Использование машинного обучения для классификации стратиграфических слоев снежной толщи по данным устройства snow micro pen

Фролов Денис Максимович научный сотрудник, Географический факультет МГУ имени М.В. Ломоносова 119991, Россия, г. Москва, ул. Ленинские Горы, 1, оф. 1904Б Frolov Denis Maksimovich Scientific Associate, Faculty of Geography, M. V. Lomonosov Moscow State University 119991, Russia, g. Moscow, ul. Leninskie Gory, 1, of. 1904B denisfrolovm@mail.ru Другие публикации этого автора     Селиверстов Юрий Германович научный сотрудник, географический факультет, Московский Государственный университет имени М.В. Ломоносова 119991, Россия, г. Москва, ул. Ленинские Горы, 1 Seliverstov Yurii Germanovich Researcher, Faculty of Geography, Lomonosov Moscow State University 119991, Russia, Moscow, Leninskie Gory str., 1 yus5@yandex.ru Кошурников Андрей Викторович научный сотрудник, географический факультет, кафедра криолитологии и гляциологии, Московский Государственный университет имени М.В. Ломоносова 119991, Россия, г. Москва, ул. Ленинские Горы, 1 Koshurnikov Andrei Viktorovich Researcher, Faculty of Geography, Department of Cryolithology and Glaciology, Lomonosov Moscow State University 119991, Russia, Moscow, Leninskie Gory str., 1 koshurnikov@msu-geophysics.ru Гагарин Владимир Евгеньевич научный сотрудник, географический факультет, кафедра криолитологии и гляциологии , Московский Государственный университет имени М. В. Ломоносова 119991, Россия, г. Москва, ул. Ленинские Горы, 1 Gagarin Vladimir Evgen'evich Scientific Associate, Department of Geocryology, M. V. Lomonosov Moscow State University 119991, Russia, Moscow, Leninskie Gory str., 1 gagar88@yandex.ru Другие публикации этого автора

Николаева Елизавета Сергеевна студент, географический факультет, кафедра криолитологии и гляциологии, Московский Государственный университет имени М.В. Ломоносова 119991, Россия, г. Москва, ул. Ленинские Горы, 1 Nikolaeva Elizaveta Sergeevna Student, Department of Cryolithology and Glaciology, Lomonosov Moscow State University 119991, Russia, Moscow, Leninskie Gory str., 1 nikolaeva_lizaveta@mail.ru Другие публикации этого автора

Работа выполнена в соответствии с госбюджетной темой «Эволюция криосферы при изменении климата и антропогенном воздействии» (121051100164-0), «Опасность и риск природных процессов и явлений» (121051300175-4).

Введение

В свете продолжающегося потепления климата 2023 стал самым тёплым годом за весь период наблюдений. Он был почти на 1,5°C теплее, чем аналогичные значения за базовый период наблюдений. Это служит причиной того, что Мировой океан прогревается. увеличивается испарение с его поверхности и поступление водяного пара в атмосферу. Происходит все большее сокращение площади морских льдов в Арктике, увеличивается площадь открытой воды и ее испарение в атмосферу. Увеличение концентрации водяного пара в атмосфере ведёт к нарушению циркуляционных процессов, отчего, в свою очередь, учащаются экстремальные природные явления. Так, например, аномальные снегопады в Европе (названные “Snow chaos”) и на Европейской территории России 3-4 декабря 2023 года, также как последовавшие за ними холода и снова сильные снегопады были связаны, по мнению авторов, с интенсивным испарением с поверхности открытой воды морей и океанов в атмосферу.

Наблюдение за снежным покровом на площадке метеообсерватории ведутся сотрудниками географического факультета МГУ уже довольно длительное время ^{[1, 2]}. Проблема классификации слоёв в снежной толще исследовалась многими авторами и ранее [3 – 8]. В данной работе делается попытка использования методов ИИ для классификации и анализа данных о стратиграфических слоях снежной толщи по данным измерений устройства snow micro pen, по аналогии тому как, это было описано, например, в статьях ^{[9, 10]}.

Материалы и методы

В зимний сезон 2023-2024 года в Москве фактическая температура первой половины ноября по данным наблюдений составила 6,2°C [https://rp5.ru/], хотя норма среднемесячной температуры ноября в Москве составляет -0,5°C [http://www.pogodaiklimat.ru/], и таким образом отклонение от нормы для первой половины месяца составило +6,7°C.

В Москве в первой половине ноября 2023 года стояла аномально теплая погода, превышающая среднюю норму ноября на несколько градусов. В целом, согласно новым климатическим нормам (1991–2020 гг.), устойчивый переход температуры воздуха за отметку 0°C в сторону отрицательных значений происходит в Москве с 12 ноября. Однако в 2022 году такой переход произошел 15 ноября, а в 2023 году он произошёл 17 ноября. Так что в 2023 году приход метеозимы в Москву (то есть момента, когда происходит устойчивый переход среднесуточных температур через ноль в сторону отрицательных значений) произошёл только 17 ноября. 23-24 ноября начал интенсивно выпадать снег и устанавливаться снежный покров. Так, на 24 ноября толщина снежного покрова в Москве составила 8 см, а на утро 25 ноября достигла порядка 15 см, что является самым высоким значением для 25 ноября с 2004 года и обычно достигается только к 17 декабря. Температура 24 и 25 ноября в Москве держалась около -6°C – -8°C градусов. Днём 26 количество снега не прибавилось, а температура повысился до -3°C. Вечером 26 и в ночь на 27 был очень сильный снегопад. Утром 27 ноября был также ледяной дождь, и днём 27 ноября наблюдалась небольшая оттепель до +2°C градусов. Толщина снежного покрова 27 ноября в Москве на метеостанции ВДНХ составила 21 см. За ночь на 27 ноября выпало порядка 16 мм осадков. 28 ноября также прошёл небольшой снегопад. Утром 29 ноября в Москве похолодало до -10°C. Толщина снега в Москве на ВДНХ утром 29 ноября составила 18 см, и на момент исследований на метеоплощадке 29 ноября в снежной толщи было обнаружено три снежных горизонта и корку. Результаты изучения снежного покрова на площадке метеообсерватории МГУ 29 ноября 2023 приведены на рисунке 1 и в таблице 1:

Рис. 1. Строение снежной толщи 29.11.2023 на метеоплощадке МГУ.

Таблица 1. Строение снежной толщи на площадке метеообсерватории МГУ 29 ноября 2023 года.

Температура на момент исследований в снежной толще составила: внизу (0 см) -0,2°C, на уровне 10 см -2,2°C, на уровне 20 см -5,6°C, и на уровне 23 см -4,8°C.

В последующие после наблюдения дни 29 и 30 были слабые снегопады, однако в ночь с 3 на 4 декабря в Москве выпало почти 15 мм осадков и толщина снежного покрова на метеостанции ВДНХ увеличилась до 36 см. (рисунок 2).

Рис. 2. Изменение температуры воздуха и толщины снежно покрова в Москве по метеостанции ВДНХ зимой 2023-2024 гг.

В последующие дни с 5 декабря держалась довольно холодная погода (-10°C и ниже).

На момент исследования 7 декабря в снежной толще наблюдалось около 7 слоёв (рис. 3).

Рис. 3. Строение снежной толщи 7.12.2023 на метеоплощадке МГУ.

Таблица 2. Строение снежной толщи на площадке метеообсерватории МГУ 7 декабря 2023 г.

Температура на момент исследований в снежной толще составила: внизу (0 см) -0°C, на уровне 10 см -2,2°C, на уровне 20 см -3,6°C, и на уровне 30 см -5,4°C, и на уровне 33 см -10,2°C.

В последующие дни также наблюдалась довольно холодная погода (около -10°C) и обильные снегопады. На момент исследования 14 декабря толщина снежного покрова составила 41 см, (на ВДНХ оставалось 31 см, рис. 2) и в снежной толще наблюдалось 8 слоёв (рис. 4).

Рис. 4. Строение снежной толщи 14.12.2023 на метеоплощадке МГУ

Таблица 3. Строение снежной толщи на площадке метеообсерватории МГУ 14 декабря 2023 г.

Температура на момент исследований в снежной толще составила: внизу (0 см) -0°C, на уровне 10 см -2,2°C, на уровне 20 см -2,8°C, и на уровне 30 см -6,8°C, и на уровне 40 см -9°C.

В ночь с 14 на 15 декабря 2023 года на Москву пришел циклон, сформировавшийся над Балканами. Это был уже третий циклон с момента начала снегонакопления. В Москве и до ночного снегопада высота сугробов была выше нормы – 14 декабря на метеостанции ВДНХ высота снежного покрова составляла 31 см. За сутки до 15 декабря добавилось ещё 7 см, главным образом за счёт ночного снегопада и цифра 38 см стала не просто большой, а рекордно большой. До этого самые высокие сугробы 15 декабря фиксировались больше 100 лет назад, в 1919 году, и их высота составляла 32 см. Другие московские метеостанции отметили ещё большую высоту снега: Балчуг – 43 см, МГУ – 49 см! В Подмосковье больше всего снега было в Коломне – 47 см.

Температура воздуха при этом к вечеру воскресенья 17 декабря поднялась, так как столица попала в теплый сектор и в последующие дни температура воздуха колебалась от 0 до +2 градусов. Была долгая оттепель, дождь и снеготаяние. На 21 декабря на метеостанции ВДНХ снежный покров осел до 24 см (то есть на 15 см), на метеообсерватории МГУ снежный покров осел до 28,5 см (с 49 см – то осел есть почти на 20,5 см). Наблюдавшееся обильное снегонакопление и последующее интенсивное снеготаяние создали условия и угрозу паводковых ситуаций на водных объектах Москвы и Московской области.

Машинное обучени - это использование математических моделей при обработке данных, которые помогают компьютеру обучаться без дополнительных инструкций со стороны. Оно считается одной из форм искусственного интеллекта (ИИ). При машинном обучении с помощью алгоритмов и моделей выявляются те или иные закономерности в данных. Основными алгоритмами машинного обучения являются линейная регрессия, логарифмическая регрессия, дерево решений, метод K-ближайших соседей (рис. 5) и другие.

Рис. 5. Основные алгоритмы машинного обучения и их представление

Сущность этих алгоритмов достаточно хорошо освящена в литературных источниках ^[11-12].

Результаты и обсуждение

В данной работе нами предпринята попытка использования методов ИИ для классификации стратиграфических слоев снежной толщи по данным измерений устройства snow micro pen. Snow micro pen (или snow micro penetrometer) - это устройство, позволяющее путем вдвигания в снег щупа с датчиком механического сопротивления определить твердость слоев снега с шагом в 4 микрометра ^[13-15] (рис. 6).

Рис. 6 внешниий вид работы прибора Snow micro pen

Данные прибора были обработаны, и путем сравнения с данными непосредственного шурфования снега, производилось сопоставление классифицированных стратиграфических слоев снежной толщи. В дальнейшем оказалось возможным по имеющимся классифицированным данным прибора стратиграфических слоев снежной толщи методом кластеризации K-ближайших соседей производить классификацию стратиграфических слоев по новым полученным данным прибора без привлечения дополнительного ручного шурфования (рис. 7).

Рис. 7. Классификация типов стратиграфических слоёв по данным прибора Snowmicropen.

На рис. 7 видно, что получающиеся в результате метаморфизма формы ледяных кристаллов в снежной толще (округлые -> огранённые -> талые) различаются как по плотности, так и по параметрам, получаемым в результате статистической обработки данных прибора Snowmicropen (MPF(N)- средняя сила сопротивления SD(N)- её стандартное отклонение, и cv- её ковариация). Это даёт возможность кластеризации обработанных данных прибора и произведения типизации новых данных измерений прибора без привлечения результатов непосредственного ручного шурфования. Таким образом, были обработаны полученные от прибора данные, и путем сравнения с данными непосредственного шурфования снега, делалось сопоставление классифицированных стратиграфических слоев снежной толщи и оказалось возможным производить классификацию стратиграфических слоев по новым полученным данным прибора без привлечения дополнительного ручного шурфования, которое занимает много сил и времени и может вносить некоторый элемент неопределенности от "человеческого фактора" в ход стратиграфических исследований снежной толщи. Подобная автоматизация ведёт к ускорению и повышению качества стратиграфических исследований снежной толщи, что существенно важно при изысканиях на предмет возникновения слоёв разрыхления и лавинной опасности на склонах гор.