Scientific journal

Advances in current natural sciences

ISSN 1681-7494

"Перечень" ВАК

ИФ РИНЦ = 0,775

Города вносят основной вклад в изменение климата. По данным ООН Хабитат, города потребляют 78 % мировой энергии и производят более 60 % выбросов парниковых газов. Однако они занимают менее 2 % поверхности Земли (Cities and Pollution | United Nations).

В городах следует применять долгосрочный системный подход к адаптации к изменению климата и смягчению его последствий [1]. Силы были вызваны развитием и манипулированием окружающей средой в индустриальную эпоху. Последствия урбанизации и изменения климата сочетаются опасно, угрожая оказать беспрецедентное негативное воздействие на качество жизни, экономическую и социальную стабильность [2].

Оценки показывают, что города производят 75 % глобальных выбросов CO2, причем транспорт и здания являются одними из самых значимых источников [3]. Города растут, и по мере того, как происходит изменение климата, городской ландшафт будет продолжать ощущать последствия экологического кризиса [4]. Форма и планировка городов влияют на погоду и качество воздуха. Благодаря эффекту городского теплового острова города часто выглядят довольно благоуханными по сравнению с окружающей средой. На самом деле в городах бывает так жарко, что они начинают влиять на погоду и качество воздуха. Но все сводится не только к теплу, которое выделяют города, но и к их форме и расположению [5].

Цель исследования – выявление закономерностей [6] между 11 параметрами координат и высоты географического положения центров столиц, а также климата за 1960–1990 гг. и погоды за 2018 г. на территории 14 субъектов федерации Урала и Сибири.

Материалы и методы исследования

Составлены данные относительно геодезических координат и высоты положения центров столиц субъектов Федерации (три параметра), а также четырех факторов климата за период 1960–1990 гг. и четырех параметров погоды за 2018 г.

В табл. 1 дан фрагмент консолидированных данных по 14 субъектам из Уральского и Сибирского федеральных округов из сайта https://rosstat.gov.ru/accounts (дата обращения 07.08.2020), в частности из Российского статистического ежегодника, 2019. Данные по координатам столиц субъектов Федерации и их климату были взяты из источников Координаты в городах России, n.d. и Среднемесячные климатические данные, n.d.

Для выявления закономерностей влияния трех географических параметров на 11 параметров трех групп (географические, климат и погода) были приняты условные обозначения:

1) географические координаты и высота положения центров столиц субъектов федерации (Х01 – приведенная северная широта, причем , 0; Х02 – приведенная восточная долгота, причем , 0; Х03 – высота над уровнем Балтийского моря, м);

2) климатические среднемесячные па- раметры за 30-летний период 1961–1990 гг. (Х04 – средняя ночная температура, 0С; Х05 – средняя дневная температура, 0С; Х06 – средняя сумма осадков, мм; Х07 – среднее число дней с осадками >0,1 мм, шт.);

3) параметры погоды (2018) (Х08 – средняя температура, январь, 0С; Х09 – средняя температура, июль, 0С; Х10 – сумма осадков за январь, мм; Х11 – сумма осадков за июль, мм).

Результаты исследования и их обсуждение

Результаты идентификации данных из табл. 1 ранговых распределений (выделены курсивом) и пар с 11 фактором приведены в табл. 2.

Коэффициент коррелятивной вариации (по Ч. Дарвину коррелятивная вариация) по табл. 2 равен 19,7649 / (3 x 11) = 0,5989, и он дает средний (коэффициент корреляции от 0,5 до 0,7) уровень адекватности системы факторов. Сравнение объектов происходит по силе функциональной связности между всеми учтенными параметрами.

Даны два рейтинга: 1) как влияющие переменные на первом месте находится Х02 – приведенная восточная долгота, на втором – приведенная северная широта и на третьем Х03 – высота над уровнем моря; 2) как зависимые показатели (критерии оценки) на первом месте расположился фактор Х03 – высота над уровнем Балтийского моря, на втором Х02 – приведенная восточная долгота и на третьем Х08 – средняя температура за 30 лет в январе.

Ранговые распределения трех параметров I группы показывают добротность измерений (табл. 3). Дополнительно к тренду были идентифицированы три колебания (вейвлета).

Рейтинг географических параметров дан по убыванию коэффициента корреляции:

1) 1,0000 Х03 – высота над уровнем Балтийского моря (рис. 1);

2) 0,9988 Х02 – приведенная восточная долгота (рис. 2);

3) 0,9974 Х01 – приведенная северная широта (рис. 3).

Из-за введения вейвлетов малые изменения коэффициента корреляции (по вычислительным возможностям программной среды CurveExpert-1,40) не изменили места в табл. 2.

Таблица 3

Параметры вейвлетов рангового распределения географического положения

Рис. 1. Графики рангового распределения высоты над уровнем Балтийского моря (в правом верхнем углу: S – стандартное отклонение; r – коэффициент корреляции)

Рис. 2. Графики рангового распределения приведенной восточной долготы

Тренд с коэффициентом корреляции 0,9913 дает максимальную относительную погрешность |Δmax| = 35,77 %. Это Курган, столица Курганской области. При этом погрешность более 5 %, поэтому дальше моделировать нужно асимметричными вейвлетами (табл. 3). После пятого члена максимальная относительная погрешность стала |Δmax| = 0,08 %. Это уже относится к Челябинску. Модель по параметрам из табл. 3 является высокоадекватной.

На рис. 2 даны графики распределения по рангам при введенной восточной долготе.

После двухчленного тренда максимальная относительная погрешность равна |Δmax| = 204,39 % для восточной долготы, что значительно превышает допустимый уровень в 5 %. С тремя членами модели максимальная относительная погрешность снижается до 100,00 %. Это долгота Екатеринбурга. При этом всего две точки из 14 больше 5 %. Окончательно после пятого члена получилось |Δmax| = 0,72 % для Екатеринбурга.

На рис. 3 показаны графики рангового распределения приведенной северной широты для 14 субъектов федерации Западной Сибири.

Максимальная относительная погрешность тренда |Δmax| = 8,33 %. Это Абакан, столица Хакасии. По минимальной погрешности трендов северная широта занимает первое место, на втором – высота и на третьем – восточная долгота. Погрешность более 5 % у северной широты всего 2 точки из 14. После последнего, четвертого, члена модели максимальная относительная погрешность равна всего |Δmax| = 0,25 %. Это Кызыл, столица Республики Тыва.

Таким образом, применение к тренду дополнительно нескольких вейвлетов значительно снижает максимальную относительную погрешность моделей распределения.

Тогда получается, что рельеф по географическим параметрам имеет четкую волновую природу. Он получается из-за колебательной адаптации процессов горообразования и эрозии во времени геодинамики. Люди, основавшие города, выбирали на местности точки для установления центров по четким правилам, обусловленным многовековым опытом: прежде всего учитывались водный транспорт, защита от неприятелей, плодородная почва недалеко от городской стены.

В итоге центры городов, хотя за многие века и перемещались, являются хорошим примером сочетания параметров ландшафта и организации жизни в городах и территориях вокруг.

Парные отношения из-за малости количества субъектов и объема статьи моделируются только трендом. Выберем из табл. 2 сильные бинарные отношения с коэффициентом корреляции не менее 0,7 (табл. 4). Из общего количества бинарных отношений 3 х 11 – 3 = 30 шт. сильные факторные связи равны 10 шт., или по доле равно 33,33 % (третья часть).

Рейтинг сильных пар следующий (табл. 5): 1) 0,8674 Х01 → Х03; 2) 0,8340 Х02 → Х04; 3) 0,8208 Х01 → Х11; 4) 0,7646 Х03 → Х01; 5) 0,7632 Х02 → Х08; 6) 0,7458 Х03 → Х11; 7) 0,7402 Х02 → Х03; 8) 0,7382 Х02 → Х09; 9) 0,7115 Х01 → Х08; 10) 0,7113 Х03 → Х08.

В табл. 5 по убыванию коэффициента корреляции даны параметры всех отобранных 10 закономерностей по тренду из табл. 4. При условии c = 1 из первого члена тренда образуется закон Мандельброта (в физике), Лапласа (в математике), Ципфа–Перла (в биологии) и Парето (в эконометрике). При условии c ≠ 1 получается модифицированный нами закон Мандельброта. Дополнительно при условиях f = 0 и g = 0 вместо биотехнического закона образуется степенная функция. Отрицательный знак перед второй составляющей тренда показывает кризисное изменение показателя при влиянии Х01, Х02 или Х03.

На рис. 4 приведен график Х01 → Х03, который показывает зависимость изменения высоты положения центра столицы субъекта федерации Западной Сибири от влияния северной широты.

Остальные парные отношения графически показаны на рис. 5.

Остатки на рис. 4 показывают возможность идентификации парных отношений дополнительно к тренду волновыми уравнениями. Однако известно, что для получения добротных вейвлетов необходимо принять количество субъектов не менее 20. Тогда придется рассматривать все субъекты федерации Сибири и Дальнего Востока совместно.

По рис. 5 пара Х02 → Х04 находится на втором месте. Тогда из графика видно, что в интервале приведенной долготы от 240 до 350 имеется снижение средней ночной температуры за 1960–1990 гг. Аналогичное изменение суммы осадков за июль происходит в интервале приведенной широты от 1,50 до 2,50 (широты от 51,50 до 52,50), Так анализируются все пары.

Заключение

Выявлены закономерности влияния координат и высоты географического положения центров столиц у 14 субъектов федерации Урала и Сибири на самих себя (по рангам), а также на параметры климата за 1960–1990 гг. и погоды за 2018 г.

Коэффициент коррелятивной вариации равен 0,5989, и он дает средний уровень адекватности матрицы из 3 х 11 факторов. Получены два рейтинга: 1) влияющей переменной: на первом месте Х02 – восточная долгота, на втором – северная широта и на третьем Х03 – высота над уровнем моря; 2) зависимым показателем: на первом месте Х03 – высота над уровнем моря, на втором Х02 – долгота и на третьем Х08 – средняя температура за 30 лет в январе.

Влияние рангов на высоту по пяти членам дает максимальную относительную погрешность 0,08 %. Это относится к Челябинску. Для долготы пятый член дал 0,72 % для Екатеринбурга. Модели широты по рангам дала 0,25 %. Это Кызыл, столица Республики Тыва. Пара Х01 → Х03 с корреляцией 0,8674 показывает изменение высоты от влияния широты. Пара Х02 → Х04 находится на втором месте. Видно, что в интервале приведенной долготы от 240 до 350 имеется снижение средней ночной температуры за 1960–1990 гг. Аналогичное изменение суммы осадков за июль происходит в интервале приведенной широты от 1,50 до 2,50 (широты от 51,50 до 52,50).

Исследование выполнено при финансовой поддержке Российского фонда фундаментальных исследований, Правительства Красноярского края, Красноярского краевого фонда науки в рамках научного проекта: «19-45-240004р_а Прогноз эколого-экономического потенциала возможных «климатических» миграций в Ангаро-Енисейском макрорегионе в меняющемся климате XXI века».