CC BY
33
маршруте движения деталей), а половину их концентрации в технологической ванне. Следовательно, наступает такой момент, когда концентрация загрязнений в ванне улавливания, достигнув половинной концентрации компонентов технологического раствора, при дальнейшей работе не меняется. С этого момента и сколь угодно долго унос веществ из ванны улавливания остается постоянным и равным половинному уносу компонентов из технологической ванны. Таким образом, при измененном маршруте движения деталей смена загрязненной воды не требуется. После достижения половинной концентрации компонентов технологического раствора эффективность работы ванны улавливания становиться равной 50 % и в дальнейшем не меняется.
Несмотря на то, что при измененном маршруте движения деталей не требуется проводить расчеты периодичности смены загрязненной воды, разработанная программа «Расчета концентрации веществ в ванне улавливания» позволяет определить концентрацию веществ в ванне улавливания в любой момент времени и на любой стадии выполнения производственной программы нанесения покрытий. Для этого после ввода исходных данный нажимается кнопка «Измененный маршрут», и в окне «Результаты расчетов» появляются величины концентрации веществ в ванне улавливания через каждый час (шаг) ее работы.
Авторы считают, что в данной работе новым является разработанный программный продукт для оптимизации (уменьшения) расхода компонентов электролита и промывной воды путем изменения схемы движения автооператора в основных и дополнительных операциях. С помощью разработанной программы «Расчет концентрации веществ в ванне улавливания» возможно быстро и объективно определить концентрацию компонентов технологического раствора через каждый час ее работы как при традиционном, так и при измененном маршруте движения деталей, что позволяет:
1) отследить момент достижения в ванне улавливания половинной концентрации веществ по сравнению с концентрацией компонентов в технологическом растворе и при традиционном маршруте движения деталей произвести замену грязной воды на чистую;
2) получать высококонцентрированную отработанную промывную воду, утилизация которой вызывает меньше затруднений, чем переработка разбавленных промывных вод;
3) получать отработанную загрязненную промывную воду одинаковой концентрации, что делает стабильными как работу установок по переработке отработанных растворов, так и количество получаемых продуктов для последующей утилизации;
4) определить эффективность работы ванны улавливания, как за весь период ее работы, так и на любом этапе работы ванны;
5) получать промывную воду любой концентрации, требуемую для последующей регенерации и рекуперации.
Разработанное программное обеспечение предназначено как для использования на промышленных предприятиях, так и для обучения студентов дисциплинам, связанным с гальваническим производством, в том числе с использованием дистанционных образовательных технологий.
Литература
1. Казаков В. А., Виноградов О. С., Гуляева Н. А. Методические подходы к расчету экономии водоре-сурсов в гальваническом производстве.// РНЖ «Экономика и управление» №11 (61), 2010. - С.69-74.
2. Виноградов С. С. Промывные операции в гальваническом производстве. /Под редакцией проф. В.Н. Кудрявцева.- М.: Глобус, 2007. - 157 с.
УДК 528.852
КОСМИЧЕСКИЙ МОНИТОРИНГ ПРОСТРАНСТВЕННЫХ ПЕРЕМЕЩЕНИЙ ЛЕДЯНЫХ ПОЛЕЙ, ВОДНЫХ МАСС И ОБЛАЧНЫХ ОБРАЗОВАНИЙ
А. А. Бучнев, к. т. н., старший научный сотрудник Тел. (383) 330-7332, email: baa@ooi.sscc.ru
В. П. Пяткин, д. т. н., профессор, заведующий Лабораторией обработки изображений
Тел. (383) 330-73-32, email:pvp@ooi.sscc.ru
Институт Вычислительной Математики и Математической Геофизики СО РАН
http://loi.sscc.ru
The process of constructing vector fields of spatial displacements of ice fields, water masses and clouds in the atmosphere from a series of consecutive multispectral images obtained by space satellites is considered. The process is based on searching for the maximum of the coefficient of mutual correlation between reference objects (targets) found in the current image in the series and their positions in the next image in the series.
Предложены и реализованы алгоритмы корреляционно-экстремального анализа и технологии для определения пространственных перемещений объектов (ледяных полей, водных масс, облачных образований в атмосфере) по разновременным многоспектральным данным дистанционного зондирования Земли.
Ключевые слова: дистанционное зондирование, природные объекты, ледяные поля, водные массы, облачные образования, пространственные перемещения
Key words: remote sensing, nature objects, ice fields, water bodies, clouds, spatial displacements
Предложены и реализованы алгоритмы корреляционно-экстремального анализа и технологии для определения пространственных перемещений объектов (ледяных полей, водных масс, облачных образований в атмосфере) по разновременным многоспектральным космическим изображениям. Результаты получены в ходе выполнения совместных работ с Научно-исследовательским центром (НИЦ) космической гидрометеорологии «Планета» (г. Москва) по Федеральной целевой программы: «Федеральная космическая программа России на 2006-2015 годы». Соответствующий программный комплекс внедрен в практику оперативной работы головного центра приема и обработки спутниковых данных: НИЦ «Планета» (Москва). Он активно используется в космическом мониторинге полярных регионов Земли (ледяные поля), Российского сектора Черного и Азовского морей (водные массы) и облачных образований в атмосфере. Результатом сотрудничества ГУ «НИЦ «Планета» с ИВМиМГ СО РАН является экспериментальная технология построения полей дрейфа морского льда. В технологии используется метод восстановления полей дрейфа морского льда по опознанным изменениям положения некоторых ледовых объектов (трассеров) на разновременных и картографически совмещенных радиолокационных спутниковых изображениях. Определение координат перемещения ледяных полей с заданным шагом достигалось в результате использования аппроксимаций с применением триангуляции Делоне. Корреляционно-экстремальный анализ разновременных многоспектральных космических изображений используется для построения полей перемещений водных масс в целях мониторинга переноса загрязнений в Российском секторе Черного и Азовского морей. Использовались космические снимки ИСЗ TERRA, сканер MODIS, каналы: 0,620-0,670 мкм (1); 0,545-0,565 мкм (4) и 0,459-0,479 мкм (3). Предложена технология построения векторных полей перемещений облачных образований в атмосфере по серии последовательных изображений, полученных с геостационарных спутников. Технология основана на поиске максимума коэффициента взаимной корреляции между объектами-эталонами, найденными на текущем изображении серии, и положением этих эталонов на следующем изображении серии (геостационарные спутники METEOSAT-8, METEOSAT-9, ЭЛЕКТРО-L).
Определение пространственных перемещений объектов по разновременным спутниковым изображениям основано на нахождении максимумов коэффициента взаимной корреляции между объектами двух соседних изображений в серии последовательных изображений [1, 2]. В [3] аналогичный подход рассматривается в качестве метода распознавания образов, известного как корреляционное сопоставление. Однако, для космических изображений вследствие во многом случайного характера представленных на космических снимках изображений интересующих нас природных объектов невозможно говорить о каком-либо предопределенном словаре образов. Такой словарь образов формируется динамически во время анализа серии изображений и он является индивидуальным для каждого изображения. Построение словаря основано на подходах, изложенных в [4]. Элементы словаря, называемые объектами-эталонами или просто эталонами,
представляют собой квадратную область исходного изображения заданного размера. Они отыскиваются в некоторой окрестности узлов квадратной сетки таким образом, чтобы обеспечить максимальное значение управляющего параметра - дисперсии либо энтропии. Если при этом окажется, что достигнутое максимальное значение управляющего параметра превышает заданный порог, то соответствующая часть изображения объявляется эталоном. Другими словами, процедура построения объектов-эталонов направлена на поиск квадратных областей с максимальной "изменчивостью". Для таких областей высока вероятность того, что соответствующий объект не будет полностью разрушен при переходе к следующему изображению серии. Кроме того, снижается вероятность учета случайных корреляций для участков изображений с фоновыми распределениями пикселей изображений. Следующим шагом в определении пространственных перемещений объектов является поиск позиций найденных эталонов на следующем изображении. Смещение определяется для каждого из найденных эталонов. Поиск новой позиции эталона производится внутри квадратной области, центр которой совпадает с исходной позицией эталона. Новой позицией эталона считается позиция, в которой достигается максимальное значение коэффициента взаимной корреляции. В процессе сканирования области поиска эталон может подвергаться преобразованиям масштабирования и поворота. Среди всех отобранных позиций могут быть отобраны позиции, удовлетворяющие пороговым условиям - минимально допустимое значение коэффициента корреляции и минимально допустимое смещение. Процесс может быть продолжен итеративно для следующих изображений серии: найденные области с максимальным значением корреляции объявляются эталонами, к ним могут быть добавлены эталоны, полученные с помощью описанной ранее процедуры поиска эталонов, для нового набора эталонов находятся их позиции на следующем изображении и так далее.
Описанная процедура построения полей перемещений объектов практически без изменений используется для анализа перемещений облачных образований на основе серии последовательных изображений, полученных с геостационарных спутников. Эти изображения получаются со сравнительно небольшим временным интервалом (15 мин для METEOSAT-8, METEOSAT-9 и 30 мин для ЭЛЕКТРО-L в штатном режиме), вследствие чего можно ожидать высокой корреляции между соседними изображениями. Единственное дополнение - редактирование векторных полей, которое заключается в удалении явно ошибочных векторов (такая ситуация является следствием того, что облака на разных высотах могут иметь разные направления перемещений). Однако, для водных масс и ледяных полей изображения в серии отстоят друг от друга далеко по времени - изображения Черного и Азовского морей получаются два раза в сутки (восходящая и нисходящая траектории ИСЗ TERRA), а изображения ледяных полей являются результатом объединения (построения мозаик) радиолокационных изображений, полученных в течение суток. По этой причине, во избежание получения явно ошибочных корреляций, необходимо в максимально возможной степени ужесточать требования как к построению эталонов, так и к уровню корреляции. В результате полученного количества векторов смещений не хватает для построения векторного поля, характеризующего динамику процесса. В связи с этим для этих природных объектов предложено и реализовано следующее дополнение к технологии построения векторных полей перемещений. На основе позиций найденных эталонов строится триангуляция Делоне, которая вместе с соответствующими координатами новых позиций эталонов на следующем изображении определяет семейство кусочно-аффинных преобразований плоскости. На исходном изображении строится квадратная сетка заданного размера, и к каждому узлу сетки, попадающему внутрь выпуклой оболочки позиций эталонов, применяется аффинное преобразование, определяемое треугольником, в котором находится этот узел. Программные технологии включают в себя функции получения статистических характеристик построенных векторных полей - распределение векторов по направлениям (с задаваемой дискретностью изменения угла) и распределение скоростей векторов.
Авторы считают, что в данной работе новыми являются предложенные технологии космического мониторинга пространственных перемещений ледяных полей, водных масс и облачных образований на базе программного обеспечения обработки данных дистанционного зондирования Земли, разработанного совместно НИЦ «Планета» и ИВМиМГ СО РАН [1]. Этот результат был отмечен Комиссией РАН при комплексной проверке ИВМиМГ СО РАН в 2010 году. Работа выполнена частично при финансовой поддержке Российского фонда фундаментальных исследований (проект № 10-07-00131).
Литература
1. Asmus V. V., Buchnev A. A., Pyatkin V. P., Salov G. I. Software System for Satellite Data Processing of Applied Tasks in Remote Sensing of the Earth. // Pattern Recognition and Image Analysis, 2009, Vol.19, N 3, pp.372-379.
2. Бучнев А. А., Пяткин В. П. Мониторинг облачных образований по данным геостационарных спутников Земли. // Автометрия - 2009, Т. 45. № 5. С. 40-47.
3. Р. Гонсалес, Р. Вудс. Цифровая обработка изображений. Пер. с англ. под ред. П.А. Чочиа. Москва: Техносфера, 2005. - 1072 с.
4. MSG Meteorological Products Extraction Facility. Algorithm Specification Document. - Doc. No. EUM/MSG/SPE/022. Issue 2.6. 1 June 2004.
УДК 553.04.003.1 (470 + 571.1/.6)
МИНЕРАЛЬНО-СЫРЬЕВОЙ ПОТЕНЦИАЛ РОССИЙСКОЙ ФЕДЕРАЦИИ В ВЕЩЕСТВЕННОМ И СТОИМОСТНОМ ВЫРАЖЕНИИ
С. А. Кимельман, д. э. н., зав. отделом Тел. (499) 192 8021 e-mail: mfkarta@mail.ru И. А. Неженский, д. г.-м. н., главный научный сотрудник Тел.: (812) 328 9003, e-mail: Igor_Nezhensky@vsegei.ru МФ ФГУП «ВСЕГЕИ» (Санкт-Петербург) http://www.vsegei.ru
The mineral resource potential of the Russian Federation, which is given the valuation in the form of recoverable value of mineral resources in Russia, the federal districts and subjects of the Russian Federation, selected minerals is characterized.
Характеризован минерально-сырьевой потенциал Российской Федерации, которому дана стоимостная оценка в виде извлекаемой ценности недр России, федеральных округов, субъектов РФ, отдельных полезных ископаемых.
Ключевые слова: минеральные ресурсы, месторождения полезных ископаемых, стоимость недр, Россия.
Key words: mineral resources, mineral deposits, the value of mineral resources, Russia.
Цель работы - современная оценка минерально-сырьевого потенциала (МСП) России в вещественном и стоимостном выражении, всесторонняя характеристика и определение путей развития ее минерально-сырьевой базы (МСБ), обоснование стратегических направлений расширенного воспроизводства и инновационных возможностей МСБ с применением новых принципов ее структурирования и геолого-экономического районирования территории страны.
Для рационального и эффективного освоения минерально-сырьевого комплекса (МСК) требуется последовательная и всесторонняя оценка как уже сложившейся МСБ России, так и общего МСП ее недр. Были последовательно проведены прогнозно-металлогенический анализ территории России, минерально-сырьевой, стоимостный, социально-экономический и комплексный геолого-экономический анализ ее МСБ и МСК.
Прогнозно-металлогенический анализ территории России позволил определить возможности развития МСБ на средне- и долгосрочную перспективу, выделить потенциально продуктивные металлогенические зоны, рудные районы и узлы, расширить и углубить характеристику месторождений полезных ископаемых, уточнить обстановки их локализации и закономерности размещения, а также количественные оценки прогнозных ресурсов перспективных объектов.
Минерально-сырьевой анализ МСБ - анализ распределения запасов и добычи полезных ископаемых России - проведен в двух аспектах: региональном - по федеральным округам и субъектам РФ и отраслевом - по видам полезных ископаемых. Сопоставлены российская и мировая МСБ по видам полезных ископаемых. Показано, что очень крупные и крупные объекты (первые
