Файл: Дружинин, И. П. Космос - Земля. Прогнозы.pdf

В качестве такой информации могут быть использо­ ваны прогнозы наиболее резких изменений солнечной активности (солнечных реперов). В самом деле, как по­ казано на рис. 25, переломы и перерывы многолетнего хода среднегодовых расходов реки Унжи имели место точно в годы солнечных реперов в 22 случаях из 25, то есть вероятность переломов и перерывов в эти годы — 88%. Это по существу и есть условная вероятность появ­ ления новых серий точно в годы солнечных реперов.

Сравнивая эту величину с приведенной выше, легко заметить существенную разницу по отношению к одно­ годичным сериям: условная вероятность их окончания в годы, предшествующие солнечным реперам, равна 88%, а безусловная — 71%• В случае других серий использо­ вание условных вероятностей дает весьма малый эф­ фект, так как сами безусловные вероятности очень вы­ соки (примерно 98 и 100% соответственно для серий не более двух и не более трех лет). Но в некоторых слу­ чаях они все же могут иметь значение, и, видимо, будет целесообразно провести дополнительное изучение влия­ ния резких изменений солнечной активности на оконча­ ние серий дифференцированно, рассматривая отдельно одногодичные, двухгодичные, трехгодичные и т. д. се­ рин.

Таким образом, в рассмотренном примере использо­ вание связей резких изменений солнечной активности и переломов многолетнего хода природных процессов на Земле дает заметное повышение надежности прогноза как раз в случае, когда всего меньше уверенность, обес­ печиваемая безусловными вероятностями.

Аналогичные результаты получаются и в ряде других случаев. Некоторые из них представлены в табл. 12. Кроме этих данных в таблице приведена еще одна ха­ рактеристика— условная вероятность появления новых серий на год позднее солнечных реперов, чем учитыва­ ется возможность запаздывания солнечнообусловленных переломов хода земных процессов на один год. Ее прак­ тическое использование имеет смысл, если в год солнеч­ ного репера ожидаемого перелома не наблюдалось. Как видно по таблице, эти величины во всех случаях оказы­ ваются очень высокими. Они во многих случаях больше и безусловных вероятностей появления серий не более двух лет, что снимает часть неопределенности, полу­ чающейся при прогнозе окончаний и таких серий.

119

Все это указывает на целесообразность использова­ ния условных вероятностей в прогнозной практике. Од­ нако надо иметь в виду, что они могут быть использова­ ны только в годы солнечных реперов. Общее количество таких лет около 7з. но они определяют, по современной оценке, около половины всех переломов хода земных процессов. На самом деле, как отмечалось выше, могут быть еще косвенно солнечнообусловленные переломы хода земных процессов, которые пока не учитываются.

120

Представляет интерес общая оценка количества лет, когда могут быть даны надежные прогнозы по предла­ гаемой схеме. Е сли отнести к числу надежных заверше­ ния трех- и двухлетней серий, а также завершения одно­ годичных серий в годы солнечных реперов, то окажется, что при прогнозах направления хода стока реки Унжи

было бы считать обязательным перелом хода процесса каждый год (допущение только одногодичных серий). В этом случае обеспеченность метода была бы несколь­ ко выше безусловной вероятности появления таких серий. Для рек Унжи и Нила и миграций широты цент­ ра Исландской депрессии она была бы соответственно равной 76, 75 и 79%, что показывает целесообразность даже столь упрощенного прогноза. Включение же в схему прогноза связей резких изменений солнечной ак­ тивности и переломов многолетнего хода природных про­ цессов на Земле увеличивает эту обеспеченность в рас­ сматриваемых примерах соответственно на 11—15%, что весьма заметно повышает надежность прогноза.

Экономическая эффективность практического исполь­ зования предлагаемого приема качественного прогнози­ рования показана выше, на примере установления срока пуска Красноярской ГЭС на Енисее.

Во многих других случаях этот прием также может оказаться весьма эффективным, что делает целесообраз­ ным его дальнейшую разработку как для различных районов, так и для различных процессов.

Однако этот прием прогнозирования обеспечивает лишь качественный прогноз'. И не во все годы. Поэтому не вызывает сомнения необходимость разработки других методов долгосрочных прогнозов.1

1 Возможность количественных оценок прогнозируемых величин показана выше (гл. 1).

4

Цикличность многолетних колебаний атмосферной циркуляции, осадков и стока рек

Исследование цикличности колебаний гидрометеорологи­ ческих элементов и других природных процессов про­ водится многими авторами с давних пор. Выполнено огромное количество работ. Накоплен очень интересный и важный, но зачастую противоречивый материал. В по­ следние годы этому вопросу также уделяется много внимания, что объясняется не только его актуальностью, но и появившимися новыми возможностями. Широкое распространение в последние годы электронных вычис­ лительных машин позволяет, во-первых, применить более строгие современные методы для выявления скрытых периодичностей (авто- и взаимнокорреляционные функ­ ции, спектральные плотности, методы периодограмманализа и др.), требующих огромного объема вычисле­ ний, и, во-вторых, провести широкий территориальный анализ со взаимной увязкой результатов по многим про­

процессы живой природы и др.). Успехи геофизики и космических исследований также дают основание для более углубленного изучения целого ряда явлений, а в ряде случаев для их нового освещения.

Мы не будем вдаваться в детали и особенности раз­ личных процессов, а коротко рассмотрим методические основы современных исследований цикличности и обоб­ щенные результаты некоторых из них. Затем коснемся также главного вопроса всей проблемы цикличности — природы отдельных циклических составляющих.

Современные методы выявления цикличности

Для изучения цикличности (неправильной периодич­ ности) колебаний природных процессов используются различные методы. К первой группе могут быть отнесе-

122

ны так называемые методы визуальных оценок: графики исходных реализаций, скользящие средние, разностные интегральные кривые и др. Ко второй группе относятся относительно объективные методы анализа временных рядов: автокорреляционная и взаимнокорреляционная функции, спектральные плотности, показатели когерент­ ности, различные методы периодограмманализа.

Методы первой группы используются весьма широко и не утратили своего значения до настоящего времени. Ыо более объективные результаты получаются с помо­ щью методов второй группы.

К числу наиболее наглядных относятся автокорре­ ляционные функции, характеризующие связь (в виде коэффициента корреляции) между членами одной и той же последовательности (ряда, реализации) при каждом временном сдвиге (промежутке времени) между ними. В тех случаях, когда в исходной реализации имеется выраженная периодическая составляющая, автокорреля­ ционная функция также периодична и имеет тот же период. Это делает ее удобным аппаратом для разыс­ кания скрытых периодичностей [43, 77, 79].

На рис. 26 в качестве примера приведены несколько автокорреляционных функций с доверительными уров­ нями, свидетельствующими в данном случае о неслучай­ ности соответствующих циклических составляющих. Эти примеры относятся к объектам с относительно неслож­ ным набором циклических составляющих и оказывают­ ся весьма четкими.

В более сложных условиях такая четкость достигается редко. Это происходит главным образом потому, что автокорреляционная функция чувствительна к искажаю­ щему влиянию короткопериодических (случайных и не­ случайных) составляющих. Поэтому иногда оказывается необходимой предварительная обработка исходных дан­ ных (скользящее и нескользящее осреднение, фильтра­ ция и др.), чтобы избавиться от искажений.

Последнее следует иметь в виду как при использо­ вании автокорреляционных функций непосредственно для исследования многолетних колебаний природных процес­ сов, так и при построении спектральных плотностей, базой которых являются те же автокорреляционные функции.

Спектральные плотности имеют большую разреша­ ющую способность, особенно в сложных случаях.

123

Как известно, спектром колебательного процесса называется функция, описывающая распределение амп­ литуд по различным частотам. Спектр показывает, ка­ кого рода колебания преобладают в данном процессе, какова его внутренняя структура.

Анализ временных рядов природных процессов обыч­ но проводится с использованием приемов спектрального

г.г>

Рис. 26. Автокорреляционные функции годового стока рек: Невы у

описывает распределение дисперсии (рассеяния) исход­ ной реализации по различным частотам. Иными слова­ ми, спектральные плотности временного ряда показыва­ ют, на какие частоты приходится основная часть измен­ чивости (мерой изменчивости и является дисперсия) значений исходной реализации.

Для чисто случайного процесса характерно постоян­ ство спектральных плотностей при всех частотах («белый

124

шум»). Если во временном ряде содержится синусоида, то спектр будет иметь четко выраженную вершину на соответствующей длине волны. Если имеет место цик­ личность (неправильная периодичность), то спектр по­ кажет это относительно широким бугром, и т. д.

Рис. 27. Характеристики структуры многолетних колебаний

Руководство по применению спектральных плотнос­ тей для анализа временных рядов опубликовано Всемир­ ной метеорологической организацией («Climatic change».

125