ИВМ СО РАН Поиск 
Отчеты ИВМ СО РАН

Отчет ИВМ СО РАН за 2012 год

Программы фундаментальных исследований Сибирского отделения РАН

IV.31. Проблемы создания глобальных и интегрированных информационно-телекоммуникационных систем и сетей. Развитие технологий GRID


Программа IV.31.1. Фундаментальные основы и прикладные аспекты вычислительных и информационных технологий, в том числе технологий на базе GRID, в интегрированных информационно-телекоммуникационных системах и сетях

Координаторы программы: академик РАН Ю. И. Шокин, член-корреспондент РАН И. В. Бычков

Проект IV.31.1.4. «Гибридные методы анализа данных, системы и технологии поддержки сложных задач организационного управления»
№ гос. регистрации 01201056405

Научный руководитель проекта: д.т.н., профессор Л. Ф. Ноженкова

Блок 1. Гибридные методы и технологии поддержки сложных задач организационного управления (Л. Ф. Ноженкова, Г. С. Высоцкая, А. А. Евсюков, Е. С. Кирик, А. В. Коробко, А. А. Марков, Р. В. Морозов, В. В. Ничепорчук, Т. Г. Пенькова).

На основе оригинального метода концептуального OLAP-моделирования разработаны алгоритмы применения метода анализа формальных понятий для интеллектуальной поддержки оперативной аналитической обработки данных. Разработан алгоритм построения множества потенциальных концептов интегральной аналитической модели предметной области, исходя из свойств интегральной аналитической модели, представленной в виде формальной решетки многомерных кубов. На основе экспертных знаний об объектах анализа и возможности их совместной обработки разработан алгоритм поиска оптимального концепта (OLAP-куба) для частной аналитической задачи. Разработан алгоритм поиска максимального по объему и содержанию концепта, включающего все возможные направления расширения частной аналитической задачи. Алгоритмы позволяют реализовать адаптивное манипулирование объектами оперативной аналитической обработки в ходе аналитического эксперимента.

Продолжены работы по разработке методов интеграции современных информационных технологий для построения интеллектуальных систем поддержки принятия решений при угрозе и возникновении чрезвычайных ситуаций. Разработаны аналитические OLAP-модели анализа природных и техногенных рисков на территориях Красноярского края. Спроектированы и наполнены базы данных статистической информации о неблагоприятных явлениях и катастрофических событиях. Объём баз данных позволяет оценить риски возникновения чрезвычайных ситуаций и размер ущербов с приемлемой достоверностью. Разработаны справочники критериев опасных и неблагоприятных параметров для анализа данных оперативного мониторинга обстановки.

Продолжены работы по совершенствованию программного обеспечения системного интегратора Территориального центра мониторинга и прогнозирования ЧС по Красноярскому краю. Создан справочник опасных и неблагоприятных гидрологических явлений, используемый в качестве индикатора угроз ЧС, связанных с затоплением территорий. Построены новые аналитические модели оценивания рисков распространения опасных факторов химических аварий при ЧС на потенциально опасных объектах. Разработаны динамические карты отображения синоптической и гидрологической обстановок на основе стандартных гидрометеорологических символов.

Выполнен анализ показателей изменения климата. Результаты показывают, что в разных районах процессы протекают не равномерно. Тренды основных климатических параметров не совпадают для разных сезонов и временных интервалов, и значения температуры не возрастают синхронно с изменениями глобальной температуры. Обычно при анализе сценариев, когда предполагается, что средняя температура Северного полушария будет расти, предполагается также, что и локальные температуры также будут расти. Для более точного прогноза возможного изменения биоценозов необходимо более детальное выявление структуры зависимостей среднемесячных температур и осадков на территории Сибири от изменений глобальных температур.

В данной работе были использованы данные по среднемесячным температурам и осадкам с сайта meteo.ru за период с 1936 по 2003 годы и среднемесячные температуры Северного полушария по данным Climatic Research Unit. Были вычислены линейные тренды температур и осадков на станциях в зависимости от изменений средней температуры Северного полушария для различных месяцев и оценена достоверность знака зависимости.

На рис. III.23 видно, что повышение температуры Северного полушария сопровождается на территории Сибири более быстрым повышением температуры в зимние и весенние месяцы и не сопровождается статистически значимым повышением температуры в летние месяцы (рис. III.24 — III.25).

Рис. III.23
Рис. III.23. Зависимость среднемесячных температур Омска, Томска, Иркутска, Читы и Красноярска от среднемесячных температур Северного полушария

Для прогноза развития биоценозов это означает, что при сохранении существующих закономерностей реализация тенденций к потеплению будет приводить к изменению видового состава за счет видов, не переносящих слишком холодных зим. С другой стороны, не будет происходить угнетения существующих видов из-за слишком высоких летних температур. Изменение уровня осадков носит локальный характер, и в основном, происходит некоторое увеличение их уровня. Хотя и не на всех станциях существует достоверная положительная зависимость между изменениями температуры северного полушария и суммой осадков, в то же время не наблюдается и достоверных негативных изменений (рис. III.26).

Рис. III.24
Рис. III.24. Пространственное распределение значений коэффициента линейной регрессии между среднемесячными температурами Северного полушария и среднемесячными температурами на метеостанциях в июле. Знаком "+" отмечены станции с достоверным знаком зависимости
Рис. III.25
Рис. III.25. Пространственное распределение значений коэффициента линейной регрессии между среднемесячными температурами Северного полушария и среднемесячными суммами осадков на метеостанциях в июле. Знаком "+" отмечены станции с достоверным знаком зависимости
Рис. III.26
Рис. III.26. Диаграмма, иллюстрирующая отсутствие взаимосвязи между аномалиями температуры Северного полушария и среднемесячными температурами июля в г. Красноярске в XX веке

Блок 2. Извлечение знаний из анализа многомерных данных (М. Ю. Сенашова, М. Г. Садовский).

Были продолжены систематические исследования, направленные на извлечение знаний из анализа многомерных данных, описывающих системы различной природы: социологические, политологические, биологические, данные по биоинформатике (генетические данные по нуклеотидным последовательностям). Кроме того, продолжались исследования динамики пространственно распределённых биологических сообществ на основе принципа эволюционной оптимальности. Показано, что электоральное поведение жителей Красноярского края обладает высокой степенью структурированности, доказана высокая степень коэволюции нуклеарных и митохондриальных геномов, развиты модели динамики пространственно распределённых сообществ одного и двух видов для случая локальной информированности особей.

На рис. III.27 представлено распределение территорий Красноярского края по 4 классам, полученным методом динамических ядер, где кластеры представляют собой близкие по электоральному поведению жителей группы территорий края.

На рис. III.28 показано распределение митохондриальных геномов 530 видов рыб по упругой карте; цветом выделены кластеры, построенные методом динамических ядер. Хорошо видно, что каждый кластер (выделенный линейными методами кластеризации) в свою очередь разбивается на ряд более мелких кластеров, выделяемых с помощью упругой карты. Состав всех наблюдаемых кластеров показывает высокий уровень корреляции с таксономическим положением их носителей: в кластер попадают таксономически близкие геномы. При этом чрезвычайно важным является тот факт, что кластеризация строилась по частотам триплетов, наблюдаемых в митохондриальных геномах, а таксономическая близость по морфологии соответствующих организмов.

Рис. III.27
Рис. III.27
Рис. III.28
Рис. III.28

Блок 3. Гибридные технологии распознавания образов (А. В. Лапко, В. А. Лапко).

Критерии Крамера, Мизеса, Смирнова, Колмогорова, основанные на анализе преобразований разности функций распределения, используются для проверки гипотез о распределениях одномерных случайных величин. Критерий Пирсона остаётся пока единственным эффективным методом проверки гипотез о распределениях многомерных случайных величин. Его применение позволяет, например, проверять гипотезы о тождественности эмпирического и гипотетического законов распределений, а также гипотезы о совпадении распределений в двух выборках случайных величин. Однако методика формирования критерия Пирсона содержит трудно формализуемый этап разбиения области возможных значений случайной величины на многомерные интервалы. Причём для непрерывных случайных величин их дискретизация сопряжена с частичной потерей информации, содержащейся в исходных статистических данных. В настоящее время разработан ряд модификаций критерия Пирсона, отличающихся методиками разбиения области определения случайных величин на многомерные интервалы.

Менее распространены методы многофакторного дисперсионного анализа, которые основаны на ряде предположений: отсутствии взаимосвязи между компонентами многомерных случайных величин, линейная процедура формирования их значений в экспериментах, нормальные законы распределения случайных ошибок при измерении компонент с нулевыми математическими ожиданиями и равными дисперсиями. Вводимые допущения позволяют последовательно проводить проверку статистических гипотез, используя известные критерии (например, критерий Фишера — Снедекора). Однако при этом значительно сокращается область применения методов многофакторного дисперсионного анализа.

Впервые обоснована возможность замены задачи сравнения законов распределения случайных величин проверкой гипотезы о равенстве статистической оценки вероятности ошибки распознавания образов определённому пороговому значению. Непараметрические алгоритмы распознавания образов формируются на основе ядерных оценок плотности вероятности типа Розенблатта-Парзена и соответствует критерию максимального правдоподобия.

Предлагаемая методика проверки, например, гипотезы об однородности законов распределениях двух последовательностей случайных величин сводится к выполнению следующих действий:

  • используя сравниваемые случайные последовательности, сформировать обучающую выборку для решения двуальтернативной задачи распознавания образов;
  • осуществить синтез непараметрического алгоритма распознавания образов, соответствующего критерию максимального правдоподобия;
  • в режиме «скользящего экзамена» рассчитать оценку вероятности ошибки распознавания образов;
  • используя традиционный критерий, например, критерий Колмогорова, проверить гипотезу о равенстве вероятности ошибки распознавания образов значению 0,5.

Перспективность предлагаемого подхода заключается в возможности его обобщения на задачи проверки гипотез о распределениях последовательностей многомерных случайных величин.

Зависимости оценок вероятностей $\bar{F}_{\circ }$ выполнения гипотезы $H_{\circ }$ от объёма экспериментальных данных при априори тождественных (табл. III.1) и разных (табл. III.2) законах распределения случайных величин. Результаты, представленные в столбцах КС, получены при использовании критерия Смирнова; М — предлагаемая методика; КП — критерия Пирсона.

Если сравниваемые законы распределения случайных величин априори тождественны, то эффективность критериев Смирнова и Пирсона, предлагаемой методики достоверно не отличаются (табл. III.1).

При анализе последовательностей случайных величин с равномерным и нормальным законами распределения в условиях $\textit{n} \gt 200$ сравниваемые критерии безошибочно отклоняют гипотезу $H_{\circ }$ (таблица 2). При $\textit{n} \lt 30$ результаты их использования не удовлетворительные. В интервале $30 \lt \textit{n} \lt 180$ применение критерия Смирнова нецелесообразно, т.к. ему свойственна большая вероятность подтверждения гипотезы $H_{\circ }$ в условиях априори разных законах распределения случайных величин. Эффективность критерия Пирсона и предлагаемой методики сопоставимы.

n Равномерные законы распределения Нормальные законы распределения
КСМКПКСМКП
220,970,990,9810,980,98
660,960,960,940,980,960,98
1100,980,960,990,990,990,97
1540,960,970,960,960,930,97
1980,980,960,920,990,970,96
2420,970,970,950,960,960,91
2860,960,940,980,960,940,96
3300,960,950,970,970,940,97
37410,970,990,960,930,95
4180,970,950,980,970,930,96
4620,960,940,940,960,90,95

Таблица III.1. Зависимости оценок вероятностей $\bar{F}_{\circ } $ справедливости гипотезы $H_{\circ }$ от объёма экспериментальных данных $n=n_{1} + n_{2}$ в условиях сравнения двух априори тождественных законах распределения случайных величин

$n=n_{1}+n_{2}$ при $n_{1}=1,2n_{2}$ $n=n_{1}+n_{2}$ при $n_{1}=2n_{2}$
nКСМКПnКСМКП
220,840,930,65300,90,890,53
660,580,270,22900,530,10,02
1100,230,030,011500,170,020
1540,1400,012100,0300
198000270000

Таблица III.2. Зависимости оценок вероятностей $\bar{F}_{\circ}$ справедливости гипотезы $H_{\circ }$ от $n$ в условиях сравнения нормального и равномерного законов распределения случайных величин

Основные публикации:

К блоку 1:

  1. Korobko A. V., Penkova T. G.
    Method of constructing the integral OLAP-model based on formal concept analysis // FFrontiers in Artifical Intelligence dence and Applications, 2012. — Iss. 243. — P. 219–227.

  2. Kirik E., Malyshev A., Popel E.
    Fundamental diagram as a model input — direct movement equation of pedestrian dynamics // In the book «Pedestrian and Evacuation Dynamics», 2012 (to appear).

  3. Кирик Е. С., Дектерев А. А., Литвинцев К. Ю., Харламов Е. Б., Малышев А. В.
    Математическое моделирование эвакуации при пожаре // Математическое моделирование, 2013. — Т. 25.

  4. Ноженкова Л. Ф., Ничепорчук В. В., Ноженков А. И.
    Система распределенного сбора и анализа данных мониторинга чрезвычайных ситуаций // Информатизация и связь, 2012. — № 5. — С. 45-50.

  5. Ноженкова Л. Ф., Ничепорчук В. В., Бадмаева К. В., Пенькова Т. Г., Коробко А. В., Евсюков А. А., Ноженков А. И., Марков А. А., Морозов Р. В., Есавкин С. Е.
    Система консолидации и анализа данных мониторинга чрезвычайных ситуаций в Красноярском крае // Проблемы безопасности в чрезвычайных ситуациях, 2012. — № 4. — С. 63-73.

  6. Жучков Д. В.
    Автоматизированная система «Муниципальный заказчик» — основные функциональные технологические аспекты // Информатизация и связь, 2012. — № 5. — С. 53-55.

  7. Шевырногов А. П., Чернецкий А. Ю., Высоцкая Г. С.
    Многолетние тренды NDVI и температуры на юге Красноярского края // Исследование Земли и космоса, 2012. — № 6. — С.77-87.

К блоку 2:

  1. Сенашова М. Ю., Рубцов А. Г., Садовский М. Г.
    Восстановление отсутствующих данных в символьных последовательностях. — Саарбрюккен: Lambert Academic publishing, 2012. — 111 с.

  2. Петелин Д. В., Садовский М. Г.
    Об одном подходе к математическому моделированию динамики клеточного цикла на основе аллометрической теории роста // Журнал СФУ. Серия: Математика и физика, 2012. — Т. 5. — № 1. — С. 106–115.

  3. Sadovskii M. G.
    The Simplest Model of Targeted Migration // Журнал СФУ. Серия: Математика и физика, 2012. — Т. 5. — № 1. — С. 3-17.

  4. Бушмелев Е. Ю., Миркес Е. М., Садовский М. Г.
    О структурах, выделяемых в символьных последовательностях // Журнал СФУ. Серия: Математика и физика, 2012. — Т. 5. — № 4. — С. 507–514.

К блоку 3:

  1. Лапко А. В., Лапко В. А., Саренков А. В.
    Синтез и анализ линейных гибридных решающих функций в задаче распознавания образов // Системы управления и информационные технологии, 2012. — Т. 47. — № 1. — С. 66-69.

  2. Лапко А. В., Лапко В. А.
    Свойства непараметрической оценки многомерной плотности вероятности независимых случайных величин // Информатика и системы управления, 2012. — № 1 (31). — С. 166–174.

  3. Лапко А. В., Лапко В. А.
    Свойства непараметрической решающей функции при наличии априорных сведений о независимости признаков классифицируемых объектов // Автометрия, 2012. — Т. 48. — № 4. — С. 112–119.

  4. Лапко А. В., Лапко В. А.
    Коллектив многомерных непараметрических регрессий, основанный на декомпозиции обучающей выборки по её объёму // Вестник СибГАУ, 2012. — Вып. 3(43). — С. 42-46.

  5. Lapko A. V., Lapko V. A.
    Properties of the nonparametric decision function with a priori information on independence of attributes of classified objects // Optoelectronics, Instrumentation and Data Processing, 2012. — V. 48, (4). — P. 416–422.

(Отделы Вычислительной математики, Прикладной информатики, Вычислительной механики деформируемых сред)

К началу


Программа IV.31.2. Новые ГИС и веб-технологии, включая методы искусственного интеллекта, для поддержки междисциплинарных научных исследований сложных природных, технических и социальных систем с учетом их взаимодействия

Координаторы программы: академик РАН Ю. И. Шокин, член-корреспондент РАН И. В. Бычков

Проект IV.31.2.10. «Технологические решения на основе геоинформационных веб-сервисов для систем мониторинга социально-экономических процессов и состояния природной среды в показателях устойчивого развития»
№ гос. регистрации 01201056406

Научный руководитель проекта: д.ф.-м.н., профессор Н. Я. Шапарев

Основные результаты исследований связаны с проектированием и разработкой математического и информационно-вычислительного обеспечения для распределенных геоинформационных аналитических систем на основе веб-технологий по следующим направлениям:

  • создание компонентов программно-технологического обеспечения;
  • проектирование архитектуры программного обеспечения, разработка и внедрение прикладных геоинформационных систем рассматриваемого класса;
  • проведение исследований по практическому применению развиваемых информационно-вычислительных технологий для ряда исследовательских задач оценки, мониторинга и моделирования состояния отдельных элементов природной среды и социально-экономических процессов, в том числе — моделированию взаимодействий в водных экосистемах.

Интегральным результатом исследований стала разработка комплекса программно-технологических решений для построения прикладных геоинформационных веб-систем (геопорталов), на основе которого успешно реализован ряд прикладных информационных систем для органов исполнительной власти Красноярского края; в Роспатенте получены соответствующие свидетельства о государственной регистрации программ. Интегратором программно-технологических разработок проекта и площадкой презентации его результатов стал геопортал ИВМ СО РАН, доступный в Сети по адресу http://gis.krasn.ru/. Он обеспечивает централизованный доступ к сформированным геопространственным данным и сервисам.

Блок 1. Математическое моделирование и создание программно-технологического обеспечения для задач распределенной обработки геопространственных данных в системах мониторинга социально-экономических процессов и состояния природной среды (Н. Я. Шапарев, О. Э. Якубайлик, А. А. Кадочников, А. Г. Матвеев, А. С. Пятаев).

Содержание работы — создание системы тематических и информационных геопространственных веб-сервисов, базирующихся на протоколах прямой передачи данных и средствах распределенной обработки, для задач социально-экономических процессов и состояния природной среды.

Содержание результата. Разработана концепция системы информационного обмена между компонентами геопортала с помощью геопространственных веб-сервисов; выполнена соответствующая программная реализация. Создана система веб-сервисов геопортала, которые условно можно разделить на два типа следующих.

Служебные сервисы.

Модульная структура разработки веб-ГИС и позиционирование компонент геопортала как «кубиков» для создаваемых веб-приложений сформировала необходимость строгой формальной спецификации информационного обмена между компонентами. В результате был сформирован набор веб-сервисов для приема и передачи данных «внутри» системы. Ограничение в доступе к служебным сервисам связаны с тем, что с их помощью можно нарушить работоспособность системы в целом. Именно поэтому доступ к ним ограничен разработчиками. Примеры сервисов: получение и изменение списка ресурсов в каталоге, установка стилевого оформления слоя, настройка прав доступа.

Публичные сервисы.

В отличие от служебных сервисов эти сервисы являются публично доступными. Их рекомендуется использовать в сторонних разработках. Технологически они практически не отличаются от служебных, но нарушить работоспособность системы они не могут. С содержательной точки зрения преимущественно речь идет об информационных сервисах. К их числу относятся сервисы предоставления картографической основы, геокодирования, поиска кратчайшего маршрута, водотока по речной сети, и ряд других.

Одним из реализованных веб-сервисов, востребованных в задачах оценки состояния социально-экономических процессов и природной среды, является сервис геокодирования. Геокодирование — процесс преобразования адресов пространственных объектов в их географические координаты. Обратный процесс, преобразование точки на карте в читаемый для пользователя адрес, известен как обратное геокодирование. Предполагается, что доступен следующий набор реперных данных: объекты с адресной привязкой (районы, города и населенные пункты, улицы, здания) и дорожная сеть. Для определения координат по адресу используется геокодирование по объектам на основе поиска по специально подготовленной базе данных.

В алгоритме обратного геокодирования предлагается смешанный подход: в границах населенных пунктов выполняется поиск рядом стоящих зданий, а за пределами населенных пунктов адрес определяется на основе ближайших населенных пунктов вдоль дорожной сети (рис. III.29).

Рис. III.29
Рис. III.29. Реализация сервиса обратного геокодирования геопортала

Веб-сервис геокодирования реализован на основе REST подхода, запрос передается в виде GET параметров, результат формируется в виде XML документа. Для хранения данных использована СУБД PostgreSQL 8.x с модулями PostGIS и pgRouting. Основным программным языком для разработки выбран язык сценариев PHP 5.x.

Можно выделить следующие преимущества реализованного сервиса:

  • использование «своих» пространственных данных;
  • поддержка различных проекций;
  • настраиваемая детализация выдаваемых данных;
  • поддержка пакетного геокодирования.

Разработанный сервис проходит тестовую эксплуатацию в нескольких проектах, в том числе — в диспетчерско-навигационной системе мониторинга автотранспорта на основе спутниковых данных ГЛОНАСС/GPS «РЕГНАСС».

На рис. III.30 приведены примеры интерфейса пользователя веб-сервисов.

Рис. III.30
Рис. III.30. Иллюстрация сервиса геокодирования (картографический интерфейс) и обратного гео-кодирования (пример формируемого XML-описания)

Блок 2. Вычислительное моделирование трофических взаимодействий в процессах продуцирования органического вещества в водных экосистемах (А. Д. Апонасенко, П. В. Постникова).

Этап 2012 г.: Теоретическое моделирование связей рассеянного излучения с фундаментальными постоянными вещества частиц взвеси (показателями преломления и поглощения) и размером частиц.

Выявлена связь относительного показателя преломления ($\textit{m}$) вещества оптически мягких сфер с интегральной индикатрисой светорассеяния и предложен способ нахождения его значений методом двух индикатрис, что значительно расширяет область возможного определения значений $\textit{m}$. Кроме того, он обладает еще одним преимуществом: при его реализации не надо знать дифракционный параметр ($\textit{$\rho$}$), что позволяет определять значения $\textit{m}$ и $\textit{$\rho$ }$ в данном методе независимо друг от друга.

В приближении Релея-Ганса-Дебая (РГД) интегральная индикатриса светорассеяния однородного шара инвариантна в координатах $\rho \theta _{0}$ и описывается выражением ($\theta _{0} \ll 1$)

\[F(2\rho \sin \frac{\theta _{0} }{2} )\approx F(\rho \theta _{0} )=\frac{2}{9} \left\{\left(\rho \theta _{0} \right)^{2} -\frac{1}{10} \left(\rho \theta _{0} \right)^{4} +\ldots O\left(\left(\rho \theta _{0} \right)^{4} \right)\right\},\]

где $\theta _{0}$ — угол рассеяния.

Как показали расчеты по точной теории за пределами области применимости РГД (фазовый сдвиг луча света $\Delta \ll 1$) вплоть до значений $\Delta \le 3-4$

\[F(\theta _{m})\approx \frac{K_{р} }{8},~~~~~~~~~~~~~~~(III.1)\]

где $K_{р}$ — фактор эффективности рассеяния.

При сравнении двух интегральных индикатрис $F_{1}$ и $F_{2}$, полученных при разных длинах волн зондирующего излучения, в предположении, что показатель преломления вещества частиц не изменяется, следует, что в одной и той же точке $\theta _{m} $ значения интегральных индикатрис соответственно равны ${K_{р1} \mathord{\left/ {\vphantom {K_{р1} 8}} \right.} 8} $ и ${K_{р2} \mathord{\left/ {\vphantom {K_{р2} 8}} \right.} 8} $, а сами индикатрисы сдвинуты относительно друг друга вследствие изменения $\rho$. Тогда для точки $\theta _{m}$ должно выполнятся равенство:

\[\frac{F_{1} \left(\theta _{m} \right)}{F_{2} \left(\theta _{m} \right)} =\frac{K_{р1} }{K_{р2} } .\]

С учетом этого находим такую точку в угловой разверстке, в которой выполнится равенство:

\[\xi \left(\theta _{0} \right)=\frac{F_{1} \left(\theta _{0} \right)}{F_{2} \left(\theta _{0} \right)} \cdot \frac{D_{2} }{D_{1} } = 1,~~~~~~~~~~~~~~~(III.2)\]

где $D_{1}$, $D_{2}$ — значения оптических плотностей по рассеянию для разных длин волн зондирующего излучения. На рис. III.31 приведены расчеты, выполненные по теории Ми, поясняющие эту схему.

Предложенные способы могут быть использованы и для оценки концентраций частиц взвеси.

Рис. III.31
Рис. III.31. Схема определения значений относительного показателя преломления вещества частиц по двум индикатрисам. «а» — $m=1.02$, $\rho _{1} =30$, $\rho _{2} =37.5$; «б» — $m=1.1$, $\rho _{1} =10$, $\rho _{2} =12.5$

Цифры 1 и 2 обозначают кривые первой и второй индикатрис, а также их значения (III.1) в точке. Стрелки показывают значения, при котором выполняется (III.2)

Блок 3. Анализ межгодовой изменчивости суточного хода биологических и физико-химических параметров экосистемы Байкала (В. В. Заворуев).

По усредненным за восьмилетний период данным в поверхностной воде оз. Байкал установлено круглогодичное существование суточного хода вариабельной флуоресценции (Fv), которая отражает интенсивность процесса фотосинтеза фитопланктона.

В январе в Южном Байкале устанавливается ледовый покров, который препятствует газообмену с атмосферой, следовательно, к изменениям в концентрации растворенных газов мог привести только процесс фотосинтеза. В этот период амплитуда суточного хода Fv незначительная.

В весенний период функционирование альгоценоза характеризуется четко выраженным суточным ходом вариабельной флуоресценции. С середины мая по июнь в поверхностной воде меняются не только концентрации компонентов, но и амплитуды их внутрисуточных вариаций.

В летний период суточный ход вариабельной флуоресценции четко выражен, а значения Fv достигает практически нулевых значений (рис. III.32). В этот период также отчетливо проявляется суточный ход СО2 и О2 в поверхностном слое воды.

Рис. III.32
Рис. III.32. Суточный ход вариабельной флуоресценции и потоков углекислого газа в летний период

Активное поглощение углекислого газа фитопланктоном (рис. III.32) приводит к тому, что содержание СО2 в воде начинает быстро убывать. Поток СО2 из атмосферы не успевает компенсировать расход углекислого газа и к 15 часам его концентрация в воде достигает минимальных значений. Деятельность фитопланктона приводит к опустошению верхнего слоя воды растворенным СО2 в светлое время суток и вынуждает его снизить свою фотосинтетическую активность.

В осенний период завершается вегетация летнего комплекса водорослей, но их видовой состав еще весьма разнообразен. Вторая половина осени характеризуется слабым развитием фитопланктона, который состоит преимущественно из диатомовых водорослей. Суточный ход $\textbf{F}{}_{v}$ слабо выражен (рис. III.33).

В отличие от весеннего и летнего периодов в декабре за все годы измерений наблюдался практически непрерывный выход углекислого газа из воды в течение суток (рис. III.33), но как и в другие сезоны, прослеживался суточный ход потока СО2 с максимумом выхода в предрассветные часы, и минимумом перед заходом солнца.

Таким образом, четко выраженный суточный ход вариабельной флуоресценции фитопланктона наблюдается в весенний и летний периоды. Причем летом, в светлое время суток происходит интенсивный сток углекислого газа из атмосферы в воду Байкала. В другие сезоны суточный ход $\textbf{F}{}_{v}$ также существует, но его амплитуда меньше, чем весной и летом. Тем не менее, в осенний и зимний период достоверно зарегистрированы суточные изменения концентрации диоксида углерода.

Рис. III.33
Рис. III.33. Суточный ход вариабельной флуоресценции и потоков углекислого газа в осенний период

Основные публикации:

  1. Токарев А. В.
    Построение геопространственных веб-сервисов для задач оперативного мониторинга транспортных средств // Материалы междунар. конф. «ИнтерКарто-ИнтерГИС-18: Устойчивое развитие территорий: теория ГИС и практический опыт». — Смоленск, 2012. — С. 443–448.

  2. Якубайлик О. Э.
    Картографические веб-сервисы как основа прикладных информационных систем экологического мониторинга // Материалы XI Всерос. науч.-техн. конф. «Теоретические и прикладные вопросы современных информационных технологий». — Улан-Удэ: ВСГУТУ, 2012. — С. 100–104.

  3. Кадочников А. А.
    Разработка картографических сервисов для информационно-аналитических систем в региональном управлении // Математические и информационные технологии, MIT-2011 [Электронный ресурс] / Междунар. конф. (IX конференция «Вычислительные и информационные технологии в науке, технике и образовании), Врнячка Баня, Сербия, Будва, Черногория, 2011 г., № гос. регистрации — 0321102644, Режим доступа: http://conf.nsc.ru/files/conferences/MIT-2011/fulltext/50479/56591/KadochnikovAA.pdf, свободный.

  4. Токарев А. В.
    Построение веб-сервиса геокодирования на основе PostgreSQL и PostGIS / В кн.: Ю. И. Шокин [и др.]; под ред. И. Н. Ротановой. Геоинформационные технологии и математические модели для мониторинга и управления экологическими и социально-экономическими системами. — Барнаул: Пять плюс, 2011. — С. 100–105.

  5. Заворуев В. В., Панченко М. В., Домышева В. М., Пестунов Д. А., Сакирко М. В.
    Среднемноголетний суточный ход вариабельной флуоресценции фитопланктона в разные сезоны года и его связь с процессом газообмена СО2 в системе «атмосфера-вода» на оз. Байкал // Сб. докл. XVIII Междунар. симп. «Оптика атмосферы и океана. Физика атмосферы» [Электронный ресурс]. — Томск: ИОА СО РАН, 2012. — С. 66-69.

(Отдел вычислительной физики)

К началу