Федеральная служба России по гидрометеорологии и мониторингу окружающей среды ТРУДЫ СИБИРСКОГО РЕГИОНАЛЬНОГО

Федеральная служба России
по гидрометеорологии и мониторингу окружающей среды
ТРУДЫ
СИБИРСКОГО РЕГИОНАЛЬНОГО
НАУЧНО-ИССЛЕДОВАТЕЛЬСКОГО
ГИДРОМЕТЕОРОЛОГИЧЕСКОГО ИНСТИТУТА
/ выпуск
[Ш)
\
ГИДРОМЕТЕОРОЛОГИЯ СИБИРИ
Под редакцией
канд. геогр. наук В. Н. Барахтина,
канд. с.-х. наук Т. В. Старостиной
Санкт-Петербург
ГИДРОМЕТЕОИЗДАТ
2000
УДК 551.509.3 + 63.551.5
В сборнике представлены результаты исследований в области региональной
климатологии и агрометеорологии, методов среднесрочных метеорологических прогнозов,
авиационной метеорологии и контроля окружающей среды, гидрологии.
Рассматриваются методы и дается оценка регионального климата Сибири. Описаны методы прогноза заморозков на 1—5 сут для территории Уральского УГМС, Красноярского края, прогноза ветра скоростью более 25 м/с. Приводятся результаты исследования
низких облаков на севере Западной Сибири и анализ оправдываемое-™ авиационных
прогнозов. Дается оценка уровня загрязнения воздуха в сибирских городах, влияния
ядерных испытаний на территорию Новосибирской области. Описана численная модель
динамики атмосферы для Западно-Сибирского региона. Представлены метод прогноза
зимнего режима рек и модель прогноза ежедневных уровней воды половодья.
Сборник рассчитан на специалистов в областях службы погоды, гидрометеорологии и экологии.
г 1805040400-42
069(02)—2000
© Сибирский региональный
научно-исследовательский
гидрометеорологический
институт, 2000 г.
В. М. Топоров, В. В. Костюков
ОЦЕНКА И ПРОГНОЗ РЕГИОНАЛЬНОГО КЛИМАТА
ЗАПАДНОЙ СИБИРИ
Потепление глобального климата Земли, наблюдающееся в настоящее время, приводит к перестройке гидрометеорологических процессов, режима погоды и, следовательно, к изменению и перераспределению
климатических ресурсов по пространству и в сезонном ходе. Из-за специфики природных и орографических условий, физических, почвенных и
других свойств подстилающей поверхности ландшафтов, а также антропогенной нагрузки конкретных территорий характер изменений климата,
его ресурсов и последствий будет различным. Поэтому, как отмечалось
на конференции ООН по окружающей среде и развитию в
г. Рио-де-Жанейро в 1992 г., чрезвычайно важно уделять внимание именно региональным аспектам климата.
Ученые Сибирского научно-исследовательского гидрометеорологического института работают, в частости, над оценкой текущего состояния и прогнозом изменчивости на ближайшую перспективу параметров окружающей среды, включающей атмосферу, воду рек и озер, почву
и растительный покров территории Западной Сибири. Приведем некоторые из результатов, полученных путем статистической обработки данных
инструментальных наблюдений за последние сто лет.
Анализ температуры воздуха
Данные наблюдений за температурой воздуха наиболее полны и
надежны по сравнению с данными наблюдений за другими элементами
климата Западной Сибири. В направлении от северных к южным широтам температура растет. Например, разность среднегодовых температур,
осредненных за весь период наблюдений, между Барнаулом и Салехардом составляет 7,7 °С, январской — 6,7 °С, июльской — 5,8 °С. За последние десятилетия по сравнению с вековым периодом эта разница для
года в целом и января возросла, а для июля несколько уменьшилась. Это
соответствует тому, что в последнее время зональная составляющая
циркуляционных процессов в течение года в основном усилилась.
3
Анализ данных свидетельствует о заметном потеплении регионального климата в текущем столетии, особенно в последние несколько
десятков лет. По вековому тренду темп прироста среднегодовой температуры наибольшим оказался в Барнауле и Барабинске (1,4 °С/100 лет),
наименьшим — в Салехарде (0,15 °С/100 лет). Максимальный темп
прироста наблюдается за последние 40 лет в Барабинске (0,043 °С/год),
относительно большой темп — в Томске (0,029 °С/год). Поведение
статистических характеристик температуры различается как по областям,
так и по месяцам. Более существенны значения потеплений в холодное
время года. Так, если осредненный по всему региону темп прироста
средней за отрезок времени ноябрь—апрель равен 1,7 °С/Ю0 лет, то за
май—октябрь он оказывается меньшим почти в 3 раза (0,6 °С/100 лет).
Август и февраль выделяются своей спецификой. В августе в
большинстве пунктов наметилась незначительная тенденция к похолоданию; максимальный темп снижения оказался в Мариинске ( - 0,4 °С/
100 лет). В феврале, согласно вековому тренду, наблюдается как рост
(Томск), так и падение (Мариинск, Барабинск) температуры, относительно небольшие по абсолютной величине (±0,2...±0,8 °С/100 лет). Но для
Барнаула характерен существенный рост температуры и в феврале
(1,7 °С/100 лет). В марте повсюду наблюдаются максимальные темпы
приростов температуры (от 2,1 °С/100 лет в Томске до 4,5 °С/100 лет в
Барабинске); следующий по значимости темпа прироста месяц — апрель.
Заметим, что здесь речь идет о многолетней (вековой) тенденции. Что
касается конкретных лет, то значения температуры могут существенно
отклоняться от нормы или тренда. Причем разброс среднегодовых значений год от года по сравнению со среднемесячными невелик; дисперсия
ст;2 - 1 (°С)2. Наибольшая межгодовая изменчивость среднемесячных
значений бывает в зимнее время (осредненная по региону дисперсия
а 2 = 3,7...4,2 (°С)2), наименьшая —летом (ст2 = 1,3... 1,7 (°С)2). Весной,
чем ближе месяц к лету, тем дисперсия меньше (ст2 = 3,2...2,0 (°С)2).
Осенью, чем дальше месяц отстоит от лета, тем дисперсия больше
(а* = 2,0... 3,6 (°С)2).
Связь между региональным и глобальным климатами проявляется,
в частности, и в том, что межгодовые колебания средних годовых и
месячных температур в большинстве случаев (55—80 %) находятся в
одной и той же фазе. Одинаковый характер имеют сезонные ходы осред-
ненных по территории значений температуры северного полушария в
области 65—85° с. ш. и на юге Западной Сибири (< 56° с. ш.). Отличия
состоят лишь в скорости изменений и значении амплитуд, они больше в
Западной Сибири. Максимальные отклонения имеют место в декабре
( | д г ! = 7,9 °С) и январе ( | а г | = 7,0 °С), наименьшие в июне ( | д г | = 1,7 °С) и
в июле (I А7"! =2,3 °С).
Строгого и однозначного обоснования причины потепления регионального климата до сих пор нет. Дело в том, что нынешнее повышение
температуры находится пока в пределах нестационарных естественных
вариаций, но если оно вызвано в основном парниковым эффектом антропогенных воздействий из-за возрастания выбросов в атмосферу углекислого газа, то можно приближенно оценить дальнейшее вероятное изменение температуры.
С привлечением фактических данных по многолетней динамике
концентрации С0 2 нами рассчитан тренд приращения температуры для
Западной Сибири. Согласно ему, средняя годовая температура в регионе
к 2005 г. повысится на 0,57 °С по сравнению с 1980 г. Однако небольшие
изменения в средних значениях могут вызывать существенные отклонения в диапазоне распределения более редких значений. Так, известно, что
в случае нормального закона распределения изменение нормы всего на
10 % приводит к отклонениям в значениях событий 20 %-ной обеспеченности (частоты появления) на 40—53 %, а событий 10 %-ной обеспеченности на 47—71%,
Следует иметь в виду, что определенную коррекцию в результаты
подобных расчетов могут внести „сюрпризы" обратнопрямых связей
между атмосферой, гидросферой, криосферой, поверхностью суши и
биосферой, а также влияние космических факторов, природных и техногенных катастроф (например, извержения вулканов и крупномасштабного
загрязнения).
Анализ данных по атмосферным осадкам
Динамика и пространственная структура осадков носит сложный,
неоднозначный характер. Данные по осадкам не столь полны и надежны,
как температурные, поскольку в их рядах имеется относительно большое
число пропусков и ошибок. Сумма годовых осадков в одних районах
региона имеет в вековом ходе тенденцию к снижению, в других, в основном северных — к повышению. За последнее тридцатилетие по сравне5
ншо с предыдущим в большинстве районов сумма зимних осадков растет,
а летних падает. На пунктах, по которым имеются наиболее надежные и
длиннорядные архивы данных, наблюдаются колебания сумм годовых
осадков от десятилетия к десятилетию, но с тенденцией к падению.
Например, в десятилетие 1891—1900 гГ. в Томске среднегодовая сумма
осадков равнялась 623 мм, а в 1981—1990 гг. — 537 мм; в Барнауле в
упомянутое первое десятилетие было 462 мм, а в последнее — 416 мм; в
Омске— соответственно 299 и 260 мм.
Сложность установления статистической структуры осадков проявляется и в том, что характер межгодовой динамики заметно различается
не только на пунктах, расположенных на относительно больших расстояниях (областного масштаба и более), но и на меньших (районного масштаба). Например, на территории Новосибирской области в городе
Болотном норма суммы годовых осадков составляет 537 мм, а в Карасуке,
находящемся в 450 км от Болотного, — 275 мм. В Карасуке за весь
период наблюдений (несколько десятилетий) происходит в основном рост
осадков. В Чулыме, отстоящем от Карасука на расстояние всего 230 км,
наблюдается только снижение. В других пунктах области отмечаются
колебания с тенденциями в ту или иную сторону или изменений практически нет.
На основе анализа трендов к 2005 г. ожидается в среднем в целом
по территории региона рост годовой суммы осадков на 9—12 мм. Хотя
увеличение относится именно к районам, расположенным по широте
выше Томска, южнее ожидается снижение осадков.
Анализ гидрологических данных
Главными факторами формирования речного стока в Западной Сибири являются температура воздуха и атмосферные осадки. Следовательно, изменяющиеся климатические условия должны отражаться на речном
стоке бассейна региона. Неблагоприятные изменения водных ресурсов
происходят в лесостепной зоне и на юге лесной зоны. Здесь у большинства рек наблюдается тенденция к уменьшению стока, так что к 2005 г.
годовой сток может стать на 5—15 % ниже нормы. В более северных
районах наиболее вероятно увеличение годового стока на 20 %.
Причем в зимнее время сток почти всюду возрастет, а в летнее упадет.
Это соответствует тенденциям изменения осадков и температуры по
территории бассейна р. Оби.
6
В разных частях региона можно наблюдать разнонаправленные
изменения стока, особенно в средней части р. Оби. На самой реке отмечаются неодинаковые изменения во времени в разных створах по ее
длине: небольшие отрицательные в верховьях, значительные у Колпашево и положительные в низовьях. Эти особенности необходимо принимать
во внимание при планирований долгосрочных мероприятий по комплексному использованию водных ресурсов и охране окружающей среды,
поскольку последствия вмешательства человека в естественный ход
процессов становится все более заметным. Например, на участке
р. Оби от Новосибирской ГЭС до Колпашево забор и отведение воды для
различных целей народного хозяйства уже сейчас составляет около 16 %
местного стока. По мере освоения северных территорий будет возрастать
влияние и других антропогенных воздействий на многие характеристики
бассейна р. Оби, и в частности на сезонную изменчивость стока.
Интересные результаты были получены при анализе колебаний
уровня воды оз. Чаны — водоема, отражающего климат области замкнутого стока Барабинской низменности. Динамика уровня неплохо описывается простой математической моделью, представляющей собой сумму
линейной и периодической составляющих. На основе модели дан прогноз
колебаний уровня воды оз. Чаны у села Кващнино на период до 2005 г. В
соответствии с ним значительного повышения уровня воды озера не
ожидается.
Анализ агроклиматических ресурсов
Глобальные и региональные изменения климата сказываются и на
жизнедеятельности растений. Динамика урожайности сельскохозяйственных культур может служить обобщенной интегральной характеристикой
агроклиматических ресурсов, хотя в ней отражается и вклад культуры
земледелия. В динамике урожайности зерновых выявлены климатические
составляющие, свидетельствующие о том, что большинство территорий
региона попадает в зону умеренно устойчивых урожаев, кроме Омской
области и Алтайского края, которые относятся к зоне неустойчивых
урожаев и, следовательно, требуют относительно больших усилий для
получения устойчивых урожаев. Отметим, что по свойствам климатической составляющей урожайности зерновых Западная Сибирь аналогична
территории Южной Дакоты в США; европейская часть России и даже
Урал более благоприятны в этом смысле.
7
В Омской и Новосибирской областях заметно проявление квазидвухлетней цикличности, однако она ослабляется в последние годы.
Вероятность смены знака в приросте урожайности зерновых в смежные
годы — около 60 % (т. е. чуть более, чем в половине случаев увеличение
урожая сменяется его снижением), а непрерывный рост или падение в
течение семи и более лет практически не бывает.
В сельскохозяйственном производстве Западной Сибири зерновые
культуры занимают одно из ведущих мест; свыше 60 % посевной площади отводится под яровую пшеницу, поэтому наиболее полная информация
относится к ней. По нашим расчетам, коэффициенты корреляции R
динамики урожайности с другими зерновыми культурами оказываются
достаточно высокими (R > 0,90), особенно с яровым ячменем и овсом.
Неплохая корреляция урожайности пшеницы и технических культур
(R « 0,60), с овощами связь заметно ниже, однако она тоже значима
(R = 0,37...0,48). Поэтому выводы из анализа свойств динамики урожайности яровой пшеницы могут быть справедливыми с определенной долей
достоверности и для многих других культур.
Из данных фондов статистических управлений средняя областная
урожайность яровой пшеницы за 1956—1991 гг. в Западной Сибири
составляла от 1,10 до 1,40 т/га в зависимости от географического положения территории, при этом наибольшее значение отмечалось в Кемеровской и Томской областях. В упомянутый период происходила ежегодная
прибавка за счет роста культуры земледелия от 7 до 18 кг/га. В последние
годы в некоторых районах появилась тенденция к падению урожайности
зерновых.
Существенные колебания урожайности По годам и конкретным
территориям региона отмечаются у всех зерновых культур. Коэффициенты корреляции между рядами урожайности яровой пшеницы меняются в
сочетаниях разных территорий от 0,26 (Тюменская область, Алтайский
край) до 0,89 (Томская, Кемеровская области).
Связи средних урожайностей яровой пшеницы также отмечаются и
между крупными территориальными единицами — экономическими
районами. Например, корреляция средней урожайности Западной Сибири
и Урала, а также Восточной Сибири выражается в значениях R » 0,51.
Более низкая, но еще значимая корреляция с Дальним Востоком
(R = 0,34), слабая связь имеет место с Поволжьем (R = 0,27); с ВолгоВятским и Северо-Западным районами корреляция практически отсутствует.
8
В Западной Сибири тепло и влага являются наиболее важными агроклиматическими ресурсами. Солнечная радиация обеспечивает высокий биологический потенциал урожайности сельскохозяйственных культур, который на практике реализуется пока еще слабо. Средний балл
бонитета почвы, характеризующий ее потенциальное плодородие, меняется в регионе от 0,23 в Тюменской области до 0,57 в Алтайском крае. В
отдельных районах его значения приближаются к максимально возможному уровню — единице. Однако и этот потенциал урожайности полностью не реализуется из-за неблагоприятных метеорологических условий и
относительно невысокой культуры земледелия. Бонитет обладает гораздо
большей инерцией отклика на климатические вариации, чем тепло и
влага.
К числу основных факторов агроресурсов, удобных для исследований климатической изменчивости, относятся: сумма месячных осадков,
средняя месячная температура и сумма температур за вегетационный
период. По ним рассчитываются и все другие необходимые величины.
Для характеристики условий тепло- и влагообеспеченности наиболее
часто применяется комплексный показатель ГТК — гидротермический
коэффициент, пропорциональный отношению суммы осадков к сумме
температур за период с температурой воздуха выше 10 °С. ГТК фактически отражает соотношение между приходом влаги (количеством осадков)
и испарением. По территории Западной Сибири ГТК меняется от 1,07 на
юге до 2,32 на севере.
Как показывают расчеты по многолетним данным, повсеместно в
регионе суммы температур растут, а суммы осадков и ГТК падают в
течение вегетационного периода, что позволяет сделать вывод о продолжающейся в регионе аридизации климата. Сильнее всего ГТК снижается
в Барабинске и относительно слабо в Томске. К 2005 г. климатические
границы сельскохозяйственно значимой территории сдвинутся на север
на 50—100 км. Увеличатся средние длительности теплого (> 0 °С), вегетационного (>5 °С) и активно вегетационного периода (>10 °С) на несколько и более дней (до недели). При этом уменьшатся разности между
ранними и поздними датами перехода температуры через 0 °С, а также
сократится средний отрезок времени с более теплым периодом (>15 °С).
Нормальные условия вегетационного периода в отдельные годы
могут нарушаться в результате воздействия стихийных и опасных гидрометеорологических явлений, приводящих не только к потере урожая, но и
к полной его гибели в некоторых районах. К таким явлениям относятся
9
град, сильный ветер (>15 м/с), пыльные бури, длительные дожди со
значительными осадками (> 30 мм за сутки). В целом по юго-востоку
Западной Сибири наметилась тенденция к снижению числа дней с градом: за последнее 20-летие по сравнению с предыдущим оно уменьшилось на 40 %. За это же время почти втрое возросло число случаев с
сильным ветром, как правило, в мае—октябре. Число случаев с сильным
дождем за последние двадцать лет изменилось незначительно: для
<7 > 30 мм отмечено увеличение на 15 %, для q > 50 мм —- уменьшение на
20 %.
В ближайшее десятилетие вегетационный период по тепло- и влагообеспеченности будет характеризоваться несколько менее благоприятными условиями для сельскохозяйственного производства. Однако
возможности современной культуры земледелия позволяют обеспечивать
стабильные урожаи и даже их рост в текущих и ожидаемых погодноклиматических условиях юга Западной Сибири. Как показывают расчеты,
потенциальная урожайность зерновых здесь в два-три раза выше, чем
фактически получаемая (хозяйственная). Существенное приближение к
потенциальной возможно лишь при высокой культуре земледелия, включающей обязательный учет в течение всего продукционного процесса от
посева (и даже задолго до него) до уборки урожая детальной гидрометеорологической информации. Эта информация таит в себе большие возможности получения солидной прибыли в сельском хозяйстве. В развитых странах, например в США или Канаде, ни один фермер не начинает и
не ведет дело без консультации и учета информации метеослужб. В
России далеко не все хозяйства учитывают всю доступную полезную
информацию, которая имеется в организациях и учреждениях Росгидромета.
К сожалению, в последние годы из-за экономических трудностей
идет значительное сокращение числа пунктов сети наземных гидрометеорологических наблюдений, что приводит к немалым потерям во многих
отраслях народного хозяйства. Федеральные органы обязаны принять
незамедлительные меры к приостановке этих негативных тенденций.
Расчеты наших и зарубежных специалистов показывают, что учет информации с сети наблюдений с течением времени во много раз окупает
затраты на содержание существующих и создание дополнительно новых
пунктов.
10
Н. Н. Завалиишн
О НОРМЕ МЕТЕОЭЛЕМЕНТОВ, КЛИМАТЕ
И МЕТОДАХ ИХ ОЦЕНКИ
В математической статистике проблемы метеорологии и климатологии сводятся к проблемам исследования многомерного стохастического процесса
A(R,F)
= (AH...,AN),
(1)
где АК — метеоэлемент; R — область атмосферы; T—время.
В этой работе будем считать область атмосферы фиксированной,
т. е. R = RO, и, следовательно, (1) есть функция только времени. (При
фиксации и времени t = t0 вектор (1) является вектором погоды в момент
to в области R0.) Одной из базовых характеристик (1) является математическое ожидание (МО):
е, {A}=M(R0J)
= (MU...,MN).
(2)
Такие понятия как „норма" и „климат" должны, на наш взгляд,
определяться на основе (2). В идеале норму метеоэлемента можно было
бы определить как компоненту вектора (2), но два обстоятельства препятствуют этому: во-первых, сложность, а порой и невозможность получения
эффективных оценок (2) из-за малого числа реализаций процесса (1) и,
во-вторых, потому что „норма" должна быть практичной — нечасто
меняться и просто вычисляться. Поэтому выбирают различные способы
аппроксимации норм.
Простейший и самый распространенный способ — аппроксимация кусочно-постоянными функциями, например, средним значением
метеоэлемента за 30 лет. Но у этого способа есть недостатки — оценки
получаются слишком грубыми и плохо приспособленными для аппроксимации длительных подъемов или спадов значений метеоэлементов. С
другой стороны, более сложные типы аппроксимации (гармоники, полиномы высоких степеней) в условиях весьма ограниченного набора данных
дают неэффективные оценки как из-за малого числа степеней свободы,
11
приходящихся на оценку одного параметра аппроксимации, так и из-за
резких изменений МО — эффекта, названного климатическим скачком
[4].
Локально-климатическая модель (ЛК-модель), аппроксимирующая МО кусочно-линейными функциями [1, 2], предназначена для получения более точных оценок МО, чем с помощью кусочно-постоянной
аппроксимации, но и не настолько сложных (и поэтому — малоэффективных и непрактичных), которые получаются при многопараметрической аппроксимации непрерывными функциями. Оценка норм метеоэлементов с помощью ЛК-модели разработана в применении непосредственно к исходному ряду. Рассмотрим другой алгоритм. Пусть интервал
времени / разделен на т подынтервалов:
I=[to,tm),
1к = [4-ь 4), к= 1,..., т.
(3)
Предположим, что одномерный стохастический процесс Y определен на интервале I и имеет вид:
Y(t) = M(t) + Z(t),
(4)
где
т
M(t) = Y,Pk(t),
к=1
(5)
pk(t)={of2+bJ+c>'
(6)
Случайную величину Z(t) в любой фиксированный момент времени t будем предполагать распределенной по нормальному закону с
параметрами
Z(t)~N(0,D),
и пусть в моменты времени
процесса (4):
известна единственная реализация
y,=Y(t*), i
{*к)\ с
(7)
, причем
12
=
1
,
h=t\,tm=tn.
(
8
)
Будем также предполагать, что случайные величины \z(t*)}] независимы
и что
п > А т , v rain >4,
(9)
где vmin = min vk, vk — количество точек на интервале 1к.
к
Применяя метод максимального правдоподобия при фиксированном векторе (tb...,tm-i) и соблюдении условий (3)—(9), найдем эффективные оценки вектора I из системы нормальных уравнений
Q/=h,
(10)
где Q — матрица размерностью ЗтхЗтс
элементами
54,- Щ +53,-д{+т + 52,Щ +2т •
<7у = S3,5/_„, + 52,6/ + 51,5 j+m;
52/5^+51,5^+50/5/;
\<i<m>
m<i<2m,
2m<i<3m.
Здесь 5/ = 1; если i * j, то 8/ = 0 .
S ^ J j f .
Uelj
Вектор-столбец h размерностью Ът x 1 имеет элементы
4 el к
4^1 к
4*1 к
а вектор-столбец l размерностью Зт х 1 имеет элементы
h = Як, h+m = Ък, 1к+2т = ск,
к=\,...,т.
Если матрица Q невырожденная, то существует обратная и решение уравнения (10) есть
/ = Q-'h.
(11)
Найденное
решение
пригодно
для поиска
кусочнопараболической интерполяции, но из-за значительной шумовой компоненты в метеорологических процессах и малого числа данных кусочно13
линейная интерполяция чаще бывает более эффективной. Однако если
процесс X(t) является интегралом от процесса Y(t), имеющего кусочнолинейную форму МО, то аппроксимация (6) становится эффективной.
Так как X(t) есть первообразная, то ее МО есть непрерывная
функция и, следовательно, должны выполняться условия
=
Л(/о) = 0, z = l , . . . , m - l .
(12)
По предположению,
£,{Y(t)}=
(13)
dt
т. е. для t е 1к МО процесса Y(t) есть akt + bki и поэтому нет необходимости в оценке параметров ск.
На основе (12) исключим из уравнения (10) параметры ск:
«А + hh +Ск = ак+Д2 + bk+]tk + ск+и
a ^ + f y tq + c i = 0 ,
(к = \,...,т-\).
Перепишем полученную систему в матричном виде
/ (2) = и/ ( 1 ) ,
(14)
(2)
где I / — первые 2т и последние т элементов вектора I соответственно;
U — матрица размерностью тх2т состоит из элементов
t2-t2
к <i
1Л
к =/
к-Ь
< к <т
0,
г
h ~ h-1 >
т <к <т +i
-h-ъ
к =m+i
0,
к >m +i
( i = 1,...,тя; к = 1,. .-.,2т).
14
Перепишем уравнение (10) в блочном виде:
'QnQ.2 N
<Q2lQ22,
/(2)
И У
где h(1) — 2т первых элементов вектора h;
h(2) — т последних элементов вектора h;
Qn — матрица размерностью 2т х 2т;
Q12 — матрица размерностью 2 т х т ;
Q 2l — матрица размерностью тх2т;
Q22—матрица размерностью т х т .
Из (14), (16) имеем
Q n / ( , ) + Q, 2 / ( 2 ) = h«;
CQii + QiztO' (1) =
Если матрица Q u + Q12U невырожденная, то искомая оценка есть
— (Qj, + Q12U) 1 h,
(17)
где элементы матриц определены уравнениями (10), (15).
Итак, с помощью ЛК-модели можно найти кусочно-линейную
аппроксимацию временного ряда значений любого метеоэлемента на
основе (17) или [2], которая, как мы условились, и задает его норму.
Если норма —• это характеристика метеоэлемёнта в конкретном
году, то климат — это интегральная по времени многомерная характеристика состояния атмосферы данного региона. Различают целый спектр
климатов: внутривековой климат, вековой, сверхвековой и т. д. [3].
Следовательно, используя термин „климат", необходимо указывать
интервал времени, характерный для данного типа климата, который
будем называть минимальным климатическим интервалом, а под климатическим интервалом будем понимать интервал времени, когда климат не
меняется. Изменяя минимальный климатический интервал, можно исследовать различные типы климатов.
Теперь казалось бы естественным определить климат области
атмосферы, как некий климатический вектор
15
КО) = J М(Д0, т) £2 (t
—
т)
dt,
(18)
где ядро Q удовлетворяет ряду обычных условий: симметричности,
компактности на минимальном климатическом интервале и нормировки
(например, при постоянном ядре формула (18) задает сглаживание скользящей средней). Но применение формулы (18) оправдано лишь на отдельных климатических интервалах. Действительно, в случае если интеграл захватывает два различных климатических интервала, формула (18)
покажет якобы происходящие изменения климата; в этом эффекте и
заключается ее недостаток.
Проблема определения климата, на наш взгляд, сводится прежде
всего к задаче нахождения климатических интервалов (интервалов неизменности климата) и лишь затем к нахождению на этих интервалах
интегральной, многомерной оценки состояния атмосферы данного региона. Многомерность означает существование фиксированного набора
метеоэлементов, которые характеризуют атмосферу в рамках решаемой
задачи, а под постоянством климата мы понимаем не только постоянство
норм выбранных метеоэлементов, но и возможность их линейного изменения. Например, если температура воздуха на протяжении десятков лет
имеет линейный тренд, то климатический интервал (по температуре)
окончится лишь с изменением указанного тренда.
Таким образом, локально-климатическая модель позволяет находить нормы метеоэлементов, выделять климатические интервалы и
оценивать на них климат региона, иначе говоря, определять локальные
климаты выбранного региона в заданном интервале времени. Размер
минимального климатического интервала, очевидно, зависит от решаемой
проблемы. Его нижняя граница теоретически не может быть менее трех, а
практически — четырех лет (это связано с оценкой одной границы климатического интервала, двух параметров тренда и существованием хотя
бы одной степени свободы). Заметим, что ВМО рекомендует фиксированный размер минимального климатического интервала в 30 лет,
однако нам это представляется завышенным.
СПИСОК ЛИТЕРАТУРЫ
1. З а в а л и ш и н Н. Н. Оценка математического ожидания метеорологических
рядов кусочно-линейными функциями // Труды ЗапСибНИГМИ. — 1990. — Вып. 93. —
С. 12—24.
16
2. Завалишин Н. Н. О представлении норм гидрометеоэлементов кусочнолинейными функциями // Труды СибНИГМИ. — 1995. — Вып. 101. — С. 22—31.
3. Марчук Г. И. Моделирование изменений климата и проблема долгосрочного
прогноза погоды // Метеорология и гидрология. — 1979. — № 7.:— С. 25—36.
4. Yamamoto R. е. a. Climatic jump. A hypothesis in climatic diagnosis // J. Met.
Soc.Jpn. — 1885, —Vol. 63, —P. 1157—1180.
17
Н. Н. Завалишин, Н. В. Пальчикова
АЛГОРИТМЫ ВЫБОРА ГОДОВ-АНАЛОГОВ
В АРМ „КАССАНДРА-900"
В Иркутском УГМС создано АРМ синоптика-долгосрочника под
названием „Кассандра-900". Основные составляющие АРМ — архив
метеорологических данных и программный комплекс, позволяющий
пополнять архив данных, выдавать месячные прогнозы погоды, вычисленные различными методами, делать оценку прогнозов, выбирать из
архива нужные данные и представлять их в удобном для потребителя
виде. Синоптик работает с системой в диалоговом режиме, реализованном через систему меню и окон.
Архив данных АРМ „Кассандра-900" содержит многолетние
данные по среднемесячным и декадным температурам воздуха, суммам
осадков, приземному давлению; геопотенциалу изобарической поверхности АТ500; полусуточным данным по динамике барических образований
северного полушария. Программный комплекс АРМ подготовлен, в
основном, на языке PAL (СУБД Paradox) и по своему назначению разделяется на четыре части: программы, обеспечивающие взаимодействие
синоптика и АРМ, предназначенные для работы с архивом, программы
методов долгосрочного прогноза метеоэлементов, сервисные программы.
Основным методом прогноза, включенным в АРМ, является метод аналогов. Центральной проблемой метода аналогов является поиск
года-аналога, в котором метеорологические поля температуры и осадков,
а также синоптическая ситуация в Сибири сходны с таковыми в году, для
которого вычисляется прогноз. Ранее было показано, что подбор аналогов по Евразии [2] или всему северному полушарию [1] не приведет к
прогнозам высокой оправдываемости. При введении меры аналогичности
метеополей и синоптических процессов этот факт учитывается: сеть
метеостанций охватывает не все северное полушарие, а только территорию России.
Известные меры аналогичности: средний модуль разности, нормированный квадрат разности, критерий р, коэффициент корреляции
векторов и другие [3] в настоящей статье расширяются или дополняются.
Пусть Хи Х2 — случайные величины, представляющие значения метео18
элемента X в два разных момента времени, a Z(XU Х2) — какая-то мера
аналогичности. Потребуем от этой меры выполнения следующих условий:
-1 <Z(XbX2)< 1;
если Хь Х2—независимы, то Z(XU Х2) = 0;
О)
если Х\ = аХг + Ь, то Z(XU Хг) = sign(a).
Если двумерная плотность распределения случайных величин Хь
Хг представлена матрицей смежности 2 х 2, то за меру Z(Xb Х2) обычно
берут коэффициент р, выбирая медианы в качестве границ классов.
Матрицы смежности 3 x 3 определяются распределениями классов
„меньше нормы", „около нормы" и „больше нормы". Так, для среднемесячной температуры приземного воздуха класс „около нормы" представлен интервалом +1 °С относительно нормы, а для месячных сумм осадков — 20 % нормы. Представляется более обоснованным брать квантили
в качестве границ классов, а в (а, а)-случае нормального распределения
//границами считать а ± 0,43а.
Если теперь двумерная функция плотности распределения величин Хх, Хг, с объемом выборки N, представлена матрицей размерностью
М х М, то с учетом условий (1) меру Z\(Xb Х2) определим на основе
коэффициента сходства Чупрова—Пирсона в сочетании с коэффициентом р:
(2)
Аналогичность метеополей оценивают не только по абсолютным
значениям, но и по их градиентам. Основой меры традиционно являются
значения метеополей в узлах регулярной географической сетки. Построим меру прямо на нерегулярной сетке, соблюдая при этом условие (1).
Пусть X — метеополе, известное в N точках. Предположим, что
нам известны векторы градиентов этого поля в два момента времени и во
всех точках: Yx(k), У2(к), к = 1 ,N. Тогда за меру аналогичности по градиентам метеополя X естественно взять
(3)
Ь=1
где (.,.) — скалярное произведение; |... | — модуль вектора.
19
Мера (3) удовлетворяет условиям (1): для совпадающих или противоположных градиентов равна ±1, а если все градиенты перпендикулярны, равна нулю. Таким образом, мера (3) будет найдена, если построить алгоритм оценки градиента метеополя X в одной из его точек или
найти коэффициенты плоскости, касательной к поверхности X в каждой
из N точек. В „Кассандре-900" оценка градиента построена по четырем
соседним точкам с помощью метода минимальных квадратов.
При подборе годов-аналогов по траекториям барических образований в УГМС используют сборно-кинематические карты, на которых
представлены ежедневные данные о перемещениях барических образований за каждый месяц. Сравнивая между собой пучки траекторий за различные месяцы, синоптик субъективно выставляет баллы сходства,
которые и учитываются при выборе года-аналога. Построим алгоритм для
вычисления меры сходства траекторий барических образований.
Архив представляет собой полусуточные данные о перемещении
циклонов и антициклонов в северном полушарии. В работе будем рассматривать меры аналогичности, построенные лишь на перемещениях
циклонов. Каждый циклон от момента его возникновения до исчезновения характеризуется десятью параметрами: год и месяц образования
циклона; номер точки и траектории, день, срок; румб перемещения;
давление в центре; широта и долгота центра циклона.
Подбирать аналоги по указанным параметрам неудобно из-за
различного количества точек в траекториях циклонов. С целью сжатия
информации и представления ее в удобном для анализа виде так, чтобы
не было существенной потери информации и можно было бы достаточно
полно восстановить картину перемещения циклона, выбраны следующие
параметры, характеризующие энергетику циклона и геометрию его
траектории: минимальное давление в центре циклона, скорость перемещения его центра, район возникновения, азимут перемещения, кривизна
траектории, пройденный путь.
Исходя из изложенных соображений, нами был сформирован 15мерный „вектор циклона", представленный в таблице. Рассмотрим подробнее элементы вектора циклона. Дата образования — год, месяц, день
его возникновения. Район возникновения ограничим с юга 30° с. ш.
Пусть точки (А.], <р,), (Х„, ф„) — первая и последняя на траектории
циклона. Тогда направление перемещения (угол А), т. е. азимут между
направлением на север и направлением из первой точки во вторую,
отсчитываемый по часовой стрелке, и путь центра циклона на уровне
20
Земли из точки (Хь срО в точку (А,я, <р„) (ортодромия траектории L ) вычисляются по формулам:
А = arcsin
^costpasin^i
sin(§)
cos 4 = sin Ф1 sin ф„ + cos Ф1 cos ф„ cos (Xi - X„),
где £ — центральный угол между первой и второй точками в радианах;
R — радиус Земли.
Время существования циклона ограничим снизу двумя сутками,
чтобы отсечь начавшие зарождаться, но не развившиеся циклоны. Под
экстремальным давлением и экстремальным изменением давления понимается минимум давления в центре циклона за весь период его существования и максимум модуля суточного изменения давления соответственно.
Таблица I
Параметры вектора циклона
№
п/п
1
2
3
4
5
б
7
S
9
10
11
12
13
14
15
Пределы
изменения
Параметр
Дата образования
год
месяц
день
Район возникновения
широта
долгота
Направление перемещения (А)
Ортодромия траектории (£)
Время существования (7)
Экстремальное давление (Р2)
Экстремальное изменение давления (dPm)
Скорость перемещения
максимальная F ^
средняя Уср
минимальная Утт
Ускорение максимальное dV
Кривизна траектории (Я)
21
1 — 12
1—31
0 — 90° с. ш.
0 — 360° в. д.
0 — 360°
0 —40 тыс. км
1 —ЗОсут
800—1200 гПа
0 — 200 гПа/сут
0 — 1 0 тыс. км/сут
0 — 10 тыс. км/сут
0 — 1 0 тыс. км/сут
0 — 10 тыс. км/сут2
0—1
Экстремальные скорости и ускорения определяются как обычно, а средняя скорость находится по формуле
где Lk — ортодромия циклона в к-е сутки его существования.
Кривизна траектории определяется по формуле
Я = 1-А.
VT
Если азимут перемещения циклона не менялся, то Я = 0, если начало и конец траектории циклона совпадут, то Н = 1.
Рассмотрим пример записи вектора циклона:
(1966, 11, 3, 60, 15, 135, 8, 7, 990, 10,2, 1.1, 0.9, 0.4, 0.2).
По этим 15 числам видно, что циклон образовался 3 ноября
1966 г. в районе с координатами 60° с. ш. и 15° в. д., просуществовал
7 сут и переместился в юго-восточном направлении по дуге в 8 тыс. км,
по траектории с небольшой кривизной. Циклон маломощный, подвижный, перемещение относительно равномерное.
Введем теперь меру аналогичности на перемещениях циклонов:
1, если dk <d0;
5* = ,
[-1, если dk >fi?0.
(4)
где ck — неотрицательные коэффициенты, сумма которых равна единице;
<4 — максимальная разница между эмпирическими функциями распределений двух сравниваемых месяцев по А-му элементу вектора циклонов;
с?о — коэффициент, задающий критическое значение.
Мера (4) имеет 16 коэффициентов, задающих соотношение весов
между частными мерами и определяющих степень чувствительности всей
меры в целом. Когда d0 = 1, то не найдется ни одного года-аналога, а если
d0 = 0, все годы окажутся аналогичными. Эта мера удовлетворяет условию (1) по диапазону и по экстремальным значениям.
Итак, построены алгоритмы для вычисления мер аналогичности
метеополей (2), (3) и траекторий циклонов (4). Теперь введем общую
меру, оценивающую степень близости любого года-аналога к выбранному
22
году (по фиксированной заблаговременности):
Z = £<x*Zb
(5)
где Zk — мера аналогичности к-то метеополя (абсолютная или градиентная) или к-то метеопроцесса; ос* — неотрицательные весовые коэффициенты, сумма которых равна единице.
Например, в „Кассандре-900" мера (5) основана на пяти метеополях и одном метеопроцессе (траектории циклонов), результаты вычислений которых сведены в таблицу вида
Годаналог
Температура
Осадки
Давление
АТ50о
D H J O O
Траектория
Итог
Задача оптимального нахождения набора метеополей, метеопроцессов и оценки коэффициентов введенных мер решается путем максимизации оправдываемости прогнозов, полученных по годам-аналогам на
всем архиве данных.
СПИСОК ЛИТЕРАТУРЫ
1. Багров Н. А. О долгосрочных прогнозах погоды // Метеорология и гидрология. — 1993. —№ 3. — С. 20—33.
2. Завалишин Н. Н., Пальчикова Н. В. Оценка верхней границы оправдываемости долгосрочных прогнозов по методу аналогов // Труды ЗапСибНИГМИ. — 1990.
— Вып. 93.—С.99—105.
3. Руководство по месячным прогнозам погоды. — Л.: Гидрометеоиздат, 1972.
— 368 с.
23
И. Г. Храмцова, Г. А. Шустова
ПРОГНОЗ ЗАМОРОЗКОВ НА 1—5 СУТ НА
ТЕРРИТОРИИ УРАЛЬСКОГО УГМС
1. Анализ различных вариантов прогноза заморозков
Согласно [8], заморозками называются кратковременные понижения температуры приземного слоя воздуха и поверхности почвы до
нуля и ниже на общем фоне положительной температуры. По схеме
СибНИГМИ [7, 9] рассчитываются прогнозы минимальной температуры,
следовательно, в какой-то мере по этой модели вычисляются и заморозки
в воздухе. Необходимо было выяснить, с какой степенью точности прогнозируется минимальная температура воздуха в вегетационный период.
Для этого были рассмотрены оценки оперативных прогнозов Ттп за
пятилетний период (1992—1996 гг.). В табл. 1 даны их средние значения.
Прогнозы оценивались по Наставлению [4]. В целом за вегетационный период оправдываемость rmin по Екатеринбургу составляет в
зависимости от заблаговременности 86—77 %, по Перми 87-—77 %, по
Кургану 84—76 %. От первых к пятым суткам оправдываемость понижается на 8—10 %. Средние оценки для всего периода достаточно высокие,
что дает возможность опираться на прогнозы Гщщ воздуха при создании
модели прогноза заморозков. Анализ оценок в течение вегетационного
периода показывает, что во всех трех пунктах оправдываемость Т^т в
июле—августе близка к средней оправдываемости прогнозов за вегетационный период или превышает ее. В мае в Екатеринбурге и Перми оценки
прогнозов на 11—17 % ниже средней, в Кургане на 7—9 % ниже. В
сентябре оценки ниже средней всего лишь на 1—7 % (табл. 2).
Несмотря на такие цифры, опыт показывает, что в мае прогнозировать заморозки проще потому, что процессы с холодными вторжениями здесь наблюдаются чаще [5]. В сентябре еще сказывается некоторая
вялость циркуляции теплого периода, холодные вторжения редки, но
значителен вклад радиационного выхолаживания в понижение ночной
температуры воздуха и почвы; все вместе это осложняет прогнозирование
заморозков. Известно, что в возникновении заморозков, особенно радиа-
24
<N
ss
O 00
о
«— N
Ы ч00 сч
со 00 00
1—
ля
ик
щ
u С
Оо.
Щ
in -чON г<~- 00
00
00
00 f~
r~ c-1
N
(Л 00 г- 00
D
00 со
00O ч-
го
ы
.о
ю
1« с
и
ш
С
t00П оОО с- «л -ч- 00
С
г- •ч- m
t- tf-~ОП
О ONг- 00
й
.4К
S
00 ОС г- г- сн 00
U
в
J
§я
ON
r^N 00
ОО 00 ОО 00 O
4?
Т
(ЛN (N
OsГ O
ON
Июль
<n 00
« 00
ОО 00
00 с-00~ N
00O 00
m ON
m С)
ON
o<
о со 00 s
ON
с- C
оON 00
м S3
ON
00 оо
ooO 00
00
с
00
00 NO00 О0 C
00 00
oo
r-O со
и
00 00
00 NO00 00 ooo 00
Май
чсf- N
с
ON
NO
NO
£1 •
&л
о
й
ft.
V СП
V •ч-V W
V fNl
V-l
Среднее |
Сутки
ш fS C
е-N CN ог- Tf
NO о
25
ч in1 7
7
00 00 «
с
ON
00 r-
м •ч- 45 NO 00 On
а
N
» N
OO
N
OV
г-O г- ог- <NN
NO
7 7
, W о г~
UI NO 00
«
<4
ON
NO NO VI NO NO
о f>
1
M 7
с
—
СЛ (S <N •4-
и
-
•ч* m Tf
00
, 1 «г-
м
с
7
1—'
—4 r- cs
1 7 7
(N
m
ш •ч7 7 7 7 7
яSг
Р)
ГЧ
7 т n1
VI (S •ч- CI о
н
&
Май
Июнь
« •ч00 <ч
00 «о
00 о00 4" oo
с
7
м ч 7 7
л
t в SУ
sg
£w Sdt
вн >3
В
ы
0 у-..
1и —и•
g ь в•ч
I 5:
8.
е- isа
о £
в S
Э
аV Ов
S •
гк
в
W N
00N ч00 оо
оO 5 оо* O
с
f
о
иВ ^
s g
3 о-
ON
&С
л
о
вU
%
w
и
2
св
.1
СП
&
в"
R
£о
сх
в
CS СП •4- «П
ционных, большую роль играют местные физико-географические условия. Для их описания недостаточно четырех пунктов, по которым производятся расчеты Ттт в оперативной модели на территории Свердловской,
Пермской и Курганской областей. С целью более детального отражения
термического состояния этих областей, кроме Екатеринбурга, Перми и
Кургана, привлечены данные по ст. Чайковский, Нижний Тагил, Туринск,
Красноуфимск, Челябинск, Магнитогорск. Это несколько улучшило
освещенность территории, но полностью не ликвидировало недостаток
информации. Ведь при оперативном обслуживании в этих областях ее
используется гораздо больше.
Для получения прогнозов rmin по дополнительным станциям проанализированы корреляционные связи
этих станций и опорных, и на
их основании рассчитаны уравнения регрессии. Расчеты производились
на материале мая—сентября 1976—1980 гг. За опорные приняты станции,
по которым рассчитывается прогноз
на 1—5 сут по оперативной
модели. Для Свердловской области это Екатеринбург, для Пермской —
Пермь, для Челябинской — Челябинск. Данные табл. 3 показывают
довольно тесную связь Т ^ Екатеринбурга с Ттт Нижнего Тагила, Туринска, Красноуфимска и Челябинска, несколько слабее она летом, однако и
здесь коэффициент корреляции (г{) больше 0,6. Коэффициенты корреляции между Гпш, Перми и Чайковского составляют 0,80 в мае, 0,83 в сентябре и 0,67 за летний период. Самые низкие значения Г\ отмечаются
между Гщц, Челябинска и Магнитогорска.
Следует отметить, что расчеты коэффициентов корреляции и
уравнений регрессии (табл. 4) производились для случаев, когда
< 8 °С.
Была рассмотрена также корреляционная связь между минимальными значениями температуры воздуха и почвы (г2). Коэффициенты
корреляции достаточно высокие (табл. 5). Они больше зависят от времени
года, чем от географического положения станции. Самые высокие значения г2 приходятся на сентябрь, а самые низкие — н а летний период.
Высокая корреляция между TmiTt воздуха и почвы позволила получить
уравнения регрессии для вычисления минимальной температуры почвы
(табл. 6).
Таким образом, в результате проделанного анализа и расчетов
получены уравнения, по которым можно вычислять прогнозы rmjn воздуха
и почвы для Свердловской, Пермской, Челябинской и Курганской областей, однако этого недостаточно для надежного прогноза заморозков.
26
Таблица 12
Значения коэффициентов пространственной корреляции (п) Тшш воздуха
между опорными (Екатеринбург, Пермь, Челябинск) и другими станциями
региона по месяцам (1976—1980 гг.)
Станция
Екатеринбург
Нижний Тагил
Туринск
Красноуфимск
Челябинск
Пермь
Чайковский
Челябинск
Магнитогорск
Май
Июнь — август
Сентябрь
0,84
0,84
0,77
0,75
0,73
0,62
0,63
0,65
0,90
0,92
0,85
0,88
0,80
0,67
0,83
0,64
0,63
0,75
Таблица 4
Коэффициенты уравнения регрессии вида v = а + &с для расчета Гшш воздуха
по данным минимальной температуры опорной станции
Июнь —-август
Май
Сентябрь
Станция
а
Ь
а
b
а
Ъ
Екатеринбург
0,814
-1,020
-0,299
0,864
-1,606
0,907
Нижний Тагил
Туринск
0,522
0,873
2,695
0,579 ,
0,957
0,609
Красноуфимск
0,737
1,785
0,772
0,832
0,626
0,683
Челябинск
1,864
0,916
2,942
0,651
4,516
0,513
Пермь
0,612
Чайковский
2,069
0,714
3,638
2,138
0,709
Челябинск
0,674
Магнитогорск
0,839
-0,336
0,879
-0,156
0,677
Таблица 5
Коэффициенты корреляции (ц) между минимальной температурой
воздуха и минимальной температурой почвы
Станция
Май
Июнь — август
Сентябрь
Екатеринбург
0,84
0,87
0,89
Нижний Тагил
0,92
0,95
0,91
Туринск
0,89
0,87
0,95
Красноуфимск
0,93
0,88
0,96
Челябинск
0,85
0,74
0,92
Магнитогорск
0,90
0,90
0,89
Пермь
0,89
0,87
0,95
Чайковский
0,92
0,88
0,85
Курган
0,89
0,78
0,94
27
Таблица 12
Коэффициенты уравнений регрессии вида у = а + Ьх для расчета минимальной
температуры почвы по данным минимальной температуры воздуха
Станция
Сентябрь
Июнь —- август
Май
Ь
а
b
а
b
Екатеринбург
-1,881
0,840
-1,520
1,056
-0,783
0,880
Нижний Тагил
-0,808
-0,736
0,910
-0,316
0,963
-0,839
0,890
Туринск
0,820
-0,979
1,014
-0,416
0,870
Красноуфимск
-1,566
0,960
-0,800
0,958
-1,010
0,910
Челябинск
-3,474
1,040
-1,746
0,959
-3,252
1,030
Магнитогорск
-2,226
0,980
-1,633
1,048
-0,919
0,860
Пермь
-1,913
0,950
-0,849
0,959
-0,602
0,896
Чайковский
-1,813
0,960
-1,326
0,985
-1,068
0,912
Курган
-1,731
0,930
-0,863
0,954
-1,420
1,030
а
.
В многочисленных исследованиях по прогнозу заморозков выделение синоптических процессов, приводящих к заморозкам, и их типизация используются как прием, помогающий получить более точный прогноз явления. С учетом этого был разработан объективный способ определения ситуации „угрозы заморозков". Для объективного определения
данной ситуации применялся алгоритм распознавания образов [1,2], суть
которого состоит в том, что близость ситуации конкретного дня к характерной ситуации группы (в нашем случае две группы: с заморозками и
без них) определяется по так называемому расстоянию между ними по
формулам:
2
P l =
2I
J
a
Х
1
'
„2
Р п =
у 1 (*<
2 - a„Дx
и
u
'
где Xj — единичное значение предиктора, xh стД| и xlh стХц — средние
значения предиктора и его среднеквадратическое отклонение для первой
и второй групп соответственно. Прогнозируется та группа, для которой
значение р будет наименьшим. Для реализации данного алгоритма было
необходимо выбрать такие предикторы, значения которых значимо
отличались бы в группах „заморозки" и „без заморозков". В качестве
потенциальных предикторов были рассмотрены предикторы из [5] с
соответствующей корректировкой на географическое положение района.
Для характеристики степени меридиональности над Уралом использова28
лись три предиктора: градиент геопотенциала (Гм) на H5QQ между точками
ср = 60° с. ш., А = 30° в. д. и ф = 60° с. ш., Х = 70° в. д., положение оси
планетарной высотной фронтальной зоны (ПВФЗ) — значения широт, на
которых ПВФЗ пересекает меридианы 30 и 60° в. д. (ф30, Фео), и разность
между этими широтами (Аф). Эти величины отражают циркуляцию на
обширной территории. Кроме них, исходя из физических условий возникновения заморозков, учтены локальные признаки. К ним относятся:
давление на уровне моря (Р), значение АТ50о (Я500), значение температуры
воздуха на АТ850 (Тко) в Екатеринбурге, Перми, Кургане, Челябинске и
Магнитогорске, также рассчитывались лапласианы давления у Земли (АР)
в этих же пунктах. Потенциальные предикторы тщательно проанализированы с точки зрения их информативности. Для этого рассчитаны по двум
классам (с заморозками и без заморозков) средние значения предикторов,
их разность, дисперсии, средние квадратические отклонения, а также
произведена оценка различий средних значений предикторов двух классов по параметру Стьюдента [6]:
х1 - х 2
.2 (f I ,
Njcf +N2G2
+
\
—
где о ь а 2 _ средние квадратические отклонения классов; JVb N2 — число
членов выборок; х ь х2 — средние значения классов. Кроме этого, предикторы ситуации „угрозы заморозков" и их отсутствия рассмотрены с
точки зрения повторяемости их значений внутри класса.
В [5] показано, что весной и осенью процессы, приводящие к заморозкам, различаются по повторяемости процессов, их вызывающих.
Так, если весной заморозки в основном связаны с холодными вторжениями, обусловленными северными, северо-западными, северовосточными процессами, то осенью значительная их доля приходится на
западные и юго-западные процессы, когда холодный антициклон из
европейской части России смещается на Урал. В это время продолжительность ночи уже значительно увеличилась и большую роль начинает
играть радиационное выхолаживание, обычно ночью наблюдаются заморозки, а днем стоит ясная теплая погода. Кроме этого, на Урале заморозки могут быть с холодными циклонами, чего не наблюдается на юге
Западной Сибири. Эти обстоятельства обусловливают различия в информативности одних и тех же предикторов весной, летом и осенью. Отсюда
29
Таблица 12
Средние значения предикторов для двух групп ситуаций: с заморозками (з), без
заморозков (б/з) и их статистические характеристики для весны, лета и осени по
Екатеринбургу
Статистическая
Дф
АР
Гм
Р
ФбО
#500
7850
характеристика
Весна
Xу
Х&з
19,00
51,80
0,70
1,20
11,80
4,70
16,50
63,30
6,70
-1,30
-2,30
-0,10
68,40
Разность
2,50
-11,50
-6,00
2,50
9,50
4,80
-5,20
А
50,77
108,89
20,22
54,93
410,99
107,03
48,92
Дб/з
40,80
62,15
20,22
37,67
277,50
79,04
31,62
Сз
7,12
10,44
4,50
7,41
20,27
10,34
6,99
Сб/з
6,39
7,88
4,49
6,14
16,16
8,89
5,62
4,90
7,00
7,70
2,10
4,30
2,80
4,72
2,66
2,66
2,66
2,66
2,66
2,66
2,66
Ч
tr
63,20
Лето
X,
Разность
12,40
51,10
1,90
1,10
20,60
11,20
50,40
9,60
54,80
4,50
0,20
10,50
3,70
52,10
-1,70
2,80
-3,70
-2,60
0,90
10,10
7,70
Д,
61,94
111,86
13,62
39,87
169,07
95,75
35,02
Дб/з
32,90
66,72
15,29
25,96
221,76
80,82
46,02
Оз
7,87
10,58
3,69
6,31
13,00
9,78
5,92
Об/з
5,73
8,17
3,91
5,09
14,89
8,99
6,78
h
tr
2,40
3,30
3,90
0,90
4,00
4,70
1,50
2,66
2,66
2,66
2,66
2,66
2,66
2,66
13,30
45,30
-1,90
0,60
10,80
4,40
55,20
13,40
60,30
5,60
-0,40
-7,20
-2,50
62,00
Разность
-0,10
-15,00
-7,50
1,00
18,00
6,90
-6,80
Л
Дб/з
03
87,92
206,59
27,39
73,49
381,09
109,04
50,87
45,27
111,83
18,74
49,32
351,85
80,36
38,32
9,38
14,37
5,23
8,57
19,52
10,44
7,13
Об/з
6,73
10,57
4,33
7,02
18,76
8,96
6,19
h
tr
0,07
7,00
9,10 .
0,74
6,60
5,00
7,20
2,66
2,66
2,66
2,66
2,66
2,66
2,66
Осень
х3 .
Хе/%
вытекает невозможность по одному алгоритму рассчитывать заморозки
для всего вегетационного периода, поэтому признаки заморозков были
рассмотрены по отдельности для весны (май), лета (июнь—август) и
осени (сентябрь).
30
В качестве примера в табл. 7 для двух классов: с заморозками и
без заморозков, представлены средние значения предикторов, их разность, дисперсии, средние квадратические отклонения, а также расчетный
(7р) и табличный (tT) параметры Стьюдента для Екатеринбурга для весны,
лета и осени. На основании полученных данных выделены информативные предикторы (табл. 8).
В мае для всех четырех областей информативными являются
Я500, Г85о, Гм , ф60; кроме этого, для Свердловской области информативно
среднее давление, а для Челябинской области — Tg50 Магнитогорска.
Летом спектр предикторов сужается, остаются информативными ТКй, Гм
и добавляется Дф, а для Свердловской и Челябинской областей остается
информативным Я500. В сентябре наблюдается пять общих для всех
областей предикторов: #500, TS50, Г„, Дф, фво, а для Челябинской области
Г85о Магнитогорска. Таким образом, наличие информативных предикторов для мая, июня—августа, сентября позволяет использовать метод
распознавания образов при прогнозировании заморозков полностью для
всего вегетационного периода, в отличие от Омского УГМС, где для
июня — августа информативные предикторы не были выявлены.
Таблица 8
Оценка вклада информативных (+) предикторов для прогноза
заморозков в пунктах Уральского УГМС
Месяц
Май
Лето
Сентябрь
Пункт
Екатеринбург
Челябинск
Курган
Пермь
Екатеринбург
Челябинск
Курган
Пермь
Екатеринбург
Челябинск
Курган
Пермь
Р
_
АР
Гм
Дф
7850
#500
7850
+
+
-
+
-
+
-
+
+
0
-
+
-
+
-
+
-
+
+
+
+
+
-
+
-
+
0
0
-
+
+ ^
-
-
+
+
-
+
-
-
-
-
+
-
-
+
-
+
-
•
+
-
-
+
-
-
+
+
-
-
+
+ '
+
+
-
-
+
+
+
+
+
+
Ф«о
+
Магнитогорск
+
0
-
+
+
+
+
-
+
+
+
+
+
-
+
+
+
•
0
0
0
+
0
0
Примечание. Прочерк— неинформативный предиктор; нуль — предиктор не
использовался.
31
2. Результаты авторских испытаний различных
вариантов прогноза заморозков
В [5] в окончательном варианте прогноза заморозков применялся
комплексный подход: рассчитывались прогнозы заморозков в воздухе и
на почве по уравнениям, по методу распознавания образов, а затем путем
„голосования" принималось окончательное решение. Эти приемы были
рассмотрены нами применительно к территории Уральского УГМС:
рассчитаны прогнозы на материале мая — сентября 1995 г.; всего было
сделано 48 расчетов. В табл. 9 представлена их оправдываемость (%) по
Свердловской, Пермской, Курганской и Челябинской областям. Прогнозы
оценены по табл. 12, составленной согласно „Наставлению" [4].
Из данных табл. 9 вырисовывается довольно пестрая картина оправдываемости по различным методам, и не прослеживается зависимость
оценок от заблаговременности прогнозов.
В целом по территории ни один из методов не имеет преимущества; так, при комплексации прогнозов низка предупрежденность, при
использовании метода распознавания образов мала оправдываемость
прогнозов явления, при расчетах по уравнениям регрессии низка предупрежденность заморозков. Анализ оценок по областям показал, что
лучшие оценки оказались по Свердловской области, а худшие по Курганской области. При создании метода для юго-востока Западной Сибири
самые высокие оценки получились при комплексации прогнозов. Ухудшение результатов при применении этого алгоритма для территории
областей Уральского УГМС, по нашему мнению, объясняется малым
количеством станций, привлеченных к расчетам минимальной температуры воздуха и почвы. В [5] взяты все пункты, которые используются в
оперативном обслуживании Западно-Сибирского УГМС, в то время как
Уральское управление представило нам их в 4—5 раз меньше. Недостаточное описание термического состояния территории в конечном счете
повлияло на качество прогнозов Ттт воздуха и почвы по уравнениям
регрессии, а те в свою очередь на комплексацию прогнозов.
Таким образом, результаты сравнения не позволили воспользоваться непосредственно одним из этих методов. Требовались дальнейшие
исследования.
32
Таблица 12
Оправдываемость (%) прогнозов за май — сентябрь 1995 г. по методам:
комплексному (К), распознавания образов (Р), прогноза температуры (Т)
Заблаговременность
прогноза,
суг
Явление
ожидалось
К
Р
Т
Явление
не ожидалось
К
Т
Р
Общая оправдываемость
К
Р
Т
Предупрежденность
К
Р
Т
Свердловская область
1
75
67
75
50
89
2
70
75
71
61
86
:
80
58
79
79
60
83
54
73
64
82
73
70
75
42
3
80
67
83
53
83
70
64
76
73
89
77
38
4
83
73
75
64
88
75
. 74
81
75
71
85
50
5
100
73
89
78
88
77'.
90
81
81
83
85
57
50
Пермская область
1
38
40
50
76
100
89
64
73
82
43
100
2
56
62
67
88
100
85
77
85
82
71
100
50
3
83
62
67
78
100
88
85
85
84
62
100
50
4
44
44
57
88
100
88
72
72
81
67
100
57
5
43
33
50
93
100
89
76
68
84
75
100
40
1
60
43
50
74
84
76
71
67
73
38
67
22
2
67
54
67
67
80
70
67
70
70
18
64
18
3
67
80
75
65
83
76
66
82
76
18
67
30
4
50
43
80
79
89
81
75
69
81
29
75
44
5
71
47
83
69
88
76
70
68
77
50
78
45
1
80
41
100
67
94
81
70
67
82
40
88
25
2
100
53
100
75
100
81
79
79
82
40
100
.25
22
Курганская область
Челябинская область
3
100
50
100
67
89
77
72
71
79
36
80
4
100
47
100
71
94
86
77
72
88
50
88
50
5
75 .
39
100
80
85
82
79
58
84
50
78
38
3. Модель прогноза заморозков
Анализ неоправдавшихся прогнозов заморозков, рассчитанных
по уравнениям, показал, что прогноз rmin по [9] в целом удовлетворительно отражает резкие изменения температуры в течение пентады (в данном
случае понижение), но интенсивность, особенно в первые сутки похолодания, рассчитывается со значительной погрешностью, которая обусловлена следующим. При вычислении Тзкстр в качестве одного из предикто33
ров привлекается экстремальная температура исходного дня, которая
имеет большую информативность. К сожалению, при резких изменениях
температуры этот предиктор вносит значительную погрешность. В модели не заложен алгоритм, который бы использовал ГЭКС1р выборочно, да и
создать его очень трудно, а может быть, и невозможно. Но в данном
конкретном случае, когда речь идет о понижении температуры до отрицательных значений в воздухе или на почве, по-видимому, можно уточнить
каким-либо путем минимальную температуру воздуха исходного дня.
Рассмотрение всех случаев расчетов заморозков позволило эмпирически
получить поправку к прогностической минимальной температуре воздуха
опорной станции, на основании которой рассчитывается Ттт воздуха
остальных станций, а затем и Tmia почвы. Указанием на внесение поправки служит результат расчета методом распознавания образов; если по
нему получается „угроза заморозков", то исправляется исходная Tmm
воздуха.
В результате проведенных исследований сформулирован и реализован на ЭВМ алгоритм прогноза заморозков. Он включает в себя следующие этапы. ,
1. Рассчитываются условия угрозы заморозков по методу распознавания образов с использованием соответствующих коэффициентов для
мая, июня—августа и сентября.
2. В те периоды, когда по расчетам получаются условия угрозы
заморозков, вносится поправка в прогностическую минимальную температуру опорной станции (для Свердловской области это Екатеринбург,
для Пермской — Пермь, для Курганской — Курган и для Челябинской
области — Челябинск).
Поправка вносится в Гщц, воздуха, начиная с суток до того, как
получаются заморозки по „распознаванию", и во все последующие сутки,
если заморозки ожидаются, она равна 1/2 исходной минимальной температуры воздуха.
3. После уточнения прогностической минимальной температуры
воздуха опорной станции, если получается
< 10 °С, то рассчитывается
минимальная температура воздуха остальных станций, а на основании ее
рассчитывается rmin почвы.
4. Прогноз формируется в терминах „заморозки", „местами заморозки", „без заморозков", „нет условий", согласно табл. 10.
34
35
4. Результаты авторских испытаний модели
прогноза заморозков
Алгоритм прогноза заморозков, описанный в предыдущем разделе, был испытан на независимом прогностическом материале мая—
сентября 1996 г. Всего было произведено 100 расчетов. Прогнозы
оценивались по Наставлению [4]. Как видно из табл. 11, лучшие
результаты по общей оправдываемости прогнозов получились по
Курганской области, затем по Свердловской, на третьем месте стоит
Пермская область и на последнем — Челябинская. Согласно [3], если
суммарный показатель общей оправдываемое™ и предупрежденное™
больше 130 %, качество метода удовлетворительно; судя по этому
показателю, лучшие прогнозы — по Свердловской области, где они в
среднем на 32 % превышают этот показатель, затем по Курганской — на
22 %, по Пермской — на 14 %, по Челябинской области всего лишь на
Таблт(а II
Оправдываемость (%) прогнозов заморозков на 1—5 сут по окончательному
варианту модели за май—сентябрь 1996 г. по Свердловской (С), Пермской (П),
Курганской (К), Челябинской (Ч) областям
Параметры
оценок
Явление
ожидалось
Явление
не ожидалось
Общая
оправдываемость
Предупрежденность
Сумма
предупрежденности
и оправдываемости
явления
Область
С
П
К
Ч
С
п
к
ч
С
п
к
ч
С
п
к
ч
С
п
к
ч
Сутки
1
2
3
4
5
83
64
63
62
83
89
94
79
83
79
84
75
83
78
86
50
166
142
149
112
80
61
76
72
85
85
90
88
82
76
86
83
83
70
76
76
163
131
152
148
80
62
70
63
81
79
92
82
80
12
84
75
80
68
82
67
160
130
152
130
83
81
61
67
75
87
91
83
80
85
81
77
80
81
79
71
163
162
140
138
84
74
81
85
75
86
93
81
79
80
89
72
73
81
87
65
157
155
168
150
36
Среднее
82
68
70
70
80
85
92
83
81
78
85
76
80
76
82
66
162
144
152
136
6 %. В Челябинской области на первые сутки этот показатель качества
прогнозов заморозков оказался ниже 130 %. Прогноз Гт,„ по Челябинску
получается через уравнения регрессии, использующие минимальную
температуру Екатеринбурга, что влечет за собой некоторую погрешность.
На результатах в целом по территории сказывается также малое число
станций, используемых при разработке метода. В целом можно заключить, что в этом варианте модели оценки выравнялись и улучшились,
особенно по предупрежденное™ явления (см. табл. 9 и 11).
Отдельно был оценен термин „нет условий", его обеспеченность
в зависимости от заблаговременности прогнозов составила 95—100 %.
Полученные результаты позволили рекомендовать метод для проведения
испытаний в оперативных условиях.
5. Результаты оперативных испытаний модели
Вегетационный период 1997 г. на Урале был необычным; частые
и интенсивные возвраты холодов весной и в первой половине лета и
резкие контрасты погоды осенней поры привели к аномально большому
числу дней с заморозками. По Свердловской области зарегистрировано за
сезон 55 случаев, по Пермской — 35, по Челябинской — 27, по Курганской — 17. Соответственно число дней с особо опасными (> 30 % террит
тории области) заморозками составило по Свердловской области 19, по
Пермской и Челябинской 13, по Курганской 9.
В Свердловской области половина дней мая и почти столько же в
июне (14) вплоть до третьей декады были с заморозками. Продолжительность безморозного периода на отдельных станциях составила на почве
35—52 дня, в воздухе 72—80 дней при средней продолжительности
105—110 дней. На станциях Верхотурье, Нижний Тагил, Висим, расположенных в северной части сельскохозяйственной зоны, метеорологическое лето продолжалось всего 41 день. Подобное наблюдалось только в
холодном десятилетии 1971—1980 гг. Исключительно поздний заморозок
в ночь на 18 июня охватил территорию всего Урала. Температура воздуха, зарегистрированная на почве на некоторых станциях (до-4...
-5 °С), оказалась рекордной для всего периода наблюдений. Самыми
поздними за весь период наблюдений оказались заморозки на почве до
-1 °С, зарегистрированные на нескольких метеостанциях Пермской и
Свердловской областей 6 июля. Вероятность их возникновения, как и
заморозков 23—24 июля, 14—17 августа, составляет 2—12 %. Несмотря
37
Таблица 12
Оправдываемость (%) прогнозов заморозков на 1—5 сут за май—сентябрь 1997 г.
по Свердловской (С), Пермской (П), Курганской (К),Челябинской (Ч) областям
(оперативные испытания)
Параметры
оценок
Явление ожидалось
Явление не ожидалось
Область
С
П
К
Ч
С
П
к
ч
Общая оправдываемость
с
п
к
Предупрежденность
с
п
к
ч
ч
Сумма предупрежденное™ и оправдываемости явления
с
п
к
ч
Заблаговременность прогноза, сут
1
2
74
81
66
84
91
94
92
92
86
90
89
91
72
35
50
61
146
116
116
145
71
80
62
83
88
91
94
91
83
88
87
90
64
41
45
71
135
121
107
154
3
75
84
64
90
89
89
92
92
85
88
87
92
76
56
55
63
151
140
.120
153
4
5
•78
81
68
88
94
89
94
79
77
60
84
86
86
89
82
84
85
84
82
62
44
18
39
141
121
78
123
91
88
87
89
91
81
62
45
71
159
143
113
159
Среднее
75
81
64
86
90
90
92
90
85
88
87
89
71
48
43
61
146
129
107
147
на редкую аномальность сезона, результаты, полученные при испытании
метода, по большинству областей оказались успешными или удовлетворительными.
Данные табл. 12 свидетельствуют, что общая оправдываемость
прогнозов заморозков в среднем за пять суток составляет 85—89 %, что
выше оценок, полученных при авторских испытаниях, на 2—12 % (см.
табл. 11); также по большинству областей выше оценки прогнозов „явления" и „без явления". К сожалению, при оперативных испытаниях оказалась низкой предупрежденность явления: по Свердловской и Челябинской областям в среднем за пять суток она ниже на 5-—9 %, а по Пермской и Курганской на 28—39%.
Анализ оценок внутри сезона показывает, что была низкая оправдываемость прогнозов наличия заморозков в мае по Курганской области,
а в сентябре по Свердловской области. Четвертая часть заморозков,
наблюдавшихся в сентябре, приходилась на северные районы Свердловской области, которые не представлены в модели из-за ограниченного
38
числа станций, использованных при ее построении. Те же причины, повидимому, имеют место и в Курганской области, где привлечены данные
лишь одной станции — Кургана. Кроме того, по Кургану в мае были
низкие оценки прогнозов минимальной температуры воздуха по оперативной модели, которые используются при расчете заморозков, они
составили 62 % на первые сутки и 43 % на пятые, что ниже, чем в мае
1996 г., на 6—23 %; это, естественно, обусловлено низким качеством
гидродинамических прогнозов.
Средние значения суммарного показателя (предупрежденность
явления плюс его оправдываемость) за 5 сут удовлетворяют критерию по
трем областям: Свердловской, Челябинской и Пермской.
Анализ оценок в зависимости от заблаговременности выявил их
ухудшение к пятым суткам, особенно по предупрежденное™ явления.
Сравнение методических прогнозов с синоптическими на первые
трое суток (табл. 13) показало преимущество методических прогнозов по
Пермской и Челябинской областям при прогнозировании явления; по
общей оправдываемое™ методические и синоптические прогнозы близки, а вот по предупрежденное™ явное преимущество синоптических
прогнозов, за исключением прогнозов по Свердловской области на третьи
сутки.
Таблица 13
Оправдываемость (%) методических (м) и синоптических (с) прогнозов заморозков
на 1—3 сут за май—сентябрь 1997 г. по областям Уральского УГМС
(оперативные испытания)
Сутки
Явление
ожидалось
м
с
Явление
не ожидалось
м
с
Общая оправдываемость
м
с
Предупрежденность
м
с
2
3
74
71
75
73
73
91
Свердловская область
91
92
86
92
86
94
89
85
87
85
86
80
64
87
82
79
73
1
81
85
72
74
Пермская область
92
94
90
91
91
88
89
91
88
91
86
86
38
54
64
81
62
73
74
75
74
Челябинская область
92
96
91
90
95
89
90
93
91
90
90
87
61
60
83
90
90
1
2
3
1
2
3
80
84
84
80
98
39
68
50
Продолжение табл. 13
Сутки
1
2
3
Явление
ожидалось
с
м
66
62
68
62
71
67
Явление
не ожидалось
м
с
Общая оправдываемость
м
с
Курганская область
89
92
97
84
92
96
88
91
94
89
89
88
Предупрежденность
м
с
50
33
63
83
78
78
Обеспеченность термина „нет условий" довольно высокая для
Челябинской и Курганской областей: 95—100 %. Для Свердловской
области она составляет лишь 81—94 %, для Пермской 79—97 %. Этот
недостаток будет устранен после введения в модель данных по пунктам,
расположенным на севере областей.
На основании результатов, полученных при испытании модели
прогноза заморозков, секция гидрометеорологии техсовета Уральского
УГМС приняла решение о внедрении метода прогноза заморозков на 1—
5 сут в оперативную работу, при этом в Пермской и Челябинской областях в качестве основного расчетного метода, в Свердловской в качестве
вспомогательного, а в Курганской в качестве консультативного.
Заключение
Этим исследованием заканчивается программа работ по созданию моделей прогноза заморозков для Урала и Западной Сибири. Все
модели прошли испытания в оперативных условиях и внедрены в практическую работу прогнозистов, правда, с разной степенью доверия. Так, в
Новосибирской, Томской, Кемеровской, Пермской, Челябинской областях и Алтайском крае метод внедрен как основной расчетный, в Омской,
Тюменской, Свердловской областях как вспомогательный, в Курганской
области как консультативный. Одной из причин худшего качества прогнозов в последних четырех областях является небольшое число станций,
по которым производятся расчеты заморозков, по сравнению с количеством станций, привлекаемых к их оценке. В этом заложен некоторый
резерв. Если увеличить число станций, участвующих в расчетах, то
прогнозы можно улучшить.
Общим недостатком всех моделей является то, что они проигрывают по сравнению с синоптическими прогнозами в предупрежденности
явления. Причины этого связаны с ошибками гидродинамической моде40
ли, которая поставляет первичную продукцию для расчетов; кроме этого,
оперативная модель прогноза минимальной температуры воздуха, правильно предсказывающая понижение температуры воздуха, иногда
ошибается при прогнозировании значений понижения температуры.
Таким образом, одним из путей повышения оправдываемости
прогнозов заморозков является усовершенствование оперативной физикостатистической модели прогноза экстремальной температуры воздуха.
СПИСОК ЛИТЕРАТУРЫ
1. Г е и и х о в и ч Е. Л., Г у щ и н В. А., С о н ь к и н Л. Р. О возможности прогноза
загрязнения городского воздуха методом распознавания образов // Труды ГГО. — 1973. —
Вып. 293. — С. 21—25.
2. М е т о д и ч е с к и е указания по прогнозу загрязнения воздуха в городах. — Л.:
Гидрометеоиздат, 1979. — 78 с.
3. М е т о д и ч е с к и е указания РД 52.27.284—91. — М.: Гидрометеоиздат, 1991.
— 1 4 9 с.
4. Н а с т а в л е н и е по службе прогнозов. — М.: Гидрометеоиздат, 1981. — 55 с.
5. П р о г н о з заморозков в воздухе и на поверхности почвы на 1—5 суток, детализированный по суткам для юго-востока Западной Сибири: Отчет о НИР (промежуточный). — СибНИГМИ Росгидромета; руководитель И. Г. Храмцова. — Шифр темы 9.2.23;
№ Г Р 0194001672; Инв. №03950000278.—Новосибирск, 1994.—48 с.
6. П а н о в с к и й Г. А., Б р а й е р Г. В. Статистические методы в метеорологии. —
Л.: Гидрометеоиздат, 1967.—241 с.
7. Р а з р а б о т а т ь метод прогноза экстремальной и средней температуры на 5 суток по дням для Сибири: Отчет о НИР (заключительный). — ЗапСибНИГМИ Госкомгидромета; руководитель И. Г. Храмцова.— Шифр темы 1.08а.02; № ГР 01830048108;
Инв. № 02850009172. — Новосибирск, 1984, — 106 с.
8. Р у к о в о д с т в о по краткосрочным прогнозам погоды. Ч. 2. — Л.: Гидрометеоиздат, 1954. — С. 33—40.
9. Х р а м ц о в а И. Г., Ш у с т о в а Г. А. Опыт использования в оперативных условиях модели прогноза экстремальной температуры на 1—6 суток // Труды ЗапСибНИГМИ.
— 1990, — Вып. 93, — С. 106—112.
41
И. О. Лучщкая
О ПРОСТРАНСТВЕННОЙ ДЕТАЛИЗАЦИИ ТЕРМИЧЕСКОГО
РЕЖИМА С УЧЕТОМ МЕСТНЫХ УСЛОВИЙ
НА ТЕРРИТОРИИ ЮГО-ВОСТОКА ЗАПАДНОЙ СИБИРИ
Задача пространственного восстановления климатических параметров является одной из ключевых проблем климатологии в связи с
необходимостью обеспечения широкого круга потребителей данными о
метеорологическом режиме в районах, не освещенных наблюдениями.
Существующей сетью метеостанций достаточно полно характеризуются
макроклиматические изменения, которые формируются в результате
глобальных пространственных связей между океаном, атмосферой и
сушей. Они дают картину фонового распределения элементов климата.
Вместе с тем метеорологические величины сильно меняются по территории под влиянием различных компонентов подстилающей поверхности
мезомасштаба: рельефа, водных объектов, экосистем. В связи с этим
детализация распределения климатических характеристик с учетом
местных физико-географических условий заслуживает самого пристального внимания.
Одним из основных элементов климата, оказывающих непосредственное воздействие на объекты и процессы деятельности человека,
является температура воздуха. В рамках научного направления, связанного с учетом особенностей местоположения при пространственной интерполяции у земли параметров климата, наиболее масштабные исследования выполнены под руководством С. А. Сапожниковой и Л. В. Романовой
[8, 9]. Так, результатом многолетнего изучения местных климатов в
различных районах страны стала классификация местности в зависимости
от термического режима, и получены соответствующие мезоклиматические поправки [9, 10]. Аналогичные разработки применительно к экстремальным (минимальным) температурам воздуха выполнила Л. Г. Васильева [5]. В настоящее время хорошо известна созданная Е. Н. Романовой
кодовая схема, типизирующая многообразие природных условий и параметров антропогенного воздействия. Она выполнена на основе обобщения обширного эмпирического материала [8]. Для горных регионов
С. Г. Чанышевой и О. И. Субботиной предложен принцип объективной
42
оценки влияния рельефа на климатообразование. Проведена апробация
метода на примере расчета некоторых климатических характеристик
температуры на территории Памиро-Алая [11]. Следует также отметить
ряд работ регионального уровня по данной проблеме, выполненных как
отечественными, так и зарубежными авторами [2, 6, 12, 13].
Несомненно, указанные исследования заложили основы в изучение влияния местных условий на локальный климат, однако они нуждаются в дальнейшем развитии и уточнении. Необходимость этого вытекает
из следующего.
Во-первых, количественные показатели, характеризующие изменение термического режима в пунктах, разработаны в основном для
средних значений. Между тем запросы различных отраслей экономики
требуют знания, помимо средних, параметров временной структуры
(изменчивости, вероятностных оценок и др.).
Во-вторых, рассмотренные классификации местоположений для
решения региональной задачи могут быть использованы лишь в качестве
основы. Варианты С. А. Сапожниковой и JI. Г. Васильевой слишком
схематичны и содержат главным образом качественные характеристики
местных условий. Система типизации Е. Н. Романовой, наоборот, отличается большой детализацией, хотя включает элементы их количественной
оценки.
И, наконец, мезоклиматические поправки получены, как правило,
для каждого фактора внешней среды в отдельности, и, следовательно,
величина совокупного их влияния остается не раскрытой.
Таким образом, возникает необходимость в объективном (с помощью количественных критериев) описании широкого комплекса
факторов с учетом вклада влияния каждого из них на формирование
климатических особенностей в данной местности. Выявленные связи
между такого рода климатическими и влияющими географическими
параметрами позволят повысить точность информации и упростят процедуру ее доведения до потребителя.
В настоящей статье изложены результаты разработки количественного способа восстановления характеристик температуры воздуха в
виде параметров первого - четвертого порядков (средней, среднего
квадратического отклонения, коэффициентов асимметрии и эксцесса) для
территории юго-востока Западной Сибири, за исключением Горного
43
Алтая. Поставленная задача подразделяется на две части: первая включает создание количественной (ранговой) системы классификации местных
условий региона с последующим этапом типизации исследуемых пунктов
на основе разработанных количественных критериев, вторая предполагает отыскание устойчивых зависимостей для расчета статистик температуры воздуха в точке (местности) с любым местоположением.
В качестве исходных данных использованы ряды средней месячной и годовой температуры воздуха по 76 станциям (Томской, Новосибирской, Кемеровской областей и Алтайского края) за период 1936—
1980 гг., а также аэроклиматические данные по температуре [7].
Характеристики местоположения исследуемых пунктов заимствованы в
основном из [4]. По годичным данным температуры рассчитаны
статистические характеристики (Т, о, А, Е) и их абсолютные
погрешности.
Исследованиями установлено, что влияние мезомасштабных неоднородностей подстилающей поверхности, обусловливающее различия
термического режима, зависит от времени года и имеет свои особенности
в различных условиях макрорельефа.
В теплый период года на равнине и слабо расчлененной местности различия в режиме температуры воздуха обусловлены в первую
очередь особенностями подстилающей поверхности — характером почвы
и растительности, близостью больших водоемов и крупных городов,
наличием болот, а также формой рельефа.
В холодную половину года, когда устанавливается снежный покров, количество воздействующих факторов уменьшается. Изменение
температуры в зависимости от местоположения связано в основном с
перераспределением и застоем холодного воздуха. Очевидно, что преобладающая роль в этом процессе принадлежит рельефу.
Рельеф исследуемого региона довольно многообразен. Большая
его часть представлена сочетанием равнины и возвышенностей, достигающих 250—300 м над ур. м. Особенностью рельефа является общая
котловинность территории с наибольшим понижением в районе оз. Чаны
и в зацадной половине Кулуццинской степи. Здесь создаются благоприятные условия для застаивания воздуха и снижения температуры. Юговосток территории занимают предгорья и горы Алтая. Значительная часть
юго-востока Западной Сибири характеризуется сильно разветвленной
речной сетью [10].
44
Основываясь на изложенном, при помощи экспертных оценок
качественных и количественных данных о местоположении станций,
корреляционного анализа, а также с учетом ранее выполненных исследований по типизации местных условий [8, 9] для каждого фактора внешней
среды разработана количественная (ранговая) шкала, характеризующая
изменение степени влияния или ареала воздействия фактора на параметр
температуры.
В табл. 1—3 представлена схема типизации местных условий
юго-востока Западной Сибири, состоящая из нескольких блоков. Каждому типу местоположения присвоен ранг влияния. Нулевой ранг характеризует точку (местность), находящуюся вне влияния фактора. Положительное и отрицательное значение кода означает соответственно отепляющий и охлаждающий эффект воздействия.
Таблица 1
Ранг влияния на температуру воздуха рельефа местности
Характеристика форм рельефа
1. Отрицательные формы рельефа, способствующие застою
воздуха
замкнутые предгорные долины, котловины, окруженные
возвышениями (ДН= 50:. .200 м)
котловины, открытые долины предгорий, слияние долин,
нижние части склонов (ДЯ= 50...200 м)
долины, блюдцеобразные понижения впадины в холмистой местности на равнине (АН < 50 м)
2. Ровная открытая слабо холмистая местность на равнине
( Д Ж 50 м)
3. Формы рельефа с благоприятными условиями для турбулентного обмена
вершины и верхние части холмов, грив и других возвышений, краевые части высокого берега
склон южной, юго-западной и западной экспозиции
склон северной и северо-восточной экспозиции
4. Участки рельефа, доступные для проникновения фенов
5. Котловинность территории (рис. 1)
район 1
район 2
* Для лесостепной зоны.
** Для степной зоны.
45
Ноябрь—
март, год
Апрель—
октябрь
-3
- 2
-2
-1
-1 (0*)
0
0,5**
1
-1
0,5
-0,5
0
-3
-2
-1
Таблица 2
Ранг влияния местоположения водоема на температуру воздуха
Характеристика водного объекта
Долина большой реки шириной 500-—1000 м, крупный водоем площадью более 100 м2
Долина средней реки шириной 100—500 м, водоем
средних размеров площадью 10—100 м2
Долина небольшой речки шириной менее 100 м;
небольшой водоем площадью менее 10 м2; несколько
озер
Расстояние до у]эеза воды, км
<0,3
1—2 > 2
0,3—1
3
2
1
0
2
1
1
0
0
Таблица 3
Ранг влияния на температуру воздуха почвенно-растительного покрова
Тип почвы
Подзолистые, дерново-подзолистые, серые лесные
Черноземы, каштановые
Солонцы,солончаки
Механический состав
Глинистые,
Песчаные,
суглинистые
супесчаные
2
1
2
3
3
3
Для месяцев теплой половины года (апрель—октябрь) в качестве
факторных признаков приняты: высота (Н), рельеф в сочетании с котловинностью (R + К), близость водоема (IV), характеристика почвы (Р) и
болотистость местности (В).
Для периода с отрицательными температурами и устойчивым
снежным покровом (ноябрь—март) рассматриваются следующие характеристики местоположения: высота над уровнем моря, м (Я), рельеф
местности (R) и котловинность территории (К). Учитывая, что средняя
годовая температура воздуха на преобладающей территории отрицательна, а положительные значения близки к нулю, она отнесена к зимнему
блоку.
Высота над уровнем моря существенно влияет на мезоклимат
вследствие изменения температуры по вертикали. Зимой над юговостоком Западной Сибири характерно инверсионное распределение
температуры. Согласно данным Э. Ю. Безуглой [1], вертикальный градиент приземных инверсий составляет в среднем многолетнем разрезе
1 °С/100 м. Летом, наоборот, температура убывает с высотой, вертикальный градиент равен 0,6—0,7 °С/100 м. Вместе с тем форма рельефа
может значительно перекрывать влияние высоты.
Первый блок (табл. 1) содержит типизацию рельефа местности и
составлен для условий равнинного, всхолмленного и пересеченного
46
рельефа с абсолютными высотами не более 300 м и относительным
превышением (базисом эрозии) АН = 50...200 м. В основу типизации
положена упомянутая классификация С. А. Сапожниковой [10], выполненная на основе анализа форм рельефа — вогнутых и выпуклых. Значения рангов в целом пропорциональны значениям мезоклиматических
поправок к параметрам термического режима в различные сезоны. В
данный блок включены характеристики влияния фёнов (ф), свойственных
отдельным районам территории. Учитывая существенный вклад в формирование локального термического режима антропогенного фактора, но не
располагая достаточно полной информацией о состоянии каждой станции
и динамике процессов на окружающей территории, мы ограничились
использованием характеристики признака (г) из [10]. В качестве дополнительных факторных показателей в раздел типизации местности по рельефу нами включены два параметра — экспозиция склонов и котловинность
территории (К). На рис. 1 обозначена граница зоны влияния К.
Второй блок — типизация влияния местоположения водоема
(табл. 2). Степень влияния водоема зависит от ряда факторов, главными
из которых являются размер водного объекта и удаленность от него
метеостанции. Градации расстояния отражают известную закономерность
логарифмического изменения влияния водоема на температуру воздуха
по мере удаления от него.
Следующий, третий блок содержит характеристику почвеннорастительного покрова (табл. 3). Типы почв отражают ландшафтную
зональность растительности, а механический состав почвы — в основном
условия подстилающей поверхности в пределах метеоплощадки. Выбор
ранговых значений, отражающих степень влияния типа почвы и ее увлажнения на режим температуры воздуха, осуществлен с учетом гидротермических свойств почв [1].
Последний блок — болотистость местности. Болота в целом
снижают температуру воздуха и лишь осенью дают небольшой отепляющий эффект. Выделено два типа местоположения: территория заболочена
и болота занимают не менее 30 % площади.
На основе разработанных ранговых критериев выполнена типизация 76 станций (табл. 4). Следует иметь в виду, что при выявлении в
пункте нескольких характеристик рельефа (R) — форма рельефа, экспозиция склона (с), фёновые явления (ф), сюда же отнесен фактор антропогенного воздействия (г), итоговый ранг R определяется путем алгебраического сложения частных рангов.
47
Таблица 2
Кодовые характеристики местоположения станций для холодного
и теплого периодов и значение мезоклиматической поправки
к температуре (AT) в январе (I) и июле (VII)
Станция
Н
Холодный
период
К
R
Теплый период
R+K
W
Р
AT
В
I
VII
-1
-1
-1
0
-1
0,5
-1
-0,5
-1
-1
-1
-1
-1
-I
-1
-0,5
0
0
-1
-1
0,2
16,8
Томская область
Александровское
Ванжиль-Кынак
Напас
Березовка
Средний Васюган
Катыльга
Каргасок
Усть-Озерное
Парабель
Колпашево
Старица
Майск
Молчаново
Пудино
Кенга
Бакчар
Первомайское
Брагино
Томск
Кожевникове
0,5
1,0
0,8
0,8
0,7
0,8
0,6
1,1
0,7
0,8
0,8
1,0
1,1
0,9
1,0
.1,1
1,2
0,8
1,4
0,9
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-1
0
-1
0
0
0
0
0
0
о.
-1
0
-1
-1
0
0
0
0,5г
0
Кыштовка
Северное
Пихтовка
Крещенка
Болотное
Еланское
Пеньки
Барабинск
Убинское
Колывань
Мошково
Чаны
Тогучин
Татарск
0,9
1,2
1,2
1,3
1,9
1,1
1,5
1,2
1,4
1,4
2,2
1,1
1,5
-2
-2
0
-2
0
-2
-2
-3
-2
0
0
-3
0
-3
-2
0
0
-1
0
0
0
0
0
-1
0
0,5г
0
0
0
0
0
-1
0
-1
0
0
0
0
0
0
0
-1
0
-1
-1
0
0
0
0,5г
0
1
1
2
1
2
0
2
0
1
1
0
0
1
0
0
1
0
0
1
2
1
1
1
1
1
1
1
1
1
2.
2
2
1
1
1
1
2
I
1
-
-0,1
-
0,5
-
0,3
1,1
0,5
0,6
0,5
-
1,5
-0,3
0,1
0,6
1=9
-
—
16,6
-
16,8
-
16,8
17,0
16,6
16,8
17,2
-
17,0
16,1
15,7
16,3
17,0
-
1,8
1,1
16,6
16,5
-1,0
-0,9
0,3
-0,6
1,6
-1,6
0,2
-1,3
-1,3
0,4
1,3
-1,4
0,6
16,2
16,0
16,9
15,9
16,8
16,2
16,2
16,5
16,0
16,5
16,2
16,7
16,5
16,6
16,3
Новосибирская область
Чулым
1,1
1=4
48
-1
-1
-1
-1
0,5г
-1
-1
-1
-1
0
0
-1
0
-1
-1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
2
2
2
2
2
2
2
3
2
3
2
-1
-1
-1
-1
0
-1
-1
-1
-1
0
0
-1
0
-1
0
-1,3
-0,5
Продолжение табл. 4
Станция
Квашнино
Коченево
Коурак
Чистоозерное
Здвинск
Ужаниха
Купино
Ордынское
Маслянино
Кочки
Посевная
Краснозерск
Карасук
Я
1,1
1,6
2,2
1,1
1,1
1,8
1,2
1,3
2,0
1,5
2,9
1,4
1,1
Холодный
период
R
К
1с
-3
0
0
-2
0
-2
-3
0
-3
-2
0
0
-3
-2
0
0
-3
0
-2
0
1ф
-2
0
-2
0
Теплый период
R+K
-0,5с
0
-2
-1
-1
-1
-1
0
-2
-1
0
0
0
W
3
0
0
0
0
0
0
1
0
0
0
0
0
р
2
2
1
3
3
2
3
1
2
2
2
2
3
AT
5
-1
-1
-1
0
0
0
0
0
0
0
0
0
0
I
-1,1
-0,1
-
VII
17,2
16,4
-
-1,6
-1,7
-0,5
-1,9
-0,4
-0,9
-1,3
0,8
-1,3
-1,9
17,1
17,3
15,8
17,2
16,7
15,5
16,2
15,8
16,6
17,6
0
0
0
0
0
0
0
0
-1
-0,5
0
0
3,2
3,3
1,7
3,6
2,2
1,3
3,0
2,1
16,6
16,0
15,5
15,9
16,4
16,1
16,3
15,8
2,5
2,8
2,2
16,3
16,4
15,6
0
0
0
-1
0
-1
0
0
0
0
0
0
-0,4
-1,1
1,4
16,3
16,8
17,0
Кемеровская область
Мариинск
Тяжин
Тайга
Тисуль
Топки
Крапивино
Кольчугино
Красное
Междуреченск
Гурьевск
Киселевск
Кузедеево
1,4
2,2
2,5
2,1
2,8
1,5
2,7
2,0
2,4
2,2
2,9
2,9
0
0
0
0
0
0
0
0
0
0
0
0
0,5с
0
-0,5с
2ф
0
-1
1г
-1
-1
0
' 0,5
-0,5с
0,5с
0
-0,5с
-1
0
-1
1г
-1
-1
0
0,5
-0,5с
0
0
0
0
0
1
0
0
0
0
0
0
2
2
1
2
2
2
2
2
1
2
2
2
-
-
Алтайский край
Тапьменка.
Камень-на-Оби
Сорокино
Хабары
Славгород
Завьялове
Бийск
Алейская ж.-д.
Родино
Ключи
Волчиха
Рубцовск
1,4
1,5
2,2
1,4
1,2
1,6
2,3
1,8
1,6
1,4
2,1
2,2
0
-2
0
-3
• -3
-2
0
0
-2
-2
-2
-2
-2
0
0
0
0
0
0
0,5г
0
0
-2
0
-1
0
0
-1
-1
-0,5
0
0,5г
-1
-1
-1
-1
0
0
0
0
0
0
0
0
.0
0
0
0
1
2
2
3
3
2
2
3
3
3
3
3
-
-2,0
-0,9
1,1
0,5
-0,6
-1,2
-1,5
-0,5
-
17,9
16,9
16,3
17,2
17,4
17,8
17,0
17,0
П р и м е ч а н и е . Прочерки в графах ДТ относятся к станциям, не вошедшим в выборку.
49
Рис. 1. Восстановленное поле средней месячной (август) температуры на высоте 3000 м.
/ — аэрологические станции; 2 — метеорологические станции.
Анализ результатов типизации станций показал, что примерно
30 % из них расположены на ровной открытой территории. Около половины пунктов находится в вогнутых формах рельефа. Свыше 20 % станций оказываются в зоне влияния водоема. Исследуемые пункты расположены на всех свойственных данному региону типах почв, значительная
часть которых имеет глинистый и суглинистый состав; 43 % находится в
болотистой местности.
50
Рассмотрим теперь принцип определения изменения режимных
характеристик температуры воздуха под влиянием особенностей местоположения. Для количественной оценки изменения использован картографический метод, получивший широкое применение в микроклиматологии. Суть подхода, разработанного и детально описанного Л. Г. Васильевой [5], состоит в следующем. По многолетним данным у поверхности земли строятся фоновые карты параметров, характеризующие их
распределение на ровном открытом месте в зависимости от основных
физико-географических условий региона. По этим картам снимаются
данные пунктов, отклоняющиеся от фоновых. Выясняя местоположение
пунктов и группируя их по этому признаку, можно получить значение
поправки к температуре.
Отмечая сравнительную простоту метода, следует обратить внимание на ограниченность его применения. Так, для теплого периода
невозможен подбор станций, свободных от влияния всего многообразия
факторов (кроме рельефа). К тому же для ограниченных территорий при
небольшой густоте пунктов снижается вероятность получения устойчивых связей между количественными характеристиками температуры и
параметрами различных условий местоположения. С учетом этого обстоятельства была предпринята попытка оценить возможность использования в качестве фоновых не приземных, а аэроклиматических данных о
средней месячной температуре.
Поля температуры на стандартных уровнях 500, 1000, 1500,2000,
3000 м над ур. м. рассчитывались по 19 аэрологическим станциям Западной и Восточной Сибири, а также сопредельных районов Казахстана
методом объективной интерполяции Крайгинга [3]. Исходными данными
являются координаты станций в декартовой системе и значения средней
температуры. Поля построены по заданному числу ближайших точек, что
примерно соответствует радиусу значимой корреляции характеристики.
Анализ полей показал, что влияние особенностей подстилающей
поверхности в 100 % случаев (на 19 станциях) перестает прослеживаться
на высоте 3000 м независимо от времени года. Поля температуры (Гзооо)
на этом уровне и приняты в качестве фоновых, погрешность расчета над
исследуемой территорией составляет 0,1—0,2 °С (Барабинск, Новосибирск). По координатам 67 приземных станций восстанавливались значе51
ния средней месячной и годовой температуры на высоте 3000 м. Разность
(AT) между Го и Г3000 гипотетически принималась равной изменению
температуры у земли. На рис. 1 для примера представлена карта распределения Г3000 в августе. Видно, что для теплого периода характерно
зональное распределение температуры на высоте. Аналогично изменяется
по территории фоновая температура у земли [10]. Коэффициент корреляции между параметрами Т0 и Тшо составляет 0,7—0,8. Иная картина
отмечается в холодный период. Над исследуемой территорией на высоте
3000 м направление изотерм с северо-запада на юго-восток отражает
макроклиматическое влияние азиатского антициклона. У поверхности
земли, благодаря особенностям орографии региона, поле температуры
существенно корректируется, изотермы в основном направлены с югозапада на северо-восток [10]. Связь между значениями температуры
оценивается значением коэффициента корреляции 0,4—0,6 в декабре,
январе и практически отсутствует в остальные месяцы. По результатам
оценок сделан вывод, что для зимнего сезона выбор факторных признаков с целью их учета в предлагаемой модели восстановления температуры представляет большую сложность, а принятые нами (К, Н, R) могут
оказаться не оптимальными. Поэтому одновременно для холодного
периода был применен картографический метод с привлечением приземной информации. Используя в качестве фоновых поля, приведенные к
уровню моря, по данным станций с кодом рельефа „0", получены поправки к температуре для пунктов с различивши особенностями местных
условий. При этом приняты два параметра местоположения — высота
места (Н) и рельеф (Л), согласно типизации из табл. 1. Фоновое поле
приведенной средней температуры января иллюстрируется на рис. 2.
Оценка связи между рангами местоположения станций и статистическими характеристиками температуры воздуха проводилась с помощью регрессионного анализа. К настоящему времени накоплен положительный опыт применения данного математического аппарата для
расчета климатических данных в различных условиях горного рельефа [6,
11]. К разработкам привлечены данные 67 станций, по 9 пунктам проведена проверка метода на независимом материале.
Выявлено, что практически повсеместно связи между отдельными параметрами местоположения и статистиками температуры линейные,
52
Рис. 2. Восстановленное поле средней месячной (январь) температуры воздуха, приведенной к уровню моря.
1 — станции с кодом рельефа „О"; 2 — станции с особенностями местоположения.
что дает основание использовать линейную модель множественной
регрессии. Рассчитывались коэффициенты корреляции, коэффициенты
множественной регрессии, а также критерии оценки значимости параметров связи. Прежде всего анализу подвергались парные коэффициенты
корреляции (г), по которым выбирались информативные факторные
признаки местоположения пунктов.
В теплую половину года степень влияния различных факторов
меняется в течение сезона. Летом значимыми являются практически все
факторы, а в переходные сезоны (апрель, май, октябрь) только один —
53
рельеф, но и с ним связь достаточно слабая (г ~ 0,4...0,5). Исходя из
этого, полагаем, что для этих месяцев необходимы дополнительные
разработки по уточнению влияющих факторов.
В холодный период (по данным с использованием аэроклиматической информации) наибольшее влияние на средние условия термического режима оказывает котловинность территории (г = 0,7...0,8). В
меньшей степени влияют высота местности (г = 0,4...0,6) и рельеф
(/•= 0,3...0,4). Все связи статистически обеспечены. Исключение составляет март, когда единственным значимым фактором оказывается котловинность территории К (г = 0,84). По второму (приземному) способу оба
параметра местоположения (Д R) также являются информативными.
Статистически значимые признаки вводились в расчеты множественной корреляции, после чего оценивался вклад каждого из них на
основе анализа частных коэффициентов корреляции; не информативные
исключались из расчетов. В результате таких процедур коэффициент
множественной корреляции (R0) в летние месяцы составляет 0,81—0,84
(в мае уменьшается до 0,52); зимой (для обоих вариантов оценки)
R0 = 0,84...0,93. Коэффициенты уравнения регрессии для расчета поправок к средней месячной и годовой температуре воздуха представлены в
табл. 5 и 6.
В отличие от средней месячной и годовой температуры воздуха у
земли, статистические параметры второго — четвертого порядков (а, А,
Е) характеризуются незначительной пространственной изменчивостью.
При допуске о пренебрежимо малой зональной составляющей изменения
параметров регрессионные зависимости строились между ранговыми
значениями местоположения и значениями статистик у земли.
Таблица 5
Коэффициенты уравнения множественной регрессии а я Ь
для расчета поправок к средней месячной температуре воздуха
Месяц
Июнь
Июль
Август
Сентябрь
Н
R+K
-0,66
-0,59
-0,58
-0,27
0,44
0,25
0,24
0,40
а
W
0,29
-
0,21
0,26
54
Р
-
0,46
0,32
0,25
В
-
0,36
0,21
-
ь
18,1
16,8
16,6
15,0
Таблица 2
Коэффициенты множественной регрессии а н Ь для расчета поправок
к средней месячной температуре воздуха по аэроклиматическим (числитель)
и приземным (знаменатель) данным
а
Месяц
К
Я
R
Ноябрь
0.50
Декабрь
0.63
Январь
0.89
Февраль
1.09
0.55
-0,45
1.01
0,86
0.84
0,69
0.73
0,92
Март
1.23
0.65
0,23
0.92
0,43
0.95
0,44
0.94
0,37
0.74
0,37
0.55
0,24
-
-
-
-
-
0,48
, —
-0,65
-
Год
0.45
-
Погрешность,
Ь
°С
6.18
0,97
0.22 •
0,24
-0,14
0,41
2.04
0,10
7.31'
0,00
10,80
0,65
М
0,3
м
0,2
М
0,4
м
0,4
М
0,4
М
0,3
Отмечено, что зависимость среднего квадратйческого отклонения температуры воздуха от средней для местных условий более заметно
проявляется в холодную половину года, однако коэффициент корреляции
невелик и составляет 0,5—0,7. В теплый период связи еще слабее, и лишь
в единичных случаях в тот или иной месяц коэффициенты корреляции
являются значимыми. Полученные результаты дают основание считать
целесообразным расчет уравнений регрессии для восстановления параметра межгодовой изменчивости лишь по месяцам холодного периода
(табл. 7).
Таблица 7
Коэффициенты уравнения множественной регрессии a, b для восстановления
среднего квадратйческого отклонения температуры воздуха
а
Месяц
Ноябрь
Декабрь
К
Н
R
0,06
0,14
-0,13
-
-0,25
-0,07
-0,10
-0,06
Февраль
-0,07
-0,18
0,05
Март
-0,09
Январь
-
-
-
55
ъ
Погрешность,
°С
4,38
4,56
4,64
0,12
0,23
0,15
. 4,31
2,81
0,18
0,58
0,16
-0,56
...До
0,67
0,65
0,73
Что касается значений коэффициентов асимметрии и эксцесса
распределений температуры воздуха у земли, то очевидно, что их зависимость от факторов мезомасштаба невелика; полный коэффициент корреляции колеблется в месяцы холодного периода в пределах 0,4—0,5 (по
модулю), летом связь также мала. Как показал анализ параметров А и Е, в
целом под влиянием местных условий распределение средней месячной
температуры не меняется, а зависит в основном от времени года. Подтверждением сказанному служат значения критерия Пирсона
(%) как
показателя отклонения распределения температуры от нормального на
двух близлежащих станциях Новосибирской области (табл. 8) с заметно
различающимися условиями рельефа — Маслянино (ранг R - -3) и
Посевная (ранг R = 1). Видно, что и в глубокой долине с застойными
условиями и на хорошо проветриваемом холме в течение года, за исключением апреля, 'распределения температуры подчиняются нормальному
закону. Таким образом, в применении данного подхода к уточнению
параметров А и Ее учетом местных условий фактически нет необходимости.
Для того чтобы судить о погрешностях расчета статистических
характеристик температуры воздуха по уравнениям регрессии, следует
хотя бы приближенно оценить, к какой точности нужно стремиться,
учитывая, что сами статистики выборочной совокупности определены с
ошибкой.
Стандартная ошибка средней месячной температуры воздуха составляет в холодный период 0,5—0,7 °С, в теплый 0,2—0,4 °С. Значения
ошибки стандарта распределения а примерно вдвое меньше. Следовательно, точность косвенных расчетов режимных характеристик можно
Таблица 8
Критерий Пирсона (х2 %) как показатель соответствия распределения
средней месячной и годовой температуры воздуха нормальному закону
Станция
Маслянино
Посевная
Месяцы
Год
I
П
m
IV
V
VI
VII
УШ
IX
X
XI
ХП
92
55
18
4
36
29
71
66
55
50
45
45
77
98
57
24
0
15
38
67
17
42
67
57
34
78
П р и м е ч а н и е . Значение у.2 < 5 % означает отклонение распределения от нормального.
56
считать удовлетворительной, если погрешность не превышает удвоенной
ошибки.
Поскольку выходными данными регрессионного анализа являются не сами значения восстановленной температуры, а значения мезоклиматических поправок, представляет интерес рассмотреть погрешность их
расчета. По данным станций, участвовавших в разработках, весь спектр
абсолютных отклонений (фактических от расчетных) дает следующую
картину.
Летом более чем в половине случаев (58 %) поправка к средней
температуре рассчитывается с погрешностью менее 0,2 °С, около 40 % —
с погрешностью 0,2—0,5 °С, и лишь в 2—6 % погрешность составляет
более 0,5 °С. В сентябре случаев погрешностей, превышающих 0,5 °С, не
отмечается. Наибольшие погрешности (0,7—0,8 °С) зафиксированы на
единичных станциях, не отличающихся общими признаками местоположения. Это свидетельствует о случайности подобных отклонений, возможно, благодаря неточному кодированию какого-либо из факторов. По
итогам оценок, в трех месяцах — апрель, май и октябрь — отмечается
значительный разброс поправок, значение которых зачастую превышает
0,5 °С. Это вызвано, естественно, неоднородностью состояния подстилающей поверхности в эти периоды года в различных районах региона.
Так, на севере территории в апреле еще отмечается устойчивый снежный
покров, а в южной части, как правило, идет его интенсивный сход. Следовательно, для объективной оценки влияния факторов на термический
режим в переходные сезоны года необходим дифференцированный
подход по территории.
В холодный период по способу с привлечением данных на высоте 3000 м наибольшая вероятность погрешностей расчета AT, превышающих 1 °С, как и предполагалось, отмечается в феврале, марте (10—
20 %), в остальные месяцы она уменьшается до 3—6 %. Погрешности
расчета AT по второму (приземному) варианту значительно меньше и
практически повсеместно не превышают 0,5 °С.
В целом о „качестве" восстановления температуры предложенными способами можно судить по результатам проверки на независимом
материале (табл. 9, 10). В летние месяцы погрешность расчета практически повсеместно не выходит за рамки допустимых пределов. По оценкам,
в холодный период предпочтительным является способ с использованием
приземных данных. Средняя месячная и годовая температура воздуха
восстанавливается с приемлемой статистической точностью. При этом
57
наглядно видно, что полученные значения во всех случаях ближе к фактическим, нежели снятые с фоновых карт.
Относительно точности расчета стандарта распределения температуры можно сказать, что несмотря на незначительную связь с параметрами местных условий, статистики рассчитываются по уравнениям с
удовлетворительной точностью (погрешность не превышает 0,5 °С).
Выполненное исследование является первым опытом по разработке количественного способа интерполяции режимных характеристик
температуры воздуха между пунктами гидрометеорологической сети на
территории юго-востока Западной Сибири.
Получены следующие основные результаты и выводы.
Таблица 9
О ц е н к а погрешности восстановления средней месячной т е м п е р а т у р ы воздуха на
независимом м а т е р и а л е (Гф — ф а к т и ч е с к а я , Гр — расчетная по табл. 5)
Параметр
Гф
г,
Гф-Гр
Гф
Т
Р
Гф-Гр
гф
Т,
Гф-Гр
Гф
тр
Гф-Гр
Гф
Tt
Гф-Гр
Гф
Тр
Гф-Гр
Июнь
Июль
Август
Сентябрь
13,5
13,4
0,2
Ванжиль-Кынак
17,1
17,2
-0,1
13,1
13,3
-0,2
7,2
7,4
-0,2
14,5
14,5
0,0
Майск
17,5
17,7
-0,2
13,7
13,7
0,0
8,5
8,4
0,1
15,6
14,9
0,7
Коурак
17,5
17,7
0,3
13,7
13,7
0,0
8,5
8,4
0,1
16,0
16,2
-0,2
Междуреченск
18,6
18,8
-0,2
14,9
14,6
0,3
9,1
9,5
-0,4
17,4
16,7
0,7
Хабары
19,3
19,3
0,0
16,1
16,1
0,0
10,4
10,6
-0,2
16,3
16,2
0,1
Ново-Кытманово
18,3
18,7
-0,4
15,7
15,7
0,0
9,9
9,9
0,0
58
1. Разработана система классификации местоположения пунктов,
содержащая ранговую оценку влияния каждого фактора на термический
режим в зависимости от времени года. Выполнена типизация 76 станций
в соответствии с количественными критериями.
2. Предложен принцип использования аэроклиматической информации и объективные способы ее обработки для количественного
определения изменения режимных характеристик температуры у земли
под влиянием местных условий в летний сезон. Создана база данных,
содержащая статистические характеристики температуры у земли и
фоновые поля на высоте 3000 м.
3. Предложен способ восстановления (интерполяции) режимных
характеристик с помощью регрессионных зависимостей. Погрешность
расчета средней месячной температуры в теплое время года составляет
0,2—0,5 °С. В холодную половину предпочтительней использовать
способ с привлечением приземных фоновых карт; точность восстановления приемлема и составляет 0,5—0,7 °С. Исключение составляют месяцы
переходных сезонов (апрель, март, октябрь), когда статистически значимого влияния факторов, характеризующих неоднородность подстилающей поверхности, не обнаружено.
4. Точность восстановления среднего квадратйческого отклонения температуры в холодный период составляет 0,5 °С и находится в
допустимых пределах. Летом влияние принятых факторных признаков на
а оказывается несущественным.
5. Установлено, что распределение средней месячной и годовой
температуры воздуха не зависит от условий местоположения.
Изложенные в настоящей статье результаты не следует считать
окончательными, они позволяют выявить резервы для повышения эффективности разработанного способа. К числу таких резервов можно отнести, например, дифференцированный пространственно-временной подход
к оценкам при условии увеличения объема исходной информации. Средством усовершенствования метода в практическом аспекте может служить разработка автоматизированной технологии этапов восстановления
параметров термического режима, включающей процедуру пополнения
рядов исходных данных.
59
I
I
°
I
„ О -- (N
Т о" о" о"
f-.
ПЧта
7 7 7
и
H
Я'8
£ »
м яя
си
H
м «
Л
Q< Ви"
(N ч- Г- ТС оо
S —2 о!
Т7 ^ 7 ° ° °
со
о <? о «р 7 о
<4 м a
о „
2 ос ос 2 - 27i I7 I °
аU 1I
с
45» К^ Со
1
Н
» -я чЬ
ой
§ £• i
С. я j
я а г
я •§ §
2 в "
£ ж
о £s
«ег
ы 5 л
S а.
о я|
«и я« S3
| & &
о. 5 s
Ь> II S
S
К
я » jjа
5в я« =а
S
«й
яв и
« 2
S
в 5 I
О
I
£й Я2&Си
©
«а
•
©
«
« , ял
5 I о
го СЧ 4D vо
сГ оГ сГ —Го, m гп
Т -"о"
7 7 7 7
<N
rn <N
оо" оо" оо" 00 П,
7 Т 7 7 ° °
°
Ч
^ -г- ^оо т „ _
г» vo
7 7 7 7 ? - °
Я 00л оо М ^
U -ч Л Ч Pl
<4 '*^!, оо" г-"
„ О О О Оi Os ^VO >«я«о"Mо"f Jо"Nо"O"Ч
оо" СР", 0 ' ~
OO
О. I I I I
2 I I II
07 7 7 7 , И
т
OOiOh
7777
•Is
°- Is
с_ оя н«
яа яs
6 S
О |
я
' оU
я
я
—<
VO , 1- ~
CS-CN- С9О W
о <f
яя
Е-^" Е-?"
— -
_
3
г-.
п со
о 2 о ° с?" о"
7 7 7 7? I
III
Е*ч Е-ч Е**» Е*ч
I I I
60
^ N О in
ЧО vo" t^"
I I II
п. Ч Ч З - с п
Т Т "Т 7
i i
Ьч Е"**
ООО
ГО
о" о"
-г о ч
воI ooI ooI ^I ОI _Г п°
О^ П. О «-« ©^ Г2 оо оС оГ —Г —
г Г о"
Т I I I I I I
1Л 1Л ш \о
1~
/Г VrT 1л" Г-Г
л ON
\о чо г-л чо
ON О О
(N
«п го О
а оо t-" oo" ON QО О J — — —
« -- ^
7 I о
«О О ГО
7 7 7 7 - ° ?
v© V-Г v©
I I
•е- Е**ч Е-S.
^м й
F-ч Е^ч ^
\о ю in ю
В
— — NO
0" 0
NO О Г0 О NO NO ГО
s? ^ ь?
f-Г fCfC
fir fir ^
61
СПИСОК ЛИТЕРАТУРЫ
1. Безуглая Э. Ю., Виноградова Г. В., Елекоева Л. И. и др. Инверсии
температуры на территории СССР // Труды ГГО. — 1977. — Вып. 387. — С. 88—99.
2. Братцев А. П., Абрамовский И. Н. Влияние местных физикогеографических факторов на климат территории // Труды Коми филиала АН СССР. —
1984. — Вып. 65. — С. 119—125.
3. Девис Дж. Статистический анализ в геологических исследованиях. — М:
Статистика, 1977. — 630 с.
4. Климатический справочник СССР. История и физико-географическое
описание метеорологических станций и постов. — Красноярск, 1964. — 342 с.
5. Микроклимат СССР / Под ред. И. А. Гольцберг. — Л.: Гидрометеоиздат,
1967,—285 с.
6. Николаева Н. В. Температура воздуха отдельных высотных зон Украинских Карпат//Труды УкрНИГМИ. — 1986. — Вып. 216.
7. Новый аэроклиматический справочник пограничного слоя атмосферы над
СССР. Т. 1.: Статистические характеристики температуры /Под ред. И. Г. Гутермана. — М.:
Гидрометеоиздат, 1985. — 146 с.
8. Романова Е. Н. Микроклиматическая изменчивость основных элементов
климата. — Л.: Гидрометеоиздат, 1977. — 280 с.
9. Сапожников а С. А. Микроклимат и местный климат. — Л: Гидрометеоиздат, 1950, — 239 с.
10. Справочник по климату СССР. Ч. 2. — Л.: Гидрометеоиздат. — 1965.
Вып. 20, —395 с.
11. Чанышева С. Г., Субботина О. И. Методические рекомендации по использованию морфометрических показателей в климатическом анализе /САНИИ. —
Ташкент, 1984. — 179 с.
12. Элизабарашвили Э. Ш. О количественной оценке влияния рельефа на
температуру воздуха // Сообщение АН ГССР. — 1985. -120. — № 1. - С. 109—112.
13. Obrebska- Starkel В. Reflection of the orografic patterns in the micro-and mezoclimatic conditions // Geo Journal. -1984. -V. 8, N 3. — P. 259—263.
62
Э. А. Морозова
НЕКОТОРЫЕ ХАРАКТЕРИСТИКИ НИЗКИХ ОБЛАКОВ
НА СЕВЕРЕ ЗАПАДНОЙ СИБИРИ
Несмотря на развитие авиационной техники и оснащение аэродромов современными средствами дня обеспечения безопасности полетов, низкая облачность остается одним из основных факторов, осложняющих взлет и посадку воздушных судов. Поэтому вопрос о совершенствовании методов прогнозирования высоты нижней границы облаков
является по-прежнему актуальным. Физические процессы и условия
образования низких слоистообразных облаков изучены и описаны достаточно хорошо [1—5, 8, 9, 11]. При разработке методики прогноза высоты
нижней границы облаков (ВНГО) существенное значение имеет учет
местных физико-географических условий.
Цель данной работы — выявить особенности метеорологических
условий появления низких облаков над аэродромами севера Западной
Сибири (Салехарда, Надыма, Нового Уренгоя). Материалом для исследования послужили данные ежечасных наблюдений с 1982 по 1986 г.,
выбранные из дневников погоды АВ-6. Все случаи наблюдений были
разделены на три класса. К первому классу отнесена облачность высотой
300 м и менее, ко второму — 301—1000 м, к третьему — 1001—1600 м.
Внутри каждого класса использовались более мелкие градации: через
50 м для слоя 0—300 м; через 100 м для слоя 301—1000 м; и через 200 м
при ВНГО от 1001 до 1600 м. Таким образом, наиболее детально исследовалась низкая облачность при высоте ее нижней границы до 1000 м.
Значения метеорологических величин в период существования низкой
облачности оценивались для каждой градации высоты по периодам
года — холодному, теплому и переходному. К холодному периоду года
были отнесены январь—март, октябрь—декабрь, к теплому — июнь—
август, к переходному — апрель, май, сентябрь.
Низкая облачность на севере Западной Сибири наблюдается
практически в течение всего года, но имеются особенности ее появления
над каждым аэродромом (табл. 1). Так, над аэродромом Салехард облачность высотой 300 м и менее чаще отмечалась в январе, с апреля по июнь
и с августа по декабрь, реже — в феврале, марте, июле. Максимум повторяемости облачности такой
высоты
приходится
на
октябрь
63
ч© Tt
I
о S 5 S
СЧ t >
п гTf ON
ON О
n o с о on
Ф
•n
0 0 ОО OS ON
NO М
«Л CJ
сч m
и
я
о2с.
§
о.
О
яа
00
m
n N
OO Ш <J
<4
in
„
oo n1»nЛ
o 12
On
no
1Л
12
On
К
_
sS' gj.
&
_3 оU
6а о2
3a аa
^
аw vив
аГ яI
Й
>,
О
о S
3S «
ЕГ
rw
ro m
№
oo
5ON
"
Г—
« сч
CN CO
C
S 00
NO
NO
m
•Ч- со
•ч-S00 oo
oo
NO
л~
»П СЧ
m no
C
O t- NO
CO —'
NO NO
•ад. чо
ас
х
О.Д
и 00
с.
он
оа
В
ЕГ О
M 3 "1 «
ёс
о и
я
<4 —.
8 <4
Я
OO
о
no
g:
сч
no -jО NO <n
чо <s ^ <N
О
ГО t^ ОО o,in
м 8 -
m О oo
00
00 о
^ t-асч
00 In
os
—' v» m
—< o©
o
aя
а
и
w
_o n
«
со
о CO о
v fi
^H »
Оч
tN С
NЛ Sл. ""_ «
о
о- 3ct
Ф i^ ON
3e f^n ГГ»
_>J3 чсч со
m -I
CO
X m » "
и
аО
Tj- NO
00
О
in
<N <4
оn o <CO4
Г - NO
CO
СЧ
о
oo aj oo
( S Ч- ®
t^
Г;
00
00
О
со 00
<4
со
С
Ч
NO
о)
Ь m
СО ON 2
®
ч-
О —.
Г*О
сч Я VI со-
О ч- 2
о
tсч ч-— со
On с о
On
Г-
2
О
«п
СО СЧ 0 0
N
O «
О—
го< ч*
00 NO
О
00
ГО ON
in
о NOо
о
О
О
О
О
§ I - 2
8 |- е
V со — Ш °VSсо§- Я8
64
оо
NO
—С
2
8
и
(1202 случая), минимум — на март (132 случая). Низкая облачность
высотой 301—1000 м регистрируется довольно часто во все времена года,
но несколько реже — зимой (в январе, феврале, декабре). Максимум
повторяемости понижений облачности до такой высоты отмечается в
июле (483 случая), минимум — в феврале (64 случая). Облачность с
высотой нижней границы менее 300 м бывает в 1,7 раза чаще, чем облачность высотой 301—1000 м. Облачность, отнесенная к третьему классу
(1001—1600 м), над Салехардом наблюдается в течение года в 5—15 раз
реже, чем облачность второго класса (301—1000 м). Но экстремумы
повторяемости ее приходятся на те же месяцы, что и облачности второго
класса.
'
Аналогичное распределение случаев разной ВНГО в течение года
отмечается над аэродромом Надым. Но в этом районе чаще (примерно в
1,5 раза) регистрировалась облачность высотой 301—1000 м. В районе
аэродрома Новый Уренгой низкая облачность преобладает в январе,
декабре и с апреля по ноябрь. Максимумы повторяемости низкой облачности во всех классах приходятся на теплое и переходное время года
(май— первый, второй классы, август — третий класс), минимум — на
теплое (июль — первый класс) и холодное (февраль — второй, третий
классы) времена года.
Для изучения повторяемости форм облачности при разной высоте ее нижней границы весь массив наблюдений по каждому аэродрому
был разделен на три градации. В основу классификации положена принадлежность форм облачности к определенному ярусу: нижнему, среднему или облакам вертикального развития. Анализ показал, что над перечисленными аэродромами примерно в 88 % случаев наблюдались облака
нижнего яруса, в 7 % — облака вертикального развития, в 5 % —
облака среднего яруса. Нижняя граница облаков высотой 300 м и менее
свойственна разорванно-дождевым, слоистым и разорванно-слоистым
облакам, 301—1000 м — слоисто-кучевым. В 94 % случаев высота нижней границы облаков оказывалась от 50 до 200 м. Из облаков вертикального развития наибольшую повторяемость имеют кучево-дождевые
облака с высотой нижней границы от 300 до 1000 м. Степень покрытости
неба облаками над всеми аэродромами составляла при облачности нижнего яруса 4—-7 или 8—10 баллов (по 40 % случаев), 1—3 балла (20 %
случаев); среднего яруса 1—3 балла (в большинстве случаев), вертикального развития 4—7 баллов (максимальная повторяемость) и 8—10 баллов
(минимальная повторяемость).
65
При исследовании зависимости изменчивости нижней границы
облаков от их высоты и формы было замечено [1, 10], что наиболее
устойчивыми во времени оказываются облака высотой 101—300 м,
наименее — 100 м и менее. Минимальная устойчивость во времени
высоты самых низких облаков обусловлена в первую очередь тем, что к
ним относятся слоистые и разорванно-слоистые облака. Это объясняется
не только структурной особенностью облаков такого типа, но и относительно малой продолжительностью существования самых низких облаков. Они появляются чаще всего в периоды прохождения фронтов, восхода солнца и сопровождаются выпадением жидких осадков, после чего
высота облаков увеличивается. Нередки также случаи опускания облаков
до поверхности земли. Этот процесс происходит обычно очень быстро.
Внутримассовые облака (слоистые и слоисто-кучевые) высотой от 100 до
300 м могут устойчиво существовать длительное время. Высота их нижней границы, если и меняется, то незначительно.
Анализ повторяемости явлений погоды, которые наблюдались
над указанными аэродромами Западной Сибири при низкой облачности
разной высоты, показал, что примерно в 35—42 % случаев никаких
явлений не было совсем, в 58—65 % случаев они отмечались. Облачность
с высотой ее нижней границы 1000 м и менее чаще всего (36—40 %
случаев) сопровождалась обложными и моросящими осадками, реже —
метелями, и особенно редко (0,2 % случаев) — пыльной мглой. Аналогичное распределение повторяемости явлений погоды оказалось при
высоте облаков 0—300 и 301—1000 м.
В работах [6, 7] показано, что направление ветра у земли может
оказывать заметное влияние на ВНГО. Воздушный поток, взаимодействуя
с рельефом местности каждого аэродрома, существенно влияет на высоту
нижней границы облаков в этом районе. По данным табл. 2 можно заметить, что низкая облачность бывает при всех направлениях ветра. Экстремумы их повторяемостей в целом и в каждом классе, облачности
приходятся на разные направления ветра. Так, в Салехарде как в целом,
без разделения облачности по высоте, так и в каждом классе облаков
максимальная повторяемость низкой облачности отмечалась при направлении ветра 20—40°, минимальная — при 320—340°. Но в каждом классе
облачности минимум ее повторяемости наблюдается: с разными направлениями ветра. В Надыме по сравнению с Салехардом наоборот: низкая
облачность редко бывает при направлении ветра 50—70°, но часто при
ветрах северо-западных и юго-восточных румбов (320—10 и 140—160°).
66
00 ЧСО
45
45 Ч-
in СО
J,
CN NO „ NO
t ^ NO
On
_
4 5 •ч-
К с-
ON 4 5
On
ON n o
ЧOn
со
_
00
cs p^^ CO
Is.
i
~
4 5 ЧСО «•>
СО
V) 00 ^
«кп
Л ~(Л
nО »
£ fo
S s <л2
CN CN
N
2
-
—
t ON
t
0> „ Nt
i
r o CN
CN СЧ
-4"
Г-- — CN
NO
m ON 2
CO CN
NO
CO
&
eo
<=t CN
— On
CS
mNсо 5
N
CO (N
d
l » „S
oo
CO CN
(N
со
— ON
i n CO <
N о—
NO 4О5 ON
CN 2
—
УОчО
о
inONO<N•44 C
O- OO
O
« M
2
sV NO Г*=t
Qй1Л ICl
i 3 § 2
« Os О
<n — •
-a
in
со
Q\
ИN —
=5
£
i
Я"
О _
Я
2 в^© ~О ^2
«П V") ir>
Г
(N». (N ШTJ-Оч
C
vo 4D tn о __
ОO
C
S CS г-»COCO Я = N
3( 4 5 ^2 CN°
1
CN
И о
00
'n 2 о ч2 ^ м Я
I
оО «й 00
о 245
N0
^
«
О
CN —1 ~ 1
83
iо
-Ч- Я<-)4 5On
^
СО
00
_
ON _
2
NO
—
^
2 S м jq
о
U
а
ш
оо
о
О
NO
о —
I —
оО —
о
со
VО
со О—CQ
о
оO
О
N
о —
О
I —
оО —
С
оо
v соо —
67
О
I - о S«
UС.
о —
" Г
О гоО—
О С"О
V
оа
В Новом Уренгое минимальная повторяемость низкой облачности приходится на неустойчивое и северо-восточное (20—40°) направления ветра. Максимальная повторяемость низкой облачности в каждом
классе наблюдается в основном при ветрах западных направлений (230—
310°). Лишь облачность высотой 300 м и менее чаще всего регистрировалась с направлением ветра 140—160°.
Помимо направления ветра, на процесс формирования и эволюцию низких облаков оказывает влияние скорость ветра у земли. Из
табл. 3 видно, что низкая облачность разной высоты в этом районе в 91—
99 % случаев сопровождалась ветрами 12 м/с и менее. Случаи понижения
облачности наблюдались и при более сильных ветрах (от 13 до 20 м/с), но
довольно редко. Максимум повторяемости низкой облачности над аэродромами Салехарда, Надыма и Нового Уренгоя приходится на градацию
скорости ветра 4—7 м/с, минимум — на 21—25 м/с.
Процессы формирования и эволюции низких облаков зависят от
направления и скорости ветра не только у земли, но и в более высоких
слоях пограничного слоя атмосферы. Для выявления этой зависимости
были проанализированы указанные характеристики ветра на высотах 100
и 500 м. На высоте 100 м без разделения облачности по классам, а также
при ВНГО 301—1000 м и менее 300 м наибольшая повторяемость низкой
облачности приходится на направление ветра 20—40°, наименьшая — на
80—100 и 290—310°. Скорость ветра в этих ситуациях, как правило, не
превышала 20 м/с, но чаще была в пределах 4—7 м/с. На высоте 500 м
лишь в Новом Уренгое направление и скорость ветра практически не
менялись по сравнению с высотой 100 м. В Надыме и Салехарде низкая
облачность в большинстве случаев сопровождается на высоте 500 м
скоростями ветра 4—7 и 8—12 м/с, а направлениями 260—280°.
Значения температуры анализировались по периодам года с учетом высоты нижней границы облаков. Поскольку в Надыме и Новом
Уренгое радиозондирование отсутствует, детальный анализ температуры
воздуха у земли был проведен по данным АМСГ Салехард. Понижение
облачности в течение года (без учета сезонов) в этом районе происходит
при температуре воздуха на высоте 2 м от 30 до -40 °С, в Салехарде — от
20 до -30 °С. Сравнивая повторяемость низкой облачности разной высоты с температурой воздуха у земли, можно заметить некоторые особенности в распределении числа случаев с низкой облачностью по градациям
температуры. Так, больше всего случаев с низкой облачностью высотой
1000 м и менее приходится на температуру воздуха от 10 до -10 °С.
68
со
с
за
v§
Й
Ю
со
<N
NC
Ч
О <N <
O
(N
Ч
O
inО 1Л) vO
N
00
O(N
V
OC
СЛ
1Л I/-)
ro
со
чо
оoo
O
m (N
mNrs
N
wo (С
Ч со Гo
— о о—
о о о о
о о о о
о о о о
о о о о
tt ^о
W ^
яД
00. О О
Ва ' '
= (Я
i5 *
£ а
о о о о
—<
©
in
Ч- СЧ
О (Ч О (N О
и
S чо ГМ
S
яX
о 55
Е X
8 е#
3 ?
«« ча
>> S
яО.®
К*
fS
cj
«s гs1
но
Я
° е!Вй®
О
о,
am
в3 22я
ат а
>i о
5 S
§1
н
оa
С
00
а
а(
43 Н
£
vO
ЧN
О о
C
гч.
ноч чо
ЧО Ю ^ ^ О
О
и
Я
pa
Сч
чт чо—•
Г- Г- 00
этюда
оо
СЧ N—2 Мm4t
О
(S«л
V
O NС
(N
С
ЛmЯЯч1Л
гчП —
ч- ччо
см гсо
(S —
СЧ г^
2 о о Л
S ^£ § соS
сч
"1
N Ч
00
Осл—
Оч S 3 ®О 00
со К
£ «1
°
2
(N О 8« Ч
оО очо
о
О —I
О I -<
оСО —
оо
V соо —
•ю
О I —. С.
о — о я оСО wОоО яо
со
V осо о—I "Ш V го — Ш
69
Довольно часто облачность понижалась до высоты менее 1000 м при
температуре у земли от 10 до -30 °С. Много случаев с облачностью 200 м
и менее зарегистрировано при отрицательных температурах от -15 до
-30 °С. Анализ температуры воздуха у земли и случаев понижений облачности по периодам года показал, что в холодный период облачность
высотой как выше, так и ниже 300 м чаще всего бывает при температуре
от 0 до -25 °С. Но максимум повторяемости облачности такой высоты
приходится на температуру от -6 до -10 "С. В переходный период года
облачность высотой 1000 м и менее, как правило, наблюдается при
температуре от - 5 до 10 °С. Максимум повторяемости ее приходится на
температуру от 1 до 5 °С. В теплый период года интервал температуры
при низкой облачности разной высоты больше по сравнению с переходным периодом и оказывается от - 5 до 30 °С. Наибольшее число случаев с
ВНГО 1000 м и менее приходится на температуру воздуха от - 5 до 15 °С.
Ранее проведенные исследования показали [1, 7], что на эволюцию низких облаков большое влияние оказывает адвекция температуры
воздуха. В настоящей работе изучалась связь между повторяемостью
низкой облачности разной высоты и изменениями температуры за последние 3 ч. Оказалось, что чаще всего эти изменения не превышают
±2 °С/3 ч. При более значительных колебаниях температуры (At > 4 °С/3 ч)
появление низкой облачности в этом районе отмечается в 5—8 раз реже.
Было замечено, что на формирование и существование низких
облаков оказывает влияние влагосодержание воздушной массы у земли.
По данным табл. 4 видно, что облачность высотой 300 м и менее в основном наблюдается при относительной влажности у земли 80 % и более.
Наибольшее количество случаев с облачностью такой высоты приходится
на относительную влажность 96—100 %, несколько меньше — на 91—
95 %, При облачности высотой 301—1000 м относительная влажность у
земли находится в пределах 50—100 %, но максимальное число случаев
приходится на градацию влажности 86—90 %. По данным табл. 4 трудно
разделить случаи с низкой облачностью высотой более и менее 300 м, но
все же при относительной влажности более 90 % при прочих благоприятных условиях вероятность появления низкой облачности высотой 300 м и
менее значительно больше, чем облачности высотой более 300 м. Было
замечено, что чем больше относительная влажность у земли, тем ниже
ВНГО. Давление у земли над каждым аэродромом при подобных ситуациях в большинстве случаев оказывалось не более 765 мм рт. ст.
70
ш
о
>
и<L> ая
О т
i?
а о
33
<3
й
3 00u
иS
_
>0S —
C\
«
о. Д
ее
Я 2
о.-—
s г
15 %
а
°
'2 А
зЕ
£
Й
о
оо
1
1
Ч
О
о\
W
1<У\
1
1.
Сч
о
Оч
1
1
Ч
О
оо
1п0
O
11
00
ооо
1
1
Ч
О
г-in
^
1
1
оя
ю
0V ш
с;
14 о* S
га
V
н §В Е
Л
ч
5о яs U
р
Я
в
о
р5 s о <-~
яя gг J5 о
S ° о Г-5 о.
11
я2 §а
Ч
О
ЧО
inО
Ч
U
«
Я S
11
•И
чо
!S «ч
оЧО
IГ !J
11
w а
чо
in
£н яs
m
I I
in
11
0 s
оin
§1 g*
и
О
LЕ
CQ
г-, чо
—
'
<
Г1^N
Л 'tГ- ^ЧО-<
ГО
Ч V
СЧ «Ла\О
«00
«Пfi 00
«Л
СЧ —
м-
ГЧ СО
ON
4 tS О
Tt
О
-4J- Г(N 00 ЧО
оо
in
C
оN соin01м оЧО
гЧ
СО
О
гin
оч-ч
t • СО S <4 С
4J-
= n
2
2
К § ^
Z. СЧ
О*
—' СЧю 2ooЩ М О *ч£5
mm
о\ м
ООг-ООо, оin
Ч- "3" СЛ
mф
^
м
СЧ «<42
NO
W-.
°° чо
""> as
•а- сч 2
ОО
NO 2 «Л
сч
чА-
S
С
Ч VI я
00 ЧО
(4
о.
>» —
S
оо
.гп з чо
оо
сч ЧО ntf SS -00
ч ' чоч- СП 12 ч- W1 чо 00 й 00
Оч О—
и-, 2 —1
сч сч
—
.во
О _ Оч
ЧО 00 2 Оч
—1 NСО_
«ч-
о
оО
О
Ч
о —
«
| - о еU
оо —
С
О соО—
О С"О V со — Ю
V
71
I. -о 2«>
—
<= ° 1 £
со •— CQ
Таким образом, низкая облачность высотой 1000 м и менее на
севере Западной Сибири наблюдается в течение всего года. В Салехарде и
Новом Уренгое преобладает облачность высотой 300 м и менее; в Надыме — высотой 301—1000 м. Максимум повторяемости облачности высотой 300 м и менее приходится на октябрь (Салехард, Надым) и май (Новый Уренгой), минимум — на март (Салехард, Надым) и июль (Новый
Уренгой). В период существования низкой облачности имеются особенности в ходе метеорологических элементов при изменении высоты облаков как над каждым аэродромом, так и между ними. Существенно различаются направление и скорость ветра у земли и на высоте 100 и 500 м,
температура воздуха у земли и явления погоды (наличие или отсутствие
явлений). Полученные зависимости использованы в модели для прогноза
ВНГО.
СПИСОК ЛИТЕРАТУРЫ
1. Абрамович К. Г. Условия образования и прогноз низких облаков // Труды
Гидрометцентра СССР. — 1973. Вып. 78. — 124 с.
2. Арраго JI. Р. К вопросу об эволюции облачности // Труды ГГО. — 1961. —
Вып. 124, —С. 88—95.
3. Арраго Л. Р., Швец М. Е. К теории образования и эволюции неконвективной облачности//Труды ГГО. — 1961. — Вып. 121. —С. 53—58.
4. Билялова Л. Р., Юлдашева И. А. Влияние орографии на распределение
нижней облачности в Ферганской долине // Труды Гидрометцентра СССР. — 1989. — Вып.
305, —С. 149—156.
5. Гоголева Е. И. Условия возникновения низкой облачности над Европейской
территорией и возможности ее прогноза. — Л.: Гидрометеоиздат, 1956. — 88 с.
6. Гусева Н. Н. Принципы объективной классификации синоптических процессов с целью прогноза низких облаков // Деп. во ВНИГМИ—МЦД, 1985, N 413-м-Д 85.
7. Гусева Н. Н., Рубинштейн М. В. Автоматизированный метод прогноза высоты нижней границы облаков // Труды Гидрометцентра СССР. — 1989. — Вып. 305.
— С. 86—97.
8. Гусейнов Н. Ш. Некоторые характеристики метеорологических условий появления низких облаков в районе аэропорта Баку // Труды Гидрометцентра СССР. — 1989.
— Вып. 305, — С. 157—171.
9. Матвеев Л. Г. Некоторые вопросы теории образования и эволюции слоистообразной облачности // Труды ААНИИ, 1959. Т. 228, вып. 1. — С. 14—37.
10. Рубинштейн М. В. Некоторые характеристики изменчивости высоты нижней границы облаков // Труды Гидрометцентра СССР. — 1967. — Вып. 13. — С. 43—59.
11. Хргиан А. X. О некоторых свойствах низких слоистообразных облаков //
Труды ЦАО. — 1965. — Вып. 64. — С. 11—26.
72
Д. А. Осипов, Т. Э. Дубиковская,
Т. М.
Прокудина
ОБ ОПРАВДЫВАЕМОСТИ АВИАЦИОННЫХ
ПРОГНОЗОВ ПОГОДЫ
По заказу Западно-Сибирского УГМС в СибНИГМИ выполнено
исследование, посвященное анализу оправдываемое™ оперативных
авиационных прогнозов погоды на АМСГ Западно-Сибирского УГМС.
Качество прогнозов является одним из определяющих факторов безопасности и регулярности полетов воздушных судов,
Анализ успешности авиационных прогнозов по аэродромам России, проведенный УГМО Росгидромета [4], свидетельствует об их низком
качестве. Общая оправдываемость основной части оперативных прогнозов колеблется в среднем по УГМС от 70 до 95 %, оправдываемость
отдельных элементов и явлений погоды значительно ниже: от 40 до 50 %,
а таких элементов, как видимость и высота нижней границы облаков
(ВНГО) — только 20—30 %.
В работах [2, 3] рассмотрена оправдываемость прогнозов видимости и ВНГО на аэродромах Московского аэроузла. Она составляет от
50—60 % осенью до 70—80 % летом. Значительное число прогнозов
содержит группы изменений. Оправдываемость всех прогнозов ВНГО и
видимости на зарубежных европейских аэродромах в 2—2,5 раза выше,
чем на аэродромах Московского аэроузла.
В 1996 г. общая оправдываемость оперативных прогнозов погоды, осредненная по восьми АМСГ Западно-Сибирского УГМС, составила
80 %, что в целом удовлетворяет требованиям ИКАО [5] к метеорологическому обеспечению авиации (табл. 1). Основная часть прогнозов была
значительно более качественной, чем в группе изменений. Оправдываемость оперативных прогнозов на сети авиационных метеоподразделений
колебалась от 71 % на АМСГ Томск до 88 % в НЗАМЦ (аэропорт Толмачево), т. е. разность составила 17 %. Оправдываемость прогнозов на
посадку значительно выше — 99 %, но и здесь разброс оправдываемости
по АМСГ достигает 26 % (от 74 до 100 %), что, на наш взгляд, трудно
объяснить только квалификацией синоптиков.
Составление прогнозов и их оценка в АМЦ (АМСГ) производится согласно документам, регламентирующим данные виды работ. Такими
документами являются НМО ГА-95 [5] и Инструкция по оценке авиационных прогнозов погоды [4].
73
Таблица 2
Оправдываемость авиационных прогнозов по метеоэлементам на АМСГ
Западно-Сибирского УГМС в 1996 г.
Основная часть
ddd
ff
vww
hhh
Группа изменения
ОЯП
ddd
ff
vwvv
hhh
Среднее
ОЯП за год
Действующая оценка прогнозов погоды
95.0
99,2
96.6
99,8
98.2
98,3
95.0
99.1
96.8
99,7
98.5
98,1
98.3
99,2
87.3
92,8
89.0
98,0
70.8
94,1
43.2
59,3
47.3
60,4
75.1
80,6
85.6
99,1
96.1
99,9
Рекомендуемая оценка прогнозов погоды
98.4
99,2
98.5
99,4
99.2
99,9
97.9
99,9
79.3
98,3
Примечание. Числитель — оперативные прогнозы по аэродрому, знаменатель — прогнозы на посадку.
Основной мерой качества прогнозов является их оправдываемость, которая характеризует соответствие прогнозируемого метеорологического элемента (явления погоды) фактически наблюдавшемуся.
Система оценки прогнозов предусматривает установление допусков и
терминов, в рамках которых прогноз считается оправдавшимся. Критерии
допустимых отклонений значений метеоэлементов от прогнозируемых,
наиболее вероятных значений изложен в [5]. Для случаев, когда ожидается изменение какого-либо явления или элемента погоды, превышающее
желательную точность, рекомендуется использовать характеристики
изменчивости: BECMG, TEMPO. Этот принцип широко используется для
административной оценки прогностической деятельности АМСГ, сравнения уровня работы синоптиков. В данном подходе к оценке прогнозов
многое зависит от корректности методической базы.
Вычисление средней оправдываемости оперативных прогнозов
по Инструкции [4] производится с нарушением правил математической
статистики: нельзя вычислять среднее из средних значений, полученных
на разных рядах простым их сложением и последующим делением на
количество средних значений, так как в этом случае результат вычислений становится величиной случайной.
В прогнозах погоды всегда указываются следующие метеорологические элементы: направление (ddd) и скорость (ff) ветра, дальность
видимости (vw), высота нижней границы облачности (hhh), а вот опасные
для авиации явления погоды (ОЯП) в прогнозах часто отсутствуют из-за
того, что их вероятность в период действия прогноза незначительна, т. е.
74
налицо прогноз отсутствия ОЯП. Группа изменчивости метеорологических характеристик в прогнозах также часто отсутствует ввиду того, что
отклонения метеовеличин ожидаются в пределах прогностического
интервала значений. По инструкции, общая оправдываемость любой
прогностической характеристики — будь то метеоэлемент, ОЯП или
элемент группы изменений — вычисляется как отношение количества
оправдавшихся прогнозов к количеству формально составленных за
месяц.
Рассмотрим несколько наиболее ярких примеров из практики метеообеспечения авиации. Итак, количество составленных за месяц прогнозов (без учета коррективов) должно быть от 224 до 248 в зависимости
от продолжительности месяца (по восемь прогнозов каждые сутки в
течение месяца). На практике же мы видим в таблицах официальной
отчетности, что каждой характеристике соответствует свое значение
количества прогнозов как в основной части, так и в группе изменений.
Например, в текстах прогнозов за март 1996 г. по аэродрому Стрежевой
не было упомянуто ни одного ОЯП в основной части прогноза и в таблицу официальной отчетности занесен прочерк, а ведь на самом деле синоптик 248 раз анализировал метеоситуацию и каждый раз приходил к
заключению, что ОЯП не ожидается. Правомочно ли ставить в таблице
отчетности прочерк, когда 248 раз давался прогноз отсутствия явлений?
Не правильнее ли было бы записать „100 % прогнозов оправдалось"?
Другая ситуация сложилась в апреле: ОЯП в прогнозах фигурировало 23
раза, из них в 13 случаях прогнозы оправдались. В 217 прогнозах ОЯП не
ожидались и прогнозировалось отсутствие явлений. В этих случаях
синоптик был прав, как и в 13 предыдущих, когда ожидание ОЯП подтвердилось. Если проводить оценку по всем 240 прогнозам ОЯП за
апрель, то получим оправдываемость 94 %, а не 56 %, как в таблице
официальной отчетности. Такие же искажения в отчетности ежемесячно
отмечаются по груше изменений.
Таким образом, вычисление общей оправдываемости оперативных прогнозов за месяц как среднего из оправдываемости по метеоэлементам, ОЯП и группе изменений, полученным на разных рядах простым
их сложением и последующим делением на количество слагаемых величин (10), приводит к неопределенности (случайности) результата вычислений. Во избежание этого обычно рекомендуется вводить весовые '
коэффициенты. Но следует при подсчете оправдываемости прогнозов
ОЯП и элементов группы изменений учитывать и те прогнозы, которые
75
не составлялись, но подразумевались синоптиком в оперативном прогнозе: прогнозы отсутствия ОЯП и изменения метеоэлементов в пределах
желательной точности в период действия прогноза. Тогда устраняется, с
одной стороны, необъективность в оценке прогнозов ОЯП и элементов
группы изменений и, с другой стороны, неопределенность результирующей средней оправдываемости авиационных прогнозов по АМСГ (АМЦ).
Вкравшаяся по недоразумению в инструкцию ошибка на практике привела к занижению общей оправдываемости оперативных прогнозов
как по Западно-Сибирскому УГМС, так и по России в целом. Инструкция
по оценке авиационных прогнозов погоды [4] нуждается в усовершенствовании.
Погода описывается набором параметров. Каждый метеорологический элемент и явление погоды представляют собой отдельную характеристику погоды. Синоптик, анализируя метеорологическую ситуацию,
мыслит комплексно и когда составляет прогноз погоды, то расписывает
его по элементам и явлениям с учетом всех возможных изменений в
период действия прогноза. Прогноз может состоять только из основной
части или включать группу изменений. Отсутствие группы изменений
означает, что изменения метеоэлементов в течение периода действия
прогноза оказываются в пределах допустимых значений. На наш взгляд,
это позволяет сделать заключение о том, что прогноз метеоэлементов в
группе изменений можно рассматривать как прогноз уточнения изменчивости более или менее допустимых отклонений, определенных в НМО
ГА—95.
В связи с изложенным мы направили в УГМО Росгидромета новую редакцию „Инструкции по оценке авиационных прогнозов погоды".
Она полностью изложена в отчете [1]. Считаем необходимым изменить
сам принцип расчета оправдываемости прогнозов. Он заключается в
соизмеримости количества оцениваемых прогнозов по каждой характеристике как основной части прогнозов, так и группы изменений, вследствие
чего меняется достоверность средней оправдываемости прогнозов по
АМСГ.
Пересчитанная нами оправдываемость авиационных прогнозов
погоды с учетом оправдываемости прогнозов отсутствия ОЯП (или
умолчания в тексте прогноза) по аэродромам, расположенным на территории, обслуживаемой Западно-Сибирским УГМС, в соответствии с
принципами, изложенными выше, представлена в табл. 2. Общая оправдываемость прогнозов с заблаговременностью до 9 ч на восьми прогно76
стических АМСГ Западно-Сибирского УГМС возросла до 94 %. Оправдываемость оперативных прогнозов на АМСГ колеблется от 93 % на
АМСГ Новокузнецк до 96 % на АМСГ Кодпашево, т. е. разность составляет только 3 %. Оправдываемость прогнозов на посадку еще выше —
99 %, разброс оправдываемости по АМСГ уменьшается до 2 % (от 98 до
100 %). При сравнении результатов оправдываемости авиационных
прогнозов погоды на АМСГ Западно-Сибирского УГМС. за 1996 г.,
рассчитанных по действующей Инструкции и по рекомендуемой нами,
оказалось, что оправдываемость оперативных прогнозов по аэродромам в
среднем возрастает до 94,4 %, увеличиваясь на 14,4 %, а прогнозов для
посадки — до 99,3 %, улучшаясь на 11,1 %.
Таким образом, при корректной оценке оправдываемости прогнозов, составляемых на АМСГ, качество прогнозов незначительно
уступает качеству прогнозов по прежней технологии оценки. Многолетний опыт синоптиков АМСГ в данном случае играет ведущую роль в
сохранении высокой оправдываемое™ прогнозов в условиях ухудшения
функционирования системы гидрометеорологических наблюдений в
России.
'
.
Таблица 2
Средняя оправдываемость прогнозов на АМСГ Западно-Сибирского УГМС в 1996 г.
АМСГ (АМЦ)
Оперативные прогнозы
Прогнозы для посадки
87.7
95,0
76.0
92,9
81.4
95,2
81.4
92,9
78.7
93,5
71.0
94,7
86.4
95,5
78.1
95,1
98.9
99,7
83.0
98,4
85.3
99,3
96.3
НЗАМЦ
Филиал НЗАМЦ
Барнаул
Новокузнецк
Кемерово
Томск
Колпашево
Стрежевой
Среднее:
.
-
88.5
99,4
90.7
99,5
89.5
99,6
73.6
99,2
80.0
88.2
94,4
99,3
П р и м е ч а н и е . Числитель — по действующей Инструкции [4], знаменатель —
по рекомендуемой инструкции.
77
В феврале — марте 1998 г. новая методика была испытана в
НЗАМЦ (аэропорт Толмачево) и филиале НЗАМЦ (аэропорт Новосибирск-Северный). Итогом проверки явилось заключение о повышении
оценки оправдываемости оперативных прогнозов в НЗАМЦ с 88,4 до
94,0 % и в филиале НЗАМЦ с 76,3 до 91,8 %, т. е. в среднем на 10,5 %
(табл. 3). Оправдываемость прогнозов на посадку повысилась на 10 %,
составив в среднем 98,9 %.
Оперативные испытания показали, что новая методика оценки
авиационных прогнозов погоды не увеличивает затраты времени на
проведение этого вида работ. В случае ее введения в действие ожидается
повышение среднего уровня качества оперативных прогнозов на АМСГ
Западно-Сибирского УГМС до 94 % (от 92 до 96 % по АМСГ), прогнозов
на посадку — до 99 % (от 98 до 100 % в зависимости от АМСГ).
Учитывая полученные в исследовании результаты анализа оправдываемости авиационных прогнозов погоды, предлагаем рассмотреть
вопрос об изменении редакции инструкции Росгидромета „Об оценке
авиационных прогнозов погоды" [4]. Эффект от использования изложенных нами предложений выразится в повышении престижа авиационных
синоптиков благодаря более высокой оценке их прогнозов, а новая редакция Инструкции будет способствовать повышению объективности в
оценке метеорологического обеспечения гражданской авиации.
Таблица 3
Оправдываемость авиационных прогнозов по метеоэлементам
при оперативных испытаниях в феврале—марте 1998 г.
Основная часть
ddd
ff
100
100
99,7
99,7
100
100
99.7
99,7
98.9
98,9
96,8
96,8
98,3
98,3
99.6
99,7
100
100
97.4
97,9
100
100
98.2
98,6
98.9
99,0
97.9
99,3
99.0
99,0
99,0
99,4
wvw
hhh
Группа изменения
ОЯП
ff
ddd
wvw
hhh
ОЯП
53.9
72,6
ЗОЛ
76,2
81.8
100
50.0
92,4
Среднее
Оперативные прогнозы по аэродрому
НЗАМЦ
Филиал
НЗАМЦ
95,4
99,2
80.0
95,5
100
100
100
99,7
100
100
90,0
98,8
54,0
71,9
19,2
59,4
88,4
94,0
76.3
91,8
Прогнозы на посадку
НЗАМЦ
Филиал
НЗАМЦ
-
-
100
42,9
99,3
100
97,9
-
62,5
98,5
-
41.9
87,5
-
75.0
93,5
-
-
96,1
99.5
99,6
81.2
98,2
П р и м е ч а н и е . Числитель и знаменатель — расчет по старой и новой методикам
соответственно.
78
СПИСОК ЛИТЕРАТУРЫ
1. Анализ оправдываемости оперативных прогнозов на АМСГ ЗападноСибирского УГМС в 1996 году // Научно-методическое руководство оперативнопрогностической работой в Урало-Сибирском регионе: Зак. отчет / СибНИГМИ; Отв. исп.
Осипов Д. А.; № ГР 01970006070. — Новосибирск, 1997. — 39 с.
2. Белогорский С. Л., Гусева Н. Н., Прокуронова Т. И. и др. Оправдываемость авиационных прогнозов высоты облачности и видимости // Метеорология и
гидрология. — 1993. — № 3. — С. 67—72.
3. Белогорский С. Л., Гусева Н. Н., Прокуронова Т. И. и др. Сравнительная оценка успешности авиационных прогнозов высоты облачности и видимости на
отечественных и зарубежных аэродромах // Метеорология и гидрология. — 1993. — № 11.
— С. 67—72.
4. Инструкция по оценке авиационных прогнозов погоды // Об оценке оправдываемости авиационных прогнозов погоды. Письмо Росгидромета № 10-602-617 от
8.10.94 г. — 4 с.
5. Наставление по метеорологическому обеспечению гражданской авиации
России (НМО ГА-95). — Л.: Гидрометеоиздат, 1995. — 156 с.
79
В. Н. Барахтин
О РАНЖИРОВАНИИ ЯДЕРНЫХ ВЗРЫВОВ ПО СТЕПЕНИ
РАДИАЦИОННОГО ВОЗДЕЙСТВИЯ НА ТЕРРИТОРИЮ
НОВОСИБИРСКОЙ ОБЛАСТИ
Постановлением Правительства РФ № 534 (п. 19) от 31 мая 1995 г,
„О мерах по решению неотложных проблем стабилизации социальноэкономического положения в Новосибирской области" поручено ряду
министерств и ведомств провести научные исследования на территории
Новосибирской области по установлению степени влияния ядерных
испытаний на Семипалатинском полигоне на медико-демографическую
обстановку региона.
Реставрация следов ядерных взрывов, проведенных в 50—60-х годах, оценка радиационной обстановки в годы ядерных испытаний являются важнейшим этапом в решении проблемы определения полученных
населением доз радиации. При этом крайне важно отделить локальные
выпадения, связанные с конкретными взрывами и дающие превышения
уровня радиации в сотни и тысячи раз, от фона, определяемого глобальными выпадениями. Для получения достоверных выводов необходимо
использовать различные подходы и экспериментальные данные. К ним
относятся:
данные воздушной радиационной разведки полигона;
информация радиометрического мониторинга Гидрометслужбы;
материалы геологоразведки и санэпиднадзора с применением радиометрической аппаратуры;
результаты математического моделирования процессов ядерного
взрыва, переноса и выпадения радиоактивных частиц, реконструкция доз
радиационного воздействия на население;
данные о долгоживущих радионуклидах.
Сибирский региональный научно-исследовательский
гидрометеорологический институт в 60—80-х годах принимал непосредственное участие в подготовке и проведении ядерных испытаний [1]. В последние годы в институте выполнены исследования по реконструкции
радиационной обстановки в регионе, связанной с наземными и воздушными взрывами на полигонах бывшего СССР в 50—60-х годах. В качество
ве исходного материала использованы хронологические данные о взрывах [3], информация об интенсивности радиоактивных выпадений из
атмосферы и синоптические архивы. Сведения о радиационной обстановке в трех пунктах — Новосибирск, Барнаул и Карасук — получены из
НПО „Тайфун". Они представляют собой результаты наблюдений за
плотностью радиоактивных выпадений в течение 20 лет, начиная с момента организации в Гидрометслужбе системы радиационного мониторинга в 1954 г. Эта информация содержит среднемесячные значения
суммарной р-активности, максимальные в каждом месяце, и даты радиоактивных выпадений. Выбор пунктов наблюдений позволил оценить
радиационную обстановку в северо-восточном секторе от места испытаний. Азимуты от направления на север и расстояния до этих пунктов от
центра полигона следующие: Карасук — 0°, 400 км; Новосибирск — 30°,
640 км; Барнаул — 45°, 540 км. Барнаул расположен в 400 км к востоку
от Карасука.
Для каждого пункта выбрано по одному максимальному значению
(Лиакс) в месяц, определены их даты. Данные сведены в табл. 1. Поскольку
основное количество (З-активных продуктов связано с локальными выпадениями, обусловленными открытыми (наземными и воздушными)
взрывами, материалы в табл. 1 представлены за период с 1954 до 1962 г.
включительно. Как известно, после 1962 г. по Московскому международному договору ядерные испытания проводились только под землей.
Судя по данным табл. 1, абсолютное большинство максимумов —:
247 (83 %) — находится в пределах 0,1—10 мКи/(км2 • сут) и отражает
преимущественно глобальный радиационный фон, так как в выборку
попали периоды, когда взрывы на Семипалатинском и Новоземельском
полигонах не производились. Наиболее длительные периоды, когда оба
полигона „молчали", следующие: 30 октября 1954 г. — 29 июля 1955 г.
Таблица1
Повторяемость (число случаев) максимальных в каждом месяце значений
суммарной р-активности в пунктах Новосибирск, Барнаул, Карасук
(данные за 100 месяцев 1954—1962 гг.)
Р макс мКи/(КМ2-Сут)
Пункт
Барнаул
Карасук
Новосибирск
Все пункты
Всего
0,1 — 10
1 0 , 1 - -20
20,1—30
30,1—40
>40
случаев
83
79
85
247
9
10
7
26
1
3
3
7
3
1
6
5
5
16
102
98
100
300
81
-
4
(9 мес), 22 марта 1958 г. — 30 сентября 1958 г. (6 мес), 25 октября
1958 т. — 1 сентября 1961 г. (36 мес), 4 ноября 1961 г. — 1 августа
1962 г. (9 мес) [3].
Используя такой подход, можно безошибочно отличить локальные
выпадения от глобальных в дни, когда максимальные значения суммарной (3-активности наиболее отличались от фоновых и составляли свыше
50 мКи/(км2-сут). Результаты анализа, при котором учитывались также
метеоусловия в дни ядерных испытаний, представлены в табл. 2.
Как видно, наибольшее радиационное воздействие на территорию
юго-востока Западной Сибири оказали два ядерных взрыва на Семипалатинском полигоне: 7 августа 1962 г. (наземный) и 17 сентября 1961 г.
(воздушный). На следующие сутки после первого взрыва в Барнауле было
зарегистрировано максимальное значение суммарной (3-активности
645,1 мКи. След от взрыва прошел южнее городов Новосибирск и Карасук, где были отмечены значения Рткс, близкие к глобальному фону. Так,
в Карасуке 9—10 августа Рткс составило всего 29 мКи/(км2-сут). Однако
весьма вероятны значительные радиоактивные выпадения на юго-востоке
Новосибирской области в Черепановском, Сузунском и Маслянинском
районах, что требует дополнительного анализа.
Таблица 2
Данные о максимальных суточных выпадениях Р м а к с в Барнауле, Карасуке и Новосибирске за период радиационного мониторинга Гидрометслужбы (1954—1962 гг.) при
открытых ядерных взрывах на полигонах бывшего СССР
Данные о взрывах [3]
Дата
7.08.62
17.09.61
Полигон
Мощность
взрыва, ктТЭ
^макс
мКи/(км2-сут)
Дата
Пункт
Барнаул
Новосибирск
Барнаул
Семипалатинск
9,9
645,1
8—9.08.62
))
20—150
641,6
18—19.09.61
До 20
123,0
7 — 8.09.62
150—1500
98,9
25 — 26.12.62
1500 — 5000
92,3
9—10.10.61
1500 — 5000
80,2
10 — 11.10.61
6.09.62
24.12.62
Данные о выпадениях
Новая Земля
6.10.61
6.10.61
»
2.10.58
))
150—1500
89,6
6 — 7.10.58
4.11.61
Семипалатинск
0,2
57,9
9—10.11.61
П р и м е ч а н и е . Остальные значения Р макс менее 50 мКи/(км2-сут).
82
Новосибирск
Карасук
Барнаул
Новосибирск
Карасук
Радиоактивное загрязнение от ядерного взрыва, осуществленного
17 сентября 1961 г., оказалось рекордным для Новосибирска, где на
следующие сутки после взрыва зарегистрировано значение jРнакс> равное
641,6 мКи/(км2-сут). В Барнауле и Карасуке в эти сутки Рмзкс составило 31
и менее 13 мКи/(км2-сут) соответственно. Очевидно, зоны выпадения
радиоактивных осадков носили локальный, пятнистый характер. Подробный анализ метеоусловий и радиационной обстановки в эти дни опубликован в [2].
Значение локальных выпадений от взрыва, произведенного 6 сентября 1962 г., в Барнауле было максимальным по сравнению с двумя
другими пунктами, но и оно оказалась в пять раз меньше, чем от первых
двух взрывов. В Барнауле 7 — 8 сентября 1962 г. зафиксировано
123 мКи/(км2-сут), в Новосибирске и Карасуке на порядок меньше: соответственно 13 и 14 мКи/(км2-сут).
Следующие в порядке убывания суточные максимумы [3-активности связаны со взрывами на Новоземельском полигоне, в том числе со
сверхмощным взрывом 6 октября 1961 г.; ,Рмакс зафиксированы на 3—5-е
сутки после взрывов и составили от 80 до 99 мКи/(км2-сут). Видимо,
основная масса радиоактивных продуктов выпала, не доходя до территории Новосибирской области, расположенной в 2000 км от этого полигона.
Ситуации, когда значения максимальных суточных выпадений были менее 50 мКи/км2, подробному анализу не подвергались. Необходимо
подчеркнуть, что представленное ранжирование взрывов по их влиянию
на радиационную обстановку носит предварительный характер, так как
выполнено только , для трех пунктов региона и отражает период испытаний с 1954 по 1962 г.; оно не учитывает последствия восьми взрывов,
проведенных в первые пять лет ядерных испытаний, когда сеть радиационного мониторинга Гидрометслужбы еще не была создана. Известно,
например, что первое испытание атомной бомбы 29 августа 1949 г. в
связи с отсутствием опыта было проведено без должного учета последствий для населения и оказалось одним из самых „грязных" [3].
На рисунке показан ход изменения средних месячных значений
плотности выпадений суммарной [З-активности за 20-летний период для
тех же пунктов. По оси абсцисс представлены временные интервалы:
1954—1963 гг. (вверху) и 1964—1973 гг. (внизу). В верхней части рисунка в том же временном масштабе показано суммарное количество взрывов, произведенных на обоих полигонах по месяцам. Обозначены также
временные
интервалы,
когда
на
взрывы
был
мораторий.
83
V4 См Nb
X•О
I,
««•
L
Ыэзшg^ogndcg xmdag/s otronh
Щ. l
и
it».
84
Данные, представленные на рисунке, позволяют сделать вывод, что
наибольшее радиационное воздействие по среднемесячным значениям
(Ри) оказали те же два взрыва, проведенные на Семипалатинском полигоне, однако значение Рш в Новосибирске в сентябре 1961 г. оказалось
существенно больше (40,56), чем в Барнауле в августе 1962 г. (28,2). Как
видно из рис. 1, после запрещения ядерных испытаний в атмосфере
плотность радиоактивных выпадений резко пошла на убыль, а начиная с
1965 г. стабилизировалась на уровне 0,1—0,5 мКи/(км2-сут).
Приведенные в статье данные ни в коей мере не следует связывать
с дозами облучения населения, попавшего под воздействие шлейфа
локальных радиоактивных выпадений от каждого из взрывов. Расчеты
доз облучения и интегральная оценка суммарных доз — дело будущего.
Они должны быть выполнены по методикам, утвержденным Минздравом.
В настоящей статье, как и в опубликованной ранее [2], приведены лишь
некоторые дополнительные индивидуальные признаки старых радиоактивных следов, позволяющие их идентифицировать. Результаты нашего
анализа свидетельствуют лишь о том, что эти случаи надо подвергнуть
исследованию. Восстановление доз облучения должно проводиться с
учетом реконструкции следов на основе информации о радиационной
обстановке, полученной из разных источников с обязательным использованием результатов радиационного мониторинга Гидрометслужбы,
распределения воздушных потоков и дождевых осадков по ходу движения следа. Именно такой подход мы предлагаем как этап в работе по
оценке доз облучения населения в дальней зоне выпадений. Мы не можем
согласиться с утверждением, что радиоактивное загрязнение местности
при открытых ядерных взрывах отсутствовало на больших расстояниях
(400 км и более) от опытного поля полигона [5, 7]. Представленные в
табл. 2 данные как раз и подтверждают на примере Новосибирской
области радиационный эффект, вызываемый „удаленным максимумом
выпадений". Сам факт, что авиаразведка 17 сентября 1961 г. проведена на
расстоянии до 700 км, свидетельствует о том, что для этого были основания. Без использования данных военной авиаразведки, радиационного
мониторинга метеослужбы, материалов санэпиднадзора и геологоразведки с применением радиометрии, проведения тщательного анализа метеоусловий, в том числе распределения осадков и ветра в слое распространения облачного шлейфа по ходу его движения, материалов по долгоживущим радионуклидам, оставшимся в почве, подобный анализ некорректен.
Это подтверждено при выполнении государственной научной программы
85
„Семипалатинский полигон — Алтай", и такая работа для других территорий еще предстоит в будущем. Поэтому выводы работы [5] для территории как Кемеровской, так и Новосибирской областей никак нельзя
считать объективными и окончательными. В работе [6], посвященной
радиационной обстановке в Новосибирске, как и в настоящей статье,
информация основана на официальных данных НПО „Тайфун" и является
теперь открытой. Не учитывать ее в подобных исследованиях нельзя.
Проблема реабилитации территорий и населения России, пострадавших от радиационных аварий и испытаний ядерных устройств, стоит
достаточно остро. Известно, что программа создания ядерного оборонного щита бывшего СССР имела высший приоритет, выполнялась десятки
лет, на нее затрачены колоссальные средства. Экологическая оценка
последствий выполнения этой программы сделана лишь частично и
только для территорий Алтайского края, Оренбургской области, а также
для районов воздействия Чернобыльского и Кыштымского взрывов.
Кстати, в США, где существует аналогичная проблема, недавно принята
Национальная программа сроком на 30 лет, оцениваемая в 200 млрд
долл. Современное экономическое положение России не позволяет, к
сожалению, проводить такие широкомасштабные исследования, но и
закрывать глаза на эту проблему, предельно упрощать ее тоже нельзя.
Полное и достоверное ретроспективное определение дозовых нагрузок, полученных населением Новосибирской области, является сложной и трудоемкой задачей. Однако только ее корректное решение позволит реально подойти к проблеме оздоровления населения области, вскрытию причин многих генетических и соматических заболеваний, в том
числе онкологических. Необходимо провести на современном научном
уровне реставрацию ядерных следов прошлых взрывов для территории
Новосибирской области и сопредельных районов не по принципу административных границ территорий, а на основе анализа наиболее значимых радиационных и дозообразующих следов и критериев радиационного
риска для здоровья населения. К этой работе должны быть привлечены
все материалы организаций, участвовавших в ядерных испытаниях.
В заключение автор благодарит К. П. Махонько и 3. А. Мазурину
(НПО „Тайфун") за предоставленные архивные материалы по радиоактивному загрязнению атмосферного воздуха и почвы в 1954—1994 гг.
86
СПИСОК ЛИТЕРАТУРЫ
1. Б а р а х т и н В. Н. Как принимались решения о времени проведения ядерного
взрыва на Семипалатинском полигоне // Бюллетень Центра общественной информации по
атомной энергии (ЦОИ). — Москва, 1996. — № 6.
2. Б а р а х т и н В. Н. Предварительная оценка радиационного воздействия ядерных испытаний на Семипалатинском полигоне на территорию Новосибирской области //
Бюллетень ЦОИ. —1997. — № 5—6.
3. Д у б а с о в Ю. В., З е л е н ц о в С. А., К р а с и л о в Г. А. и др. Хронология ядерных испытаний в атмосфере на Семипалатинском полигоне и их радиационная характеристика // Бюллетень ЦОИ. — 1996. — № 6.
4. К о н о в а л е н к о Ю. В., В я л ы х В. Н., Д ь я ч е н к о В. И. и др. Ядерные испытания на Семипалатинском полигоне. —- Барнаул. Изд. Алтайского ГУ, 1993.
5. Л о г а ч е в В. А., М и х а л и х и н а Л. А., Ф и л о н о в Н. П. Влияние ядерных испытаний на Семипалатинском полигоне на состояние здоровья населения Кемеровской и
Новосибирской областей // Бюллетень ЦОИ. — 1996. — Спецвыпуск.
6. С е л е г е й В. В. Радиоактивное загрязнение г. Новосибирска — прошлое и настоящее. — Новосибирск. Изд. Ин-та „Открытое общество" (Новосибирский филиал сети
фонда Сороса), 1997.
7. С е м и п а л а т и н с к и й полигон. Обеспечение общей и радиационной безопасности ядерных испытаний / Под ред. В. А. Логачева. — Москва, 1997.
8. Ш о й х е т Я. Н., Л о б о р е в В. М., К и с е л е в В. И. и др. Радиационное воздействие Семипалатинского полигона на Алтайский край // Вестник научной программы
„Семипалатинский полигон — Алтай". — Барнаул, 1996. — Ks 1.
87
Т. С. Селегей
ФОНОВОЕ ЗАГРЯЗНЕНИЕ СИБИРСКИХ ГОРОДОВ
В настоящее время для любых проектных работ, связанных с
размещением новых производств, имеющих значительные выбросы
вредных веществ в атмосферу, а также при разработке нормативов предельно допустимых выбросов (ВДВ) для предприятий, находящихся в
небольших городах, необходимо знать существующий фон загрязнения
атмосферного воздуха хотя бы по основным загрязняющим веществам.
Под основными загрязняющими веществами подразумеваются пыль,
диоксид серы, диоксид азота и оксид углерода, присутствующие в атмосферном воздухе практически каждого населенного пункта. Эти примеси
являются продуктами горения любого вида топлива; на их долю приходится 75—80 % всех выбросов в атмосферу.
При проектных работах должно выполняться основное требование чистоты атмосферного воздуха, которое предусматривает, чтобы
сумма максимальной концентрации загрязняющих вещесТв (Сн) от новых
или существующих объектов и фоновой концентрации (Сф) не превышала
предельно допустимых концентраций (ПДК), т. е. чтобы выполнялось
условие:
СМ + С Ф <ПДК.
Фоновые концентрации (Сф) для городов, где проводятся регулярные наблюдения за загрязнением атмосферного воздуха на сети
постов общегосударственной службы наблюдений и контроля за загрязнением объектов природной среды (ОГСНК), рассчитываются по измеренным концентрациям в соответствии с методикой [4].
В ряде случаев возникает необходимость определения существующего фона для тех городов, где не проводятся наблюдения за загрязнением атмосферного воздуха. При этом пользуются ориентировочными
значениями фоновых концентраций (табл. 1), которые рассчитаны для
городов с численностью населения от менее 10 до 250 тыс. жителей [3]. В
городах с численностью населения более 250 тыс. человек, как правило,
проводятся наблюдения за загрязнением атмосферного воздуха. Согласно
[3], данными табл. 1 можно пользоваться в городах, где при отсутствии
наблюдений за загрязнением атмосферного воздуха не имеется крупных
источников выбросов.
88
Таблица 2
Ориентировочные значения фоновой концентрации примесей (мг/м3)
для городов с различной численностью населения
Численность населения,
тыс. жителей
125 — 250
50—125
10 — 50
<10
Пыль
Диоксид серы
Диоксид азота
Оксид углерода
0,4
0,3
0,2
0,0
0,05
0,05
0,02
0,0
0,03
0,015
0,008
0,0
1,5
0,8
0,4
0,0
Данные табл. 1 получены путем осреднения концентраций для
городов, расположенных на территории бывшего СССР. Они являются
основой при установлении нормативов предельно допустимых выбросов
.вредных веществ в атмосферу для действующих и проектируемых предприятий.
Климатические особенности сибирских городов определяются
влиянием сибирского антициклона. Он определяет не только холодную и
продолжительную зиму, но и слабые ветры, инверсионную температурную стратификацию, приводя к застою воздуха и его загрязнению разными примесями. Поэтому при одном и том же количестве населения и
примерно одинаковых выбросах загрязнение в приземном слое атмосферы сибирских городов гораздо выше, чем на остальной территории
бывшего СССР. Под Сибирью в данном случае подразумевается территория, охватывающая Тюменскую, Омскую, Новосибирскую, Томскую,
Кемеровскую, Иркутскую, Читинскую области, Красноярский и Алтайский края, республики Бурятия, Тыва, Хакасия, Алтай.
Для городов, расположенных на этой территории, путем анализа
средних концентраций по основным загрязняющим веществам за десятилетний период наблюдений (1985—1994 гг.) [1] были получены свои
ориентировочные значения фоновых концентраций. Эти данные приведены в табл. 2.
Если сравнивать фоновые концентрации примесей, полученные
для городов Западной и Восточной Сибири, с критериями табл. 1, принятыми для всего бывшего СССР, то оказывается, что города Сибири с
населением менее 10 тыс. человек имеют более высокий первоначальный
фон загрязнения по всем рассматриваемым примесям (для городов СССР
он принят равным нулю). Очевидно, это связано с тем, что для поддержания жизнеспособности населения сибирских малых городов необхо89
Таблица 2
Ориентировочные значения фоновой концентрации примесей (мг/м3)
для сибирских городов с различной численностью населения
Численность населения,
тыс. жителей
125 — 250
50 — 125
10 — 50
<10
Пыль
Диоксид серы
Диоксид азота
Оксид углерода
0,2
0,2
0,1
0,1
0,02
0,01
0,01
0,01
0,03
0,02
0,01
0,01
1,8
1,5
1,5
1,2
димо сжигать большее количество топлива, чем в городах европейской
территории бывшего СССР. Больший объем сжигаемого топлива в сочетании с худшей рассеивающей способностью атмосферы приводят к
тому, что даже в небольших поселениях Сибири с численностью менее
10 тыс. человек фиксируются более высокие концентрации основных
загрязняющих веществ, чем в других частях страны.
Для сибирских городов с населением более 10 тыс. человек фоновые концентрации отличаются от общесоюзных как в большую, так и в
меньшую стороны. По пыли и диоксилу серы они меньше общесоюзных:
по пыли в 1,5—2,0 раза, по диоксиду серы в 2—5 раз. Это объясняется
прежде всего тем, что в Сибири сжигается менее зольный (примерно на
10—45 %) и менее сернистый (примерно в 10 раз) уголь по сравнению с
углем на европейской территории бывшего СССР. Данные о средней
зольности и сернистости углей для основных угольных бассейнов страны
приведены в табл. 3.
Таблица 3
Средняя характеристика топлива для основных угольных бассейнов страны по [2]
Территория
Европейская
территория СССР
Урал
Сибирь
Название угольного бассейна Зольность, %
Донецкий
Днепровский
Подмосковный
Кизеловский
Челябинский
Южноуральский
Кузнецкий
Канско-Ачинский
Минусинский
Иркутский
Бурятский
25,0
24,9
34,1
31,0
26,5
6,6
15,6
6,3
16,0
16,0
15,6
90
Содержание серы, %
3,0
4,1
4,3
6,1
1,0
0,7
0,4
0,3
0,5
1,1
0,5
По диоксиду азота фон для городов Сибири с населением более
10 тыс. человек и для городов бывшего СССР практически совпадает, а
по оксиду углерода он, наоборот, выше. Особенно большие концентрации
оксида углерода наблюдаются в городах Предбайкалья и Забайкалья,
таких как Гусиноозерск, Закаменск, Кяхта, Листвянка, Таксимо, Слюдянка. Почему атмосфера этих городов при прочих равных условиях формирует более высокие концентрации оксида углерода, пока неизвестно.
В заключение хотелось бы высказать пожелание, чтобы при
формировании и обновлении нормативно-методической базы по нормированию выбросов вредных веществ в атмосферу учитывались особенности отдельных регионов и прежде всего таких, как Сибирь.
СПИСОК ЛИТЕРАТУРЫ
1. Ежегодник состояния загрязнения атмосферы в городах на территории России. — СПб, ГГО. 1985—1994 гг.
2. Расчет выбросов загрязняющих веществ при сжигании топлива в котлах производительностью до 30 т/ч // Сборник методик по расчету выбросов в атмосферу загрязняющих веществ различными производствами. — Л.: Гидрометеоиздат, 1986. — 183 с.
3. Руководство по контролю загрязнения атмосферы: РД 52.04.18666—89. —
М: Гидрометеоиздат, 1991. — 694 с.
4. Указания по определению фоновых концентраций вредных веществ в городах и промышленных районах. —- Л.: Изд. ГГО, 1980. — 30 с.
91
Т. С. Селегей
ОБ ОЦЕНКЕ УРОВНЯ ЗАГРЯЗНЕНИЯ
АТМОСФЕРНОГО ВОЗДУХА
Оценка загрязнения атмосферного воздуха городов является
важнейшим вопросом контроля загрязнения окружающей среды. Она
является основой всех дальнейших природоохранных мероприятий и
используется при распределении капиталовложений между территориями. Обычно эта оценка производится с помощью различных комплексных
показателей, каждый из которых имеет свои достоинства и недостатки.
Цель данной статьи — показать, насколько результаты, полученные по
разным методикам, отличаются друг от друга. Об этом надо знать специалистам, использующим их в своей работе.
Для оценки уровня загрязнения атмосферного воздуха были использованы следующие методики;
комплексный индекс загрязнения атмосферы (ИЗА);
условный комплексный показатель (Р)\
наибольшая повторяемость превышения ПДК любым веществом
в городе (НПП);
плотность выбросов на душу городского населения
(ПВЧ),
т/(чел-год);
плотность выбросов на единицу городской площади (ПВ„),
т/(км2-год);
номограмма для определения уровня загрязнения атмосферного
воздуха в зависимости от массы выбросов и метеорологического потенциала атмосферы (МПА).
Методики выбирались с таким условием, чтобы было учтено как
можно больше факторов, формирующих уровень загрязнения атмосферного воздуха, так как не всегда измеренная высокая концентрация какоголибо загрязняющего вещества свидетельствует о сильном загрязнении
атмосферного воздуха. Кроме того, набор контролируемых примесей в
каждом городе различен и нет гарантии, что измеряются именно те
загрязняющие вещества, которые в основном и определяют уровень его
загрязнения.
92
Для настоящей работы было выбрано 47 городов Западной и
Восточной Сибири, где имелись данные по выбросам вредных веществ в
атмосферу, а также проводились наблюдения за загрязнением атмосферного воздуха. В качестве основных характеристик использовались среднегородские концентрации, осредненные за пятилетний период наблюдений (1990—-1994 гг.). Нормирование концентраций производилось на
ПДКСС. Масса выбросов, среднегородские концентрации примесей, а
также количество проживающего населения и площади городов были
заимствованы из [4].
Уровень загрязнения атмосферного воздуха оценивался по пятибалльной шкале: катастрофически высокий (КВВ); очень высокий (ВВ);
высокий (В); повышенный (П); низкий (Н).
Оценка уровня загрязнения атмосферного воздуха по комплексному
индексу загрязнения атмосферы (ИЗА)
Комплексный индекс загрязнения атмосферы (ИЗА) разработан в
Главной геофизической обсерватории им. А. И. Воейкова [1] и применяется в службе контроля и наблюдений за загрязнением атмосферного
воздуха Росгидромета. Рассчитывается по формуле:
ИЗА= Х ^ . / П Д К Ц
1
(1)
где gi и ПДКСС, — среднегодовая фактическая концентрация и среднесуточная предельно допустимая концентрация г'-й примеси; с, — показатели
степени, используемые для приведения нормированных концентраций
1—4-го классов опасности к изоэффективной концентрации веществ 3го класса опасности. Значения с, для веществ 1, 2, 3 и 4-го классов опасности равны 1,5; 1,3; 1,0; 0,85 соответственно; т — количество примесей.
Приоритетный список наиболее загрязненных городов России,
ежегодно публикуемый в обзорах состояния загрязнения атмосферного
воздуха, составляется на основе расчета значения ИЗА по пяти веществам
(т = 5), которым соответствуют наибольшие значения (^,/ПДК
Этот
комплексный показатель вызывает большую критику со стороны различных специалистов, которые пытаются его применять для нахождения
93
зависимостей между уровнем загрязнения атмосферного воздуха и его
последствиями. Суть критики сводится к следующему:
чем полнее данные о загрязнении атмосферного воздуха и чем
больше ингредиентов учтено и измерено, тем ниже этот показатель;
при g < ПДК загрязняющие вещества независимо от класса опасности не оказывают вредного действия на человека. Кроме того, при
g < ПДК нормированную концентрацию не следует возводить в степень,
так как возведение дробного числа в степень больше единицы приводит к
уменьшению частного индекса по сравнению с исходными значениями;
с санитарно-гигиенической точки зрения не обосновано механическое суммирование наибольших значений (г^/ПДК
Комплексный
ИЗА должен формироваться с учетом реального комбинированного
действия вредных веществ;
показатель должен рассчитываться не по тп наибольших значений
частных индексов, а по одному и тому же набору ингредиентов. Очевидно, только такую оценку можно считать корректной.
Оценка уровня загрязнения атмосферного воздуха сибирских городов с помощью показателя ИЗА производилась по четырем загрязняющим веществам (m = 4), которым соответствовали самые высокие значения частных индексов. Это было обусловлено тем, что во многих городах
Сибири наблюдения велись только по четырем основным примесям.
Граничные условия для определения уровня загрязнения атмосферного
воздуха взяты согласно предложениям ГГО [4] и показаны в табл. 1. Эти
граничные условия были дополнены автором еще одним (ИЗА4 > 50) для
выделения городов с катастрофически высоким уровнем загрязнения
атмосферного воздуха.
Результаты оценки по показателю ИЗА4 приведены в табл. 2, из
которой видно, что города Братск, Зима, Чита и Шелехов характеризуются катастрофически высоким уровнем загрязнения атмосферного воздуха
(КВВ). Девятнадцать городов имеют очень высокий уровень загрязнения
атмосферного воздуха (ВВ), десять городов — высокий (В), один —
повышенный (П) и тринадцать городов — низкий (Н) уровень загрязнения атмосферного воздуха.
94
033
1
о
in
V
W
V
о
о
Е
я
it
в
§
£
s
s
я
S
5
я
гs
яM
в.
о
в
6о S
S и
о
я 7
я
вя
Я
•е-
А
«!
с
U
я
в
в
а
о
£
и
о
г
£л
3
S
V
С
Л
о
4
5
4
5л
о
л
*
о
СЧ
I
§я
ts
со
л
«я
И
о
m
я
в
я
а
U
w
S
•ч- ^
0
1
Iо
в
5>>
*о
ЧО
а.
>>
вв
5
э
сь
в
0
1в
вв
а
I
л
о
m
с
о
g
к
О
О
V
W
V
л&
е
со
5X
о
in
гV
w
V
о
т
з2о
s
•в*
a
О ъО
р- в
|« s
5 Мт
е
=
в
12
ВЗ
ё
m
95
а.
Таблица 2
Сравнительная оценка уровня загрязнения
атмосферного воздуха по нескольким методикам
№
п/п
1
2
3
4
5
6
7
8
9
10
И
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
Оценочные коэффициенты
Город
Абакан
Ангарск
Ачинск
Байкальск
Барнаул
Бердск
Бийск
Братск
Бирюсинск
Енисейск
Заринск
Зима
Иркутск
Искитим
Канск
Кемерово
Красноярск
Кызыл
Ленинск-Кузнецкий
Лесосибирск
Минусинск
Назарово
Новокузнецк
Новосибирск
Норильск
Омск
Петровск-Забайкальский
Прокопьевск
Салехард
Саяногорск
Свирск
Северобайкальск
Селенгинск
Славгород
ИЗА,
р
ВВ
ВВ
В
ВВ
В
ВВ
КВВ
П
н
В
КВВ
нпп
в
п
п
в
Номограмма
н
п
вв
в
ВВ
ВВ
ВВ
ВВ
ВВ
КВВ
В
КВВ
ВВ
КВВ
ВВ
КВВ
в
п
п
н
в
п
п
в
п
п
п
н
н
н
в
п
п
н
н
п.
п
п
н
п
П
ВВ
н
н
п
н
н
п
В
В
н
н
н
н
н
п
КВВ
ВВ
ВВ
ВВ
ВВ
ВВ
ВВ
КВВ
КВВ
ВВ
ВВ
В
ВВ
КВВ
н
н
п
п
В
П
ВВ
ВВ
В
В
В
ВВ
В
п
п
ВВ
п
ВВ
ВВ
н
ВВ
ВВ
н
П
п
в
н
п
п
н
н
н
н
п
п
ВВ
КВВ
Н
н
ВВ
ВВ
в
в
в
в
н
н
ВВ
КВВ
КВВ
ВВ
в
п
н
ВВ
вв
н
п
п
н
п
п
п
квв
н
ВВ
н
п
КВВ
КВВ
п
Н
п
п
н
н
п
п
н
н
п
н
н
ВВ
в
в
п
н
п
н
п
ВВ
В
ВВ
КВВ
ВВ
ВВ
КВВ
96
КВВ
В
ВВ
В
КВВ
ВВ
ВВ
ВВ
ВВ
В
н
н
п
н
п
в
н
вв
в
вв
вв
вв
н
н
п
в
квв
в
квв
вв
н
н
п
п
н
п
н
н
н
н
н
п
Итого
н
КВВ
п
пв„
КВВ
ВВ
КВВ
п
п
п:
КВВ
ПВ„
п
н
н
Продолжение табл. 2
№
п/п
35
36
37
38
39
40
41
42
43
44
45
46
47
Оценочные коэффициенты
Город
Слюдянка
Тайшет
Томск
Тюмень
Улан-Удэ
УсольеСибирское
Усть-Илимск
Черемхово
Черненко
Черногорск
Чита
Шелехов
Юрга
ИЗА4
р
нпп
пв„
пв„
Номограмма
Итого
Н
Н
В
В
ВВ
П
ВВ
в
п
п
п
п
п
н
н
н
н
н
в
п
в
п
в
н
в
в
в
в
н
в
в
вв
ВВ
в
в
в
вв
квв
квв
ВВ
ВВ
В
ВВ
в
квв
п
квв
в
н
п
п
п
п
п
н
н
н
н
в
н
н
н
п
н
н
вв
н
вв
п
н
п
в
квв
н
вв
квв
н
п
вв
квв
н
квв
квв
н
н
п
в
ВВ
квв
квв
п
Оценка уровня загрязнения атмосферного воздуха по условному
комплексному показателю Р
Условный комплексный показатель Р разработан Институтом
общей и коммунальной гигиены им. А. Н. Сысина АМН СССР [2] и
используется чаще всего медиками. Он рассчитывается по формуле:
F =
(2)
где К, — превышение ПДК рассматриваемой примеси; п -г- количество
примесей, концентрации которых превышают ПДК. Приведение концентраций веществ к 3-му классу опасности осуществляется с помощью
номограмм, опубликованных в [2]. Показатель Р имеет некоторые преимущества по сравнению с ИЗА, так как допускает возможность оценки
уровня загрязнения атмосферного воздуха при любом количестве измеренных загрязняющих веществ, но, так же как и формула (1), не учитыва-"
ет эффекта суммарного действия ингредиентов.
Для оценки уровня загрязнения атмосферного воздуха по показателю Р использованы предлагаемые в [2] граничные условия, которые
были дополнены автором еще двумя для выделения городов с катастрофически высоким (Р > 50) и для городов с низким (Р < 2) уровнем за97
грязнения (см. табл. 1). Ранжирование городов Сибири по условному
комплексному показателю Р представлено в табл. 2. Как видно, по этому
показателю в категорию городов с катастрофически высоким уровнем
загрязнения атмосферного воздуха попадает восемь городов: Ангарск,
Братск, Зима, Иркутск, Кызыл, Чита, Шелехов и Черемхово. Десять
городов имеют очень высокий уровень загрязнения (ВВ), восемь городов— высокий (В), пятнадцать городов — повышенный (П) и шесть
городов — низкий (Н) уровень загрязнения.
Оценка уровня загрязнения атмосферного воздуха любым
веществом по наибольшей повторяемости превышения (НИЛ) ДДК
Оценка уровня загрязнения атмосферного воздуха должна учитывать не только значение превышения ПДК, на чем основаны два предыдущих метода, но и количество дней с превышениям ПДК. Методика,
учитывающая количество дней с превышением ПДК, была впервые
разработана в Сибирском научно-исследовательском гидрометеорологическом институте И. А. Шевчук [3]. Эта методика позволяет определять
уровень загрязнения атмосферного воздуха в городе в зависимости от
повторяемости числа случаев с концентрациями выше ПДК по всему
спектру контролируемых примесей. Впоследствии эта методика была
несколько видоизменена; в ГГО [6] было предложено оценивать загрязнение атмосферного воздуха не по всем наблюдаемым ингредиентам, а по
наибольшей повторяемости числа случаев с превышением ПДК, независимо от того, по какому веществу оно наблюдалось. Безусловно, лучшим
вариантом было бы соединение в единую методику оценок как по значениям превышения ПДК, так и по повторяемости этих превышений за год,
так как в отдельности они идут как бы в отрыве друг от друга.
Граничные условия для выделения городов с тем или иным уровнем загрязнения атмосферного воздуха были взяты из [3]. Эти граничные
условия были несколько видоизменены и дополнены автором для городов
с катастрофически высоким (КВВ) и низким (Н) уровнем загрязнения
атмосферного воздуха (см. табл. 1). Результаты оценок по НПП приведены в табл. 2. По этой оценке выделяется пять городов с катастрофически
высоким (КВВ) уровнем загрязнения атмосферы: Ангарск, Байкальск,
Братск, Селенгинск и Усть-Илимск, в которых отмечается превышение
концентрации метилмеркаптана выше ПДК более чем в 90 % случаев за
год. Два города попадают в категорию городов с очень высоким уровнем
загрязнения атмосферного воздуха, семь городов — с высоким уровнем
98
загрязнения, двадцать четыре — с повышенным и девять городов — с
низким уровнем загрязнения атмосферного воздуха.
Оценка уровня загрязнения атмосферного воздуха по плотности
выбросов на душу населения (ПВч) и единицу площади (ПВЛ)
Оценки „по плотности" считаются грубыми и обладают множеством недостатков, но тем не менее они довольно часто используются для
нахождения различных зависимостей между уровнем загрязнения атмосферы и здоровьем населения, между уровнем загрязнения и состоянием
лесных массивов и подобных им связей. Основное преимущество таких
оценок в том, что они очень просты и не требуют длительных расчетов.
Основной недостаток — учет не всего букета выбрасываемых ингредиентов и метеорологических условий местности.
Граничных условий для ранжирования городов по этим показателям нет, поэтому автором был предложен свой подход с использованием средней плотности выпадения вредных веществ на душу городского
населения (ПВЧ) и средней плотности выпадения загрязняющих веществ
на 1 км2 городской территории (ПВп), полученных для всех городов
Сибири. Оказалось, что в среднем на одного городского жителя Сибири
приходится 0,82 т/год, а 1 км2 городской территории получает 1,14 т/год
загрязняющих веществ. Сопоставление этих значений с фактическими
позволило разделить города по степени их загрязнения (см. табл. 1).
Результаты оценок по этим показателям приведены в табл. 2. Как видно
из табл. 2, по этим оценкам в число городов с катастрофически высоким
(КВВ) уровнем загрязнения атмосферы попадает только город Норильск,
который ранее не фигурировал в этой категории ни по одной из методик.
В Норильске на одного человека приходится 14,71 т/год, а на 1 км2 его
территории 6,52 т/год загрязняющих веществ, из которых больше половины составляют выбросы сернистого ангидрида. По плотности выпадения загрязняющих веществ на душу населения (ГШ,) шесть городов
Сибири имеют очень высокий уровень загрязнения атмосферного воздуха, три города — высокий, тринадцать городов— повышенный и двадцать четыре — низкий. По плотности выпадения на 1 км2 городской
территории (ПВ„) восемь городов Сибири имеют очень высокий уровень
загрязнения атмосферного воздуха, семь — высокий, четырнадцать —
повышенный и семнадцать — низкий.
Судя по табл. 2, даже по этим двум очень близким по смыслу показателям города попадают в разные ранги.
99
Номограмма для определения уровня загрязнения атмосферного
воздуха в зависимости от массы выбросов и метеорологического
потенциала рассеивающей способности атмосферы
Оценка уровня загрязнения атмосферы в зависимости от массы
выбросов и метеорологического потенциала рассеивающей способности
атмосферы разработана в Сибирском научно-исследовательском гидрометеорологическом институте Т. С. Селегей [8]. Известно, что в атмосферу промышленного города, как правило, выбрасывается 50—100 загрязняющих веществ, а контроль осуществляется только за 4—10, в редких
случаях за 15—20 ингредиентами. Охватить наблюдбниями все загрязняющие вещества, присутствующие в атмосферном воздухе, практически
невозможно, поэтому была предпринята попытка оценивать уровень
загрязнения атмосферного воздуха по двум основным его формирующим
факторам: выбросам вредных веществ в атмосферу и метеорологическим
условиям местности.
Массу выбросов загрязняющих веществ в атмосферном воздухе
города предлагается вычислять через величину КОВ, которая рассчитывается по формуле
п
п т /
ч
K O n
A/ /n K
KOB = X
=ZS( / ^ cc/J.
(3)
1 1
1
где КОВ — категория опасности вещества; КОП -— категория опасности
предприятия; п — количество предприятий в городе; т — количество
загрязняющих веществ, выбрасываемых предприятием; Mt — масса
выбросов г-го вещества; ПДКСС/ —- среднесуточная предельно допустимая
концентрация г-го вещества; а, — безразмерная константа для приведения
массы выбросов г-го вещества к массе вещества 3-го класса опасности.
Для веществ 1,2, 3 и 4-го классов константы а, соответственно равны 1,7;
1,3; 1,0 иО,9.
Формула (3) справедлива при Л//ПДКСС/ > 1; при А/;/ПДКсс, < 1
расчеты не осуществляются и приравниваются к нулю.
Метеорологический потенциал рассеивающей способности атмосферы (МПА) рассчитывается по формуле
МПА = (Рет + /> т )/(Р 0 + Р в ),
(4)
где Р — повторяемость: Рсл — скоростей ветра 0—1 м/с; РТ — дней с
туманом; Р0 — дней с осадками > 0,5 мм; Рв — скоростей ветра > 6 м/с.
100
В зависимости от значений величин КОВ и МПА была построена
номограмма (см. рисунок), разделенная на пять секторов четырьмя прямыми линиями. Каждый сектор определяет тот или иной уровень загрязнения атмосферного воздуха. Прямые линии описываются следующими
уравнениями:
первая прямая:
In (КОП • 10б) = —2,8 МПА+ 10;
вторая прямая:
In (КОП • 106) = —2,8 МПА+ 7;
третья прямая:
In (КОП • 106) = -2,8 МПА+ 4;
четвертая прямая:
In (КОП • 10б) = -2,8 МПА+ 1.
Номограмма для определения уровня загрязнения атмосферного воздуха в зависимости от массы выбросов и метеорологического потенциала рассеивающей способности атмосферы.
Выше первой линии находится сектор, где уровень загрязнения
атмосферы катастрофически высокий, между первой и второй — очень
высокий, между второй и третьей — высокий, между третьей и четвертой — повышенный и ниже четвертой линии — низкий. Недостатком
101
данного метода является то, что он не учитывает геометрию расположения источников выбросов в городе, а также их температуру и высоту.
Кроме того, метод требует очень подробной информации о составе и
массе выбросов вредных веществ в атмосферу каждого промышленного
предприятия, базирующегося в том или ином городе.
Граничные условия для разделения городов по уровню загрязнения атмосферного воздуха показаны в табл. 1, а результаты — в табл. 2.
Как видно, по этому методу выявлено семь городов с катастрофически
высоким уровнем загрязнения атмосферного воздуха: Норильск, Братск,
Ангарск, Байкальск, Селенгинск, Усолье-Сибирское и Шелехов. Десять
городов оцениваются как города с очень высоким уровнем загрязнения
атмосферного воздуха, тринадцать городов с высоким, восемь городов с
повышенным и девять городов с низким уровнем загрязнения атмосферного воздуха.
Таким образом, как видно из табл. 2, ни по одному городу Сибири существующие методики не дали однозначной оценки уровня загрязнения атмосферного воздуха. Только в трех городах пять методик из
шести дали однозначный результат: Енисейск и Салехард устойчиво
оценивались как города с низким уровнем загрязнения атмосферного
воздуха, а Новокузнецк — как город с очень высоким уровнем загрязнения атмосферного воздуха. Остальные города Сибири по каждой методике оценивались по-разному; иногда разброс оценок достигал амплитуды
от катастрофически высокого до низкого уровня загрязнения атмосферного воздуха. К таким городам относятся Черемхово, Зима, Иркутск,
Усть-Нлимск, Чита.
Для установления итогового уровня загрязнения атмосферного
воздуха городов Сибири была составлена матрица из 47 городов и 6
значений показателей уровня загрязнения атмосферного воздуха. В
зависимости от значения оценочного показателя по каждой методике
тому или иному городу присваивался ранг. Чем меньше ранг, тем выше
уровень загрязнения атмосферного воздуха города. По сумме всех шести
рангов города вновь были проранжированы в порядке возрастания суммы
рангов.
Окончательно города Сибири по уровню загрязнения атмосферного воздуха выстроились в порядке, который показан в табл. 3. В десятку самых грязных городов Сибири (сумма рангов < 100) с катастрофически высоким уровнем загрязнения атмосферного воздуха попали: Ан102
гарск, Братск, Селенгинск, Новокузнецк, Шелехов, Байкальск, УсольеСибирское, Зима, Иркутск, Норильск. По этим городам, кроме Новокузнецка, хотя бы по одной методике уровень загрязнения атмосферного
воздуха определялся как катастрофически высокий (КВВ). С другой
стороны, Новокузнецк по всем методикам оценивался как город с очень
высоким уровнем загрязнения атмосферного воздуха, однако по суммарному рангу он попал в города с КВВ. И наоборот, такие города, как УстьИлимск, Чита, Черемхово, хотя и оценивались по некоторым методикам
как города с КВВ, по суммарному рангу были отнесены к городам с очень
высоким (ВВ) уровнем загрязнения атмосферного воздуха. Тринадцать
городов Сибири оцениваются как города с очень высоким уровнем загрязнения атмосферного воздуха (сумма рангов от 100 до 150), восемь
городов с высоким (сумма рангов от 150 до 175), шесть с повышенным
(сумма рангов от 175 до 200) и десять городов с низким уровнем загрязнения атмосферного воздуха (сумма рангов более 200).
Известно, что катастрофически высокий уровень загрязнения атмосферного воздуха может вызывать необратимые изменения в окружающей природной среде. В результате нарушения природного равновесия происходит разрушение естественных экологических систем, начинается деградация флоры и фауны как в самих городах, так и за их пределами. Поражение растительности можно считать индикатором неустойчивости экосистем; по таким очагам прослеживается адекватность полученных итоговых оценок для городов с катастрофически высоким уровнем
загрязнения атмосферного воздуха.
По данным [5], вокруг Норильска зона пораженных лесов оценивается в 545 тыс. га, вокруг Братска эта зона составляет 130 тыс. га [7].
Гибель лесных массивов отмечается также вокруг городов южного Прибайкалья: Байкальска, Шелехова, Ангарска, Усолья-Сибирского, Иркутска. Общая площадь пораженной растительности здесь оценивается в
2,4 тыс. км2. В 1988—1989 гг. площадь пораженного леса вокруг Новокузнецка достигала 2,9 тыс. км2, однако в последующие годы из-за более
благоприятных метеорологических условий для рассеивания примесей и
уменьшения промышленных выбросов леса постепенно восстановились,
хотя и в настоящее время находятся в угнетенном состоянии. Данные о
состоянии лесных массивов вокруг городов Селенгинск и Зима отсутствуют.
103
Таблица 3
Ранжирование городов Сибири по уровню загрязнения
атмосферы примесями (по сумме шести оценок)
. Город
1. Ангарск
2. Братск
3: Селенгинск
4. Новокузнецк
5. Шелехов
6. Байкальск
7. УсольеСибирское
8. Зима
9. Иркутск
10. Норильск
11. Омск
12. Ачинск
13. УстьИлимск
14. Бийск
15. Кемерово
16. Красноярск
17. Чита
18. Искитим
19. Кызыл
20. Улан-Удэ
21. Черемхово
22. ПетровскЗабайкальский
23. Заринск
Сумма
рангов
26
33
39
53
58
62
65
Уровень
загрязнения
атмосферы
КВВ
квв
квв
квв
квв
квв
квв
81
99
100
101
104
105
квв
квв
квв
вв
вв
вв
110
111
111
113
113
120
121
122
127
вв
вв
вв
вв
вв
вв
вв
вв
вв
Город
24. Тюмень
25. Абакан
26. Новосибирск
27. Назарово
28. Барнаул
29. Томск
30. Канск
31. Слюдянка
32. Прокопьевск
33. Минусинск
34. Черногорск
35. Северобайкальск
36. Свирск
37. Саяногорск
38. Бирюсинск
39. Славгород
40. Юрга
41. Черненко
42. ЛенинскКузнецкий
43. Тайшет
44. Лесосибирск
45. Бердск
46. Салехард
47. Енисейск
Сумма
рангов
151
152
153
156
160
170
171
174
180
185
187
188
192
198
204
206
209
218
221
Уровень
загрязнения
атмосферы
В
В
В
В
В
В
В
В
П
П
п
п
п
п
Н
Н
Н
н
н
н
н
н
н.
144
вв
н
Таким образом, видно, что итоговая оценка уровня загрязнения
атмосферного воздуха вполне адекватна экологическому состоянию
природных сред в городах с катастрофически высоким уровнем загрязнения атмосферы. Для того чтобы выяснить, какая методика лучше всего
соответствует итоговой, для всех 47 городов было подсчитано число
совпадений одинаковых оценок (в скобках приведены проценты):
Оценочный
показатель
Число
совпадений
ИЗА4
21(44,7)
Р
НПП
17(36,2) .14(29,8)
104
223
225
228
232
268
ПВЧ
ПВ п
Номограмма
11(23,4)
10(21,3)
32(68,1)
Больше всего (68,1 %) совпадений дала номограмма, определяющая зависимость между массой выбросов вредных веществ в атмосферу и метеорологическим потенциалом атмосферы, затем комплексный
показатель ИЗА4 (44,7 %). Меньше всего совпадений дали ПВ„ и ПВп,
которыми не рекомендуется пользоваться.
В заключение следует сказать, что в настоящее время все существующие методики обладают определенной условностью и недостатками. Поэтому при решении конкретных задач необходимо пользоваться
сразу несколькими методиками, из которых предпочтение следует отдавать номограмме и ИЗА4.
Разработка универсальной методики оценки уровня загрязнения
атмосферного воздуха несомненно способствовала бы прогрессу гигиенического нормирования чистоты атмосферного воздуха в городах Сибири.
СПИСОК ЛИТЕРАТУРЫ
1. Безуглая Э. Ю. Мониторинг состояния загрязнения атмосферного воздуха в
городах. — Д.: Гидрометеоиздат, 1986.
2. В р е м е н н ы е инструктивно-методические указания по оценке степени загрязнения атмосферного воздуха. — М., Минздрав СССР, 1977.
3. В р е м е н н ы е рекомендации по оценке уровня загрязнения атмосферы городов/Под ред. к. г. н. И. А. Шевчук. — Новосибирск, ЗСУГМС, 1983.
4. Е ж е г о д н и к и состояния загрязнения атмосферы в городах на территории
России за 1990—1994 гг. — СПб, ГГО.
5. Ков аленко Л. Н. Люди гибнут за металл // Красноярский рабочий. 10 ноября
1990 г.
6. Обзор загрязнения окружающей природной среды в РФ за 1997 год. — М.:
Гидрометеоиздат, 1998.
7. Обзор состояния окружающей природной среды в СССР. — М.: Гидрометеоиздат, 1990.
8. Селегей Т. С. Экологическая оценка загрязнения атмосферного воздуха городов Сибири // География и природные ресурсы. — 1994. — № 1.
105
Н. В. Гуляева, В. В. Костюков
О НЕКОТОРЫХ ОСОБЕННОСТЯХ ИЗМЕНЧИВОСТИ
А Г Р О К Л И М А Т И Ч Е С К И Х РЕСУРСОВ Ю Г А ЗАПАДНОЙ СИБИРИ
И ПРИЛЕГАЮЩИХ РАЙОНОВ УРАЛА
При исследовании агроклиматических ресурсов России территорию юга Западно-Сибирской равнины, ограниченную предгорьями Урала
и горами Южной Сибири, в пределах примерно 53—57° с. ш. можно
выделить в качестве самостоятельного объекта вследствие относительного сходства природно-климатических условий и преобладающих черт
рельефа. В основном плоскоравнинный характер подстилающей поверхности обусловливает зональное распределение рельефа в виде широтных
зон: лесостепи и степи. Отсутствие преград с севера и юга в сочетании с
защищенностью хребтами и возвышенностями с запада и востока позволяет проникать в глубь территории холодному арктическому воздуху в
течение всего года, а с юга вторгаться умеренно континентальным и даже
тропическим воздушным массам. Поэтому циркуляция атмосферы здесь
характеризуется более быстрой сменой барических образований и погоды, чем в Европе.
Континентальность климата в исследуемом регионе выражена
сильно. Важной климатической особенностью является большая межгодовая изменчивость условий тепло- и влагообеспеченности. В отдельные
годы месячные количества осадков, особенно в теплый период, в зависимости от условий циркуляции могут значительно отклоняться от многолетних средних значений. Существенные различия в динамике статистических характеристик осадков проявляются не только на больших расстояниях (областного масштаба), но и на районном уровне. Чрезвычайно
высока изменчивость температур зимних и весенних месяцев год от года,
велики межсуточные колебания. Эти черты климата сказываются на
структуре как природных, так и агроландшафтов, определяя их продуктивность.
Ни один вид хозяйственной деятельности не подвержен влиянию
климата и погоды в такой значительной степени, как сельское хозяйство.
Несмотря на научно-технический прогресс в мире в целом, эта зависимость не только не уменьшается, но и обостряется. Причиной этого
являются, во-первых, усилившиеся изменения глобального и региональ106
ных климатов, во-вторых, рост антропогенных нагрузок на окружающую
среду, что в свою очередь сказывается на режиме естественных процессов и характере прямых и обратных связей между различными составляющими географической оболочки. Изменения средних климатических
условий приводят к колебаниям урожайности в пределах 15—25 % относительно нормы, а влияние экстремальных значений агрогидрометеорологических элементов и опасных стихийных явлений может повышать
эту цифру в несколько раз.
Урожайность сельскохозяйственных культур в определенной мере отражает агроклиматические и погодные условия конкретных территорий и по сути является их обобщенной интегральной характеристикой.
Задача культуры земледелия должна состоять в том, чтобы, сглаживая
существенные колебания урожайности по годам путем применения
соответствующих технологий, приближаться к предельно возможному
уровню продуктивности (так называемой потенциальной урожайности),
определяемому количеством физиологически активной солнечной радиации [7].
К основным факторам урожайности зерновых в исследуемом регионе относятся тепло и влага [1, 6]. Для оценки условий тепло- и влагообеспеченности широко применяют комплексные показатели. Например,
гидротермический коэффициент
ГТК =
(од2у)
или индекс атмосферной увлажненности (засушливости)
ат
егд
Здесь ^ i ? — сумма осадков, ^ Г г — сумма среднесуточных
температур за период с Т> 10 °С; а т , a R _среднеквадратические отклонения соответствующих элементов; AT, AR — аномалии среднемесячных
температур воздуха и количества осадков за определенный промежуток
времени (месяц, вегетационный период).
Отметим, что первая характеристика всегда положительна, вторая может иметь любой знак в зависимости от сочетания значений отклонений от нормы (А) и стандартов (ст). Значение ГТК больше 1,2 свиде107
тельствует о достаточном увлажнении, менее — о недостаточном; если
значение меньше 0,6, то это указывает на засушливость климата. Значения S, > 2 свидетельствуют о засушливых условиях, а 5, < - 2 — об избыточно влажных.
Величина St по структуре более сложна, чем ГТК, поскольку отражает не только текущие значения элементов Т и R, но и их климатические параметры: нормы и дисперсии. Описываемые изменения по годам
относительны, поэтому сравнивать разные территории по условиям
тепло- и влагообеспеченности в те или иные годы весьма затруднительно.
Кроме того, знакопеременность St не всегда дает возможность физически
обоснованно проводить осреднения по пространству и времени. Однако
каждый из показателей имеет свои достоинства, проявляющиеся при
решении определенных задач. Коэффициент ГТК, представляющий собой
отношение суммы осадков к сумме температур, приближенно пропорционален испаряемости и удобен при сравнении влагообеспеченности
различных территорий в каком-либо году или за какой-либо период.
Индекс S/ описывает температурно-влажностный режим относительно
климатического фона, хорошо представляя аномальные условия конкретной территории.
В исследуемом регионе оба показателя заметно коррелируют как
между собой, так и с урожайностью яровых зерновых культур
(г = 0,50.. .0,75). По данным наблюдений 45 станций, равномерно распределенных на исследуемой территории, за 1956—1993 гг. были рассчитаны уравнения регрессии, отражающие статистические связи между этими
показателями. Для Свердловской, Челябинской и Курганской областей в
целом
ГТК = 1,12 - 0 , 3 1 $ , г = 0,75;
для областей Западной Сибири
ГТК = 1,20 - 0,39 Sj, г = 0,63.
На основе формул показателей в предположении | AT/ Т | < 0,20
получается приближенное соотношение
ГТК*--р^+(ГТК),
которое имеет смысл использовать при контроле результатов статистических расчетов.
Зависимость урожайности яровых зерновых от ГТК в рассматри108
ваемых областях Урала прослеживается более четко, чем в Западной
Сибири. Так, для них уравнение
•
у = 1,02 (ГТК)0'5 + 0,28
описывает связь с относительной ошибкой е = 0,17. Здесь
e
_ f t 4
tr
'
у и _уф -— расчетное и фактическое значение урожайности; i — номер года,
начиная с 1956 г.; п — число анализируемых лет. Для областей Западной
Сибири подобной зависимости получить не удалось. Однако в первом
приближении вариации урожайности яровых зерновых и ГТК связаны
между собой соотношением
5,«0,885(ГТК).
В табл. 1 приведены некоторые статистические характеристики
урожайности всех яровых зерновых и зернобобовых культур. Из нее
видно, что несмотря на то, что колебания урожайности год от года во
всех областях региона велики (коэффициент вариации меняется в пределах 0,23—0,35), многолетняя тенденция в динамике положительна,
согласно линейным уравнениям тренда. При этом наибольшая ежегодная
прибавка (30 кг/га) имеет место в Свердловской и Тюменской областях.
Результаты, близкие к отмеченным в табл. 1, были получены ранее в
[2,5].
Таблица J
Статистические характеристики урожайности яровых зерновых и зернобобовых
культур по территории юга Западной Сибири и прилегающих районов Урала
Область
Уравнение
тренда
у т/га
Коэффициент
вариации 8
Коэффициент
корреляции г
Свердловская
Челябинская
Курганская
Тюменская
Омская и Новосибирская
Томская и Кемеровская
Алтайский край
д/=1,03 + 0,03;
у = 1,08 + 0,01;
у= 1,07 + 0,02/
у = 0,73 + 0,03;
у - 0,77 + 0,02;
у= 1,06 + 0,01;
.у = 0,97 + 0,01;
1,48
1,23
1,36
1,26
1,09
1,24
1,09
0,23
0,35
0,30
0,26
0,33
0,31
0,33
0,74
0,18
0,40
0,78
0,46
0,36
0,19
Примечание, i—номер года, начиная с 1956 г.
109
Косвенную оценку культуры земледелия с помощью трендов
можно считать более или менее обоснованной лишь для случаев с относительно высокой точностью аппроксимации. Например, для Челябинской области и Алтайского края линейные тренды малозначимы (г = 0,18
и г = 0,19). Для остальных областей региона аппроксимация либо удовлетворительная (г = 0,4...0,5), либо хорошая (г > 0,7) при используемом
объеме выборки п = 35 лет.
Согласно данным табл. 1, наибольшие средние урожайности отмечаются в Свердловской и Курганской областях (1,48; 1,36), наименьшие — в Омской и Новосибирской областях и Алтайском крае (1,09). При
этом максимальная изменчивость по годам наблюдается в Челябинской
области (5 = 0,35), а затем в Омской и Новосибирской областях и Алтайском крае (5 = 0,33).
Анализ рядов урожайности показывает, что в течение больших
временных отрезков имеют место квазидвухлетняя и близкая к 11 годам
цикличность. Первая отмечается во всех областях региона в период
1956—1973 гг., а до 1991 г. — лишь в Омской и Новосибирской областях.
Одна из причин почти очевидна. Она связана с естественным процессом
выноса значительного количества питательных веществ из почвы при
относительно высоком урожае, а затем накоплением их в следующем
году. Понятно, что при искусственном существенном регулировании
минерального питания или многомасщтабных севооборотах культур
проявление двухлетних циклов затушевывается.
Определенный вклад в короткопериодные колебания могут вносить также последствия теплового и влажностного режимов, обусловливаемых квазидвухлетним циклом атмосферной циркуляции [4]. Повидимому, совместные воздействия почвенно-бонитетных и циркуляционных факторов с различными сочетаниями фаз и амплитуд в их колебаниях формируют основные черта динамики урожайности конкретных
территорий.
Наиболее простая характеристика квазидвухлетней цикличности —
это вероятность смены знака прироста урожайности в смежные годы pv.
На территории региона pv меняется от 52 % в Кемеровской области до
79 % в Свердловской, т. е. более чем в половине случаев рост урожайности в смежные годы сменяется падением, и наоборот.
Что касается квазиодиннадцатилетних циклов в динамике урожайности зерновых, то большинство исследователей связывают их с
известной периодичностью в солнечной активности. Во всяком случае
110
проведенные нами расчеты не опровергают это предположение. Однако
зависимости не всегда и не везде являются простыми и однозначными. На
разных территориях, временных отрезках, а также масштабах осреднения
они могут заметно различаться. Например, для южных районов Зауралья
зависимость урожайности яровых зерновых культур от числа Вольфа W
можно выразить с помощью формулы:
у = -0,74 • КГ4 (PF-95) 2 + 1,6.
Относительно высокая точность аппроксимации (е = 0,16) обеспечивается лишь в диапазоне 30 < W < 160. При экстремальных значениях
W однозначной связи нет: урожайность может быть как высокой, так и
низкой или даже близкой к норме, хотя и редко. Любопытно, что с более
высокой точностью аппроксимации (s = 0,18) описывается связь ГТК и W
при помощи формулы
ГТК = 0,31 + 2,2 10~2 W- 1,16 • Ю-4 W2
в диапазоне 25 < W< 150. Для Новосибирской и Омской областей подобная связь оказалась менее успешной (s = 0,25).
Близость климатических и погодных условий для каких-либо
территорий проявляется и в сходстве динамики урожайности. Коэффициент корреляции урожайности яровых зерновых культур Западной Сибири
и Урала равен 0,58; с Восточной Сибирью корреляция несколько меньшая (г = 0,47), а с Поволжьем совсем малая (г = 0,26).
В табл. 2 приведены значения коэффициентов г и 9 урожайности
яровой пшеницы для нескольких областей Урала, а в табл. 3 — для областей Западной Сибири.
Коэффициент связности:
=
1
т
{T/vk •
v=l
v*k
Таблица 2
Коэффициенты корреляции г и связности В (в скобках) урожайности
яровой пшеницы для некоторых областей Урала
Область
Свердловская
Челябинская
Курганская
Свердловская
Челябинская
Курганская
(0,66)
0,59
(0,72)
0,72
0,84
(0,78)
111
Таблица 3
Коэффициенты корреляции г и связности 6 (в скобках) урожайности
яровой пшеницы для разных областей Западной Сибири
Область
Томская
Томская
Кемеровская
Алтайский край
Тюменская
Омская
Новосибирская
(0,56)
Кемеровская
Алтайский
край
Тюменская
Омская
Новосибирская
0,89
(0,63)
0,53
0,58
(0,57)
0,28
0,61
0,26
(0,46)
0,40
0,40
0,71
0,62
(0,59)
0,71
0,68
0,78
0,52
0,83
(0,70)
Согласно данным таблицы, характер динамики урожайности в
рассматриваемых областях Урала во многом сходен: коэффициент корреляции г равняется примерно 0,6—0,8. Некоторой спецификой отличается.
Свердловская область; здесь значение коэффициента связности динамики
вк наименьшее (0,66). Это соответствует тому, что большая часть Свердловской области находится в зоне достаточного увлажнения, Челябинской — недостаточного, а территория Курганской области в основном
относится к засушливой зоне.
Наибольшее подобие характера динамики урожайности (см.
табл. 3) наблюдается в Томской и Кемеровской областях (г = 0,89), наименьшее — в Тюменской области и Алтайском крае (г = 0,26). При этом
урожайность Тюменской области обладает заметной спецификой
(6 = 0,46), а самой типичной для Западной Сибири является динамика
Новосибирской области (0 = 0,70). Динамика урожайности зерновых
культур в соответствующих областях значимо коррелирует с динамикой
урожайности многих других сельскохозяйственных культур, в том числе
технических (0,40 < г < 0, 95) [3].
Колебания урожайности зерновых в регионе, как правило, соответствуют колебаниям основных факторов: тепла и влаги. В многолетнем
ходе температуры воздуха и осадков в теплый период отмечаются своеобразные цикличности. При скользящих осреднениях в рядах температуры заметны 10—12-летние циклы, преобладающие в лесостепных районах. Осадки имеют более сложную пространственно-временную структуру, чем температура. В зависимости от конкретной территории региона
продолжительность циклов осадков меняется в основном от 12 лет до
112
21 года. Для территории юга Западной Сибири также заметны двухтрехлетние и пяти-еемилетние циклы.
На всей рассматриваемой территории региона наблюдается в
многолетней тенденции рост температуры. Средняя температура вегетационного периода за 100 лет, согласно линейному тренду, возросла на
0,73 °С. Тренды осадков в разных пунктах наблюдения могут иметь как
положительный, так и отрицательный наклон. Увеличение осадков отмечается в направлении с юга на север. В прилегающих к Западной Сибири
районах Южного Урала в последние десятилетия отмечен небольшой
рост осадков (5—15 % нормы).
Годы с низкими показателями тепло- и влагообеспеченности в
основном совпадают с годами относительно невысоких урожаев яровых
зерновых культур. Вероятность недостаточных условий увлажнения
(ГТК < 1, St > 2) на рассматриваемой территории Западной Сибири меняется в широких пределах: от 7 % в районах Тюменской области, 15—20 %
в окрестностях городов Мариинска и Томска до 36—40 % в районах
Новосибирской и Омской областей. В Барабинском районе низкая влагообеспеченность отмечается в половине числа анализируемых лет. В
прилегающих районах Урала вероятность засух средней интенсивности в
теплый период равняется в основном 35—40 %.
В заключение заметим, что вероятность низких урожаев в любой
области региона близка к вероятности недостаточного увлажнения,
однако первая ниже второй на 5—15 %, что обусловлено компенсационным эффектом культуры земледелия. Обеспечение устойчивых и высоких
урожаев возможно лишь при помощи оптимальной технологии возделывания, учитывающей специфику агроклиматических ресурсов конкретных
территорий.
СПИСОК ЛИТЕРАТУРЫ
1. Г у л я е в а Н. В. Засухи на Южном Урале и их влияние на состояние природных комплексов и урожайность зерновых культур // Охрана природы и природопользование на Урале: Сб. науч. трудов. — Уфа, 1987. — С. 83—89.
2. Д ы м а р ч у к Г. А. Методы агрометеорологических прогнозов урожайности и
валового сбора всех зерновых и зернобобовых культур для областей и края Западной
Сибири // Труды ЗапСибРНИГМИ. — 1987. — Вып. 78. — С. 47—56.
3. К о с т ю к о в В. В., Ч е р н и к о в а М. И. Оценка изменчивости агроклиматических ресурсов юга Западной Сибири//Метеорология и гидрология. — 1997. — № 1 1 . —
С. 108—114.
113
4. П о г о с я н X. П., П а в л о в с к а я А. А. Аномалии атмосферной циркуляции,
приземного давления и температуры в связи с квазидвухлетней цикличностью. — JL:
Гидрометеоиздат, 1977. — 78 с.
5. У с т и н о в а H. В. Зависимость урожайности всех зерновых и зернобобовых
культур от агрометеорологических условий в Свердловской, Челябинской и Курганской
областях // Труды ЗапСибРНИГМИ. — 1987. — Вып. 78. — С. 31—36.
6. Ч е р н и к о в а М. И., К у х а р с к а я В. JI. Исследование ресурсов климата Западной Сибири на период до 2000 г. для сельского хозяйства // Труды ЗапСибРНИГМИ. —
1980. — Вып. 44. — С. 78—98.
7. Ч е р н и к о в а М. И. Оценка потенциальных агроклиматических ресурсов Западной Сибири для программирования урожаев ранних яровых зерновых культур (яровая
пшеница, овес, ячмень) // Труды ЗапСибНИИ. — 1985. — Вып. 71. — С. 22—33.
114
В, Г. Токарев
М Е Т О Д ПРОГНОЗА ЗАМОРОЗКОВ П О Д Н Я М
ПЕНТАДЫ ДЛЯ ЮГА КРАСНОЯРСКОГО КРАЯ
Для прогноза заморозков использованы гидродинамические прогнозы ЕЦССП геопотенциала Н500, атмосферного давления на уровне
моря и температуры на уровне 850 гПа. Эти прогнозы даются с заблаговременностью 24—144 ч на 12 ч СГВ для точек широты и долготы,
кратных 5 с шагом по времени в одни сутки. Нами были выбраны восемь
ближайших точек на юге Красноярского края, для которых определяются
прогностические значения Н500, Р0> Tt5о (см. рисунок).
Исследование условий возникновения заморозков
Исследование условий возникновения заморозков в южных районах Красноярского края проводилось по 80 случаям (дням) в период с
середины мая до середины сентября 1976—1980 гг. Атмосферные процессы изучались с привлечением приземных карт погоды и карт барической топографии. Типичной ситуацией при заморозках явилось сочетание
ложбины или очага относительно холодного воздуха в нижней тропосфере с барическим гребнем или ядром у земли. Приземные барические
градиенты были при этом незначительны. В средней тропосфере (Я500)
при заморозках типичным является северо-западный перенос воздушных
масс (57 % всех случаев). В 25 % случаев наблюдался западный перенос,
по 7 % случаев — северный и юго-западный, остальные 4 % включают
ситуации с неустойчивым переносом.
Для количественного представления параметров атмосферных
процессов при заморозках с аэросиноптических карт снимались значения
#5оо, Ро и Tgsо по восьми представленным на рисунке точкам географической сети за 12 ч СГВ. Рабочая гипотеза при этом была следующей:
именно по этим точкам и за тот же срок имеются оперативные прогностические значения указанных параметров в гидродинамических прогнозах ЕЦССП. Сравнивая прогностические значения параметров с архивными при заморозках, можно решать вопрос о вероятности заморозков в
предстоящие дни.
115
Расположение пунктов прогноза заморозков и узлов сетки.
1 —пункты, для которых рассчитываются прогнозы заморозков; 2—точки, в которых берутся
прогностические значения Н5ю, Ро, Тюо.
Пороговые значения параметров атмосферных
процессов при заморозках
Первоначально на этом этапе исследования выбиралось пороговое значение температуры определяемой по Т^о воздушной массы, при
которой возможны заморозки. Для этого рассматривались значения Г850,
снятые по восьми точкам географической сети. Оказалось, что для изучаемой территории заморозки возможны при Г850 = +5 °С и ниже. Поэтому предполагалось, что если из восьми точек хотя бы на одной Г850 со116
ставляет +5 °С или ниже, то заморозки возможны. Однако при Г850,
равной +5 °С, вероятность заморозков очень мала (~ 0,2 %). Поэтому
пороговым значением по Г850 для территории юга Красноярского края
было установлено +4 °С. Считалось, что если прогностическое значение
Г850 на какой-либо из восьми точек равно +4 °С и ниже, то возможен
заморозок, если это значение выше +4 °С, то заморозок невозможен.
Анализ показал, что заморозки на изучаемой территории наблюдаются, если атмосферное давление у земли Р0 в точке 1 выше, чем в
других точках. Это свидетельствует о ситуации, связанной с передней
частью антициклона или гребня. При противоположной ситуации заморозки маловероятны. Обычно в точке 1 значение Р0 выше 1000 гПа, и
только в одном случае из 80 Р0 было ниже 1000 гПа. При этом в точке 2
Ро было ниже, чем в точке 1. Исходя из этих фактов, было установлено
следующее условие наличия (отсутствия) заморозка по Р0: если в точке 1
Р0 < 1000 гПа и при этом оно меньше, чем в точке 2, то заморозка не
будет. Это условие можно интерпретировать следующим образом: если
вечером (срок 12 ч СГВ для рассматриваемой территории) на юг Красноярского края распространяется циклоническое образование с юго-запада,
то в предстоящую ночь заморозка не будет.
Далее при установлении пороговых значений по градиентам Р0
рассматривалась разность значений Р0 в точках 3 и 6. Максимальная
разность этих значений при заморозках составляла 11 гПа (2 случая).
Таким и было установлено пороговое значение по данному параметру.
Следовательно, предполагалось, что если эта величина более 11 гПа, то
заморозка не будет, в противном случае заморозки возможны.
Кроме этого, по градиентам Р0 устанавливалось еще одно условие наличия (отсутствия) заморозка. Здесь ход рассуждений был таким:
ситуации с заморозками должны иметь между собой большее сходство,
чем с любой ситуацией без заморозка. Можно попытаться установить
пороговое значение по сходству полей градиентов Р0 какой-либо текущей
ситуации с ситуациями из архива. Для реализации этой идеи были рассчитаны градиенты (разности) Р0 между всеми точками как в широтном,
так и в меридиональном направлениях. Кроме того, для упрощения
процесса вычисления рассчитывалась разность Р0 в точках 4 и 5. Всего
рассчитывалось 11 значений разностей Р0. Таким образом, был сформирован архив градиентов Р0 для всех 80 случаев с заморозками по югу
117
Красноярского края. Затем рассчитывалось сходство градиентов каждого
случая из архива со всеми другими случаями. Рассчитывался показатель
сходства по формуле:
11
/=11
где Q — показатель сходства; G — градиент, (разность) Р0; i —- номер
значения разности Р0 (i = 1, 11); к, т — номер случая в архиве
(к, т = 1 , 8 0 ) .
Для каждого случая выбиралось наименьшее из 80 случаев значение Q. При этом максимальное значение Q оказалось равным 3,64. При
значении Q более 3,0 вероятность заморозков очень мала, поэтому оно и
принято в качестве порогового. Это значит, что если какая-либо текущая
ситуация имеет сходство по критерию Q с какой-либо ситуацией из
архива и значение Q менее 3,0, то заморозок возможен, в противном
случае он считается невозможным.
Аналогичным образом было установлено пороговое значение с
использованием показателя Q для полей геопотенциала Н5оа. Только в
отличие от Р0 здесь использовались не градиенты Н500, а сами значения по
восьми точкам. Также по Н500 было установлено пороговое значение еще
по одному параметру. Он был введен из следующих соображений. Как
отмечалось, типичным при заморозках является северо-западный перенос
на уровне 500 гПа. Следовательно, при юго-восточном переносе заморозков не должно быть. Для определения порогового значения по направлению переноса определялась' разность значений Я50о в точках 1 и 8 для
всех случаев с заморозками. В большинстве случаев эта разность была
положительной, что указывает на северо-западный перенос, в нескольких
случаях разность была отрицательной; ее минимальное значение составило минус 11. Таким и было установлено пороговое значение по этому
параметру. Следовательно, если разность значений #50o в первой и восьмой точках больше минус 11, то заморозок возможен, если меньше, то
невозможен.
В заключение этого раздела необходимо отметить, что установленные пороговые значения относятся к заморозкам с середины мая до
середины сентября. В начале мая и в конце сентября эти значения будут
менее Информативны в связи с возможными более низкими температурами воздушной массы в эти периоды.
118
Описание схемы прогноза
В общем виде наметилась такая схема прогноза: с помощью пороговых значений параметров атмосферных процессов, определяемых по
прогностическим данным, устанавливается возможность (высокая вероятность) возникновения заморозка. Далее по архивному аналогу к прогнозируемой ситуации определяются пункты, в которых наблюдались
заморозки и их интенсивность.
Для повышения экономичности схемы прогноза при установлении возможности заморозка вначале использовались легко определяемые
пороговые значения: Г850, разности значений Р0 и Я5оо в разных точках.
Если при этом оказывалось, что заморозки возможны, то рассчитывался
показатель сходства полей градиентов Р0 и Н$00. Если с учетом пороговых
значений по показателю Q получалось, что заморозки возможны, то
дополнительно рассчитывался показатель сходства Q прогнозируемых
полей 7*850 по восьми точкам с полями Tgso при заморозках из архива.
Лучший аналог из архива выбирался по следующей схеме: по полям Т^о
выбиралось несколько (до пяти) лучших аналогов. Затем из них выбирался один аналог, имеющий наибольшее сходство с прогнозируемой ситуацией по полям градиентов Р0 и #50о- При определении степени аналогичности использовался показатель Q. Значения температуры воздуха и
почвы по пунктам в аналоге считались прогностическими.
Таблица
Сравнительные характеристики оправдываемости (%) методических
и синоптических прогнозов заморозков в градации СГЯ
Заблаговременность прогноза,
сут
1
2
3
4
5
1
2
3
Р
Ря
Методические прогнозы
53
73
52
75
86
77
73
45
64
68
Синоптические прогнозы
67
81
82
59
76
60
Рш
п.
Пш
90
88
88
82
90
82
75
63
45
75
69
75
94
82
84
86
92
83
65
76
63
87
84
84
Примечание. Р — общая оправдываемость прогнозов; Р„ — оправдываемость
прогнозов с явлением; Рвы — оправдываемость прогнозов без явления; П, — предупрежденность явления; П&я — предупрежденность случаев без явления.
119
Изложенный метод прогноза испытывалея в оперативных условиях в Красноярском УГМС в 1996 г. За май—июнь, август—сентябрь
было оценено 44 прогноза. Некоторые показатели оправдываемости этих
прогнозов, а также прогнозов, составленных синоптическим методом,
приведены в таблице. Их успешность признана удовлетворительной,
причем на первые трое суток методические прогнозы по некоторым
показателям оказались лучше синоптических. Отмечено, что успешность
методических прогнозов мало зависит от заблаговременности, тогда как
успешность синоптических прогнозов на вторые, третьи сутки заметно
ниже, чем на первые.
Метод принят как основной при составлении прогнозов на пять
суток по сельскохозяйственной зоне Красноярского края и республике
Хакасия.
120
М. Я. Здерева, Г. П. Торубарова
ВОЗМОЖНОСТЬ АВТОМАТИЗИРОВАННОГО
П Р О Г Н О З А В Е Т Р А С К О Р О С Т Ь Ю 25 М / С И Б О Л Е Е
НА СРЕДНИЕ СРОКИ
Разработка автоматизированного метода прогноза на 1—5 сут
штормового ветра скоростью выше 25 м/с явилась следующей стадией
работы после создания модели для прогноза ветра скоростью 15 м/с и
более [5, 6]. В имеющейся литературе нет сообщений о таких методах на
сроки более 48—72 ч; это первый опыт не только в нашей стране, но и за
рубежом. Модели, разработанные разными авторами для прогноза штормовых ветров даже с небольшой заблаговременностью, имеют недостаточную для потребителя успешность [1, 2, 4, 7]. Все это подтверждает
сложность поставленной задачи: на фоне общих причин, вызывающих
усиление ветра, определить границу его перехода в категорию повышенной опасности.
К прогнозу редких природных событий существуют разные методологические подходы: эмпирический, статистический, гидродинамический. Каждый имеет недостатки, поэтому выбор методов зависит в
основном от масштабов территории и заблаговременности предсказания
[9]. В предложенном автором методе заложена эмпирико-статистическая
интерпретация гидродинамической продукции ЕЦСПП. Идея состояла в
представлении любой синоптической ситуации, выраженной в данных
геопотенциала и температуры, в виде числовой характеристики, отражающей вероятность усиления ветра и дающей возможность выделения
классов с наличием явления. Получение такой характеристики в каждом
районе рассматриваемой территории и составляло главную задачу исследования.
Объект разработки представляли используемые ранее в методе
прогноза ветра скоростью 15 м/с и более 40 районов Урало-Сибирского
региона. Анализ условий возникновения сильного ветра производился на
фактической архивной информации за 1976—1990 гг. полей PQ, Я5оо, 7850
и температуры воздуха у земли в узлах сетки 5 х 5°. В качестве предиктанта были данные о порывах ветра свыше 14 м/с. На рисунке показан
пример отдельно взятого условного района, точками обозначены узлы
сетки, m(i, j) — центр привязки данных.
121
Условный регион в географической сетке.
m(i,j>
т
Условия для сильного ветра выявлялись с помощью серии предикторов:
1) Fx=Fu-F^j\
(1)
Fy~ Fij+i-Fij,
(2)
AF = F, + ij + Fj-ij + Fjj-^1 + Fij-\ - 4 Fjj\
grad F = J f [ + f J , •
(3)
(4)
где вместо F подставлялись значения P0, #50о, Tgso',
2) отклонение геопотенциала на АТ5(Ю от климатического значения
ПВФЗ(Л0:
8Н=Ни.м;
(5)
3) температурные показатели устойчивости (неустойчивости) атмосферы:
Lmin Ттт— Ts50;
(6)
^max ~ ?тах~ ^850>
(7)
где Гт!п и Г тах — минимальная и максимальная температуры воздуха у
земли;
4) комплексная характеристика адвекции на уровне АТ850:
ADs50 = Т^ОхЩзОу + Т%50уН$50х1
(8)
5) предложенная в [1] функция ветра:
F 15 = а, Рх + а2 Ру + аъ АР + д4 5Р, + а 5 Я500 х + а6 Н500у +
+ a7HBsox + а$ HS5Qy + a9ADS50;
(9)
где ah аъ... а9 — коэффициенты парной корреляции данного члена со
скоростью ветра;
I
122
6) для всех предикторов рассматривались их суточные изменения:
8
=
(10)
§ i v — F, + 24 —Ft-
(11)
Выбор информативных предикторов для случаев с ветром скоростью более 25 м/с и получение определяющей количественной характеристики производился по двум вариантам.
Вариант 1
Наиболее наглядной характеристикой какого-то набора данных
является его среднее значение. По каждому предиктору были получены
выборочные средние для трех классов по скорости ветра (V): класс 1 —
V< 15 м/с; класс 2 — 15 м/с < К< 22 м/с; класс 3 — V > 22 м/с. Если из
трех средних можно построить какую-либо возрастающую или убывающую функцию, то данный предиктор считался информативным для
прогноза усиления ветра. Степень достоверности количественно определялась с помощью критерия Стьюдента [3]:
(12)
t -
Он показывает значимость различия средних (Хх, Х2) двух независимых выборок с числом членов Ni и N2 (Si и S2 — их средние квадратические отклонения). По величине t для каждого района территории
предикторы можно расположить в порядке их значимости для рассматриваемого явления.
На следующем шаге были определены предельные значения отобранных предикторов для случаев скорости ветра свыше 22 м/с. Это
важное звено в методике, так как от корректности решения данной задачи
зависят дальнейшие результаты прогноза. В первом приближении можно
сориентироваться на средние значения предикторов
для
класса
V>22 м/с. Однако реальные значения в этих случаях имеют разброс,
иногда довольно большой. Поэтому пороговые границы предикторов
определялись не одной предельной величиной, а были разбиты на градации, число которых колеблется от нуля до четырех для разных предикторов. При этом номер градации присваивался по мере возрастания вероят123
ности случившегося события. В табл. 1 приведен пример такой разбивки
по grad Р 0 для центральных районов Западной Сибири. Сумма номеров
градаций по всем информативным предикторам (S) и является определяющей величиной для констатации факта наличия или отсутствия опасного явления. Пороговые значения этой характеристики определялись
соотношением оправдываемости и предупрежденности таким образом,
чтобы они были примерно равны, а их сумма максимальна. Установлено,
что для большинства районов исследуемой территории при 10 < S < 15
стихийный ветер наблюдается местами, а при S > 15 — на большей части
района. Таким образом, прогноз данного явления сводится к нахождению
S по исходной гидродинамической продукции и проверке его значения
относительно пороговых.
Таблица 1
Градации значений grad Р для прогноза сильного ветра
Номер градации
0
1
2
3
4
Значения grad Р
<10
10—14
15 — 19
20 — 24
>25
Вариант 2
Второй вариант наряду с одинаковым подходом к прогнозу явления отличается в стадии выбора информативных предикторов и их предельных значений. Для этой цели был разработан специальный алгоритм,
по которому вышеназванная задача решалась автоматически для каждого
района. Суть алгоритма состоит в следующем:
1) определяются границы значений предикторов (минимальное и максимальное) в каждой выборке;
2) значения делятся на десять равномерных градаций;
3) в каждой градации определяется отношение
Nj_
=
Ni
ш о % )
/ = 1;
)10;
(13)
па
где пп — число попаданий значений предикторов в i-ю градацию в выборке с V> 22 м/с; па—то же в выборке с V< 22 м/с; Nh N2 — выборки!
Если величина Р, равна нулю во всех градациях, то данный предиктор автоматически не является информативным. Чем больше его
значение, тем больше вероятность ураганного ветра. В случаях, когда
0, а п,2 - 0, Pj кодируется максимальным значением, равным 100.
124
Таким образом, определяя Р, по всем перечисленным в начале
статьи предикторам, мы получаем две характеристики: сумму всех значений Pi (Spj и число предикторов, при которых Р, > 0 (Np). Опыт показал,
что для определения ситуации с сильным ветром вторая величина (Np)
является более значимой, чем первая. Для большинства районов исследуемой территории ветер >22 м/с возникает при Np> 2, хотя в каждом
районе это определялось эмпирически. В случаях, когда штормовой ветер
охватывает большие пространства, показательным является сочетание Sp
и Np, при этом Np>6,a.Sp> 200.
Таким образом, во втором варианте автоматически и более точно
учитываются особенности возникновения усиленного ветра на какой-то
территории. Прогноз также сводится к определению по исходной информации Sp и Np и их анализу.
Первый вариант был применен для прогнозов в холодный период
(с ноября по март), второй — для остального времени года. Испытания
метода начались с 1995 г. Для холодного периода уже прошли авторские
и оперативные проверки, метод частично внедрен в оперативную работу;
для теплого — завершены авторские испытания. Для районов Уральского, Обь-Иртышского и Средне-Сибирского УГМС получить надежную
оценку прогноза данного явления не удалось, поскольку в испытываемый
период оно наблюдалось крайне редко, а в некоторых местах и вовсе
отсутствовало. Тем не менее в качестве положительного можно отметить
тот факт, что и в прогнозе ветер скоростью свыше 25 м/с в этом
периоде получался также редко. Наибольшая повторяемость этого события отмечается в некоторых районах Алтая и Новосибирской области, по
прогнозам для этой территории можно составить представление о методе.
При анализе результатов стало понятно, что имеет смысл от прогноза по районам перейти к прогнозам по административным областям,
поскольку уловить районную конкретизацию явления в используемой
пятиградусной сетке нереально. Такие прогнозы были сравнены с синоптическими и с прогнозами по методу В. М. Ярковой [8] (табл. 2, 3). Как
следует из табл. 2 и 3, оправдываемость и предупрежденность испытываемого метода на первые сутки примерно вдвое выше, чем по методу [8],
но уступает уровню синоптических прогнозов. Число прогнозов наличия
125
явления у синоптиков уже при переходе на вторые сутки сокращается в
два раза, что, естественно, ведет к снижению предупрежденное™, на
вторую ночь качество методов выравнивается, но далее методический
опять уступает. Из табл. 4, в которой приведены оценки прогнозов категории с наличием ветра скоростью 25 м/с и более в теплый период 1995—
1997 гг. в Алтайском крае, следует, что устойчивый и удовлетворительный результат получился только на первые сутки. Самыми плохими
оказались прогнозы на пятые сутки, когда указания на факт явления
получались крайне редко, а во многих районах и вовсе отсутствовали. Это
в первую очередь говорит о неустойчивой оправдываемости исходных
прогнозов барических полей, поскольку блок интерпретации их один и
тот же от срока к сроку. В ходе исследований для нескольких наиболее
неудачных прогнозов в холодный период года проводился подробный
анализ, который действительно подтвердил наличие больших различий
между фактическими и прогностическими барическими полями в этих
случаях. Проводились также перерасчеты прогноза ветра по этой же
модели, но с заменой исходных прогностических полей на фактические,
результаты при этом имели положительный скачок.
Таблица 2
Сравнительные оценки оправдываемости (О) и предупрежденное™ (П)
прогнозов класса наличии ветра скоростью 25 м/с и более по территории
Западно-Сибирского УГМС испытываемого (числитель) и синоптического
(знаменатель) методов за 1996-97 г. (холодный период)
Ночь
Сутки
1
2
3
День
число
прогнозов
19
26
15
13
0%
10
15
Ночь
О%
60
67
63
69
число
прогнозов
9
22
7
11
45
67
11
И
64
73
67
68
57
68
126
число
явлений
11
11
13
День
П%
13
45
73
38
38
число
явлений
16
16
17
17 •
13
13
23
46
20
20
10
20
Я%
25
44
6
24
Таблица 3
Сравнительная оценка прогнозов класса наличия ветра скоростью 25 м/с и более
по территории ЗСУГМС на первые сутки за 1996-97 г. (холодный период)
Прогноз
Методический
По методу
Ярковой [8]
Синоптический
Ночь
число
прогнозов
0%
День
число
прогнозов
Ночь
О % число
явлений
День
П%
число
явлений
ГТ%
19
7
60
29
9
3
67
33
9
9
56
22
16
16
25
6
24
67
18
72
9
78
16
31
Таблица 4
Оценки прогнозов наличия ветра скоростью 25 м/с и более
в Алтайском крае (апрель—октябрь 1995—1997 гг.)
Заблаговременность, сут
1
2
3
4
5
Число
прогнозов
18
8
12
10
3
Оправдываемость
прогнозов
72
50
50
70
33
Число
явлений
15
9
13
13
10
Предупрежденность
87
44
46
54
10
Приобретенный в процессе исследования опыт и анализ полученных результатов позволили сделать следующие выводы.
1. Для работы над улучшением качества прогнозов недостает
точных фактических данных наблюдений. Это особенно необходимо при
исследованиях, связанных с опасными редкими и локальными явлениями.
При существующей частоте сети наблюдений подобные явления иногда
просто не фиксируются, что приводит к ошибкам как в самой модели, так
и в ее оценке.
2. Предложенный методический подход способен уловить усиление ветра, связанное в основном с увеличением барических градиентов.
Шквалы и локально возникающие порывы ветра из-за рельефных особенностей местности данным методом спрогнозировать невозможно.
3. Преимущество метода состоит в том, что авторскую модель
можно подключать к любой гидродинамической схеме, рассчитывающей
барические поля и температуру. Модель не имеет жестких границ для
периода заблаговременности. Недостатком является зависимость результатов модели от качества исходных прогнозов, которое при больших
127
скоростях синоптических процессов ухудшается [4]. С уменьшением
ошибок в прогнозируемых полях эффективность разработанного метода
возрастет.
4. Данные базовых прогнозов в нашем случае располагались в
узлах пятиградусной сетки. Это является недостатком для прогнозов
подобных опасных явлений, поскольку чаще всего они характеризуются
локальностью. В перспективе необходимо использовать схемы с более
мелкой сеткой.
СПИСОК ЛИТЕРАТУРЫ
1. Морозова Э. А. Синоптико-физико-статистический способ прогноза скорости ветра на юго-востОкё Западной Сибири // Труды ЗСРНИГМИ. — 1978. — Вып. 36. —
С. 14—27.
2. Никольская Н. А. Синоптико-стахистический способ прогноза ураганных
скоростей ветра в Северной Атлантике//Труды ГМЦ СССР.—1971. — Вып. 80. — С. 81-—
88.
3. Пановский Г. А., Брайер Г. В. Статистические методы в метеорологии. —
Л: Гидрометеоиздат, 1967. — 242 с.
4. Переходцева Э. В., Снитковский А. И., Устинова Г. П. Исследование
сильного ветра с помощью дискриминантного и регрессионного анализов и возможность
использования прогностических схем давления для прогноза ветра // Труды ГМЦ СССР. —
1977.—Вып. 185.— С. 3—23.
5. Прокопьева И. П., Здерева М. Я. Модель прогноза сильных ветров на пентаду с детализацией по полусуткам // Труды СибНИГМИ. — 1996. — Вып. 102.
6. Разработать методы прогноза стихийных и опасных явлений на 1—5 суток
по территории Урало-Сибирского региона. Раздел: прогноз сильного (>15 м/с) ветра на 1—
5 суток, детализированный по полусуткам для территории Урала и Сибири: Отчет о НИР
(промежуточный)/ ЗапСибНИГМИ Госкомгидромета; Руководитель М. Я. Здерева. — Тема
9.2.23 РЗ; № ГР 01940001672; инв. № 02960004269. — Новосибирск, 1996. — 44 с.
7. Хмелева А. В. К прогнозу летних сильных осадков и ветра на европейской
части СССР // Труды ГМЦ СССР. — 1990. — Вып. 308. — С. 59—67.
8. Яркова В. М. Сильные ветры на юго-востоке Западной Сибири и методика их
прогнозирования // Труды ЗСРНИГМИ. — 1977. — Вып. 30. — С. 43—46.
9. Tetzlaff G. Methods to predict severe weather // International IDNDR-Conference
on Early Warning Systems for the Reduction of Natural Disasters. Programme and abstracts.
Potsdam. Germany, 1998. — P. 60—61.
128
А. А. Фоменко
ЧИСЛЕННАЯ МОДЕЛЬ КРАТКОСРОЧНОГО ПРОГНОЗА
МЕТЕОЭЛЕМЕНТОВ ДЛЯ ЗАПАДНО-СИБИРСКОГО РЕГИОНА
Глобальные модели динамики атмосферы широко используются
для прогноза погоды, исследований влияния внешних факторов на климатические вариации различных временных масштабов, для изучения
обратного влияния подстилающей поверхности, покрытой льдами или
растительностью, на атмосферу. Однако их применение имеет ряд ограничений. К ним относятся неадекватность описания подсеточных физических процессов (облачности, осадков, турбулентных потоков в пограничном слое и т. д.), которые оказывают сильное влияние на мезомасштабные процессы, грубое разрешение пространственной разностной сетки,
грубый учет особенностей подстилающей поверхности. Одним из путей,
который позволяет минимизировать отрицательные последствия двух
последних причин, является использование региональных моделей.
Пространственное разрешение в региональных моделях увеличивается
так, чтобы можно было явно описать мезомасштабные явления и характер
особенностей подстилающей поверхности региона. На боковых границах
в качестве краевых условий используются результаты моделирования
атмосферы с помощью моделей, имеющих более низкое пространственное разрешение.
В данной работе основное внимание при построении региональной модели динамики атмосферы было уделено совершенствованию
параметризаций физических процессов подсеточных масштабов, в частности, процессов взаимодействия атмосферы с подстилающей поверхностью. Такая постановка вопроса обусловлена интересами, связанными с
изучением влияния на атмосферу специфических особенностей ландшафта Сибири, таких как большие лесные массивы, огромные пространства
болот и тундры.
Параметризация процессов взаимодействия поверхности земли и
атмосферы является одной из важнейших частей разработки атмосферных моделей. К настоящему времени существует большое количество
работ, посвященных этой проблеме, с описанием схем параметризаций и
достаточно полным учетом важнейших аспектов взаимодействия (см.,
например, [4—7]).
129
В данной работе приведена модель динамики атмосферы для Сибирского региона, разработанная в Институте вычислительной математики и математической геофизики СО РАН, с новой схемой параметризаций
поверхностных процессов [3], которая является существенным развитием
схемы, используемой в более ранних версиях модели прогноза погоды
[2]. Работа выполнена в связи с заказом Западно-Сибирского УГМС для
обеспечения нужд оперативной практики.
Региональная модель атмосферы
Региональная модель атмосферы является составной частью оперативной технологической линии гидродинамического прогноза погоды
Западно-Сибирского УГМС „Регион" [2]. Результаты математического
моделирования на основе модели „Регион" позволяют в целом получить
качественно верную картину распределения основных атмосферных
характеристик [2]. Однако, поскольку данная модель имеет горизонтальное пространственное разрешение 1,66 х 1,25°, это не позволяет изучать
детально тонкую структуру процессов и явлений погоды. Поэтому была
разработана региональная модель динамики атмосферы, имеющая пространственное разрешение 5/6 х 5/12°, что в средних широтах дает почти
квадратную ячейку интегрирования с горизонтальным разрешением
около 46 км в районе Новосибирска. Количество и положение вертикальных уровней совпадают с моделью „Регион". Рельеф получен осреднением из данных с 5-минутным пространственным разрешением, любезно
предоставленных И. В. Тросниковым. Область интегрирования составляет сферический прямоугольник 55—108,5° в. д. и 45—75° с. ш., что
приблизительно соответствует территории „кольцовки" (карта МПК-303).
Выбор области интегрирования обусловлен требованиями оперативной практики. В целом математическая реализация новой модели
технологически мало отличается от оперативной. В качестве боковых
граничных условий задаются значения эволюционных переменных на
границах области, полученные из оперативной модели с помощью интерполяции на более мелкую сетку. В процессе интегрирования возможна
генерация „паразитарных" коротких волн в результате ложного отражения на границе в области вытекания потока. Для решения этой проблемы
используется релаксационный метод усвоения краевых условий Дэвиса
[6]. В разработанной модели предусмотрен блок переноса примесей в
атмосфере на основе полулагранжева метода.
130
Исходные поля метеоэлементов формируются системой первичной обработки и контроля данных, функционирующей в региональном
центре обработки данных ЗапСибРВЦ, и системой двумерного одноэлементного объективного анализа, основанного на методе оптимальной
интерполяции. В данных системах анализируется синоптическая и аэрологическая информация станций северного полушария, поступающая в
РСМД Новосибирск. В качестве первого приближения используются 12часовые прогнозы по базовой модели „Регион". Согласованные начальные данные получаются с помощью процедуры нелинейной инициализации по нормальным модам на ограниченной территории [ Г].
Параметризация основных физических
процессов на поверхности
В данной модели в отличие от модели, представленной в [2], разработана новая версия параметризации деятельного слоя суши [3] с
учетом наличия растительного покрова, снега, процессов в верхнем
почвенном слое. Принимаются во внимание процессы поступления влаги
в твердом и жидком виде, таяния, фильтрации влаги в глубь почвы,
поверхностного стока, перехват осадков растительным покровом. На
каждом шаге по времени рассчитываются температура поверхности
почвы и в глубине на четырех уровнях, турбулентный поток тепла от
поверхности, поток тепла в глубь почвы, влажность на поверхности
почвы и в поверхностном слое, поток влаги от поверхности (см. рисунок).
В модели используется одноуровенное представление растительного покрова, который стягивается в пленку, прилегающую к почве.
Влагосодержание поверхностного слоя определяется с учетом осадков,
испарения, процессов таяния. Турбулентный поток влаги вычисляется по
данным о влажности на поверхности почвы и ближайшем расчетном
уровне. В модели рассчитывается суммарное поступление влаги от поверхностного слоя, состоящее из потока влаги от заснеженной поверхности, турбулентных потоков влаги от растительного покрова, оголенной
почвы и транспирации. С учетом тепла, выделяемого при таянии снега,
проводится пересчет приземной температуры и толщины снежного
покрова. На каждом шаге рассчитывается влагосодержание поверхностного слоя, сток влаги на поверхности, ее фильтрация в глубь почвы.
Система почва — растительность — атмосфера схематично
представлена на рисунке. Внешние по отношению к данной системе
131
^s
Is
i
SN
1
/ / /
^з ф
t
TSN
/
f
Ws
r
Щ
ъ
Тг
'
Ъ
—
Ъ
Тл
,
Схема представления системы почва—растительность — атмосфера
для построения модели взаимодействия атмосферы с деятельным
слоем почвы.
Ws — влажность на поверхности почвы; FT;—влагосодержание поверхностного
слоя почвы; 1т, —турбулентные потоки тепла и влаги соответственно; SN—
глубина снежного покрова; T\,...Tci—температура расчетных слоев на почве;
В, — поток тепла в почву.
параметры: температура и влажность воздуха, скорость ветра, осадки,
прямая (Is), рассеянная '(&) радиация, противоизлучение атмосферы Е3ф,
температура на нижней границе расчетного слоя почвы Td. Детально в
виде математических формул и их реализации модель описана в [3].
Результаты авторских испытаний
Представленная модель позволяет прогнозировать ряд дополнительных характеристик по сравнению с оперативной, таких, например,
как температура и влажность деятельного слоя почвы (естественно осредненных по соответствующему масштабу). Однако следует заметить,
что для их успешного воспроизведения необходим как минимум анализ
температуры и влажности почвы, что в настоящее время отсутствует в
оперативной практике. Но поскольку разработанная модель рассчитана на
перспективу, то ее излишняя детализация является оправданной.
132
Авторская проверка осуществлялась на материале сентября—декабря 1998 г. Результаты авторских испытаний прогноза метеорологических величин на сутки представлены в таблице. Коэффициент корреляции
тенденций геопотенциала изменяется от 80 до 99 %, средняя абсолютная
ошибка от 0,9 до 9,0 дкм в зависимости от уровня стандартной изобарической поверхности. Необходимо отметить, что в среднем за срок проведения испытаний оценки практически не отличаются от оценок, полученных по оперативной модели. Это вполне объяснимо, так как при отсутствии данных наблюдений (количество реально поступающих аэрологических данных со станций Западной Сибири составляет всего 10—15)
нельзя ждать улучшения статистических оценок только за счет улучшения модели.
В настоящее время модель проходит оперативные испытания в
ЗапСибУГМС.
Таблица
Оправдываемость прогнозов полей давления, приведенного к уровню моря,
и полей геопотенциала на стандартных изобарических поверхностях
Статистическая
характеристика
Ps.
Относительная ошибка прогноза
Коэффициент корреляции тенденций, %
Средняя абсолютная ошибка прогноза, дкм
4,6
94
2,9
1000
Р гПа
850
700
500
200
4,1
94,5
1,7
4,2
93,8
1,7
4,9
91,2
1,9
7,6
86,3
2,8
4,7
93,2
1,7
В представленном варианте региональной модели атмосферы с
повышенным пространственным разрешением и усовершенствованной
схемой параметризации деятельного слоя суши осуществлен достаточно
полный учет физических факторов для оценки эффектов взаимодействия
атмосферы с подстилающей поверхностью. Схема параметризации процессов тепло- и влагопереноса в деятельном слое суши учитывает их
нелинейность, нестационарность, особенности растительного покрова и
гидрологию. Результаты, полученные при численном моделировании,
позволили получить более тонкую региональную структуру распределения рассчитываемых характеристик. Помимо этого, использование новой
схемы параметризации дает возможность воспроизведения ряда характеристик, которые не рассчитывались в оперативной модели, таких как
температура и влагосодержание почвы, сток влаги и фильтрация влаги в
почву.
133
СПИСОК ЛИТЕРАТУРЫ
1. Виноградова М. В., Фоменко А. А. Нелинейная инициализация по нормальным модам на ограниченной территории // Метеорология и гидрология. — 1995. — № 2.
— С. 16—25.
2. Виноградова М. В. и др. Численный краткосрочный прогноз метеорологических величин на ограниченной территории // Метеорология и гидрология. — 1995. —
№2, —С. 5—15.
3. Крупчатников В. Н., Янцен А. Г. Параметризация процессов взаимодействия атмосферы и поверхности земли в модели общей циркуляции (ECSib). Препринт. —
Новосибирск: ВЦ СО РАН. — 1994. — № 1013. — 15 с.
4. Blondin С., Bottger Н. The surface and sub-surface parameterization scheme in
the ECMWF forecasting system. Revision and operational assessment of weather elements //
ECMWF Tech. Memo. 135. — 1987. — 48 p.
5. Choudhury B. J., Monteith J. L. A four-layer model for the heat budget of homogeneous land surfaces // Quart. J. Roy. Meteorol. Soc. — 1988. — V. 114. — P. 373—398.
6. Davies H. C. A lateral boundary formulation for multi-level prediction model //
Quart. J. Roy. Meteorol. Soc. — 1976. — V. 102. — P. 405-^*18.
7. Dickinson R. E. Modeling evapotranspiration for three-dimensional global climate models // Climate Processes and Climate Sensitivity, Geopys. Mon., J. E. Hansen, ed. —
1984. — V. 29. — P. 58—72.
8. Sellers P. J., Mintz Y., Sud Y. C., Dalcher A. A simple biosphere model (Sib)
for use within General Circulation Models // J. Atmos. Sci. — 1986. — V. 43. — P. 505—531.
134
Д. А. Бураков, Е. П. Ковшова
ПРОГНОЗ ЭЛЕМЕНТОВ ЗИМНЕГО РЕЖИМА
РЕКИ ЕНИСЕЙ НА УЧАСТКАХ ПЕРЕМЕЩЕНИЯ
К Р О М К И ЛЕДОСТАВА В Н И Ж Н И Х БЬЕФАХ
КРАСНОЯРСКОЙ И У С Т Ь - И Л И М С К О Й ГЭС
Сооружение Красноярской и Усть-Илимской ГЭС в значительной
мере повлияло на гидрологический режим Енисея и Ангары. В зимний
период в нижних бьефах этих ГЭС образуется протяженная полынья.
Ниже по течению в районе кромки ледостава из-за резкого сжатия русла
возникают подпорные явления, сопровождающиеся резкими подъемами
уровней воды (до 7—9 м), особенно значительными в условиях нестабильного режима ледообразования, вызванного изменением погодных
условий и сбросов ГЭС. Характерным явлением при замерзании Енисея
стали подвижки льда, они отмечаются в начальный период ледостава
(первые 5—10 дней). Со времени ввода в эксплуатацию Красноярской
ГЭС на Енисее и ряда ГЭС на Ангаре (Иркутской, Братской, УстьИлимской) отмечается ежегодное образование зажоров на участке среднего течения р. Енисей, в то время как в бытовых условиях повторяемость зажоров составляла: у с. Казачинское — 6 %, у г. Енисейска —
83 %, у с. Назимово — 42 %, у с. Ярцево — 25 % [7, 11]. Сдвинулись и
сроки образования зажоров: они стали появляться позднее — в декабре—
январе (февраль — участок Енисея от с. Казачинское до п. Павловщина),
тогда как до зарегулирования реки зажоры наблюдались в ноябре—
декабре. Максимальные зажорные уровни на участке р. Енисей от
Красноярской ГЭС до с. Ярцево стали более высокими. Так, у
с. Казачинское
отмечен максимальный
зажорный уровень
в
зарегулированных условиях — 717 см (1972 г.), в бытовых —• 346 см
(1936 г.); у г. Енисейска соответственно 1030 см (1984 г.) и 704 см
(1917 г.); у с. Назимово 910 см (1984 г.) и 405 см (1918 г.); у с. Ярцево
1036 см (1977 г.) и 716 см (1938 г.). Резкие подъемы уровней воды в
периоды подвижек кромки ледостава вызывают подтопления и
наводнения, приводящие к значительным ущербам.
До сих пор отсутствовали достаточно надежные методики прогноза высоких уровней воды, вызванных заторно-зажорными явлениями для
зарегулированных участков р. Енисей. В работах сотрудников ВЦ СО
135
РАН [1] рассмотрены математические модели термического и ледового
режима реки и выполнены вычислительные эксперименты динамики
длины полыньи для нижних бьефов существующих и проектируемых
ГЭС Сибири. Полученные при этом результаты имеют фундаментальное
значение и представляют практический интерес для обоснования проектов будущих ГЭС. Модели ВЦ СО РАН используют мощный аппарат
математической физики и вычислительной математики, они требуют
задания детальных исходных данных (начальные и граничные условия).
Из-за недостатка этих данных и неизбежных упрощений при физикоматематической постановке задачи возникает необходимость проведения
специальных исследований д ля доработки и внедрения моделей в прогностическую практику.
Вместе с тем, как показывает опыт, сравнительно простые физикостатистические модели, параметры которых определяются по данным
многолетних наблюдений, требуют значительно меньшего объема исходных данных и обеспечивают достаточно высокую точность. По этой
причине разработка „инженерных" моделей прогноза для рассматриваемых участков рек представляет практический и научный интерес. В их
основе — „сплав" гидрофизических и статистических подходов и методов.
Изменение режима Енисея за годы наполнения водохранилища
(1967—1970 гг.) и работы Красноярской ГЭС (после 1970 г.) рассмотрено в работах И. М. Чернова, И. Д. Поляковской, И. В. Космакова,
В. А. Коренькова и др. [3, 5,7, 11].
В отделе гидрологических прогнозов Средне-Сибирского УГМС
создан архив многолетних данных по ледовому режиму нижнего бьефа
Енисейского и Ангарского каскадов ГЭС, который используется в анализе текущей ситуации для разработки консультаций об ожидаемых сроках
установления ледостава и возможных подвижках льда. Специалистами
отдела выполнен анализ зимнего режима в нижних бьефах указанных
ГЭС.
Основными факторами, определяющими термический и ледовый
режим нижнего бьефа гидроэлектростанций, являются температура воды,
поступающей из водохранилища, режим попусков ГЭС, метеорологические условия осенне-зимнего переходного периода, а также теплые
промышленные и бытовые воды, сбрасываемые в нижний бьеф. Термический режим нижних бьефов в сочетании с режимом попусков ГЭС в
136
зимний период определяет условия образования как поверхностного, так
и внутриводного льда, а также процессов зажоро- и заторообразования.
Красноярским научно-исследовательским центром с целью разработки методик прогноза выполнены исследования взаимосвязи элементов
зимнего режима (сроков установления ледостава, подвижек льда и подъемов уровней воды) с гидрометеорологическими, ледово-термическими и
гидродинамическими характеристиками. В основу данного исследования
положены современные методы гидрофизических расчетов характеристик термического режима рек (теплообмен водной поверхности с атмосферой; расстояние до нулевой изотермы; расходы шуги и др.), а также
статистические приемы выявления прогностических зависимостей по
данным многолетних наблюдений.
Прогностические уравнения сроков установления ледостава и наступления подвижек льда в пунктах наблюдений получены методом
дискриминантного анализа с использованием таких предикторов, как
показатели режима температуры воды и воздуха, сбросы ГЭС и расстояние до нулевой изотермы. Это расстояние рассчитывается с использованием гидрофизических зависимостей [1, 8]. Дискриминантная функция,
оптимальным образом разделяющая множество предикторов на классы,
определяется соотношением:
D = а\Х\ + а2х2 +... + ади + ай.
(1)
Прямая в плоскости х\ и х2,...х„, заданная этим уравнением, при
D = 0 наилучшим образом разграничивает возможные ситуации на два
класса объектов. Если D > 0, то совокупность данных принадлежит к
одному классу (например, ледостав). Если D < 0, то к другому (например,
отсутствие ледостава). Отбор значимых предикторов осуществляется с
помощью ряда критериев: коэффициента канонической корреляции,
коэффициента Уилкса и др. [4, 9, 10]. Известна попытка применения
дискриминантного анализа с целью долгосрочного прогноза заторных
подъемов уровня воды (период вскрытия) для среднего течения р. Лены
[4].
На водный и ледово-термический режим р. Енисей ниже устья Ангары оказывают влияние сбросы воды Красноярской и Усть-Илимской
ГЭС; выше устья Ангары — только сбросы Красноярской ГЭС. Поэтому
по степени влияния сбросов ГЭС мы разделили р. Енисей условно на два
больших участка: выше и ниже устья р. Ангары. В качестве наиболее
значимых предикторов для краткосрочного прогноза сроков установле137
ния ледостава на участке Енисея от с. Казачинское до с. Атаманово
(выше устья Ангары) предлагаем учесть следующее: среднюю температуру воздуха за 5 сут до даты выпуска прогноза 0,_5; среднюю температуру
воздуха за 3 сут после даты выпуска прогноза 0,>/+з; температуру воды в
реке непосредственно ниже плотины ГЭС на дату выпуска прогноза Гвых;
средние сбросы Красноярской ГЭС за 3 сут после даты выпуска прогноза;
расстояние от створа нулевой изотермы до расчетного пункта на дату
выпуска прогноза (Ьй - L„). Все ситуации на участке реки делим на два
класса: класс 1 — ледостав (/ = 1), класс 2 — отсутствие ледостава (/"= 0).
Для с. Казачинское и п. Галанино были взяты температуры воздуха по
метеостанции Енисейск, для остальных пунктов — по метеостанции
Красноярск — опытное поле.
Дискриминантные функции имеют вид:
D, = 0,09 в,_5+ 0,08 е,,(+3 + 0,83 Г вьк + 0,0002Qu+3 + 1,4;
(2)
D2 = 0,08 9 ь 5 + 0,05 0,_г+3 + 0,51 Твш + 0,005 (I 0 - L„) + 1,68.
(3)
Если результаты расчета А и D2 по уравнениям (2), (3) оказываются меньше нуля — возможен ледостав в расчетном пункте; если они
больше нуля — отсутствие ледостава.
Прогноз даты ледостава дается только после его установления в
пункте, расположенном ниже по течению реки. Заблаговременность
прогноза даты ледостава равна заблаговременности прогноза погоды и
составляет 3—5 сут. Согласно действуюпщм нормам [2, 6], допустимая
погрешность для краткосрочного прогноза дат характерных явлений
водного и ледового режима составляет 1—2 сут при заблаговременности
прогноза 1—5 сут. Нами принята допустимая погрешность At = 0 ± 1 сут.
С учетом этого критерия оправдываемость явления (ледостава) по уравнению (2) составляет 87 %, по уравнению (3) — 92 %. Оправдываемость
отсутствия явления составляет 75 и 69 % соответственно. Для получения
прогностических зависимостей использован ряд наблюдений с 1970 по
1988 г. Проверка метода, выполненная на независимом материале 1988—
1992 гг., показала оправдываемость явления ледостава 75 и 100 % соответственно.
Физико-статистические зависимости дня прогноза даты подвижки
льда устанавливались с применением дискриминантного анализа наиболее значимых предикторов, обусловливающих подвижку льда. Ситуации
на участке реки делим на два класса: класс 1 — подвижка льда (f = 1),
138
класс 2 — отсутствие подвижки ( f = 0). По имеющимся данным (1970—
1990 гг.) были рассчитаны и составлены ряды предикторов. Необходимо
отметить, что мы располагали довольно коротким рядом случаев подвижек льда на исследуемом участке: за рассматриваемый период было
отмечено 7 случаев подвижки льда у с. Казачинское, 3 случая— у
п. Галанино, 3 случая — у п. Предивинск, 1 — у с . Павловщина, 2 —
у п. Кононово, 1 — у с . Атаманово. Для того чтобы увеличить различия
между двумя ситуациями (подвижка, отсутствие подвижки), в исследуемый массив были включены случаи, когда наблюдались условия, способствующие подвижке льда, но явление как таковое не наблюдалось: резкие
колебания температуры воздуха в первые 5—10 дней после установления
ледостава, повышенная водность в период замерзания, суточные и внутрисуточные колебания сбросов Красноярской ГЭС. Так как участок
р. Енисей от с. Казачинское до с. Атаманово отличается большой протяженностью (около 180 км) и по длине реки условия, приводящие к подвижкам льда, несколько различаются, мы получили отдельные зависимости для участка р. Енисей от с. Казачинское до п. Галанино (время добегания сбросов ГЭС до пункта т около 2,5 сут) и для участка реки от
п. Предивинск до с. Атаманово (т < 1 сут). Для с. Казачинское — п.
Галанино получена зависимость:
D = 0,0326м - 0,1246,,^3 + 0,19*2-0,15и + 0,001 dQ2 + 1,84.
(4)
Как видно из уравнения, наиболее значимыми предикторами, определяющими подвижку льда на вышеуказанном участке, являются:
средняя суточная температура воздуха за 3 сут до даты выпуска прогноза
6,_з; средняя суточная температура воздуха за 3 сут после выпуска прогноза 6, ,+3; средняя суточная температура на 2 сут после выпуска прогноза t2количество дней, прошедших от даты ледостава до даты выпуска прогноза и; разность между максимальным сбросом воды Красноярской ГЭС на
2 сут после выпуска прогноза и средним сбросом на дату выпуска прогноза dQz По уравнению (4) подвижка на участке возможна, если D > 0.
Если D < 0 — подвижки исключаются. Оправдываемость ситуации „подвижка льда" по уравнению (4) составила 100 %; оправдываемость случаев
отсутствия подвижки льда — 83 %. Проверка метода на независимом
материале 1989—1992 гг. дала оправдываемость 100 % для случаев
отсутствия подвижки льда у с. Казачинское на 30 декабря 1989 г.,
139
12 января и 29 декабря 1991 г., 5 января 1992 г. Были проверены случаи с
отсутствием подвижки, хотя на указанные даты складывалась ситуация,
способствующая подвижке: резкие изменения температуры воздуха и
водности. Подвижки льда, приводящие к резким подъемам уровня воды, с
1989 г. на этом участке реки не отмечались.
На водный и ледовый режим участка р. Енисей от п. Предивинск
до с. Атаманово оказывает влияние внутрисуточное регулирование
сбросов Красноярской ГЭС. С учетом выполненного качественного
анализа гидрометеорологических данных и классификации ситуаций в
системе „погода — попуски ГЭС — ледовый и уровенный режим нижнего бьефа", предлагаем для прогноза вероятности подвижки льда у пунктов
Предивинск, Павловщина, Атаманово, Кононово зависимость вида:
D = 0,230,_ 3 -0,25 e,,, + 3 -0,00ie w + 0,001dQ + 1,2,
(5)
где Qm — средний суточный сброс Красноярской ГЭС на дату ледостава,
dQ — внутрисуточное изменение сбросов ГЭС на следующие сутки после
выпуска прогноза. Если результаты расчета по уравнению (5) дают D > 0,
подвижка льда возможна, и наоборот, если D < 0, прогнозируется отсутствие подвижки. Оправдываемость прогнозов по уравнению (5) составляет 100 % для случаев наличия и отсутствия подвижки. Проверка метода
на независимом материале дала аналогичный результат.
На водный и ледово-термический режим р. Енисей ниже устья
р. Ангары оказывают влияние не только сбросы воды Красноярской ГЭС,
но и сбросы воды Усть-Илимской ГЭС для пунктов Ярцево, Назимово,
Енисейск, Стрелка. По этой причине в качестве факторов теплосодержания потока бьши рассчитаны средние сбросы этих ГЭС за разные периоды после даты выпуска прогноза (3 и 4 сут) и с учетом разного временем
добегания т до расчетных створов. Дискриминантный анализ показал, что
лучшими являются варианты при т от Красноярской ГЭС до п. Ярцево —
6 сут, до с. Назимово — 5 сут, до г. Енисейска — 4 сут, до п. Стрелка — 3 сут и т от Усть-Илимской ГЭС до п. Ярцево— 16 сут, до с. Назимово — 14 сут, до г. Енисейска — 12 сут, до п. Стрелка — 11 сут.
С учетом ситуации на участке реки ( f - 1 — ледостав, / = 0 — отсутствие ледостава) методом дискриминантного анализа наиболее значимых предикторов получены зависимости для краткосрочного прогноза
140
дат установления ледостава для участков реки Енисей ниже устья Ангары. Для С. Ярцево:
D = 0,117 6^5 + 0,175 e,i(+4 + 0,494Гвых - 0,\12п + 1,277;
(6)
для с. Назимово:
£> = 0,026 0,_5 + 0, 1679,i/+4- 0,0002Se u+4 + 0,305ГВЫХ~ 0,104и +
+ 3,097;
(7)
для г. Енисейска:
D = 0,089,-5+ 0,140,>(+4- 0,0006Eg, iff4 - 0,17ГВЫХ- 0,20и + 2,29;
(8)
для п. Стрелка:
D = 0,049,_5 + 0,129,,,+з - 0,0004 Щ,1+3 - 0,06ГВЫХ- 0,07и +5,02.
(9)
Здесь 0,_5 — средняя температура воздуха за 5 сут до даты выпуска
прогноза; 6Л,+4_ 0,i(+3 —средняя температура воздуха за 4,3 сут после даты
выпуска прогноза (включая дату выпуска прогноза); S6/./H ^Qt,t+з —
сумма средних сбросов Красноярской и Усть-Илимской ГЭС на дату
оправдываемости прогноза (с учетом времени добегания т до расчетного
створа от ГЭС); Гвых—температура воды непосредственно ниже плотины
Красноярской ГЭС на дату оправдываемости прогноза с учетом т до
расчетного створа; п — фактор, косвенным образом несущий информацию о теплосодержании потока и равный количеству дней, прошедших от
даты ледостава в нижележащем по течению реки пункте наблюдений до
даты выпуска прогноза. Для получения значений температуры воды
непосредственно ниже плотины необходимо данные наблюдений за
температурой воды Г на водпосту Дивногорск пересчитать по формуле
[4]:
Г вых =0,95Г+1,05.
(10)
Для прогноза ледостава у с. Ярцево и с. Назимово используем температуру воздуха по с. Ярцево, для прогноза ледостава у Енисейска и
п. Стрелка — по Енисейску.
Если результаты расчета по уравнениям (6) — (9) показывают
D < 0 — ледостав в расчетном створе возможен; если результат больше,
либо равен нулю (D > 0) — прогнозируем отсутствие ледостава. Прогноз
сроков установления ледостава дается после его установления в пункте,
141
расположенном ниже по течению. Так, прогноз для с. Ярцево дается
после установления ледостава в с. Ворогово; прогноз для с. Назимово —
после установления ледостава в с. Ярцево и т. д. Заблаговременность
прогноза даты ледостава для пунктов Ярцево, Назимово, Енисейск составляет 4 сут, для п. Стрелка — 3 сут. Допустимая погрешность прогноза At равна ±1 сут. Оправдываемость прогноза по уравнениям (6)—(9) для
явления ледостава составляет 90 % — с. Ярцево, 91 % — с. Назимово,
86 % — Ешсейск, 89 % — п. Стрелка. Оправдываемость прогноза отсутствия ледостава соответственно составляет 92, 86,90, 83 %.
Приведем пример использования одной из полученных зависимостей для прогноза сроков установления ледостава.
Пример. Проверить вероятность установления ледостава на
р.Енисей в районе п. Стрелка 18 декабря 1996 г. Заблаговременность
прогноза составляет 3 сут. Следовательно, прогноз необходимо выпустить 15 декабря 1996 г. На дату выпуска прогноза имеем следующие
исходные данные: средняя температура воздуха по Енисейску за 5 сут до
даты выпуска прогноза 0,_5 равна минус 23,9 °С; средняя температура
воздуха по Енисейску за 3 сут после даты выпуска прогноза (включая
дату выпуска прогноза) 0,_,+з равна минус 20,3 "С; сумма средних сбросов
Красноярской и Усть-Илимской ГЭС на 18 декабря с учетом времени
добегания от названных ГЭС до п. Стрелка Е6/./+з составляет 5160 м3/с;
температура воды по водпосту Дивногорск на дату выпуска прогноза Твых
равна 0,6 °С; количество дней п, прошедших от даты установления ледостава на р. Енисей у Енисейска до даты выпуска прогноза, составляет 3
сут. Подставляя исходные данные в уравнение (9), получим значение Д
равное минус 0,55. Поскольку результат расчета меньше нуля, по прогнозу ледостав у п. Стрелка возможен 18 декабря 1996 г. Действительно, на
указанную дату в этом пункте на р. Енисей установился ледостав.
Проверка метода краткосрочного прогноза сроков установления
ледостава на участке р. Енисей с. Ярцево — п. Стрелка на независимом
материале 1989—1996 гг. показала оправдываемость 90—95 %.
Физико-статистические зависимости для краткосрочного прогноза
подвижки льда на участке р. Енисей ниже устья Ангары включают следующие ряды предикторов: температуру воздуха, осредненную за различные периоды времени; суммарные сбросы Красноярской й УстьИлимской ГЭС на разные даты; температуру воды и некоторые другие. В
результате дискриминантного анализа предложены следующие физико142
статистические зависимости для прогноза подвижки льда на участках
р. Енисей по пунктам:
с. Ярцево:
D = О,О350,_2 + 0,0590,,1+З + 0,00 IZg + 0,002dZQ +
+ 0,66Г вых -6,92;
"
(11)
с. Назимово:
D - -О,О30,_2 + 0,120,,кз + 0,000120+ 0 , 0 0 l £ E g - 0,16п + 1,24;
(12)
г. Енисейск:
D = -0,080,-3 + О,220,,,+3-О,Ш2 - О,ООО6Е0-О,26и + 3,09;
(13)
п. Стрелка:
D - -О,О130,_з + 0,150,,,+2+ 0,0001Е)2-0,Збби + 3,02.
(14)
Здесь 0,_з, 0,_2 —• средняя температура воздуха за 3, 2 сут до даты
выпуска прогноза; 0,,,+3) 0,,,+г — средняя температура воздуха за 3, 2 сут
после даты выпуска прогноза (включая дату выпуска прогноза); ZQ —
сумма средних сбросов Красноярской и Усть-Илимской ГЭС на дату
установления ледостава в расчетном створе (с учетом времени добегания
т до пункта от ГЭС); dZQ — изменение суммарных попусков названных
выше ГЭС, которое оценивается разностью суммарных сбросов на дату
оправдываемости прогноза и на дату ледостава в расчетном пункте;
Таих— температура воды непосредственно ниже плотины Красноярской
ГЭС на дату осуществления прогнозируемого явления с учетом времени
добегания т до расчетного створа; п — фактор, косвенным образом
несущий информацию о теплосодержании потока и равный количеству
дней, прошедших от даты ледостава в пункте, для которого дается прогноз, до даты выпуска прогноза.
Если результаты расчета по уравнениям (11) — (14) больше либо
равны нулю (D >0), то в расчетном створе возможна подвижка льда; если
результат отрицательный (£> < 0) — подвижка льда исключается.
Оправдываемость прогноза даты подвижки льда по уравнениям
(11) — (14) на зависимой выборке составляет для с. Ярцево — 100 %, для
с. Назимово — 95 %, для Енисейска — 89 %, для п. Стрелка — 93 %;
оправдываемость отсутствия подвижки — 70, 87, 88, 89 % соответственно. Проверка метода на независимом материале 1990—1996 гг. составляет для с. Назимово — 88 %, для с. Ярцево — 80 %, для Енисейска —
89 %, для п. Стрелка — 100 %.
143
Таким образом, разработанные методы краткосрочных прогнозов
дат установления ледостава и вероятной подвижки льда оцениваются как
хорошие и удовлетворительные. Методы прогноза внедрены в отделе
гидрологических прогнозов Средне-Сибирского УГМС в качестве основных.
СПИСОК ЛИТЕРАТУРЫ
1. Белолипецкий В. М., Туговиков В. Б. Математическое моделирование
динамики кромки ледяного покрова в нижнем бьефе Красноярской ГЭС // Метеорология и
гидрология. — 1990. — № 9.
2. Бефани Н. Ф., Калинин Г. П. Упражнения и методические разработки по
гидрологическим прогнозам. Л., Гидрометеоиздат, 1983.
3. Карнович В. Н., Космаков И. В. Особенноститепловогорежима р. Енисея
после зарегулирования // Материалы конференций и совещаний по гидротехнике. Известия
ВНИИГ, Л., 1990.
4. Кильмянинов В. В. Анализ условий формирования и долгосрочный прогноз
заторных уровней на Лене // Метеорология и гидрология. —1992. — № 4.
5. Кореньков В. А. Результаты натурных измерений температуры воды р. Енисей в нижних бьефах Красноярской и Саяно-Шушенской ГЭС // Известия ВНИИГ. —
1988 —-№205.
6. Наставление по службе прогнозов. Разд. 3. Ч. 1. Прогнозы режима вод суши.— Л.: Гидрометеоиздат, 1962.
7. По ляковская И. Д. О динамике замерзания Енисея в нижнем бьефе Красноярской ГЭС // Труды ЗапСибНИГМИ. — 1983. — Вып. 60.
8. Рекомендации по расчету зажорных явлений в нижних бьефах ГЭС. —
Л.: Гидрометеоиздат, 1977.
9. Тер-Мкртчан М. Г., Ситниковский А. И., Лукиянова Л. Е. Использование дискриминантного анализа для прогноза гололеда // Труды ГМЦ СССР. — 1971. —
Вып. 90.
10. Факторный, дискриминантный и кластерный анализ / Под ред. И. С. Енюкова. — М.: Финансы и статистика, 1989.
11. Чернов И. М. Изменение режима Енисея и Ангары в период наполнения водохранилищ Братской и Красноярской ГЭС // Труды ЗапСибКМГМИ. — М.: Гидрометеоиздат. — 1983. — Вып. 60.
144
Д. А. Бураков, Е. Э. Маркова
К О М Б И Н И Р О В А Н Н А Я МОДЕЛЬ ПРОГНОЗА ЕЖЕДНЕВНЫХ
РАСХОДОВ (УРОВНЕЙ) ВОДЫ ВЕСЕННЕГО ПОЛОВОДЬЯ
И ЕЕ П Р И М Е Н Е Н И Е Н А РЕКАХ СИБИРИ
Гидролого-математическая модель формирования весеннего половодья учитывает следующие процессы: накопление снега в холодный
период года; снеготаяние и поступление талой и дождевой воды на поверхность почвы; поглощение и задержание воды водоудерживающей
емкостью бассейна; образование динамичного запаса воды на склонах и
его сработка в русловую сеть; движение воды по руслам к замыкающему
створу речного бассейна.
Многофакторность и сложность этих процессов и ограниченные
возможности мониторинга не обеспечивают условий для применения в
практических целях строгих методов физико-математического описания
паводков. Теория и практика подтверждают целесообразность использования для их описания укрупненных показателей в рамках так называемого макрогенетического подхода. Такой подход подготовлен современным
состоянием гидрологии. Специфика, своеобразие приемов и методов
классической гидрологии паводков отражает свойственные им массовые
пространственно-временные закономерности, суммирование которых
приводит к действию закона больших чисел, когда особенности развития
каждого элементарного явления, взаимно компенсируясь, в итоге приводят к существованию устойчивых, достаточно простых закономерностей
в развитии результирующего явления. Эти закономерности экономно
описываются с помощью созданных классической гидрологией понятий,
отражающих в укрупненном, обобщающем виде реально протекающие
природные процессы.
Вся история развития количественной гидрологии паводка представляет, по существу, разработку макрогенетического подхода для
описания этого явления. Осознание этого факта и попытка его научного
обобщения принадлежит А. Е. Огиевскому, работы которого способствовали развитию теоретической гидрологии. Фундаментальные исследования М. А. Великанова, Г. П. Калинина, Е. Г. Попова, В. Д. Комарова и
других гидрологов явились основой создания в рамках наук гидрологиче145
ского цикла новой научной дисциплины — гидрологических прогнозов, в
которой важное место отводится развитию приемов и методов прогноза
снегового половодья и дождевых паводков.
Рассматриваемая ниже гидрологическая модель разработана
впервые в 1966—1978 гг. [4—6] для условий лесной (заболоченной) зоны
Западной Сибири. В последующем модель реализована ее автором применительно к горно-равнинным бассейнам Восточной Сибири [9]. Принципиальным моментом явился учет запасов воды в речной сети на дату
выпуска прогнозов (блок учета начальных условий), что позволяет существенно повысить точность прогнозирования ежедневных уровней (расходов) воды в условиях ограниченной исходной гидрометеорологической
информации. Таким образом, модель учитывает как метеорологические
параметры (снегонакопление, температуру воздуха, осадки), так и гидрологические (уровни или расходы воды в речной сети бассейна), что
позволяет отнести ее к типу комбинированных моделей, т. е. моделей,
учитывающих процессы на склонах и в руслах рек.
Обозначим заблаговременность прогноза At. Тогда прогнозируемый расход воды представится в виде:
Q(t + At) = Qx(t + At) + Q2(t + At),
(1)
где Qi(t + AO — расход воды, обусловленный поступлением притока в
русловую сеть q(t) в период А/, который рассчитывается по формуле
At
Qi(t + At) = j'q(t + At- x)f(x)dx,
о
(2)
где_Дт) — кривая добегания, методы количественного описания которой,
основанные на вероятностных моделях, можно найти в работах
Д. А. Буракова и Н. Г. Инишева [1—3, 6—8]; Q2{t + At) характеризует
составляющую расхода воды, сформировавшую за счет истощения начального запаса воды в русловой сети бассейна. Рассмотрим подмодели
расчета Q,(t + At) и Q2(t + Аг).
Подача воды на склон определяется для периода снеготаяния или
выпадения дождя. Суточное таяние снега рассчитывается по средней
суточной температуре воздуха и коэффициентам стаивания, которые
назначаются различными для открытых и лесных территорий. Учет
неравномерности распределения снега по площади водосбора выполняется по способу А. Г. Ковзеля, что позволяет отразить динамику площади
одновременного снеготаяния [9 и др.]. Водоудерживающая емкость снега
учитывается с использованием коэффициента водоудерживающей спо146
собности. Подача воды на склон в период дождя определяется путем
арифметического осреднения суточного слоя осадков в пунктах наблюдений. Учет потерь и расчет склонового притока в русловую сеть осуществляются на основе балансовой модели [5,9].
В период выпадения дождей или снеготаяния образуется интегральный слой водоотдачи речного бассейна, который, согласно
Е. Г. Попову, равен:
7(0 = (1 - w ) [Я(0 - Р0
ОДО/РоЯ,
(3)
где t — интервал времени; H{t) — суммарный слой воды, поступившей
для заполнения водоудерживающей емкости бассейна (формулы приведены ниже); w — доля постоянно бессточной площади; Р0 — параметр
потерь, характеризующий размеры водоудерживающей емкости; th —
функция гиперболического тангенса [5,9]. Для периода снеготаяния
Ро = Ртах - С lg(ms 1 + 1);
для периода дождя
Po =
Pmm~Clg(q(t)s2+l),
где Ртах — максимальная водоудерживающая емкость; т — осенний
поверхностный сток за предшествующий год; С, si, s2 — коэффициенты;
q(t) — суточный приток в русловую сеть перед началом дождя.
Слой воды H(f) рассчитывается для периода снеготаяния:
#
«
/=1
=
2
>
с
(
4
)
где Ас, 1,Х— соответственно суточная подача воды из снега, инфильтрация и осадки; i —номер суток от начала снеготаяния. Для периода выпадения дождя:
tf« =
(5)
где Z— испарение за сутки; i — номер суток от начала дождя.
В период поступления воды на склоны и образования слоя водоотдачи формируется склоновый сток q(t). Водный баланс склонов описывается следующим уравнением:
W(t+ 1) = W{t) + AW(t+ 1)~ q(t),
147
(6)
где W— динамичный (подвижный) запас воды на склонах; AFT — пополнение (+) или расходование (-) динамичного запаса воды в результате
снеготаяния, выпадения осадков, испарения и впитывания (по Е. Г. Попову — водоотдача бассейна).
В период снеготаяния или дождя, очевидно:
AW(t + 1) = Y(t + 1) - Y(t),
(7)
где Y(t + 1) и Y(t) — интегральная водоотдача бассейна в моменты времени (t+ 1) и (ОВ период истощения (спада), когда суточное количество осадков
(X) меньше суммы потерь на испарение (Z) и впитывания (Г), следует
записать:
AW(t+\) = (X-Z-I)Ut+\),
(8)
где (X - Z - I) < 0; / сп (0 — доля площади речного бассейна, с которого
осуществляется поверхностный сток [10].
Логично допустить, что размеры fcn(t) в период истощения сокращаются по мере уменьшения склонового притока [10], т. е.
/сп(0 = (1-^){1-ехр[-ад(0]},
(9)
где ас — коэффициент.
Очевидно, чем больше динамичный запас воды W на склонах,
тем больше и склоновый приток. Выразим суточное значение притока как
линейную функцию среднесуточного динамичного запаса воды на склонах:
q(t + \) = a$V(t) + W(t + \j)l2],
(10)
где а — коэффициент.
Решая совместно формулы (6) и (10), получим:
W(t +1) = W(t)[(2 - а ) / ( 2 + a)]+AW(t +1)[2/(2 + а ) ] .
(11)
Формула (11) позволяет рассчитать ежедневные значения запаса
воды на склонах, зная которые можно, в свою очередь, определить и
приток воды со склонов в русловую сеть по формуле (10). Начальное
значение W(t) в первый день снеготаяния, очевидно, задается равным
нулю.
148
Коэффициент а в формуле (10) интегрально характеризует гидравлические условия склонового стока. Для его определения предложены
следующие зависимости. В период снеготаяния:
а (г +1) = а 0 ехр[- $S0(t)l{W(t) +1)],
(12)
где а 0 — максимальные значения a; SQ(t) — оставшийся снегозапас на
склонах; W(t) — динамичный запас воды на склонах; р — коэффициент,
учитывающий эффект снижения скоростей склонового стока вследствие
сопротивления снежного покрова.
В период похолоданий:
а(г+1) = а(г)/(1 + 0,33|е|),
(13)
где |0| — абсолютное значение среднесуточной температуры воздуха [11].
В период выпадения дождей а = а0.
Таким образом, для оценки притока в русловую сеть за период
половодья необходимо знать ход температуры воздуха и количества
осадков, а также параметры формул, используемых для оценки снеготаяния, водоотдачи, склонового притока (Pmax, С, sh s2, W, а„ Р, а 0 и др.).
Если бассейн делится на несколько частей, то приток в русловую сеть
определялся отдельно для этих частей (с целью учета хода водоотдачи):
i=1
где F, — доли площади частей бассейна; q,{t) — приток воды в русловую
сеть с них.
Модель расчета склонового притока дождевых паводков в качестве основного аргумента учитывает Ход во времени суточных осадков, а
также параметры склонового притока (Р^, s2 и др.).
Все вышеизложенное справедливо для одной высотной зоны в
бассейне. В случае сложных орографических условий необходимо разбить исследуемый водосбор на несколько зон, что позволит учесть высотную поясность в распределении естественного увлажнения в бассейне.
Согласно Э. М. Ольдекопу [9], существует постоянное соотношение
149
между суммами осадков, выпавших за одинаковые календарные периоды
на нижних и верхних высотных уровнях бассейна:
т
-§о.
т
_S0+AX0H
L>0 + а л 0 я
где т0 и тн _ модульные коэффициенты снегозапаса соответственно на
опорной станции и на высоте Я; 5 0 — запас воды в снежном покрове на
опорной станции; АХ0Н — количество осенних осадков за период от дня
начала снегонакопления на высоте Я до дня начала снегонакопления на
опорной станции; S0 + ААГ0Я— сумма снегозапаса и осенних осадков.
Все величины определяются по наблюдениям опорной станции. Используя нелинейную аппроксимацию нормы снегозапаса SH от высоты [9]
SH= S + (ЛЯ/100)" grad S,
получим расчетное выражение для снегозапаса SH на высоте Я:
sh
= Щ.
m,о
[s +grad S(AH /100)]".
Sn + AX,он
Здесь grad S, n — коэффициенты, характеризующие распределение снега по высоте; АН = Я — Я0; S— снегонакопление в нижней
высотной зоне [9].
Расчет подачи воды и притока ее в русловую сеть выполняется
отдельно для каждой высотной зоны бассейна. Суточные осадки периода
половодья или паводка определяются с учетом высотного градиента:
Х(Н) = Х(Н0 )[l + (дЯ/1 ОО) grad х],
где Х(Н0) — количество осадков на опорной станции; Х(Н) — то же на
высоте Я; АН=Н— Я 0 ; gradZ— градиент количества осадков.
Изменение с высотой параметра потерь Р0 учтено через градиент
потерь (grad Р):
i> o =.P o (tf o )-grad/>[A#/100].
150
Перейдем теперь к рассмотрению подмодели расчета Q2(t + At) —
составляющей расхода воды, сформированной за счет истощения начального запаса воды в русловой сети бассейна.
Запас воды в русловой сети представим в виде
где ш,(я,г)— площадь поперечного сечения на г'-м участке, как функция
уровня воды на этом участке в момент t\ I , — длина участка; сумма
берется по всем п участкам.
Представив площадь сечения в виде функции уровня воды
°>г =
й
г
( Я , - я , r a i n У" ,
вместо выражения (14) получим уравнение
где а,' = aJLt, а„ yl — коэффициенты; Я ^ — минимальный уровень воды,
при котором наблюдался наименьший расход за период наблюдений. Изза ограниченного числа пунктов наблюдений за уровнями воды неравномерность распределения объема воды по длине речной системы можно
точнее учесть в том случае, если дополнительно ввести в уравнение
тенденцию АН = [H,(t) - H,{t - 1)] уровней воды в створах, где проводятся
наблюдения:
Очевидно, например, если АЯ, положительно, т. е. наблюдается
подъем уровня воды, значит, запас на участке больше, чем при установившемся режиме движения.
Расход воды определим через W(t) в виде
- НШп Y + Я/'(Я;(0 - Я,(/ -1))],
Q2(t +
где fi (Af) — ордината кривой добегания /-го объема воды.
Связь между уровнем замыкающего створа и расходом воды выразим степенной функцией:
ж о = р - е
1 /
^ + я
г а к
,
гдеу2 — показатель степени зависимости Q = (1/р)(Я- Я т ; п / 2 .
151
a s )
Тогда с учетом подмодели притока в русловую сеть q(t) (формулы (1)—(15)) и обозначив сборные коэффициенты через с(0, получим
основное уравнение комбинированной модели в следующем виде:
+
о
(16)
Формула (16) является расчетной для прогноза уровней воды в
замыкающем створе. Модель учитывает ход снеготаяния, выпадение
дождей, уровни воды и их тенденции в п створах (замыкающем и всех
вышерасположенных) на момент выпуска прогноза по всей длине речной
системы.
Для определения параметров модели в Томском университете и
Красноярском филиале СибНИГМИ [3, 9] были разработаны варианты
программ для ПЭВМ, позволяющих по данным наблюдений оценить
неизвестные параметры, входящие в расчетные формулы склонового
притока. Коэффициенты со, с ь ..., с2п в формуле (16) определяются методом линейной регрессии. Остальные неизвестные параметры оцениваются на основе оптимизации [3,9].
В условиях ограниченного объема гидрометеорологической информации и в связи с этим недостаточным информационным обеспечением гидрологических прогнозов в Сибири представляет интерес привлечение новых предикторов, ранее не использовавшихся в моделях стока.
Приток воды в русловую сеть в период таяния снега и запасы воды в
речных руслах может характеризовать температура воды. Исходя из того
что приток талых вод в русловую сеть определяется совместным влиянием температур воздуха (Q и воды (te), „термический трассер" 0 представляется в виде 0 = 4 - г|/в, где г| — коэффициент. Чем больше 0, тем больше приток талых вод и запасы воды в русловой сети. Следовательно, при
недостаточном числе пунктов наблюдений за уровнями воды по длине
речной сети для более надежной оценки русловых запасов целесообразно
152
включить в формулу (16) температуры воды и воздуха на дату выпуска
прогноза уровней (расходов) воды. В этом случае формула (16) получит
вид
ы
с
#(Г + Д/) = 0 \q(t + At- z)f(x)dx +
(Я,(?) - Я, т ш f +
+ J ] с,.+„ (Я, ( 0 - Я,-(Г -1))+ C2„+14 + С2„+2 4 J"''2 + Я т ! п .
(17)
Оптимизация всех параметров модели прогноза выполнена на примере небольшой реки Кача — г. Красноярск (F = 1250 км2). Использовались ежедневные данные за период весеннего половодья за 9 лет различной водности (1973,1975, 1982, 1983, 1987, 1988,1989,1992 и 1993 гг.).
В нижнем и частично в среднем течении бассейн представляет
собой пересеченную равнину со степными и лесостепными ландшафтами.
Выше по течению высота увеличивается на 150—550 м, возрастает
увлажненность территории, преобладает таежный ландшафт со смешанными и темнохвойными лесами.
Оптимизация параметров позволила получить следующие значения основных параметров подмодели склонового притока: Р ^ = 35,3 мм,
С = 10,8 мм, (1 - w) = 0,521, grad S = 86,2 мм, grad Р = 20,6 мм. Низкое
значение (1 - w) свидетельствует не только о наличии некоторой доли
бессточной площади, но также о существенных потерях стока на впитывание, которые приводят к снижению параметра (1 - w), что корректирует
емкостную модель водопоглощения.
В подмодели, учитывающей истощение русловых запасов воды,
принимаемых в расчет на дату выпуска прогноза, учитываются уровни
воды в 20 ч предшествующего и в 8 ч текущего дня в Красноярске и пос.
Емельянов (Як8, Як20, Я е8 и Яе2о), тенденции этих уровней воды, температуры воздуха (4) и воды (4). В таблице приведены коэффициенты регрессии (с,) при этих аргументах (формула (17)).
Коэффициенты регрессии при температуре воды, как и следовало
ожидать, оказались со знаком минус (чем холоднее вода, тем больше
приток талых (холодных) вод в русловую сеть). Абсолютная величина
этих коэффициентов при небольшой заблаговременности прогноза мала,
но она заметно повышается при увеличении заблаговременности.
153
Iа
Т
§
я
3
8в
Я
V
3
С4 Ч
О
OО
N fO »г>»-н
5 S- f f
sf fS <?
* Я
?
« Si
l™i ej
Г
п.ь.
с£вО
О.
S 3'
Э£
5 вв
3
3 я
Ь -е»-е• м
5
s
О
o" o" o <f
в
1m
Л Ю
90 C\
^ o^
S
са
о.
я
Б
6.
I55) 3§ се"
о
вох> В
и
154
Критерий качества прогнозов (s/G) изменяется от 0,626 до 0,493
(качество удовлетворительное и хорошее). Заметим, что если не учитывать начальное наполнение русла и использовать модель типа осадки —
снеготаяние — сток, то в этом случае качество прогноза снижается
(s/G = 0,789 при заблаговременности прогноза 4 сут).
Оперативные испытания комбинированной модели прогноза в
1997—1998 гг. показали хорошее качество прогнозов. Таким образом,
учет всех реально возможных источников информации позволяет успешно прогнозировать гидрограф половодья на реках Сибири.
СПИСОК ЛИТЕРАТУРЫ
1. Бураков Д. А. Вероятностный анализ в приближенной теории перемещения
водных масс // Метеорология и гидрология. — 1973. — № 4. — С. 52—58.
2. Бураков Д. А. К методике вероятностного расчета перемещения водных масс
// Материалы науч. конф. „Проблемы гляциологии Алтая". — Томск, 1973. — С. 47—56.
3. Бураков Д. А., Инишев Н. Г. Оценка моментов и аппроксимация кривой
добегания с использованием статистических распределений // Метеорология и гидрология.
— 1976. — № 12. — С. 73—82.
4. Бураков Д. А. Математическая модель расчета весеннего половодья для равнинных заболоченных бассейнов // Метеорология и гидрология. — 1978. — № 1. —
С. 49—59.
5. Бураков Д. А. Кривые добегания и расчет гидрографа весеннего половодья.
— Томск, 1978, — 129 с.
6. Бураков Д. А. К оценке параметров уравнений, аппроксимирующих кривую
руслового добегания // Водные ресурсы. — 1978. — № 4. — С. 21—24.
7. Бураков Д. А. Расчеты речных паводков с применением аналогов // Метеорология и гидрология. —1982. — № 10. — С. 79—88.
8. Бураков Д. А. К оценке параметров линейных моделей стока // Метеорология
и гидрология. — 1989. — № 10. — С. 89—95.
9. Бураков Д. А., Авдеева Ю. В. Технология оперативных прогнозов ежедневных расходов (уровней) воды на основе спутниковой информации о заснеженноста (на
примере р. Нижней Тунгуски) // Метеорология и гидрология. — 1996. — № 10. — С. 75—
87.
10. Бураков Д. А. О влиянии испарения на сток весеннего половодья в лесной
зоне // Метеорология и гидрология. — 1968. — № 12. — С. 55—6Г.
155
СОДЕРЖАНИЕ
В. М. Топоров, В. В. Костюков. Оценка и прогноз
регионального климата Западной Сибири
3
Н. Н. Завалишин. О норме метеоэлементов, климате и
методах их оценки
11
Н. Н. Завалишин, Н. В. Пальчикова. Алгоритмы
выбора годов-аналогов в АРМ „Кассандра-900"
18
И. Г. Храмцова, Г. А. Шустова. Прогноз заморозков
на 1—5 сут на территории Уральского УГМС
24
И. О. Лучицкая. О пространственной детализации
термического режима с учетом местных условий на территории юговостока Западной Сибири
........42
Э. А. Морозова. Некоторые характеристики низких
облаков на севере Западной Сибири
63
Д. А. Осипов,
Т. Э. Дубиковская,
Т. М. Прокудина. Об оправдываемости авиационных прогнозов погоды
73
В. Н. Барахтин. О ранжировании ядерных взрывов по
степени радиационного воздействия на территорию Новосибирской
области
I...........
80
Т. С. Селегей. Фоновое загрязнение сибирских городов
Т. С. Селегей.
атмосферного воздуха
Об
оценке
уровня
88
загрязнения
92
Н. В. Гуляева, В. В. Костюков. О некоторых
особенностях изменчивости агроклиматических ресурсов юга
Западной Сибири и прилегающих районов Урала
106
В. Г. Токарев. Метод прогноза заморозков по дням
пентады для юга Красноярского края
115
М. Я. Здерева, Г. П. Торубарова. Возможность автоматизированного прогноза ветра скоростью 25 м/с и более на
средние сроки
121
156
А. А. Фоменко. Численная модель краткосрочного прогноза метеоэлементов для Западно-Сибирского региона
129
Д. А. Бураков, Е. П. Ковшова. Прогноз элементов
зимнего режима реки Енисей на участках перемещения кромки
ледостава в нижних бьефах Красноярской и Усть-Илимской ГЭС
135
Д. А. Бураков, Е. Э. Маркова. Комбинированная
модель прогноза ежедневных расходов (уровней) воды весеннего
половодья и ее применение на реках Сибири
145
157
Сборник научных трудов
Труды СибНИГМИ, вып. 103
ГИДРОМЕТЕОРОЛОГИЯ СИБИРИ
Редактор Л. И. Верес. Художественный редактор Л. А. Унрод.
Технический редактор Е. Я. Заводько. Корректор Г. Н. Римант.
ЛР№ 020228 от 10.11.96 г.
Подписано в печать 13.11.00. Формат 60 х 84/16. Бумага офсетная. Печать офсетная.
Усл. печ. л. 9,53. Усл. кр.-отг. 9,76. Уч.-изд. л. 9,64. Тираж 300 экз. Индекс МОЛ-35.
Гидрометеоиздат, 199397, Санкт-Петербург, В. О., ул. Беринга, д. 38.
УДК 551.583 + 556.535.3:551.509.59
Оценка и прогноз регионального климата Западной Сибири. Топоров В. М., Костюков В. В.ТрудыСибНИГМИ. — 2000. — Вып. 103. — С. 3—10.
На основе статистической обработки многолетних рядов наблюдений проведена
комплексная количественная оценка современных изменений регионального климата и его
ресурсов для сельскохозяйственно значимой территории Западной Сибири. Анализ результатов свидетельствует о заметном потеплении регионального климата, особенно в зимнее
время, и о перераспределении осадков и стока рек бассейна р. Оби по пространству и в
сезонном ходе.
УДК 551.583.001.573
О норме метеоэлементов, климате и методах их оценки. Завалишин Н. Н.
Труды СибНИГМИ. — 2000, — Вып. 103, — С. 11—17.
В работе понятия „норма", „климат" связываются с оценкой математического ожидания (МО) многомерного стохастического процесса. Рассматриваются кусочно-линейная и
кусочно-параболическая оценки МО. Вводится понятие климатического интервала и
обсуждается его роль в определении климата.
Библ. 4.
УДК 551.509
Алгоритмы выбора годов-аналогов в АРМ „Кассандра-900". Завалишин Н. Н., Пальчикова Н. В. Труды СибНИГМИ. —2000. — Вып. 103. —С. 18—23.
С единой позиции рассматриваются различные меры сходства метеорологических полей и процессов. Близость полей по абсолютным величинам оценивается коэффициентом, являющимся комбинацией критерия р и коэффициентов Чупрова-Пирсона, а мера
близости по градиентам полей строится на нерегулярной сетке. Вводится „вектор циклона",
который характеризует любой циклон 15 числами, и строится мера аналогичности синоптических процессов на основе критерия Колмогорова.
Табл.2.Ил.I.Библ. 8.
159
УДК 551.510.42
Прогноз заморозков на 1—5 суток по Уралу. Храмцова И. Г., Шустова Г. А. Труды СибНИГМИ: — 2000, — Вып. 103 — С. 24—41.
Для Уральского УГМС разработан метод прогноза заморозков на I—5 суток, детализированный по суткам. Расчеты полностью автоматизированы. Исходной информацией
для прогнозов являются гидродинамические, прогностические данные Р, Hsoo, 7Ъ о,
ЕЦСПП, поступающие в коде „Грид", и прогнозы минимальной температуры, получаемые
из модели СибНИГМИ на 24—420 ч. В основу модели положены регрессионный анализ и
метод распознавания образов. Результаты оперативных испытаний следующие: общая
оправдываемость по Свердловской области составила 85 %, по Пермской области — 88 %,
по Челябинской области — 89 % и по Курганской области — 87 %.
Табл. 13. Библ. 9.
УДК. 551.584
О пространственной детализации термического режима с учетом местных условий на территории юго-востока Западной Сибири. Лучицкая И. О. Труды
СибНИГМИ. — 2000. — Вып. 103. — С. 42—62.
Предлагается способ восстановления режимных характеристик температуры воздуха в районах, не освещенных метеорологическими наблюдениями, на юго-востоке
Западной Сибири. Разработана количественная типизация местных условий, отражающих
форму рельефа, удаленность от водных объектов, характеристику почвенно-растительного
покрова и др. Оценивается вклад влияния каждого фактора внешней среды на формирование особенностей термического режима региона. Получены регрессионные зависимости
для расчета параметров температуры между пунктами гидрометеорологической сети.
Табл. 10. Ил. 2. Библ. 13.
УДК 551.559.324.1(479)
Некоторые характеристики низких облаков на севере Западной Сибири. Морозова Э. Г. Труды СибНИГМИ. — 2000, — Вып. 103. — С. 63—72.
По данным наблюдений за 1982—1986 гг. на аэродромах севера Западной Сибири
(Салехард, Надым, Новый Уренгой) проведено исследование низкой облачности. Выявлены
экстремумы повторяемости разных градаций облаков. Рассмотрена связь низких облаков с
метеопараметрами в нижней части пограничного слоя. Определены особенности в изменениях метеорологических величин над каждым аэродромом при появлении низких облаков.
Табл. 4. Библ. 11.
160
УДК 551.509.32+ 551.509.5
Об оправдываемости авиационных прогнозов погоды. Осипов Д. А., Дубиковская Т. Э., Прокудина Т. М. Труды СибНИГМИ. — 2000. — Вып. 103. —
С. 73—79.
В соответствии с Инструкцией Росгидромета были вычислены средние месячные
и годовые оправдываемости прогнозов погоды для АМСГ Западно-Сибирского УГМС.
Выявлена некорректность схемы осреднения результатов расчетов по отдельным элементам, которая ведет к занижению общей оправдываемости прогнозов. Предложены рекомендации по усовершенствованию методики оценки авиационных прогнозов.
Табл. 3. Библ. 5.
УДК 502.5
О ранжировании ядерных взрывов по степени радиационного воздействия на
территорию Новосибирской области. Барахтин В. 'Н. Труды СибНИГМИ. — 2000.—
Вып. 103, —С. 80—87.
На основе хронологических сведений о ядерных взрывах, информации радиационного мониторинга Гидрометслужбы и синоптических архивных данных проведен анализ
среднемесячных и максимальных суточных значений суммарной р-активности атмосферных выпадений в трех пунктах — Карасук, Новосибирск и Барнаул — в период открытых
ядерных испытаний (1954—1962 гг.).
Наибольшее радиационное воздействие на территорию Новосибирской области
оказали два взрыва, проведенные на Семипалатинском полигоне 17 сентября 1961 г. и
7 августа 1962 г. После запрещения ядерных испытаний в атмосфере плотность радиоактивных выпадений резко пошла на убыль, а начиная с 1965 г. стабилизировалась на уровне
0,1—0,5 мКи/(км2-сут).
Табл. 2. Ил. I. Библ. 8.
161
УДК 551.510.42
Фоновое загрязнение сибирских городов.
СибНИГМИ. — 2000. — Вып. 103. — С. 88—91.
Селегей
Т. С.
Труды
Найдены ориентировочные значения фоновых концентраций по пыли, сернистому
ангидриду, оксиду углерода и диоксиду азота для городов Сибири с населением от менее 10
до 250 тыс. человек, в которых не проводятся наблюдения за загрязнением атмосферного
воздуха. Показано, что из-за частых застойных метеорологических ситуаций в условиях
сибирского антициклона даже малые сибирские города с населением менее 10 тыс. человек
имеют более высокий фон загрязнения, чем более крупные города на западе России.
Фоновые концентрации пыли и сернистого ангидрида в атмосфере сибирских городов с
населением более 10 тыс. человек меньше общероссийских из-за лучшего качества сжигаемого угля (меньше золы и серы). Фоновые концентрации оксида углерода в городах
Сибири, особенно в Забайкалье, значительно превышают общероссийские показатели.
Табл. 3. Библ. 4.
УДК 551.510.42
Об оценке уровня загрязнения атмосферного воздуха. Селегей Т. С. Труды
СибНИГМИ. — 2000. — Вып. 103. — С. 92—105.
Произведена сравнительная оценка уровня загрязнения атмосферного воздуха 47
сибирских городов по шести различным методикам. Показано, что при оценке уровня
загрязнения атмосферного воздуха сибирских городов предпочтение следует отдавать
номограмме, определяющей зависимость между массой выбросов вредных веществ в
атмосферу и метеорологическим потенциалом рассеивающей способности атмосферы, а
также комплексному индексу загрязнения (ИЗА).
Табл. 4. Ил. 1. Библ. 8.
УДК 631.559
О некоторых особенностях изменчивости агроклиматических ресурсов юга
Западной Сибири и прилегающих районов Урала. Гуляева Н. В., Костюков В. В.
Труды СибНИГМИ. — 2000. — Вып. 103. — С. 106—114.
Приведены результаты исследований изменчивости агроклиматических ресурсов,
полученные путем статистической обработки и анализа многолетних рядов наблюдений.
Установлены зависимости между двумя показателями тепловлагообеспеченности. Обсуждаются свойства динамики урожайности яровых зерновых культур и ее основных факторов
в различных областях региона.
Табл. 4. Библ. 11.
162
УДК 551.503.323.2
Метод прогноза заморозков по дням пентады для юга Красноярского края.
Токарев В. Г. Труды СибНИГМИ:—2000.—Вып. 103, —С. 115—120.
Описывается исследование условий возникновения заморозков и разработка метода их прогноза для сельскохозяйственной зоны Красноярского края и республики
Хакасия. В методе прогноза используются пороговые значения параметров метеополей и
аналоги. Исходной информацией для прогнозов являются гидродинамические прогностические данные Р, Hsm, Тюо — ЕЦСПП на 24—144 ч, поступающие в коде „Грид": Приводятся
результаты оперативных испытаний, на основании которых метод принят как основной при
составлении прогнозов на пять суток в Красноярском ГМЦ.
. Табл. 1. Ил. 1.
УДК 551.509
Возможность автоматизированного прогноза ветра скоростью 25 м/с и более
на средние сроки. ЗДерева М. Я., Торубарова Г. П. Труды СибНИГМИ. —
2000. — Вып. 103. —С. 121—128.
Описаны два варианта метода прогноза ветра свыше 25 м/с на сроки до пяти
дней на основе базовых прогнозов ЕЦСПП. С помощью различных производных характеристик, полученных из данных о давлении, геопотенциале на ATJOO, температуре у земли и
на ATjjo, статистическими приемами исследованы условия образования сильного ветра на
архивном фактическом материале. Эмпирическо-статистическим путем подобраны предельные значения комплексных характеристик, суммирующих условия. Метод прошел
авторские и частично оперативные испытания. Его оправдываемость зависит в основном от
точности исходных гидродинамических прогнозов. Опыт показал, что синоптические
ситуации, при которых возможно усиление ветра, распознаются на 80—90 % при исключении ошибок в базовых прогнозах, но фактический ветер в силу разных причин не всегда
при этом достигает 25 м/с. Поскольку методический подход основан на определении
условий для сильного ветра на основе анализа синоптической ситуации, усиление ветра,
имеющее локальное происхождение, не распознаётся. В связи с этим удовлетворительный
результат получен лишь для отдельных областей региона.
Табл. 4. Ил. 1. Библ. 9.
163
УДК 551.513
Численная модель краткосрочного прогноза метеоэлементов для ЗападноСибирского региона. Фоменко А. А. Труды СибНИГМИ. — 2000. — Вып. 103. —
С. 129—134.
В работе представлена численная модель динамики атмосферы для ЗападноСибирского региона. Модель является составной частью оперативной технологической
линии гидродинамического краткосрочного прогноза погоды для Урало-Сибирского
региона, имеет повышенное пространственное разрешение и рассчитана на воспроизведение атмосферных характеристик на пространственных масштабах, не описываемых
моделью с более грубым пространственным разрешением. В модели осуществлен более
детальный учет процессов взаимодействия с подстилающей поверхностью. Поверхностный
и деятельный слои почвы учитывают наличие растительного покрова, слоя снега на
поверхности, процессы тепло- и влагообмена в почвенном слое, процессы таяния снега на
поверхности, поступление влаги в почву за счет крупномасштабных и конвективных
осадков, перехват осадков растительным покровом, эффекты фильтрации влаги.
Табл. 1. Ил. 1. Библ. 8.
УДК 556.535.5:556.06"32"(282.251.3)
Прогноз элементов зимнего режима реки Енисей на участках перемещения
кромки ледостава в нижних бьефах Красноярской и Усть-Илимской ГЭС. Бураков Д. А., Ковшова Е. П. Труды СибНИГМИ. — 2000. — Вып. 103 . — С. 135—144.
Рассматривается режим кромки ледостава зимой в нижних бьефах Красноярской и
Усть-Илимской ГЭС и связанные с ним подъемы заторно-зажорных уровней воды. Обосновано применение дискриминантного анализа для прогноза дат установления ледостава и
подвижек льда. Предложены уравнения дискриминантных функций, реализующих краткосрочные альтернативные прогнозы.
Библ. 11.
УДК 556.06
Комбинированная модель прогноза ежедневных расходов (уровней) воды весеннего половодья и ее применение на реках Сибири. Бураков Д. А., Маркова Е. Э. Труды СибНИГМИ. — 2000. — Вып. 103. —С. 145—155.
Рассматривается круг вопросов, связанных с разработкой комбинированной модели прогноза ежедневных расходов (уровней) воды весеннего половодья, и ее применение на
реках Сибири. Учет всех реально возможных источников информации позволяет успешно
прогнозировать гидрограф весеннего половодья.
Табл. 1. Библ. 10.
164
ФЕДЕРАЛЬНАЯ СЛУЖБА РОССИИ ПО ГИДРОМЕТЕОРОЛОГИИ
И МОНИТОРИНГУ ОКРУЖАЮЩЕЙ СРЕДЫ
Гидрохимический институт
г. Ростов-на-Дону
ОБЗОР
СОСТОЯНИЯ РАБОТ
НА СЕТИ НАБЛЮДЕНИЙ
ЗА ЗАГРЯЗНЕНИЕМ
ПОВЕРХНОСТНЫХ ВОД СУШИ
РОССИЙСКОЙ ФЕДЕРАЦИИ
САНКТ-ПЕТЕРБУРГ
ГИДРОМЕТЕОИЗДАТ
2000
УДК 504.45.064.36
Приведены результаты анализа состояния работы сети наблюдений за
загрязнением поверхностных вод суши Российской Федерации по гидрохимическим показателям в системе Федеральной службы России по гидрометеорологии и мониторингу окружающей среды. Сделаны выводы и
рекомендации по улучшению сети наблюдений.
Рекомендован Ученым советом Гидрохимического института Росгидромета.
ИСПОЛНИТЕЛИ
Шлычкова В.В. - канд. хим. наук
Безсалова Е.Н. - ведущий инженер
Боева Л.В. - канд. хим. наук
Гончарова Т.О. - канд. хим. наук
Лобченко Е.Е. - канд. хим. наук
Матвеева Н.П. - канд. хим. наук
Назарова А . А . - канд. хим. наук
1805040700 - 56
°
069(02) - 2000
© Гидрохимический институт, 2000 г.
1. СОСТОЯНИЕ СЕТИ ПУНКТОВ НАБЛЮДЕНИЙ
ЗА ЗАГРЯЗНЕНИЕМ ПОВЕРХНОСТНЫХ ВОД СУШИ
На 01.01.2000 г. в список состава сети пунктов режимных
наблюдений за загрязнением поверхностных вод суши входили
1737 пунктов с 2417 створами, 2698 вертикалями и 3060 горизонтами, расположенными на 1145 водных объектах (приложение 1, графа 6, приложение 2, графы 7, 27). Пункты
расположены на 1015 водотоках (980 рек, 4 канала, 12 проток,
17 рукавов, 3 ручья) и на 130 водоемах (65 озер и 65 водохранилищ, в том числе 1 залив, 1 эстуарий, 2 водоема-охладителя)
(приложение 1, графы 3—7). Ориентировочное размещение пунктов наблюдений показано на рис. 1.
Сеть пунктов режимных наблюдений на водотоках включала
1494 пункта (2074 створа, 2245 вертикалей, 2303 горизонта).
Из них к категории I отнесено 12 пунктов (31 створ, 51 вертикаль, 58 горизонтов), к категории II — 29 (74, 108,110), к категории III - 575 (891, 972, 1011) и к категории VI - 878 (1078,
1114, 1124) (приложение 2, графы 8 - 1 2 , 28-32).
Сеть пунктов наблюдений на озерах включала 84 пункта (104
створа, 116 вертикалей, 194 горизонта). Из них к категории III
отнесено 19 пунктов (24 створа, 32 вертикали, 50 горизонтов) и
к категории IV - 65 (80, 84, 144). Пункты категорий I и II на
озерах отсутствуют (приложение 2, графы 1 3 - 1 7 , 33—37).
Сеть пунктов наблюдений на водохранилищах включала 161
пункт (242 створа, 337 вертикалей, 563 горизонта). Из них к категории II отнесены 4 пункта (10 створов, 21 вертикаль, 29 горизонтов), к категории III - 82 (136, 209, 339), к категории VI 75 (96, 107, 195). Пункты категории I на водохранилищах отсутствуют (приложение 2, графы 18—22, 38—42).
По сравнению с предыдущим годом число пунктов наблюдений в
приложении 2 увеличилось на 38. Основное увеличение было формальным и произошло, главным образом, за счет усовершенствования отчетности отдельных управлений по гидрометеорологии и
мониторингу окружающей среды (УГМС). Фактическое увеличение
произошло всего на 6 пунктов, и определено оно как разница между возобновленными наблюдениями в 22 пунктах Северо-Западного УГМС (108 пунктов в 1999 г. и 86 - в 1998 г.) и 17 закрытыми и
1 открытым пунктами (приложение 3).
Процесс закрытия пунктов по сравнению с предыдущими годами затормозился: из 17 закрытых пунктов 11 принадлежат
Сахалинскому УГМС, в котором процесс изменения состава сети
в течение последних лет фактически приведен в соответствие с
требованиями РД 52.24.309-92.
Из перечисленных пунктов сети временно не работали
195 пунктов (246 створов, 267 вертикалей, 311 горизонтов)
(приложение 4).
3
4
Большое число неработавших пунктов было в УГМС Севеo-Кавказском (33), Дальневосточном (18), Камчатском (18),
реднесибирском (16), Уральском (16). Забайкальском (14).
Временно неработавшие пункты были на территории деятельности и других УГМС, за исключением ЦЧО и Башкирского, а
также Калининградского центра по гидрометеорологии и мониторингу окружающей среды (ЦГМС). 109 пунктов из 195 не работали в 1999 г. по согласованию с Гидрохимическим
институтом (ГХИ) и Федеральной службой России по гидрометеорологии и мониторингу окружающей среды (Росгидромет)
(далее — согласованные пункты). Нефункционирование остальных не было согласовано. Число временно неработавших пунктов по сравнению с предыдущим годом изменилось
несущественно. Однако увеличилось число согласованных пунктов (с 68 в 1998 г. до 109 в 1999 г.).
Вследствие того что часть пунктов сети не работала, в 1999 г.
из 1145 водных объектов 129 не было охвачено наблюдениями, в
том числе 120 водотоков и 9 водоемов (приложение 1).
В приложении 5 дана оценка состояния сети наблюдений.
Состояние сети 15 УГМС оценено 5 баллами. Это означает,
что в этих УГМС работало до 90 % пунктов (от списочного состава согласно приказу Росгидромета от 30.01.97 г. № 25
ДСП и дополнений к нему без согласованных временно неработавших пунктов). Среднесибирское и Северо-Кавказское
УГМС имеют по 4 балла, Камчатское, Обь-Иртышское, Северо-Западное УГМС и Московский ЦГМС — по 3 балла. Низкий
балл последних в значительной степени обусловлен несоблюдением требований РД 52.24.309-92 о порядке внесения изменений в состав сети наблюдений, в результате чего временно
неработавшие несогласованные пункты не исключаются из
планового объема работ.
По сравнению с предыдущим годом состояние сети наблюдений улучшилось в целом и по территории деятельности Западно-Сибирского, Иркутского, Мурманского, Сахалинского,
Северо-Западного и Северо-Кавказского УГМС.
Основные причины закрытия пунктов — финансовая необеспеченность работ, чаще всего в труднодоступных пунктах, и изменение инфраструктуры северных территорий.
Но, как и в предыдущие годы, оставалась неблагополучной
организация наблюдений на Иваньковском, Угличском, Волгоградском и Веселовском водохранилищах, на территории деятельности Камчатского, Обь-Иртышского, Северо-Западного и
Северо-Кавказского УГМС.
По-прежнему в части пунктов наблюдений, важнейших для
национальной системы мониторинга (в подсистемах мониторинга трансграничных поверхностных вод суши, оценки выноса загрязняющих веществ в моря, ГСМОС/Вода), не проводятся
наблюдения.
S
5
В приложении 5 сделана также оценка состояния паспортов
пунктов наблюдений. По сравнению с предыдущим годом увеличена до 5 баллов оценка паспортов Якутского УГМС в связи с
доработкой паспортов Тиксинского ЦГМС. В остальных УГМС
состояние паспортов осталось примерно на прежнем уровне,
имеются недоработки.
6
2. ВЫПОЛНЕНИЕ ПРОГРАММЫ РАБОТ
В ПУНКТАХ НАБЛЮДЕНИЙ ЗА ЗАГРЯЗНЕНИЕМ
ПОВЕРХНОСТНЫХ ВОД СУШИ
2,1. Выполнение программы по отбору проб
Результаты выполнения программы работ по отбору проб в
пунктах режимных наблюдений за загрязнением поверхностных вод суши представлены в приложениях 6, 7 и на рис.2. В
1999 г. отобрано и проанализировано 23 047 проб воды, из них в
пунктах категории I - 3499, II - 2739, III - 11 267, IV - 5542.
По сравнению с предыдущим годом число проб увеличилось на
1035. Приведенная численность может несколько отличаться от
реальной, поскольку объемы работ Приволжского УГМС приведены по отчетности 1998 г. В среднем на сети планируемый объем по отбору проб выполнен на 85 %. Выполнение плана
колебалось от 40 % в Камчатском УГМС до 105 % в Московском
ЦГМС. В десяти УГМС выполнение плана составляло более 91 %
.—— г
т—-т и
Рис. 2. Изменение параметров состояния сети режимных наблюдений за
загрязнением поверхностных вод суши ГСН Российской Федерации
1 - пункты наблюдений; 2 - водные объекты;
3 - пробы; 4 - определения.
7
в пяти - от 81 до 90 %, в четырех - от 50 до 80 %, в одном — менее 50 %. Соответственно 5 баллами оценена работа Верхне-Волжского,
Западно-Сибирского,
Колымского,
Мурманского,
Сахалинского, Северного, Якутского, Башкирского УГМС и Московского, Калининградского ЦГМС; 4 баллами — Дальневосточного, Забайкальского, Приморского, Северо-Западного УГМС и
УГМС ЦЧО; 3 баллами — Иркутского, Среднесибирского УГМС;
2 баллами — Камчатского, Обь-Иртышского, Уральского УГМС.
При этом возможно завышение выполнения плана работ по отбору проб в Обь-Иртышском, Северо-Западном УГМС и Московском ЦГМС за счет неправильного планирования (не включают в
план работ несогласованные временно неработавшие пункты).
Оценка выполнения работ Приволжским УГМС не производилась.
Неполное выполнение плана работ связано, в первую очередь,
с наличием несогласованных временно недействовавших пунктов наблюдений и с неполным отбором проб в других пунктах.
Главной причиной сложившейся ситуации является недостаточное финансирование работ, что обусловливает появление других
сложностей (отсутствие или неисправность транспортных
средств, отсутствие наблюдателей и т.п.). В качестве обоснования
неполного выполнения плана приведены финансовые трудности
— 11 УГМС, организационные работы (организационно-хозяйственные неполадки, неисправность или отсутствие транспорта, отсутствие горюче-смазочных материалов и т.п.) — 9 УГМС,
гидрометеоусловия (неустойчивый ледостав, отсутствие стока и
т.п.) — 7 УГМС, отбор проб работниками гидрологической службы (отсутствие наблюдателя, закрытие гидропоста, по вине наблюдателя и т.п.) — б УГМС, доставка проб (труднодоступность,
потери почты, закрытие почтового отделения) — 4 УГМС.
В 1999 г., как и в предыдущие годы, только УГМС ЦЧО представило сведения о ведомственном контроле: организациями
"Курскгеомониторинг", "Липецкгеомониторинг" и "Цнинская
шлюзованная система" в 33 пунктах проанализированы 196 проб,
езультаты которых помещены в банк данных. Это составило
3,7 % от проб режимных наблюдений по УГМС ЦЧО и 0,8 % по
России. В целом по стране эта цифра явно занижена, поскольку
не все УГМС представляют такую информацию в отчетности. Так,
Северо-Кавказское УГМС по-прежнему не упоминает о помещенной в базе данных информации ДБВУ.
?
2.2. Выполнение программы по числу определений
Число определений, выполненных в 1999 г. подразделениями
Росгидромета в пунктах режимных наблюдений за загрязнением поверхностных вод суши, приведено в приложении 8. В
приложении 9 помимо числа определений по режимным наблюдениям приведены данные по дополнительным работам и контролю точности измерений, полученные в течение года в УГМС.
8
В 23 047 пробах воды, отобранных в 1999 г. в пунктах режимных наблюдений Российской Федерации, выполнено 559 053
определения по 116 показателям (включая полученные расчетным путем), в 86 пробах донных отложений выполнено 598 определений хлорорганических пестицидов семи наименований и в
33 пробах выполнено 66 определений нефтепродуктов, смол и
асфальтенов. Число показателей, определяемых в разных управлениях, различно и колеблется от 25 (Калининградский ЦГМС)
до 75 (Западно-Сибирское УГМС).
Общее число определяемых показателей по сравнению с предыдущим годом уменьшилось на 5 за счет прекращения определения скипидара Забайкальским УГМС и капролактама,
циклогексанола, циклогексаноксима и полиакрил амида Западно-Сибирским УГМС.
На долю обязательных для определения и (или) широко распространенных загрязняющих воду веществ приходится 506 539
определений (90,5 % общего числа), на долю остальных показателей (приложение 8, графы 3 5 - 4 1 , 50-58, 65-100), определяемых
в единичных пунктах, приходится 53 178 определении (9,5 % общего числа).
По сравнению с 1998 г. произошло увеличение числа определений по сети наблюдений на 27 856, составляющее по отдельным УГМС от нескольких процентов (Верхне-Волжское,
Западно-Сибирское,
Иркутское,
Камчатское,
Колымское,
Обь-Иртышское, Сахалинское, Северное, Северо-Западное, Северо-Кавказское, Уральское, ЦЧО, Якутское, Башкирское, Калининградский ЦГМС) до 51,4 % (Московский ЦГМС). Исключение составили Дальневосточное, Забайкальское, Среднесибирское, Мурманское, Приморское УГМС, в которых произошло
уменьшение числа определений (0,24 - 11,4
В целом сетью наблюдений за загрязнением поверхностных
вод суши Росгидромета в 1999 г. выполнено 685 718 определений,
в том числе 559 717 (81,6 % общего числа) - по режимным наблюдениям, 57 738 (8,4 %) — по контролю точности измерений,
68 263 (10 %) - по дополнительным работам (приложение 9).
Помимо отклонений от плана, обусловленных нарушениями
при отборе проб, наблюдались также отклонения по числу выполненных определений во всех УГМС, кроме Калининградского ЦГМС. В качестве обоснования неполного выполнения плана
практически все УГМС приводят отсутствие или несвоевременное поступление реактивов, их низкое качество, отсутствие или
недостаток стандартных образцов, отсутствие или выход из
строя приборов и другого лабораторного оборудования, отсутствие или несвоевременность поверки приборов, отсутствие или
недостаток посуды, ее низкое качество, отсутствие или низкую
квалификацию исполнителей. Кроме того, на выполнении плана определений сказались несвоевременная доставка и нарушение сроков хранения проб (Забайкальское, Обь-Иртышское
9
УГМС), бой бутылок или потеря их при пересылке проб почтой
(Обь-Иртышское, Северное УГМС), выбраковка результатов анализа (УГМС ЦЧО, Северное), отключения электроэнергии (Камчатское, Обь-Иртышское, Приморское, Северо-Кавказское
УГМС), нерегулярное водоснабжение (Камчатское, Обь-Иртышское УГМС), сокращение штатов лабораторий (Омская ЛМЗПВ
Обь-Иртышского УГМС), закрытие Дальнегорской KJIMC Приморского УГМС. Норильская лаборатория Среднесибирского
УГМС не работала.
Увеличение общего числа определений по сравнению с плановым произошло в Московском ЦГМС за счет учащенного отбора проб в период весеннего половодья.
В течение нескольких предыдущих лет, начиная с 1991 г., отмечалось неуклонное снижение средней производительности труда по лабораториям Российской Федерации. Однако в 1999 г. по
сравнению с 1998 г. произошло ее увеличение в целом на 4,9 %
(от 0,16 % в Забайкальском УГМС до 69 % в Иркутском). Исходные данные и полученные результаты представлены в приложении 9. Повышение производительности труда с изменением
оценки произошло в Западно-Сибирском УГМС (с 3 баллов до 4) и
в Иркутском (с 3 баллов до 5). В УГМС Верхне-Волжском, Дальневосточном, Колымском, Мурманском, Сахалинском, ЦЧО,
Башкирском и Московском ЦГМС производительность труда снизилась (от 1,3 % в Московском ЦГМС до 39,7 % в Сахалинском
УГМС). Оценка изменилась в Колымском и Сахалинском УГМС
(с 5 баллов до 3), Башкирском (с 4 баллов до 3).
Средняя производительность труда сотрудников лабораторий,
занятых выполнением анализа проб по гидрохимическим показателям, по сравнению с предыдущим годом увеличилась на
107 определений на человека, составив 2297 определений в год. В
соответствии с установленными Росгидрометом критериями полученная производительность труда оценивается 4 баллами.
В целом производительность труда продолжает оставаться
достаточно высокой и оценивается для половины УГМС, включая Калининградский ЦГМС, 5 баллами. Исключение составляют Северо-Западное и Северо-Кавказское УГМС (по 2 балла),
Колымское, Обь-Иртышское, Сахалинское, Уральское и Башкирское УГМС (по 3 балла), Западно-Сибирское, Камчатское и
Мурманское УГМС (по 4 балла).
10
3. ВЫПОЛНЕНИЕ ХИМИЧЕСКОГО АНАЛИЗА
Перечень общих показателей и загрязняющих веществ,
определяемых в поверхностных водах суши лабораториями Росгидромета, а также сведения о внедрении новых методик анализа в 1999 г. приведены в приложении 10. Сведения о состоянии
аналитических работ в 1999 г. не поступили из лабораторий
Приволжского и Северо-Западного УГМС, поэтому в приложение 10 включены данные за 1998 г. по Приволжскому и за
1995 г. по Северо-Западному УГМС.
Работы по анализу поверхностных вод в 1999 г. начаты Костромской лабораторией Верхне-Волжского УГМС, вместе с тем сокращена Дальнегорская лаборатория Приморского УГМС.
В 1999 г. в лабораториях продолжалось внедрение новых редакций РД, включенных в "Федеральный перечень методик выполнения измерений, допущенных к применению, при
выполнении работ в области мониторинга загрязнения окружающей природной среды". Лаборатории, внедрявшие новые редакции методик в 1999 г., отмечены в приложении 10. Однако в
ряде лабораторий полностью или частично по-прежнему пользуются устаревшими редакциями методик (прежде всего лаборатории Верхне-Волжского и Северо-Кавказского УГМС, в
меньшей степени — Среднесибирского и УГМС ЦЧО). В некоторых случаях использование устаревших методик можно объяснить трудностью приобретения дефицитных или дорогих
реактивов, например, при определении анионных синтетических поверхностно-активных веществ (АСПАВ), меди, свинца,
кадмия, но совершенно непонятно, почему пользуются старой
методикой, если принцип и используемые реактивы не различаются существенно в старой и новой редакции методик, например, при определении никеля, сульфидов и др.
Определение новых показателей в лабораториях в 1999 г. не
вводилось, за исключением Колымского УГМС, в котором начато определение нефтепродуктов в донных отложениях. После
длительного перерыва возобновлены газохроматографические
измерения содержания хлорорганических пестицидов и ТЦА в
экстрактах в Улан-Уденской лаборатории, а также возобновлены определения ХПК и фенолов в Новочебоксарской лаборатории, хрома (VI) в Ханты-Мансийской.
К сожалению, в 1999 г. в лабораториях продолжалось уменьшение числа определяемых показателей. Так, прекращено
определение:
— цианидов, роданидов, сероводорода и сульфидов в Кемеровской лаборатории;
— смол и асфальтенов в Иркутской и Сыктывкарской лабораториях;
— фурфурола в Бирюсинской лаборатории;
— лигносульфонатов в Красноярской лаборатории;
11
— хрома (VI) и железа (II) в Уфимской и Салаватской лабораториях.
Наибольшее число показателей (50 и более) в 1999 г. определяли в Читинской, Кемеровской, Владивостокской, Ростовской
лабораториях.
Существенным недостатком в работе лабораторий, как и в
прежние годы, является несоблюдение нормативных сроков и
условий консервации и хранения проб воды. Предварительная
оценка соответствия сроков хранения проб от отбора до анализа,
регламентированных РД, и фактического состояния дел в конкретных УГМС показала, что в среднем от 10 до 15 % всех проб
анализируется с задержкой, превышающей нормативную более
чем на 10 суток, и около 10 % проб - более чем на 20 суток.
Столь длительное хранение проб, несомненно, снижает качество
получаемой информации, однако при значительном дефиците
средств, выделяемых на работы по мониторингу поверхностных
вод, улучшения ситуации с отбором проб в ближайшем будущем
ожидать не приходится.
Парк измерительных приборов, используемых при проведении работ по анализу поверхностных вод суши, практически не изменился. В настоящее время, по сведениям,
представленным лабораториями сети, имеется около 210 фотоэлектроколориметров, 68 спектрофотометров для УФ и
видимой области и 12 для ИК-области спектра, 36 ИК-анализаторов нефтепродуктов, 39 флуориметров, 58 газовых
хроматографов, 22 пламенных фотометра, 12 атомно-абсорбционных спектрофотометров, 11 комплектов аппаратуры для
спектрального анализа, около 150 рН-метров и иономеров, 21
ртутный анализатор, 12 подярографов и вольтамперометрических анализаторов (приборы, имеющиеся в лабораториях,
но использующиеся только для анализа проб почвы или воздуха, в данный учет не включены).
В 1999 г. лабораториями было получено всего несколько новых приборов, несмотря на полную изношенность и потребность
в замене не менее 50 % используемых измерительных приборов.
Фотометры КФК-3 приобретены или получены в Верхне-Волжском (2), Обь-Иртышском (2), Сахалинском (2), Северо-Кавказском (2), Уральском (1) УГМС; рН-метры - в Сахалинском (2),
Северном (1) УГМС; флуориметры — в Западно-Сибирском,
Обь-Иртышском, Приморском, Сахалинском, Северо-Кавказском УГМС; вольтамперометрический комплекс — в Западно-Сибирском УГМС.
В приложении 11 приведен перечень лабораторий, в которых не использовались измерительные приборы для анализа
поверхностных вод суши в 1999 г., и причина простоя, если
таковая указана. Следует отметить, что использующимся
прибор считается в том случае, если имеются результаты анализа проб воды, выполненные на этом приборе; в противном
12
случае, независимо от состояния прибора, он считается неиспользуемым.
Наиболее эффективно в 1999 г. использовали приборы в
УГМС Забайкальском, Иркутском, Мурманском, наименее эффективно — в УГМС ЦЧО и Якутском. В целом ситуация осталась на уровне предыдущего года.
Основные трудности в работе лабораторий связаны, как и
прежде, с отсутствием необходимого материально-технического
и финансового обеспечения. Следует отметить, однако, что проблемы возникают и по другим причинам. Так, в последние годы
значительно ухудшилось качество поставляемых на рынок реактивов, даже марка "х.ч." или "ос.ч." не всегда является гарантией необходимой чистоты реактива. Однако применение
высокочистых реактивов является одним из существенных условий получения достоверной информации при определении мик-т
рограммовых и, тем более, суомикрограммовых концентраций
загрязняющих веществ в воде. Дополнительная очистка реактивов требует значительных трудозатрат, но не всегда приводит к
положительному результату. Особенно это характерно для растворителей: гексана, четыреххлористого углерода.
13
4. ПРЕДСТАВЛЕНИЕ РЕЗУЛЬТАТОВ АНАЛИЗА
Полученные в результате анализа воды и донных отложений данные о содержании гидрохимических показателей после проверки в
подразделениях УГМС представляют в соответствии с установленным
Росгидрометом порядком, подразделяя на два потока: оперативная
(штормовая) и режимная (систематическая) информация.
Режимную информацию УГМС представляют в ГХИ в виде
первичных данных и в виде обобщенных материалов в сроки,
установленные приказом Росгидромета № 63 от 03.06.95.
4.1. Первичные данные
Первичные данные поступают в ГХИ в основном на дискетах;
из Приволжского УГМС - на магнитных лентах; из Иркутского
УГМС (бассейн оз.Байкал) — в виде журналов ГХЗ; результаты
анализа проб донных отложений, хлорорганических пестицидов
в опорных пунктах и гидрологические данные по пунктам специальных наблюдений — в виде табличного материала.
Сведения о численности и сроках поступления в ИВЦ ГХИ первичной информации за 1998 г. представлены в приложении 12. Сроки
представления
этой информации
выдержаны
лишь
Северо-Кавказским, Иркутским (Байкал) и Приволжским УГМС.
Задержка составила от 4 до 82 суток. Как и в предыдущие годы, не
представлена информация Северо-Западным УГМС. Всего в ГХИ
поступили данные анализа 24 162 проб.
Таблицы с результатами анализа проб донных отложений и
ХОП в опорных пунктах наблюдений за 1999 г. поступали из
УГМС в основном в срок. Однако на конец января 2000 г. отдельные материалы не поступили в ГХИ от УГМС Верхне-Волжского, Камчатского, Приморского, ЦЧО (ХОП в опорных пунктах)
и Иркутского, Уральского (ХОП в донных отложениях).
В соответствии с п. 32 приказа Росгидромета № 63 от
03.06.94 к 1 октября каждого года УГМС должны представлять
гидрологические данные по пунктам специальных наблюдений
(трансграничные поверхностные воды суши, вынос загрязняющих веществ в моря и океаны) и данные, включенные в систему
ГСМОС. На конец января 2000 г. упомянутые данные не поступили в ГХИ от УГМС Камчатского, Северо-Западного и ЦЧО.
В целом своевременность представления первичных данных
на магнитных носителях немного улучшилась, на бумажных —
снизилась.
4.2. Обобщенные данные
Данные, статистически обработанные по территории своей
деятельности, УГМС представляют в ГХИ в виде Ежегодников
качества поверхностных вод (далее Ежегодники-98).
14
Большинство управлений в 1999 г. присылало Ежегодники-98 в установленные сроки и хорошего качества. Оценка
Ежегодников сделана в приложении 13. Своевременность представления Ежегодников-98 Верхне-Волжским, Дальневосточным, Забайкальским, Камчатским, Колымским, Башкирским
УГМС и УГМС ЦЧО оценена пятью баллами.
Гораздо позже установленных сроков (более 20 дней) получены Ежегодники-98 Приволжского, Приморского, Сахалинского
и Северо-Западного УГМС. Очень поздно, после многократных
напоминаний, поступил на дискете Ежегодник-98 Уральского
УГМС. Своевременность их представления оценена двумя баллами.
Качество представленных Ежегодников-98 было отличным
(Верхне-Волжское, Дальневосточное, Забайкальское, Камчатское, Колымское, Приволжское, Башкирское УГМС и УГМС
ЦЧО) и хорошим в остальных УГМС и ЦГМС, за исключением
Приморского, Сахалинского, Уральского УГМС и Калининградского ЦГМС, материалы которых не оценивались в связи с поздним поступлением (приложение 13).
Вместе с тем почти во всех Ежегодниках в большей или меньшей степени имеются отклонения от макета.
Во "Введении" многих Ежегодников-98 не указаны происшедшие в течение года изменения в составе сети наблюдений
(открытие, закрытие, временная приостановка работы). В случае если таких изменений не происходило, следует написать об
этом.
Ряд УГМС представил неполный список использованных сокращений. В Ежегодниках Северо-Западного и Северо-Кавказского УГМС в таблице 1 "Перечень пунктов наблюдений за
загрязненностью поверхностных вод" отсутствует графа "Категория водного объекта в пункте наблюдений".
В последующих Ежегодниках Забайкальскому УГМС целесообразно поместить отдельные карты-схемы размещения сети
пунктов наблюдений на территории Читинской области и Республики Бурятия.
В Ежегодниках Иркутского и Северо-Кавказского УГМС в
табл. 5 "Приоритетный список наиболее загрязненных водных
объектов" отсутствует или составлен неполный перечень водных
объектов.
Отсутствуют сведения о фактах улучшения или ухудшения
качества поверхностных вод в Ежегодниках Приморского, Сахалинского, Северного, Северо-Кавказского УГМС. Несвоевременное
дополнительное
представление
таких
сведений
Дальневосточным, Сахалинским и Башкирским УГМС не позволили использовать их при подготовке обобщенных материалов
по стране. Не указана причина высокого загрязнения воды в
Ежегодниках-98 Обь-Иртышского, Северо-Западного, Северо-Кавказского УГМС и Московского ЦГМС. В Ежегодниках
15
следует представлять таблицу "Сведения о фактах улучшения
или ухудшения качества поверхностных вод , в которую в отличие от предыдущего года помещают среднегодовые и максимальные концентрации и указывают конкретные причины
улучшения или ухудшения качества воды.
Не представлена или представлена очень поздно таблица
"Характеристика источников загрязнения поверхностных вод и
эффективности проведенных водоохранных мероприятий" (Забайкальское, Камчатское, Среднесибирское, Обь-Иртышское,
Северное, Северо-Западное, Северо-Кавказское и Башкирское
УГМС).
Наблюдается разночтение в информации, представленной в
текстовом и табличном материале, либо в Ежегодниках и базе
данных на магнитных носителях (Верхне-Волжское, Западно-Сибирское, Иркутское и Башкирское УГМС и Московский
ЦГМС, в последнем особенно часто).
При расчете повторяемости превышения ПДК формальдегида и железа общим в таблице "Статистические характеристики
качества поверхностных вод" Ежегодника-98 Верхне-Волжского УГМС использованы неправильные значения ПДК, хотя в
приложении 1 "Критерии оценки загрязненности поверхностных вод" указаны верные их значения.
Приведены устаревшие критерии ЭВЗ, не соответствующие
установленным в пункте 2.6 приказа Росгидромета № 110 от
22.11.95 в приложении II "Критерии классификации высоких и
экстремально высоких уровней загрязнения водных объектов"
Ежегодников-98 Камчатского УГМС (азот аммонийный и нитритный, алюминий) и Сахалинского УГМС (нефтепродукты,
фенолы, медь, БПК5).
В целом, по сравнению с предыдущим годом, несколько снизилась своевременность представления и качество Ежегодников. УГМС следует более тщательно соблюдать макет
"Ежегодника качества поверхностных вод" и представлять ежегодник в ГХИ на бумажном носителе в установленные сроки.
16
5. СОСТОЯНИЕ РАБОТ ПО КОНТРОЛЮ КАЧЕСТВА
АНАЛИТИЧЕСКИХ ОПРЕДЕЛЕНИЙ
Оценено выполнение лабораториями УГМС внутрилабораторного контроля (ВЛК), внешнего контроля (ВНК) и выведены
общие оценки УГМС за работы по контролю качества аналитических определений (приложение 14).
5.1. Внутрилабораторный контроль
В 1999 г. лаборатории сети Росгидромета проводили внутрилабораторный контроль (ВЛК) по ведомственным документам
РД 5 2 . 2 4 . 5 0 9 - 9 6 , РД 52.24.268-86, МИ 2335 (разработчик
УНИИМ Госстандарта России), используя в работе методики,
вошедшие в "Федеральный перечень методик выполнения измерений, допущенных к применению при выполнении работ в области мониторинга загрязнения окружающей природной
среды" (далее — "Федеральный перечень"). Для компонентов,
методики определения которых не аттестованы, использовали
"Руководство по химическому анализу поверхностных вод
суши" под редакцией А.Д. Семенова и "Унифицированные методы исследования качества вод".
Выполнение внутрилабораторного контроля оценивалось по
слудующим направлениям:
— своевременность представления в ГХИ и правильность
оформления отчетных материалов по ВЛК;
— качество выполнения внутрилабораторного предупредительного контроля погрешности (полнота и правильность выполнения контроля стабильности градуировочного графика,
оперативного контроля погрешности методик, контроля загрязнения при пробоотборе);
— качество выполнения статистического контроля.
Своевременность представления и правильность оформления
материалов ВЛК. Отчетные материалы о проведении BJHC качества
аналитических определений в 1999 г. поступили из 68 лабораторий
(78 % от общего числа лабораторий сети, что на 5 % больше по
сравнению с 1998 г.). Тиксинская лаборатория ежегодно представляет материалы ВЛК с опозданием на несколько месяцев, и поэтому
их материалы не входят в "Обзор состояния работы сети" за отчетный год. С большим опозданием представили материалы по ВЛК
все лаборатории УГМС ЦЧО, Новокузнецкая и Хабаровская лаборатории. Совсем не представили материалы по ВЛК, как и в прошлом
году, лаборатории Рязанская (Верхне-Волжекое УГМС), Зейская
(Дальневосточное УГМС), все лаборатории Сахалинского УГМС,
Смоленская, Тверская, Псковская, Санкт-Петербургская, Киришская (Северо-Западное УГМС), Махачкалинская, Астраханская,
Владикавказская, Волгоградская (Северо-Кавказское УГМС), Нике17
льская, Мончегорская, Апатитская лаборатории (Мурманское
УГМС) и Бщносинская лаборатория (Иркутское УГМС).
Этим 19 лабораториям выставлена общая оценка 2 балла
(приложение 14), и им следует помнить, что отсутствие в лабораториях постоянного внутрилабораторного контроля качества ставит под сомнение достоверность получаемой ими
информации.
По сравнению с предыдущими годами положение со сроками
поступления в ГХИ отчетных материалов по проведению BJIK, в
общем, улучшилось. Вовремя представили материалы лаборатории Самарская и Пензенская (Приволжское УГМС), Краснодарская (Северо-Кавказское УГМС), Вологодская (Северное УГМС)
и Улан-Удэнская (Забайкальское УГМС). Представление материалов этими лабораториями оценено 5 баллами. Оценку 4 балла за своевременность представления материалов получили
лаборатории Саратовская, Казанская, Оренбургская, Тольяттинская, Ульяновская (Приволжское УГМС), Иркутская/Ангарская, Байкальская, Братская, Саянская (Иркутское УГМС),
Магаданская (Колымское УГМС), Омская, Ханты-Мансийская
(Обь-Иртышское УГМС), Архангельская (Северное УГМС), Екатеринбургская, Пермская, Челябинская, Курганская (Уральское УГМС), Читинская (Забайкальское УГМС), Назаровская
(Среднесибирское УГМС).
Таким образом, 25 лабораторий (37 % от числа приславших
отчеты) представили материалы полностью и в срок, что пока
только на 8 % больше по сравнению с предыдущим годом.
Несвоевременно и не но всем видам контроля (контроль стабильности градуировочных графиков, оперативный контроль и
статистический контроль) представленный материал по ВЛК
оценен 3 баллами. Это лаборатории Нижнегорская, Городецкая,
Вятская, Рыбинская (Верхне-Волжское УГМС), Хабаровская
(Дальневосточное УГМС), Новосибирская, Кемеровская, Новокузнецкая, Томская, Барнаульская, Бийская (Западно-Сибирское
УГМС), Красноярская, Дивногорская, Норильская, Абаканская
(Среднесибирское УГМС), Мурманская, Салехардская, Тюменская (Обь-Иртышское УГМС), Владивостокская (Приморское
УГМС), Сыктывкарская (Северное УГМС), Петрозаводская, Новгородская (Северо-Западное УГМС), Ростовская, Сочинская,
Цимлянская, Темрюкская, Азовская, Невинномысская (Северо-Кавказское УГМС), Московская, все лаборатории УГМС ЦЧО,
Якутская, Тиксинская (Якутское УГМС), Уфимская, Салаватская
(Башкирское УГМС),
Советская
(Калининградский
ЦГМС), что составило 63 % (43 лаборатории из 68 приславших
свои отчёты). В это число вошла и Новочебоксарская лаборатория, которая по уважительной причине не прислала отчет, своевременно уведомив об этом.
Некоторым лабораториям следует обратить внимание на правильность оформления отчетных материалов:
18
— в таблицах следует указывать единицы измерения (Вятская, Темрюкская, Невинномысская, Кемеровская, Томская,
Советская, Бийская лаборатории);
— в таблицах следует указывать номер документа, по которому проводится определение того или иного компонента
(Байкальск, Дивногорск, Назарово, Красноярск, Темрюк, Краснодар, Азов, Невинномыск, Кемерово, Томск, Абакан, Советск,
Пенза, Ростов, Цимлянск, Челябинск);
— следует проверять заполнение граф таблиц, например, вместо "неуд." стоит 'уд." (Саратовская лаборатория), на определение кремния указан РД 52.24.386 вместо РД 52.24.433
(Читинская лаборатория);
— следует подписывать таблицы (Томская, Барнаульская лаборатории);
— в таблицах статистического контроля необходимо указывать годовое количество проб для каждого компонента (Красноярская, Дивногорская, Сочинская, Курганская, Советская
лаборатории);
— следует аккуратнее заполнять таблицы. Даже после пересчета нормативов не исправлены в таблицах уд." на "неуд."
(Тульская лаборатория), т.е. не отражена фактически нестабильность градуировочных графиков по ряду компонентов;
— при отправлении материалов контроля следует внимательно проверять фактическое наличие отсылаемого материала
(Сыктывкарская лаборатория).
Качество
выполнения
предупредительного
контроля
погрешности. Анализ полученных материалов показал, что в
1999 г., как и в 1998 г., многие лаборатории не уделили должного внимания организации предупредительного контроля —
контроля стабильности градуировочного графика и контроля
грубой погрешности. Полностью не выполнили этот вид контроля Новосибирская, Новокузнецкая, Барнаульская, Мурманская, Тиксинская лаборатЪрии. Выполнившие контроль не в
полном объеме (менее 30 % от числа определяемых в лаборатории ингредиентов) — Нижегородская, Кемеровская, Иркутская,
Петропавловск-Камчатская, Сочинская и Уфимская лаборатории — получили по 3 балла.
Всего две лаборатории Пензенская (Приволжское УГМС) и Архангельская (Северное УГМС) выполнили предупредительный контроль
в полном объеме (от 75 до 100 % от числа определяемых в лаборатории компонентов) и получили оценку 5 баллов. Лаборатории, выполнившие контроль в объеме более 30 % от числа определяемых ими
компонентов, были оценены в 4 балла. Это 55 лабораторий, что составляет 80 % от числа приславших отчеты.
29 лабораторий (это 42 % от общего числа лабораторий, приславших отчеты) до сих пор выполняют ВЛК по РД 52.24.268 и,
следовательно, используют в работе устаревшие оценочные нормативы (письмо ГХИ № 25/1581 от 03.08.87). Это Городецкая,
19
Вятская, Рыбинская (Верхне-Волжское УГМС), Петропавловск-Камчатская (Камчатское УГМС), Дивногорская, Назаровская, Норильская, Абаканская (Среднесибирское УГМС),
Салехардская (Обь-Иртышское УГМС), почти все лаборатории
Северо-Кавказского УГМС, Курская, Тульская, Воронежская,
Липецкая, Орловская, Старооскольская, Калужская (УГМС
ЦЧО), Тиксинская (Якутское УГМС) и Советская (Калининградский ЦГМС).
В ряде лабораторий (Городецкая, Вятская, Рыбинская, Иркутская (III квартал), Саянская, Ростовская, Азовская, Невинномысская и дрГ) неверно рассчитаны нормативы стабильности
градуировочных графиков: вместо удвоенной случайной составляющей погрешности принята удвоенная общая погрешность,
отсюда фактическая нестабильность некоторых градуировочных графиков (Краснодарская, Азовская, Невинномысская, Иркутская, Норильская, Салехардская и другие лаборатории).
В лабораториях Екатеринбургской, Курской, Воронежской
анализ проводят по одной методике, а точностные характеристики берут из другой аттестованной методики, входящий в
"Федеральный перечень", что недопустимо.
Ульяновская, Сыктывкарская, Московская, Саратовская,
Уфимская лаборатории по предупредительному контролю прислали только таблицы оптических плотностей. Цимлянская и
Салехардская лаборатории проводят контроль стабильности
градуировочных графиков только два раза в год вместо ежеквартального. В Цимлянской лаборатории стабильность градуировочного графика оценивалась по одной концентрации, что
недопустимо для оценки стабильности.
Качество выполнения новых видов оперативного контроля
погрешности. В 1999 г. увеличилось число лабораторий, внедривших РД 52.24.509 и МИ 2335. Оперативный контроль качества (ВОК) в соответствии с этими документами выполнили 25
лабораторий.
21 лаборатория из числа приславших материалы не внедрила
новые алгоритмы контроля — Городецкая, Вятская, Рыбинская
(Верхне-Волжское УГМС), Читинская (Забайкальское УГМС),
Дивногорская, Назаровская, Норильская, Абаканская (Среднесибирское УГМС), Владивостокская (Приморское УГМС),
Ростовская, Цимлянская, Темрюкская, Азовская, Невинномысская (Северо-Кавказское УГМС), Тульская, Липецкая, Тамбовская,
Брянская, Калужская (УГМС ЦЧО),
Советская
(Калининградский ЦГМС). Сыктывкарская (Северное УГМС) не
представила материалов по ВОК, хотя сведения о его проведении указываются.
Из всех лабораторий, приславших отчеты, только пять — Московская, Оренбургская, Петропавловск-Камчатская, Екатеринбургская и Пермская — прислали материалы ВОК, как и
положено, поквартально. Барнаульская, Ханты-Мансийская,
20
Архангельская, Вологодская, Якутская и Пензенская лаборатории представили ВОК по полугодиям. Остальные лаборатории
прислали материалы единовременно за год — в конце года. Это
было бы не так существенно, если бы все лаборатории правильно выполняли ВОК, но, к сожалению, это не так.
24 лаборатории, приславшие отчеты по ВОК, охватили оперативным контролем более 75 % определяемых ими компонентов и оценены 5 баллами. Это лаборатории: Томская,
Барнаульская, Бийская (Западно-Сибирское УГМС), Саянская
(Иркутское УГМС), Красноярская (Среднесибирское УГМС),
Мурманская (Мурманское УГМС), Самарская, Оренбургская, Казанская (Приволжское УГМС), Ханты-Мансийская (Обь-Иртышское УГМС), Архангельская, Вологодская (Северное УГМС),
Екатеринбургская, Пермская, Челябинская, Курганская (Уральское УГМС), Московская (Московский ЦГМС), Курская, Орловская, Воронежская (УГМС ЦЧО), Якутская, Тиксинская (за
1998 г.) (Якутское УГМС), Салаватская (Башкирское УГМС),
Магаданская (Колымское УГМС).
Оценка 3 балла выставлена лабораториям, в которых проводят ВОК менее 30 % от числа определяемых в каждой лаборатоira показателей. Это Нижегородская, Хабаровская и
тарооскольская лаборатории.
Остальные лаборатории, выполнившие ВОК, оценены 4 баллами.
Как указано в РД 52.24.509, "Обзоре состояния работ на
сети" за 1998 г. и в .методическом письме ГХИ, оперативный
контроль должен проводиться с учетом последующего статистического контроля. Как и в предыдущем году, именно эту особенность постановки работы многие лаборатории (Ханты-Мансий
екая,Самарская, Саратовская, Сочинская, Новгородская и др.)
не учли — не выдерживали постоянства добавок к реальным
пробам, когда это необходимо, не соблюдали постоянства концентраций определяемого компонента в образцах для контроля,
кратности разбавления природных вод с последующей одинаковой добавкой, что впоследствии затруднило проведение статистического контроля.
Неправильно организован ВОК в Московской, Воронежской,
Орловской, Оренбургской, Мурманской лабораториях, где, вопреки рекомендованному в РД на конкретную методику виду
контроля, был предпочтен контроль с использованием образцов, т.е. на дистилированной воде, или контроль по сходимости. Конечно, это наиболее простой, но недостаточно
объективный вид контроля.
В ряде лаборатории (Омская, Ханты-Мансийская, Тюменская) ВОК проведен по нескольким алгоритмам для каждого показателя, что совершенно излишне. Томская лаборатория
выполнила почему-то контроль 2—3 пар в один день при очень
большом количестве неудовлетворительных результатов с невыясненными причинами. В случае обнаружения неудовлетвори-
g
21
тельных результатов обязательно нужно искать причины,
указывать их в таблице и устранять в дальнейшей работе. В
Новгородской и Орловской лабораториях не выяснены и не
устранены причины неудовлетворительных результатов.
Неверно выполнен ВОК Тиксинской лабораторией (один образец того или иного компонента был проведен по всем алгоритмам контроля). Это является наглядной иллюстрацией
необходимости поквартального представления материалов в
ГХИ для своевременного устранения недостатков.
В 1996—1997гг. в центры по мониторингу загрязнения окружающей среды (ЦМС) были разосланы пересмотренные РД на
методики, вошедшие в "Федеральный перечень". В эти методики включен раздел "Контроль погрешности измерений", в котором изложен рекомендуемый вид нового оперативного контроля
(ВОК). Этот вид контроля, рекомендуемый РД, не догма, его
можно заменить подходящим для каждого случая алгоритмом
контроля: методом разбавления, методом добавки или методом
разбавления с добавкой и т.д. Особенно в случае необнаружения
в анализируемых реальных пробах того или иного компонента
обязательно следует проводить контроль погрешности определения этого компонента на реальных пробах путем добавок, и, что
особенно важно, на концентрациях, близких к минимально
определяемым, либо к тем, для которых установлена максимальная погрешность. Таким образом, возможно выявление мешающих факторов, влияющих на правильность определения
компонентов.
Качество выполнения статистического контроля погрешности. Статистический контроль показателей качества результатов количественного химического анализа предназначен
для оценки погрешности всех анализов, выполненных в течение года.
Статистический контроль погрешности и воспроизводимости
по РД 52.24.509-96 и статистический контроль воспроизводимости и правильности по РД 52.24.268-86 был выполнен в 58
лабораториях, т.е. в большинстве из приславших отчеты.
Охват контролем качества результатов определяемых компонентов в среднем по всем лабораториям, приславшим результаты В JIK, составил 81,5 % от общего числа определяемых
лабораториями компонентов.
К сожалению, материал по статистическому контролю, представляемый лабораториями, не содержит фактических данных,
по которым произведены расчеты. Базой для оценки погрешности всех анализов, выполненных в течение полугода или года,
служат результаты оперативного контроля погрешности за тот
же период. Некоторые лаборатории (Нижегородская, Городецкая, Вятская, Рыбинская, Читинская, Дивногорская, Назаровская, Норильская, Абаканская, Владивостокская, Сыктывкарская, Петрозаводская, Цимлянская, Азовская, Краснодар22
екая, Тульская, Тамбовская, Брянская, Калужская, Тиксинская, Советская), не выполняя оперативный контроль для
статистического контроля, ограничились, вероятно, анализом
шести образцов для контроля по каждому компоненту в течение
года, забыв, что наиболее важен все же оперативный контроль,
выполненный перед сериями проб или совместно с ними, так
как он предотвращает появление недостоверной информации.
Хотя этим лабораториям и поставлена отличная оценка за проведение статистического контроля, но в следующем году им следует выполнять такой контроль и отчитываться в ГХИ по его
выполнению. Статистический контроль, выполненный по шести
образцам, отдельно проанализированным, всегда можно сделать
положительным, но он не будет объективным.
Анализ результатов, полученных некоторыми лабораториями при выполнении статистического контроля по данным оперативного контроля с разбавлением и добавками, показал
необходимость пересмотра формул для расчета нормативов контроля погрешности. Эти изменения к РД 52.24.509 будут высланы в лаборатории.
Контроль загрязнения проб путем анализа холостых полевых и лабораторных проб. Как уже отмечалось в 1998 г., в тех
случаях, когда подготовка проб к определению того или иного
компонента проводится в лаборатории, а собственно определение выполняет другая лаборатория или экстракт отсылается вообще в другое подразделение или город, особенно важно сделать
анализ холостых полевых и лабораторных проб, проводя эти
пробы через все стадии прохождения от момента отбора до анализа. Только таким образом можно выявить источник загрязнения. Улан-Удэнская, Байкальская, Саянская, Оренбургская,
Сочинская, Тамбовская, Якутская, Уфимская и Тиксинская лаборатории осознали необходимость этой работы и выполнили в
том или ином объеме анализ холостых и лабораторных проб,
чем подтвердили корректность представляемой информации.
Частично эту работу провели в Читинской, Новосибирской,
Бийской, Иркутской, Петропавловск-Камчатской, Тюменской,
Самарской, Саратовской, Ульяновской, Казанской, Владивостокской, где, хотя и не в полном объеме, выполнили контроль
холостых лабораторных проб. Лаборатория Ханты-Мансийска
выполнила контроль холостых лабораторных проб по всем компонентам, определяемым в лаборатории.
Полностью по всем Показателям выполнили контроль полевых холостых проб Красноярская, Архангельская, Пермская,
Московская лаборатории. Этим, а также Улан-Удэнской, Байкальской, Саянской, Оренбургской, Сочинской, Тамбовской,
Якутской, Уфимской и Тиксинской лабораториям следовало бы
поделиться своим опытом в части организации контроля загрязнения при пробоотборе. Данный вид контроля вызывает большие трудности в некоторых лабораториях именно в части
23
организации этих работ. Частично выполнили контроль холостых полевых проб Новокузнецкая, Братская, Вологодская, Салаватская лаборатории.
В общей сложности 29 лабораторий нашли возможность и
выполнили в той или иной мере контроль холостых лабораторных и полевых проб.
Конечно, из-за дефицита реактивов, перебоев с водой, электроэнергией, недостаточного финансирования все трудней приходится лабораториям выполнять не только контроль
загрязнения щш пробоотборе, но и вообще отбор проб по установленным программам наблюдения. И все-таки проводить контроль пробоотбора, т.е. анализ холостых полевых проб,
необходимо. Только этот вид контроля дает возможность оценить чистоту посуды, фильтров, фильтрующих устройств, пробоотборников, химических консервирующих веществ при
отборе, транспортировании и хранении проб и определить, таким образом, уровень загрязнения проб воды до проведения
анализа. Особенно такой вид контроля нужен для определения
загрязняющих воду компонентов, по которым часто наблюдается превышение ПДК.
Выводы. Общая картина по организации внутрилабораторного контроля следующая:
Всего лабораторий...
.....87
Не представили никаких
материалов по ВЛК
19 лабораторий
В том или ином объеме
представили материалы по
статистическому контролю
58 лабораторий
Материалы по предупредительному контролю прислали
46 лабораторий
Новые виды оперативного контроля внедрили
25 лабораторий
Контроль холостых лабораторных и полевых проб
провели
29 лабораторий
В целом в отчетном году наблюдалась тенденция улучшения
качества выполнения внутрилабораторного контроля точности:
— увеличилось число лабораторий, освоивших новые алгоритмы контроля, согласно РД 52.24.509 и МИ 2335;
— больше лабораторий представили отчетные материалы в
срок;
— некоторые лаборатории организовали проведение контроля
загрязнения при пробоотборе (холостые полевые пробы);
— многие лаборатории проявляют активность и заинтересо24
ванность в повышении качества анализов, о чем свидетельствуют их письма-запросы и телефонные звонки в ГХИ.
Тем не менее количество УГМС и ЦГМС, оцененных 4 и 5 баллами, очень незначительно (9 из 23). Все же остальные оценены
3 баллами по совокупности оценочных критериев.
5.2. Внешний контроль
Внешний контроль был проведен в 1998 г. в рамках международной программы ГСМОС/Вода совместно с участниками и координаторами этой программы. Поскольку результаты контроля
были получены из Женевы лишь в 1999 г., материалы по контролю не вошли в "Обзор состояния работы сети" за 1998 г. Обсуждение результатов этого контроля было проведено в 1999 г.
Всем лабораториям, участвующим в этой программе, были разосланы письма с результатами.
Публикация результатов контроля в данном обзоре сделана
для сравнительного анализа и ознакомления лабораторий с результатами других подразделений (приложение 15).
В рамках этого международного эксперимента лаборатории
должны были определить 38 показателей (физические свойства,
главные ионы, биогенные компоненты, тяжелые металлы и пестициды) из числа входящих в программу работ каждой лаборатории. Наибольшее количество анализов выполнено Мурманской (30), Санкт-Петербургской (29), Красноярской (26), Омской (24) и Архангельской (21) лабораториями. Томская,
Уфимская, Нижегородская, Улан-Удэнекая и Байкальская лаборатории выполнили от 10 до 12 анализов, Ростовская и Иркутская — только по 4 анализа, и те с неудовлетворительными
результатами.
К сожалению, общая картина выполнения контроля неутешительна. Результаты не намного лучше полученных в 1996 г.,
хотя в данном случае лабораториям были одновременно высланы образцы для калибровки и контроля качества.
Лишь Архангельская (Северное УГМС) и Омская (Обь-Иртышское УГМС) лаборатории показали высокое качество выполнения анализов практически по всем показателям.
Красноярская, Мурманская и Нижегородская лаборатории оценены 3 баллами, остальные лаборатории выполнили анализы с
большим количеством неудовлетворительных результатов (от
33 до 5 4 % ) .
Цри оценке выполнения анализа покомпонентно видно, что
анализы главных ионов (кальция, магния, хлоридов, сульфатов), биогенных веществ выполнены большинством лабораторий с хорошим качеством. Хуже выполнено определение ХПК,
БПК 5 , фторидов, и совсем плохо всеми лабораториями определена щелочность.
Определение тяжелых металлов и пестицидов выполнили да25
леко не все лаборатории, и примерно половина лабораторий получила результаты с -большой погрешностью. Возможные
причины плохого качества анализов были указаны в письмах-рекомендациях, разосланных во все лаборатории.
В течение второго полугодия 1999 г. лаборатории должны
были принять меры по выяснению причин плохого качества выполнения контроля и их устранению. Ряд лабораторий отчитался перед ГХИ о проведении этой работы.
В 1999 г. внешний контроль проведен в небольшом объеме. В
приложении 16 представлены лишь результаты внешнего контроля качества, который был выполнен в ряде лабораторий во
время их инспекций и аккредитации.
Контролем было охвачено определение 33 компонентов в восьми лабораториях. В целом результаты анализов хорошие, большинство их оценено 4 и 5 баллами, но надо иметь в виду, что
это были лаборатории, которые готовились к предстоящей аккредитации и инспекции, кроме того, проанализированные ими
образцы для контроля представляли собой не смесь различных
компонентов, а индивидуальные компоненты.
Есть претензии к некоторым лабораториям (Южно-Сахалинская, Тольяттинская) по выполнению титриметрических анализов (определение кальция, жесткости, хлоридов). И в других
лабораториях сети Росгидромета в предыдущие годы при внешнем контроле было выявлено, что, несмотря на простоту анализа, выполнение его идет с плохим качеством. Причиной может
быть недостаточная квалификация операторов, отсутствие нужного оборудования и посуды, свежих реактивов. Использование
бюреток с краном на шлифе (вместо шарикового), недостаточно
тонкий носик бюретки приводит к перетитровыванию, а следовательно, к большой погрешности.
Следует отметить, что негативно на качестве анализов сказывается также отсутствие семинаров, которые ранее проводил
ГХИ, так как в химическом анализе много тонкостей, которые
нужно увидеть и которым нужно научиться.
26
6. СОСТОЯНИЕ МАТЕРИАЛОВ,
ПРЕДСТАВЛЕННЫХ УГМС
ДЛЯ ОБЗОРА СОСТОЯНИЯ РАБОТ В 1999 г.
Представление УГМС материалов для "Обзора состояния
работ" в ГХИ производится в сроки, установленные приказом
Росгидромета № 63 от 03.06.94. й по форме, изложенной в
письмах Росгидромета № 4 0 - 3 9 / 6 5 8 от 12.07.82 (табл.1-7) и
ГХИ № 0 9 / 2 7 7 4 от 19.12.85 (табл.8), с учетом пояснений, изложенных в письмах ГХИ № 6 / 1 3 2 7 от 26.11.87, № 6-446 от
2 1 . 0 7 . 9 5 , № 6-356 от 0 1 . 1 0 . 9 7 г. и в "Обзорах состояния работ
на сети наблюдений за загрязнением поверхностных вод
СССР и РФ (по гидрохимическим показателям)".
Материалы для "Обзора состояния работ" представили все
УГМС за исключением Приволжского, четыре управления
представили их в срок, двенадцать — с небольшим опозданием (до 5 дней), не затормозив работу ГХИ по обобщению. С
опозданием более 5 суток, создавшим напряжение в работе по
подготовке "Обзора состояния работ", поступили материалы
из УГМС Мурманского (7 дней опоздания), Приморского (14),
Северного (13), Северо-Западного (20), (8), Якутского (6)
(приложение 17). В целом исполнительская дисциплина по
сравнению с предыдущим годом улучшилась. Оценки за своевременность представления материалов к Обзору УГМС представлены в приложении 17.
Однако качество представленных материалов осталось примерно на уровне предыдущего года. Материалы трех УГМС оценены 5 баллами, пятнадцать — 4 баллами и три — 3 баллами
(приложение 17).
Замечания по качеству представленных материалов и пояснения по их заполнению приведены ниже.
Пояснительная записка. Как и в предыдущие годы, она не
представлена Башкирским УТМС; представлена очень краткая
Сахалинским и Северо-Западным УГМС; не перечислены закрытые и (или) временно не действовавшие пункты и не пояснено,
было ли согласовано их постоянное и временное закрытие (Дальневосточное, Забайкальское, Иркутское, Мурманское, Сахалинское, Северо-Западное УГМС и Московский ЦГМС); не указано
запланированное число определений (Мурманское, Северо-Кавказское УГМС); не все УГМС объяснили причины недовыполнения и перевыполнения плана работ. Перевыполнение плана в
настоящее время может быть обусловлено, главным образом,
двумя причинами: вследствие особых гидрометеорологических
условий года (например, отбор при дождевых паводках, не характерных для водного объекта и потому не запланированных) и
создавшихся возможностей отбора проб в согласованных временно не работающих пунктах наблюдений. Следует помнить,
27
что корректировать программу работ можно только по согласованным изменениям. По-видимому, этому положению не
удовлетворяет планирование работ в Обь-Иртышском, Северо-Западном УГМС и Московском ЦГМС. Имеются также расхождения в сведениях пояснительной записки и последующих
таблицах.
Наиболее оптимальным вариантом пояснительной записки
является форма краткой справки о работе сети, дополненная
обязательным перечислением в пункте 1 временно не действовавших пунктов наблюдений с пояснением относительно согласованности таких действий с ГХИ и Росгидрометом.
Таблица 1. Основным недостатком в этой таблице было отсутствие или недостаток сведений о временно не действовавших пунктах наблюдений, о чем было сказано выше в
замечаниях к пояснительным запискам. Согласно письму ГХИ
№ 6-446 от 21.07.95, в табл.1 следует представлять сведения о
списочной численности сети, включая временно не действовавшие пункты, а сведения по последним включать в табл.1а, форма которой приложена к письму. Это предписание не
выполнено многими УГМС (Дальневосточное, Западно-Сибирское, Иркутское, Обь-Иртышское, Сахалинское, Северо-Западное, Якутское - Тиксинский ЦГМС и Московский ЦГМС).
Имеются ошибки в счете.
Таблицы 2, 3. Не указано плановое число проб с разбивкой
по категориям пунктов наблюдений (Приморское УГМС); вместо проб указаны определения (Калининградский ЦГМС); имеются ошибки в счете (Северо-Кавказское УГМС, Московский
ЦГМС); по-видимому, неверно указаны плановые значения проб
из-за исключения несогласованно недействовавших пунктов наблюдений (Обь-Иртышское, Северо-Западное УГМС и Московский ЦГМС).
Таблица 4. В ней встречается наибольшее количество ошибок. Разнятся сведения, представленные в сводной таблице по
управлению в целом и по отдельным лабораториям (УГМС Верхне-Волжское, Обь-Иртышское, Северное, Северо-Кавказское и
Калининградский ЦГМС) или в таблице и пояснительной записке (Камчатское, Колымское, Якутское УГМС и Московский
ЦГМС); как и в предыдущие годы, не включили в счет определений расчетные показатели Камчатское УГМС (сумма ионов),
Московский ЦГМС (сумма ионов натрия и калия), Калининградский ЦГМС (сумма ионов), зато Западно-Сибирское и Мурманское УТМС включили в счет визуальные наблюдения, не
являющиеся химическим показателем; имеются арифметические ошибки и опечатки (Верхне-Волжское, Забайкальское,
Среднесибирское, Сахалинское, Башкирское УГМС, УГМС
ЦЧО и Московский ЦГМС).
Неудачно для восприятия представлена таблица Мурманским УТМС, в которой вместо числа запланированных опреде28
лений по ГСН включено число определений с учетом
дополнительных работ, не подведены итоги по лабораториям и
не представлена сводная таблица. Кроме того, общие итоги по
числу определений и BJIK, приведенные в конце таблицы, сосчитаны неверно.
Большинство УГМС не привело число запланированных
определений по каждому показателю.
Не все УГМС в конце таблиц по лабораториям и сводной по
у б а в л е н и ю приводят итоги по числу режимных определений и
BJIK. Как и раньше, следует отметить хорошо составленные
таблицы Уральского УГМС в части представления данных по
выполненным определениям.
Не во всех материалах благополучно положение с представленными сведениями об используемых методиках анализа. Например, в 1998 г. было отмечено внедрение новых редакций РД
практически во всех лабораториях Северо-Кавказского УГМС, а
в сведениях 1999 г. оказывается, что почти все лаборатории пользуются старыми методиками. Такая же ситуация была в
1997/98 г. с Верхне-Волжским УГМС. Иногда указание об использовании новой методики вызывает сомнение, поскольку не согласуется с описаниями затруднений, встречающихся при
выполнении анализа. В сведениях от Махачкалинской лаборатории пишут, что фенолы определяют по РД 52.24.480-95, а говоря о затруднениях, указывают на отсутствие трибутилфосфата,
который в данной методике не применяется; от Кемеровской —
что формальдегид определяют по РД 52.24.492-95, а в затруднениях — очистка фенилгидразинхлорида (т.е. реактива, применяемого в старой методике); от Якутской — фенолы определяют
по РД 52.24.488-95, а в затруднениях ссылаются на отсутствие
амидопирина, использовавшегося в прежней методике.
Многие лаборатории не приводят уточнение варианта определения гидрокарбонатов, сульфидов, аммония и др., допускают
ошибки в номерах РД или ссылках на источник методики.
Таблица 5. Сахалинское УГМС представило сведения только
о Южно-Сахалинской лаборатории; Дальневосточное УГМС не
представило отдельно сведения о Зеиской лаборатории, а Камчатское, Уральское, Северо-Западное УГМС и Московский
ЦГМС представило сведения о наличии приборов лишь в целом
по управлению.
В сведениях Приморского УГМС не приведено ни одного хроматографа, используемого в анализе поверхностных вод суши.
Многие лаборатории не объясняют, куда исчезли приборы, бывшие в списках предыдущего года.
Таблица 6. Западно-Сибирское УГМС включало построение
графиков и определение Новосибирской лабораторией нефтепродуктов, ХОП, ртути и тяжелых металлов для Бийской, Барнаульской и Томской лабораторий, хотя эти результаты уже
включены в табл.4.
29
Таблица 7. Данная таблица представлена только УГМС ЦЧО,
и она составлена правильно. Однако очевидно, что в части других УГМС также в базу помещают данные контроля организаций других министерств и ведомств, например, Северо-Кавказское УГМС — данные ДБВО. Всем УГМС следует проанализировать состояние дел по этому вопросу. В случае отсутствия
данных по ведомственному контролю об этом следует указать в
пояснительной записке.
Таблица 8. Не представлена эта таблица Мурманским,
Обь-Иртышским, Сахалинским УГМС. Не указана численность
химиков-аналитиков в пояснительной записке Среднесибирского, Мурманского, Северо-Кавказского, Башкирского УТМС.
Ввиду отсутствия сведений одновременно в табл. 8 и пояснительной записке Мурманского УГМС, для расчета производительности труда в "Обзоре состояния работ" использована
численность предыдущих лет.
30
7. Выводы, предложения и рекомендации
Впервые за почти десятилетний период произошло улучшение многих параметров функционирования сети наблюдений за
загрязнением поверхностных вод суши.
В целом по стране по сравнению с 1998 г. улучшились следующие параметры:
1) на 6 увеличилось число пунктов наблюдений;
2) на 1035 увеличилось число отобранных и проанализированных проб;
3) на 27 856 увеличилось число выполненных сетью определений по режимным наблюдениям;
4) на 107 определений на человека увеличилась производительность труда сотрудников, занятых выполнением химических
анализов;
5) продолжалось внедрение новых редакций методов анализа;
6) наблюдалась тенденция улучшения качества выполнения
ВЛК;
7) немного улучшилась своевременность представления первичной гидрохимической информации на магнитных носителях
и материалов к "Обзору состояния работ сети наблюдений".
Примерно на уровне предыдущего года осталась неудовлетворительная обеспеченность сетевых подразделений измерительными приборами; качество материалов к "Обзору состояния
работ сети наблюдений".
По сравнению с предыдущим годом на 5 уменьшилось число
определяемых на территории Российской Федерации показателей состава и свойств воды; несколько снизились своевременность представления и качество "Ежегодников качества
поверхностных вод".
В работе отдельных УГМС указанная выше закономерность
функционирования сети может не наблюдаться.
В целях сохранения, совершенствования и дальнейшего развития службы руководству УГМС, ЦМС, ЦГМС, ВЦ и лабораторий рекомендуется:
1. По состоянию сети пунктов наблюдений и выполнению
программ работ в них — обеспечить недопустимость несанкционированного закрытия пунктов наблюдений и согласование с
ГХИ и Росгидрометом временного нефункционирования пунктов, учитывая при этом их приоритетность (многоцелевое
использование, отнесение к основной сети, уровень загрязненности и т.п.); проводить корректировку программ работ
только по согласованным с ГХИ изменениям; улучшить ведение паспортов пунктов наблюдений, в том числе ежегодно возобновляемых сведений; Камчатскому, Среднесибирскому,
Обь-Иртышскому, Северо-Западному УГМС и Московскому
ЦГМС обеспечить согласование с ГХИ состояния сети пунктов и программ работ.
31
2. По методам анализа - завершить внедрение в лабораториях новых редакций РД взамен устаревших и отмененных.
3. По состоянию работ по контролю качества аналитических
определений ~ лабораториям, не приславшим никаких материалов по BJIK, следует сообщить в ГХИ о причинах. Следует больше внимания уделять предупредительному — оперативному
контролю погрешности как более объективному и эффективному. Статистический контроль осуществлять на основе данных
оперативного контроля. Расширять внедрение контроля при
пробоотборе.
Для улучшения качества выполнения внешнего контроля необходимо провести внеочередной контроль стабильности градуировочных графиков, проверить используемую посуду и
оборудование холостыми лабораторными пробами. Это касается
прежде всего анализов предыдущего контроля, которые выполнены неудовлетворительно.
4. По информационным документам — обеспечить представление
в ГХИ информационных документов (первичные и обобщенные
гидрохимические данные, материалы к Обзору состояния сети наблюдений") в установленные Росгидрометом сроки, в полном объеме, по требуемым формам с учетом изложенных в разделах 4 и 6
замечаний; представить в банк данных ИВЦ ГХИ недостающую
первичную информацию за 1994-1998 гг. Северо-Западному УГМС
и за 1992-1997 гг. Калининградскому ЦГМС; представить в ГХИ
материалы к "Обзору состояния сети наблюдений за 1999 г." и обеспечить представление таких материалов в последующие годы Приволжскому УГМС.
Руководству УГМС довести до сведения исполнителей работ
по наблюдениям за загрязнением поверхностных вод суши изложенные в настоящем обзоре замечания.
К Росгидромету постоянная просьба ГХИ с учетом высказанных УГМС пожеланий:
1. Принимать все возможные меры по улучшению финансового и материально-технического обеспечения работы сети наблюдений, возобновлению централизованного
снабжения
расходуемыми материалами и стандартными образцами, замене
устаревшего оборудования и оснащению современным, обратив
особое внимание на обеспечение оборудованием Калининградского ЦГМС.
2. Указать Северо-Западному УГМС на необходимость представления текущих информационных документов, утвержденных приказом Росгидромета № 63 от 03.06.94, и архивных по
первичным гидрохимическим данным за 1994—1998 гг.; Калининградскому ЦГМС - на необходимость представления первичных данных за 1 9 9 2 - 1 9 9 7 гг.
32
ПРИЛОЖЕНИЕ 1
Численность водных объектов, контролируемых сетью
режимных наблюдений за загрязнением поверхностных вод
суши по состоянию на 01.01.2000 г.
Число водных объектов (в том числе
временно не работавших в 1999 г.)
Примечания
Всего
№ Наименование Водотоки Озера Водохранилища
2
3
4
5
6
7
1
95(4) х
84(4)
5
6
15 Верхне-Волжское
х
51(18)
В том числе две
50 (18)
0
1
16 Дальневосточное
протоки
73(14)
2
0
17 Забайкальское
9
2
18 Западно-Сибирское 64(1)
43 7
1
4
19 Иркутское
( j
48т
0
0
20 Камчатское
36(17)
36(17)
0
2
,
21 Колымское
20(2)
22(2) *• В том числе один
77(8)
8(2)
3
22 Среднесибирское
88(10) ручей
х
В том числе одна
32 (2)
8(2)
4
44(4)
23 Мурманское
протока, два ручья,
один канал
39(8)
В том числе три
36х(7)
2
24 Обь-Иртышское
1"(1)
протоки
х
В том числе
один эстуарий
0
55(4)
50(4)
5
25 Йриволжское2
30(5)
32(5)
1
26 Приморское
34(7)
35(8) х
27 Сахалинское
70(1)
В том числе три
Ф
2
75(1)
28 Северное
рукава, три протоВ том числе два
76х
7
5
88
29 Северо-Западное
канала, три рукава,
одна протока
х
В том числе де7(2)
81(16)
1
30 Северо-Кавказское 73х(14)
вять рукавов, две
протоки, один канал
62(7)
13^1)
12
87(8)
31 Уральское
25(5) х
32 Московский ЦГМС 20(4)
59
В том числе два
53
0
33 ЦЧО
водоема-охладителя
40(2)
3
2х
45(2) х В том числе один
34 Якутское
залив
26
22х
1
3
39 Башкирское
х
0
11
В том числе два
40 Калининградский
11
0
рукава
ЦГМС
УГМС
щ
Итого
1015(120) 65(6)
65(3)
1145(129)
I Данные приведены совместно с Диксонским ЦГМС.
Сведения не представлены. Данные приведены по списочному составу с учетом Справки за 1999 г.
33
ПРИЛОЖЕНИЕ 1
Численность сети режимных наблюдений за загрязнением
поверхностных вод суши по состоянию на 01.01.2000 г.
VT4VTP
о 1IVIL'
№
Наименование
1
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
39
40
2
Верхне-Волжское
Дальневосточное
Забайкальское
Западно-Сибирское
Иркутское
Камчатское
Колымское
Среднесибирское1
Мурманское
Обь-Иртышское
Приволжское2
Приморское
Сахалинское
Северное
Северо-Западное
Северо-Кавказское
Уральское
Московский ЦГМС
ЦЧО
Якутское
Башкирское
Калининградский
ЦГМС
Итого
Число пунктов-створов на водотоках озерах,
водохранилищах
Категория
Всего
IV
I
II
III
7
6
5
3
4
16-16
143-196
104-137
0-0
2-5
63-102
52-76
8-19
0-0
2-5
69-70
99-117
0-0
4-11
25-34
108-132
81-88
3-7
2-6
22-31
89-128
67-79
0-0
2-7
11-25
39-44
36-39
0-0
0-0
3-5
30-34
18-21
12-13
0-0
0-0
101-121
116-148
2-4
10-17
1-3
54-66
25-30
17-21
1-1
0-0
31-32
63-81
4-8
26-35
2-6
84-128
39-45
0-0
30-53
1-3
19-21
41-53
17-26
0-0
1-3
17-17
41-54
2-4
22-33
0-0
119-146
79-86
0-0
37-56
1-1
65-107
108-181
1-6
40-61
0-0
147-205
109-146
1-2
24-36
2-7
142-209
49-56
93-153
0-0
0-0
38-64
7-7
29-52
1-2
1-3
95-176
65-115
1-2
28-26
0-0
53-64
67-85
0-0
13-18
1-3
38-50
19-19
19-31
0-0
0-0
13-18
5-5
3-6
5-7
0-0
12-31
33-84
34
676-1050
1016-1252
1737-2417
Продолжение приложения 2
УГМС
№
1
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
39
40
Наименование
2
Верхне-Волжское
Дальневосточное
Забайкальское
Западно-Сибирское
Иркутское
Камчатское
Колымское
Среднесибирское1
Мурманское
Обь-Иртышское
Приволжское2
Приморское
Сахалинское
Северное
Северо-Западное
Северо-Кавказское
Уральское
Московский ЦГМС
ЦЧО
Якутское
Башкирское
Калининградский
ЦГМС
Итого
Число пунктов-створов на водотоках
Категория
Всего
г
П
IV
I
III
9
10
11
12
8
0-0
2-5
104-137
11-11
117-153
0-0
2-5
8-19
51-75
61-99
4-11
25-34
0-0
68-69
97-114
3-7
2-6
63-69
90-112
22-31
11-25
47-58
0-0
2-7
60-90
0-0
3-5
39-44
0-0
36-39
18-21
9-10
27-31
0-0
0-0
10-17
100-130
2-4
87-106
1-3
1-1
0-0
17-21
19-19
37-41
60-78
4-8
26-35
28-29
2-6
62-92
30-53
31-36
1-3
0-0
17-26
36-49
0-0
1-3
18-20
16-16
40-53
2-4
22-33
0-0
37-56
112-137
1-1
0-0
74-80
40-61
52-77
93-144
1-6
0-0
100-137
1-2
24-36
127-182
2-7
0-0
74-127
33-36
107-163
0-0
1-2
3-3
33-59
1-3
28-51
88-161
0-0
1-2
26-51
61-108
1-3
11-16
50-60
62-79
0-0
33-45
0-0
17-29
16-16
0-0
5-5
13-18
3-6
5-7
0-0
12-31
29-74
35
575-891
878-1078 1494-2074
Продолжение приложения 2
УГМС
№.
1
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
39
40
Наименование
2
Верхне-Волжское
Дальневосточное
Забайкальское
Западно-Сибирское
Иркутское
Камчатское
Колымское
Среднесибирское1
Мурманское
Обь-Иртышское
Приволжское2
Приморское
Сахалинское
Северное
Северо-Западное
Северо-Кавказское
Уральское
Московский ЦГМС
ЦЧО
Якутское
Башкирское
Калининградский
ЦГМС
Итого
I
13
0-0
0-0
0-0
0-0
0-0
0-0
0-0
0-0
0-0
0-0
0-0
0-0
0-0
0-0
0-0
0-0
0-0
0-0
0-0
0-0
0-0
0-0
0-0
Число пунктов-створов
Категория
II
III
15
14
12
0-0
0-0
0-0
1-2
0-0
0-0
0-0
0-0
0-0
0-0
0-0
0-0
0-0
1-1
0-0
10-14
0-0
0-0
0-0
0-0
0-0
4-3
0-0
0-0
0-0
. 0-0
0-0
0-0
0-0
0-0
0-0
1-1
0-0
0-0
0-0
0-0
0-0
1-1
0-0
0-0
0-0
0-0
0-0
0-0
36
19-24
на озерах
Всего
IV
16
4-4
0-0
1-1
12-13
7-7
0-0
0-0
9-10
3-4
2-2
0-0
0-0
1-1
3-3
7-16
1-1
12-14
0-0
0-0
2-3
1-1
0-0
17
5-6
0-0
2-3
12-13
7-7
0-0
0-0
10-11
13-18
2-2
0-0
4-3
1-1
3-3
7-16
1-1
13-15
0-0
0-0
3-4
1-1
0-0
65-80
84-104
Продолжение приложения 2
УГМС
№
Наименование
1
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
39
40
2
Верхне-Волжское
Дальневосточное
Забайкальское
Западно-Сибирское
Иркутское
Камчатское
Колымское
Среднесибирское1
Мурманское
Обь-Иртышское
Приволжское2
Приморское
Сахалинское
Северное
Северо-Западное
Северо-Кавказское
Уральское
Московский ЦГМС
ЦЧО
Якутское
Башкирское
Калининградский
ЦГМС
Итого
Число пунктов-створов на водохранилищах
Категория
Всего
I
II
III
ГУ
18
20
19
21
22
0-0
2-5
18-31
1-1
21-37
0-0
1-2
0-0
1-1
2-3
0-0
0-0
0-0
0-0
0-0
0-0
0-0
-0
6-7
6-7
0-0
8-15
13-14
1-2
22-31
0-0
0-0
0-0
0-0
0-0
0-0
0-0
0-0
3-3
3-3
5-5
0-0
0-0
1-2
6-7
4-8
0-0
0-0
2-2
6-10
0-0
0-0
0-0
1-1
1-1
0-0
14-27
8-9
22-36
0-0
0-0
0-0
0-0
1-1
1-1
0-0
0-0
0-0
0-0
0-0
0-0
2-3
4-6
0-0
2—3
6-14
0-0
2-7
8-21
0-0
19-22
0-0
0-0
11-14
.8-8
0-0
4-6
0-0
18-25
22-31
0-0
5-5
5-5
0-0
0-0
4-7
0-0
1-3
2-5
7-15
0-0
0-0
1-1
1-1
2-2
2-2
0-0
2-2
4-4
0-0
0-0
0-0
0-0
0-0
0-0
0-0
4-10
37
82-136
75-96
161-242
Продолжение приложения 2
№
Наименование
1
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
39
40
2
Верхне-Волжское
Дальневосточное
Забайкальское
Западно-Сибирское
Иркутское
Камчатское
Колымское
Среднесибирское1
Мурманское
Обь-Иртышское
Приволжское2
Приморское
Сахалинское
Северное
Северо-Западное
Северо-Кавказское
Уральское
Московский ЦГМС
ЦЧО
Якутское
Башкирское
Калининградский
ЦГМС
Итого
Число вертикалей-горизонтов на водотоках, озерах,
^^^^
•
водохранилищах
Категория
Всего
IV
III
I
II
27
26
25
24
23
234-256
16-18
198-218
0-0
20-20
121-141
81-83
33-51
7-7
0-0
117-117
70-70
36-36
11-11
0-0
138-147
88-96
33-33
11-12
6-6
156-232
79-129
54-72
0-0
23-31
48-49
39-40
9-9
0-0
0-0
34-39
13-18
21-21
0-0
0-0
175-194
31-37
135-148
4-4
5-5
67-93
30-44
0-0
36-48
1-1
32-32
93-93
11-11
37-37
13-13
147-172
48-50
94-117
0-0
5-5
21-21
59-59
33-33
5-5
0-0
56-56
17-17
35-35
4-4
0-0
89-93
176-198
85-103
2-2
0-0
109-150
191-240
76-84
6-6
0-0
150-152
236-274
71-101
11-17
4-4
213-245
59-68
0-0
154-177
0-0
64-64
7-7
52-52
2-2
3-3
202-202
131-131
62-62
9-9
0-0
93-105
66-69
5-7
22-29
0-0
54-60
19-21
35-39
0-0
0-0
24-24
5-5
7-7
12-12
0-0
51-58
129-139 1214-1401 1304-1462 2698-3060
38
Продолжение приложения 2
УГМС
№
1
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
39
40
Наименование
2
Верхне-Волжское
Дальневосточное
Забайкальское
Западно-Сибирское
Иркутское
Камчатское
Колымское
Среднесибирское1
Мурманское
Обь-Иртышское
Приволжское2
Приморское
Сахалинское
Северное
Северо-Западное
Северо-Кавказское
Уральское
Московский ЦГМС
ЦЧО
Якутское
Башкирское
Калининградский
ЦГМС
Итого
Число вертикалей-горизонтов на водотоках
Категория
Всего
I
III
IV
Н
28
29
30
31
32
8-8
159-159
0-0
140-140
11-11
80-82
0-0
7-7
27-31
114—120
114-114
0-0
11-11
34-34
69-69
11-12
33-33
118-119
6-6
68-68
0-0
58-58
102-102
19-19
25-25
0-0
0-0
9-9
39-40
48-49
0-0
0-0
21-21
10-10
31-31
24-24
118-119
151-152
5-5
4-4
1-1
19-19
18-18
38-38
0-0
90-90
13-13
11-11
37-37
29-29
57-60
36-36
5-5
0-0
98-101
20-20
0-0
5-5
26-26
51-51
0-0
4-4
35-35
16-16
55-55
2-2
81-95
83-84
166-181
0-0
6-6
0-0
65-65
79-79
150-150
4-4
43-54
139-141
197-216
11-17
0-0
128-130
36-36
164-166
0-0
3-3
2-2
3-3
59-59
51-51
57-57
120-120
0-0
4-4
181-181
0-0
20-25
61-64
86-96
5-7
0-0
33-33
16-16
0-0
49-49
0-0
7-7
5-5
24-24
12-12
51-58
108-110 972-1011 114-1124
39
2245-2303
Продолжение приложения 2
УГМС
№
1
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
39
40
Наименование
2
Верхне-Волжское
Дальневосточное
Забайкальское
Западно-Сибирское
Иркутское
Камчатское
Колымское
Среднесибирское1
Мурманское
Обь-Иртышское
Приволжское2
Приморское
Сахалинское
Северное
Северо-Западное
Северо-Кавказское
Уральское
Московский ЦГМС
ЦЧО
Якутское
Башкирское
Калининградский
ЦГМС
Итого
Число вертикалей-горизонтов на озерах
Категория
Всего
III
IV
II
I
37
36
34
35
33
9-15
5-10
4-5
0-0
0-0
0-0
0-0
0-0
0-0
0-0
3-3
2-2
1-1
0-0
0-0
13-19
13-19
0-0
0-0
0-0
7-32
7-32
0-0
0-0
0-0
0-0
0-0
0-0
0-0
0-0
0-0
0-0
0-0
0-0
0-0
11-13
10-12
1-1
0-0
0-0
19-30
4-4
0-0
15-26
0-0
2-2
2-2
0-0
0-0
0-0
0-0
0-0
0-0
0-0
0-0
7-7
0-0
0-0
7-7
0-0
1-1
1-1
0-0
0-0
0-0
3-6
3-6
0-0
0-0
0-0
16-30
0-0
16-30
0-0
0-0
1-1
1-1
0-0
0-0
0-0
18-28
1-3
17-25
0-0
0-0
0-0
0-0
0-0
0-0
0-0
0-0
0-0
0-0
0-0
0-0
5-5
4-4
1-1
0-0
0-0
1-2
1-2
0-0
0-0
0-0
0-0
0-0
0-0
0-0
0-0
0-0
0-0
40
32-50
84-144
116-194
Окончание приложения 2
УГМС
№
Наименование
1
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
39
40
2
Верхне-Волжское
Дальневосточное
Забайкальское
Западно-Сибирское
Иркутское
Камчатское
Колымское
Среднесибирское1
Мурманское
Обь-Иртышское
Приволжское2
Приморское
Сахалинское
Северное
Северо-Западное
Северо-Кавказское
Уральское
Московский ЦГМС
ЦЧО
Якутское
Башкирское
Калининградский
ЦГМС
Итого
Число вертикалей-горизонтов на озерах
Категория
Всего
I
II
III
ГУ
38
40
39
42
41
0-0
12-12
53-68
1-2
66-82
0-0
0-0
6-20
1-1
7-21
0-0
0-0
0-0
0-0
0-0
0-0
0-0
0-0
7-9
7-9
4-12
29-47
14-39
0-0
47-98
0-0
0-0
0-0
0-0
0-0
0-0
0-0
0-0
3-8
3-8
0-0
0-0
6-12
1-17
13-29
0-0
2-3
8-22
0-0
10-25
0-0
0-0
1-1
1-1
0-0
37-57
12-14
0-0
0-0
49-71
0-0
4-3
1-1
0-0
1-1
0-0
0-0
0-0
0-0
0-0
0-0
0-0
4-8
3-3
7-11
0-0
0-0
14-41
11-19
25-60
0-0
10-10
0-0
28-47
38-57
25-44
31-51
0-0
0-0
6-7
0-0
0-0
0-0
5-5
5-5
21-21
0-0
5-5
5-5
11-11
0-0
0-0
1-3
1-1
2-4
0-0
2-6
0-0
2-3
4-9
0-0
0-0
0-0
0-0
0-0
0-0
21-29
209-339
107-195
337-563
„ Данные приведены совместно с Диксонским ЦГМС.
Сведения не представлены. Данные приведены по списочному составу с учетом Справки за 1999 г.
41
ПРИЛОЖЕНИЕ 1
Изменение в составе сети наблюдений в 1999 г.
Закрыто
О О О О О О О ООО
OOOl-'OOOOOO
1 1 1 1 1 1 1
I I I 1 1 1 1 1 1 1 1 11
ООООООО ООО OOOl-'OOOOOO
Открыто
ООООООО ООО OOOl-'OOOOOO
1 1 1 1 1 1 1
I I I 1 1 I I 1 1 1 1 11
О О О О О О О ООО
OOOl-'OOOOOO
УГМС
Переведено пунктов-створов в категорию более
О О О <М о О О О О О
1 1 1 1 1 1 1 1 1 1
ОООООООООО
ООО
I I I
ООО
I 1 1 1 1 1 11
ООООООО
1 1 1 1 1 11
ООООООО
ООООООО
ООООООО
ООО
I
I
ООО
1
ОООООООООО
1 1 1 1 1 1 1 1 1 1
ОООООООООО
пунк- вертика- пунк- вертикатов- лей-го- тов-ство- леи-гори- высокую низкую
зонтов
ров
створов ризонтов
7
8
6
5
4
3
2
1
0-0
0-0
15 Верхне-Волжское
1-1
1-1
16 Дальневосточное
0-0
0-0
17 Забайкальское
1-1
1-1
18 Западно-Сибирское
0-0
0-0
19 Иркутское
0-0
0-0
20 Камчатское
3-3
3-3
21 Колымское
0-0
0-0
22 Среднесибирское
1-1
1-1
23 Мурманское
0-0
0-0
24 Обь-Иртышское
2
25 Приволжское
0-0
0-0
26 Приморское
14-14
11-13
27 Сахалинское
0-0
0-0
28 Северное
29 Северо-Западное
0-0
0-0
30 Северо-Кавказское
0-0
0-0
31 Уральское
0-0
0-0
32 Московский ЦГМС
0-0
0-0
33 ЦЧО
0-1
0-0
34 Якутское
0-0
0-0
39 Башкирское
0-0
0-0
40 Калининградский
ЦГМС
1-2
0-0
19-20
17-19
1-1
1-1
Итого
Наименование
№
Данные приведены совместно с Диксонским ЦГМС.
Сведения не представлены.
42
ПРИЛОЖЕНИЕ 1
Число временно не работавших в 1999 г. пунктов
наблюдений
№
1
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
39
40
УГМС
Наименование
2
Верхне-Волжское
Дальневосточное
Забайкальское
Западно-Сибирское
Иркутское
Камчатское
Колымское
Среднесибирское1
Мурманское
Обь-Иртышское
Приволжское2
Приморское
Сахалинское
Северное
Северо-Западное2
Северо-Кавказское
Уральское
Московский ЦГМС
ЦЧО
Якутское
Башкирское
Калининградский
ЦГМС
Временно не работавшие (числитель), в том числе с
согласованным разрешением (знаменателе
пункты
створы
вертикали
горизонты
3
4
5
6
8/3
13/4
17/8
17/8
18/16
21/18
21/18
21/18
14/12
15/13
15/13
15/13
1/1
1/1
3/1
3/1
9/8
11/8
11/8
11/8
18/0
19/0
19/0
20/0
7/7
7/7
7/7
9/9
16/0
17/0
18/0
19/0
9/9
14/14
15/15
41/26
10/0
11/0
13/0
13/0
5/3
8/5
9/7
9/7
6/5
8/7
8/7
8/7
9/9
14/14
16/16
16/16
2/2
3/3
4/4
4/4
'33/19
16/9
8/0
0/0
6/6
0/0
0/0
41/24
20/11
16/0
Итого
195/109
о/о
7/7
0/0
0/0
45/24
220/11
16/0
3/0
7/7
0/0
0/0
52/24
26/13
16/0
3/0
8/8
0/0
0/0
246/136
267/146
311/162
Данные приведены совместно с Диксонским ЦГМС.
Сведения не представлены. Данные по Приволжскому УГМС приведены по списочному составу с учетом Справки за 1999 г.
43
ПРИЛОЖЕНИЕ 1
Оценка состояния сети наблюдений и паспортов пунктов
наблюдений
Всего
143
63
99
108
89
39
30
116
54
93
84
41
41
119
168
147
142
38
93
67
38
13
143
63
99
108
89
39
30
116
54
63
84
41
41
119
108
147
142
38
95
67
38
13
0 0
6 0
0 0
0 0
0
0
0
1825
1737 109 86
102
Оценка состояния
паспортов
сети
наблюдений
1
Наименование
по согласованию
без согласования
по отклонениям от
приказа и
дополнений
№
Число пунктов наблюдений
По материалам
Временно не
работавшие
n
«fcaiF
от 30.01.87
и его дополнениям
УГМС
15 Верхне-Волжское
16 Дальневосточное
17 Забайкальское
18 Западно-Сибирское
19 Иркутское
20 Камчатское
21 Колымское
22 Среднесибирское1
23 Мурманское
24 Обь-Нртышское
25 Приволжское2
26 Приморское
27 Сахалинское
28 Северное
29 Северо-Западное
30 Северо-Кавказское
31 Уральское
32 Московский ЦГМС
33 ЦЧО
34 Якутское
39 Башкирское
40 Калининградский
ЦГМС
Итого
3
5
16 2
12 2
1 0
8
1
0 18
7 0
0 16
9 0
0 10
3 2
5
1
9 0
2
0
19 14
9
7
0 8
1
1
1
1
1
1
1
0
30
0
0
3
0
60
1
0
1
1
5
5
5
5
5
3
5
4
5
3
5
5
5
5
3
4
5
3
5
5
5
5
4
4
5
4
5
3
5
4
5
4
4
4
4
5
3
4
5
4
5
5
5
4
Данные приведены совместно с Диксонским ЦГМС.
Сведения не представлены. Данные по Приволжскому УГМС приведены по списочному составу с учетом Справки за 1999 г.
2
44
ПРИЛОЖЕНИЕ 1
Число проб, отобранных за 1999 г. на пунктах категорий
I—IV (числитель — план, знаменатель — факт)
№
1
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
39
40
УГМС
Наименование
2
Верхне-Волжское
Дальневосточное
Забайкальское
Западно-Сибирское
Иркутское
Камчатское
Колымское
Среднесибирское1
Мурманское
Обь-Иртышское
Приволжское2
Приморское
Сахалинское
Северное
Северо-Западное
Северо-Кавказское
Уральское
Московский ЦГМС
ЦЧО
Якутское
Башкирское
Калининградский
ЦГМС
I
3
0/0
о/о
о/о
1457/1493
0/0
0/0
0/0
311/311
36/36
378/357
396/396
0/0
0/0
66/67
0/0
791/515:
0/0
324/324
0/0
0/0
0/0
0/0
Итого
3579/3499 3193/2739
1
2
Категория
III
II
4
5
322/313 2210/2024
124/64
444/419
291/266
304/241
356/338
207/201
453/324
636/499
106/81
0/0
182/186
0/0
144/116
418/306
0/0
299/303
468/301
396/348
1029/1006
0/0
325/247
108/108
144/144
233/227
0/0
848/831
637/624
216/216
144/42
917/673
1683/946
0/0
72/24
432/517
195/197
767/621
145/144
199/176
0/0
432/426
232/232
164/164
13 209/
11 267
ГУ
6
1090/90
374/334
276/Й04
562/551
398/323
266/69
63/68
862/624
132/123
199/109
254/251
92/101
116/116
363/355
636/364
594/464
408/253
29/32
730/609
322/310
132/124
49/49
6981/5542
Данные приведены совместно с Диксонским ЦГМС.
Сведения не представлены. Приведены данные отчетности за 1998 г.
45
Всего
7
2641/2427
942/817
871/711
2582/2583
1487/1146
372/150
245/254
1735/1357
467/462
1441/1115
1679/1653
525/456
493/487
1277/1253
1489/1204
2446/1694
2091/1199
857/897
1692/1427
666/630
564/550
445/445
27 142/
23 047
ПРИЛОЖЕНИЕ 1
Оценка выполнения программы по отбору проб, %
УГМС
Наименование
Верхне-Волжское
Дальневосточное
Забайкальское
Западно-Сибирское
Иркутское
Камчатское
Колымское
Среднесибирское1
Мурманское
Обь-Иртышское
Приволжское2
Приморское
Сахалинское
Северное
Северо-Западное
Северо-Кавказское
Уральское
Московский ЦГМС
ЦЧО
Якутское
Башкирское
Калининградский
ЦГМС
NIlS
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
39
40
Итого
1
2
I
•
-
-
102
—
-
100
100
94
—
102
-
65
-
100
-
93
Категория
1П
II
92
97
94
52
79
91
97
95
78
72
76
102
НО
73
101
64
88
IV
83
89
74
98
81
26
108
72
93
55
100
76
97
98
98
73
56
119
81
90
99
100
86
85
100
100
-
100
29
-
33
101
99
-
Данные приведены совместно с Диксонским ЦГМС.
Сведения не представлены.
46
Всего
Оценка
92
87
82
100
77
40
104
78
99
73
5
4
4
5
3
2
5
3
5
3
110
100
98
57
78
62
110
83
98
94
100
87
99
98
81
69
57
105
84
95
98
100
4
5
5
4
3
3
.5
4
5
5
5
79
85
ПРИЛОЖЕНИЕ 1
Число определений, выполненных в 1999 г.
УГМС
Наименование
Количество проб
за 1999 г.
1
2
3
15 Верхне-Волжское
2427
16 Дальневосточное
817
17 Забайкальское
711
2583
18 Западно-Сибирское
19 Иркутское
1146
150
20 Камчатское
254
21 Колымское
22 Среднесибирское1
1357
462
23 Мурманское
24 Обь-Иртышское
1115
1653
25 Приволжское2
26 Приморское
456
27 Сахалинское
487
28 Северное
1253
29 Северо-Западное
1204
30 Северо-Кавказское
1694 ::
31 Уральское
1199
32 Московский ЦГМС
897
33 ЦЧО
1427
34 Якутское
760
39 Башкирское
550
40 Калининградский
445
ЦГМС
№
Итого
23 047
Темпе- Водородный Удельная
ратура показатель электропроводность
4
5
6
2405
2427
817
817
64
711
710
208
1645
2583
881
757
1146
381
150
150
246
243
1390
1390
500
510
391
1123
896
1653
1437
396
456
456
487
481
1253
1238
1
001
1204
1203
1694
1343
1179
1197
897
897
1427
1427
133
760
749
550
550 .
—
445
253
23 076
47
20 776
3455
Окислительно-восстановительный
потенциал
7
188
-
797
-
741
-
—
-
103
—
1829
Продолжение приложения 2
Процент
Взвешен№
Растворен- насыще- Диоксид
Прозрач- Запах ный
ния
кисло- углерода
кислоУГМС ные веще- Цветность ность
родом
ства
род
13
14
12
10
11
8
9
1
2370
1731
1556
1872
2393
2284
1692
15
556
556
817
749
556
16
710
507
504
504
710
606
504
17
2436
829
767
1279
2436
1344
818
18
56
599
650
1127
945
653
19
126
126
150
150
126
20
171
254
240
240
245
171
240
21
1063
1390
1390
1049
1005
150
22
285
285
510
430
292
23
487
486
970
858
487
24
741
741
1653
1437
741
1437
741
25
271
271
456
408
271
456
179
26
270
270
481
391
27
995
1050
1225
1215
1019
28
729
1204
1198
704
624
1198
643
29
907
825
1694
1246
926
1694
825
30
830
748
1189
1199
519
482
830
31
476
897
645
436
476
32
1063
1427
1301
62
1063
1067
33
519
741
686
50
519
697
34
329
504
550
329
329
504
213
39
120
445
253
120
120
120
40
Итого
18 695
13 140
13 364
14 608
48
22 653
11 527
7499
Продолжение приложения 2
хло№
УГМС ридные
1
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
39
40
15
1476
492
519
837
718
126
171
929
319
507
741
271
270
964
642
984
848
400
1079
519
329
120
Главные ионы
суль- гидро- каль- магфат- кароо- ция
ния
ные натные
16
1539
492
519
847
718
126
171
895
347
507
741
271
270
1014
642
925
846
400
1079
519
329
148
17
1255
492
504
800
653
126
171
895
295
507
741
271
270
964
642
913
848
400
1079
508
329
120
18
1387
492
504
819
653
126
171
929
297
507
741
271
270
964
642
919
846
400
1077
519
329
120
Сумма
на- ка- Жест- ионов
на- Сумма
трия лия кость трия
ионов
и калия
20
21
22
23
24
19
1385 1237 1237
1387
492
492
492
492
209
504
504
295 295 504
832
695
800
800
653
292 292 653
361
653
126
126
126
171
171
171
171
468 468 929
423
891
929
230
230
297 297 297
507
507
507
507
741
741
741
741
271 271 271
271
271
270
270
270
964
964 957 978
964
186
642
434 434 642
913
913
913
913
877
846
846
846
400
400
'400
1077 272 272 1079 807 1077
508
519
452 452 519
56
329
329
329
329
—
—
120
—
—
120
-
-
Итого 13 261 13 345 12 783 12 983 23 891 3745 3738 13 035 8099 11 804
49
Продолжение приложения 2
Азот
№
УГМС ХПК б п к 5 аммо- ниний- тритный
ный
27
28
1
26
25
2362 2371 2415 2333
15
577
577
749
615
16
528
608
528
17
607
1174 1258 1279 1184
18
653
943
970
19
935
136
136
150
20
150
171
245
21
240
245
891
1049 1101
891
22
297
375
449
23
315
706
668
735
24
884
970
1437 1437 1004
25
347
408
408
26
240
—
337
343
391
27
1246 1224 1202 1196
28
468
1054
468
29
490
1222 1068 1204
30
942
1164 1077 1106 1106
31
645
645
32
645
645
1305 1298 1321 1321
33
486
658
519
687
34
550
404
550
550
39
253
253
253
253
40
Биогенные вещества
Железо
Фос- общее двух- трех- Кремни- фаты
вален- вален- ний
траттное тное
ный
34
33
31
32
29
30
1272
1702 1484 1784
556
556
556
577
504
504
504
528
863
538
807
920
988
653
653
653
653
126
136
126
171
171
171
171
891
891
891
891
295
302
292
376
383
505
540
506
673
741
942
741 1062
271
271 408
347
'
270
351
270
337
952
1125 1120 993
471
498
436
478
49
936
990
49
990
858
828
1106 785 1158
476
476
645
476
420
1059
1246 1315 1250 420
519
519
519
519
329
329
550
329
120
—
.
—
204
120
Итого 17295 18 675 17 009 16321 14 933 31481 14502 1299
50
469
12 752
Продолжение приложения 2
Биогенные вещества
№
Фосфор
Фос- Фосфор
Азот
Азот
Сумма
УГМС Полиобщии фор ва- органиче- азота мине- общий органифосфаты растворен- ловый
ский
рального раство- ческий
ный
ренный
1
36
37
38
39
40
41
35
1591
1607
15
675
16
—
—
—
528
56
504
35
17
.
482
984
18
540
229
—
385
—
—
—
—
—.
19
20
_
_
_
_
171
21
Я 91
22
—
—
23
—
—
_
_
—
266
266
24
741
942
25
347
26
270
270
27
270
28
1099
276
44
29
89
•
74
30
631
49
482
—
967
—
—
—
—
31
32
_
_
—
—
—
1143
33
67
67
34
519
39
550
120
120
40
Итого
1132
10 248
276
650
51
5181
185
675
№
УГМС Нефтепродукты
42
1
2026
15
613
16
607
17
1211
18
675
19
126
20
245
21
1047
22
385
23
877
24
1437
25
408
26
391
27
1137
28
856
29
1251
30
1192
31
494
32
1165
33
676
34
550
39
40
Итого
17 369
Продолжение приложения 2
Фенолы
суммарные АСПАВ
46
45
1687
362
534
828
456
126
215
210
1001
1049
220
291
586
882
1236
1437
308
408
381
391
342
497
662
58
36
1003
825
49
904
1158
578
552
1277
640
90
624
687
175
550
Фенолы
летучие
44
1864
619
607
1205
850
Смолы и
асфальтены
43
325
1139
58
245
93
1437
391
772
103
484
1021
14 780
6068
52
175
13 505
№
УГМС
1
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
39
40
Итого
ГХЦГ и его
изомеры
47
730
36
390
491
699
18
Продолжение приложения 2
Пестициды
хлорорганические
ДДТ и его
гексахлорбензол трифлуралин
метаболиты
48
730
54
195
450
466
18
49
50
28
426
48
464
1634
462
426
72
464
1634
693
456
326
938
52
140
1048
938
64
140
1048
76
76
41
29
8108
7794
41
353
53
66
230
Продолжение приложения 2
Пестициды
№
сЬосдюоовганические
моли- пропа- ТЦА
УГМС
2,4-Д нат
нил
паратионметил фозалон карбофос диметоат
57
58
54
55
56
52
51
1
53
15
16
60
17
109
18
19
20
21
22
23
24
25
61
61
26
27
28
29
97
122
122
122
30
14
31
32
33
34
18
39
40
Итого
122
122
122
54
97
141
61
61
60
Продолжение приложения 2
Металлы
№ определение
хром
УГМС спектраль- медь динк
трехваным метообщий лентный
дом
61
1
59
60
62
63
15
2340 2259 526
39
604
16
604
17
1830
535
536
788
504
18
749
749
1837
440
19
504
20
2250
229
21
229
22
1000 1000 214
214
298
23
436
24
505 480
25
1062 1299 1327
906
4488
125
75
75
26
27
391
391
28
1060 911
1000
266
29
30
741
1236 1220
1184 1182 369
31
—
574
32
574
583
583
905
33
1295 1295 976
624
624
63
34
—
—
550
550
452
39
40
Итого
11 146
15881 14766 5639
55
3226
маршестива- ганец никель
лентный
64
217
48
28
748
65
1160
142
66
-
-
-
-
-
-
-
-
-
-
-
26
214
-
224
906
75
-
219
-
142
583
905
-
40
948
361
311
374
-
381
-
814
24
667
-
175
441
311
267
-
298
166
-
561
-
127
1042
-
—
443
458
4335
6092
3719
Продолжение
Металлы
№
УГМС ртуть кадмий мышьяк свинец
70
68
69
67
1
- N
15
221
126
16
102
4
9
17
748
748
383
18
133
263
19
20
94
89
21
127
117
24
22
192
184
206
23
24
374
374
120
25
125
26
297
27
• 67
291
28
814
814
29
—
30
105
88
31
32
103
79
33
—
34
443
39
—
40
Итого 2059
2738
419
2648
56
алюминий
71
627
374
-
приложения
кобальт
72
-
Карбонаты
73
10
-
-
—
-
-
—
—
—
-
157
-
—
—
—
167
-
-
—
—
-
2
—
—
—
22
—
—
-
—
—
-
—
—
-
—
—
—
—
—
1001
324
32
.
Продолжение приложения 2
№ Цианиды Фтори- Бораты Прото- Лигнин Лигносуль- Сероводород Анилин
лигнин
ды
УГМС и роданида
фонаты и сульфиды
80
74
75
76
77
78
81
1
79
5
151
15
48
16
4
85
167
17
289
48
423
18
129
170
19
323
179
20
21
22
342
514
332
211
23
24
544
143
25
115
28
8
26
104
27
651
126
28
29
437
30
103
619
31
828
580
32
59
145
,33
34
39
60
144
40
Итого
520
3379
8
104
57
170
862
3023
48
Продолжение
приложения 2
Хлоро№ Ксанто- ДитиоФурМетанол Формальдегид
форм
УГМС генаты фосфаты Жиры фурол Аммиак
89
88
87
86
84
85
83
82
1
1484
316
15
62
16
96
17
62
207
62
234
12
18
202
60
25
19
20
21
22
86
133
127
23
127
24
25
24
26
27
318
322
28
29
49
220
30
31
32
33
34
39
40
Итого - 213
133
133
605
24
58
847
2765
62
Продолжение приложения 2
Органические кислоты
№
УГМС
S а
^ч
>»
!ш
is
90
91
92
5 \
§
вз
6
©
93
62
62
62
434
sl
15
16
17
18
19
я
S
94
62
95
96
97
60
60
60
60
60
60
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
39
40
Итого
62
62
62
434
59
62
Окончание приложения 8
БензольПерманганат№
соеди- Цвет ная окисляеУГМС ные
нения
мость
100
98
99
1
_
_
—
15
_
—
—
16
_
17
—
467
248
18
_
—
—
19
_
_
20
_
—
21
_
—
22
_
—
—
23
—
_
—
24
_
—
—
25
_
_
—
26
_
—
—
27
_
—
—
28
—
187
29
—
—
30
—
.
—
31
_
_
_
32
—
_
_
33
—
—
_
34
_
—
—
39
40
Итого
248
467
Донные отложения
нефтепро- смолы и
ХОП
дукты
асфальтены
103
102
101
—
-
-
-
-
—
-
-
135
25
-
1
27
-
-
-
-
6
6
84
40
-
-
-
-
—
-
—
124
-
-
-
-
-
—
-
-
66
-
-
-
-
64
60
-
-
-
-
-
-
-
—
-
-
—
-
-
—
-
-
-
-
-
598
187
27
-
33
33
Всего
104
64 9 6 1
17 170
21 579
47 292
26 0 7 7
5416
6808
35 157
12 698
20 216
44 672
16 2 4 9
10 9 6 2
34 8 3 2
24 8 9 3
37 327
33 861
18 521
4 3 791
17 6 6 9
15 0 4 2
4524
559 7 1 7
Данные приведены совместно с Диксонским ЦГМС.
Сведения не представлены.
В составе фенольвых соединений определены п-нитрофенол, о-хлорфенол, 2,4-динитрофенол, о-нитрофенол, 2,6-диметилфенол, 4-хлор-З-метилфенол, 2,4-дихлорфенол.
4
В составе бензольных соединений определены бензол, о-ксилол, м,п-ксилолы, толуол.
2
3
60
ПРИЛОЖЕНИЕ 11
15 Верхне-Волжское
16 Дальневосточное
17 Забайкальское
18 Западно-Сибирское
19 Иркутское
20 Камчатское
21 Колымское
22 Среднесибирское1
23 Мурманское
24 Обь-Иртышское
25 Приволжское2
26 Приморское
27 Сахалинское
28 Северное
29 Северо-Западное
30 Северо-Кавказское
31 Уральское
32 Московский ЦГМС
33 ЦЧО
34 Якутское
39 Башкирское
40 Калининградский
ЦГМС
Итого
1
2
64 961
3220
17170
121
21 579 2350
47 292
4640
26 077
2612
5416
307
6808
753
4361
35 157
12 698 1206
20 216
2983
44 672 6004
16 249
923
10 962
661
34 832
2927
24 893
419
37 327
4192
33 861 2119
18 521 2171
43 791 10 148
17 669 3597
15 042 1628
4524
396
11 497
339
1538
2069
11 307
28,9
5
10
27
15,3
2,5
4
12,5
10
14,5
21,5
5
10
13
18
34
21
5,8
22,5
8
8,5
1,5
2757
3526
2547
2000
2614
2289
1890
3314
2238
1669
5
5
5
4
5
4
3
5
4
3
4931
1538
3161
1406
1294
1857
4369
2442
2882
1995
3280
5
3
5
2
2
3
5
5
5
3
5
559717
68263 685718 298,5
2297
57738
-
1910
8477
999
2312
7485
3762
3334
-
2467
3024
4651
1014
1790
288
—
79 678
17 630
25 467
54 001
39 996
5723
7561
41 428
22 381
24 198
52 988
24 657
15 385
41 093
25 312
43 986
39 004
25 343
54 953
23 056
16 958
4920
Оценка
Всего
Число определений на человека
дополнительной работе
Наименование
контролю
точности измерений
№
Число определений по
режимным
наблюдениям
УГМС
Число химиков
Основные показатели производительности труда
в гидрохимических лабораториях в 1999 г.
Данные приведены совместно с Диксонским ЦГМС.
Сведения не представлены. Приведены данные отчетности за 1998 г.
61
8
8
8
К
О
н
и
о
U
I
Я
-abHHBjdodoirx
эиьАьэктгонэф
аннноинв
avro
Хром (общий)
Марганец, хром
(общий),
хром
(VI), формальдегид, литосульфонаты, метанол
Хром (общий),
хром (VI), марганец, формальдегид, лигносульфонаты, цианиды, метанол
Формальдегид
Хром (общий),
марганец, формальдегид
Хром (общий),
хром (VI), марганец, формальдегид, метанол
+ +
+ +
+
+
+ +
+ +
+
+
+ +
+
+
+
+
+ +
+
+
+
+ +
+
+
+
+
+
+
+
со
гН
oq
+
оT-i
О
о
кхяАг'ойпэлфэн С5
ии!ндо лову 00
шйпдо йофооф с-
т
+
+
+ +
+
й
В
ю
+
+
+ +
+
+ +
ю
+
+
+ +
+
+ +
+
+
+ +
+
+ +
оэ
со
tсо
оо ю
in ео
со
со
eq eq
Чувашская
Ижевская1
о ,I
он
н
®
яний/эйаэд
(Кохам
иннчотй
-лнапз) HinfBj,
-aw эмхгажвх
Htfnta
-шоэн аино
Рязанская
м
к
в
8«
о,
н
ш
И
й
ф
+
+
эиьойц
Вятская
Рыбинская
8
св
м
В
4
св
И
се
"Ч<
—
ti
aHtaoHfflGKdfjBE
Городецкая
Я
О
о
ваюэкпэа
Верхне-Волжское
Нижегородская
«
ю
хпк
мо
Xо
3 оя
я
8
о
я
X
А
ИЭКЭИЗБВНОП
и яиИолэи хгшон
винэей/эна окэи^
энннэшаяЕд
иеиэмевяоп
ХГШЭВГГЭНЭСЬЮ
отоиь aatago
УГМС,
лаборатория
Я
В
и
тtoН
Основные показатели
s*
«о
X
И
8
№
О
я
я!
в.
О
VO
св
Ч
ЭШАЗУГ
со
eq
ю
тЧ
62
оо со
«5Ю
oiqi
eqoo
—
i Ет—t
Я CL"
* «и.
SuSo,
"sgS
£ 052»
ЯЗВ-
I
S t -«il 1
§ и Э э-я E
+
+
++ ++
Ш 1
•+i
+
+
.
В
+
+
+
+
+ +
+
+
+
+
+ +
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
<
N
eq
(N
Ю
то
00
Til
-К5П)
sSftf
o
+ +
+
О!
+
00
t- +
+
+
+
+ +
+
+
+
+ +
+
+
+
+
+
со
то
in
«
(N 00
T-l 00
aa
0m
0
9n
S
®
о
Ия £ m
sO a&So gg
«
9-s 3 9
в
я й
w as
к
aS
a
«о
аО Э
ею
4 Я & ш
««ИХ
со
Я
«и
a0
a
H
О
И
+
TO
w
+
+
1
LlJHj
то1
(тМ
Ч
t-l
*0Н
со •ч
сч
'P^llfp
Maag
i&tffLrS
+Д0'
ТО
тН
®
lllsr
+(12)
-тчН
<
«в?
gs
Msr
cb M s ^ ^ я"
ftftSl
S'S'gS
- Q.&N
tr .Og
IIEI
w
«i—
g
+
Ф
ои
о
.. и
эи
В 8И
3 g
св Я
WУ
1>
++
й
О
А
£
рч"»
63
ао
Ittfl
ф
ИЭ1ГЭЛВЕВЯ0П
и н и ^ о и и хияон
винэсШэня oiroHf,
ife
о<
&Ф
ф ЙСО ф ЙгН
фs^
ffiig-
lis1
Wttfli
wig-
ft.. к в и К F* н «
.пай
&&И § a s
Ю
TSg
вамэ!шэя
аиЬнянневйгее
эиьойц
«И1§ J
| .fsl
яниЬ/чКэщ
(Коми ИНН
-«ПГВСЪЬНЭПО)
шпгвлэи
ЭН1ГЭЖВХ
нШшшп
эияоэьин
-BJdodoirx
эиьЛхэгг
ГНГОЯЭф
ЭНННОИНВ
avno
галнАИ
-ойпэлфэн
HHingo хоеу
+
+
+
ю
то
то
шйп
-до Зофооф
И
РЭ
И
в
X
В
+
Baioainaa
энннэшэвбд
иэ1гэа.втеяоп
хнкэшгэИэйпо
адгоиь aalngo
«S
о&
SS
Р
>ач оа
ч
и
сг
о
w
то
>>
ко
и
S
яо
аш
S
ф
И
э ш л °N:
64
to
то
«
«
S
К
О
S
О
Еч
Л
К
0л
1
И
&
m
ф
о.
sK
ife
So3
ogsj
а о
х .а
-в»
>Я ч й
SS -и
МоЦ
\о ъ* 5 л
эаед
s .о©
gpfi
gallgl
Я
о « о)
ЧЗЧйЯч
©§
•jwh - 3
tfg
gsw
C-wg
яяЙ%
su5
Я
P« у
«ISO!®
4 S 3M>.csS
S p.
Р.Я Я°
as
s .3 . Л -98а5б Я°
щ
>>fto
d ч .SswSffl-aiSgoj
XOB S « eto-e&w <
la
ом
O-S'W^SS'M'
1l лa д к о 3 л Ч Ч о о
К
оСи окto М
Я
ОЛ QJ
»S
* ЯмЭ&^ЗчЯ aftS
s ojs
g-йяьд go g
+
+
++
++
+ +
+ +
>
'
+ +
+
+
+ +
+
+ +
+
j -5С
«Я
ю
О
%
®
ф
№
О оз
и
и ик м
о1
ак S
S
а а я
ИS <
о
+
+ +
+
01
!М О
IN)
ео
гЧ С
тсО
8
я
й3
я
5к
с?
8
s g
>я =1 яft
« ft м
ню
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
со
со
00
Qi
О
CN со
+
W
т
ко
ft
Я S Рю'Я I
§ asgs I
оN
N
65
и
N
N
и
о&
га
Я чз
tf И
2
о
я
©
>•4
иэиэпзевноп
и ниИол
Ч
3 -ЭК XI1B0H вин
Й -ЭЙИЭНЯ OffOHh
X
о
4
3
КОЛ
Щй
я s g,
я
ё««
-««•get
а
3
Й
*
Baioatnea
4 эийгашнев&пзе
О
эиьосЗц
ей
О
©
HHirti/atfajM
(Нолям инн
-airediHano)
ГНПГВ1ЭК
ЭН1ГЭЖКХ
тсйиЬихэап
эияоэьин
-BJdodoirx
ЭИЬА1Э1Г
ГПГОНЭф
аннношге
avno
m
-яАИосйгэлфэн
ии!пдо iocy
шйпдо do$oo®
И
и
К
с
saioatnaa
энннэшааед
ИЭ1ГЭ113Ё13НОП
хг-шавтаИайпо
отгаиь eatago
g|3§
то M1©1 з
A ДРч №
„3>» ga
Qvfl, л „Р,
g-аГ ч з s
la
sgg
tfS Кар,
g
-g о |jo
45 H"—E
' * tr
SS ft 5
s i s -g
+
+
+
so
5?
++
+
+
+ + +
+
+
+ + +
+
+ + +
+
+
+
+
+
+
+
+
+
<м
то
N то
00
м
1т{
Я
Ю
<
К
>
4
ц
sр.
0
X
+
+ + +
+
+
оо c<j
,-Н
t-
«э t- аз то
(М
о<1 cq -ч<
§
й
IS
К
66
+ + +
+ + +
w
tf
К
ол
то
я
+
+
+
. гН
§Э
I"
5 3
я. s
+
+
+
W
IS
-Pi
OWJA
§
+
И
S
i
Сч.P.
>i*§
О
4
o)
ss©
oS
Ms
4о
H
«Ь?
та—^s
ftg
о
e*
X!
1*B9§|
+
dcfSasi
8 8 НА»
8 В* 8.Й
I s j >
Л us
g
t
то
а
оX
0
1
S
Е- IР, К
И
Й
то\В•ЛSн
<00
-41
я
8,
я ао
км И
и к§и
й
g
§1
о
S
X иA3 8Рч ftей
S а sft 3I
a Еsн В о
О
И
N5
ф ,(?
ш |Рч
"gS™
О
Й sо оИ «М
оя Sо
я*я». Й.аВ 2
Й-Я Я
8R ° V ВS ч,
0-—-Q.H -4R
fags
Як
SI t g Sи
I
m
f
P i
SoЙ - я ш * н О
+
+
+
+
+
+
<м
тЧ
+
+
+
+
+(10)
«1
тЧ
Mil
ЙИЧЗЧ
ю
4 я! н
IS g
I l l I ifo-a
| 1 I о111
MIPS
as8-
flRlg
lis II
W »S i g i g g о « о н
s g яв-:
'S . 5
I
as.
top. feiliisil
Я 5P\B.o.bd «я brf » 3 & Ш
гЧ
wigs
о Р.Ч"
g H l pw f ew a
Jb
Я
SHu 90 g
l l E it? -Й
+
+
:Я =Н >Я
Я Я Я
Я Я №
КС « К£
а> а> а)
я я я
ООО
i t
Е>
аз ф фЕ« f "+
к и и
+
+
с
с
С
С
С
»ч +
+
+
+
+
+
+
+
О
.4
+
+
+
+
+
+
+
+
<31 +
+
+
+
+
+
+
+
+
в
+
+
+
+
+
+
+
+
тЧ
К
+
+
00
t-
+
+
+
+
+
+
to
+
+
+
+ .
+
+
ю
+
+
+
+
+
+
Tf
+
+
+
+
+
+
+
+
+
+
<м
со
ю
со
со
со
со
<м
СО
СО
ю
со
О)
со
т(<
со
со 14
со
+
М
со
я
a
о
s.
§•
о
ои
ь
Й
xo
w
a>
S
E§h
Й
яоо
H
ts
л
£
8
О И
о о
ко
и
S
1
га
я!
W
о О
§•8
я &
яЭ
3 ч
Иm
«о
я
о
67
и
оя wS
о «
gsg t s ®
s § § §
§ § g
Р. я
3 5" X£g *а
< КО o<J
во
о
ч
«о
иэиэтеевноп
И HHtfOi
-эк хмаон вин
-adtfaHa окоиь
№
Baioatnaa
anbodji
эиЬюшнев&гес
яниЬ/чИадо;
+
+
+
(Иохэк иин
+ + +
«s
is
Ф
-Ч1гвй1напэ)
1Ч1Г1П31,ЭК
эгпгажвд,
н4/и1шюап
эиноэьин
-BJdodoirx
эиьЛлэгг
гагонэф
1Ч 1й. B.
§а
gig
EC offig
о Й Ss S< I
в a u-e- О м а
4-4-4+
+ + + 4-
S&
++
+
эинноинв
ЯУПО
гм,
-яЛИоеЬаэлфэн
+ +
+
+
+
+ +
м
+
+ • +
+
+ + +
+
+ +С
ии^пдо ю е у
иикпдо дофооф
и
С
И
вамэЬша
эгшнатэаед
иэ1ГЭ1вевяои
xfawaBiratfadno
+ + +
+ + +
И
+
+ .+
+ +
+
oo
CO
оггаиь aatngo
+
+ + +
то
CO
t00 ,
N тН
+ + +
О
Ю
н юINооN tW
СО
вси
1 5
«s
-a
oo
о
аt"
ч
ЭШАчГС
+
si
я
68
5 ИВИ
о
«
£
1® Ч Р чо
m
S МС
Я
а, §6отж
Й8
J)
18
'ЙЯ
Ом
NH
—'
S вед
Л Л
%
яяя s
я
я
Ч§ 0 о
. аоэЗ,
р.
о« ft ft
о 1 I
Q
.
&
:
g
1Й ф Sа> Я Ф Я qj Н
wsg g ^ y ^ O f v
++ ++ ++ .++
IrM
Hs .
1-4
1-t +
о +
T-l
Ф яо
я is.
!>!!
Xgo^
+
+
+
+
+
+
ЙЕЦиЖМ&сд-
.
+
+
+'
1=1
+
+
+
+
+
+
+
+
+
+
+
+
+
+
05 +
00
3 .о1®
ДГ^ё ЯЯдЧ^
Щ
+
f-8!
ЙЦ
1Й и
Ч
в
-+
4<
+
+
+
+
ee +
+
+
+
+
+
+
+
+
xa+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
tcq
r-l
CO
Ю
CO
I1M
—1 tCO
§
ю
№
ч
os
IM tCO ®
IM
<N О
a
я
Я"
в
+
+
»«
ч
+
+
+
COoo
eo
+
2!,
+
+
+
fr-
№
Iftl
w
a«
о
Й
г
а
s
£
о И
la
я I
я 5
•Р1н«
+
+
+
+
+
+
+
я
я
о.
ш
И
a g g
IM
CO
ее
69
r-l
и
p
era
CO
CO
о
л&
ИЭГгаХЕЕВЯОН
-Э(Й?ЭНЯ OffOHj!
«
я
° 'Я
8
«s
еаюэЬаэя
эи1пшвнекс[авЕ
эиьойп
ф ЯСС
Ф
№о
нт-t
3 Si—
I aФSim
и яиИол
-эк хнаон вин
mSoi к
Ж
О я йfct_
дЯЯ
- ач
gP
2>>я о §
о^я я .Я
*ggo
5 Я .ssfSS
ф^-С tr-e-s2
доЯл
§§
| Кtfв Ч-&
W
4
Щи Й Э"и и о л
+
HHHta/itfaj^
(tfoiaw имн
-«игейляэпо)
iaifireiaw
энп-эжвх
Й
Isl
+
+
нКийиюэп
эиноэьин
-BJdodoirx
эиьАЬЭЕ
ГНГОНЭф
+
+
эннноинв
ЯУПО
гы,
-яЛИойпэхфэн
+
иикпдо лову
ииШдо do$oo0
+
&3
С
И
и
а
х
Baioalnaa
эгашэшэзед
иэгаизвеяон
XFrnaBiratfadno
огонь aatngo
со
ео
соо
со
ео
W
Я
-а
§1
ha
и
ег
Ф
в
я
Ч
яо
ч
а
О
70
яо
ю
и
ч
а
ffl
А
Ч
О
И
и
оо
зО
И
i m
gt=C я
§4 и
Ш »
«я
ч
яд
Ш
ts
вбн юь
i H
XO
О
О
О.
X
+ +
+ +
+
+
II
fi
Кт
+
+
<о
+ +
+
+
<31 + +
00
t+ +
+
+ +
+
+
+
+
+ +
+
и
r-f 05
со (M
s
„ В„ в
&
s &
w «я Я
leg tg p и >>
тс
№
СО
со
I ©н VD
. и а««
а
2-е
g яi t
N t I
ея ®w05
s mкfa5
о®
о
s
3 Я О OJ
: 11
ill
W
„
О 8
О г' г Э
о оЭ
&—
«
m F5®
- и
OS
я
P
a . S »н В щ
"« Iо sg
IM
кя
<
а
§и
О
1М1 ю
1 о.
д) Оf
3 ОI »о
О
71
ПРИЛОЖЕНИЕ 11
Перечень лабораторий, в которых не использовались
в 1999 г. измерительные приборы для анализа
поверхностных вод суши
Число неиспользуемых приборов
4
Причина
простоя
КФО
1
Неисправен
ФК-110
1
ФЭК-56
1
КФК-3
1
КФК-2
2
КФК-2
КФК-2
1
1
В резерве
КФО
1
КФК-2
ФЭК-56,
КФК-2
1
4
Не используется
из-за плохой
чувствительности
Неисправен
Неисправны
КФК-2
КФК-2
КФК-2
1
1
2
Неисправен
КФК-2,
КФК-2
2
Законсервированы
КФК-2
МКФК-1
ЛФМ-72
КФК-2
ФК-110,
КФО
1
1
1
1
3
Неисправен
В резерве
КФО
1
Причина
неизвестна
КФО.
ФЭК-йб
2
В резерве
1
Не укомплектован
№
УГМС
УГМС,
лаборатория
Марка
прибора
1
2
3
Фотометры
Верхне-Волжское:
Рыбинская
Дальневосточное:
Хабаровская
Западно-Сибирское:
Кемеровская
Камчатское:
Петропавловск-Камчатская
Колымское:
Магаданская
Среднесибирское:
Назаровская
Норильская
Северное:
Сыктывкарская
Северо-Западное:
Северо-Кавказское:
Краснодарская
Невинномысская
Азовская
Уральское:
Челябинская
ЦЧО:
Курская
Брянская
Тамбовская
Тульская
Старооскольская
Якутское:
Якутская
Башкирское:
Уфимская
Спектрофотометры
Верхне-Волжское:
Чувашская
СФ-46
Западно-Сибирское:
Кемеровская
СФ-46
Камчатское:
Петропавловск-КамчатСФ-26
ская
72
1
1
5
Неисправен
Неисправен
Продолжение приложения 11
№
УГМС
1
21
22
24
28
29
30
31
33
34
39
15
19
28
30
33
34
18
20
24
УГМС,
лаборатория
2
Колымское:
Магаданская
Среднесибирское:
Красноярская
Обь-Иртышское:
Омская
Тюменская
Северное:
Архангельская
Северо-Западное:
Северо-Кавказское:
Ростовская
Астраханская
Уральское:
Челябинская
ЦЧО:
Курская
Тульская
Якутское:
Тиксинская
Башкирское:
Уфимская
Верхне-Волжское:
Нижегородская
Городецкая
Иркутское:
Братская
Северное:
Архангельская
Сыктывкарская
Северо-Кавказское:
Ростовская
ЦЧО:
Брянская
Марка
прибора
Причина
простоя
3
Число неиспользуемых приборов
4
СФ-46
1
Неисправен
»
СФ-46
1
СФ-46
Specord-M40
1
1
Нет кювет
Неисправен
Specol-20
СФ-46,
СФ-26^
1
2
Неисправен
Неисправны
СФ-26
АПВ-102
Specol-21
1
1
1
Неисправен
В резерве
Неисправен
СФ-26
1
В резерве
СФ-46
СФ-46
1
1
Неисправен
В резерве
СФ-46
1
Неисправен
СФ-26,
СФ-4(?
Флуориметр!I
2
В резерве
5
Квант
1
ЭФ-ЗМА
1
Причина
неизвестна
Не поверен
Флюорат-02
1
В резерве
Квант-9
ЭФ-ЗМА
1
1
Неисправен
Причина
неизвестна
ЭФ-ЗМА
1
Неисправен
Квант-7
1
Причина
неизвестна
Якутское:
Якутская
ЭФ-ЗМА
1
ИК-спектро фотометры и анализаторы
Западно-Сибирское:
Specord-75IR
Кемеровская
1
Камчатское:
Петропавловск-Камчат- Specord-M82
1
ская
Обь-Иртышское:
АН-1
1
Омская
АН-1
1
Тюменская
73
В резерве
Неисправен
Нет кювет
Неисправен
Продолжение приложения 11
№
УГМС
1
29
30
31
3
АН-1
Число неиспользуемых
приборов
4
1
АНВП-79
1
UR-20
Газовые хроматографы
1
«
Цвет-106, 164
2
Неисправны
Цвет-530
1
Причина
неизвестна
ГХ-3700
1
В резерве
Цвет-500
1
Неисправен
ЛХМ-80
1
Неисправен
ГХ-3700
1
Цвет-550
1
Цвет-550
Газохром-1106
ЛХМ-80
Газохром-1106
1
1
1
2
Не установлен
Неисправен
ГХ-3700
Газохром-1109
Пламенные фотометры
ПАЯМ
ПАЖ-2
1
1
Неисправен
1
2
Неисправны
УГМС,
лаборатория
Марка
прибора
2
Северо-Западное:
Северо-Кавказское:
Ростовская
Уральское:
Екатеринбургское
Верхне-Волжское:
Нижегородская
Забайкальское:
Читинская
Среднесибирское:
Красноярская
Обь-Иртышское:
Тюменская
Сахалинское:
Южно-Сахалинская
Северо-Кавказское:
Сочинская
Московский ЦГМС:
Московская
ПЧО:
Курская
Липецкая
Старооскольская
Якутское:
Якутская
Тиксинекая
Северо-Западное:
ЦЧО:
Тульская
Липецкая
Орловская
ПФМ
ПАЖ-1
ПАЖ-1
1
2
1
Атомно-абсорбционные спектрофометры
Приморское:
Сатурн
Владивостокская
С-112
Северо-Западное:
ЦЧО:
Сатурн-ЗП-1
Курская
Спектральная аппаратура
Северо-Кавказское:
Ростовская
ИСП-30
Московский ЦГМС:
Московская
ИСП-30
74
Причина
простоя
5
Неисправен
л
Неисправны
Законсервирован
Неисправны
Эксплуатация
запрещена пожарной охраной
Неисправен
и
Не установлен
Причина
неизвестна
Окончание приложения 11
№
УГМС
1
33
Причина
простоя
3
Число неиспользуемых
приборов
4
ИСП-30
1
Подготовлен к
списанию
Не укомплектован
УГМС,
лаборатория
Марка
прибора
2
ЦЧО:
Курская
1
ИСП-30
рН-метры и иономеры
Западно-Сибирское:
Бийская
Красноярская
Норильская
Обь-Иртышское:
Салехардская
Северо-Западное:
Северо-Кавказское:
Астраханская
Краснодарская
Уральское:
Екатеринбургская
ЦЧО:
Курская
Орловская
Брянская
Башкирское:
Салаватская
Калининградский
ЦГМС:
Советская
Приморское:
Владивостокская
Сахалинское:
Южно-Сахалинская
5
И-115М
Неисправен
ЭВ-74
ЭВ-74
В резерве
рН-121
И-135, ЭВ-74.
рН-67& И-12(5,
И-115
Нет электродов
Неисправны
рН-150
рН-121, И-115
Неисправен
Неисправны
dH-340
ЭВ-74, И-136
Неисправен
Законсервированы
ЭВ-74
рН-110, dH-47,
ЭВ-74, Й-115
рН-150
Неисправен
Неисправны
В резерве
ЭВ-74
Неисправен
ЭВ-74, И-115
Неисправны
Анализаторы ртути
Юлия-2
Не используется
Юлия-2,
Не используются
MAS-50
Северное:
Нет реактивов
Архангельское
MAS-50
ЦЧО:
Неисправен
Курская
Тульская
Юлия-2
Юлия-2
Не используется
Тамбовская
Полярографы, вольтамперометрические приборы
Красноярская
Норильская
Мурманское:
Мурманская
Уральское:
Екатеринбургская
ПУ-1
ПУ-1
Неисправен
В резерве
ПУ-1
Нет электродов
ИВА-3
Законсервирован
75
ПРИЛОЖЕНИЕ 11
Поступление в ИВЦ ГХИ первичной гидрохимической
информации за 1998 г.
№
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
39
40
УГМС
Наименование
Верхне-Волжское
Дальневосточное
Забайкальское
Западно-Сибирское
Иркутское
Байкал 1
Камчатское
Колымское
Среднесибирское
Мурманское
Обь-Иртышское
Приволжское 2
Приморское
Сахалинское
Северное
Северо-Западное8
Северо-Кавказское
Уральское
Московский ЦГМС
ЦЧО
Якутское
Башкирское
Калининградский
ЦГМС
Итого
1
2
3
дней Оценка за своевременность
Число проб Число
опоздания
представления
17
4
3420
4
840
18
4
807
10
2567
4
14
1067
14
4
4
5
1759
134
2
33
3
255
23
1382
82
2
2
602
54
14
4
1096
0
5
1701
2
419
50
436
10
4
4
1192
10
-
-
1497
912
655
1600
737
639
445
0
22
49
43
21
68
10
24 162
Данные поступают в ГХИ в виде журналов ГХЗ.
Данные поступают на магнитной ленте.
Информация не поступила.
76
-
5
3
2
2
3
2
4
ПРИЛОЖЕНИЕ 11
Оценка "Ежегодника-98"
№
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
39
40
УГМС
Наименование
Верхне-Волжское
Дальневосточное
Забайкальское
Западно-Сибирское
Иркутское
Камчатское
Колымское
Среднесибирское
Мурманское
Обь-Иртышское
Приволжское
Приморское
Сахалинское
Северное
Северо-Западное
Северо-Кавказское
Уральское
Московский ЦГМС
ЦЧО
Якутское
Башкирское
Калининградский ЦГМС
Число дней
опоздания
4
4
2
3
4
4
4
3
13
2
28
37
44
16
121
4
64
15
4
12
4
23
Оценка за
своевременность
качество
5
5
5
5
5
5
4
5
4
5
5
5
5
5
4
5
4
3
4
5
5
2
2
2
3
4
—
2
4
5
2
4
3
5
5
•4
3
5
5
2
-
П р и м е ч а н и е . Прочерк означает, что оценка не выставлена в связи с непредставлением или поздним представлением материала.
77
еннэпо ввшдо
4
M
H
U
Ф1
9
ев
й
«
ч
о
p.
KifodiHOH
олентэнн
вннэЬо KBlngo
mdoredog
-bit вянэЬо
KBlngo
№
о
a
оСч
О
и
А
О«
н я
ев и
А о
О
VQ аЧ
ев И
Ч ф
S ft
О, оК
£>>
И X
и 1
® о
К Ф
и SC
© S
и я
ч я
о ч
в ев
3 И
м ев
ев
я
«
S
ft
о
н
Ев
А
о
\о
ев
ч
ев
К
Н
Ф
ff
О
co*M | | тг I I
I I -«t^csi | |
N
| cq-^
raMeomcqDjMnnsq-^^'^coMMMTfM-^'^w
ojoHoab
-HiOHiBiO
ТРЮ1П | Ю |
II
godn хна
эхгоп/хнн
-doj,
-BdogBir
I I I I I
II
in Tl< f I •J'f I Ю
I TP
CO
<I I >COI
I
I <I
I
\
в
XHiOOIfOX
чдэон
-aziBdsno
-Bdj ojoh
-ьоаойиЛН
•Bdi «моей
-•нгидвло
qirodiHOH
ииноэь
лЭ
Р
ч U1-имшжьо
ощ
©
® S чюон
•SHiBdeno
«S
®
5
яо rtS вяиф
Oft -BdJ ojoh
-hoaodn/fiz'
•Bdi чюон
-чиидела
1
N j I |N|
ОЭ ^ -rf I
COTpCOffQCON
col
ffTflDOlO TP
II
-tf TP
<MN
Tf
со in см in in еч coeq out
со тр со in со тр м и
I CO | тР | тР CO
TP cq CO CO <N Ю
-^сососососо
т|< ю cq со in со сч со
и
s
!
§•
4
Сч
05
OWJA. °X
78
^
СО
>й
*<я I I I I I
тр тр cq m со со
TP
CO
II
M
*co I I I I VVji I I I
I
M
I со I
|
тюсотрсосососо<мсо(мс<1еч1тртрсо-^,^<ч111п''#',^щсою
| И5
I
Ю
Tf | VO
^c
Ю
Tit
Tf
СО
-TP
•^•^imtp
im
еосо^ео-^н
со in im in
eo eo tp
Tf-^-^Tf^TfTf
•^i<M-^i
тр
eo in eq cq <n
coimimim
TfoqeoTf
тцо^мимст^
со-^треоео
eq со im я
TfcoeOTf
I
о
N
N
t-i
ЛЮ1С
со
x n l l l l
Tf Tf
еч
Я
TP
1/5 I | |
TfmTfTf
Ш-^ЮЮЮЮт
Ю |
Tf | -*f in
Ю'Ф'^Ю | | Ю
C O T f T f T f
TP Ш
(
M
eo
СИ
i
|
l
|
l
N
79
TP TP Tf
in in Tf тр
ift
N
Tf
tji
ее
N
OWJA
вннэпо кйпдо
IN CO
BiTOdiHOH
оаэншаня
взшэЬо BBtngo
T-l
тН
ю
I I CO*in
О
t-l < N C < J i N l N I N T P l O i n c O l N l N
1 1 TP I
I I W*,N
M
l
!
CO IN CO IN <N <N CO CO IN I N IN IN
оаояоаь as
-ИХОИЛВЮ
1 1 I.I
ююю
1 us | со I I I
godn хиа
airon/хнн oo
-(Гол
-EdogBir
1 1 1 1
Y'T 1
'
1 1 1 1 1 1
I N I !
fr-
1 1 1 1
ЮЮ 1
1
1 1 TP I I 1
1 1 1 1
ee
I I I
Ю TP TP
|
таоон
-ЯИЛВЙЭПО
вяиф
-BdJ ojoh
-boaodnffl
-BdJ чшон
-чиидвло
чнтаЬьноя
ииноэь
-HiOHiBiO
чюон
-aniBdano
вмиф
-BdJ ojoh
-ьозойиЛ/
-BdJ 4jooh
-чиидВгЮ
УГМС, лаборатория
Д
PQ
тР T P 1 I | Ю *
CO
M i l l
XHiOOIfOX
Своевременность
представления материалов
Я
Н
а
1
а
о
'S
та
Ч
Я
CO
т Р I TP 1
1
1
T P l l l l
Ю
N S I I M M
TP Ю CO
IN
MIMMNNN
тр
<N IN IN СЧ1
тРЮЭТ
IN
СЧ СЧ CO <N IN
I N N N N IM
CO
<N I N I N CM
TJITPCO
IN
Tf N W N N C J
CO IN СЧ СЧ IN
IN
r-l
N N M N N
Сахалинское:
Южно-Сахалинское
Александровская
Поронайская
Охинская
Северное:
Архангельская
Вологодская
Сыктывкарская
Северо-Западное:
Санкт-Петербургская
Петрозаводская
Смоленская
Новгородская
Тверская
Псковская
Киришская
Северо-Кавказское:
Ростовская
Махачкалинская
Владикавказская
Астраханская
Волгоградская
л
ч
о
&
и
0
«к
Качество контроля
иийохейод
-вн-вннэйо
кв1пдо
^
»
«
00
N
N
80
05
О
(5
1
Tf
CO
CD
а
{
I
I I I I I I I I I I I I I I I I I I I I I I <N*M
, II
оо
5
тртотою со со ю ю ю T f Tf Tf тр-ч< Tf tji тоTf ^ то Tf-<f Tfто-<f-<fсо со Я
в
з
Ю
|Ю1П!
in
НЭ
VO '
19ЮЩЮ Tf
'
'
'
'
1
6О
ЛЮ1С I юююимо
&
к
a
п
С
ч
00
оa>
Ю
со со сч тр со eq
тр cocooocqcococoooco со*
го еч <м ю n in TfTf-^Tf
ео eocqeocqcoeqiMeoiM
то
:
:
CO CO ^ 1Л ^ ^
то
cq
;
^ ^ со со со со со со со со со со со
® >р
о,
яК л«ЕС
и
яв
О
СГ ь,
° S%
« л
wJ
n
И
«ь
р 00
Kssscassssassgg.sssswssgga
о JS £ i=< 2,2 3 w j j К о о S К 2, о я а а йн,«
я В jS* 3
иЯГе-iИ<JИИVйj|S^йнпЧонмоййКен^д-"
:
iH
«5 W
да
~©
»
.
я И
То
50
т*
81
® я
п
шои
23
о
_
м «
§ а
1
§Рч
Т я
> я)
i g я и
о \
я и
5 О
мУ
я ФЕ
о Я
и
(в
Я А'
Ч й
Я
О
t
§S во
«5
1-1
И
S
к
т
П
о
ч
is!
№
к
5>4 «и
ч §
6I
(8
О v
Я *
Н О
Ф и
4 ® 00
—
Я я g
«l i g s
шзжхиМд
-йдлэц
-iHHBQ
ввяо
-неЯд
-НВ1ГД
о
Е =
ф
н
4 m
«® И
ч
^в
ю а
О я
5
Ф
§ В« 1?
ф
Я ее
U К
+
I
+ + + ++ I
++ II
+
ввяо
-HBWdApi
ввяо
-гогфд
о
+ 11'
+
Bsaotfod
-мэжин
+ Я
И
(3 нл
5ш ол
S
+
ввяо
-аолоод
ввяотаэя
-HBXdy
Я
+
ввяо
-iAHdjj
И И
- 5
I I+
ВВЯ0Ч1Г
-внивд
+
+
I
+
+
+
+
+1
+I
+
+
+ + +
+ I++
+ +
ввноиох
«3
Sл
0)01ч
>,
Pit;
|3
H
о
и
11+
+ I++
BBHOdB
-OHOBdji
BBHOWQ
I
++ I+
+ + +
+ 111
tol?
5 § £gftав чл
°2-g
E
< чa§fs' og ft
savЙ
SS
о
5й
I I t g 8 | 3 a § S § g Ы В В I s p 8 § s-s s
82
\IM
CO
+ I + +
+ I + + 1+ +
o>
<N
о
.рч
-со
4<
о
CO
111 +
Ю
•41
+ + + +I
I
I
+ + + +
+
+
+ +
осо
CO
CO
+
I +
I
I + +
+ + +
оoq
CO
IN
Ю
Ю
!N
со
со
со
ai
т-t
o>
>n
«IS
5
S cr
ss оs„ ивs i >4
w Pt и
КX о
иS
S
ж
II ш
S
оS
ПИ" с
ьчО
а
«К
gSw
Л. О* «8S
я чЯ
s
g
S
l
p. о 5 2W
«SBS j n S3 ,.
4о
vиь
fH 3 I В -"§1
ЙЯО
ЙЯ О
I Н tr й § в £ g-Рн
8 & Ё 5. р 8 о
I I * £ и g2 | оI кsа| |F sa ti. §и lи| s! о,&о gи lи
[t=tt=C
83
«
I вом ц,§
м
OQv
ф
3
н
и
ЮЮ10Ю
ю
юю
ю
I
ф
ч «
В S,
« о
5
Я м
g |
ф 3
5
ft
Ю ШЮШ U5 •fl!
§
о
я
а
Ы
ф
в*
я
н
я IS
ч
2 «
-я яа
ел а
я ®
Е- в
ЫО
5§ sI
ей.
оо
fll
*
СМ
ей
|Ой
3
si
^
' О
Ю
Ю
1Г5 Ю «5
СО
Ю СО
шю^тю
Ю Ю Tf
Ю
ЮЙЙ^ЮЮ
*ш Я§
2ч
о
ft
и
и
о
и
о
и
5ф
я
о
•ЧР 1ДЮ
ТР ЙШ-^ЮЮ^^ЙЮЮЮЮ
s5
6
s
ft
»9 яй
|S
ф
я 2
я 22
Я •н
§ «
Е;
«
»>>
SS'
ль
«о '
§§
Я
Й
0 Ю
SК
«Я
ff'g
X
D Я
1 § °р.\о ff«К
Ф
Рк
84
ю
iH
Кислород раствореный
Свинец
Ртуть
Нефтепродукты
Марганец
Кадмий
у-ГХЦГ
ДДТ
бпк5
Общая оценка
Ol
tr-
со
ю
00
Ю Ю^1ЮЯ ю
m
ш
со
ю
ee тР «5 \0
ю Tf
m тр
тр тр
N
ПРИЛОЖЕНИЕ 11
Оценка материалов к Обзору состояния работ сети
УГМС
Наименование
№
15 Верхне-Волжское
16 Дальневосточное
17 Забайкальское
18 Западно-Сибирское
19 Иркутское
20 Камчатское
21 Колымское
22 Среднесибирское
23 Мурманское
24 Обь-Иртышское
1
25 Приволжское
26 Приморское
27 Сахалинское
28 Северное
29 Северо- Западное
30 Северо-Кавказское
31 Уральское
32 Московский ЦГМС
33 ЦЧО
34 Якутское
39 Башкирское
40 Калининградский
ЦГМС
Число дней
опоздания
4
0
4
4
4
4
4
4
7
4
Оценка за
качество
своевременность
S
5
4
б
4
5
4
5
4
5
4
5
4
5
4
5
4
4
3
5
3
5
3
3
5
б
5
5
4
5
5
14
0
13
20
0
4
5
4
6
0
4
'Материалы не поступили.
86
4
3
5
3
4
4
4
5
4
4
4
СОДЕРЖАНИЕ
X. Состояние сети п у н к т о в н а б л ю д е н и й з а з а г р я з н е н и е м п о в е р х н о с т н ы х вод
суши
2. В ы п о л н е н и е п р о г р а м м ы работ в п у н к т а х н а б л ю д е н и й з а з а г р я з н е н и е м
п о в е р х н о с т н ы х вод с у ш и
2 . 1 . В ы п о л н е н и е п р о г р а м м ы по отбору проб
2 . 2 . В ы п о л н е н и е п р о г р а м м ы по ч и с л у определений
3. В ы п о л н е н и е х и м и ч е с к о г о а н а л и з а
4. Представление результатов анализа
4.1. Первичные данные
4 . 2 . Обобщенные д а н н ы е
5. Состояние работ по к о н т р о л ю к а ч е с т в а а н а л и т и ч е с к и х определений.
5.1. Внутрилабораторныя контроль
5.2. В н е ш н и й к о н т р о л ь
6 . Состояние м а т е р и а л о в , п р е д с т а в л е н н ы х УГМС д л я Обзора с о с т о я н и я работ в
1 9 9 9 г.
7. В ы в о д ы , п р е д л о ж е н и я и р е к о м е н д а ц и и
П р и л о ж е н и е 1. Ч и с л е н н о с т ь в о д н ы х объектов, к о н т р о л и р у е м ы х сетью
р е ж и м н ы х н а б л ю д е н и й з а з а г р я з н е н и е м п о в е р х н о с т н ы х вод
с у ш и по состоянию н а 0 1 . 0 1 . 2 0 0 0 г
П р и л о ж е н и е 2. Ч и с л е н н о с т ь сети р е ж и м н ы х наблюдений з а з а г р я з н е н и е м
п о в е р х н о с т н ы х вод с у ш и по состоянию н а 0 1 . 0 1 . 2 0 0 0 г.
П р и л о ж е н и е 3. И з м е н е н и е в составе с е т и н а б л ю д е н и й в 1 9 9 9 г.
П р и л о ж е н и е 4. Ч и с л о временно не р а б о т а в ш и х в 1 9 9 9 г. п у н к т о в н а б л ю д е н и й
П р и л о ж е н и е 5.
Приложение
Приложение
Приложение
Приложение
6.
7.
8.
9.
П р и л о ж е н и е 10.
П р и л о ж е н и е 11.
П р и л о ж е н и е 12.
П р и л о ж е н и е 13.
П р и л о ж е н и е 14.
О ц е н к а с о с т о я н и я сети н а б л ю д е н и й и паспортов п у н к т о в
наблюдений
Число проб, отобранных за 1999 г. на пунктах категорий I - IV
Оценка выполнения программы по отбору цюб, %
Ч и с л о определений, в ы п о л н е н н ы х в 1 9 9 9 г.
Основные п о к а з а т е л и производительности т р у д а в гидрохимических лабораториях в 1999 г
Состояние внедрения методов анализа поверхностных вод с у ш и
в лабораториях сети Росгидромета н а 01.01.2000 г.
Перечень лабораторий, в которых не использовались в 1 9 9 9 г .
и з м е р и т е л ь н ы е п р и б о р ы д л я а н а л и з а п о в е р х н о с т н ы х вод
суши
Поступление в И В П ГХИ первичной гидрохимической
информации за 1998 г
О ц е н к а "Ежегодника-98Г'
Оценка
з а выполнение
внутрилабораторного
и
внешнеголабораторий
контроля качества
аналитических
определений
3
7
7
8
11
14
14
14
17
17
25
27
31
33
34
42
^
44
45
46
47
61
62
72
76
77
78
П р и л о ж е н и е 15. Сведения об удовлетворительном (+), неудовлетворительном ( - )
и л и сомнительном ( + / - ) качестве выполнения лабораториями
внешнего контроля по программе ГСМОС/Вода в 1998 г
82
П р и л о ж е н и е 16. Р е з у л ь т а т ы внешнего к о н т р о л я к а ч е с т в а а н а л и т и ч е с к и х
определений, п о л у ч е н н ы е в 1 9 9 9 г . п р и проведении инсп е к ц и й и аккредитации лаборатории
П р и л о ж е н и е 17. О ц е н к а м а т е р и а л о в к Обзору с о с т о я н и я работ сети
84
86
87
ОБЗОР СОСТОЯНИЯ РАБОТ СЕТИ НАБЛЮДЕНИЙ
ЗА ЗАГРЯЗНЕНИЕМ ПОВЕРХНОСТНЫХ ВОД СУШИ
РОССИЙСКОЙ ФЕДЕРАЦИИ
(по гидрохимическим показателям)
1999
Редактор Н. П. Муравьева. Корректор Н. Ю. Попова.
ЛР№ 020228 от 10.11.96 г.
Подписано в печать 18.12.00. Формат 60 x 84 1/16. Бумага офсетная. Печать офсетная.
Усл. печ. л. 5,12. Усл. кр.-отг. 5,24. Уч.-изд. л. 5,88. Тираж 120 экз. Индекс ГЛ-18.
Гидрометеоиздат, 199397, Санкт-Петербург, В. О., ул. Беринга, д. 38.