CC BY
20
Основные выводы из проведенных исследований:
1. В условиях отсутствия натурных данных о состоянии полигона ТБО целесообразно для оценки геоэкологического риска использовать математическое моделирование газовых эмиссий при естественном разложении отходов, а также в случае пожаров, и их распространения в атмосферном воздухе.
2. Расчеты рисков показывают высокую опасность для здоровья населения, проживающего вблизи санитарной зоны полигона, даже диффузных выбросов биогаза, которая резко возрастает в случае возгорания отходов.
3. При планировании работ по рекультивации полигона необходимо предусмотреть создание системы сбора и утилизации биогаза.
СПИСОК ЛИТЕРАТУРЫ
1. Fedorov, М.Р. Model of environmental risk assessment of atmospheric air pollution by toxic gases emission from MSW landfills [Текст] / М.Р. Fedorov, A.N. Chusov, V.I. Maslikov // Proc. Twelfth Intern. Waste Management and Landfill Symposium— S. Margherita di Pula, Cagliari, Italy.- 5-9 October 2009.- Sardinia 2009, P. 593-594.
2. Унифицированная программа расчета загрязнения атмосферы «Эколог». Версия 3.0. Руководство пользователя [Текст].— СПб.: «Интеграл» — 2003. — 60 с.
3. Теоретические основы и руководство пользователя ЭПК «Zone» [Текст] / Под ред. д-ра физ.-мат. наук
A.C. Гаврилова. — СПб.: Гидрометеоиздат, 1992. — 166 с.
4. Киселев, A.B. Методические рекомендации по оценке риска здоровью населения от загрязнения атмосферного воздуха [Текст] /A.B. Киселев, J1.А. Сава-теева.— СПб.: «Дейта», 1996.— 54 с.
5. Методика расчета количественных характеристик выбросов загрязняющихвеществ в атмосферу от полигонов твердых бытовых и промышленных отходов (издание дополненное и переработанное) [Текст] / Научно-производственное предприятие «Экопром» идр.-М., 2004.-20 с.
Рис. 4. Загрязнение атмосферного воздуха диоксинами при пожаре на участках полигона площадью Юм2 (а) и площадью 100 м2 (б)
УДК 621.396.67
Ю.М. Бал агул а, В.Н. Воронин, Н.В. Коровкин
РЕГИСТРАЦИЯ ДВИГАТЕЛЬНОЙ АКТИВНОСТИ ЖИВЫХ ОРГАНИЗМОВ ДЛЯ РЕШЕНИЯ ЗАДАЧ ЭЛЕКТРОМАГНИТНОЙ ЭКОЛОГИИ
В связи с интенсивным развитием средств мость электромагнитной экологии как раздела связи и все большим проникновением электри- дисциплины «Электромагнитная совмести -ческих приборов в быт людей возрастает значи- мость» (ЭМС), занимающегося оценкой влия-
ния электромагнитных полей (в первую очередь антропогенных) на живые организмы. Одно из направлений исследований электромагнитной экологии состоит в выявлении поведенческой реакции животных на электромагнитные воздействия различного вида и интенсивности.
В лаборатории электрофизики естественных экосистем (кафедра экологических основ природопользования инженерно-строительного факультета СПбГПУ) под руководством проф. В.В. Александрова в течение ряда лет проводилась работа по изучению влияния слабых электромагнитных полей на рыб, при этом в качестве показателя физиологического состояния рыб принята их двигательная активность. С появлением доступных по цене видеокамер, компьютеров и средств оцифровки изображения стал активно использоваться метод визуальной экспертной оценки двигательной активности рыб по видеоматериалам. В рамках этого метода производится видеозапись аквариума с рыбами при наличии воздействия и без него, а оценку двигательной активности проводит специально обученный эксперт-ихтиолог.
Достоинством этого подхода по сравнению с инструментальными методами можно считать то, что эксперт способен более полно характеризовать поведение рыб и ухватить нюансы двигательной активности в самых разных ее аспектах. Недостаток же заключается в субъективизме эксперта и дороговизне его работы.
Дальнейшее интенсивное развитие и удешевление вычислительной техники и аппаратуры видеозаписи позволило ставить задачу разработ-
ки метода оценки двигательной активности рыб на основе компьютерного анализа видеоизображений, т. е. без непосредственного участия эксперта, но посредством математических методов.
Разработанная авторами методика обеспечивает объективную автоматизированную оценку двигательной активности рыб за заданные периоды времени. Объективность оценки означает, что она не зависит от субъективных факторов, вносимых наблюдателем. Автоматизация имеет целью минимизировать участие человека на всех этапах получения и обработки данных. Принцип, на котором основан метод видеорегистрации двигательной активности рыб, проиллюстрирован на рис. 1.
Структура метода регистрации выглядит следующим образом (рис. 2):
На первом этапе производится запись видеоизображения в течение заданного промежутка времени (на рис. 2 этому соответствует блок «Получение видеоизображения»). Результатом этого этапа является файл видеоданных (фильм), хранящийся на жестком диске компьютера.
Второй этап заключается в математической обработке фильма с целью получения первичной кривой двигательной активности (ДА) и других данных о движении рыб. Первичная кривая ДА — временной ряд чисел, характеризующий интенсивность движения рыб в каждый момент времени (блок «Обработка видеоизображения» на рис. 2).
На третьем этапе происходит математическая обработка первичной кривой ДА для выявления различных характеристик двигательной
Рис. 1. Метод регистрации двигательной активности рыб по видеозаписям:
1 — компьютер, осуществляющий видеозахват и обработку данных, а также управление электромагнитным воздействием; 2— иБВ-интерфейс или плата видеозахвата; 3— веб-камера или видеокамера; 4— аквариум; 5— биологический объект, подвергаемый электромагнитному воздействию; 6 — кольца Гельмгольца или другой источник электромагнитного воздействия
Получение видеоизображения
Фильм
Обработка видеоизображения
Временной ряд
Обработка временного ряда
Числовые данные
Интерпретация
Рис. 2. Структура метода регистрации
активности рыб — спектральный анализ для выявления периодичностей, статистический, корреляционный анализ и т. д. (на рис. 2 блок «Обработка временного ряда»).
Задача четвертого этапа — оценивание того, насколько измеренные характеристики ДА для данного промежутка времени отклоняются от нормы, т. е. какова ДА рыб для исследуемого интервала времени — аномальная или нормальная, повышенная или пониженная. Эта оценка должна производиться на основе статистики наблюдений (блок «Интерпретация» на рис. 2).
Чтобы сформировать временной ряд, характеризующий интенсивность движения группы рыб, предложено использовать величину, которую можно назвать «вес кадра разности». Для ее вычисления производится вычитание двух следующих друг за другом кадров, т. е. поэлементное вычитание матриц, в которых пикселям, составляющим изображения рыб, соответствуют единичные элементы, остальное — нули. На результирующем кадре (кадр разности) неподвижные объекты исчезнут (соответствующие элементы матрицы обратятся в ноль) и вследствие сдвига изображения рыбы образуются элементы, заполненные единицами — «1» и «—1». Далее подсчитывается число элементов матрицы, содержащих «1» и «—1», т. е. число заполненных пикселей на кадре разности. Очевидно, что это число будет тем больше, чем больше рыба сдвинется. Следовательно, зависимость числа заполненных точек на картинках, полученных вычитанием двух последовательных кадров, от времени численно характеризует двигательную активность рыб, при этом охватываются различные ее аспекты — не только поступательное движение, но и дыхательные движения, шевеления хвостов, плавников и т. п. Эта характеристика может быть использована как для группы рыб, так и для одиночной рыбы. Для ее корректного определения необходимо, чтобы за время между
двумя кадрами рыба успевала смещаться на расстояние значительно меньшее ее собственной длины, что для золотых рыбок, используемых в эксперименте, легко обеспечивается при частоте 5—10 кадров в секунду.
Таким образом, созданный программно-аппаратный комплекс видеорегистрации обеспечивает получение временного ряда, характеризующего двигательную активность рыб. Этот ряд может быть проанализирован различными методами для получения интегральной характеристики ДА рыб за исследуемый интервал времени. Один из наиболее адекватных для этого методов — фрактальный анализ временных рядов, ранее в похожей постановке задачи использованный авторами для диагностики состояния дуговой сталеплавильной печи [ 1].
Фрактальный анализ как метод исследования различных математических множеств основан на идеях фрактальной геометрии, разработанной Б. Мандельбротом. Фрактал — это геометрический объект сложной формы. Его главное свойство — самоподобие — состоит в том, что любая часть данного объекта в некотором математическом смысле подобна целому. Количественной характеристикой фрактала, его мерой, служит фрактальная размерность. Теория фракталов разработана также и для временных рядов, обладающих соответствующими свойствами; созданы специфические методы нахождения фрактальных размерностей самоподобных временных рядов [2]. Наиболее удобный, с точки зрения авторов, подход основан на традиционном гармоническом анализе. В [3] показано, что спектральная плотность мощности фрактального временного ряда представляет собой степенную функцию от частоты. Тогда спектральная размерность р вводится как показатель степени этой функции — зависимости спектральной плотности мощности временного ряда от частоты/:
~ГВ-
Рис. 3. Фрактальный анализ временного ряда двигательной активности
Из этого выражения следует, что ß есть тангенс угла наклона прямой, аппроксимирующей кривую спектра мощности временного ряда, построенного в двойном логарифмическом масштабе.
Эксперименты показали, что временные ряды двигательной активности рыб, полученные по вышеописанной методике, обладают фрактальными свойствами. Следовательно, для них можно, применив быстрое преобразование Фурье (FFT), рассчитать спектральную размерность и использовать ее как интегральную характеристику двигательной активности. Пример полученного временного ряда и его фрактального анализа приведен на рис. 3.
В процессе отработки предлагаемого метода регистрации двигательной активности рыб были сняты и проанализированы видеозаписи поведения рыб в отсутствие электромагнитного воздействия. Результаты фрактального анализа полученных временных рядов двигательной активности приведены в таблице.
При разработке метода видеорегистрации двигательной активности рыб с применением фрактального анализа временных рядов были решены следующие задачи:
построение программно-аппаратного комплекса, обеспечивающего (при необходимости) непрерывный видеозахват и анализ двигательной
Спектральные размерности временных рядов двигательной активности рыб
Дата съемки Длительность, мин Примечание Спектральная размерность
19.11.03 10 0,53
26.11.03 60 0,49
26.11.03 30 0,46
03.12.03 20 после смены воды 0,47
10.12.03 10 0,49
16.12.03 20 после кормления 0,56
активности (то есть математическую обработку изображений) в режиме реального времени;
выявление наилучших с точки зрения последующей обработки изображений условий съемки (фон, освещение ит. п.);
подбор аппаратуры (компьютер, веб-камера), обеспечивающей приемлемое качество видеозахвата и математической обработки и обладающей при этом минимальной стоимостью;
подбор и разработка программного обеспечения для осуществления видеозахвата
и математической обработки; оптимизация характеристик программно-аппаратного комплекса;
выявление оптимальных алгоритмов обработки сигналов, фрактального анализа и других видов анализа временных рядов двигательной активности;
получены значения фрактальной размерности временных рядов двигательной активности рыб в нормальном состоянии, т. е. в отсутствие электромагнитного воздействия.
СПИСОК ЛИТЕРАТУРЫ
1. Balagula, Y. The use of fractal analysis for quantifying the dynamic arc characteristics [Текст] / Y. Balagula, N. Korovkin, M. Sakulin, H. Renner // Сб. науч. докл. V междунар. симпозиума по электромагнитной совместимости и электромагнитной экологии ОМС). 2003 / СПбГЭТУ- 16-19 сентября 2003,-Санкт-Петербург- СПб., 2003,- С. 39-42.
2. Мандельброт, Б. Фрактальная геометрия природы [Текст] / Б. Мандельброт,— М.: Институт компьютерных исследований, 2002,— 656 с.
3. Кроновер, P.M. Фракталы и хаос в динамических системах. Основы теории [Текст] / P.M. Кроновер,— М.: Постмаркет, 2000,— 352 с.
УДК 502.21 1:582: 330.101.541
АЛ. Филимонов
КОРРЕЛЯЦИОННЫЙ АНАЛИЗ ГЛОБАЛЬНОЙ СЕТИ БОТАНИЧЕСКИХ САДОВ
Глобальная сеть ботанических садов в настоящее время развивается беспрецедентными темпами, однако в разных странах и регионах этот процесс протекает неодинаково [45]. Так, в частности, обращает на себя внимание преимущественная концентрация данных учреждений в областях с относительно низким видовым разнообразием растительности. Указанный феномен принято объяснять следствием исторических процессов, суть которых все еще остается предметом дискуссий [27, 29,37,40].
Вместе с тем опубликованы результаты исследований, свидетельствующие о возможной взаимосвязи числа ботанических садов и состава их коллекций с различными демографическими и макроэкономическими показателями [3,23,32].
С учетом изложенного интересно оценить зависимость между общим количеством ботанических садов и уровнем индикаторов, характе-
ризующих состояние экономики, а также сохранность лесных массивов и видового состава флоры в различных странах мира.
Материалы и методы
В процессе написания статьи мы использовали информацию, размещенную на сайтах Международного совета ботанических садов по охране растений (Botanic Gardens Conservation International, BGCI), ООН, ЦРУ, Мирового банка и др. При этом установление количества существующих на данный момент ботанических садов было сопряжено с рядом трудностей.
Прежде всего они связаны с отсутствием единства в вопросе о том, что представляет собой ботанический сад [35]. Несмотря на длительные дискуссии и обилие предлагавшихся формулировок, эта проблема до сих пор не утратила своей актуальности [46].
