Введение 3
2 Методология исследования 9
2.1 Исходные Данные 9
2.2 Методология 11
2.3 Оценка качества моделей построения траекторий атмосферных явлений
2.4 Модель с произвольным правилом сопоставления 19
2.5 Модель, базирующаяся на нейросетевом подходе 20
2.6 Предобработка данных мезоциклонов 20
2.7 Предобработка данных тропических циклонов 23
3 Реализация и оптимизация предложенных моделей 25
3.1 Нейронная сеть для работы с данными мезоциклонов 26
3.2 Нейронная сеть для работы с данными тропических циклонов 29
4 Результаты 31
5 Заключение
Список литературы
Купить

Построение и исследование климатологии атмосферных явлений является ключевой задачей в ис-следовании климата. Кроме того, циклоны и мезоциклоны играют важную роль в гидрологическом цикле атмосферы над океаном, определяя перенос и интенсивность атмосферных осадков. Поэтому исследование климатологии данных явлений является одной из важнейших задач океанологии и метеорологии. Над поверхностью океана ежегодно зарождается и существует большое количество циклонов и мезоциклонов, которые оказывают существенное влияние на гидрологический цикл атмосферы над океаном. Для построения климатологии данных атмосферных явлений необходимо понимать не только их физику зарождения и диссипации, но и обладать информацией о траекториях перемещения. На данный момент существует множество методов для построения траекторий тропических циклонов [1-3], для мезомасштабных явлений метод приемлемого качества еще не предложен, и все траектории строятся специалистом вручную. Поэтому решение задачи построения траекторий полярных мезоциклонов необходимо для дальнейшего понимания климатологии данных явлений.
Цель настоящей работы: разработка метода построения траекторий атмосферных вихрей произвольного масштаба и произвольной природы в данных, позволяющих регистрировать эти явления и различать их между собой.
Для достижения поставленной цели решались следующие задачи:
1. поиск и анализ существующих методов построения траекторий атмосферных явлений различного масштаба: тропических и внетропических циклонов, мезомасштабных циклонов;
2. анализ существующих исследований в отношении типов исходных данных, в которых есть воз-можность регистрировать и различать тропические циклоны и полярные мезоциклоны;
3. поиск и анализ существующих баз данных траекторий тропических циклонов и полярных мезо-циклонов;
4. формулировка метода построения траекторий атмосферных вихрей произвольного масштаба и произвольной природы с применением моделей, основанных на данных (моделей машинного обучения);
5. формулировка мер качества моделей, применяемых в рамках предложенного подхода построения траекторий атмосферных вихрей;
6. разведочный анализ и предварительная обработка исходных данных для построения признакового описания тропических циклонов и полярных мезоциклонов;
7. формулировка моделей машинного обучения, применяемых в рамках сформулированного подхода построения траекторий атмосферных вихрей;
8. реализация и оптимизация сформулированных моделей машинного обучения, оценка их качества.
Полярные мезомасштабные циклоны представляют собой интенсивные атмосферные вихри, которые формируются над океаном в высоких широтах и характеризуются размерами 200 — 1000 км и средним временем жизни 6-36 часов [4]. Полярные мезоциклоны характеризуются скоростью приземного ветра >15м/с и оказывают огромное влияние на процессы на поверхности открытого океана в регионах их наиболее частого возникновения в морях Северного и Южного полушарии.
При исследовании мезомасштабных циклонов, являющихся важным элементом циркуляции атмосферы в высоких широтах в системе взаимодействия океана и атмосферы, отсутствие досточного анализа природы движения мезомасштабных явлений является одной из проблем для понимания климотологии атмосферных объектов. В связи с этим для полноценного анализа природы и физических механизмов мезосштабных циклонических вихрей необходимо получение траекторий движения данных объектов за продолжительный отрезок времени. Полученная база траекторий может быть полезна для анализа динамики возникновения и эволюции мезомасштабных атмосферных вихрей. Поэтому данное исследование ставит перед собой целью создание универсального метода для построения траекторий тропических циклонов и полярных мезоциклонов, который в дальнейшем может быть расширен для работы с другими атмосферными явлениями.
Исследование антарктических явлений [4] и, в частности, мезоциклонов является одной из важных и перспективных задач в исследовании климата. Определение и аккуратное описание траекторий движения мезоциклонов принципиально необходимо для понимания климатологии данных явлений среди множества антарктических атмосферных структур.
Полярными мезоциклонами называют интенсивные мезомасштабные вихри, которые образуются в высоких широтах, как правило, в холодный период года. Образование полярных мезоциклонов часто происходит в условиях вторжения холодной воздушной массы со льда на открытую относительно теплую морскую поверхность [5]. Их размеры относительно невелики и составляют от сотни до тысячи километров (характерный масштаб 200-600 км), а время жизни изменяется от нескольких часов до нескольких суток. Интерес к их исследованию объясняется тем, что МЦ имеют взрывной характер формирования и вызывают экстремальные погодные явления (штормовые волнение и ветер, обледенение судов и сооружений, снежные заряды с ухудшением видимости). Полярные мезоциклоны являются важным составляющим климатической системы полярных регионов. Но из-за относительно небольших размеров и короткого времени жизни их идентификация, анализ и изучение на основе стандартной синоптической информации и продуктов глобального реанализа затруднены [4]
В настоящем исследовании в качестве задачи трекинга рассматривается задача построения траектории движения для каждого отдельно взятого мезоциклона со спутникого изображения. В существующих алгоритмах задача трекинга обычно состоит из трех этапов: фильтрация исходных данных, детектирование явлений и построение траекторий отдельных явлений. Существующие на данный момент методы трекинга мезоциклонов основываются на моделях, показывающих хорошие результаты для атмосферных вихрей синоптического и субсиноптического масштабов, которые не могут быть применимы для таких явлений как мезоциклоны вследствие их малых размеров, короткого периода и высокой скорости перемещения [4].
Тропическими циклонами называются воздушные вихри, образующиеся в тропических широтах. Тропические циклоны зарождаются и развиваются только над поверхностью крупных водоёмов, тогда как над сушей они обычно быстро диссипируют. Они вызывают не только чрезвычайно сильные ливни, но штормовые приливы и смерчи. Именно поэтому прибрежные районы и острова в наибольшей степени страдают от вызванных ими разрушений, тогда как районы в глубине материков находятся в относительной безопасности [6]. Однако вызванные тропическими циклонами ливневые дожди могут вызвать наводнения значительных масштабов несколько дальше от побережья, на расстоянии до 40 км. В связи с этим существует потребность в базе данных треков тропических циклонов для дальнейшего анализа их поведения и предотвращения неблагоприятных экономических последствий.
Ранние методы, предложенные для решения задачи трекинга основывались на предположении, что движущиеся объекты остаются неизменными (их размер и форма не меняются при переходе между последовательными кадрами исходных данных), которое неприменимо не только для решения задачи трекинга мезоциклонов, но даже тропических циклонов.
Метод, предложенный в статье [1] используется для трекинга циклонов. В качестве входных данных в этом исследовании использовались результаты отслеживания штормов в поле давления [7] для 42 зимних сезонов (январь-март) с 1958 по 1999 г. с временным разрешением 6 часов по данным реанализа [8]. Идея метода может быть описана следующим образом: в каждый последующий момент времени каждому циклону соотносится такой циклон, который ближе к выбранному в предыдущий момент времени. Этот метод не может быть использован в данной работе для построения траекторий полярных мезоциклонов из-за того, что мезоциклоны имеют меньшую «инертность» (ввиду высокой скорости перемещения) и степень предсказуемости положения для мезоциклонов намного ниже, нежели чем для тропических циклонов, поэтому соотносить местоположения двух ближайщих мезоциклонов на двух последовательных моментах времени не представляется целесообразным в контексте задачи построения траекторий полярных мезоциклонов.
Несколько методов было предложено для решения задачи трекинга в статье [2], построенью на предположениях гладкого движения циклонов. Это побудило авторов статьи минимизировать функцию, которая бы давала наиболее гладкий трек из всех возможных. Эти предположения сильно ограничивают область применимости алгоритма. В этом исследовании отдельно подчеркивается особая роль ограничения, накладываемого на гладкость трека, формулируемого с помощью специальной функции потерь, оптимизируемой при поиске решения для каждого отдельного циклона. По мнению авторов, плюс их метода состоит в том, что он может работать одновременно с большим количеством движущихся объектов.
Другой метод [3] также используется для трекинга циклонических явлений и полностью построен на предположении, что трек не может измениться прерывисто, и скорость движения также изменяется
плавно. Такое предположение не выполняется в случае мезоциклонов. Автор статьи делает основной упор на решение задачи сегментации объектов, так как решив задачу выделения границ объекта, он в последующие моменты времени сопоставляет для найденного объекта ближайший с предыдущего временного момента. Применимость данного метода зависит от временного разрешения исходных данных.
В работе [9] был предложен алгоритм для решения задачи трекинга атмосферных циклонов. Согласно этому исследованию, на данный момент не существует универсальных алгоритмов в данной области, подразумевая, что предложенные ими методы исследования(а именно - машинного обучения) являются новыми, приминительно к трекингу и сегментации атмосферных явлений, и не существует универсального метода для извлечения данных из реанализов. В рамках исследования решается задача регрессии для определения дальнейших координат тропических циклонов в каждый последующий момент времени для заданного начального положения. В этом исследовании авторы использую результаты 20-летнего (с 1996 по 2015 гг.) запуска модели атмосферы CAM5 [10]. Каждый снимок состояния глобальной атмосферы в модели CAM5 состоит из нескольких физических переменных, таких как водяной пар, температура поверхности атмосферы, давление, скорость ветра и т. д. Решается данная задача с использованием модели LSTM( [11] тип нейронной сети, где связи между элементами образуют направленную последовательность. Благодаря этому появляется возможность обрабатывать серии событий во времени или последовательные пространственные цепочки), что является хорошим выбором в рамках поставленной задачи(имея заданным начальное положение циклона, нужно определить оставшиеся положения в каждый последующий момент времени).Отличительной особенностью данной задачи является то, что на заданной синоптической карте мезоциклоны не выделены, поэтому, прежде чем решать задачу трекинга - решается задача сегментаци, то есть нахождение и выделение циклона на входном изображении. Для получения изображения, с имеющимися на нем циклонами, была использована архитектура DenseNet [12], которая работает на базе кодировщик-декодер(энкодер учится сжимать исходные данные, выделяя наиболее информативные, называемые скрытым представлением, признаки, а декодер учится восстанавливать исходные данные, при условии заданного скрытого представления). Данный метод частично решает проблему построения траекторий, но у него есть существенные недостатки: он применим только для работы с отдельно взятыми атмосферными явлениями, сопоставимыми по масштабу с внетропическими среднеширотными циклонами. Этот метод не решает поставленную задачу построения траекторий в формулировке, приведенной ранее, а именно нахождение каждого мезоциклона, который находится в совокупности с другими в определенный промежуток времени. Алгоритм предназначен для работы с отдельно движущимися объектами.
Важно заметить, что все методы, предложенные для построения траекторий тропических циклонов, работают с данными реанализов, которые не могут быть использованы для построения треков полярных мезоциклонов, так как мезоциклоны плохо воспроизводятся по данным реанализа ERA5 [13,14]; всего 78% всех мезоциклонов воспроизводятся по данным реанализов [4]. В связи с этим необходимо создание метода, который будет способен строить траектории мезоциклонов по данным, в которых вихри такого масштаба надежно воспроизводятся. Например, по данным дистанционного зондирования [15]. На данный момент не существует оптимального метода для построения подобных траекторий и все они строятся человеком, что очень времязатратно.
Относительно недавно был предложен метод для трекинга мезомаштабных явлений (TAMS) [16] Данный алгоритм полагается на пересечение областей объектов в два последовательных промежутка времени. Данный метод может быть применим только в работе с высокочастотными данными, когда движущиеся объекты не успевают отдалиться друг от друга за два последовательных момента времени. Полярные мезоциклоны такими объектами не являются, поэтому применение данного алгоритма сильно ограничено, поскольку можно заранее предположить что он будет формировать сокращенные траектории
Несколько методов именно для трекинга полярных мезоциклонов было предложено Xia и др. [17]. В первом методе (MZ - Zahn and von Storch’s method) используются поля среднего давления моря (MSLP) с цифровой полосовой фильтрацией в пространственном диапазоне 200-600 км (Рис. 3). и временным разрешением 3 часа. По словам авторов статьи, метод разработан специально для работы с полярными мезоциклонами. Второй метод(КН - Hodges’ algorithm) также использует полосовой фильтр, но основан на дискретных косинусных преобразованиях (DCT) и может применяться к полям MSLP и полям завихренности. Второй метод был изначально разработан для работы с циклонами, но дальнейшая его модификация показала применимость и к полярным мезоциклонам. Обе модели работали на данных реанилиза NCEP/NCAR за период с октября 1993 по сентябрь 1995. Каждый из предложенных алгоритмов разбит на три основные части: фильтрация исходных данных, идентификация ПМЦ и построение траекторий. В качестве фильтрации первый метод применяет сочетание прямого и обратного дискретного преобразования Фурье, второй - использует изотропный двумерный пространственный цифровой фильтр (Рис. 4). Перед применением каждого из фильтров поля давления нормализуются для исключения локальных пространственных и временных возмущений. Метод MZ был разработан для поиска минимумов в поле давления. Метод KH сначала разбивает поля на отдельные области с помощью маркировки связных компонент, а затем обнаруживает границы в каждом регионе [3]. Этот метод находит минимумы, которые расположены между точками сетки, используя B-сплайн-интерполяцию. Это приводит к сглаживанию треков. Следующий шаг в работе предложенных алгоритмов - соединение идентифицированных позиций в треки. В методе KH используется метод ближайшего соседа: в последующий момент времени к выбранному мезоциклону приписывается ближайший с с предыдущего момента времени. Также авторы данного метода производили оптимизацию среди выбранных треков для построения самого гладкого. Таким образом можно заявлять, что авторы данной статьи отождествляли самый оптимальный трек с самым гладким. Это идет вразрез с предположением оптимальности трека, заключающемся в том, что трек должен состоять из объектов наиболее похожих друг на друга в соседние промежутки времени. Метод KH, помимо вышеизложенного ограничения, добавляет еще ограничение на поиск подходящего объекта в трек: ближайший объект не может сместиться более чем на 200 км. Если же этому условию удовлетворили несколько мезоциклонов в определенный момент времени, то в трек добавляется ближайший к текущей позиции мезоциклона (Рис. 5). По вышеизложенным причинам, данный метод имеет значительные ограничения на степень своей выразительности: так как в течение 3-х часов мезоциклон может переместиться более чем на 200 км, и у алгоритма не будет даже малейшего шанса определить правильный [4]. Также авторы наложили еще одно ограничение на формируемые треки: каждый трек должен иметь по крайней мере 8 шагов по времени (то есть длиться один день), что также является сильным ограничением на природу мезоциклонов, которые могут существовать 6 часов [4]. Резюмируя все вышесказанное, методы построения траекторий существуют, но у них есть свои особенности связанные связанные с обработкой не хаотично движущихся объектов, которыми являются полярные мезоциклоны, поэтому возникает необходимость создания нового способа построения траекторий, который бы не обладал такими особенностями.

Купить