CC BY
30
з
УДК 336.4, 553.981(2)
АВТОМАТИЗИРОВАННАЯ СИСТЕМА КОМПЛЕКСНОГО ИССЛЕДОВАНИЯ ТЕХНОГЕННЫХ АНОМАЛИЙ В АТМОСФЕРЕ
А.И. Исакова, О.В. Смаль, Л.К. Чистякова, С.Т. Пенин
В статье описаны виды техногенных загрязнений, факторы радиоактивного загрязнения атмосферы и экологические задачи, решаемые с помощью автоматизированной системы на базе аппаратуры ДАН-2. Описан дистанционный метод корреляционной спектроскопии газовых выбросов в атмосферу. Приведены результаты измерений содержания Л/02 е шлейфе выбросов теплоэнергетического комплекса ГРЭС-2.
Введение
В ИОА СО РАН создан комплекс аппаратуры для регистрации эмиссии и поглощения оптического и СВЧ-излучений, возбуждаемых техногенными загрязнениями в атмосфере (ДАН-2). Аппаратура предназначена для экспресс-контроля загрязнений воздушного бассейна и. дистанционного обнаружения аэрозольно-газовых выбросов промышленных объектов, расчета и прогноза оптических фонов, прогноза распространения примеси в шлейфе выброса и анализа экологической обстановки [1].
При использовании аппаратуры такого класса обработка экспериментальной информации представляет собой сложную задачу. Трудность обработки обуславливается высокой скоростью получения данных, большими объемами экспериментальной информации, необходимостью проведения экспериментов в реальном масштабе времени. Одновременно возрастают требования к качеству и достоверности обрабатываемой информации, так как от этого зависит оперативность принимаемых решений по ликвидации техногенных аномалий, последствий экологических катастроф. Эти причины привели к необходимости оптимизации и автоматизации процессов сбора, передачи, хранения и обработки экспериментальных данных.
Автоматизация научных исследований имеет особое значение для повышения эффективности обнаружения таких аномалий, так как позволяет получать более точные и полные модели исследуемых объектов и явлений, ускоряет ход научных исследований и снижает их трудоемкость, позволяет осуществлять прогноз сложных экологических ситуаций [2].
Задачи автоматизации процессов сбора, хранения и обработки получаемой в эксперименте информации, ведения диалога исследователя с системой, оформления и выдачи результатов обработки в удобном и наглядном виде решаются путем создания автоматизированных систем
обработки данных (АСОД).
Для автоматизации эксперимента необходимо знание технологии его проведения, учет специфических особенностей данного вида информационных потоков и их обработки. В настоящее время существует большое число пакетов прикладных программ (ППП) (ЬЕБЗА, Е-8у51ет, ЭАвОАМ и другие), используемых при решении экологических задач лазерного зондирования газового состава атмосферы, обработки, изображений (из космоса, спутниковых) и данных
дистанционного зондирования, распознавания загрязняющих атмосферу объектов, расчета различных атмосферных параметров, характеризующих экологическую обстановку [2,3].
Существующие пакеты прикладных программ (ППП) предназначены для решения узкоспециализированных задач. Для комплекса задач, решаемых с помощью аппаратуры ДАН-2, необходимо было разработать программное обеспечение, позволяющее обрабатывать экспериментальные данные, рассчитывать параметры атмосферных аномалий, оценивать оптические фоны в атмосфере, прогнозировать распространение примеси промышленного выброса, обрабатывать изображения шлейфов техногенных источников.
Виды техногенных загрязнений и задачи их исследования
Основными источниками техногенных загрязнений атмосферного воздуха на территории России являются следующие отрасли: теплоэнергетика (тепловые и атомные электростанции, промышленные и городские котельные и др.), черная металлургия, нефтедобыча и нефтехимия, автотранспорт, цветная металлургия и стройиндустрия.
По агрегатному состоянию выбросы вредных веществ в атмосферу классифицируются на газообразные (диоксид серы, оксиды азота, оксид углерода, углеводороды и др.); жидкие (кислоты, щелочи, растворы солей и др.); твердые (канцерогенные вещества, свинец и его соединения. органическая и неорганическая пыль, сажа, смолистые вещества и прочие).
Наиболее опасно радиоактивное загрязнение атмосферы. В настоящее время оно обусловлено в основном глобально распределенными радиоактивными долгоживущими изотопами - продуктами испытаний ядерного оружия, проводившихся в атмосфере и под землей. Приземный слой атмосферы загрязняют также выбросы радиоактивных веществ с действующих АЭС в процессе их нормальной эксплуатации, радиохимические заводы, а также возможные последствия аварийных ситуаций на производствах ядерного топливного цикла, выбросы при эксплуатации подводных лодок, реакторов, хранении радиоактивных отходов.
Анализ экологических катастроф дает общее представление о масштабности возможных последствий техногенных аварий и является обоснованием актуальности проблемы их предупреждения и ликвидации, защиты населения.
Таким образом, возникает необходимость не только в обнаружении очага загрязнения и его локализации, но и в проведении прогноза о распространении шлейфа выброса с учетом метеорологических характеристик, что позволит принимать решения для стабилизации экологической обстановки в районе аварии. С помощью созданного аппаратурно-программного комплекса ДАН-2 решаются следующие задачи:
1) обнаружение источников техногенных аномалий, прогноз движения облака выброса;
2) определение газовых составляющих и их основных параметров в шлейфе выброса с учетом фактора зашумленности;
3) контроль за развитием ситуации на всех этапах деятельности промышленных объектов;
4) оперативный контроль источников радиоактивного воздействия на атмосферу;
5) прогноз радиоактивности в шлейфе и оценка ситуации при его распространении с учетом метеорологических характеристик;
6) улучшение качества обработки изображений, полученных на месте промышленных аварий.
Методика исследования техногенных аномалий
Для решения перечисленных задач использовался дистанционный метод корреляционной спектроскопии газовых выбросов в атмосферу. В основе метода лежит численное неравенство интегральных потоков в измерительном и опорном каналах, которое имеет место, если спектр поглощения в полосе пропускания фильтра в значительной степени зависит от длины волны.
В этом случае корреляционная кювета в меньшей степени поглощает излучение, нежели нейтральный ослабитель, так как из-за корреляции спектров газа на трассе и в кювете в спектральных участках, где способна поглощать кювета, интенсивность излучения понижена из-за
ослабления облаком примеси.
В автоматизированной системе при решении перечисленных выше задач (в большей степени третьей и пятой) использовались методики численного моделирования формирования и распространения полей аэрозольно-газовых выбросов в атмосфере. Для описания распространения примесей в атмосфере использовались три основные модели: диффузионная гауссова модель, диффузионная модель Берлянда и региональная траекторная модель.
Гауссова модель (ГМ) - в настоящее время наиболее распространенная в США и странах
Западной Европы.
Модель Берлянда (МБ) - это направление является более универсальным по сравнению с первым, так как позволяет исследовать распространение примесей от источников различного типа при использовании более гибких моделей стратификации атмосферы или оперативных измерений ее параметров.
Региональная траекторная модель переноса примесей (РМ) - используется для определения глобального переноса примесей в приземной атмосфере.
Для улучшения качества обработки изображения (при решении шестой задачи) при проведении измерений в токовом режиме использовалась цифровая видеокамера (Panasonic «NV - DS 15») в комплекте с видеокартой, выполненной в стандарте IEEE-1394. Видеокамера работала в двух режимах: «фильм» и «стоп-кадр». При работе в режиме «фильм» объем получаемой информации за 5 мин превышает 5 Гб. Поэтому обработка информации велась на основе режима «стоп-кадр», который выбирался оператором. Объем информации стоп-кадра составлял 1,2 Мб. Стоп-кадр изображения исследуемого объекта на выходе декодера представлялся в виде BMP-файла, поскольку он наиболее близко соответствует внутреннему формату Windows, в котором эта система хранит свои растровые массивы.
Состав автоматизированной системы комплексного исследования
техногенных аномалий в атмосфере
Автоматизированная система включает отдельные подсистемы, связанные между собой
при обработке данных эксперимента (рис. 1).
Подсистема обработки данных оптического корреляционного спектрофотометра
предназначена для регистрации сигналов с АЦП и последующей их обработки.
Подсистема прогноза распространения примеси в шлейфе предназначена для расчета и прогноза распределения концентрации примеси в атмосфере в результате промышленных
выбросов. Для проведения расчетов используются описанные выше модели распространения
примесей в атмосфере от их источников.
Подсистема расчета и прогноза оптических фонов в атмосфере позволяет рассчитывать уровень засветки приемного канала от естественных источников помех (рассеянное солнечное излучение и тепловое излучение подстилающей поверхности и атмосферы).
Рис. 1 - Структура комплекса программ аппаратуры ДАН-2
Результаты тестирования всех программных модулей на аппаратуре ДАН-2 показали, что тестовые задачи решаются в соответствии с заложенными в модулях алгоритмами в пределах допустимых погрешностей. Далее представляются результаты использования автоматизированной системы при обработке данных натурных испытаний.
Результаты измерений газов в реальных условиях
В качестве иллюстрации возможностей аппаратурно-программного комплекса проведены измерения содержания Ш2 в шлейфе выбросов теплоэнергетического комплекса ГРЭС-2 [4]. Объект находился на расстоянии 3 км от места базирования прибора. Основным источником выброса диоксида азота являлись две трубы высотой около 100 м каждая (рис. 2).
Рис. 2 - Стоп-кадр, сделанный во время работы комплекса аппаратуры ДАН-2 при мониторинге аэрозольно-газового выброса
10.0 20.0 30.0 Ктах= 598 мг/м2, при 1=58.0.сек Ктт=316 мг/м2 при (=3.0.сек
10.0
50.0
На рис. 3 приведены результаты двух циклов измерений содержания оксидов азота: точечное измерение и измерение горизонтальных профилей. При точечных измерениях определяется погонная концентрация N02 на трассе, проходящей через выбранный в исследуемом объекте условный объем. При сканировании горизонтальных профилей определяется концентрация Ы02 в нескольких точках, лежащих на одной горизонтальной прямой. Измерения проводились на трех горизонтальных уровнях: значительно ниже шлейфа выброса; под шлейфом выброса; над шлейфом выброса. Исследования показали, что прибор фиксирует концентрацию 1\Ю2 в шлейфе выброса (рис. 3, а) и в воздухе (рис. 3, б), близкую к фоновой. Пои больших концентрациях Ы02 прибор способен различать очаги выбросов на расстоянии более 3 км.
юс
30 80 70 60 50 40 30 20 10
20 0
30.0
40 0
50 0
! Кгпех= 95 С ; к. с* ш= 131: г
~/м2. при 1=55.0 сек .■м2 при т=5 0 сек
6
Рис. 3 - Графики экспериментальных измерений по газу N02 а - концентрация ЫОг в шлейфе выброса; б - концентрация ЫОг в воздузе
Далее приведены примеры расчета примеси для реальной атмосферы и сравнение различных методов описания диффузии. Результаты работы компьютерной подсистемы расчета распространения примеси на базе гауссовой модели приведены на рис. 4.
£ 5'6'10
& 2,8- 10
о
1280 2460 3640 4820 Расстояние от источника, м
6000
Рис. 4 - Распределение приземной концентрации примеси для различных классов устойчивости атмосферы (скорость ветра 4 м/с): 1 - класс 3; 2 — класс 4; 3 - класс 5
На рис. 4 наглядно видна зависимость поведения примеси от стратификации атмосферы: чем больше класс устойчивости атмосферы, тем медленнее происходит оседание выброса, соответственно максимальная концентрация примеси на уровне земли менее значительна и достигается на более отдаленных расстояниях от источника выброса. В то же время на больших
45-10-
концентрация, кг/м' а
расстояниях от источника приземная концентрация тем выше, чем выше класс устойчивости атмосферы.
С использованием модели Берлянда при аналогичных параметрах источника выброса были проведены расчеты концентрации примеси в атмосферном столбе (рис. 5). Расстояние от источника выброса изменялось от 10 до 600 м. На рисунке видно, что с увеличением расстояния от источника происходит «расплывание» шлейфа выброса и соответственно уменьшение максимальной концентрации примеси в шлейфе, что вполне согласуется с результатами расчетов по гауссовой модели.
Зависимость приземной концентрации от скорости ветра (рис. 6) показывает: чем сильнее ветер, тем ниже становится пик максимальной концентрации и быстрее происходит снижение концентрации на значительных расстояниях. Поскольку в системе за один сеанс работы возможно использование различных моделей оценки концентрации примеси, то это позволяет производить анализ распространения шлейфа выброса на различных высотах от поверхности земли и выбирать наиболее оптимальную модель для конкретных условий выброса. С помощью подсистемы расчета и прогноза оптических фонов в атмосфере производились расчеты спектральной мощности безоблачного неба в поле зрения приемника для различных синоптических ситуаций, сезонов года, типов подстилающей поверхности и различных угловых ситуаций наблюдения за объектом и солнцем.
2 Ш"
концентрация, кг/м~ 6
Рис. 5 - Распределение концентрации примеси в атмосферном столбе на фиксированном расстоянии от источника: а) 1-10 м; 2-12 м; б) 1-500 м; 2-600 м
1280 2460 3640 4820 6000 Расстояние от источника, м
Рис. 6 - Распределение приземной концентрации примеси для различной скорости ветра (класс устойчивости 3): 1-2 м/с; 2-5 м/с; 3-8 м/с
Отмечено, что наибольший вклад в мощность фона дает излучение при максимальном совпадении значений угла наблюдения и угла солнца (рис. 7). Солнце ослепляет приемный
объектив и почти полностью засвечивает его. Кроме этого, существенный вклад в мощность фона вносит и подстилающая поверхность, в данном случае - снег, у которого коэффициент отражения равен 90 %. Следовательно, снег существенно влияет на вклад в фоновое излучение.
Особую наглядность влияния солнца на мощность фонового излучения демонстрирует рис. 8. Подстилающая поверхность - трава, лес - существенного вклада в фон не вносит (коэффициент отражения от поверхности всего 5%).
ä £
•Ч
N
Yi-i-v
5 *
§§ 3°o
« -S
Я5 0\ X rl
i
I l.OO
// 'IL
s s
Рис. 7 - Влияние угла наблюдения и углового расстояния от солнца на мощность фона в поле зрения приемника
Рис. 8 - Зависимость мощности фона в поле зрения приемника от угла наблюдения и расстояния до объекта для подстилающей поверхности - лес, трава
Все перечисленные подсистемы созданы с использованием объектно-ориентированной среды программирования Delphi и имеют удобный графический интерфейс с возможностью представления результатов расчетов в виде единой скроллинговой таблицы и графиков, доступом к файлам данных, высокой скоростью математических вычислений, возможностью дальнейшего расширения и изменения алгоритмов вычислений. Применение модульного принципа позволило реализовать все подсистемы автоматизированной системы независимо друг от друга, при этом они могут работать как самостоятельно (при модельных расчетах), так и в общем комплексе программ (при обработке экспериментальных данных).
ЛИТЕРАТУРА
1. Копытин Ю.Д., Носов В.В., Чистякова Л.К. Технология инспектирования индустриальных и геохимических аномалий приземной атмосферы // Оптика атмосферы и океана. - 1997. - Т. 10 - № 10. - С. 1188-1204.
2. Задков В.Н., Пономарев Ю.В. Компьютер в эксперименте. Архитектура и программные средства систем автоматизации; Учеб. рук-во. - М.: Наука, 1988. - 376 с.
3 Гепнер В.В., Парилова В.Н.; Халимонова Е.В. О структуре автоматизированной системы для обеспечения экспериментальных исследований в области обработки сигналов // Вопросы разработки алгоритмического и программного обеспечения специализированных программных комплексов; Сб. науч. тр. - Л.: Изд-во Ленингр. электр. ин-та, 1991. - С. 31-35.
4. Копытин Ю.Д., Носов В В., Антипов А.Б., Исакова А.И., Самохвалов М.А., Чистякова Л.К. Дистанционные методы прогноза нефтяных, рудных и техногенных аномалий по геоатмосферным проявлениям. - Томск: Изд-во ИОА СО РАН, 2000. - 314 с.
