Використання засобів супутникового спостереження в комплексі методів оцінки ризиків метеорологічних і кліматичних надзвичайних ситуацій на урбанізованих територіях

Рубрика: 
Дослідження Землі з космосу
Костюченко, ЮВ, Білоус, ЮГ, Соловйов, ДМ, Копачевський, ІМ
Косм. наука технол. 2013, 19 ;(6):27–37
https://doi.org/10.15407/knit2013.06.027
Мова публікації: українська
Анотація: 

Розглядаються окремі аспекти створення теоретико-методичної бази використання даних супутникового спостереження снігового покриву в задачі оцінки метеорологічних, кліматичних і гідролого-гідрогеологічних ризиків у міських агломераціях. Запропоновано основи методу визначення характеристик снігового покриву на основі комплексного використання супутникової інформації (зокрема продуктів MOD10A1 та SWE, нормалізованого індексу снігового покриву NDSI, локальних метеорологічних спостережень, наземних калібрувальних і завіркових вимірювань). Запропоновано метод інтеграції даних з різних джерел на основі модифікованого методу трансформації ансамблів фільтрацією Кальмана та методу кернельаналізу головних компонентів розподілів даних. Показано, що запропонований підхід має достатньо високу відносну достовірність порівняно з іншими підходами (окремо використаних продуктів MOD10A1 та SWE) при застосуванні для аналізу міських агломерацій. Для тестування підходу розглянуто екстремальні снігопади 21—23 березня 2013 р. у м. Києві. Запропоновано кількісні оцінки показників ризиків та параметрів вразливості міської інфраструктури відносно негативних впливів надзвичайної ситуації.
Ключові слова: міська інфраструктура, сніговий покрив, супутникові дані
Full text (PDF)
References: 
  1. Изменения земных систем в Восточной Европе / Отв. ред. В.И. Лялько. — Киев, 2010. — 582 с.
  2. Костюченко Ю.В. Завіркові дані для вирішення задач прогнозування паводкової небезпеки // Багатоспектральні методи дистанційного зондування Землі в задачах природокористування / За ред. В.І. Лялька, М.О. Попова. — Київ: Наук. думка, 2006. — С. 282—283.
  3. Кравченко А.Н. Каскад гидрометеорологических моделей для прогнозирования паводков // Кибернетика и вычислительная техника. — 2007. — № 2. — С. 35—42.
  4. Кравченко А.Н., Куссуль Н.Н., Лупян Е.А. та ін. Мониторинг водных ресурсов на основе интеграции разнородных данных и высокопроизводительных вычислений // Кибернетика и системный анализ. — 2008. — № 6. — С. 117—126.
  5. Петравчук Л. В., Марухно Т. В., Першина Н. Г. та ін. Основні показники здоров’я та медичної допомоги населенню м. Києва. — Київ: Міський науковий інформаційно-аналітичний центр медичної статистики, Департамент охорони здоров’я Київської міської державної адміністрації. 2013. — 170 c.
  6. Anderson E.A. A point energy and mass balance model of a snow cover // NOAA Technical Report NWS. — 1976. — 19. — 150 p.
  7. Christianini N., Shawe-Taylor J. An introduction to support vector machines and other kernel-based learning methods. — Cambridge: Univ. Рress, 2000. — 212 р.
  8. Comprehensive Preparedness guide: Developing and maintaining emergency operations plans. — U.S. FEMA, 2011. — 124 p.
  9. Cowpertwait P.S.P. A generalized spatial-temporal model of rainfall based on a clustered point process // Proc. Roy. Soc. London A. — 1995. — 450. — P. 163—175.
10. Dozier J. Remote sensing of snow in visible and near-infrared wavelengths // Theory and applications of optical remote sensing / Ed. G. Asrar. — New York: John Wiley & Sons, 1989. — P. 527—547.
11. Ermoliev Yu., von Winterfeldt D. Risk, security and robust solutions // IIASA Interim Report. — 2010. — IR-10-013, IIASA. — 41 p.
12. Ermoliev Yu., von Winterfeldt D. Systemic risk and security management // Managing Safety of Heterogeneous Systems, Lecture Notes in Economics and Mathematical Systems. — Berlin Heidelberg: Springer-Verlag, 2012. — P. 19—49.
13. Ermoliev Y.M., Ermolieva T.Y., Amendola A., et al. A system approach to management of catastrophic risks // Eur. J. Operational Res. — 2000. — 122. — P. 452—460.
14. Hall D.K., Salomonson V.V., Riggs G.A. MODIS/Terra snow cover monthly L3 global 0.05deg CMG. Version 5. Boulder, Colorado USA: National Snow and Ice Data Center, 2006.
15. Hall D.K., Salomonson V.V., Riggs G.A. MODIS/Terra snow cover daily L3 global 500 m grid. Version 5. [indicate subset used]. Boulder, Colorado USA: National Snow and Ice Data Center, 2006.
16. Kostyuchenko Yu.V., Zlateva P., Stoyka Yu., et al. Role of systemic risk in regional ecological long-term threats analysis // Sustainable Civil Infrastructures — Hazards, Risk, Uncertainty / Phoon K. K., Beer M., Quek S. T., Pang S. D. (editors), (Proc. of Fifth Asian-Pacific Symposium on Structural Reliability and its Applications (APSSRA), 23—25 May, 2012), Research Publishing, Singapore, 2012. — P. 551—556, ISBN: 978-981-07-2219-7: doi:10.3850/978-981-07-2219-7 P226.
17. Kussul N., Shelestov A., Skakun S. Grid system for flood extent extraction from satellite images // Earth Sci. Inform. — 2008. — 1, N 3. — P. 105—117.
18. Lee J.-M., Yoo C.K., Choi S.W., et al. Nonlinear process monitoring using kernel principal component analysis // Chem. Eng. Sci. — 2004. — 59. — P. 223 — 234.
19. National Disaster recovery framework: strengthening disaster recovery for the nation. U.S.FEMA, 2011. — 116 p.
20. National Infrastructure Protection Plan. IS-860.a. U.S. FEMA, 2009. — 29 p.
21. Ogata Y. Estimation of the parameters in the modified Omori formula for aftershock frequencies by the maximum likelihood procedure // J. Phys. Earth. — 1983. — 31. — P. 115—124.
22.  Ramsay B. The interactive multisensor snow and ice mapping system // Hydrol. Processes. — 1998. — 12. — P. 1537—1546.
23. Scheolkopf B., Smola A. J., Muller K. Nonlinear component analysis as a kernel eigenvalue problem // Neural Computation. — 1998. — 10, N 5. — P. 1299—1399.
24. Strategic National risk assessment. The strategic national risk assessment in support of PPD 8: A comprehensive risk-based approach toward a secure and resilient nation. U.S.FEMA, 2011. — 7 p.
25. Tedesco M., Kelly R., Foster J. L., Chang A. T. C. AMSR-E/ Aqua 5-day L3 global snow water equivalent EASE-grids. Version 2. Boulder, Colorado USA: National Snow and Ice Data Center, 2004.
26. Villez K., Ruiz M., Sin G., et al. Combining multiway principal component analysis (MPCA) and clustering for efficient data mining of historical data sets of SBR processes // Water Sci. and Technology. — 2008. — 57, N 10. — P. 1659—1666.
27. Wang X., Bishop C.H. A Comparison of breeding and ensemble transform Kalman filter ensemble forecast schemes // J. Atmos. Sci. — 2003. — 60. — P. 1140—1158.
28. Zhang Y.Z., Jin C., Yan S., Chiu L.S. Seasonal snow monitoring in Northeast China using space-borne sensors: preliminary results // Ann. Geogr. Inf. Sci.  —  2008. — 14. — P. 113—119.

29. Zhang Yu., Yan S., Lu Y. Snow cover monitoring using MODIS data in Liaoning province, Northeastern China // Remote Sens. Environ. — 2010. — 2. — P. 777—793; doi:10.3390/rs2030777.