CC BY
30
УДК 504.064.36:574:502.173/174 DOI: 10.24411/1816-1863-2019-12069
ИНФОРМАЦИОННО-МОДЕЛИРУЮЩАЯ ПОДСИСТЕМА, ОСНОВАННАЯ НА ХИМИКО-КЛИМАТИЧЕСКИХ ДАННЫХ, ПОЛУЧЕННЫХ В ОТОБРАННЫХ ПРОБАХ ВОЗДУХА Г. АЛМАТЫ, ДЛЯ ОПТИМИЗАЦИИ СИСТЕМЫ ЭКОЛОГИЧЕСКОГО МОНИТОРИНГА
Б. Н. Мынбаева, доктор биологических наук, профессор, Казахский национальный педагогический университет им. Абая, [email protected], Алматы, Казахстан, З. Т. Хасенова, докторант (Вычислительная техника и программное обеспечение), Евразийский национальный университет им. А. Н. Гумилева, [email protected], Нур-Султан, Казахстан, Д. Н. Исабаева, кандидат педагогических наук, ассоциированный профессор, Казахский национальный педагогический университет им. Абая, [email protected], Алматы, Казахстан, К. Т. Искаков, доктор физико-математических наук, профессор, Евразийский национальный университет им. А. Н. Гумилева, [email protected], Нур-Султан, Казахстан
О»
о
о -1
В исследованиях были использованы данные 2018 г. и первого квартала 2019 г. по содержанию тяжелых металлов в воздухе г. Алматы (Республика Казахстан) и климатическим факторам. Нами отмечено превышение предельно допустимой концентрации (ПДК) содержания Pb и Cu. Содержание других тяжелых металлов (Cd, As, Cr, Ni) не превышало ПДК. Отмечены 156 дней с января 2018 г. по февраль 2019 г., когда в воздухе наблюдались мгла, дымка, пыльные бури, туман с низкой скоростью ветра от 1 до 2 м/с. Количество штилевых дней составило 285 за исследуемый период. Следовательно, неблагоприятные метеоусловия г. Алматы оказали существенное влияние на накопление тяжелых металлов в воздухе и низкую скорость миграции воздушных потоков. Для оптимизации функционирования системы экологического мониторинга г. Алматы было разработано приложение в рамках информационно-моделирующей подсистемы, работающее с пространственно-временными данными в виде файла формата Network Common Data Form (NetCDF). В предлагаемом формате химико-климатические параметры экологического состояния воздуха хранятся в виде массивов данных, которые являются источниками для расчета модуля усвоения данных.
The study engaged the 2018 and Q1 2019 data on heavy metals content in the air of the city of Almaty (the Republic of Kazakhstan) and climatic factors. We registered the maximum concentrations limit (MCL) exceedance of Cu and Pb content. The contents of other heavy metals (Cd, As, Cr, Ni) did not exceed MCL. Additionally, the authors stated 156 days from January 2018 to February 2019, when the air was charged with dry haze, gauze, dust storms, fog with low velocity of air from 1 to 2 m/sec. An amount of calm days totaled to 285 during the covered period. Therefore, unfavorable meteorological conditions in the city of Almaty affected the accumulation of heavy metals in the air and low migration rate of the air flow.
For the optimization of the performance of environmental monitoring system in the city of Almaty, we developed an application within information-simulation subsystem, which works with space-time data as a file in the Network Common Data Form (NetCDF) format. In the suggested format, chemical-climatic parameters of the air's ecological state are kept in the form of array-based information, which provides sources for data acquisition module calculation.
Ключевые слова: мониторинг, NetCDF, приложение, информационно-моделирующая подсистема. Keywords: monitoring, NetCDF, application, information-simulation subsystem.
Введение. Общеизвестно, что тяжелые металлы (ТМ) в воздухе городов приводят к многочисленным проблемам медико-экологического и санитарно-гигиеничес-
кого характера. Последствия их присутствия достаточно опасны. Атмосферный воздух г. Алматы содержит определенное количество ТМ. Существующая система
о
экологического мониторинга загрязнения г. Алматы обладает слабой эффективностью, так как сотрудниками филиала Каз-гидромета г. Алматы и республиканского Казгидромета составляется только база данных по фактическому содержанию загрязнителей воздуха.
Почти любая система осуществляет хранение и обработку огромного количества информации. В связи с обработкой данных по химическим анализам содержания ТМ в воздухе г. Алматы с дополнением базы климатическими факторами, т. е. работой различного формата данных, соответственно нам потребовались дополнительные разработки. Считаем, что в системе экологического мониторинга необходимо создать информационно-моделирующую подсистему (ИМПС), которая будет содержать в себе хранение химико-климатических данных атмосферы г. Ал-маты, расчетные и аналитические блоки, в которых функциональные блоки будут реализованы в виде модулей: усвоения данных и метеопараметров, анализа данных и т. д.
Цель данных исследований: оптимизировать систему экологического мониторинга загрязнения атмосферного воздуха г. Алматы тяжелыми металлами при помощи разработки приложения в рамках информационно-моделирующей подсистемы, которое сформирует файлы формата NetCDF.
Одним из основных модулей информационно-моделирующей подсистемы является модуль усвоения данных, где применяется математическая модель и, соответственно, решается задача усвоения данных. Эта задача требует прогнозирования значения функции состояния модели с имеющимися данными наблюдений и анализа. Для решения математической модели необходимы исходные данные, которые могут быть в разных форматах, в разной структуре. Разнородность данных приводит к затруднению реализации данной задачи. Мы выделили в качестве подзадачи: создание единого формата данных. Для его создания был выбран файл формата NetCDF, который дает возможность работать с пространственно-временными данными: содержащие химические данные по загрязнению ТМ воздуха г. Алматы и климатических атмосферных
параметров в предполагаемых исследованиях.
По организации хранения многомерных и многопараметрических информа-ций с применением универсального формата NetCDF посвящены исследования [1—2] с получением положительных результатов экспериментальных работ с датчиками. В работе А. Л. Холод с соавторами [3] отмечена возможность NetCDF объединять в одном файле записи самых разных типов и структур. Также файл ориентирован на большие объемы данных, на высокую мобильность, гарантируемую форматом, эффективный поддерживающий инструментарий, обеспечение быстрого ввода/вывода, эффективное хранение и расширяемость. В работах [4—7] приведены результаты исследований, где также используется формат NetCDF для хранения метеопараметров. Следовательно, ученые, которые применяли в своих исследованиях формат NetCDF, показали перспективность и актуальность проблемы организации многомерных данных.
Таким образом, проведенные нами исследования способствовали развитию организации хранения многомерных и многопараметрических информаций с применением современных информационных технологий.
Объекты и методы. Объектом исследований служили пробы воздуха, отбираемые на 2 постах наблюдения за загрязнением воздуха (ПНЗ) г. Алматы: ПНЗ № 1 — ул. Амангельды/просп. Абая (Бостандык-ский район); ПНЗ № 12 — просп. Раим-бека/ул. Наурызбай батыра (Жетысуский район). В отобранных пробах воздуха определяли содержание ТМ.
Объектом исследований также служила база данных по ТМ как загрязнителей атмосферного воздуха и база метеоданных в течение 2018—2019 гг.
Метод определения содержания ТМ в атмосферном воздухе: пропускали 18 м3 воздуха через фильтр «АВХ» в течение 3 дней отбора воздуха, затем фильтр сжигали методом «мокрого озоления» в 4 мл HNOз (конц., ОХЧ) и выпаривали до влажных солей, приливали 0,3 мл Н2О2 (конц.) и отстаивали 0,5 ч. Затем выпаривали досуха; к сухому остатку приливали 0,2 мл HNOз, доводили дистиллированной водой до объема 25 мл и измеряли
содержание тяжелых металлов на спектрометре фирмы «Shimatzu» [8].
Создание файла формата NetCDF необходимо для решения известной модели процесса переноса примеси в атмосфере [9]:
дХ* 1 - " 1 = I + * -')■ «>
со следующими краевыми условиями: —* ^ + аф = х = 0;
дх
Ц ддф + аФ = 4л> х = X
и начальными данными:
Ф = Фо, t0 = 0
(2)
(3)
где ф — функция концентрации примеси, Фо — начальное распределение концентрации, ц > 0 — коэффициент турбулентного обмена, u — скорость переноса примесей, c — коэффициент распада, f(x, t) — функция источников, 0 < х > N — интервал изменения по пространству, а — заданные коэффициенты, q^, — заданные функции.
Само приложение, разработанное на языке Java — самой популярной на данный момент средой разработки IntelliJ IDEA — определяется наличием большого набора встроенных средств и дополнительных модулей для разработки приложений.
Результаты и обсуждение. С 1 января 2018 г. по февраль 2019 г. была получе-
на база метеоданных, которые снимались 4 раза в сутки ежедневно. Мы отметили 156 дней, из которых в воздухе 16 дней наблюдалась мгла, 98 дней — дымка, 2 дня в июне и июле 2018 г. — пыльные бури или ухудшение видимости на большой территории из-за пыли, поднятой сильным ветром, 40 дней — туман в виде помутнения атмосферы при горизонтальной видимости менее 1 км (таблица).
В таблице указано количество дней, метеорологические данные которых усиливали загрязнение ТМ воздуха г. Алма-ты. Штилевые дни всегда присутствуют в г. Алматы, но их число может меняться по месяцам. Например, за исследуемый период количество штилевых дней увеличилось в зимние месяцы примерно на 43 % и осенне-весенние месяцы на 21 % соответственно по сравнению с летними месяцами. Общее число штилевых дней составило 285. В те дни, когда в г. Алматы наблюдалось движение воздушных масс или ветер, его скорость была незначительной: от 1 до 2 м/с. Только несколько дней была отмечена скорость 3 м/с.
Анализ базы химических данных по ТМ 2018—2019 гг. показал, что содержание Cd, Лб, Сг и № в атмосферном воздухе г. Алматы по-прежнему не превышало ПДК [10], кроме РЬ и Си. Их превышение составило на ПНЗ № 1 в среднем до 1,5 ПДК, на ПНЗ № 12 — до 2,3 ПДК в системе экологического мониторинга г. Алматы.
Неблагоприятные метеоусловия г. Ал-маты, в основном, слабая его циркуля-
о>
о
о -1
Количество дней с неблагоприятными метеоусловиями г. Алматы
Кол-во дней Месяцы 2018- -2019/дни
I II III IV V VI VII VIII XI X XI XII I II III
с дымкой 22 11 9 0 0 0 0 0 0 3 6 26 14 7 нет
с мглой 6 2 2 3 0 0 0 0 0 0 0 0 2 1 нет
туман (помутнение атмосферы 8 6 2 0 0 0 0 0 0 0 2 11 8 3 нет
штилевые 26 21 22 20 20 13 15 13 20 23 17 27 28 20 нет
пыльная буря 0 0 0 0 0 1 1 0 0 0 0 0 0 0 нет
Примечание: «нет» — нет данных за март 2019 г. 71
№2, 2019
IK S
О
Ст)
—>J Panoply: Sources
File Edit View Histoiy Bookmarks Plot Window Help
Create Plot Datasets
Combine Plot
Catalogs Bookmarks
Name Long Name Type
ci tydoeff_a priori... dtyCoeff_apriori_mean_... [ Local File
oonstSource constSouroe 2D
SS» fDa ta fData 2D
-й» fTimeDynamics fT im eDynam ics ID
init init 2D
О tat tat 2D
Ion Ion 2D
-fi* mu mu 2D
Times Times ID
UIO UIO 2D
С» VIO VIO 2D
-о varSource varSource 2D
xP oints xPoints ID
yPoints y Points ID
4
Show: All variables -
Рис. 1. Созданный NetCDF файл
^^^мМодуль «Метеопараметры»
Модуль «Ввод данных»
USER
Eté-
БД
Приложение
Модуль «Усвоение данных»
Файлы формата NetCDF
Рис. 2. Фрагмент взаимодействия приложения
ция и смог усиливали степень загрязнения воздуха. По нашим данным, отмечено большее загрязнение воздуха ТМ в нижней части города, чем в верхней, что является обоснованным и объяснимым явлением. Штилевое состояние воздушных масс в нижней (северной) части г. Алматы значительнее из-за низкой скорости ветра (1—2 м/с) и преимущественного направления движения воздуха с юга на север, т. е. многие загрязняющие вещества просто скапливались в северной части города. Следовательно, влияние климатических или метеорологических факторов значительно для атмосферных процессов города.
На основе исходных данных и коэффициентов модели (1) с помощью разработанного приложения формируются файлы NetCDF, являющиеся источником данных для модуля «усвоение данных». В качестве примера созданных файлов формата NetCDF, а также фрагмент взаимодействия приложения с другими модулями информационно-моделирующей подсистемы представлены соответственно на рисунках 1 и 2.
В созданном NetCDF файле «cityCoeff_ apriori_mean_Ref_traffic.nc» хранятся 13 переменных, являющиеся метеорологическими данными г. Алматы и значениями
коэффициентов моделирования. Каждая переменная, в свою очередь, состояла из нескольких измерений, которые можно посмотреть в виде многомерного массива и графики. В данной работе визуализация файла осуществлялась с помощью программы Panoply.
Таким образом, использование такого типа формата облегчает обмен массивами данных между разными модулями, приложениями и компьютерами, а также уменьшает ошибки при интерпретации данных.
Заключение. База химических данных по содержанию ТМ в отобранных пробах воздуха г. Алматы в течение 2018—2019 гг. состояла из 1296 замеров. База климатических данных за тот же исследуемый период состояла из 6784 замеров. Согласно разработанному приложению созданные файлы формата NetCDF включали исходные данные (замеры) в виде многомерных массивов в качестве источников для модуля «усвоение данных» с целью дальнейшего применения математического моделирования для системы экологического мониторинга атмосферного воздуха ТМ.
Предварительная оценка фактической базы химико-метеорологических данных загрязнения воздуха г. Алматы показала ее недостаточность для эффективной работы системы экологического мониторинга го-
рода. Поэтому нами разработано приложение на основе современных информационных технологий, работающее с пространственно-временными данными в виде формата NetCDF для повышения эффективности работы информационно-моделирующей подсистемы. Как следствие, полученное приложение повысит эффективность всей системы экологического мониторинга г. Алматы. Основанием для последней оценки повышения эффективности системы экомониторинга г. Ал-маты послужило полученная корректность работы информационно-моделирующей подсистемы, зависящая, в свою очередь, от степени структуризации и единого форматирования данных для получения положительных результатов моделирования.
Данные исследования были выполнены при поддержке грантового финансирования МОН РК 2018—2020 гг. по приоритету «Рациональное использование природных, в том числе водных ресурсов, геология, переработка, новые материалы и технологии, безопасные изделия и конструкции» и теме «Разработка новой информационной системы и базы данных для оптимизации мониторинга загрязнения атмосферного воздуха тяжелыми металлами» по договору № 132 от 12 марта 2018 г.
О»
о
о -1
Библиографический список
1. Wingo S. M., Petersen W. A., Gatlin P. N. et al. The System for Integrating Multiplatform Data to Build the Atmospheric Column (SIMBA) precipitation observation fusion framework. Journal of Atmospheric and Oceanic Technology, 2018. No. 35. P. 1353—1374.
2. Liu H., Van Oosterom P., Tijssen T. et al. Managing large multidimensional hydrologic datasets: A case study comparing NetCDF and SciDB. Journal of Hydroinformatics, 2018. No. 20. P. 1058—1070.
3. Холод А. Л., Ратнер Ю. Б., Мамчур Н. Л. и др. Автоматическая система мониторинга морской среды Севастопольского региона Черного моря // Морской гидрофизический журнал. 2015. № 4. С. 75—87.
4. Mbogo G.-K., Rakitin S. V., Visheratin A. High-performance meteorological data processing framework for real-time analysis and visualization. Procedia Computer Science, 2017. No. 119, P. 334—340.
5. Husar R. B., Hoijarvi K. Data Fed: Mediated web services for distributed air quality data access and processing. International Geoscience and Remote Sensing Symposium (IGARSS), 2007. P. 4016—4019.
6. Kim J., Kwon Y. C., Kim T.-H. A Scalable High-Performance I/O System for a Numerical Weather Forecast Model on the Cubed-Sphere Grid. Asia-Pacific Journal of Atmospheric Sciences, 2018. No. 54, P. 403—412.
7. Meng J., Ding G., Liu L., Zhang R. A comparison and validation of atmosphere CO2 concentration OCO-2-based observations and TCCON-based observations. Communications in Computer and Information Science, 2016. No. 645, P. 356—363.
8. М 02-09—99. Методика выполнения измерения массовой концентрации металлов в атмосферном воздухе атомно-адсорбционным методом с электротермической атомизацией. СПб.: Изд-во стандартов, 1999. 13 с.
9. Khassenova Z. T., Kussainova A. T. Applying data assimilation on the urban environment. Communications in Computer and Information Science, 2019. No. 998, P. 125—134.
10. Санитарно-эпидемиологические правила и нормы № 629: Санитарно-эпидемиологические требования к атмосферному воздуху: утв. 18.08.2004. Алматы: Изд-во стандартов, 2004. 155 с.
INFORMATION-SIMULATION SUBSYSTEM BASED ON CHEMICAL-CLIMATIC DATA ! OBTAINED FROM SELECTED ALMATY'S AIR SAMPLES FOR OPTIMIZATION
g OF THE ENVIRONMENTAL MONITORING SYSTEM
o
^ B. N. Mynbayeva, Ph. D. (Biology), Dr. Habil., Professor, Abai Kazakh National Pedagogical University, [email protected], Almaty, Kazakhstan,
Z. T. Khassenova, Ph. D. student (Computer science and software), Gumilyov Eurasian National University, [email protected], Nur-Sultan, Kazakhstan,
D. N. Issabayeva, Ph. D. (Pedagogy), Associated Professor, Abai Kazakh National Pedagogical University, [email protected], Almaty, Kazakhstan,
K. T. Iskakov, Ph. D. (Physics and Mathematics), Dr. Habil., Professor, Gumilyov Eurasian National University, [email protected], Nur-Sultan, Kazakhstan
References
1. Wingo S. M., Petersen W. A., Gatlin P. N. et al. The System for Integrating Multiplatform Data to Build the Atmospheric Column (SIMBA) precipitation observation fusion framework. Journal of Atmospheric and Oceanic Technology, 2018. No. 35. P. 1353—1374.
2. Liu H., Van Oosterom P., Tijssen T. et al. Managing large multidimensional hydrologic datasets: A case study comparing NetCDF and SciDB. Journal of Hydroinformatics, 2018. No. 20. P. 1058—1070.
3. Kholod A. L., Ratner Ju. B., Mamchur N. L. et al. Avtomaticheskaja sistema monitoringa morskoj sredy Sevastopol'skogo regiona Chernogo morja [Automatic monitoring system of the marine environment of the Sevastopol Region of the Black Sea] Morskoj gidroflzicheskij zhurnal. 2015. No. 4. P. 75—87. [in Russian]
4. Mbogo G.-K., Rakitin S. V., Visheratin A. High-performance meteorological data processing framework for real-time analysis and visualization. Procedia Computer Science, 2017. No. 119. P. 334—340.
5. Husar R. B., Hoijarvi K. DataFed: Mediated web services for distributed air quality data access and processing. International Geoscience and Remote Sensing Symposium (IGARSS), 2007. P. 4016—4019.
6. Kim J., Kwon Y. C., Kim T.-H. A Scalable High-Performance I/O System for a Numerical Weather Forecast Model on the Cubed-Sphere Grid. Asia-Pacific Journal of Atmospheric Sciences, 2018. No. 54. P. 403—412.
7. Meng J., Ding G., Liu L., Zhang R. A comparison and validation of atmosphere CO2 concentration OCO-2-based observations and TCCON-based observations. Communications in Computer and Information Science, 2016. No. 645. P. 356—363.
8. M 02-09—99. Metodika vypolnenija izmerenija massovoj koncentracii metallov v atmosfernom vozduhe atomno-adsorbcionnym metodom s jelektrotermicheskoj atomizaciej [Methods for measuring the mass concentration of metals in atmospheric air by an atomic adsorption method with electrothermal atomi-zation]. SPb.: Izd-vo standartov. 1999. 13 p. [in Russian]
9. Khassenova Z. T., Kussainova A. T. Applying data assimilation on the urban environment. Communications in Computer and Information Science, 2019. No. 998. P. 125—134.
10. Sanitarno-jepidemiologicheskie pravila i normy № 629: Sanitarno-jepidemiologicheskie trebovanija k at-mosfernomu vozduhu: utv. 18.08.2004. [Sanitary-epidemiological rules and norms № 629: Sanitary-epi-demiological requirements for atmospheric air: approved 08.18.2004]. Almaty: Izd-vo standartov. 2004. 155 p. [in Russian]
74
№2, 2019
