forecasting – I. Basic concept // Tellus A: Dynamic Meteorology and Oceanography. 2005. Vol. 57, iss. 3. P. 219–233. https://doi.org/10.3402/tellusa.v57i3.14657
  15. Multi-criteria evaluation of CMIP5 GCMs for climate change impact analysis / A. Ahmadalipour [et al.] // Theoretical and Applied Climatology. 2017. Vol. 128, iss. 1–2. P. 71–87. https://doi.org/10.1007/s00704-015-1695-4
  16. Raju K. S., Kumar D. N. Impact of climate change on water resources with modeling techniques and case studies. Singapore : Springer, 2018. 266 p. https://doi.org/10.1007/978-981-10-6110-3
  17. Impact of global climate change on stream low flows: A case study of the Great Miami River watershed, Ohio, USA / S. Shrestha [et al.] // International Journal of Agricultural and Biological Engineering. 2019. Vol. 12, no. 1. P. 84–95.
  18. Impacts of climate change on runoffs in East Azerbaijan, Iran / M. Zarghami [et al.] // Global and Planetary Change. 2011. Vol. 78, iss. 3–4. P. 137–146. https://doi.org/10.1016/j.gloplacha.2011.06.003
  19. Large-scale flood hazard assessment under climate change: A case study / A. Shadmehri Toosi [et al.] // Ecological Engineering. 2020. Vol. 147. 105765. https://doi.org/10.1016/j.ecoleng.2020.105765
  20. Spatial cloud computing: how can the geospatial sciences use and help shape cloud computing? / C. Yang [et al.] // International Journal of Digital Earth. 2011. Vol. 4, iss. 4. P. 305–329. https://doi.org/10.1080/17538947.2011.587547
  21. Huang Q., Li J., Li Z. A geospatial hybrid cloud platform based on multi-sourced computing and model resources for geosciences // International Journal of Digital Earth. 2018. Vol. 11, iss. 12. P. 1184–1204. https://doi.org/10.1080/17538947.2017.1385652
  22. Emergency response in natural disaster management: Allocation and scheduling of rescue units / F. Wex [et al.] // European Journal of Operational Research. 2014. Vol. 235, iss. 3. P. 697–708. https://doi.org/10.1016/j.ejor.2013.10.029
  23. Van Westen C. J. Remote sensing for natural disaster management // International archives of photogrammetry and remote sensing. 2000. Vol. 33, part B7. P. 1609–1617. URL: https://www.isprs.org/proceedings/xxxiii/congress/part7/1609_XXXIII-part7.pdf (date of access: 25.03.2022).
  24. Laituri M., Kodrich K. On line disaster response community: People as sensors of high magnitude disasters using internet GIS // Sensors. 2008. Vol. 8, iss. 5. P. 3037–3055. https://doi.org/10.3390/s8053037
  25. Jeyaseelan A. T. Droughts & floods assessment and monitoring using remote sensing and GIS // Satellite Remote Sensing and GIS Applications in Agricultural Meteorology: Proceedings of the Training Workshop, 7–11 July, 2003, Dehra Dun, India. Geneva : WMO, 2004. P. 291–313. URL: http://www.wamis.org/agm/pubs/agm8/Paper-14.pdf (date of access: 25.03.2022).
  26. An analysis of geospatial technologies for risk and natural disaster management / L. A. Manfré [et al.] // ISPRS International Journal of Geo-Information. 2012. Vol. 1, no. 2. P. 166–185. https://doi.org/10.3390/ijgi1020166
  27. Montoya L. Geo-data acquisition through mobile GIS and digital video: an urban disaster management perspective // Environmental Modelling & Software. 2003. Vol. 18, iss. 10. P. 869–876. https://doi.org/10.1016/S1364-8152(03)00105-1
  28. Cutter S. L. GI science, disasters, and emergency management // Transactions in GIS. 2003. Vol. 7, iss. 4. P. 439–446. https://doi.org/10.1111/1467-9671.00157
  29. Satellite image analysis for disaster and crisis-management support / S. Voigt [et al.] // IEEE Transactions on Geoscience and Remote Sensing. 2007. Vol. 45, no. 6. P. 1520–1528. https://doi.org/10.1109/TGRS.2007.895830
  30. SparkCloud: a cloud-based elastic bushfire simulation service / S. Garg [et al.] // Remote Sensing. 2018. Vol. 10, iss. 1. 74. https://doi.org/10.3390/rs10010074
  31. Building Model as a Service to support geosciences / Z. Li [et al.] // Computers, Environment and Urban Systems. 2017. Vol. 61, part B. P. 141–152. https://doi.org/10.1016/j.compenvurbsys.2014.06.004
  32. Integrating CyberGIS gateway with Windows Azure: a case study on MODFLOW groundwater simulation / B. Behzad [et al.] // Proceedings of the ACM SIGSPATIAL Second International Workshop on High Performance and Distributed Geographic Information Systems. Chicago : Association for Computing Machinery, 2011. P. 26–29. doi:10.1145/2070770.2070774
  33. Virtual Fire: A web-based GIS platform for forest fire control / K. Kalabokidis [et al.] // Ecological Informatics. 2013. Vol. 16. P. 62–69. https://doi.org/10.1016/j.ecoinf.2013.04.007
  34. A secure big data stream analytics framework for disaster management on the cloud / D. Puthal [et al.] // 2016 IEEE 18th International Conference on High Performance Computing and Communications; IEEE 14th International Conference on Smart City; IEEE 2nd International Conference on Data Science and Systems (HPCC/SmartCity/DSS). IEEE, 2016. P. 1218–1225. https://doi.org/10.1109/HPCC-SmartCity-DSS.2016.0170
  35. Al-Fares M., Loukissas A., Vahdat A. A scalable, commodity data center network architecture // ACM SIGCOMM Computer Communication Review. 2008. Vol. 38, iss. 4. P. 63–74. https://doi.org/10.1145/1402946.1402967
  36. Rossi C., Heyi M. H., Scullino F. A service oriented cloud‐based architecture for mobile geolocated emergency services // Concurrency and Computation: Practice and Experience. 2017. Vol. 29, iss. 11. e4051. https://doi.org/10.1002/cpe.4051
  37. Community-based cloud for emergency management / J. Li [et al.] // 2011 6th International Conference on System of Systems Engineering. IEEE, 2011. P. 55–60. https://doi.org/10.1109/SYSOSE.2011.5966573
  38. Armagedom – a tool for seismic risk assessment illustrated with applications / O. Sedan [et al.] // Journal of Earthquake Engineering. 2013. Vol. 17, iss. 2. P. 253–281. https://doi.org/10.1080/13632469.2012.726604
  39. Мезомасштабное моделирование экстремальных ветров над Охотским морем и островом Сахалин / А. В. Кислов [и др.] // Известия РАН. Физика атмосферы и океана. 2018. Т. 54, № 4. С. 381–385. doi:10.1134/S0002351518040090
  40. Дианский Н. А., Панасенкова И. И., Фомин В. В. Исследование отклика верхнего слоя Баренцева моря на прохождение интенсивного полярного циклона в начале января 1975 года // Морской гидрофизический журнал. 2019. Т. 35, № 6. С. 530–548. doi:10.22449/0233-7584-2019-6-530-548
  41. Циркуляция вод у северо-восточного побережья острова Сахалин при прохождении трех типов глубоких циклонов над Охотским морем / Н. А. Дианский [и др.] // Метеорология и гидрология. 2020. № 1. С. 45–58.
  42. Fleischhauer M. Spatial relevance of natural and technological hazards // Natural and technological hazards and risks affecting the spatial development of European regions. Vammalan Kirjapaino Oy : Geological Survey of Finland, 2006. P. 7–16. (Geological Survey of Finland ; special paper 42).
  43. Wipulanusat W., Nakrod S., Prabnarong P. Multi-hazard risk assessment using GIS and RS applications: a case study of Pak Phanang Basin // Walailak Journal of Science and Technology. 2009. Vol. 6. iss. 1. P. 109–125. doi:10.2004/wjst.v6i1.76
  44. O'Keefe P., Westgate K., Wisner B. Taking the Naturalness out of Natural Disasters // Nature. 1976. Vol. 260. P. 566–567. https://doi.org/10.1038/260566a0
  45. Community resilience as a metaphor, theory, set of capacities, and strategy for disaster readiness / F. H. Norris [et al.] // American Journal of Community Psychology. 2008. Vol. 41, iss. 1–2. P. 127–150. https://doi.org/10.1007/s10464-007-9156-6
  46. A methodological approach for the definition of multi‐risk maps at regional level: first application / A. Carpignano [et al.] // Journal of Risk Research. 2009. Vol. 12, iss. 3–4. P. 513–534. https://doi.org/10.1080/13669870903050269
  47. Zuccaro G., Leone M. F., Martucci C. Future research and innovation priorities in the field of natural hazards, disaster risk reduction, disaster risk management and climate change adaptation: a shared vision from the ESPREssO project // International Journal of Disaster Risk Reduction. 2020. Vol. 51. 101783. https://doi.org/10.1016/j.ijdrr.2020.101783
  48. Loat R. Risk management of natural hazards in Switzerland. Bern, 2010. 15 p. URL: https://www.sistemaprotezionecivile.it/allegati/1149_Svizzera_Risk_Management.pdf (date of access: 01.05.2022).
  49. Bell R., Glade T. Multi-hazard analysis in natural risk assessments // Risk Analysis IV / Editedby C. A. Brebbia. WIT Press, 2004. P. 197–206. (WIT Transactions on Ecology and the Environment ; vol. 77). URL: https://www.witpress.com/elibrary/wit-transactions-on-ecology-and-the-environment/77/14298 (date of access: 19.04.2022). doi:10.2495/RISK040181
  50. A review of hydro-meteorological hazard, vulnerability, and risk assessment frameworks and indicators in the context of nature-based solutions / M. A. R. Shah [et al.] // International Journal of Disaster Risk Reduction. 2020. Vol. 50. 101728. https://doi.org/10.1016/j.ijdrr.2020.101728
  51. Carrick N. A., Ostendorf B. Development of a spatial Decision Support System (DSS) for the Spencer Gulf penaeid prawn fishery, South Australia // Environmental Modelling & Software. 2007. Vol. 22, iss. 2. P. 137–148. https://doi.org/10.1016/j.envsoft.2005.07.025
  52. Integrated assessment of agricultural policies with dynamic land use change modelling / H. van Delden [et al.] // Ecological Modelling. 2010. Vol. 221, iss. 18. P. 2153–2166. https://doi.org/10.1016/j.ecolmodel.2010.03.023
  53. A decision support system for environmental effects monitoring / W. G. Booty [et al.] // Environmental Modelling & Software. 2009. Vol. 24, iss. 8. P. 889–900. https://doi.org/10.1016/j.envsoft.2009.02.001
  54. The WILDSPACE decision support system / I. W. Wong [et al.] // Environmental Modelling & Software. 2003. Vol. 18, iss. 6. P. 521–530. https://doi.org/10.1016/S1364-8152(03)00027-6
  55. Simulating urban development scenarios for Wuhan / Y. Shi [et al.] // 2012 6th International Association for China Planning Conference (IACP). IEEE, 2012. P. 1–13. https://doi.org/10.1109/IACP.2012.6342974
  56. Моделирование штормового волнения в Баренцевом море / С. А. Мысленков [и др.] // Вестник Московского университета. Серия 5. География. 2015. № 6. С. 65–75. URL: https://vestnik5.geogr.msu.ru/jour/article/view/195?locale=ru_RU (дата обращения: 12.12.2020).
  57. Nafziger J., She Y., Hicks F. Dynamic river ice processes in a river delta network // Cold Regions Science and Technology. 2019. Vol. 158. P. 275–287. https://doi.org/10.1016/j.coldregions.2018.09.005
  58. Decision support system development for integrated management of European coastal lagoons / M. Casini [et al.] // Environmental Modelling & Software. 2015. Vol. 64. P. 47–57. https://doi.org/10.1016/j.envsoft.2014.11.008
  59. Mysiak J., Giupponi C., Rosato P. Towards the development of a decision support system for water resource management // Environmental Modelling & Software. 2005. Vol. 20, iss. 2. P. 203–214. https://doi.org/10.1016/j.envsoft.2003.12.019
  60. Decision support systems for risk-based management of contaminated sites / A. Marcomini, G. W. Suter II, A. Critto (eds.). New York : Springer, 2008. 436 p. https://doi.org/10.1007/978-0-387-09722-0
  61. Коронкевич Н. И., Барабанова Е. А., Зайцева И. С. Наиболее опасные проявления экстремальных гидрологических ситуаций на территории России // Известия РАН. Серия географическая. 2010. № 6. С. 40–47.
  62. Geertman S., Stillwell J. Planning support systems: an introduction // Planning support systems in practice / S. Geertman, J. Stillwell (eds.). Berlin ; Heidelberg : Springer, 2003. P. 3–22. https://doi.org/10.1007/978-3-540-24795-1_1
  63. McIntosh B. S., Seaton R. A. F., Jeffrey P. Tools to think with? Towards understanding the use of computer-based support tools in policy relevant research // Environmental Modelling & Software. 2007. Vol. 22, iss. 5. P. 640–648. https://doi.org/10.1016/j.envsoft.2005.12.015
  64. How can we make progress with decision support systems in landscape and river basin management? Lessons learned from a comparative analysis of four different decision support systems / M. Volk [et al.] // Environmental Management. 2010. Vol. 46, iss. 6. P. 834–849. https://doi.org/10.1007/s00267-009-9417-2
  65. Argent R. M. An overview of model integration for environmental applications–components, frameworks and semantics // Environmental Modelling & Software. 2004. Vol. 19, iss. 3. P. 219–234. https://doi.org/10.1016/S1364-8152(03)00150-6

Скачать статью в PDF-формате