پایش مخاطرات جوی

طراحی و توسعه فناوری های کاربردی و تلاش برای حفظ و تامین امنیت جانی، منافع اقتصادی و رفاه زندگی مردم در سراسر کشور از مهمترین اهداف بوده و جزو اولویت ها و ماموریت های اصلی هر کشوری است.

در این راستا، ارتقای بهرهوری و بهبود کیفیت در تهیه محصولات و ارائه هشدارهای سریع مخاطرات جوی و اقلیمی نیازمند طراحی، بومی سازی، توسعه و ارتقای فنآوری ها و انجام پژوهشهای بنیادی، توسعهای و کاربردی در زمینه های پایش، پیش بینی و سامانه های هشدار سریع است.

پدیده های فرین جوی و اقلیمی که بیش از 90 درصد مخاطرات طبیعی را شامل می شوند از نظر مقیاس مکانی به مقیاس های سیاره ای، بزرگ، متوسط و خرد تقسیم می شوند.

همچنین این پدیده ها از نظر زمانی به مقیاس های دهه ای از 10 سال تا 100 سال، بلند مدت و فصلی بیش از یک ماه تا یک سال، میان مدت یک روز تا 15 روز، کوتاه مدت کمتر از 12 ساعت و خیلی کوتاه مدت کمتر از سه ساعت تقسیم می شوند که برد پیش بینی ها نیز دارای همین مقیاس زمانی، البته با دقت های مختلف است.

از طرف دیگر موضوعات مرتبط به فعالیت ها و محدوده اثرات مخاطرات جوی بسیار گسترده بوده و تقریبا تمامی بخش ها و زیرساخت ها را درگیر می کنند و به همین نسبت فناوری های مرتبط با این حوزه بسیار متنوع و گسترده است و نیاز به طراحی، توسعه و بومی سازی در زمینه ها و گرایش های مختلف علمی دارند.

یک سامانه جامع پایش و هشدار سریع مخاطرات جوی، از چند زیرسامانه به هم پیوسته از قبیل زیر سامانه های جامع پایش، پیش پردازش، مدل سازی و پیش بینی ها، پس پردازش، تبادل داده ها و ارتباطات، هشدار و تصمیم گیری، بازیابی و ارزیابی بعد از سیل و مدیریت پیوسته سامانه تشکیل می شود.

زیر سامانه جامع پایش

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

سه منبع مهم کسب داده های هواشناسی شامل داده های ایستگاههای زمین پایه شامل: داده های ایستگاههای همدیدی، اقلیم شناسی، بارانسنجی، رادیوسوند(جو بالا)، بویه، رادار...، گزارش های ویژه، مانند داده های اندازه گیری شده توسط هواپیماها یا کشتی ها و داده های سنجش از دور ماهواره ای شامل انواع داده های ماهواره های هواشناسی زمین-ثابت و مدارقطبی می شود.

همچنین داده های بخش هواشناسی، برای پایش مخاطرات و مدل سازی های جفت-مدلی، نیاز به داده های دیگری نیز است، برای مثال برای پایش و پیش بینی آلودگی هوا نیاز به داده های اندازه گیری شده آلاینده های گازی ازون، کربن مونوکسید، NOx و گوگرد دی اکسید و ذرات معلق PM10 و PM2.5 و یا برای پیش بینی سیل علاوه بر داده های فوق نیاز به داده های فیزیوگرافی حوضه، توپوگرافی، بافت و نوع خاک، پوشش گیاهی و آبشناسی مانند جریان پایه و دبی رودخانه و .... است.

زیرسامانه پیش پردازش

با توجه به ماهیت داده های گفته شده قبلی، این داده های با ویژگی های اغلب متفاوت روی شبکه نامنظم قرار دارند و برای استفاده از آن ها در مدل سازی و پیش بینی، لازم است که این داده ها پردازش شده و مقادیر آنها بر روی شبکه منظمی تعیین گردد که برای این منظور از فناوری های داده گواری استفاده می شود.

زیرسامانه مدل سازی و پیش بینی ها

با توجه به نوع و برد زمانی پیش بینی از سامانه های مدل سازی عددی یا روش های آماری مختلف و هوش مصنوعی استفاده می شود اما برای مقوله های پیش بینی و هشدارسریع مخاطرات جوی با برد زمانی یک تا 14 روز، نیاز به مدل های پیش بینی عددی وضع هوا برای حل معادلات دیفرانسلی مرتبه 2، حاکم بر حرکت های جو است که بر اساس اصل پایستاری جرم، تکانه و انرژی جو حاصل شده اند به کمک این مجموعه معادله های بسته (معادله های بسیط)، می توان وضعیت آینده هوا را پیش بینی کرد.

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

 بر این اساس پس از دیدبانی و داده‎گواری لازم است برای تعیین شرایط اولیه و مرزی مدل های منطقه ای، پیش بینی وضع هوا، ابتدا باید مدل های جهانی (تمام کره ای) اجرا شوند. طراحی و اجرای عملیاتی مدل های گردش کلی جو (GCM) بسیار پیشرفته بوده و همین امر سبب شده است که فقط تعداد معدودی از کشورهای پیشرفته از جمله آمریکا، انگلیس و فرانسه از این فنآوری ها برخوردار باشند.

بعد از اجرای مدل های جهانی (تمام کره ای)، مدل های منطقه ای که دارای تفکیک مکانی و زمانی بسیار بالاتری می توانند باشند، برای محدوده و دامنه های مشخصی اجرا شده و داده های لازم برای پیش بینی و ورودی مدل های دیگر از جمله مدل های آلودگی هوا، گرد و خاک، رواناب و سیل، امواج دریا و... را فراهم می آورد.

به عنوان مثال برای پیش بینی سییل، برونداد مدل های پیش بینی عددی وضع هوا به عنوان ورودی مدل های هیدرولوژی و هیدرولیک مورد استفاده قرار می گیرد.

به این ترتیب یک سامانه جفت-مدلی ایجاد می شود و امکان پیش بینی کمی دبی سیلاب در نقاط مختلف فراهم می شود . به همین ترتیب می توان برونداد مدل منطقه ای پیش بینی عددی وضع هوا را به عنوان ورودی مدل های پخش ذرات استفاده کرد و یک سامانه جفت-مدلی ایجاد کرد که امکان پیش بینی غلظت گرد و خاک و آلودگی هوا را داشته باشد.

به طور کلی دقت پیش بینی های این سامانه های جفت مدل وابستگی زیادی به خروجی مدل های منطقه ای پیش بینی عددی وضع هوا دارد و این مدل ها نقش اساسی در پیش بینی مخاطرات جوی دارد.

زیرسامانه پس پردازش

با توجه به داده های ورودی و ماهیت مدل سازی عددی، پیش بینی های عددی وضع هوا همواره با خطاهایی همراه است که برای رفع خطاهای سیستمی و بهبود پیش بینی ها اغلب لازم است تا با استفاده از داده های دیدبانی تاریخچه ای و روش های مختلف مانند کالمن فیلترینگ وMOS ، پس پردازش هایی برای بهبود پیش بینی های خام مدل صورت گیرد.

زیر سامانه تبادل داده ها و اطلاعات

برای فرآیند مدل سازی عددی وضع هوا نیاز به حجم بسیار عظیمی از داده است باید در سطح جهانی، منطقه ای و ملی به صورت برخط مبادله شود. مبادله این حجم از داده و اطلاعات به صورت برخط و بدون قطعی و با گام زمانی سه ساعته یا کمتر از آن، باید انجام شود که برای این منظور نیاز به فناوری ها و زیرساخت های نرم افزاری و سخت افزاری پیشرفته فناوری اطلاعات است.

زیر سامانه هشدار و تصمیم گیری

پس از اجرای مدل ها و انجام پس پردازش ها، اطلاعات و محصولات مورد نیاز برای تهیه هشدار فراهم می شود. در این بخش بر اساس رویکرد مدیریت ریسک که تابعی از مخاطره و سرمایه‎ها و منابع در معرض خطر است، میزان آسیب پذیری برای هریک از مناطق تحت تاثیر بر اساس آستانه های تعریف شده در هر بخش، باید مشخص و بر اساس آن سطح و نوع هشدار و نحوه اطلاع رسانی آن مشخص و پیام های هشدار تهیه و ارسال شود.

زیر سامانه عکس العمل اضطراری

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

زیر سامانه بازیابی و ارزیابی بعد از سیل شامل باز گرداندن مناطق تخلیه شده، برگرداندن سرویس ها و ارزیابی خسارات و ...می شود.

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

بر این اساس در راستای توانمندسازی کشور، طراحی، توسعه، ارتقای و بومی سازی فناوری های مرتبط با پیش بینی ها مدیریت ریسک مخاطرات جوی و اقلیمی در کشور ضروری است، که برای نمونه می توان به مواردی از قیبل زیر توسعه و ارتقاء سامانه های پایش و هشدار سریع مخاطرات و پیش بینی های خیلی کوتاه مدت کمتر از سه/شش ساعته (Nowcasting) از طریق داده گواری (Data Assimilation) برای مدل های پیش بینی عددی وضع هوا، یکپارچه سازی داده و اطلاعات رادار، ماهواره، دیدبانی های زمینی و محصولات مدل های عددی با بهره گیری از فنآوری های تخصصی اشاره کرد.

توسعه و ارتقای سامانه های پایش با بهره گیری از فناوری های پیشرفته سنجش، مخابرات، و فناوری اطلاعات، توسعه و ارتقای پیش بینی ها، هشدارها و پیش آگاهی های کوتاه، میان مدت، فصلی و بلندمدت با طراحی، بومی سازی و توسعه سامانه های مدل سازی عددی در مقیاس های خرد، میانی، همدید و سیاره ای با بهره گیری از فناوری های پیشرفته، طراحی و پیاده سازی فنآوری ها و سامانه تصمیم یاری Decision Support System برای اجرای سریع دستورالعمل های تهیه شده به هنگام وقوع بحران از دیگر موارد است.

توسعه و ارتقای سامانه های پردازشی فوق سریع جهت پردازش داده ها و اجرای سامانه های نرم افزاری برای تولید محصولات در کوتاه ترین زمان ممکن، توسعه و ارتقاء صحت پیش بینی و پیش آگاهی ها با استفاده از روش های نوین پس پردازش برونداد انواع مدل های عددی و ارتقاء و توسعه سامانه های اطلاع رسانی بویژه برای هشدار سریع و به موقع برای سازمان های تخصصی چرخه مدیریت بحران و عامه مردم از دیگر راهکار است.