پایش مخاطرات جوی

به گزارش خبرنگار خبرگزاری برنا؛ در این راستا، ارتقای بهره وری و بهبود کیفیت در تهیه محصولات و ارائه هشدارهای سریع مخاطرات جوی و اقلیمی نیازمند طراحی، بومی‌سازی، توسعه و ارتقای فن آوری‌ها و انجام پژوهشهای بنیادی، توسعهای و کاربردی در زمینه‌های پایش، پیش‌بینی و سامانه‌های هشدار سریع است.

پدیده‌های فرین جوی و اقلیمی که بیش از 90 درصد مخاطرات طبیعی را شامل می‌شوند از نظر مقیاس مکانی به مقیاس‌های سیاره‌ای، بزرگ، متوسط و خرد تقسیم می‌شوند.

همچنین این پدیده‌ها از نظر زمانی به مقیاس‌های دهه‌ای از 10 سال تا 100 سال، بلند مدت و فصلی بیش از یک ماه تا یک سال، میان مدت یک روز تا 15 روز، کوتاه مدت کمتر از 12 ساعت و خیلی کوتاه مدت کمتر از سه ساعت تقسیم می‌شوند که برد پیش‌بینی‌ها نیز دارای همین مقیاس زمانی، البته با دقت‌های مختلف است.

از طرف دیگر موضوعات مرتبط به فعالیت‌ها و محدوده اثرات مخاطرات جوی بسیار گسترده بوده و تقریباً تمامی بخش‌ها و زیرساخت‌ها را درگیر می‌کنند و به همین نسبت فناوری‌های مرتبط با این حوزه بسیار متنوع و گسترده است و نیاز به طراحی، توسعه و بومی‌سازی در زمینه‌ها و گرایش‌های مختلف علمی دارند.

یک سامانه جامع پایش و هشدار سریع مخاطرات جوی، از چند زیرسامانه به هم پیوسته از قبیل زیر سامانه‌های جامع پایش، پیش‌‌پردازش، مدل‌سازی‌ و پیش‌بینی‌ها، پس پردازش، تبادل داده‌ها و ارتباطات، هشدار و تصمیم‌گیری، بازیابی و ارزیابی بعد از سیل و مدیریت پیوسته سامانه تشکیل می‌شود.

زیر سامانه جامع پایش

شبکه ایستگاه‌های زمین پایه که بسیار گسترده بوده و با توجه به تجهیزات مدرنی که دارد امکان دیدبانی و ذخیره حجم بسیار عظیمی از داده‌های ارزشمند هواشناسی را فراهم آورده است. کلیه ایستگاه‌های شبکه دیدبانی کشور از نظر جایگاهی و ادواتی از استانداردهای مشخص پیروی کنند.

سه منبع مهم کسب داده‌های هواشناسی شامل داده‌های ایستگاههای زمین پایه شامل: داده‌های ایستگاههای همدیدی، اقلیم‌شناسی، بارانسنجی، رادیوسوند(جو بالا)، بویه، رادار...، گزارش‌های ویژه، مانند داده‌های اندازه گیری شده توسط هواپیماها یا کشتی‌ها و داده‌های سنجش از دور ماهواره‌ای شامل انواع داده‌های ماهواره‌های هواشناسی زمین-ثابت و مدارقطبی می‌شود.

همچنین داده‌های بخش هواشناسی، برای پایش مخاطرات و مدل‌سازی‌های جفت-مدلی، نیاز به داده‌های دیگری نیز است، برای مثال برای پایش و پیش‌بینی آلودگی هوا نیاز به داده‌های اندازه‌گیری شده آلاینده‌های گازی ازون، کربن مونوکسید، NOx و گوگرد دی‌اکسید و ذرات معلق PM10 و PM2.5 و یا برای پیش‌بینی سیل علاوه بر داده‌های فوق نیاز به داده‌های فیزیوگرافی حوضه، توپوگرافی، بافت و نوع خاک، پوشش گیاهی و آبشناسی مانند جریان پایه و دبی رودخانه و .... است.

زیرسامانه پیش‌‌پردازش

با توجه به ماهیت داده‌های گفته شده قبلی، این داده‌های با ویژگی‌های اغلب متفاوت روی شبکه نامنظم قرار دارند و برای استفاده از آن‌ها در مدل‌سازی‌ و پیش‌بینی، لازم است که این داده‌ها پردازش شده و مقادیر آنها بر روی شبکه منظمی تعیین گردد که برای این منظور از فناوری‌های داده گواری استفاده می‌شود.

 زیرسامانه مدل‌سازی‌ و پیش‌بینی‌ها

با توجه به نوع و برد زمانی پیش‌بینی از سامانه‌های مدل‌سازی‌ عددی یا روش‌های آماری مختلف و هوش مصنوعی استفاده می‌شود اما برای مقوله‌های پیش‌بینی و هشدارسریع مخاطرات جوی با برد زمانی یک تا 14 روز، نیاز به مدل‌های پیش‌بینی عددی وضع هوا برای حل معادلات دیفرانسلی مرتبه 2، حاکم بر حرکت‌های جو است که بر اساس اصل پایستاری جرم، تکانه و انرژی جو حاصل شده‌اند به کمک این مجموعه معادله‌های بسته (معادله های بسیط)، می‌توان وضعیت آینده هوا را پیش بینی کرد.

فرآیند اصلی به این گونه است که اگر حالت فعلی جو بر اساس داده‌های اندازه‌گیری شده معلوم باشد، می توان با حل معادله های حاکم بر دینامیک و فیزیک جو، حالت آینده جو را پیش بینی کرد. بنابراین داده‌های دیدبانی شده به عنوان ورودی این مدل‌ها بوده و هر چه تراکم شبکه پایش بیشتر باشد، خطای کمتری در داده‌های ورودی به مدل وارد می‌شود. در حالت کلی فرآیند مدل‌سازی‌ عددی وضع هوا، فرآیندی بسیار پیچیده است.

بر این اساس پس از دیدبانی و داده ‎گواری لازم است برای تعیین شرایط اولیه و مرزی مدل ‌های منطقه‌ای، پیش‌بینی وضع هوا، ابتدا باید مدل‌های جهانی (تمام کره‌ای) اجرا شوند. طراحی و اجرای عملیاتی مدل‌های گردش کلی جو (GCM) بسیار پیشرفته بوده و همین امر سبب شده است که فقط تعداد معدودی از کشورهای پیشرفته از جمله آمریکا، انگلیس و فرانسه از این فنآوری‌ها برخوردار باشند.

بعد از اجرای مدل‌های جهانی (تمام کره‌ای)، مدل‌های منطقه‌ای که دارای تفکیک مکانی و زمانی بسیار بالاتری می‌توانند باشند، برای محدوده و دامنه‌های مشخصی اجرا شده و داده‌های لازم برای پیش‌بینی و ورودی مدل‌های دیگر از جمله مدل‌های آلودگی هوا، گرد و خاک، رواناب و سیل، امواج دریا و... را فراهم می‌آورد.

به عنوان مثال برای پیش‌بینی سییل، برونداد مدل‌های پیش‌بینی عددی وضع هوا به عنوان ورودی مدل‌های هیدرولوژی و هیدرولیک مورد استفاده قرار می‌گیرد.

به این ترتیب یک سامانه جفت-مدلی ایجاد می‌شود و امکان پیش‌بینی کمی دبی سیلاب در نقاط مختلف فراهم می‌شود‌. به همین ترتیب می‌توان برونداد مدل منطقه‌ای پیش‌بینی عددی وضع هوا را به عنوان ورودی مدل‌های پخش ذرات استفاده کرد و یک سامانه جفت-مدلی ایجاد کرد که امکان پیش‌بینی غلظت گرد و خاک و آلودگی هوا را داشته باشد.

به طور کلی دقت پیش‌بینی‌های این سامانه‌های جفت مدل وابستگی زیادی به خروجی مدل‌های منطقه‌ای پیش بینی عددی وضع هوا دارد و این مدل‌ها نقش اساسی در پیش‌بینی مخاطرات جوی دارد.

 زیرسامانه پس پردازش

با توجه به داده‌های ورودی و ماهیت مدل‌سازی‌ عددی، پیش‌بینی‌های عددی وضع هوا همواره با خطاهایی همراه است که برای رفع خطاهای سیستمی و بهبود پیش‌بینی‌ها اغلب لازم است تا با استفاده از داده‌های دیدبانی تاریخچه‌ای و روش‌های مختلف مانند کالمن فیلترینگ و MOS ، پس‌پردازش‌هایی برای بهبود پیش‌بینی‌های خام مدل صورت گیرد.

زیر سامانه تبادل داده‌ها و اطلاعات

برای فرآیند مدل‌سازی‌ عددی وضع هوا نیاز به حجم بسیار عظیمی از داده است باید در سطح جهانی، منطقه‌ای و ملی به صورت برخط مبادله شود. مبادله این حجم از داده و اطلاعات به صورت برخط و بدون قطعی و با گام زمانی سه ساعته یا کمتر از آن، باید انجام شود که برای این منظور نیاز به فناوری‌ها و زیرساخت‌های نرم‌افزاری و سخت‌افزاری پیشرفته فناوری اطلاعات است.

 زیر سامانه هشدار و تصمیم‌گیری

پس از اجرای مدل‌ها و انجام پس‌پردازش‌ها، اطلاعات و محصولات مورد نیاز برای تهیه هشدار فراهم می‌شود. در این بخش بر اساس رویکرد مدیریت ریسک که تابعی از مخاطره و سرمایه‎ها و منابع در معرض خطر است، میزان آسیب‌پذیری برای هریک از مناطق تحت تاثیر بر اساس آستانه‌های تعریف شده در هر بخش، باید مشخص و بر اساس آن سطح و نوع هشدار و نحوه اطلاع رسانی آن مشخص و پیام‌های هشدار تهیه و ارسال شود.

 زیر سامانه عکس العمل‌اضطراری

بر اساس نوع و سطح هشدار و منطقه تحت تاثیر، دستگاه‌های کنشگر قبل از رخداد باید اقدامات لازم را انجام داده و اقداماتی از قبیل تخلیه موقت مناطق درگیر قبل از رخداد، تعیین بهره برداری زیرساخت‌ها و ..، سازماندهی مراکز کمک رسانی و ...، جستجو و نجات آسیب‌دیدگان در حین رخداد را در دستور کار قرار گیرد.

زیر سامانه بازیابی و ارزیابی بعد از سیل شامل باز گرداندن مناطق تخلیه شده، برگرداندن سرویس‌ها و ارزیابی خسارات و ...می‌شود.

سامانه مدیریت پیوسته سامانه نیز شامل تهیه و ارایه برنامه‌های آموزشی جهت بالا بردن سطح اگاهی مردم برای مواجهه با مخاطرات، نگهداری و تعویض تجهیزات، برگزاری تمرین ها و مانورها برای شبیه سازی بحران می‌شود.

بر این اساس در راستای توانمندسازی کشور، طراحی، توسعه، ارتقای و بومی سازی فناوری‌های مرتبط با پیش‌بینی‌ها مدیریت ریسک مخاطرات جوی و اقلیمی در کشور ضروری است، که برای نمونه می‌توان به مواردی از قیبل زیر توسعه و ارتقاء سامانه‌های پایش و هشدار سریع مخاطرات و پیش‌بینی‌های خیلی کوتاه مدت کمتر از سه/شش ساعته (Nowcasting) از طریق داده گواری (Data Assimilation) برای مدل های پیش بینی عددی وضع هوا، یکپارچه سازی داده و اطلاعات رادار، ماهواره، دیدبانی‌های زمینی و محصولات مدل‌های عددی با بهره‌گیری از فنآوری‌های تخصصی اشاره کرد.

توسعه و ارتقای سامانه‌های پایش با بهره‌گیری از فناوری‌های پیشرفته سنجش، مخابرات، و فناوری اطلاعات، توسعه و ارتقای پیش بینی‌ها، هشدارها و پیش‌آگاهی‌های کوتاه، میان مدت، فصلی و بلندمدت با طراحی، بومی‌سازی و توسعه سامانه‌های مدل سازی عددی در مقیاس‌های خرد، میانی، همدید و سیاره‌ای با بهره‌گیری از فناوری‌های پیشرفته، طراحی و پیاده سازی فنآوری‌ها و سامانه تصمیم یاری Decision Support System برای اجرای سریع دستورالعمل‌های تهیه شده به هنگام وقوع بحران از دیگر موارد است.

توسعه و ارتقای سامانه‌های پردازشی فوق سریع جهت پردازش داده‌ها و اجرای سامانه‌های نرم افزاری برای تولید محصولات در کوتاه‌ترین زمان ممکن، توسعه و ارتقاء صحت پیش‌بینی و پیش‌آگاهی‌ها با استفاده از روش‌های نوین پس پردازش برونداد انواع مدل‌های عددی و ارتقاء و توسعه سامانه‌های اطلاع رسانی بویژه برای هشدار سریع و به موقع برای سازمان‌های تخصصی چرخه مدیریت بحران و عامه مردم از دیگر راهکار است.

انتهای پیام/