Комплексные проблемы техносферной безопасности. материалы V Международной научно-практической конференции. Колодяжный С.А

Оценка влияния условий оптической маскировки по истинному контрасту объекта на фоне земной поверхности (Ко) на НПДВ малоразмерных целей представлены на рисунке 4 ее зависимостью от горизонтальной дальности видимости обнаружения малоразмерной цели. Анализ влияния оптической маскировки позволяет сделать вывод, что при одних и тех же метеорологических условиях полетная дальность видимости малозаметных (Ко = 0,2) малоразмерных объектов в 2 раза меньше чем дальность видимости резко заметных (Ко =0,9) малоразмерных объектов. При подготовке статьи были рассмотрены работы [4-18].

Достоверность методики оценки НПДВ основана на данных экипажей-разведчиков погоды, имеющих опыт оценки НПДВ малоразмерных объектов при различных типах распределения горизонтальной видимости под облаками на полигонах с обстоятельной аргументацией принятых допущений и ограничений.

Таблица 1

Таким образом, разработанная методика оценки НПДВ малоразмерных объектов при различных типах распределения горизонтальной видимости под облаками позволяет повысить качество метеорологического обеспечения.

Литература

1.Дорофеев В.В., Бакланов И.О., Степанов А.В., Жильчук И.А., Ковалёв В.И. Полетная видимость. Монография. Воронеж, Воронежский ЦНТИ, 2013. 250 с.

2.Наставление по метеорологическому обеспечению гражданской авиации России (НМО ГА–95). М.: Федеральная служба России по гидрометеорологии и мониторингу окружающей среды. Министерство транспорта России. 1995. 156 с.

3.Федеральные авиационные правила полетов в воздушном пространстве Российской Федерации (ФАПП-2002). М. Воениздат, 2002. 45 с.

4.Квасов, И.С. Статическое оценивание состояния трубопроводных систем на основе функционального эквивалентирования / И.С. Квасов, М.Я. Панов, С.А. Сазонова // Известия высших учебных заведений. Строительство. - 2000. - № 4. - С. 100-105.

5.Сазонова, С.А. Статическое оценивание состояния систем теплоснабжения в условиях информационной неопределенности / Сазонова С.А. В сборнике: Моделирование систем и информационные технологии сборник научных трудов. Составтиели: И. Я. Львович, Ю. С. Сербулов. Москва, 2005. - С. 128-132.

6.Квасов, И.С. Энергетическое эквивалентирование больших гидравлических систем жизнеобеспечения городов / И.С. Квасов, М.Я. Панов, В.И. Щербаков, С.А. Сазонова // Известия высших учебных заведений. Строительство. - 2001.- № 4. - С. 85-90.

7.Сазонова, С.А. Решение задач обнаружения утечек систем газоснабжения и обеспечение их безопасности на основе методов математической статистики / С.А. Сазонова // Вестник Воронежского института высоких технологий. - 2015. - №14. – С. 51-55.

470

8.Звягинцева, А.В. Моделирование процессов и совершенствование мероприятий по улучшению условий труда на горно-обогатительном комбинате / А.В. Звягинцева, С.А. Сазонова, В.Ф. Асминин // Моделирование систем и процессов. - 2019. - Т. 12. - № 2. - С. 10-16.

9.Звягинцева, А.В. Моделирование неорганизованных выбросов пыли и газов в атмосферу при взрывных работах на карьерах горно-обогатительных комбинатов / А.В. Звягинцева, С.А. Сазонова, В.В. Кульнева // Моделирование систем и процессов. - 2019. - Т. 12. - № 2.

-С. 17-25.

10.Звягинцева, А.В. Моделирование процессов и разработка мероприятий по сокращению пылегазовыделения на карьерах горно-обогатительного комбината / А.В. Звягинцева, С.А. Сазонова, В.В. Кульнева // Моделирование систем и процессов. - 2019. - Т. 12. - № 2. -

С. 26-32.

11.Асминин, В.Ф. Функциональные и конструктивные особенности облегченных звукоизолирующих панелей / В.Ф. Асминин, Е.В. Дружинина, С.А. Сазонова, Д.С. Осмоловский // Вестник Воронежского института высоких технологий. - 2019. - № 2 (29). - С. 4-7.

12.Иванова, В.С. Физическое моделирование аппарата пылеочистки скруббер Вентури для улучшения условий труда на производствах / В.С. Иванова, С.Д. Николенко, С.А. Сазонова, В.Ф. Асминин // Моделирование систем и процессов. - 2019. - Т. 12. - № 1. - С. 48 -55.

13.Звягинцева, А.В. Мониторинг стихийных бедствий конвективного происхождения по данным дистанционного зондирования с метеорологических космических аппаратов: монография / А.В. Звягинцева, А.Н. Неижмак, И.П. Расторгуев. Воронеж: ФГБОУ ВПО «Воронежский государственный технический университет», 2013. - 162 с.

14.Звягинцева, А.В. Прогнозирование опасных метеорологических явлений в определении характера и масштабов стихийных бедствий»: монография под общ. ред. И.П. Расторгуева / А.В. Звягинцева, И.П. Расторгуев, Ю.П. Соколова. Воронеж: ГОУВПО «ВГТУ»,

2009. - 247 с.

15.Власов, Н.М. Математическое моделирование водородной проницаемости металлов: монография / Н.М. Власов, А.В. Звягинцева. - Воронеж: ВГТУ, 2012. - 247 с.

16.Звягинцева, А.В. Структурные и примесные ловушки для точечных дефектов: монография / А.В. Звягинцева. Воронеж: ФГБОУ ВО «Воронежский государственный технический университет», 2017. 180 с.

17.Zvyagintseva, A.V. Increase of solubility of hydrogen in electrolytic alloys NI-B / A.V. Zvyagintseva, Y.N. Shalimov // NATO Science for Peace and Security Series C: Environmental Security. - 2011. - Т. 2. - С. 519-528.

18.Zvyagintseva, A.V. Laws of diffusion of hydrogen in electrolytic alloys on the basis of nickel / A.V. Zvyagintseva, Y.N. Shalimov // NATO Science for Peace and Security Series C: Environmental Security. - 2011. - Т. 2. - С. 529-534.

ФГКВОУ ВПО «Военный учебно-научный центр Военно-воздушных сил «Военновоздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина», г. Воронеж

V. V. Dorofeev, A. V. Stepanov, Y. M. Podguzov, N. Mmm. Bibolov.

THE METHOD OF ESTIMATING THE VISUAL RANGE OF SMALL OBJECTS FOR CREWS, PERFORMING SEARCH AND RESCUE OPERATIONS

Demonstrated a technique that allows to estimate the inclined flight range, maloros-dimensional objects under different types of distribution of horizontal visibility below the clouds, using mathematical models: model horizontal visibility to detect small object and the model of an inclined flight range of visibility for different types of distribution of horizontal visibility below the clouds.

Key words: inclined flight range of visibility, horizontal range of visibility, small object, search and rescue work.

Federal State Official Military Educational Institution of Higher Professional Education Military Educational Research Centre of Air Force «Air Force Academy named

after professor N.E. Zhukovsky and Yu.A. Gagarin», Voronezh

471

УДК 004.932

Ю. Каленчиц, В. Свищо

МЕТОДЫ АВТОМАТИЗИРОВАННОГО ДЕШИФРИРОВАНИЯ ДАННЫХ, ПОЛУЧЕННЫХ В ПРОГРАММНОМ КОМПЛЕКСЕ AGISOFTPHOTOSCAN

Рассмотрены методы автоматизированной обработки данных с использованием программного комплекса AgisoftPhotoScan в совокупности с способами определения объектов по контурам, что позволяет значительно упростить процесс обработки материалов воздушной разведки, а так же более эффективно производить дешифрирование полученных изображений и повысить оперативность воздушной разведки.

Ключевые слова: обработка данных, дешифрирование, контуры объектов, agisoftphotoscan, автоматизированная обработка.

На сегодняшний день быстрое развитие цифровых технологий привело к внедрению их в военное дело. В частности, цифровые технологии позволили разрабатывать автоматизированные системы управления разведкой и обработки получаемых данных. Как показывает опыт войн последних десятилетий, существует необходимость повышения уровня оперативности и достоверности анализа разведывательных данных. Так, локальная война многонациональных сил против Ирака (1991 год) вскрыла значительные недостатки в сфере распределения разведданных и передачи информации. За период боевых действий вооруженные силы США и их союзники обработали около сорока миллионов отснятых разведывательных снимков. Для получения оперативной информации на основе анализа снимков после проявления аэрофотоплёнок и использования этой информации для планирования боевых операции было необходимо около суток. За это время боевая обстановка, естественно, изменялась, поэтому информация, получаемая от воздушной разведки, практически становилась бесполезной[1]. Известно, что аэрофотоснимки и фотодокументы, которые не удалось использовать своевременно для принятия решения, имеют лишь историческую ценность.

Учитывая тот факт, что оптическая воздушная разведка (ОВР) продолжает оставаться наиболее эффективным способом разведки в интересах всех видов вооруженных сил [2], высокоскоростная и результативная обработка данных, полученная на её основе, является актуальным направлением в военной науке.

В настоящее время роль человека системе обработки данных ОВР остаётся значительной. Несмотря на то, что развитие информационных и электронных технологий позволило получать разведданные в режиме реального времени, обработка же происходит с участием человека. Система обработки данных ОВР состоит из следующих этапов:

1.Получение разведданных в виде аэрофотоснимков;

2.Процесс дешифрирования аэрофотоснимков;

3.Составление фотосхемы с результатами дешифрирования.

Такая система имеет много недостатков,главным из которых является значительное время обработки материалов ОВР.

Автоматизированная система, основанная на программном обеспеченииAgisoftPhotoscan,имеетвозможность обрабатывать данные ОВР в автоматическом режиме с высокой скоростью. Результатом такой обработки является карта высот (рисунок 1, а)), и ортофотоплан (рисунок2, б)) исследуемой территории.

На карте высот градиентом цвета от черного к белому представляется рельеф местности. Ортофотоплан представляется в виде аэрофотографии местности высокого разрешения сделанной в надир.При обработке аэрофотоснимков в данной системе, результаты обработки(ортофотоплан и карта высот) в совокупности с аэрофотоснимкамив инфракрасном диапазоне (рисунок2) позволяют выявлять дополнительные дешифровочные параметры, которые могут быть скрыты на обычных аэрофотоснимках.Однако сам процесс дешифрирования остаётся под контролем человека.

_________________________________

© Каленчиц Ю., Свищо В., 2019

472

4) Определение характеристик опознанных объектов; С точки зрения физиологических основ дешифрирование снимков представляет собой

процесс, в ходе его человек сосредоточивает свое внимание поочередно на различных частях снимка и различных свойствах объектов. Этот процесс повторяется многократно до полного извлечения информации.Результат распознавания объектов зависит от многих типов восприятия человека, таких как логическое, стереоскопическое, восприятия геометрических размеров. Человеческий фактор в таком случае играет немаловажную роль. При увеличении количества и масштабов изображений, а также количества дешифровочных параметров, возрастает вероятность ошибки.

Совершенствованиеинформационных и электронно-вычислительных технологий задаёт несколько направлений в развитии способов цифровой обработки изображений с целью обнаружения, распознавания и классификации объектов и участков аэрофотоснимка, таких как:

–способраспознавания при сопоставлении изображений с эталоном;

–способ распознавания с помощью нейронных сетей;

–способ распознавания объектов на изображении по характерным точкам (при этом способ получения характерных точек может отличаться).

Способ распознавания при сопоставлении изображений с эталоном основывается на нахождении одинаковых точек интереса. Данный способ имеет ряд недостатков. К ним можно отнести как время вычисления, так и большое значение погрешности при сопоставлении.

Способ распознавания объектов на изображении с помощью нейронных сетей, схож со способом распознавания объектов на изображении по характерным точкам. Различие заключается в том, что распознание объектов происходит ступенчато, начиная с крупных и заканчивая мелкими. Кроме того, главным отличием является обучаемость нейронных сетей в распознавании различных типов объектов в зависимости от их свойств. Исходя из того, что одним из важнейших критериев эффективности дешифрирования является время, затраченное на это выявление, то в данном случае обучаемость может стать причиной увеличении этого времени. Следовательно, такое отличие становится недостатком.

Способ распознавания объектов на изображении по характерным точкам, а именно выделение контуров (сегментация) основывается на [3].

При сегментации ортофотоплана для достижения наилучшего результата распознавания объектов возможно применять несколько методов обработки изображения. В частности для анализа текстурных областей изображения (растительный покров) можно применять следующие методы:

–статистические методы анализа;

–структурные методы анализа;

–фрактальные методы анализа;

–комбинированные методы анализа.

Из представленных методов для сегментации текстурированных областей ортофотоплана местности наиболее подходят статистический текстурный анализ и фрактальный метод анализа текстур. Вычисляемые признаки решают задачи по сегментации текстур с близкими значениями яркостных и структурных свойств. Особенностью фрактального метода анализа основан на том, что текстура представляется как фрактал [4].

Объекты,частично или полностью скрытые в результате умышленной маскировки человеком или естественной маскировки растительностью, являются частью текстурированной области и предложенные методы позволяют проводить их сегментацию. Недостатком жевышеописанных методов является их высокая вычислительная сложность.

Для анализа водоёмов подходит метод сегментации цветных (RGB) изображений [5]. Этот же метод подходит для выделения контуров объектов на карте высот.

Для выявления объектов в виде зданий, сооружений и прочей инфраструктуры, а также объекты военной техники на ортофотопланевоз можно применение методов выделения контуров: алгоритмы Собеля, Прюитта, Робертса, Канни, Лапласиана Гаусса, алгоритмы EM и OSTU. Наиболее подходящим методом будет алгоритм Канни. Достоинством данного алго-

474

ритма является его наибольшая результативность при выделении большого количества малых объектов в сравнении с другими алгоритмами [6]. Применение методов выделения контуров также целесообразно для карты высот с выделенными контурными изолиниями (рисунок3).

Рис. 3. Карта высот с выделенными контурными изолиниями

В этом случае выделение контуров и дешифрирование объектов займёт меньше времени, чем для ортофотоплана.

Детектирование объектов на аэрофотоснимках, сделанных в инфракрасном диапазоне возможно градиентным способом выделения контуров на матрице полутонового изображения. Данный метод даёт хорошие результаты при распознавании светлых объектов на тёмном фоне. Градиентный способ выделения объектов по принципу действия схож с методом сегментации цифровых изображений. Недостатком данного способа является большое время вычисления контуров. Для инфракрасных снимков равным образом будет приемлемо использовать модифицированный метод обхода контура [7]. Данный метод по принципу оконтуривания схож с двумерными дискретными дифференцирующими методами выделения контуров – алгоритмы Собеля, Канни, Прюитта и другими.Модификация метода «обхода контуров» сводится к введению проверки на диагональные подряд идущие элементы и возможность оконтуривание сквозных участков внутри объекта. К достоинствам алгоритма можно отнести его простоту и последовательную реализацию.

Все вышеописанные методы проводят выделение контуров тех или иных объектов и участков в зависимости от их типа, следовательно, по выделенным контурам возможно проведение сличения выявленных объектов с эталонами. При данных условиях достоинством способа распознавания объектов на изображении по характерным точкам будет его минимальная погрешность в дешифрировании. При подготовке статьи были рассмотрены работы [8-26].

Исходя из вышеописанного, можно сделать вывод, что для обработки выходных данных программного обеспечения AgisoftPhotoscan (карты высот и ортофотоплана), а также аэрофотоснимков в инфракрасном диапазоне, необходима комплексная система. В ней распознавание объектов предлагается организовывать на основе параллельных вычислений, применяя наиболее эффективные методы обработки изображений индивидуально для каждого типа изображения и объекта. После завершения дешифрирования, полученные результаты можно совместить в одно изображение, которое предоставляется оператору-дешифровщику для принятия окончательного решения относительно достоверности обработки аэрофотоснимка автоматизированной системой. Оценивая эффективности системы комплексного дешифрирования, необходимо учитывать время обработки изображений, а также совокупность показателей полноты и достоверности дешифрирования по каждому типу объектов снимка.

475

Литература

1.Мосов С. П. Аэрокосмическая разведка в современных военных конфликтах: монография / С. П. Мосов. К.: Изд. Дом «Румб», 2008. 248 с.

2.Вельцер В. Аэроснимки в военном деле / В. Вельцер; [пер. с нем. Л.А. Молчано-

вой]. – М.: Воениздат, 1990. 288 с.

3.Фурман Я. А., Кревецкий А. В., Леухин А. Н., Передреев А. К. Введение в контурный анализ и его приложения к обработке изображений и сигналов. М.: Физматлит, 2003. 592 с.

4.Фисенко В. Т. Фрактальные методы сегментации текстурных изображений.М.: Приборостроение, 2013. Т. 56 №5. С. 63-70.

5.Журавель И. М. Краткий курс обработки изображений.Градиентный метод выделения контуров на цветных изображениях [Электронный ресурс] // URL: http://matlab.exponenta.ru/imageprocess/book2/64.php (дата обращения 26.04.2018).

6.RamadeviY., SrideviT., PoornimaB., KalyaniB. Сегментация изображения и распо-

знавания объектов на основе технологии выделения контуров //Международный журнал компьютерных наук и информационных технологий (IJCSIT) [пер. с англ. Е.В. Витковская] –

2010 –Т. 2, № 6.

7.Логинов И. Д. Обработка и сегментация тепловизионных изображений // Международный научный журнал «Молодой учёный». – 2017 – №13 (147). – С. 62-71.

8.Сазонова, С.А. Информационная система проверки двухальтернативной гипотезы при диагностике утечек и обеспечении безопасности систем газоснабжения / С.А. Сазонова // Вестник Воронежского института высоких технологий. - 2015. - №14. – С. 56-59.

9.Сазонова, С.А. Обеспечение безопасности функционирования систем газоснабжения при реализации алгоритма диагностики утечек без учета помех от стохастичности потребления / С.А. Сазонова // Вестник Воронежского института высоких технологий. - 2015. -

№14. – С. 60-64.

10.Сазонова, С.А. Методы обоснования резервов проектируемых гидравлических систем при подключении устройств пожаротушения / С.А. Сазонова // Вестник Воронежского института ГПС МЧС России. - 2015. - № 4 (17). - С. 22-26.

11.Сазонова С.А. Управление гидравлическимим системами при резервировании и обеспечении требуемого уровня надежности / С.А. Сазонова // Вестник Воронежского института высоких технологий. - 2016. - №1(16). - С. 43-45.

12.Звягинцева, А.В. Моделирование процессов и совершенствование мероприятий по улучшению условий труда на горно-обогатительном комбинате / А.В. Звягинцева, С.А. Сазонова, В.Ф. Асминин // Моделирование систем и процессов. - 2019. - Т. 12. - № 2. - С. 10-16.

13.Звягинцева, А.В. Моделирование неорганизованных выбросов пыли и газов в атмосферу при взрывных работах на карьерах горно-обогатительных комбинатов / А.В. Звягинцева, С.А. Сазонова, В.В. Кульнева // Моделирование систем и процессов. - 2019. - Т.

12.- № 2. - С. 17-25.

14.Звягинцева, А.В. Моделирование процессов и разработка мероприятий по сокращению пылегазовыделения на карьерах горно-обогатительного комбината / А.В. Звягинцева, С.А. Сазонова, В.В. Кульнева // Моделирование систем и процессов. - 2019. - Т. 12. - № 2. -

С. 26-32.

15.Асминин, В.Ф. Функциональные и конструктивные особенности облегченных звукоизолирующих панелей / В.Ф. Асминин, Е.В. Дружинина, С.А. Сазонова, Д.С. Осмоловский // Вестник Воронежского института высоких технологий. - 2019. - № 2 (29). - С. 4-7.

16.Иванова, В.С. Физическое моделирование аппарата пылеочистки скруббер Вентури для улучшения условий труда на производствах / В.С. Иванова, С.Д. Николенко, С.А. Сазонова, В.Ф. Асминин // Моделирование систем и процессов. - 2019. - Т. 12. - № 1. - С. 48 -55.

17.Звягинцева, А.В. Мониторинг стихийных бедствий конвективного происхождения по данным дистанционного зондирования с метеорологических космических аппаратов: мо-

476

нография / А.В. Звягинцева, А.Н. Неижмак, И.П. Расторгуев. Воронеж: ФГБОУ ВПО «Воронежский государственный технический университет», 2013. - 162 с.

18.Звягинцева, А.В. Прогнозирование опасных метеорологических явлений в определении характера и масштабов стихийных бедствий»: монография под общ. ред. И.П. Расторгуева / А.В. Звягинцева, И.П. Расторгуев, Ю.П. Соколова. Воронеж: ГОУВПО «ВГТУ»,

2009. - 247 с.

19.Власов, Н.М. Математическое моделирование водородной проницаемости металлов: монография / Н.М. Власов, А.В. Звягинцева. - Воронеж: ВГТУ, 2012. - 247 с.

20.Звягинцева, А.В. Структурные и примесные ловушки для точечных дефектов: монография / А.В. Звягинцева. Воронеж: ФГБОУ ВО «Воронежский государственный технический университет», 2017. 180 с.

21.Zvyagintseva, A.V. Increase of solubility of hydrogen in electrolytic alloys NI-B / A.V. Zvyagintseva, Y.N. Shalimov // NATO Science for Peace and Security Series C: Environmental Security. - 2011. - Т. 2. - С. 519-528.

22.Zvyagintseva, A.V. Laws of diffusion of hydrogen in electrolytic alloys on the basis of nickel / A.V. Zvyagintseva, Y.N. Shalimov // NATO Science for Peace and Security Series C: Environmental Security. - 2011. - Т. 2. - С. 529-534.

23.Звягинцева, А.В. Моделирование воздействия ртутьсодержащих отходов объектов техносферы на окружающую среду и разработка мероприятий по охране атмосферного воздуха / А.В. Звягинцева, С.А. Сазонова, В.В. Кульнева // Моделирование систем и процессов.

-2019. - Т. 12. - № 3. - С. 17-26.

24.Звягинцева, А.В. Моделирование техногенного воздействия ТЭЦ на окружающую среду и разработка инженерно-технических природоохранных мероприятий / А.В. Звягинцева, С.А. Сазонова, В.В. Кульнева // Моделирование систем и процессов. - 2019. - Т. 12. - № 3.

-С. 27-34.

25.Звягинцева, А.В. Оценка процесса техногенного загрязнения атмосферы объектами теплоэнергетики и разработка инженерно-технических природоохранных мероприятий / А.В. Звягинцева, С.А. Сазонова, Н.В. Мозговой // Моделирование систем и процессов. - 2019. - Т. 12. - № 3. - С. 34-41.

26.Сазонова, С.А. Математическое моделирование параметрического резерва систем теплоснабжения с целью обеспечения безопасности при эксплуатации / С.А. Сазонова, С.Д. Николенко, А.В. Звягинцева // Моделирование систем и процессов. - 2019. - Т. 12. - № 3. -

С. 71-77.

ФГКВОУ ВПО «Военный учебно-научный центр Военно-воздушных сил «Военновоздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина», г. Воронеж

U. Kalenchic, V. Svicho

METHODS OF AUTOMATED DATA PROCESSING, RECEIVED

IN THE PROGRAM COMPLEX AGISOFT PHOTOSCAN

The methods of automated data processing using the AgisoftPhotoScan software package in combination with the methods for determining the objects along the contours are considered, which makes it possible to considerably simplify the process of processing air reconnaissance materials, and more efficiently to produce low-cost images and to speed up aerial reconnaissance.

Key words: data processing, decryption, object contours, agisoftphotoscan, automated processing.

Federal State Official Military Educational Institution of Higher Professional Education Military Educational Research Centre of Air Force «Air Force Academy named

after professor N.E. Zhukovsky and Yu.A. Gagarin», Voronezh

477

УДК 551.586

А.Н. Маслобойщиков

АНАЛИЗ СОВМЕСТНОГО ИСПОЛЬЗОВАНИЯ ГЕОФИЗИЧЕСКИХ И МЕТЕОРОЛОГИЧЕСКИХ ФАКТОРОВ ДЛЯ ОЦЕНКИ СРЕДЫ ОБИТАНИЯ ЧЕЛОВЕКА

Многовековая история влияния метеорологических и геофизических факторов на жизнедеятельность человека исключительно сложный и многообразный процесс, который определяется, прежде всего, сложностью самих объектов изучения, какими являются окружающая атмосфера и организм человека.

Ключевые слова: геофизические и метеорологические факторы, жизнедеятельность человека.

Исследования влияния различных факторов на жизнедеятельность человека имеет ярко выраженное военно-прикладное назначение [1], полученные результаты позволяют принимать оптимальные решения при организации деятельности военнослужащих, а также для обеспечения безопасности полетов.

Целью исследования является анализ влияния метеорологических и геофизических факторовдля последующей оценки негативного влияния нажизнедеятельность человека в различных районах Европейской территории России (ЕТР).

На основе выполненногоанализа, разработаны рекомендации для объективной оценки негативного влияния на жизнедеятельность человека.

Организм человека постоянно адаптируется к колебаниям, происходящим в окружающей среде. Физиологический процесс предусматривает нормальные реакции организма, вызываемые геофизическими факторами и погодой. Здоровый организм так регулирует на эти реакции, что его самочувствие не ухудшается. В результате возрастных изменений или перегрузок защитные реакции организма ослабевают. В этом случае колебания различных условий могут явиться причиной увеличения нагрузки на организм, а иногда и смертельного исхода. Негативные факторы играют роль «второго удара» и являются достаточно хорошим массовым тестом на состояние здоровья населения.

В различных трудах предлагается много методик оценки влияния негативных факторов на жизнедеятельность человека в данной работе рассматривалось влияние неблагоприятного интегрального воздействия и биометеорологические показатели комфортности.

Информация о неблагоприятных в геофизическом отношении получают из ежемесячного прогноза неблагоприятного интегрального воздействия геофизических факторов, ухудшающих работоспособность, реакции и самочувствие человека, вызывающих сбои и аварии в работе сложных технических систем по месяцам года [2].

Неблагоприятными днями с точки зрения геофизики являются дни с повышенными возмущениями гравитационного поля Земли, которые, в свою очередь, определяются движением и взаимным расположением Солнца и планет. Этот период характеризуется значительными изменениями гравитации, магнитными возмущениями и вычисляется по колебаниям земного притяжения с учетом взаиморасположению Земли, Луны и Солнца.

Влияние неблагоприятных факторов отражается на деятельности нашего организма не только непосредственно, но и косвенно.

Рассчитано общее количество дней с прогнозом неблагоприятного воздействие в период с 2006 по 2016 год и проведен детальный анализ данной проблемы. Найдены по месяцам максимальное и минимальное количество дней, результаты представлены в таблице 1.

Согласно данным представленным в таблице 1 видно, что максимальное количество дней с неблагоприятным интегральным воздействием наблюдается в марте, а минимальное значение дней с влиянием на личный состав в январь и декабрь, а на технические средства в период с апрель по декабрь.

_________________________________

© Маслобойщиков А.Н., 2019

478

Таблица 1 Максимальное и минимальное количество дней влияниемнеблагоприятного интегрального

воздействия(числитель – личный состав, знаменатель – технические средства)

Для оценки дискомфорта, возникающего вследствие влияния метеорологических условий использовался показатель. Радиационной эффективно-эквивалентной температуры который характеризует теплоощущение одетого человека в теплое время года с учетом комплексного воздействия метеорологических факторов и интенсивности солнечной радиации [3].

Оптимальное значение РЭЭТ составляет 18. На основании расчетной формулы и критериальныхзначений построена таблица для оперативной оценки метеорологических условий представленная на рисунке 1.

Рис. 1. Радиционная эквивалентно-эффективная температура при высокой влажности воздуха

479