УДК: 
DOI: 
10.22389/0016-7126-2017-926-8-39-48
1 Абдуллин Р.К.
2 Шихов А.Н.
Год: 
№: 
926
Страницы: 
39-48

ФГБОУ ВО «Пермский государственный национальный исследовательский университет»,

1, 
2, 
Аннотация: 
Предложена и реализована методика синтетического картографирования опасных явлений погоды на региональном уровне (на примере территории Пермского края). На её основе впервые построены карты повторяемости климатических экстремумов, а также проведено районирование территории по преобладающим видам опасных явлений. Методом взвешенной интегральной балльной оценки, учитывая в первом приближении «степень опасности» каждого явления, в пределах Пермского края выделена область максимальной повторяемости климатических экстремумов. Она приурочена к горным районам Северного Урала. Также повышенная их повторяемость характерна для южных районов края. Область минимальной повторяемости климатических экстремумов расположена в районе Камского водохранилища. Районирование территории по преобладающим видам опасных явлений погоды проведено экспертным методом и на основе пространственного кластерного анализа. Результаты районирования, полученные с применением обоих методов, характеризуются достаточно высокой степенью подобия. В обоих случаях выделены идентичные по очертаниям границ районы высокой повторяемости сильных дождей и снегопадов, сильных морозов и сильной жары. Различия между полученными результатами районирования имеют частный характер, что указывает на возможность применения автоматизированного районирования на основе кластерного анализа.
Summary: 
The article describes a method of synthetic mapping of severe weather events at regional scale level (on example of Perm Region). There is created for the first time the maps of climatic extremes frequency and prevalent types of severe weather events. Using a weighted numerical score method, we have identified the area of maximum frequency of climatic extremes occurrence within Perm region. It is located in the mountainous region of the Northern Urals. Also, a significant frequency of climatic extremes is typical in the southern part of the region. Area of minimum climatic extremes frequency is located near the Kama Reservoir. When performing this calculation, we take into account the approximate severity of each type of climatic extreme. Territory zoning according to prevailing types of severe weather events carried out by two different methods. There are expert method and spatial cluster analysis. The zoning results, produced using the two methods, are characterized by a high degree of similarity. Both methods were identified the similar areas of high frequency of heavy rainfall and snowfall, severe frosts and heatwaves occurrence. The differences between zoning results are insignificant. This demonstrates the possibility of automated zoning method based on cluster analysis. GIS-based modeling, integrated rating estimation, severe weather events, synthetic mapping, zoning.
Список литературы: 
1.   Атлас природных и техногенных опасностей и рисков чрезвычайных ситуаций в Российской Федерации / Под ред. С.К. Шойгу. – М.: Феория, – 2005. – 271 c.
2.   Гаврилова С. А. Картографирование природных чрезвычайных ситуаций на территории России: Автореф. дис. на соиск. уч. ст. канд. геогр. наук. 25.00.33 – М.:– МГУ, – 2013. – 24 c.
3.   Гилязов А. Ф. Кластерный анализ как инструмент районирования территории по крупности речных наносов (на примере бассейна Волги) // Вестн. Удмуртского унта. Серия 6. Биология. Науки о Земле. – № 2. – 2015. – С. 149–158.
4.   Иванова М. Б. Математические методы в социально-экономической географии – Пермь: изд. Перм. гос. ун-та, – 2007. – 315 c.
5.   Калинин Н. А. Мониторинг, моделирование и прогноз состояния атмосферы в умеренных широтах: Монография – Пермь: изд. Перм. гос. нац. исслед. ун-та, – 2015. – 308 c.
6.   Сведения о неблагоприятных условиях погоды и опасных гидрометеорологических явлениях, нанёсших социальные и экономические потери на территории России. Всероссийский научно-исследовательский институт гидрометеорологической информации ‒ мировой центр данных. URL: http://http://meteo.ru/data/310-neblagopriyatnyeusloviya-pogody-nanjosshie-ekonomicheskie-poteri .
7.   Шкляев В. А. Особенности распределения конвективных явлений на Урале // Вопросы прогноза погоды, климата и циркуляции атмосферы: Межвуз. сб. науч. тр.. – Пермь: изд. Перм. гос. ун-та, – 1990. – С. 76–86.
8.   ArcGis Resources. ArcGIS Help 10.2, 10.2.1, and 10.2.2. Grouping Analysis (Spatial Statistics). URL: http://http://resources.arcgis.com/en/help/main/10.2/index.html#/na/005p00000051000000/ .
9.   Assunção R. M., Neves M. C., Câmara G., Da Costa Freitas C. Efficient regionalization techniques for socio-economic geographical units using minimum spanning trees // International Journal of Geographical Information Science. Volume 20(7), pp. 797‒811, 2006.
10.   Shi P. J., Karsperson R. World Atlas of Natural Disaster Risk Springer, Heidelberg, pp. 368,
Образец цитирования:
Абдуллин Р.К., 
Шихов А.Н., 
Синтетическое картографирование опасных метеорологических явлений на региональном уровне // Геодезия и картография. – 2017. – Т. 78. – № 8. – С. 39-48. DOI: 10.22389/0016-7126-2017-926-8-39-48
СТАТЬЯ
Поступила в редакцию: 11.01.2017
Принята к публикации: 04.04.2017
Опубликована: 17.09.2017

Содержание номера

2017 август DOI:
10.22389/0016-7126-2017-926-8

QR-код страницы

QR-код страницы