Алгоритмическое обеспечение систем мониторинга и анализа распространения пепловых облаков от вулканов Камчатки и Курил тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат наук Мальковский Сергей Иванович

• Мальковский Сергей Иванович
• кандидат наук
• 2020

Оглавление диссертации кандидат наук Мальковский Сергей Иванович

Введение

Глава 1. Задачи и методы исследования распространения

пепловых облаков в атмосфере

1.1 Научные и прикладные задачи изучения распространения пепловых облаков в атмосфере

1.2 Спутниковый мониторинг пепловых облаков и шлейфов

1.3 Определение основных параметров пепловых облаков на основе спутниковых данных

1.4 Модели распространения вулканического пепла в атмосфере

1.5 Численные модели прогноза погоды и проекты реанализа как источники данных для моделирования распространения пепла

1.6 Информационные системы для мониторинга и анализа распространения пепловых облаков

1.7 Выводы

Глава 2. Моделирование распространения пепловых облаков

2.1 Модель PUFF

2.1.1 Развитие возможностей программной реализации модели

2.2 Модель FALL3D

2.2.1 Расширение функциональности программной реализации модели

2.2.2 Метод определения начального гранулометрического состава пепла

2.3 Алгоритм вычисления количественных характеристик пепловых облаков

2.4 Выводы

Глава 3. Компьютерная система мониторинга и анализа

распространения пепловых облаков

3.1 Подсистема моделирования распространения пепловых облаков

Стр.

3.1.1 Алгоритмы функционирования программных реализаций

моделей в рамках компьютерной системы

3.1.2 Механизмы работы с метеорологическими данными

3.1.3 Алгоритм работы с источниками параметров эксплозивных событий и справочными данными

3.1.4 Реализация пользовательских интерфейсов

3.2 Механизм функционирования компьютерной системы в режиме совместного анализа результатов моделирования и спутниковой информации в ИС Уо18а1;У1е'\¥

3.3 Выводы

Глава 4. Апробация компьютерной системы мониторинга и

анализа распространения пепловых облаков

4.1 Ретроспективный анализ распространения пеплового облака во время исторического эксплозивного события на примере катастрофического извержения вулкана Шивелуч в 1964 году

4.2 Анализ распространения пепловых облаков во время современного эксплозивного события на примере извержения вулкана Шивелуч 10 апреля 2019 года

4.3 Пример восстановления параметров эксплозивного события путем совместного анализа результатов моделирования и

данных ДЗЗ

4.4 Выводы

Заключение

Список сокращений и условных обозначений

Словарь терминов

Список литературы

Список рисунков

Список таблиц

Стр.

Приложение А. Основные виды спутниковой информации в

ИС VolSatView

Приложение Б. Основные информационные продукты,

используемые в ИС \го18ак\г1е\¥

Приложение В. Исходный код компонентов компьютерной

системы

Приложение Г. Пример взаимодействия с \¥еЬ-сервисом при

работе с результатами моделирования

Приложение Д. Свидетельства о государственной регистрации

программ для ЭВМ

Приложение Е. Акты о внедрении

142

Введение диссертации (часть автореферата) на тему «Алгоритмическое обеспечение систем мониторинга и анализа распространения пепловых облаков от вулканов Камчатки и Курил»

Введение

Пепловые облака и шлейфы, возникающие при эксплозивных извержениях вулканов Курило-Камчатского региона Дальнего Востока России, представляют большую опасность для населения и народного хозяйства. Выпадающий из них пепел может приводить к респираторным заболеваниям населения, затруднять движение транспорта и работу аэропортов, вызывать обрушения крыш строений. Облака, состоящие из частиц пепла размером менее 0,1 мм, могут оставаться в атмосфере продолжительное время, а на больших высотах переноситься ветром на тысячи километров от вулканов. Прохождение самолета через пепловое облако может приводить к отказу двигателей, абразивному истиранию стекол иллюминаторов и аэродинамических поверхностей, засорению и перегреву электроники и т. д. С дальнейшим активным ростом объемов воздушных перевозок риск встреч самолетов с пепловыми облаками будет только возрастать. В связи с этим актуальной является задача совершенствования существующих алгоритмов обработки и анализа данных для комплексного изучения процессов переноса вулканического пепла в атмосфере и разработка на их основе современных компьютерных систем мониторинга с целью проведения соответствующих фундаментальных научных исследований и оперативного управленческого реагирования на возникающие опасные природные явления.

Снижение вулканической опасности для авиаперевозок в указанном регионе требует оперативного прогнозирования перемещения пепловых облаков в атмосфере. Для решения этой задачи применяется численное моделирование. Исходные данные, используемые для инициализации моделей распространения пепла, как правило, формируются на основе результатов обработки данных специализированного мониторинга. Из-за удаленности большинства вулканов Камчатки и Курил от населенных районов и слабой развитости сети наземных наблюдений их источником является информация, полученная в основном дистанционными методами. С развитием спутниковых систем наблюдения за земной поверхностью, первое место среди них занимают методы дистанционного зондирования Земли (ДЗЗ).

Следует отметить, что существует ряд факторов, влияющих на точность прогноза положения и характеристик пепловых облаков: погрешности в прогностических метеорологических данных; погрешности, возникающие при

определении начальных параметров пеплового облака; упрощенное описание эксплозивного процесса, а также процессов, происходящих в пепловом облаке при его распространении, заложенное в модели и т. д. Одним из способов повышения точности моделирования является проведение совместного анализа данных наблюдений и результатов прогноза распространения пепловых облаков дЛЯ уточнения начальных параметров эксплозивных событий. Использование такого подхода требует совершенствования существующего алгоритмического обеспечения.

Таким образом, анализ распространения пепловых облаков и шлейфов является сложной комплексной научной задачей, требующей использования различных видов данных, соответствующих алгоритмов и технологий для их обработки и анализа. Её решение связано со сбором и обработкой спутниковой и метеорологической информации, проведением численных расчетов, созданием специальных программных средств и интерфейсов для анализа разнородной информации, что крайне затруднительно реализовать в рамках одной информационной системы (ИС). Уникальность вулканов, обусловленная особенностями их географического расположения и геологического строения, а также имеющиеся средства и технологии инструментального мониторинга, требуют применения индивидуального подхода в реализации указанных решений. Важность изучения и оперативного мониторинга вулканической активности на Камчатке и Курилах, в частности, распространения пепловых облаков от вулканов, и практическая сложность решения перечисленных задач служит обоснованием актуальности настоящей работы.

Степень разработанности темы. Развитию математического обеспечения для моделирования распространения вулканического пепла в атмосфере посвящены статьи T. Iwasaki, С. Searcy, К. Dean, В. Sic, A. F. Stein, A. Costa, R. D'Amours и др. В становление и развитие методов анализа спутниковых данных с целью детектирования и определения характеристик пепловых облаков и шлейфов внесли существенный вклад работы A. J. Plata. S. Wen, W. I. Rose, I. F. Grant, T. Yu, С. Spinetti, M. J. Pavolonis, L. Merucci и др.

Вопросам разработки алгоритмов для обработки и анализа научных данных, создания компьютерных систем и технологий для исследования вулканической активности посвящены труды следующих отечественных и зарубежных ученых: О. А. Гириной, Е. А. Лупяна, А. А. Сорокина, И. М. Романовой, А. N. Bear-Crozier, G. Rolph, P. W. Webley, R. Potts, R. Peterson и др.

Несмотря на значительный научный задел по отдельным направлениям, вопросы создания современных инструментов для моделирования распространения пепловых облаков от вулканов еще далеки от своего решения. Актуальные задачи оперативного мониторинга вулканической активности выставляют высокие требования к скорости обработки и анализа разнородных научных данных, а также верификации полученных результатов. Существующие численные модели не всегда могут обеспечить необходимый уровень производительности, а также, в большинстве своем, не адаптированы к технологическим особенностям мониторинга исследуемых вулканов на отдельных территориях, например, на Камчатке и Курилах. Помимо этого, отдельного внимания заслуживают вопросы разработки методов и алгоритмов уточнения параметров моделирования на основе ассимиляции данных спутникового мониторинга в численные модели распространения вулканического пепла в атмосфере.

Целью диссертации являлось совершенствование алгоритмического обеспечения, а также разработка на его основе эффективной компьютерной системы мониторинга и анализа распространения пепловых облаков с целью изучения вулканической активности Камчатки и Курил. Достижение поставленной цели потребовало решения следующих задач:

1. Выполнить анализ численных моделей распространения вулканического пепла в атмосфере, позволяющих определять качественные и количественные характеристики пепловых облаков и шлейфов.

2. Повысить эффективность работы алгоритмического обеспечения для прогнозирования перемещения пепловых облаков в режиме оперативных наблюдений, а также провести его адаптацию с учетом особенностей вулканов Камчатки и Курил.

3. Разработать комплексную компьютерную систему моделирования распространения пепловых облаков, обеспечивающую решение задач, связанных с численными расчетами, визуализацией полученных результатов, взаимодействием с внешними тематическими информационными системами.

4. Создать инструменты для проведения сравнительного анализа результатов моделирования с фактическими данными, полученными методами дистанционного зондирования, позволяющие восстанавливать характеристики эксплозивных событий.

5. Проанализировать эффективность разработанных решений на примере отдельных эксплозивных событий вулканов Камчатки.

Научная новизна: разработаны алгоритмы организации вычислений на основе математических моделей распространения пепла в атмосфере, позволяющие повысить точность и оперативность определения количественных характеристик пепловых облаков; созданы алгоритмическое обеспечение и компьютерная система, предназначенные для моделирования и визуализации распространения пепловых облаков, возникающих при эксплозивных извержениях вулканов Камчатки и Курил, а также инструменты совместного анализа полученных результатов с данными ДЗЗ.

Теоретическая и практическая значимость работы заключается в том, что полученные результаты позволили повысить точность и оперативность прогноза распространения пепловых облаков и шлейфов, возникающих при эксплозивных извержениях вулканов Камчатки и Курил.

Усовершенствованное алгоритмическое обеспечение, а также разработанная компьютерная система применяются с 2016 г. в оперативной работе Камчатской группы реагирования на вулканические извержения (KVERT — Kamchatkan Volcanic Eruption Response Team) Института вулканологии и сейсмологии Дальневосточного отделения Российской академии наук (ИВиС ДВО РАН), выполняющей функции Вулканологической обсерватории России. Кроме этого, они были использованы при выполнении научно-исследовательских работ в рамках проектов Российского научного фонда (№ 16-17-00042), Российского фонда фундаментальных исследований (№ 18-29-03100), Дальневосточного отделения Российской академии наук (№ 18-5-091) и государственного задания Вычислительного центра Дальневосточного отделения РАН (с 2013 по 2019 гг.).

Методология и методы исследования. Теоретико-методологической основой работы являются труды отечественных и зарубежных авторов, посвященные проблемам моделирования распространения вулканических пепловых облаков в атмосфере, визуализации и системного анализа информации, а также создания человеко-машинных проблемно-ориентированных интерфейсов и распределенных ИС.

Соответствие паспорту специальности. Содержание диссертации соответствует паспорту специальности 05.13.01 "Системный анализ, управление и обработка информации" в части:

— п. 5 "Разработка специального математического и алгоритмического обеспечения систем анализа, оптимизации, управления, принятия решений и обработки информации";

— п. 9 "Разработка проблемно-ориентированных систем управления, принятия решений и оптимизации технических объектов";

— п. 12 "Визуализация, трансформация и анализ информации на основе компьютерных методов обработки информации";

— п. 13 "Методы получения, анализа и обработки экспертной информации".

Основные положения, выносимые на защиту:

1. Алгоритмы организации вычислений на основе математических моделей распространения пепла в атмосфере PUFF и FALL3D, позволяющие повысить точность и оперативность определения количественных характеристик пепловых облаков.

2. Алгоритмы функционирования компьютерной системы мониторинга, основанные на взаимодействии различных тематических ИС, позволяющие выполнять оперативное прогнозирование и визуализацию распространения вулканического пепла.

3. Компьютерная система для моделирования и визуализации распространения вулканического пепла, а также проведения совместного анализа полученных результатов со спутниковой информацией с целью восстановления параметров эксплозивных событий.

Достоверность полученных результатов обеспечивается проведенными численными экспериментами по моделированию распространения пепловых облаков и шлейфов, возникших при эксплозивных извержениях вулканов Камчатки, которые находятся в хорошем соответствии с данными инструментальных наблюдений, полученных, в том числе, с использованием методов ДЗЗ.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на всероссийских и международных конференциях. Всего сделано более 20 докладов: на международной конференции 6th International Workshop on Computer Science and Engineering, WCSE 2016 (r. Токио, Япония, 2016); IV-V Всероссийских научно-практических конференциях "Информационные технологии и высокопроизводительные вычисления" (г. Хабаровск, 2017, 2019); IV Всероссийской научно-технической конференции "Суперкомпьютерные технологии" (г. Геленджик, 2016); XIV-XVII Всероссийских

конференциях "Современные проблемы дистанционного зондирования Земли из космоса" (г. Москва, Россия, 2016-2019); международной конференции 10th Biennual workshop on Japan-Kamchatka-Alaska subduction processes, JKASP-2018 (г. Петропавловск-Камчатский, Россия, 2018) и др.

За достигнутые научные результаты, полученные при работе над диссертацией, автор был удостоен стипендии Хабаровского края имени H. Н. Муравьева-Амурского за 2018 год.

Личный вклад. Автор провел адаптацию и совершенствование работы численных моделей распространения вулканического пепла в атмосфере. Выполнил работы по созданию алгоритмического обеспечения и компьютерной системы, предназначенных для моделирования и визуализации распространения пепловых облаков, а также инструментов совместного анализа полученных результатов с данными ДЗЗ. Провел серию численных экспериментов по моделированию распространения облаков вулканического пепла в атмосфере на примере отдельных извержений вулканов Камчатки.

Публикации. Основные результаты по теме диссертации изложены в 26 научных работах, 6 из которых изданы в периодических научных журналах, индексируемых в базах данных Web of Science и Scopus, 2 — в журналах, рекомендованных ВАК, 18 и материалах конференций. Получено 2 свидетельства о государственной регистрации программы для электронных вычислительных машин (ЭВМ). Опубликована одна коллективная монография.

Внедрение результатов работы. Диссертация выполнена в Вычислительном центре Дальневосточного отделения Российской академии наук (ВЦ ДВО РАН). Научные результаты исследований и созданные на их основе программные системы внедрены:

— в Институте вулканологии и сейсмологии Дальневосточного отделения Российской академии наук (г. Петропавловск-Камчатский) для оперативного прогнозирования распространения пепловых облаков, возникающих при эксплозивных извержениях вулканов Камчатки и Курил;

— в Институте космических исследований Российской академии наук (г. Москва) для совместного анализа результатов моделирования распространения пепловых облаков и спутниковой информации при комплексном мониторинге вулканов Камчатки и Курил.

Указанные внедрения подтверждены соответствующими актами.

и

Объем и структура работы. Диссертация состоит из введения, четырёх глав, заключения и шести приложений. Полный объём диссертации составляет 143 страницы, включая 34 рисунка и 5 таблиц. Список литературы содержит 116 наименований.

Глава 1. Задачи и методы исследования распространения пепловых

облаков в атмосфере

1.1 Научные и прикладные задачи изучения распространения

пепловых облаков в атмосфере

Эксплозивные извержения являются одними из самых опасных и непредсказуемых проявлений вулканической активности. Они представляют собой относительно краткосрочные (минуты) сильные взрывы или серии взрывов с выбросом пирокластического материала, происходящие при стремительном расширении газов в поднимающемся к поверхности Земли магматическом веществе. Во время катастрофических эксплозивных событий, к которым можно отнести извержения вулканов Безымянный в 1956 г. и Шивелуч в 1964 г. (Камчатка), Сент-Хеленс в 1980 г. (север тихоокеанского побережья США), Пи-натубо в 1991 г. (остров Лусон, Филиппины) и т. д., объем извергнутых пород может превышать 1 км3, а высота выброса - доходить до 30 км над уровнем моря (н. у. м.) и выше [1]. Часть фрагментированных пород, к которым относятся вулканические бомбы и блоки (с1 > 64 мм), а также лапилли (2 мм ^ с1 ^ 64 мм), выпадает на относительно небольшом расстоянии от вулкана (менее 50 км). Другая часть, с размером частиц менее 2 мм, называемая вулканическим пеплом, на больших высотах переносится ветром на тысячи километров от вулкана в виде облаков и шлейфов. Выпадающий из них пепел может приводить к респираторным заболеваниям у населения [2], затруднять движение транспорта [3] и функционирование аэродромов [4], вызывать обрушения крыш строений [5]. Однако, наибольшую опасность такие облака и шлейфы представляют для реактивной авиации [6].

Прохождение самолета через пепловое облако может привести к отказу двигателей, абразивному истиранию стекол иллюминаторов и аэродинамических поверхностей, засорению, перегреву и отказу электроники и т. д. Абразивные свойства пепла объясняются тем, что он в основном состоит из мельчайших осколков вулканического стекла (Б^), возникающих путем разрушения оболочек пузырьков газа при взрывной декомпрессии магмы по мере её поступления на поверхность. При температурах порядка 700-1000 °С

вулканическое стекло становится пластичным. Поэтому вулканический пепел размягчается в камере сгорания реактивного двигателя, имеющей температуру 1200-1500 °С, и налипает на его внутренние элементы. Этот процесс может вызывать отказ двигателей самолета. Таким образом, воздействие пепла на элементы конструкции реактивных авиалайнеров может иметь катастрофичные последствия, вплоть до потери самолета.

За период с 1953 по 2014 год в мире было зафиксировано 242 инцидента [7; 8] по прохождению самолетов через пепловые облака. При этом 40 % из них привели к повреждению обшивки или двигателей самолета. Из 9 инцидентов, связанных с отказом двигателя, два едва не закончились катастрофой. Во время первого произошел отказ всех двигателей самолета В747 British Airways при прохождении через облако пепла, возникшего при извержении вулкана Галунг-гунг, над Явой в 1982 году. Перезапустить их удалось на высоте 4 км спустя 15 минут планирования. Второй инцидент также заключался в отказе всех двигателей самолета В747 KLM в 1989 году. Он был вызван прохождением самолета через пепловое облако, выброшенное вулканом Редаут на Аляске.

Еще одним примером влияния пепловых облаков и шлейфов на безопасность полетов авиации может служить эксплозивное извержение вулкана Эйяфьядлайёкюдль в Исландии, произошедшее 14 апреля 2010 года, сопровождавшееся выбросом пепла на высоту до 13 км, которое привело к закрытию аэропортов и приостановке авиасообщения в Европе. Экономический ущерб от этого события составил порядка 5 миллиардов долларов США, из которых 2 миллиарда пришлись на прямой ущерб для авиационной индустрии [9].

Таким образом, для обеспечения безопасности авиационного сообщения, актуальной и важной является задача комплексного изучения процессов переноса вулканического пепла в атмосфере как в оперативном, так и в ретроспективном режимах. Она заключается в обнаружении, отслеживании и прогнозе перемещения пепловых облаков и шлейфов, представляющих опасность для авиации.

Решение рассматриваемой задачи важно для снижения вулканической опасности на территории Дальнего Востока России, поскольку Кури.ю-Камчатским регион является одним из самых вулканически активных регионов мира. Здесь расположено более семи тысяч вулканов [10], из которых 30 действующие. Ежегодно от двух до шести из них извергаются, поставляя в атмосферу тонны вулканогенных продуктов [1]. При этом, по данным KVERT,

каждый год происходит от 5 до 25 эксплозивных событий с выносом пепла до Ю-15 км н. у. м. [11]. В связи с преобладающими ветрами западного направления, вулканический пепел камчатских вулканов часто попадает в районы международных авиатрасс северо-западной части Тихоокеанского региона. Снижение вулканической опасности для авиаперевозок в указанном регионе требует обеспечения оперативного прогнозирования перемещения пепловых облаков в атмосфере. При решении этой задачи применяется численное моделирование. Исходные данные, используемые для инициализации моделей распространения пепла, как правило, формируются на основе результатов обработки данных специализированного мониторинга. Из-за удаленности большинства вулканов Камчатки и Курил от населенных районов и слабой развитости сети наземных наблюдений их источником является информация, полученная в основном дистанционными методами. С развитием спутниковых систем наблюдения за земной поверхностью, первое место среди них занимают методы ДЗЗ. Они позволяют исследовать распространение пепловых облаков и шлейфов в региональном и глобальном масштабах.

Первые примеры использования методов ДЗЗ для исследования пепловых облаков и шлейфов относятся к началу 70-х годов XX века. Так, в 1973 году прибором УНШ1 метеорологического низкоорбитального спутника .\OAA-2 был зафиксирован пепловый шлейф, возникший при эксплозивном извержении вулкана Фернандина на Галапагосах. В 1979 году пепловый шлейф от эксплозивного извержения вулкана Сьерра-Негра на Галапагосах был обнаружен при помощи геостационарного метеорологического спутника ЯМБЛ. После этого был подан запрос на проведение съемки данного вулкана при помощи прибора МББ спутника Баиска^ На полученном снимке удалось обнаружить не только пепловый шлейф, но и свечение лавового потока в каналах 6, 7 и 5 [12].

Стоит отметить, что в ранний период применения ДЗЗ для мониторинга вулканов используемые данные были ограничены эпизодически доступными изображениями, распространявшимися в виде черно-белых фотографий или компьютерных распечаток, анализ которых проводился преимущественно методами визуального дешифрования. В 1980-х годах ситуация начала меняться. Спутниковые данные начинают распространяться в цифровом виде — сначала на магнитных лентах, затем при помощи компьютерных сетей. С увеличением доступности ЭВМ начинают разрабатываться автоматические алгоритмы и методы обработки данных ДЗЗ.

Все это привело к расширению использования спутниковых данных для исследования пепловых облаков и шлейфов. В 1982 году при помощи данных со спутников GOES-E, GOES-W и ХОД А-7 велся мониторинг распространения пепла, выброшенного при извержении вулкана Эль-Чичон 4 апреля 1982 г. в Мексике [13]. Информация, полученная с геостационарного спутника GOES-W, позволила проследить рост пеплового облака, возникшего при извержении вулкана Сент-Хеленс 18 мая 1980 года в США, с шагом по времени в 5 минут [14]. Для изучения пепловых облаков, возникших при извержении вулкана Коло (Индонезия) 28 июля 1983 года, используются данные, полученные прибором AVHRR спутника NOAA-7 [15]. Также начинают развиваться методы, позволяющие отличать пепловые облака от метеорологических [16] на спутниковых снимках.

С увеличение объемов доступных данных ДЗЗ и упрощением доступа к ним появляется возможность осуществления регулярного мониторинга пепловых облаков и шлейфов в региональном и глобальном масштабах. Спутниковые данные начинают использоваться для этих целей Аляскинской вулканологической обсерваторией в 1989 году, KVERT ИВиС ДВО РАН — в 1993 году.

В настоящее время на орбите Земли находится свыше 80 спутниковых аппаратов, способных осуществлять мониторинг пепловых облаков и шлейфов на глобальном уровне [17]. К ним можно также добавить 20 геостационарных метеорологических спутниковых аппаратов, которые хоть и не обеспечивают глобального покрытия, но при этом предоставляют непрерывный обзор территории с высоким временным разрешением над своими точками стояния, что незаменимо при исследовании динамики распространения вулканического пепла в оперативном режиме (http: //www. wmo. int/pages/prog/sat/ satellitestatus .php#geocurrent). В задачах мониторинга пепловых облаков и шлейфов наиболее широко используются данные спектрорадиометров, к числу которых относятся системы AVHRR [18], MODIS [19], NPP-VIIRS [20] и т. д. Для получения информации о вертикальном распределении вулканического пепла в атмосфере могут применяться данные лидара CALIOP. При мониторинге вулканов Камчатки и Курил также активно используются данные прибора AHI геостационарного спутника Himawari-8 [21]. Получаемые указанными системами ДЗЗ данные применяются как для оперативного мониторинга пепловых облаков и шлейфов, возникающих при эксплозивных извержениях вулканов

Камчатки и Курил, так и для формирования архивов спутниковых данных, позволяющих в дальнейшем производить их ретроспективные исследования.

Одно из основных преимуществ методов ДЗЗ перед другими источниками данных о распространении вулканического пепла в атмосфере состоит в возможности оперативного и регулярного получения актуальной информации о состоянии атмосферы Земли над обширными территориями при достаточно малых финансовых затратах.

Данные ДЗЗ позволяют определять основные параметры пепловых облаков и шлейфов, к которым относится их максимальная высота н. у. м., размеры составляющих их пепловых частиц, общая масса пепла в облаке, минеральный состав пепла и оптическая плотность аэрозоля [22—28]. Также может определяться наличие в выбросе различных летучих компонентов, в частности БС^ и Н20 [29].

Спутниковая информация используется при проведении исследований процессов распространения вулканического пепла в атмосфере, мониторинга вулканической активности, оценке влияния эксплозивных извержений на климат и т. д. При этом стоит учитывать ряд ограничений. Так, спутниковые данные не позволяют отслеживать вулканические облака и шлейфы в том случае, когда они находятся под метеорологической облачностью или состоят из частиц размером больше 10 мкм. Интервал между съемками одной и той же области земной поверхности при помощи низкоорбитальных спутников может достигать нескольких часов, что затрудняет оперативный мониторинг пепловых облаков и шлейфов, выполняемый с целью обеспечения безопасности полетов авиации. В некоторой степени преодолеть данные ограничения может численное моделирование распространения пепла в атмосфере, позволяющее отслеживать и прогнозировать его перемещение при недостатке наблюдательных данных.

Численное моделирование распространения пепловых облаков и шлейфов, возникающих при эксплозивных извержениях вулканов, является одним из активно развиваемых методов изучения и мониторинга вулканической активности. При его использовании строится математическая модель пепловой эксплозии, задающая начальные параметры пеплового облака, а также модели переноса, диффузии и осаждения пепла в атмосфере. Численные реализации таких моделей в качестве входных данных используют параметры эксплозивного события (дата и время начала извержения, его длительность; минимальная и максимальная высота облака н. у. м.; гранулометрический состав пепла; рас-

Список литературы диссертационного исследования кандидат наук Мальковский Сергей Иванович, 2020 год

Список литературы

1. Комплексный мониторинг эксплозивных извержений вулканов Камчатки / О. А. Гирина [и др.]. — Петропавловск-Камчатский : ИВиС ДВО РАН, 2018. - С. 192.

2. Horwell, С. J. The respiratory health hazards of volcanic ash: a review for volcanic risk mitigation / C. J. Horwell, P. J. Baxter // Bulletin of Volcanol-ogy. - 2006. - Vol. 69, no. 1. - P. 1—24.

3. Volcanic ash impacts on critical infrastructure // Physics and Chemistry of the Earth, Parts A/B/C. - 2012. - Vol. 45/46. - P. 5-23.

4. Volcanic hazards to airports / M. Guffanti [et al.] // Natural Hazards. — 2009. - Vol. 51, no. 2. - P. 287-302.

5. Wilson, Т. M. Impacts from Volcanic Ash Fall / Т. M. Wilson, S. Jenkins, C. Stewart // Volcanic Hazards, Risks and Disasters. — Elsevier, 2015. — P. 47-86.

6. Gordeev, E. I. Volcanoes and their hazard to aviation / E. I. Gordeev, O. A. Girina // Herald of the Russian Academy of Sciences. — 2014. — Vol. 84, no. 1. - P. 1-8.

7. Guffanti, M. Encounters of Aircraft with Volcanic Ash Clouds: A Compilation of Known Incidents, 1953-2009 / M. Guffanti, T. J. Casadevall, K. Budding // U.S. Geological Survey Data Series 545. — 2010. — Vol. 1. — P. 1—12.

8. Christmann, C. Recent Encounters of Aircraft With Volcanic Ash Clouds / C. Christmann, R. R. Nunes, A. R. Schmitt // Deutscher Luft- und Raumfahrtkongress 2015. — Rostock : Deutsche Gesellschaft fur Luft- und Raumfahrt — Lilienthal-Oberth e.V., 2015. - P. 1-10.

9. Pro,to,, F. Volcanic Ash Hazards to Aviation / F. Prata, B. Rose // The Encyclopedia of Volcanoes. — Second Edi. — Elsevier Inc., 2015. — P. 911^934.

10. Новейший и современный вулканизм на территории России / Н. П. Ливеров [и др.] ; под ред. Н. П. Лаверова. — М.: Наука, 2005. — С. 604.

11. Камчатской группе реагирования на вулканические извержения (KVERT) - 25 лет / О. А. Гирина [и др.] // Вулканизм и связанные с ним процессы. Материалы региональной конференции, посвященной Дню вулканолога, 29-30 марта 2018 г. — Петропавловск-Камчатский: ИВиС ДВО РАН, 2018. - С. 24^27.

12. Dean, К. С. Monitoring Volcanoes in the North Pacific / K. G. Dean, J. Dehn. — Berlin, Heidelberg : Springer Berlin Heidelberg, 2015. — P. 389.

13. Robock, A. Circumglobal Transport of the El Chichon Volcanic Dust Cloud / A. Robock, M. Matson // Science. — 1983. — Vol. 221, no. 4606. — P. 195—197.

14. Sparks, R. J. The initial giant umbrella cloud of the May 18th, 1980, explosive eruption of Mount St. Helens / R. J. Sparks, J. G. Moore, C. J. Rice // Journal of Volcanology and Geothermal Research. — 1986. — Vol. 28, no. 3/ 4. - P. 257-274.

15. МаЫпдгеащ J.-P. Monitoring volcanic eruptions in Indonesia using weather satellite data: The Colo eruption of July 28, 1983 / J.-P. Malingreau, Kaswanda // Journal of Volcanology and Geothermal Research. — 1986. — Vol. 27, no. 1/2. - P. 179-194.

16. Holaske, R. E. Anatomy of 1986 Augustine volcano eruptions as recorded by multispectral image processing of digital AVHRR weather satellite data / R. E. Holaske, W. I. Rose // Bulletin of Volcanology. - 1991. — Vol. 53, no. 6. - P. 420 435.

17. Belward, A. S. Who launched what, when and why; trends in global land-cover observation capacity from civilian earth observation satellites / A. S. Belward, J. O. Sk0ien // ISPRS Journal of Photogrammetry and Remote Sensing. — 2015. - Vol. 103. - P. 115-128.

18. CracknelI, A. P. The Advanced Very High Resolution Radiometer (AVHRR) / A. P. Cracknell. — London, Bristol (PA) : Taylor & Francis, 1997. — P. 556.

19. Xiong, X. Overview of NASA Earth Observing Systems Terra and Aqua moderate resolution imaging spectroradiometer instrument calibration algorithms and on-orbit performance / X. Xiong, B. N. Wenny, W. L. Barnes // Journal of Applied Remote Sensing. - 2009. - Vol. 3, no. 1. - P. 032501.

20. Suomi NPP VIIRS sensor data record verification, validation, and long-term performance monitoring / C. Cao [et al.] // Journal of Geophysical Research: Atmospheres. - 2013. - Vol. 118, no. 20. - P. 11, 664-11, 678.

21. Применение данных спутника Himawari для мониторинга вулканов Камчатки / О. А. Гирина [и др.] // Современные проблемы дистанционного зондирования Земли из космоса. — 2017. — Т. 14, № 7. — С. 65 76.

22. Praia, A. J. Infrared radiative transfer calculations for volcanic ash clouds / A. J. Prata // Geophysical Research Letters. — 1989. — Vol. 16, no. 11. — P. 1293-1296.

23. Wen, S. Retrieval of sizes and total masses of particles in volcanic clouds using AVHRR bands 4 and 5 / S. Wen, W. I. Rose // Journal of Geophysical Research. - 1994. - Vol. 99, no. D3. - P. 5421.

24. Prata, A. J. Retrieval of microphysical and morphological properties of volcanic ash plumes from satellite data: Application to Mt Ruapehu, New Zealand / A. J. Prata, I. F. Grant // Quarterly Journal of the Royal Meteorological Society. - 2001. - Vol. 127, no. 576. - P. 2153-2179.

25. Yu, T. Atmospheric correction for satellite-based volcanic ash mapping and retrievals using "split window" IR data from GOES and AVHRR / T. Yu, W. I. Rose, A. J. Prata // Journal of Geophysical Research. — 2002. — Vol. 107, no. D16. - P. 4311.

26. Spinetti, C. Volcanic ash retrieval at Mt. Etna using AVHRR and MODIS data / C. Spinetti, S. Corradini, M. F. Buongiorno // Remote Sensing for Environmental Monitoring, GIS Applications, and Geology VII. Vol. 6749 / ed. by M. Ehlers, U. Michel. - 2007. - P. 67491M.

27. Pavolonis, M. J. Automated retrievals of volcanic ash and dust cloud properties from upwelling infrared measurements / M. J. Pavolonis, A. K. Heidinger, J. Sieglaff // Journal of Geophysical Research: Atmospheres. — 2013. — Vol. 118, no. 3. - P. 1436-1458.

28. Stereoscopic estimation of volcanic ash cloud-top height from two geostationary satellites / L. Merucci [et al] // Remote Sensing. — 2016. — Vol. 8, no. 3. - P. 1-19.

29. Volcanic Ash and S02 retrievals using synthetic MODIS TIR data: Comparison between inversion procedures and sensitivity analysis / S. Corradini [et и 1.| // Annals of Geophysics. - 2014. - Vol. 57, FastTrack2. - P. 1 0.

30. A multidisciplinary effort to assign realistic source parameters to models of volcanic ash-cloud transport and dispersion during eruptions / L. G. Mastin [et al.] // Journal of Volcanology and Geothermal Research. — 2009. — Vol. 186, no. 1/2. - P. 10-21.

31. Pro,to,, A. J. Determination of mass loadings and plume heights of volcanic ash clouds from satellite data / A. J. Prata, I. F. Grant // CSIRO Atmospheric Research Technical Paper. - 2001. - Vol. 48. - P. 1-41.

32. Monitoring volcanic ash cloud top height through simultaneous retrieval of optical data from polar orbiting and geostationary satellites / K. Zaksek [et al.] // Atmospheric Chemistry and Physics. — 2013. — Vol. 13, no. 5. — P. 2589-2606.

33. Малъковскиц С. И. Моделирование распространения пепловых облаков и шлейфов во время эксплозивных извержений вулканов Камчатки / С. И. Мальковский // Материалы шестнадцатой всероссийской открытой конференции "Современные проблемы дистанционного зондирования Земли из космоса". — 2018. — С. 499.

34. Берляпд, М. Е. Современные проблемы атмосферной диффузии и загрязнения атмосферы / М. Е. Берлянд. — Ленинград : Гидрометеоиздат, 1975. - С. 448.

35. Замай, С. С. Модели оценки и прогноза загрязнения атмосферы промышленными выбросами в информационно-аналитической системе природоохранных служб крупного города: учебное пособие / С. С. Замай, О. Э. Якубайлик. — Красноярск : Изд. цент. Краснояр. гос. ун.-та, 1998. — 109 с.

36. Models Of Volcanic Ash Propagation For The Exploration Of Explosive Eruptions Of Kamchatka Volcanoes / S. Malkovsky [et al.] // 10th Biennual workshop on Japan-Kamchatka-Alaska subduction processes (JKASP-2018). August 20-26, 2018. - Petropavlovsk-Kamchatsky : IVS FEB RAS, 2018. -P. 147-149.

37. Folch, A. A review of tephra transport and dispersal models: Evolution, current status, and future perspectives / A. Folch // Journal of Volcanology and Geothermal Research. - 2012. - Vol. 235/236. - P. 96-115.

38. Lagrangian Modeling of the Atmosphere. Vol. 182 / ed. by J. Lin [et al.]. — Washington : American Geophysical Union, 2012.

39. Zannetti, P. Air Pollution Modeling / P. Zannetti. — Boston, MA : Springer US, 1990. - P. 448.

40. A statistical approach to evaluate the tephra deposit and ash concentration from PUFF model forecasts / S. Scollo [et al.] // Journal of Volcanology and Geothermal Research. - 2011. - Vol. 200, no. 3/4. - P. 129-142.

41. Iwasaki, T. Tracer transport model at Japan meteorological agency and its application to the ETEX data / T. Iwasaki, T. Maki, K. Katayama // Atmospheric Environment. - 1998. — Vol. 32, no. 24. - P. 4285-4295.

42. Ryall, D. Validation of the UK Met. Offices name model against the ETEX dataset / D. Ryall, R. Maryon // Atmospheric Environment. — 1998. — Vol. 32, no. 24. - P. 4265-4276.

43. Searcy, C. PUFF: A high-resolution volcanic ash tracking model / C. Searcy, K. Dean, W. Stringer // Journal of Volcanology and Geothermal Research. — 1998. - Vol. 80, no. 1/2. - P. 1-16.

44. D'Amours, R. Modeling the ETEX plume dispersion with the Canadian emergency response model / R. D'Amours // Atmospheric Environment. — 1998. - Vol. 32, no. 24. - P. 4335-4341.

45. Costa, A. A three-dimensional Eulerian model for transport and deposition of volcanic ashes / A. Costa, G. Macedonio, A. Folch // Earth and Planetary Science Letters. - 2006. - Vol. 241, no. 3/4. - P. 634 647.

46. Modelling of primary aerosols in the chemical transport model MOCAGE: Development and evaluation of aerosol physical parameterizations / B. Sic [et al.] // Geoscientific Model Development. — 2015. — Vol. 8, no. 2. — P. 381-408.

47. NOAA's HYSPLIT Atmospheric Transport and Dispersion Modeling System / A. F. Stein [et al.] // Bulletin of the American Meteorological Society. — 2015. - Vol. 96, no. 12. - P. 2059-2077.

48. Берлянд, М. Е. Прогноз и регулирование загрязнения атмосферы / М. Е. Берлянд. — Ленинград : Гидрометеоиздат, 1985. — С. 272.

49. Малъковсклщ С. И. Модели распространения вулканического пепла и их валидация с использованием данных дистанционного зондирования Земли / С. И. Мальковский, С. П. Королев, А. А. Сорокин // Материалы пятнадцатой всероссийской открытой конференции "Современные проблемы дистанционного зондирования Земли из космоса". — 2017. — С. 100.

50. То,по,ко,, Н. L. Numerical simulation of volcanic plume dispersal from Usu volcano in Japan on 31 March 2000 using PUFF model / H. L. Tanaka, K. Yamamoto // Earth, Planets and Space. — 2002. — Vol. 54, no. 7. — P. 743-752.

51. Fero, J. Simulation of the 1980 eruption of Mount St. Helens using the ash-tracking model PUFF / J. Fero, S. N. Carey, J. T. Merrill // Journal of Volcanology and Geothermal Research. — 2008. — Vol. 175, no. 3. — P. 355-366.

52. Monitoring and forecasting Etna volcanic plumes / S. Scollo [et al.] // Natural Hazards and Earth System Science. — 2009. — Vol. 9, no. 5. — P. 1573—1585.

53. Applications of the PUFF model to forecasts of volcanic clouds dispersal from Etna and Vesuvio / P. Daniele [et al.] // Computers and Geosciences. — 2009. - Vol. 35, no. 5. - P. 1035-1049.

54. Volcanic-ash dispersion modeling of the 2006 eruption of Augustine Volcano Using the Puff Model : tech. rep. / P. W. Webley [et al.]. - 2010. — P. 507-526.

55. Validation of the FALL3D ash dispersion model using observations of the 2010 Eyjafjallajokull volcanic ash clouds // Atmospheric Environment. — 2012. — Vol. 48. - P. 165-183.

56. Hazard assessment of far-range volcanic ash dispersal from a violent Strombo-lian eruption at Somma-Vesuvius volcano, Naples, Italy: Implications on civil aviation / R. Sulpizio [et al.] // Bulletin of Volcanology. — 2012. — Vol. 74, no. 9. - P. 2205-2218.

57. Qualitative comparison of Mount Redoubt 2009 volcanic clouds using the PUFF and WRF-Chem dispersion models and satellite remote sensing data j T. Steensen [et al.] // Journal of Volcanology and Geothermal Research. — 2013. — Vol. 259. - P. 235-247.

58. Parra, R. Modeling the volcanic ash dispersion and deposition from El Reventador volcano eruption in Ecuador on November 3rd 2002 / R. Parra // WIT Transactions on Ecology and the Environment. — 2014. — Vol. 183. — P. 27-38.

59. Modelling tephra dispersal and ash aggregation: The 26th April 1979 eruption, La Soufrière St. Vincent / M. Poret [et al.] // Journal of Volcanology and Geothermal Research. - 2017. - Vol. 347, April 1979. - P. 207-220.

60. ERA-20C: An Atmospheric Reanalysis of the Twentieth Century / P. Poli [et al.] // Journal of Climate. - 2016. - Vol. 29, no. 11. - P. 4083-4097.

61. The Twentieth Century Reanalysis Project / G. P. Compo [et al.] // Quarterly Journal of the Royal Meteorological Society. — 2011. — Vol. 137, no. 654. — P. 1-28.

62. The ERA-40 re-analysis / S. M. Uppala [et al.] // Quarterly Journal of the Royal Meteorological Society. - 2005. - Vol. 131, no. 612. - P. 2961-3012.

63. The NCEP/NCAR 40-Year Reanalysis Project / E. Kalnay [et al.] // Bulletin of the American Meteorological Society. — 1996. — Vol. 77, no. 3. — P. 437-471.

64. The JRA-55 Reanalysis: General Specifications and Basic Characteristics / S. Kobayashi [et al.] // Journal of the Meteorological Society of Japan. Ser. II. - 2015. - Vol. 93, no. 1. - P. 5-48.

65. The ERA-Interim Archive : tech. rep. / P. Berrisford [et al.] ; European Centre for Medium Range Weather Forecasts. — Shinfield Park, Reading, Berkshire RG2 9AX, United Kingdom, 2011. - P. 27.

66. The JRA-25 Reanalysis / K. Onogi [et al.] // Journal of the Meteorological Society of Japan. Ser. II. - 2007. - Vol. 85, no. 3. - P. 369-432.

67. NCEP-DOE AMIP-II Reanalysis (R-2) / M. Kanamitsu [et al.] // Bulletin of the American Meteorological Society. — 2002. — Vol. 83, no. 11. — P. 1631-1644.

68. Rolph, G. Real-time Environmental Applications and Display sYstem: READY / G. Rolph, A. Stein, B. Stunder // Environmental Modelling & Software. - 2017. - Vol. 95. - P. 210-228.

69. Potts, R. The Darwin VAAC volcanic ash workstation / R. Potts, M. Man-ickam, J. Davey // WMO/ICAO Third International Workshop on Volcanic Ash, Toulouse, France, 29 September — 3 October 2003. - 2003. — P. 8.

70. Романова, И. M. Геопортал ИВиС ДВО РАН как единая точка доступа к вулканологическим и сейсмологическим данным / И. М. Романова // Геоинформатика. — 2013. — № 1. — С. 46 54.

71. Создание комплексной информационной вебсистемы «Вулканы Курило-Камчатской островной дуги» (VOKKIA) / И. М. Романова [и др.] // Информатика и системы управления. — 2012. — Т. 33, № 3. — С. 179 187.

72. Создание информационного сервиса "Дистанционный мониторинг активности вулканов Камчатки и Курил" / В. Ю. Ефремов [и др.] // Современные проблемы дистанционного зондирования Земли из космоса. - 2012. - Т. 9, № 5. - С. 155 170.

73. Создание и развитие информационной системы "Дистанционный мониторинг активности вулканов Камчатки и Курил" / О. А. Гирина [и др.] // Современные проблемы дистанционного зондирования Земли из космоса, _ 2019. - Т. 16, № 3. - С. 249 265.

74. Романова, И. М. Информационные системы VOKKIA и KVERT для интеграции данных по вулканам Курило-Камчатского региона и анализа их активности / И. М. Романова // Вычислительные технологии. — 2019. — Т 24, № 6. - С. 108-116.

75. Тапака, Н. L. Development of a prediction scheme for volcanic ash fall from Redoubt volcano, Alaska / H. L. Tanaka // Volcanic Ash and Aviation Safety: Proceedings of the First International Symposium on Volcanic Ash and Aviation Safety, U.S. Geological Survey Bulletin. — 1991. — Vol. 2047. — P. 283-304.

76. Peterson, R. A. Puff UAF User's Manual / R. A. Peterson. - 2003. - URL: http: / / web.archive.org/web / 20121119195411/http: / / puff.images.alaska.edu / doc.shtml (visited on 03/23/2016).

77. Malkovsky, S. I. Improving the system of numerical simulation of volcanic ash propagation using the PUFF model / S. I. Malkovsky, A. A. Sorokin, S. P. Korolev // Russian Journal of Earth Sciences. — 2017. — Vol. 17, no. 5. — P. 1—6.

78. Малъковскиц С. И. Развитие возможностей работы с метеорологическими данными программного пакета PUFF-UAF / С. И. Мальковский, А. А. Сорокин, С. П. Королев // Информационные технологии и высокопроизводительные вычисления: материалы IV всероссийской науч-практ. конф., Хабаровск, 11-14 сентября 2017 г. — Хабаровск : Изд-во Тихоокеан. гос. ун-та, 2017. — С. 110—117.

79. Degruyter, W. Improving on mass flow rate estimates of volcanic eruptions / W. Degruyter, C. Bonadonna // Geophysical Research Letters. — 2012. — Vol. 39, no. 16. - P. 1-6.

80. Interaction between volcanic plumes and wind during the 2010 Eyjafjalla-jokull eruption, Iceland / M. J. Woodhouse [et al.] // Journal of Geophysical Research: Solid Earth. - 2013. - Vol. 118, no. 1. - P. 92^109.

81. Costa, A. Assessing tephra total grain-size distribution: Insights from field data analysis / A. Costa, L. Pioli, C. Bonadonna // Earth and Planetary Science Letters. - 2016. - Vol. 443, March. - P. 90-107.

82. Сорокин, А. А. Автоматизированная информационная система "Сигнал": исследование и оперативный мониторинг опасных природных явлений в Дальневосточном регионе / А. А. Сорокин, С. П. Королев, С. И. Мальковский // Современные проблемы дистанционного зондирования Земли из космоса. - 2019. - Т. 16, № 3. - С. 238 248.

83. Единая программная платформа для управления ресурсами сетей инструментальных наблюдений ДВО РАН / А. А. Сорокин [и др.] // Информационные технологии и высокопроизводительные вычисления: материалы IV всероссийской науч-практ. конф., Хабаровск, 11-14 сентября 2017 г. — Хабаровск : Изд-во Тихоокеан. гос. ун-та, 2017. — С. 183—185.

84. Развитие информационно-телекоммуникационных систем в ДВО РАН / А. И. Ханчук [и др.] // Информационные технологии и вычислительные системы. — 2013. — № 4. — С. 45^57.

85. Система работы с объединенными информационными ресурсами, получаемыми на основе спутниковых данных в центрах НИЦ Планета / Е. А. Лупян [и др.] // Метеорология и гидрология. — 2014. — № 12. — С. 89-97.

86. Центр коллективного пользования системами архивации, обработки и анализа спутниковых данных ИКИ РАН для решения задач изучения и мониторинга окружающей среды / Е. А. Лупян [и др.] // Современные проблемы дистанционного зондирования Земли из космоса. — 2015. — Т. 12, № 5. - С. 263 284.

87. The system of computer modeling of ash cloud propagation from Kamchatka volcanoes / A. A. Sorokin [et al] // 6th International Workshop on Computer Science and Engineering, WCSE 2016, Tokyo, Japan. — 2016. — P. 730—733.

88. Мальковский, С. И. Развитие информационной системы численного моделирования распространения пепловых облаков от вулканов Камчатки и Курил / С. И. Мальковский, А. А. Сорокин, О. А. Гирина // Вычислительные технологии. — 2019. — Т. 24, № 6. — С. 79 89.

89. Day, Е. The Gearman Cookbook / Е. Day // Open Source Convention, OS-CON, Portland, Oregon, USA, July 19-23, 2010. - 2010.

90. Мальковский, С. И. Реализация проблемно-ориентированных интерфейсов для численного моделирования распространения вулканического пепла / С. И. Мальковский // Материалы семнадцатой всероссийской открытой конференции "Современные проблемы дистанционного зондирования Земли из космоса". — 2019. — С. 102.

91. The VOLSATVIEW Information System For Monitoring And Study Kam-chatkan And Northern Kuriles Volcanoes / O. Girina [et al.] // 10th Biennual workshop on Japan-Kamchatka-Alaska subduction processes (JKASP-2018). August 20-26, 2018. - Petropavlovsk-Kamchatsky : IVS FEB RAS, 2018. -P. 77-79.

92. Возможности использования данных гиперспектральных спутниковых наблюдений для изучения активности вулканов Камчатки с помощью геопортала VolSatView / Е. И. Гордеев [и др.] // Современные проблемы дистанционного зондирования Земли из космоса. — 2014. — Т. 11, Л" 1. - С. 267-284.

93. Изучение продуктов извержений вулканов Камчатки с помощью гиперспектральных спутниковых данных в информационной системе VolSatView / Е. И. Гордеев [и др.] // Современные проблемы дистанционного зондирования Земли из космоса. — 2015. — Т. 12, № 1. — С. 113—128.

94. Создание технологий построения информационных систем дистанционного мониторинга / Е. А. Лупян [и др.] // Современные проблемы дистанционного зондирования Земли из космоса. — 2015. — Т. 12, № 5. — С. 53^75.

95. Информационная система Дистанционный мониторинг активности вулканов Камчатки и Курил (ИС VolSatView): возможности и опыт работы / О. А. Гирина [и др.] // Материалы шестнадцатой всероссийской открытой конференции "Современные проблемы дистанционного зондирования Земли из космоса". — 2018. — С. 5.

96. The integrated software platform for a comprehensive analysis of ash plume propagation from explosive eruptions of Kamchatka volcanoes / A. Sorokin [et al.] // Current problems in remote sensing of the Earth from space. — 2016. - Vol. 13, no. 4. - P. 9-19.

97. Сервис-ориентированный интерфейс для доступа к научным данным в области исследования и оперативного мониторинга состояния вулканов Камчатки и Северных Курил / С. П. Королёв [и др.] // Системы и средства информатики. — 2018. — Т. 28, № 2. — С. 88^98.

98. Richardson, L. RESTful Web APIs / L. Richardson, M. Amundsen, S. Ruby. - O'Reilly Media, Inc., 2013. - P. 408.

99. Интегрированная программная платформа для комплексного анализа распространения пепловых шлейфов при эксплозивных извержениях вулканов Камчатки / А. А. Сорокин [и др.] // Современные проблемы дистанционного зондирования Земли из космоса. — 2016. — Т. 13, № 4. — С. 9—19.

100. Комплексный анализ распространения пепловых шлейфов во время эксплозивных извержений вулканов Камчатки по данным спутниковых наблюдений и результатам численного моделирования / С. И. Мальковский

[и др.] // Материалы четырнадцатой всероссийской открытой конференции "Современные проблемы дистанционного зондирования Земли из космоса". - 2016. - С. 99.

101. Комплексный анализ данных спутникового и видео-визуального мониторинга вулканов Камчатки / О. А. Гирина [и др.] // Материалы пятнадцатой всероссийской открытой конференции "Современные проблемы дистанционного зондирования Земли из космоса". — 2017. — С. 79.

102. Извержение вулкана Безымянный 20 января 2019 г / О. А. Гирина [и др.] // Вулканизм и связанные с ним процессы. Материалы XXII Всероссийской научной конференции, посвящённой Дню вулканолога, 28-29 марта 2019 г. - 2019. - С. 59-62.

103. Анализ эксплозивных извержений вулканов Камчатки и Курил с помощью информационных технологий / О. А. Гирина [и др.] // Информационные технологии и высокопроизводительные вычисления: материалы V всероссийской науч-практ. конф., Хабаровск, 16-19 сентября 2019 г. — Хабаровск : Изд-во Тихоокеан. гос. ун-та, 2019. — С. 18—23.

104. Основные результаты 2019 г. комплексного мониторинга вулканов Камчатки и Курил с помощью информационной системы VolSatView / О. А. Гирина [и др.] // Материалы семнадцатой всероссийской открытой конференции "Современные проблемы дистанционного зондирования Земли из космоса". — 2019. — С. 79.

105. Анализ извержений вулкана Безымянный в 2019 г. с помощью дистанционных методов исследований / О. А. Гирина [и др.] // Материалы семнадцатой всероссийской открытой конференции "Современные проблемы дистанционного зондирования Земли из космоса". — 2019. — С. 380.

106. Satellite Observations and Numerical Simulation Results for the Comprehensive Analysis of Ash Cloud Transport during the Explosive Eruptions of Kamchatka Volcanoes / A. A. Sorokin [et al.] // Russian Meteorology and Hydrology. - 2017. - Vol. 42, no. 12. - P. 759-765.

107. Горшков, Г. С. Вулканы и извержения / Г. С. Горшков, Ю. М. Дубик. — Москва : Наука, 1969. — С. 36.

108. Пийщ Б. И. Гигантское извержение вулкана Шевелуч / Б. И. Пийп, Е. К. Мархинин // Бюллетень вулканологических станций. — 1965. — ..V" 39. - С. 8.

109. Кирьянов, В. Ю. Вулканические пеплы Камчатки как источник потенциальной опасности для пассажирских авиалиний / В. Ю. Кирьянов // Вулканология и сейсмология. — 1992. — № 3. — С. 16 36.

110. The Retrospective Analysis of the 1964 Sheveluch Volcano Eruption (Kamchatka) Using the VolSatView Information System / O. Girina [и др.] // Information Technologies in Remote Sensing of the Earth - RORSE 2018. — Space Research Institute of the Russian Academy of Sciences, 2019. — C. 34—41.

111. Ретроспективный анализ распространения эруптивной тучи во время катастрофического извержения вулкана Шивелуч в ноябре 1964 г / О. А. Гирина [и др.] // Вулканизм и связанные с ним процессы. Материалы XXII Всероссийской научной конференции, посвящённой Дню вулканолога, 28-29 марта 2019 г. — 2019. — С. 55—58.

112. Determination of time- and height-resolved volcanic ash emissions and their use for quantitative ash dispersion modeling: the 2010 Eyjafjallajokull eruption / A. Stohl [et al] // Atmospheric Chemistry and Physics. — 2011. — Vol. 11, no. 9. - P. 4333—4351.

113. Сравнение информации о пепловых шлейфах вулканов, получаемой на основе численного моделирования и обработки спутниковых данных / А. М. Константинова [и др.] // Материалы шестнадцатой всероссийской открытой конференции "Современные проблемы дистанционного зондирования Земли из космоса". — 2018. — С. 369.

114. Большая советская энциклопедия. Т. 9. Вологда-Газели / под ред. Б. А. Введенского. — 2-е изд. — М., "Большая сов. энциклопедия", 1951. — С. 624.

115. Влодавец, В. И. Справочник по вулканологии / В. И. Влодавец ; под ред. К. Н. Рудича. — М.: Наука, 1984. — С. 340.

116. Гирина, О. А. Пирокластические отложения современных извержений андезитовых вулканов Камчатки и их инженерно-геологические особенности / О. А. Гирина. — Институт вулканической геологии и геохимии ДВО РАН. Владивосток: Дальнаука, 1998. — С. 174.

Список рисунков

1.1 Изображение пеплового облака вулкана Шивелуч в естественных цветах по данным прибора MODIS спутника Aqua, ИС VolSatView . 19

1.2 Электромагнитное излучение поверхности земли частично поглощается при прохождении через толщу облаков. Вулканический пепел поглощает значительное количество излучения на более коротких инфракрасных волнах (11 мкм), чем метеорологические облака (12 мкм)................... 22

1.3 Пример детектирования вулканического пепла методом разности радиояркостных температур с использованием данных прибора MODIS спутника Aqua, ИС VolSatView................. 23

1.4 Схема определения высоты пеплового облака (АСТН) с использованием данных двух спутниковых систем по [32]....... 24

1.5 Основные процессы, участвующие в распространении вулканического пепла в атмосфере.................... 27

1.6 Временное покрытие архивов метеорологических данных....... 31

2.1 Концептуальная схема работы пакета программ Puff-UAF...... 39

2.2 Преобразование grib2 файлов в NetCDF при помощи cnvgrib и gribtonc................................... 40

2.3 Алгоритм загрузки временной координатной переменной....... 41

2.4 Визуализация результатов моделирования распространения пепла по состоянию на 4 марта 2015 г. 05:03 UTC, полученных оригинальной и модифицированной программной реализацией модели PUFF; красным обозначен контур пеплового облака от исследуемого эксплозивного события на вулкане Шивелуч, произошедшего 3 марта 2015 г. в 22:50 UTC .............. 44

2.5 Визуализация результатов моделирования распространения пепла, возникшего при эксплозивном извержении вулкана Райкоке, по состоянию на 05:04 UTC 23 июня 2019 г., полученных оригинальной

(а) и модифицированной (б) версиями программного пакета FALL3D 46

2.6 Алгоритм определения количественных характеристик пепловых облаков................................... 49

3.1 Архитектура АИС "Сигнал" ....................... 51

3.2 Структурная схема компьютерной системы............... 52

3.3 Схема функционирования программной реализации модели PUFF в составе компьютерной системы (прямоугольные блоки — исполняемые файлы, блоки в форме параллелограмма — входные и выходные файлы)............................. 54

3.4 Пример визуализации результатов моделирования распространения пепла, возникшего при эксплозивном извержении вулкана Шивелуч

10 января 2018 г............................... 55

3.5 Схема функционирования программной реализации модели FALL3D в составе компьютерной системы (прямоугольные блоки — исполняемые файлы, блоки в форме параллелограмма — входные и выходные файлы)............................. 56

3.6 Алгоритм формирования коллекции grib2 файлов........... 58

3.7 Пример подготовки входных метеорологических данных....... 58

3.8 Блок-схема алгоритма оперативного режима функционирования системы мониторинга (пунктиром обозначено взаимодействие ИС) . 59

3.9 Фрагмент схемы данных АИС "Сигнал", обеспечивающий работу модуля "Вулканы"............................. 60

3.10 Пример отображения результатов моделирования, проведенного в автоматическом режиме, на сайте KVERT............... 62

3.11 Пример экранной формы для модели PUFF (а) и FALL3D (б) . . . . 63

3.12 Экранная форма пользовательского интерфейса для отображения результатов моделирования распространения пепловых облаков от вулканов .................................. 64

3.13 Схема взаимодействия АИС "Сигнал" и ИС VolSatView........ 65

3.14 Пример интерфейсов в ИС VolSatView для проведения моделирования (а), просмотра результатов расчетов (б) и выбора информационных продуктов (в)..................... 68

3.15 Пример визуализации результатов моделирования распространения пепла в ИС VolSatView.......................... 69

4.1 Состояние эруптивного облака вулкана Шивелуч 11 ноября 1964 г. в районе п. Усть-Камчатск: начало пеплопада в 20:22 UTC (а) окончание пеплопада в 23:22 UTC (б).................. 72

4.2 Состояние эруптивного облака вулкана Шивелуч 12 ноября 1964 г. в районе п. Никольское (о. Беринга): начало пеплопада в 01:22 11ТС

(а) окончание пеплопада в 05:37 UTC (б)................ 73

4.3 Отображение результатов видео-мониторинга вулкана Шивелуч в

АИС "Сигнал" на время начала извержения.............. 74

4.4 Результаты детектирования вулканического пепла методом разности радиояркостных температур (каналы 11 и 12 мкм) по данным прибора AVHRR спутника NOAA-18 в 08:43 UTC 10.04.2019 в HC VolSatView (а) и визуализация результатов моделирования распространения пепла (оптическая плотность аэрозоля) в 08:43 UTC 10.04.2019 в АИС "Сигнал" (б)......... 75

4.5 Визуализация результатов моделирования концентрации пепла на эшелоне FL50 (a), FL150 (б) и FL250 (в) по состоянию на 10:52 UTC 10.04.2019 в АИС "Сигнал"........................ 76

4.6 Отложения пепла на снегу по данным прибора MODIS спутника Aqua в 02:25 UTC 11.04.2019 в ИС VolSatView (а) и визуализация результатов моделирования мощности пепла по состоянию на 20:24 UTC 10.04.2019 в АИС "Сигнал" (б)................... 76

4.7 Пример возможности варьирования времени эксплозивного события на вулкане Жупановский 12 февраля 2016 года для получения оптимального совпадения результатов численного моделирования и данных спутниковых наблюдений.......... 78

Список таблиц

1 Список систем ДЗЗ, использующихся для детектирования пепла, возникающего при эксплозивных извержениях вулканов Камчатки

и Курил......................................................................20

2 Модели распространения пепла (по [37], с изменениями)..............28

3 Затраты ресурсов на подготовку метеорологических данных..........40

4 Список запросов для взаимодействия с АИС "Сигнал" ................65

5 Параметры запроса для постановки задачи на моделирование .... 66

Приложение А

Основные виды спутниковой информации в ПС VolSatView

Информация приводится по работе [1].

Диапазон Разрешение Прибор (спутник) Частота наблюдения Основные решаемые задачи

Оптика 0,4 0,9 мкм Более 2 км AHI (Himawari-8) 10 мин Детектирование пепловых шлейфов и оценка их параметров. Картирование и определение характеристик отложений

1 км MODIS (Terra/Aqua) AVHRR (NOAA) VIIRS (Suomi NPP, JPSS1) МСУ MP ("Метеор-М") От 15 до 25 в сутки*

100300 м Terra/Aqua (MODIS) VIIRS (Suomi NPP, JPSS1) От 5 до 8 в сутки*

10-60 м TM, ETM+, OLI (Landsat), MSI (Sentinel 2A/B) MCC (серия спутников "Канопус-В"), KMCC ("Метеор-М") От одного раза в двое суток до раза 4= в сутки

Лучше 10 м ПСС (серия спутников "Канопус-В"), Геотон-П ("Ресурс-П") ORBVIEW-3 Несколько раз в год по отдельным участкам

Ближний ИК 1,4 3,9 мкм Более 2 км AHI (Himawari-8) 10 мин Выделение аномалий и оценка характеристик температуры. Анализ характеристик термальных аномалий. Анализ характеристик пепловых облаков и шлейфов

1 км MODIS (Terra, Aqua) VIIRS (Suomi NPP, JPSS1) AVHRR (NOAA) МСУ MP ("Метеор-М") От 15 до 25 в сутки*

200800 м VIIRS (Suomi NPP, JPSS1) МС-ИК-СРМ ("Канопус-B" ИК) От 5 до 8 в сутки*

10-30 м TIRS (Landsat), MSI (Sentinel 2 A/B) От одного раза в пять суток до раза в трое суток*

Диапазон Разрешение Прибор (спутник) Частота наблюдения Основные решаемые задачи

ИК 11—12 мкм Более 2 км AHI (Himawari-8) 10 мин Выделение аномалий и оценка характеристик температуры. Детектирование пепловых шлейфов и оценка их параметров. Анализ характеристик термальных аномалий. Анализ характеристик пепловых облаков и шлейфов

1 км Terra/Aqua (MODIS) VIIRS (Suomi NPP, JPSS1) AVHRR (NO A A), МСУ MP ("Метеор-М") От 15 до 25 в сутки*

200 м МСУ-ИК-СМР Раз в 2-3 дня

60 м TIRS (Landsat) Раз в 14 дней

Радиолокаторы 20 х 40 м C^SAR (Sentinel 1A/B ) 1 раз в 5 дней Анализ вулканических отложений

Гиперспектрометры 30 м Hyperion (EO-1) Несколько раз в год Анализ вулканических отложений. Анализ пепловых облаков и шлейфов

Примечание. * цифры приведены для районов от Южных Курил до северной части Камчатки.

Приложение Б

Основные информационные продукты, используемые в ПС VolSatView

Информация приводится по работе [1].

№ Название продукта Спектральные каналы, из которых формируются продукты, информация об алгоритме Тип продукта Приборы, для которых строится продукт Основная задача, для решения которой продукт используется в ПС

1 Поверхность (для данных высокого пространственного разрешения) RED, NIR, GREEN (для отдельных данных при отсутствии указанных, используются другие каналы) Виртуальный* ТМ, ЕТМ+, OLI-TIRS, MSI, кмсс, Геотон-П, МСС, ORBVIEW-3, Hyperion, КШМ-СА-СР, КШМ-CA-BP Картирование и определения характеристик вулканических отложений, анализ текущей обстановки в области вулканов, анализ пепловых шлейфов

2 Поверхность (для данных среднего пространственного разрешения) RED, GREEN, BLUE с нелинейным преобразованием измерений в различных каналах Реальный MODIS, VIIRS, МСУ-МР Картирование и определения характеристик вулканических отложений, анализ текущей обстановки в области вулканов, анализ пепловых шлейфов

3 Поверхность (для данных Шта\тап-8) SWIR1, NIR, RED Виртуальный AHI Анализ текущей обстановки в области вулканов, анализ пепловых шлейфов

4 Льды и снег (высокого пространственного разрешения) SWIR2, NIR, RED Виртуальный ТМ, ЕТМ+, OLI-TIRS, MSI, AHI Анализ снежного и ледового покрова в области вулканов, выделение термальных аномалий и оценка характеристик температуры

5 Льды и снег (для данных среднего пространственного разрешения) RED, GREEN, BLUE с нелинейным преобразованием измерений в различных каналах Реальный MODIS, VIIRS Анализ снежного и ледового покрова в области вулканов, выделение термальных аномалий и оценка характеристик температуры

6 Дымы и облачность (для данных высокого пространственного разрешения и данных Шта\тап-8) RED, GREEN, BLUE Виртуальный ТМ, ETM+, OLI-TIRS, MSI, AHI Анализ пепловых шлейфов и облачной обстановки

№ Название продукта Спектральные каналы, из которых формируются продукты, информация Тип продукта Приборы, для которых строится продукт Основная задача, для решения которой продукт используется в ПС VolSatView

об алгоритме

7 Дымы и облачность (для данных среднего разрешения) RED, GREEN, BLUE с нелинейным преобразованием измерений Реальный MODIS, VIIRS, MSU-MR Анализ пепловых шлейфов и облачной обстановки

в различных каналах

8 Растительность SWIR1, NIR, RED Виртуальный TM, ETM+, OLI-TIRS, MSI Анализ растительности и текущей обстановки в области вулканов, анализ вулканических отложений

Термальные аномалии на TM, ETM+, OLI-TIRS, MSI, Hyperion

9 вулканах (для данных высокого пространственного разрешения) SWIR2, SWIR1, NIR Виртуальный Выделение термальных аномалий и оценка характеристик температуры

10 Термальные аномалии (для данных Нш1а\тап-8) SWIR, NIR, RED Виртуальный AHI Выделение термальных аномалий и оценка характеристик температуры

11 Термальные аномалии по 11К (для данных Шта\тап-8) 3,9 мкм, 11 мкм, 3,9 мкм Виртуальный AHI Выделение термальных аномалий и оценка характеристик температуры

12 Естественный синтез Результат синтеза каналов RED, GREEN, BLUE Виртуальный TM, ETM+, OLI-TIRS, MSI Картирование и определения характеристик вулканических отложений, анализ текущей обстановки в области вулканов

Паншарпенинг каналов

RED, GREEN, BLUE

13 Паншарпенинг и панхроматического канала с преобразованием Бровея и последующий синтез в цветное изображение Виртуальный TM, ETM+, OLI-TIRS Картирование и определения характеристик вулканических отложений, анализ текущей обстановки в области вулканов

14 Тепловой канал (для данных высокого пространственного разрешения) Тепловой канал (10400-12500 нм) Реальный TM, ETM+, OLI-TIRS Выделение термальных аномалий и оценка характеристик температуры

15 Панхром (для данных высокого пространственного разрешения) Панхроматический канал Реальный TM, ETM+, OLI-TIRS, ORBVIEW-3, Геотон-П, ПСС, KHIMCA-BP Картирование и определения характеристик вулканических отложений, анализ текущей обстановки в области вулканов

16 Маска облачности Модифицированный алгоритм FMASK для Реальный TM, ETM+, OLI-TIRS Выделение облачности

выделения облачности

о

С.i

№ Название продукта Спектральные каналы, из которых формируются продукты, информация об алгоритме Тип продукта Приборы, для которых строится продукт Основная задача, для решения которой продукт используется в ПС Уо18а1;У1е\у'

17 Концентрация БОг Концентрация БСЪ, подсвеченная палитрой Реальный VIIRS, MODIS Анализ газовых выбросов вулканов

18 Разница 11-12 мкм (ВТО - пепел) Разница радиояр-костных температур в каналах 11-12 мкм, подсвеченная палитрой для разницы выше порога обнаружения пепла Виртуальный или реальный AHI, AVHRR, VIIRS, MODIS, МСУ-МР Анализ пепловых шлейфов

19 Разница 11-12 мкм (ВТ!) - ч/б) Разница радиояркостных температур в каналах 11-12 мкм в черно-белых тонах Виртуальный или реальный AHI, AVHRR, VIIRS, MODIS, МСУ-МР Анализ пепловых шлейфов

20 Тепловой канал Тепловой канал (10400-12500 нм) Реальный ТМ, ETM+, OLI-TIRS Выделение термальных аномалий и оценка характеристик температуры

21 Канал 3,7 мкм Данные наблюдения в каналах, близких 3,7 мкм Реальный AHI, AVHRR, VIIRS, MODIS, МСУ-МР Выделение термальных аномалий и оценка характеристик температуры, анализ пепловых шлейфов

22 Канал 11 мкм Данные наблюдения в каналах, близких 11 мкм Реальный AHI, AVHRR, VIIRS, MODIS, МСУ-МР Выделение термальных аномалий и оценка характеристик температуры, анализ пепловых шлейфов

23 Канал 12 мкм Данные наблюдения в каналах, близких 12 мкм Реальный AHI, AVHRR, VIIRS, MODIS, МСУ-МР Выделение термальных аномалий и оценка характеристик температуры, анализ пепловых шлейфов

24 Канал N (продукты по видимым каналам) Данные наблюдения в соответствующих видимых каналах Реальный AHI, AVHRR, MODIS, МСУ-ГС Анализ пепловых шлейфов и облачной обстановки

25 Канал N (продукты по инфракрасным каналам) Данные наблюдения в соответствующих инфракрасных каналах, инвертированные Реальный AHI, AVHRR, VIIRS, MODIS, МСУ-МР, МСУ-ИК-СРМ, МСУ-ГС Выделение термальных аномалий и оценка характеристик температуры, анализ пепловых шлейфов

26 Поляризация ГГ Данные об амплитудах в соответствующей поляризации (с калибровкой и коррекцией рельефа) Реальный C-SAR Картирование и определение характеристик вулканических отложений

о

—J

№ Название продукта Спектральные каналы, из которых формируются продукты, информация об алгоритме Тип продукта Приборы, для которых строится продукт Основная задача, для решения которой продукт используется в ПС VolSatView

28 Поляризация ГВ Данные об амплитудах в соответствующей поляризации (с калибровкой и коррекцией рельефа) Реальный C-SAR Картирование и определение характеристик вулканических отложений

28 Поляризация ВГ Данные об амплитудах в соответствующей поляризации (с калибровкой и коррекцией рельефа) Реальный C-SAR Картирование и определение характеристик вулканических отложений

29 Поляризация ВВ Данные об амплитудах в соответствующей поляризации (с калибровкой и коррекцией рельефа) Реальный C-SAR Картирование и определение характеристик вулканических отложений

о

Примечание. Длины волн каналов, соответствующие условным именам: BLUE: 450-510 нм, GREEN: 530-590 00 нм, RED: 640-670 нм, NIR: 850-880 нм, SWIR1: 1570-1650 нм, SWIR2: 2110-2290 нм, Panchromatic: 500-680 нм.

* Виртуальные информационные продукты строятся и отображаются в интерфейсе VolSatView на конкретную выбранную область в момент их запроса пользователями.

Приложение В Исходный код компонентов компьютерной системы

Листинг В.1 Реализация подсистемы моделирования (модель PUFF) Исходный код компонента модуля "Вулканы" для модели PUFF

<?php

include 'KmlTemplates.php'; include 'GfsProviders . php ' ;

5

class PuffUaf extends CApplicationComponent {

public $wgrib2;

public $nctable;

public $puff ;

public $ashdump;

public $ashpng;

public $puffrc ;

public $ash;

public $wfs_url;

public $gfs_dir;

private $_volc; private $_lon; private $_lat; private $_eruptDate; private $_cdf;

public function getAsh($volcano , $lon , $lat , $opts)

25 {

/* Save basic opts to use in other methods */ $this->_eruptDate = (new DateTime)->setTimestamp($opts[' eruptDate']) ->setTimezone(new DateTimeZoneC GMT')) ; $this->_volc = $volcano; $this->_lon = $lon ; $this->_lat = $lat;

10

15

40

45

50

55

60

$resource = $this->getGfs($opts['eruptDate'], $opts[' runHours ' ]) ; if ( !$resource) {

return Task::DATA_N0TF0UND_ERR0R;

/* Required parameters */

$date = gmstrftime ('°/,Y °/,m °/,d y,H:0/,M', $opt s [' eruptDat e ' ]) ; $puff_cmd = $this->puff. ' -verbose -opath cdf -logFile puff log '

. " -model gfs -rcfile $this->puffrc -fileAll $resource" . " -vole $volcano -volcLat $lat -volcLon $lon -eruptDate \' $date \"11 ; /* Optional parameters */

$aux_opts = ['plumeMin', 'plumeMax', 'runHours', 'saveHours ', ' eruptHours', 'ashLogMean', 'nAsh',

'ashLogSdev', 'sedimentation', 'dtMins', ' plumeHwidth', ' plumeZwidth ' , 'plumeShape', 'diffuseH', 'diffuseZ']; foreach ($aux_opts as $o) {

if ( isset ($opts [$o]) ) { $puf f _cmd .= 11 -$o 11 . $opts [$o] ; }

>

$puff_cmd .= (isset($opts['noPatch']) && $opts['noPatch'] === 'true' ? ' -noPatch' : '');

$puff_cmd .= (isset($opts['noFallout '] ) && $opts['noFallout '] === 'true' ? ' -noFallout' : '');

$puff_cmd .= (isset($opts['phiDist '] ) && $opts['phiDist ' ] ? 11 -phiDist \"{$opts ['phiDist ']}\"M : ''); Y::exec ( $puff_cmd , 'vie.puff');

unlink($resource) ;

$this->_cdf = glob('cdf/*. cdf ') ;

return empty($this->_cdf) ? Task::SYSTEM_ERR0R : true;

>

private function getGfs($date, $hours = 24, $grid = 4) {

$now = time();

/* Closest previous 6-hour analysis (21600 sees)*/ $first = $date - $date 21600;

/* Last possible analysis hour we can use considering data publication delay - 4 hours (14400 sec)*/ Slast = ($now - 14400) - ($now - 14400) I 21600; /* Find actual start analysis hour */

$hour = ($first < $last ? $first : $last); $ncfile = gmstrftime ( ',/,Y,/,m,/,d,/,H_gfs .nc ' , $hour);

$fcst = 0; /* forecast hour number */ $simulating_end = $date + $hours * 3600; $grib = [] ;

/* Use MOAA for dates after 13.04.2015 */ $Provider = ($hour > 1428883200 ? ' MOAA ' : 'M0MADS'); $gfs = new $Provider(); do {

$_grib = $gfs->get($hour , $fcst , $grid , $this->gfs_dir) ; if (!$_grib) { return false; } $grib [] = $_grib ;

Yii : : log ("Get $_grib for 11 . gmstrftime ( '°/,F °/,T ' , $hour).M $fcst fcst", 'info', 'vie.puff');

$time = $hour + $fcst * 3600;

/* For last available analysis hour take forecasts * 0,3,6,etc, but only 0,3 for others */ $fcst = ($hour == $last ? $fest + = 3 : abs($fcst - 3)); $hour += (int)!gmp_sign($fest) * 21600; } while ($time < $simulating_end); /* Produce NetCDF file from GRIB2 */

$cmd = 'cat '.implode(' ', $grib).' I '.$this->wgrib2.' - ' . "-match \":(UGRD|VGRD|TMP|HGT) : ( [0 - 9]* mb)\" -nc_table $this->nctable -netcdf $ncfile"; Y::exec($cmd , 'vie.puff'); return $ncf ile ;

>

public function getKmlO {

Y: :mkdir('kml ') ;

$1on = $lat = $alt = $ref_date= $step = 0; $ash = basename($this->ash);

$kml = sprintf(KML_HEADER,

$this->_volc , $this->_lon , $this->_lat , $this->_eruptDate-> format('Y-m-d H:i T ')) ;

105 foreach ($this->_cdf as $cdf) ■{

$datetime = explode('_', basename($cdf)) [0];

85

90

95

100

115

120

125

130

135

$zip = new ZipArchive () ;

$zip->open('kml/'.$datetime.'.kmz', ZipArchive::CREATE); $zip->addFile($this->ash, $ash);

Yii::log('Generate ' .$datetime. ' .kmz ' , 'info', 'vie.puff')

$kmz = ' ' ; $lines = [] ;

exec($this->ashdump.' '.$cdf, $lines); $ref_date = DateTime::createFromFormat('YmdHi T', $dat et ime . ' GMT ') ;

$kmz .= sprintf(KMZ_HEADER, $ref_date->format('Y-m-d H:i T '));

for ($i = 15; $i < count($lines) - 1; $i++) {

sscanf ($lines [$i] , '°/,f °/,f °/,f ' , $lon , $lat , $alt); $kmz .= sprintf(KMZ_PLACEMARK , $ash , $lon , $lat , $alt);

>

$zip->addFromString($datetime. ' .kml ' , $kmz.KMZ_FOOTER) ; $zip->close () ;

/* Find time difference between files (was set by -saveHours) */

if (!$step) { $step = $ref_date->diff($this->_eruptDate , true) ; }

$date = $ref_date->format( 'Y-m-d H:i'); $end = $ref_date->format('Y-m-d\TH:i:s\Z') ; $begin = $ref_date->sub($step)->format('Y-m-d\TH:i:s\Z'); $kml .= sprintf(KML_LIMK , $date , $begin , $end , $datetime . '.kmz ') ;

$kml_file = $this->_volc.'_'.$this->_eruptDate->format(' YmdHi ') . ' .kml ' ; Yii::log('Generating '.$kml_file, 'info', 'vie.puff'); file_put_contents('kml / ' .$kml_file, $kml.KML_F00TER) ;

>

public function getWFS($task_id) { Slayer = 1; $result = [] ;

$ 1 on = $lat = $alt = $size = $age = 0; foreach ($this->_cdf as $cdf) { $lines = [] ;

150

155

160

165

170

175

exec($this->ashdump.' '.$cdf, $lines); for ($i = 15; $i < count($lines) - 1; $i++) { $ash = new VlcAshO;

sscanf ($lines [$i] , '°/,f °/,f °/,f °/,e y.f',$lon, $lat , Salt, $size , $age);

$ash->longitude = $lon; $ash->latitude = $lat; $ash->he ight = $alt; $ash->size_m = $size ; $ash->age = $age;

$ash->layer_id = Slayer; $ash->task_id = $task_id; $ash->save();

>

$t ime = explode ('_' , basename($cdf)) [0] . ' GMT'; $key = DateTime::createFromFormat('YmdHi T', $time)-> getTimestamp();

$result [$key] = $this->wfs_url."&cql_filter = (task_id = $task_id)AMD(layer_id=$layer)"; Slayer ++;

>

return $result;

public function getGif() {

if (!is_dir( ' png ')) { $thi s->getPng() ;

>

$gif = $this->_volc.'_ ' .$this->_eruptDate->format('YmdHi ') .'.gif';

Y::exec("convert -delay 20 -loop 0 png/*.png $gif", 'vie. puff ') ;

public function getPngO {

Y::exec($this->ashpng.' -files '.implode(' ', $this->_cdf) 'vie.puff ') ; Y: :mkdir('png ') ; Y::exec('mv cdf/*.png png/');

>

Исходный код контроллера модуля "Вулканы" для модели PUFF

10

15

20

25

30

35

<?php

class PuffuafController extends WebController { /* *

* Stores a user fetch archive task */

public function actionFetch() { $r = Yii::app()->request;

$t [' img '] = $r-> $t ['gif '] = $r-> $t [ ' kml '] = $r-> $t ['wfs '] = $r-> $t [ 'vole '] = $r-> $t [ 'nAsh'] = $r-> $t['dtMins '] $t ['noPatch '] $t['phiDist '] $t [ 'runHours ' ] $t [ 'plumeMin '] $t['plumeMax ' ] $t['diffuseH '] $t [ 'diffusez'] $t [ ' eruptDate '] = $t['saveHours '] = $t [ 'noFallout '] = $t['eruptHours ' ] $t['ashLogMean ' ] $t['ashLogSdev '] $t [ 'plumeShape ' ] $t['plumeHwidth ' ] = $t['plumeZwidth ' ] = $t [ 'sedimentation '] constant ' ) ;

getParam('img', false) getParam('gif', false) getParam('kml', false) getParam('wfs', false) getParam('vole', false) getParam('nAsh ' , 2000) $r->getParam('dtMins' $r->getParam('noPatch $r->getParam('phiDist $r->getParam('runHours $r->getParam('plumeMin $r->getParam('plumeMax $r->getParam('diffuseH $r->getParam('diffuseZ $r->getParam('eruptDate $r->getParam('saveHours $r->getParam('noFallout = $r->getParam('eruptHours' = $r->getParam('ashLogMean' = $r->getParam('ashLogSdev' = $r->getParam('plumeShape' = $r->getParam('plumeHwidth = $r->getParam('plumeZwidth

10) ; false); false); 24) ; 0) * 1000; 16) * 1000; 10000) ; 10) ; false) ; 6) ; false); 3) ; '-6'); i);

'linear ') ; 0) ; 3) ;

$r->getParam('sedimentation',

if ( !$t['vole ' ] II ! $t['eruptDate '] II

( ! $t [' img ' ] && ! $t [' gif ' ] && ! $t [' kml ' ] && !$t['wfs']) ) { return; }

$t ['eruptDate '] = strtotime($t ['eruptDate ']. ' GMT'); /* Put results in shared results list */

5

50

55

60

65

70

75

/* User is set to SIGNAL with id 998, and current username is saved to task as a comment */ $user = null ;

if ($r->getParam('share ' , false)) { $user = 998;

$t['username'] = User::model()->findByPk(Yii::app()->user ->id)->alias();

if (Task::add('vie.puff ' , $t , $user)) { echo json.encode('OK '); >

public function actionResults()

$src = Yii::app()->request->getParam('source', ''); $criteria = new CDbCriteria () ; if ($src) {

$criteria->addColumnCondition(['login' => $src]);

>

$criteria->addColumnCondition(['api_user' => 1]); $criteria->order = 't.id DESC ' ; $dataProvider = new CActiveDataProvider( Task::model()->nondeleted()->puff()->with('user'), [ 'pagination' => ['pageSize' => 10], 'criteria' => $criteria ]) ;

$this->render('results ' , [ 'dataProvider' => $dataProvider,

'users' => User::model()->api()->findAll(['select' => 'login

'sre' => $src , ]) ;

public function actionDelete($id)

$model = Task::model()->findByPk ($id) ; $model->deleted = 1; $model->save(); $this->redirect(['results ']) ;

>

Листинг В.2 Реализация подсистемы моделирования (модель FALL3D) Исходный код компонента модуля "Вулканы" для модели FALL3D

10

15

20

25

30

<?php

include 'KmlTemplates.php'; include 'GfsProviders . php ' ;

class Fall3D extends CApplicationComponent {

public $wgrib2; public $gfs_dir;

public $fall3dHome;

public $fall3dScriptsDir;

public $fall3dRunDir;

public $fall3dDataDir;