CC BY
2УДК 004.942
ИНФОРМАЦИОННЫЙ ПРОЦЕСС МОНИТОРИНГА И ПРОГНОЗИРОВАНИЯ ЭФФЕКТИВНОСТИ ОТ ВНЕДРЕНИЯ ЭКОЛОГИЧЕСКИ ОРИЕНТИРОВАННЫХ ТЕХНОЛОГИЙ НА АВТОМОБИЛЬНОМ ТРАНСПОРТЕ
О.В. Ложкина, доктор технических наук, профессор. Санкт-Петербургский университет ГПС МЧС России. В.И. Комашинский, доктор технических наук, доцент. Институт проблем транспорта им. Н.С. Соломенко Российской академии наук
Описывается информационный процесс мониторинга и долгосрочного прогнозирования эффективности от внедрения экологически ориентированных технологий на автомобильном транспорте. Информационный процесс реализуется в трех стратах: первая страта включает исходные информационные базы данных, расчетные модели, прогнозные сценарии; во второй страте производится расчетное прогнозирование; третья страта -когнитивная - страта принятия решений и управляющих воздействий по результатам прогнозной оценки по индикаторным показателям качества воздуха. Разработанный подход был апробирован на примере Санкт-Петербурга.
Ключевые слова: информационный процесс, мониторинг, прогнозирование, автотранспорт, экологически ориентированные технологии
INFORMATION PROCESS FOR MONITORING AND FORECASTING THE EFFECTIVENESS OF ENVIRONMENTALLY FRIENDLY TECHNOLOGIES IN ROAD TRANSPORT
O.V. Lozhkina. Saint-Petersburg university of State fire service of EMERCOM of Russia. V.I. Komashinsky. Solomenko institute of transport problems
The article describes information process for monitoring and long-term forecasting the effectiveness of environmentally friendly technologies in road transport. The information process includes three strata: the first stratum comprises initial information databases, computational models, predictive scenarios; in the second stratum, computational forecasting is performed; the third stratum is the cognitive stratum - the stratum of decision-making and control actions based on the results of air quality forecasting. We have tested the developed approach in Saint-Petersburg.
Keywords: information process, monitoring, forecasting, motor transport, environmentally friendly technologies
Введение
Независимые исследования ученых по всему миру показывают, что в крупных городах с развитой автодорожной инфраструктурой на транспорт приходится более 60 % валовых выбросов парниковых газов (111) и загрязняющих веществ (ЗВ), включая угарный газ (СО), оксиды азота (NOX), диоксид серы (SO2), мелкодисперсные взвешенные частицы РМ10 и РМ2,5 [1-5].
Ревич Б.А. в своей работе [6], основанной на анализе зарубежных исследований, проведенных в Китае, Индии, США, Франции, Германии, Испании, указывает на взаимосвязь
18
между заболеваемостью и смертностью от новой коронавирусной инфекции COVГО-19 и уровнем загрязненности атмосферного воздуха в городах [7-11]. Анализ данных показывает, что вирус COVГО-19 может адсорбироваться на поверхности аэрозольных частиц РМ10 и РМ25 и переноситься таким образом на более значительные расстояния (2-10 м). Кроме того, опасное воздействие мелкодисперсных взвешенных частиц РМ25 провоцирует и/или усугубляет заболевания сердца и легких, нарушение сердечного ритма, астму, снижение легочной функции, респираторные симптомы (кашель, затрудненное дыхание), увеличивая, таким образом, тяжесть исходов коронавирусной болезни для инфицированных. Еще одним опасным фактором, способным оказать неблагоприятное влияние на исход ковидной болезни, наряду с РМ2,5, является загрязнение воздуха диоксидом азота (Ы02). Это вещество вызывает гибель клеток эпителия в легких, воспаление дыхательных путей; является значимым фактором риска развития хронической обструктивной болезни легких, ишемической болезни сердца, гипертонической болезни, диабета и других заболеваний.
Напряженная эпидемиологическая ситуация в крупнейших городах мира по-новому актуализирует проблему повышения экологической безопасности.
Эффективность управления экологической безопасностью существенно зависит от качества мониторинга текущей обстановки и достоверности прогнозирования ситуации в будущем в различных пространственно-временных масштабах (от локальных краткосрочных до глобальных долгосрочных), а также эффективности сбора входных информационных данных, адекватности расчетных моделей, эффективности обработки получаемых больших объемов экспериментально-расчетных данных [12-15].
Целью настоящей работы явилась разработка и апробация на примере Санкт-Петербурга информационного процесса долгосрочного прогнозирования эффективности от внедрения экологически ориентированных технологий на автомобильном транспорте.
Объект, модели, методы исследования и прогнозные сценарии
Характеристика объекта исследования.
В качестве объекта исследования был выбран Санкт-Петербург. Санкт-Петербург является вторым по значению транспортным узлом Российской Федерации, здесь действуют практически все виды городского наземного, водного и подземного транспорта, и вторым субъектом страны по количеству эксплуатируемых автотранспортных средств (АТС), сведения о динамике изменения численности которых в 2010-2020 гг. приведены в табл. 1 (данные обобщены на основе анализа открытых данных, публикуемых в ежегодных сборниках Росстата).
Таблица 1. Динамика изменения количества зарегистрированных АТС в Санкт-Петербурге в 2010-2020 гг.
Год Количество АТС, ед.
легковые автомобили грузовые автомобили автобусы всего
2010 1 462 461 129 043 22 714 1 614 218
2011 1 525 967 138 967 20 965 1 685 899
2012 1 537 473 201 033 22 449 1 760 955
2013 1 741 267 220 067 21 513 1 982 847
2014 1 636 336 213 123 19 838 1 869 297
2015 1 638 183 217 738 20 221 1 876 142
2016 1 676 379 214 003 19 659 1 910 041
2017 1 710 811 223 662 29 798 1 964 271
2018 1 724 410 226 975 20 948 1 972 333
2019 1 744 133 229 764 21 061 1 994 958
2020 1 771 034 231 735 20 951 2 023 720
19
С 2010 по 2020 г. численность автомобильного парка Санкт-Петербурга выросла в 1,2 раза за счет увеличения количества легковых автомобилей и грузовых автомобилей (табл. 1) и по состоянию на 2020 г. достигла 2 023 720 ед.
В табл. 2 приведены сведения о потреблении углеводородных энергоносителей автотранспортом Санкт-Петербурга в 2014-2018 гг. (сведения были получены из открытых источников Петростата).
Таблица 2. Динамика потребления углеводородных энергоносителей автотранспортом Санкт-Петербурга в 2014-2018 гг.
Тип АТС Тип топлива Потребление углеводородного (УВ) топлива, т/год
2014 2015 2016 2017 2018
Легковые Бензин 1065324 1066749 1072126 1078562 1087817
Диз. топливо 47754 48102 48659 48983 49072
СНГ* и СПГ** 1220 1268 1289 1380 1350
Всего 1114298 1116119 1122074 1128925 1138239
Микроавтобусы и автофургоны (< 3,5 т) Бензин 198765 204653 207863 212142 213160
Диз. топливо 89646 89976 90327 90785 91823
СНГ* и СПГ** 965 972 987 1021 1045
Всего 289376 295601 299177 303948 306028
Грузовые и автобусы (>3,5 т) Бензин 28638 29341 29677 30248 30973
Диз. топливо 315664 315989 316774 316982 317498
СНГ* и СПГ** 14322 14759 14889 15128 15595
Всего 358624 360089 361340 362358 364066
Суммарное потребление УВ*** топлива, т/год 1762298 1771809 1782591 1795231 1808333
Суммарное потребление СНГ* и СПГ**, т/год 16567 16 999 17165 17529 17990
Доля СНГ* и СПГ** в суммарном потреблении топлива, % 0,93 0,96 0,96 0,98 0,99
*СНГ - сжатый нефтяной газ; **СПГ - сжиженный природный газ
Анализ данных, приведенных в табл. 2, свидетельствует о том, что доля потребления газового топлива в 2014 и 2018 гг. в суммарном потреблении топлива составила соответственно 0,11 и 0,12 % в сегменте легкового автотранспорта; 0,33 и 0,34 % - в сегменте легкого коммерческого транспорта; 3,99 и 4,28 % - в сегменте тяжелого коммерческого транспорта (грузовики и автобусы). В то же время суммарное потребление углеводородных энергоносителей легковыми автомобилями выросло на 2,1 %, а газа - на 9,6 %, легким коммерческим транспортом (микроавтобусами и автофургонами) - соответственно на 5,4 и 7,6 %, грузовыми автомобилями и автобусами - соответственно на 1,5 и 8,2 %. Полученные результаты, с одной стороны, свидетельствуют о том, что в сегменте легковых АТС доля использования альтернативных видов топлива мала, но в то же время в сегменте крупнотоннажного автотранспорта число АТС, работающих на более экологически чистом газообразном топливе, заметно увеличивается, и это было отражено в прогнозных сценариях.
В официальном отчете Министерства транспорта Российской Федерации за 2020 г. (https://mintrans.gov.ru/ministry/targets/187/191/documents) говорится, что по итогам 2020 г. россияне в общей сложности приобрели 687 новых электромобилей, из них в Санкт-Петербурге - 69 электромобилей. А всего по состоянию на 1 января 2021 г. (по данным аналитического агентства «Автостат») в Северной столице насчитывалось 205 электромобилей.
20
Таким образом, анализ структуры автопарка Санкт-Петербурга по типу используемых энергоносителей показал, что по состоянию на 2021 г. подавляющее большинство автомобилей во всех типовых сегментах (легковые, грузовые, автобусы) оснащено двигателями внутреннего сгорания, работающими на традиционных видах топлива (бензине и дизельном топливе).
В то же время официальная «Транспортная стратегия Российской Федерации на период до 2030 года» предполагает значительное усиление требований к экологичности и энергоэффективности развития транспорта и изменение структуры используемых топливно-энергетических ресурсов в отрасли.
Описание модели исследования.
Структурно-логическая схема разработанного информационного процесса долгосрочного прогнозирования эффективности от внедрения экологически ориентированных технологий на автомобильном транспорте представлена на рис. 1.
Страта 1
Формирование инф. баз данных, моделей, сценариев
Учетные категории ТС
Факторы эмиссии ЗВ
Модель воздействия на локальном уровне
Модель воздействия на мезо-уровне
Модель воздействия на региональном уровне
Страта 2
Прогнозирование по разработанным сценариям (вариантам ._развития)_.
ЛОКАЛЬНЫЙ УРОВЕНЬ
Прогнозный расчет уровня загрязнения воздуха (концентрации ЗВ)
1 Г
МЕЗО-УРОВЕНЬ 1
X
Страта 3 Принятия решений
Оценка эффективности управленческих мероприятий по индикаторным показателям на локальном уровне
РЕГИОНАЛЬНЫЙ УРОВЕНЬ
Расчеты годовых валовых выбросов в атмосферу
Совокупная оценка эффективности управленческих мероприятий по индикаторным показателям на региональном уровне
Сценарии и мероприятия
Обоснование выбора сценариев и мероприятий
г л
ПРИНЯТИЕ
РЕШЕНИИ
У )
Рис. 1. Структурно-логическая схема информационного процесса долгосрочного прогнозирования эффективности от внедрения экологически ориентированных технологий
на автомобильном транспорте
Структурно-логическая модель выстраивается в трех стратах: 1 страта - страта информационных баз данных, включающих сведения о количестве АТС, характеристики автотранспортных потоков, данные о распределении автомобилей по типам двигателей и экологическим классам, расчетные модели и набор прогнозных сценариев; 2 страта -страта расчетного прогнозирования уровня загрязнения атмосферного воздуха по заложенным сценариям с учетом планируемых управленческих и технологических мероприятий; 3 страта - когнитивная страта (страта принятия решений и управляющих воздействий по результатам прогнозной оценки по индикаторным показателям качества воздуха (например, снижению выбросов углекислого газа, оксидов азота, мелкодисперсных взвешенных частиц).
21
Метод исследования.
Расчетное прогнозирование валовых выбросов автотранспорта осуществляли с использованием Европейской методологии COPERT. Ключевым для проведения прогнозирования отличием СОРБЯТ от других расчетных отечественных и зарубежных подходов является скрупулезная детализация АТС по экологическим классам (Евро 0 -Евро 6), типам двигателя, объемам двигателя (для легковых ТС), весу ТС (для легкого коммерческого транспорта (ЛКТ), грузовиков и автобусов), типам используемого источника энергии (бензина, дизельного топлива, СПГ, СНГ, биодизельного топлива, биоэтанола, водорода, электричества), что позволяет в долгосрочной перспективе получить обоснованные оценки положительного эффекта от внедрения экологически ориентированных технологий на автомобильном транспорте.
Сценарии развития автотранспортного комплекса Санкт-Петербурга в долгосрочной перспективе до 2035 г.
При обосновании перспективных сценариев процесса модернизации эксплуатируемого автотранспорта в долгосрочной перспективе до 2035 г. учитывались прогнозные значения социально-экономических показателей региона, обнародованные в официальном документе «Прогноз социально-экономического развития Санкт-Петербурга на период до 2035 года», утвержденном постановлением Правительства Санкт-Петербурга от 14 февраля 2017 г. № 90. Распределение транспортных средств по экологическим классам выполнялось на основе статистического анализа темпов обновления автопарка и сроков введения нормативов на выбросы, а по виду потребляемого энергоносителя (бензин, дизельное топливо, газовое топливо, электричество) - исходя из текущей ситуации и целевых показателей сценариев развития транспортного комплекса согласно Транспортной стратегии. Было рассмотрено три варианта развития автотранспорта:
Сценарий 1 «Базовый» - в основу сценария заложены темпы обновления автопарка по мере ужесточения требований в отношении снижения выбросов и повышения качества традиционных моторных топлив, а также консервативный принцип сохранения доли автотранспорта, работающего на альтернативных энергоносителях, на уровне 1,5-2 %.
Сценарий 2 «Инновационный» подразумевает, что, наряду с реализацией экологических ориентированных мероприятий базового сценария, к 2035 г. доля потребления альтернативных видов энергоносителей достигнет 30 %, а парк автомобилей на 54 % будет состоять из ТС, оснащенных двигателями, работающими на альтернативных источниках энергии. Индикаторы инновационного сценария 2 представлены в табл. 3.
Таблица 3. Индикаторы сценария 2
№ Вид транспорта Ед. изм. 2010 г. 2011 г. 2015 г. 2018 г. 2020 г. 2025 г. 2030 г. 2035 г.
Доля альтернативных видов топлива в суммарном потреблении топлива автотранспортом
1 автомобильный % 0,9 0,9 0,96 0,99 1,0 5 20 30
Доля парка транспортных средств с двигателями, работающими на альтернативных энергоносителях
2 автомобильный | % <1 < 1 <1 < 1 1 7 29 54
Сценарий 3 «Общественный транспорт» подразумевает, что, наряду с базовыми мероприятиями, перевозка пассажиров общественным транспортом к 2035 г. увеличится на 14 % по сравнению с 2010 г., а использование личного автотранспорта пропорционально сократится. Индикаторы сценария 3 отражены в табл. 4.
22
Таблица 4. Индикаторы сценария 3
Наименование 2010 г. 2015 г. 2020 г. 2025 г. 2030 г. 2035 г.
1. Доля альтернативных видов топлива в валовом потреблении топлива АТС, % 0,9 0,96 1,0 1,3 1,5 2,0
2. Возрастание перевозок обществ. транспортом по сравнению со сценарием 1, % Базовый уровень 3 5 9 12 14
Результаты и обсуждение
Расчетное исследование показало, что при реализации сценария 1 при условии возрастания количества легковых автомобилей в 1,6 раз, а грузовых автомобилей и автобусов в 1,5 раза к 2035 г. по сравнению с 2015 г., эффективность от внедрения более жестких нормативов (Евро 5 - Евро 6) на содержание поллютантов в отработавших газах и на качество углеводородных топлив (Евро 5) могло бы привести к заметному сокращению выбросов ЗВ и ПГ: выброса угарного газа в 2,7 раза, выброса углеводородов в 1,8 раза, выброса аммиака в 1,3 раза, выброса закиси азота в 8,5 раз, выброса метана в 1,3 раза, выброса мелкодисперсных взвешенных частиц в 1,8 раз, выброса оксидов азота на 10 %.
Использование дизельного топлива не ниже стандарта Евро 5 позволило бы сократить к 2035 г. выбросы диоксида серы ^02) в 20,2 раза по сравнению с 2015 г. и в 24,5 раза по сравнению с 2010 г., а сажевых частиц (РМ) - в 1,9 и 2,1 раз соответственно (рис. 2).
Сокращение выбросов РМ и 302
5000
4000
н
в ЗООО и
8.
■2 2 ООО л и
1000 о
2010 2015 2020 2025 2030 2035
Год
-УЭ2 РМ
Рис. 2. Динамика сокращения выбросов оксида серы (802) и сажевых частиц (РМ) при использовании дизельного топлива экологического качества Евро 5
Прогнозные расчеты по сценарию 2 позволяют сделать вывод о том, что при развитии ситуации в автотранспортной отрасли по инновационному варианту правомерно ожидать к 2035 г. дополнительного сокращения, по сравнению со сценарием 1, валовых выбросов ПГ и загрязняющих компонентов: СО2 на 12,6 %, N2O на 13,8 %, СО на 7,6 %, NOX на 2,0 % (рис. 3), углеводородов на 22,8 %. А при условии перевода 30 % автопарка на газовое топливо выбросы СН4 уменьшились бы на 4,8 % (рис. 4).
23
Сравнение сценариев "Инновационный" и "Базовый" по
JE jj I II II II И
■ NOx,"Базовый" ■ NOx, "Инновационный"
Рис. 3. Сравнение сценария 1 «Базовый» и сценария 2 «Инновационный» по показателям выбросов оксидов азота
Сравнение сценариев "Инновационный" и "Базовый" по выбросам СН4
llllilll
2010 2015 2020 2025 2030 2035 Год
■ СН4, "Базовый" ■ СН4, "Инновационный"
Рис. 4. Сравнение сценария 1 «Базовый» и сценария 2 «Инновационный» по показателям выбросов парникового газа CH4
Развитие инфраструктуры городского транспорта согласно сценарию 3, предполагающему к 2035 г. увеличение перевозки пассажиров общественным транспортом на 14 % и сокращение объемов использования личного транспорта на 10 % по сравнению с 2010 г., позволило бы сократить дополнительно суммарные выбросы ЗВ на 12,6 % по сравнению со сценарием 1.
Заключение
Проведенный анализ показал, что ужесточение законодательного регулирования выбросов ЗВ и ПГ, реализация экологически ориентированных мероприятий в транспортном секторе будет в долгосрочной перспективе способствовать сокращению негативного воздействия этой отрасли на окружающую среду, что особенно важно в условиях роста численности населения в городах, роста темпов его автомобилизации и увеличения транспортной деятельности в целом, проявления глобальных экологических проблем, связанных с изменением климата, в том числе погодных качелей (волн жары и холода), появления и распространения новых особо опасных инфекций.
1400
н 1200
5 юоо
^ 800 л
о 600 400 5 200
24
Литература
1. Wild P. Recommendations for a future global CO2-calculation standard for transport and logistics // Transportation Research Part D: Transport and Environment. 2021. V. 100. e103024.
2. Mingolla S., Lu Z. Carbon emission and cost analysis of vehicle technologies for urban taxis Article // Transportation Research Part D: Transport and Environment. 2021. V. 99. e102994.
3. González L., Perdiguero J., Sanz A. Impact of public transport strikes on traffic and pollution in the city of Barcelona // Transportation Research Part D: Transport and Environment. 2021. V. 99. e102952.
4. Lozhkin V., Gavkalyuk B., Lozhkina O., Evtukov S., Ginzburg G. Monitoring of extreme air pollution on ring roads with PM2,5 soot particles considering their chemical composition (case study of Saint Petersburg) // Transportation Research Procedia. 2020. V. 50. P. 381-388.
5. Lozhkina O., Rogozinsky G., Lozhkin V., Malygin I., Komashinsky V. Smart Technologies for Decision-Support in the Management of Environmental Safety of Transportation in Big Port Cities // Marine Intellectual Technologies. 2020. Vol. 1. № 2 (48). P. 125-133.
6. Ревич Б.А., Шапошников Д.А. Пандемия COVID-19: новые знания о влиянии качества воздуха на распространение коронавирусной инфекции в городах // Проблемы прогнозирования. 2021. № 4. С. 28-36.
7. Zhu Y., Xie J., Huang F., and L. Cao. Association between short-term exposure to air pollution and COVID-19 infection: Evidence from China // Science of the Total Environment. 2020. V. 727. e138704. Doi: 10.1016/j.scitotenv.2020.138704.
8. Coccia M. Factors determining the diffusion of COVID-19 and suggested strategy to prevent future accelerated viral infectivity similar to COVID // Science of the Total Environment. 2020. V. 729. e138704. Doi: 10.1016/j.scitotenv.2020.138704.
9. Wu X., Nethery R.C., Sabath M.B., Braun D., Dominici F. Air pollution and COVID-19 mortality in the United States: Strengths and limitations of an ecological regression analysis // Science advances. 2020. V. 6 (45). eabd4049. Doi.org/10.1126/sciadv.abd4049.
10. Burnett R., Cohen A. Relative risk functions for estimating excess mortality attributable to outdoor PM2,5 air pollution: Evolution and state-of-the-art // Atmosphere. 2020. V. 11(6). P. 589.
11. Ogen Y. Assessing nitrogen dioxide (NO2) levels as a contributing factor to the coronavirus (COVID-19) fatality rate // Science of the Total Environment. 2020. V. 726. e138605. Doi: 10.1016/j.scitotenv.2020.138605.
12. Ложкина О.В., Комашинский В.И. К вопросу о совершенствовании информационного процесса мониторинга и прогнозирования опасного воздействия транспортных выбросов на среду обитания и население // Науч.-анал. журн. «Вестник С.-Петерб. ун-та ГПС МЧС России». 2021. № 2. С. 16-24.
13. Ложкина О.В., Малышев С.А., Хахленов А.В. Исследование опасного загрязнения придорожного воздуха мелкодисперсными взвешенными частицами РМ10 и РМ2,5 на примере Санкт-Петербурга // Проблемы управления рисками в техносфере. 2021. № 2 (58). С. 96-103.
14. Ложкин В.Н., Ложкина О.В. Повышение качества информационной поддержки контроля загрязнения атмосферного воздуха поллютантами автотранспорта на примере Санкт-Петербурга // Вода и экология: проблемы и решения. 2021. № 2 (86). С. 65-74.
15. Ложкина О.В., Онищенко И.А. Методика оценки выбросов опасных компонентов отработавших газов при пуске и прогреве двигателей автотранспортных средств в климатических условиях Арктики // Науч.-аналит. журн. «Вестник С.-Петерб. ун-та ГПС МЧС России». 2020. № 3. С. 30-37.
References
1. Wild P. Recommendations for a future global CO2-calculation standard for transport and logistics // Transportation Research Part D: Transport and Environment. 2021. V. 100. e103024.
25
2. Mingolla S., Lu Z. Carbon emission and cost analysis of vehicle technologies for urban taxis Article // Transportation Research Part D: Transport and Environment. 2021. V. 99. e102994.
3. González L., Perdiguero J., Sanz A. Impact of public transport strikes on traffic and pollution in the city of Barcelona // Transportation Research Part D: Transport and Environment. 2021. V. 99. e102952.
4. Lozhkin V., Gavkalyuk B., Lozhkina O., Evtukov S., Ginzburg G. Monitoring of extreme air pollution on ring roads with PM2,5 soot particles considering their chemical composition (case study of Saint Petersburg) // Transportation Research Procedia. 2020. V. 50. P. 381-388.
5. Lozhkina O., Rogozinsky G., Lozhkin V., Malygin I., Komashinsky V. Smart Technologies for Decision-Support in the Management of Environmental Safety of Transportation in Big Port Cities // Marine Intellectual Technologies. 2020. V. 1. № 2 (48). P. 125-133.
6. Revich B.A., SHaposhnikov D.A. Pandemiya COVID-19: novye znaniya o vliyanii kachestva vozduha na rasprostranenie koronavirusnoj infekcii v gorodah // Problemy prognozirovaniya. 2021. № 4. S. 28-36.
7. Zhu Y., Xie J., Huang F., and L. Cao. Association between short-term exposure to air pollution and COVID-19 infection: Evidence from China // Science of the Total Environment. 2020. V. 727. e138704. - Doi: 10.1016/j.scitotenv.2020.138704.
8. Coccia M. Factors determining the diffusion of COVID-19 and suggested strategy to prevent future accelerated viral infectivity similar to COVID // Science of the Total Environment. 2020. V. 729. e138704. Doi: 10.1016/j.scitotenv.2020.138704
9. Wu X., Nethery R. C., Sabath M. B., Braun D., Dominici F. Air pollution and COVID-19 mortality in the United States: Strengths and limitations of an ecological regression analysis // Science advances. 2020. V. 6(45). eabd4049. Doi.org/10.1126/sciadv.abd4049.
10. Burnett R. and Cohen A. Relative risk functions for estimating excess mortality attributable to outdoor PM2,5 air pollution: Evolution and state-of-the-art // Atmosphere. 2020. V. 11(6). P. 589.
11. Ogen Y. Assessing nitrogen dioxide (NO2) levels as a contributing factor to the coronavirus (COVID-19) fatality rate // Science of the Total Environment. 2020. V. 726. e138605. Doi: 10.1016/j.scitotenv.2020.138605
12. Lozhkina O.V., Komashinskij V.I. K voprosu o sovershenstvovanii informacionnogo processa monitoringa i prognozirovaniya opasnogo vozdejstviya transportnyh vybrosov na sredu obitaniya i naselenie // Nauchno-analiticheskij zhurnal Vestnik Sankt-Peterburgskogo universiteta Gosudarstvennoj protivopozharnoj sluzhby MCHS Rossii. 2021. № 2. S. 100-108.
13. Lozhkina O.V., Malyshev S.A., Hahlenov A.V. Issledovanie opasnogo zagryazneniya pridorozhnogo vozduha melkodispersnymi vzveshennymi chasticami PM10 i PM2.5 na primere Sankt-Peterburga // Problemy upravleniya riskami v tekhnosfere. 2021. № 2 (58). S. 96-103.
14. Lozhkin V.N., Lozhkina O.V. Povyshenie kachestva informacionnoj podderzhki kontrolya zagryazneniya atmosfernogo vozduha pollyutantami avtotransporta na primere Sankt Peterburga // Voda i ekologiya: problemy i resheniya. 2021. № 2 (86). S. 65-74.
15. Lozhkina O.V., Onishchenko I.A. Metodika ocenki vybrosov opasnyh komponentov otrabotavshih gazov pri puske i progreve dvigatelej avtotransportnyh sredstv v klimaticheskih usloviyah Arktiki // Nauchno-analiticheskij zhurnal Vestnik Sankt-Peterburgskogo universiteta Gosudarstvennoj protivopozharnoj sluzhby MCHS Rossii. 2020. № 3. S. 30-37.
26
