CC BY
21
УДК 551.515
Х. Г. Асадов, Н.И. Керимов
Национальное аэрокосмическое агентство, Азербайджанская Республика, asadzade@rambler.ru
К ОЦЕНКЕ ВЛИЯНИЯ ПЫЛЕВОГО АЭРОЗОЛЯ НА ТОЧНОСТЬ ИЗМЕРЕНИЯ НОРМАЛИЗОВАННОГО РАЗНОСТНОГО ВЕГЕТАЦИОННОГО ИНДЕКСА NDVI
Атмосферный аэрозоль является существенным климатообразующим фактором, а также фактором загрязнения атмосферы, влияющим на здоровье человека. Поэтому необходима корректная оценка пылевого потока с земной поверхности в атмосферу. Анализ методики Центра космических полетов имени Годдарда (The Goddard Space Flight Center), используемой для расчета этого потока c помощью показателя NDVI (нормализованный разностный вегетационный индекс, Normalized Difference Vegetation Index), выявил ее существенный недостаток. В этой методике не учитывается обратное влияние изменения содержания аэрозоля в атмосфере (суммарно - природного и антропогенного) на оценки показателя NDVI. Учет известной корреляционной связи между аэрозольной загрязненностью атмосферы и измеренной величиной NDVI позволил устранить этот недостаток. В статье предложен порядок компенсации влияния изменения AOD (оптической плотности аэрозоля) в течение всего цикла измерений NDVI путем адаптивного изменения показателя его порогового значения.
Ключевые слова: земная поверхность; атмосфера; пылевой поток; оптическая толщина, аэрозоль; нормализованный разностный вегетационный индекс.
Введение
Атмосферный аэрозоль является одним из факторов, определяющих альбедо атмосферы и, таким образом, радиационный режим земной системы, а в конечном счете и климат Земли (Буды-ко, 1974; Израэль и др., 2009). Кроме того, аэрозольные частицы диаметром менее 2.5 мкм являются пятыми по счету фактором риска преждевременной смерти человека (Alfaro, Gomes, 2001; Alfaro, 2008; Creyssels et al., 2009; Forouzanfar, 2016). Таким образом, корректная оценка потоков аэрозольных частиц с земной поверхности в атмосферу и их содержания в атмосфере - важная методическая задача.
Указанная фракция атмосферного аэрозоля в основном состоит из углерода, неорганических ионов и минеральной пыли. Минеральная пыль, в свою очередь подразделяется на три широкие категории (Philip et al., 2017):
- минеральная пыль естественного происхождения, привносимая ветром из аридных пустынных регионов;
- привносимая ветром пыль антропогенного происхождения, порождаемая воздействием человека на почву из-за изменения практики землепользования, а также в результате уничтожения лесов;
- аэрозоли, сформированные как побочный продукт индустриальной деятельности и в ре-
зультате процессов горения - в ходе хозяйственной деятельности и пожаров.
Современные методы измерения природного потока аэрозоля с земной поверхности в атмосферу основаны на оценках ее свойств, отражающих содержание и связанность пылевых частиц в почве, а также на данных о горизонтальной скорости ветра. При этом для оценки важного для расчетов показателя оголенности почвы используется индекс NDVI (Ganie et al., 2016). Его значения вычисляются по данным дистанционного зондирования - спутникового мониторинга.
При этом не учитывается, что измеренные значения этого индекса сами зависят от наличия аэрозольных частиц в атмосфере. Цель данной статьи - предложить процедуру корректировки существующего метода с учетом этой связи.
Существующий метод
В соответствии с моделью GOCART (Goddard Chemistry Aerosol, Radiation and Transport model, Годдардская модель химии аэрозоля, радиации и переноса) вертикальный поток аэрозольных частиц размера p природного происхождения Ep пропорционален горизонтальной скорости ветра (Ginoux et al., 2001; LeGrand et al., 2019; Cheng et al., 2012; Chin et al., 2002). Он определяется следующим образом:
28
российский журннл прииной экологии
Ер — С • S • Sp
V2 . v10
(Vw-Vt), если Vw>Vt; (1)
Ep = 0, если V10 < Vt.
Здесь:
C - коэффициент, мкг с2 м-5;
S - характеристика источника пыли (или показатель подъема пыли), принимает значения в диапазоне от 0 до 1;
Sp - доля фракции пыли размера на почве;
V10 - скорость ветра на высоте 10 м, м/с;
Vt - пороговая скорость возникновения эрозии из-за ветра, являющаяся функцией плотности пыли, диаметра частиц, влажности земной поверхности.
Согласно (Kim et al., 2013), S определяется как произведение показателя оголенности почвы B и показателя H:
S = B H , (2)
где H - доля поверхности, на которой есть накопленная пыль природного происхождения (подвижные частицы).
Для расчета показателя B - оголенности почвы - по данным дистанционного зондирования (космической съемки) для заданной части географического пространства, обычно - ячейки 1x1, показатель B определяется по формуле (Kim et al., 2013)
В =
(3)
NtotaL
Здесь N<0.15 - число пикселей в ячейке, где значение индекса NDVI не превышаем 0.15, а Ntotal - общее число пикселей в ячейке. При этом индекс NDVI определяется как (Tucker et al., 1991):
NDVI =
(NIR-RED)
(NIR+RED)
?
где NIR - значение отраженного сигнала в ближней инфракрасной области, а RED - величина отраженного сигнала во всей «красной» области. В таблице 1 приведены длины волны, используемые для вычисления NDVI для разных спектрорадиометров.
Необходимость корректировки существующего метода
Очевидно, что выбросы аэрозоля в атмосферу приводят к изменению измеренных значений NIR
Таблица 1. Длины волны, используемые для вычисления NDVI для разных спектрорадиометров (Li et al., 2014)
и RED, а следовательно, и NDVI. Указанный факт подтверждается в многочисленных работах (Xiao et al., 2002; Zhong et al., 2016). Как отмечается в работе (Xiao et al., 2002), различие между значениями индекса NDVI и атмосферно устойчивого вегетационного индекса EVI (Wardlow, Egbert, 2010) в 1998 г. достигала 0.08. Это следствие широкомасштабных лесных пожаров, являющихся мощными источниками аэрозоля, возникающего при горении биомассы.
Поясним, насколько могут повлиять аэрозольные выбросы в атмосферу на значение показателя B для заданной ячейки в частном случае, когда значения NDVI распределены по пикселям в пределах заданной ячейки как реализации равномерного распределения на отрезке [-1, 1] (рис. 1). Выражение (3) в этом случае вычисляет NDVI следующим образом: B = P1, где P1- вероятность того, что значения NDVI в пикселе меньше, чем 0.15.
Для рассматриваемого случая имеем:
В = Р1 = 0.5\NDVImi1l\ + NDVIao„ ■ 0.5, (4)
где NDVImin = -1, а NDVInop = 0.15.
Известно, что между значениями NDVI и оптической плотности аэрозоля AOD имеется существенная корреляционная связь. Согласно (Xiao et al., 2013), среднее значение коэффициента корреляции между AOD и NDVI равно (-0.5), и, согласно (Dong et al., 2013), имеется соответствующая линейная регрессионная зависимость
AOD = а± ■ NDVI + а2 (5)
Таким образом, всякое изменение значения AOD приводит к соответствующему изменению измеренного значения NDVI:
(6)
Область длин волн Спектрорадиометры
MODIS TM/ETM OLI
NIR 841-876 нм 760-900 нм 0.85 мнм
RED 620-670 нм 630-690 нм 0.66 мнм
где ДAOD и ДNDVI являются соответственно возмущениями NDVI и AOD.
Из выражения (4) с учетом равенства приращений ДNDVImin и ДNDVInop в соответствии с выражением (6), получим следующую оценку изменения в течение всего цикла изменения \АСЮ В + дВ = 0.5 (|ШЖ/т1„| + —) + (ШЖ/^ + ^ ) ■ 0.5
(7)
С учетом ДNDVImin = -1; из (7) получим
Из (8) окончательно имеем:
Таким образом, между приращениями ДВ и ДAOD имеется связь в виде (10).
Для исследования влияния ДAOD на ве-
4/2019
29
Рис. 1. Графическое отображение равновероятного распределения значений NDVI по пикселям
личину Ер прологарифмируем выражение (1) и заменим дифференциалы на приращения, т.е.
ДЕ1:
__^ = ДС + Д£р + Д£
2'ЛVio , ülXo+Vt)
+
Vio+Vt
(10).
Учитывая то, что показатели С, Sp, V10, Р, Vt, H могут быть измерены с большой точностью, примем
(11).
В этом случае из (9), (10) и (11) получим:
(12).
Из (12) получим следующее выражения для выполнения условия точного измерения потока
пылевых частиц
Из(13) получаем: (NDVInap) = -
+ 2В-1
(13).
(14).
График функции (12) для случая B=0, a1 = -0.5 показан на рисунке 2. Отметим, указанное значение a1 представляет собой частный случай. Так, например, согласно (Prasad et al., 2005) коэффициент регрессии между NDVI и AOD изменяется по регионам. Согласно работе (Liu et al., 2004) этот коэффициент составляет -0.4115 (Тайвань), однако, по сообщению (Dong et al., 2013) указанный коэффициент регрессии составляет -1.17 (Китай).
Как видно из графика, приведенного рисунке 2, в этом случае при AAOD = 0.25NDVI меняет свой знак и становится положительной величиной. Очевидно, что с ростом B указанный график будет смещаться влево.
Таким образом, существует необходимость корректировки обсуждаемой методики с учетом
обратного влияния атмосферного аэрозоля на значения индекса NDVI. Отметим, что применительно к обсуждаемой методике мы не обнаружили в технической литературе сформулированную выше задачу. Вместе с тем, корреляционная связь между NDVI и AOD, будучи общепринятым фактом, явилась фактором, указывающим насущную необходимость формулировки и решения данного вопроса.
Заключение
Существующая методика, декларируя в качестве своей цели расчет потока аэрозольных частиц природного происхождения с земной поверхности в атмосферу с использованием индекса NDVI, не учитывает наличие сильной корреляционной связи между NDVI и суммарной оптической толщиной AOD аэрозольных частиц как природного, так и антропогенного происхождения. Наличие такой обратной связи приводит к смещению результатов оценки NDVI в сторону меньших значений величин, т.к. рост аэрозольного загрязнения приводит к снижению измеренных значений NDVI в течение цикла проводимых измерений. Таким образом, существующая методика нуждается в корректировке. Это особенно важно в виду того, что AOD весьма различна в разных регионах и в различные сезоны. Согласно (Zhao et al., 2018), исследование AOD в трех различных регионах, а именно в восточной части США, в Западной Европе и в восточной и центральных частях Китая показало, что в зонах с высотой расположения свыше 800 м максимум AOD появляется в весенне-летнем сезоне, в основном из-за формирования вторичной аэрозоли и гигроскопичных аэрозолей. Однако в Западной Европе и восточных и центральных районах Китая в зонах с высотой расположения менее 800 м пик AOD появляется зимой из-за слабого вертикального перемешивания. Таким образом, предлагаемая корректировка методики будет давать положительный эффект в различной степени, в зависимости от выбранного
NDVI„,
Рис. 2. График функции (12)
3!
российский журнал прикпной экологии
сезона, высоты расположения местности, а также конкретной географической зоны.
Список литературы
1. Будыко М.И. Климат и воздействия на аэрозольный слой стратосферы. Л.: Гидрометеоиздат, 1974. 42 с.
2. Израэль Ю.А., Рябошапко А.Г., Петров Н.Н. Сравнительный анализ геоинженерных способов стабилизации климата // Метеорология и гидрология. 2009. №6. С. 5-24.
3. Alfaro S.C., Gomes L. Modeling mineral aerosol production by wind erosion: Emission intensities and aerosol size distributions in source areas // J. Geophys. Res. 2001. V. 106(D16). Р. 18075-18084.
4. Alfaro S. C. Influence of soil texture on the binding energies of fine mineral dust particles potentially released by wind erosion // Geomorphology. 2008. V. 93(3-4). Р. 157-167.
5. Cheng T., Chen H., Gu X., Yu T., Guo J., Guo H. The inter-comparison of MODIS, MISR and GOCART aerosol products against AERONET data over China // J. Quant. Spectrosc. Radiat. Transf. 2012. V. 113. Р. 2135-2145.
6. Chin M., Ginoux P., Kinne S., Torres O., Holben B.N., Duncan B.N., Martin R.V., Logan J.A., Higurashi A., Nakajima T. Tropospheric aerosol optical thickness from the GOCART model and comparisons with satellite and Sun photometer measurements // J. Atmos. Sci. 2002. V. 59. Р. 461-483.
7. Creyssels M., Dupont P., Ould El Moctar A., Valance A., Cantat I., Jenkins J., Pasini J.M., Rasmussen K.R. Saltating particles in a turbulent boundary layer: Experiment and theory // J. Fluid Mech. 2009. 625. Р. 47-74.
8. Dong Z.P., Yu X., Li X.M. Analysis of variation trends and causes of aerosol optical depth in Shaanxi Province using MODIS data // Chin. Sci. Bull. 2013. V. 58. Р. 4486-4496. DOI: 10.1007/s11434-013-5991-z.
9. Forouzanfar M. Global regional and national comparative risk assessment of 79 behavioral, environmental and occupational and metabolic risks or clusters of risk, 1990-2115: a systematic analysis for the global burden of disease study 2015 // Lancet. 2016. V. 388. Р. 1659-1724.
10. Ganie M.A., NusrathA. Determining ofVegetation Indices (NDVI) from Landsat 8 Satellite data // International Journal of Advance Research. 2016. DOI:10.21474/IJARO1/1348.
11. Ginoux P., Chin M., Tegen I., M. Prospere J., Holben B., Dubivik O., Lin S.-J. Source and distributions of dust aerosols simulated with the GOCART model // J. Gephys. Res. 2001. V. 106(D17). Р. 20155-20173. DOI: 10.1029/2000JD000053.
12. Kim D., Chin M., Bian H., Tan Q., Brown M.E., Zheng T., You R., Diehl T., Ginoux P., Kucsera T. The effect of the dynamic surface bareness on dust source function, emission and distribution // Journal of Geophysical Research. 2013. V. 118. Р. 1-16. DOI: 10.1029/2012JD017907.
13. LeGrand S.L., Polashenski C., Letcher T. W., Creighton G.A., Peckham S.E., Cetola J.D. The AFWA dust emission scheme for the GOCART aerosol model in WRF-Chem v3.8.1 // Geosci. Model Dev. 2019. V. 12. Р. 131-166.
14. Li P., Jiang L., Feng Z. Cross-comparison of vegetation indices derived from Landsat-7 Enhanced Thematic Mapper (ETM+) and Landsat -8 Operational Land Imager (OLI) sensors // Remote Sensing. 2014. V. 6. P. 310-329. DOI:10.3390/ rs6010310.
15. Liu G.-R, Liang C.-K., Kuo T.-H., Lin T.-H., Shih-Jen-Huang. Comparison of the NDVI, ARVI and AFRI Vegetation Index, Along with Their Relations with the AOD Using SPOT 4 Vegetation Data // TAO. 2004. V. 15, №1. Р. 15-31.
16. Philip S., Martin R.V., Snider G., Weagle C.L., van Donkelaar A., Brauer M., Henze D.K., Klimont Z., Venkataraman C., Guttikunda S.K., Zhang Q. Anthropogenic fugitive,
combustion and industrial dust is a significant, underrepresented fine particulate matter source in global atmospheric models // Environ. Res. Let. 2017. V. 12. DOI: 10.1088/1748-9326/ aa65a54.
17. Prasad A.K., Ramesh P.S., Singh A., Kafatos M. Seasonal variability of aerosol optical depth over Indian subcontinent. DOI: 10.1109/AMTRSI.2005.1469835.
Tucker C.J., Dregne H.E., Newcomb W.W. Red and photographic infrared linear combinations for monitoring vegetation // Remote Sens. Environ. 1991. V. 8. P. 127-150.
18. Wardlow B.D., Egbert S.L. A comparison of MODIS 250-m EVI and NDVI data for crop mapping: a case study for southwest Kansas // International Journal of Remote Sensing. 2010. V. 31, №3. P. 805-830.
19. Xiao X., Braswell B., Zhang Q., Boles S., Frolking S., Moore B. Sensitivity of vegetation indices to atmospheric aerosols: continental-scale observations in Northern Asia // Remote Sensing in Environment. 2003. V. 84. P. 385-392.
20. Xiao Z., Jiang H., Zhou G., Chen J., Zhang R. 2013. Characteristic of aerosol optical thickness as well the relationship with NDVI in the Yangtze River Delta // China. Terr. Atmos. Ocean. Sci. V. 24. P. 863-876. DOI: 10.3319/ TA0.2013.05.02.01(A)
21. Zhao B., Jiang J.H., Diner D.J., Su H., Gu Y., Liou K.-N., Jiang Z., Huang L., Takano Y., Fan X., Omar A.H. Intra - annual variations of regional aerosol optical depth, vertical distribution and particle types from multiple satellite and ground - based observational datasets // Atmos. Chem. Phys. 2018. V. 18(15). P. 11247-11260. DOI:10.5194/acp-18-11247-2018.
22. Zhong G., Wang X., Tani H., Guo M., Chittenden A.R., Yin S., Sun Z., Matsumura S. A modified aerosol free vegetation index algorithm for aerosol optical depth retrieval using GOSAT TANSO - CAO data // Remote Sens. 2016. V. 8. P. 998. DOI:10.3390/rs8120998.
References
1. Budyko M.I. Klimat i vozdejstvija na ajerozol'nyj sloj stratosfery [Climate and impacts on the stratospheric aerosol layer]. Leningrad.: Gidrometeoizdat, 1974. 42 p.
2. Izrajel' Ju.A., Rjaboshapko A.G., Petrov N.N. Sravnitel'nyj analiz geoinzhenernyh sposobov stabilizacii klimata [Comparative analysis of geo-engineering approaches to climate stabilization]// Meteorologija i gidrologija [Russian Meteorology and Hydrology]. 2009. No.6. P. 5-24.
3. Alfaro S.C., Gomes L. Modeling mineral aerosol production by wind erosion: Emission intensities and aerosol size distributions in source areas // J. Geophys. Res. 2001. V. 106(D16). P. 18075-18084.
4. Alfaro S. C. Influence of soil texture on the binding energies of fine mineral dust particles potentially released by wind erosion // Geomorphology. 2008. V. 93(3-4). P. 157-167.
5. Cheng T., Chen H., Gu X., Yu T., Guo J., Guo H. The inter-comparison of MODIS, MISR and GOCART aerosol products against AERONET data over China // J. Quant. Spectrosc. Radiat. Transf. 2012. V. 113. P. 2135-2145.
6. Chin M., Ginoux P., Kinne S., Torres O., Holben B.N., Duncan B.N., Martin R.V., Logan J.A., Higurashi A., Nakajima T. Tropospheric aerosol optical thickness from the GOCART model and comparisons with satellite and Sun photometer measurements // J. Atmos. Sci. 2002. V. 59. P. 461-483.
7. Creyssels M., Dupont P., Ould El Moctar A., Valance A., Cantat I., Jenkins J., Pasini J.M., Rasmussen K.R. Saltating particles in a turbulent boundary layer: Experiment and theory // J. Fluid Mech. 2009. 625. P. 47-74.
8. Dong Z.P., Yu X., Li X.M. Analysis of variation trends and causes of aerosol optical depth in Shaanxi Province using
4/2019
31
MODIS data // Chin. Sci. Bull. 2013. V. 58. P. 4486-4496. DOI: 10.1007/s11434-013-5991-z.
9. Forouzanfar M. Global regional and national comparative risk assessment of 79 behavioral, environmental and occupational and metabolic risks or clusters of risk, 1990-2115: a systematic analysis for the global burden of disease study 2015 // Lancet. 2016. V. 388. P. 1659-1724.
10. Ganie M.A., NusrathA. Determining ofVegetation Indices (NDVI) from Landsat 8 Satellite data // International Journal of Advance Research. 2016. D0I:10.21474/IJAR01/1348.
11. Ginoux P., Chin M., Tegen I., M. Prospere J., Holben B., Dubivik O., Lin S.-J. Source and distributions of dust aerosols simulated with the GOCART model // J. Gephys. Res. 2001. V. 106(D17). P. 20155-20173. DOI: 10.1029/2000JD000053.
12. Kim D., Chin M., Bian H., Tan Q., Brown M.E., Zheng T., You R., Diehl T., Ginoux P., Kucsera T. The effect of the dynamic surface bareness on dust source function, emission and distribution // Journal of Geophysical Research. 2013. V. 118. P. 1-16. DOI: 10.1029/2012JD017907.
13. LeGrand S.L., Polashenski C., Letcher T. W., Creighton G.A., Peckham S.E., Cetola J.D. The AFWA dust emission scheme for the GOCART aerosol model in WRF-Chem v3.8.1 // Geosci. Model Dev. 2019. V. 12. P. 131-166.
14. Li P., Jiang L., Feng Z. Cross-comparison of vegetation indices derived from Landsat-7 Enhanced Thematic Mapper (ETM+) and Landsat -8 Operational Land Imager (OLI) sensors // Remote Sensing. 2014. V. 6. P. 310-329. DOI:10.3390/ rs6010310.
15. Liu G.-R, Liang C.-K., Kuo T.-H., Lin T.-H., Shih-Jen-Huang. Comparison of the NDVI, ARVI and AFRI Vegetation Index, Along with Their Relations with the AOD Using SPOT 4 Vegetation Data // TAO. 2004. V. 15, №1. P. 15-31.
16. Philip S., Martin R.V., Snider G., Weagle C.L., van Donkelaar A., Brauer M., Henze D.K., Klimont Z., Venkataraman C., Guttikunda S.K., Zhang Q. Anthropogenic fugitive, combustion and industrial dust is a significant, underrepresented fine particulate matter source in global atmospheric models // Environ. Res. Let. 2017. V. 12. DOI: 10.1088/1748-9326/ aa65a54.
17. Prasad A.K., Ramesh P.S., Singh A., Kafatos M. Seasonal variability of aerosol optical depth over Indian subcontinent. DOI: 10.1109/AMTRSI.2005.1469835.
Tucker C.J., Dregne H.E., Newcomb W.W. Red and photographic infrared linear combinations for monitoring vegetation // Remote Sens. Environ. 1991. V. 8. P. 127-150.
18. Wardlow B.D., Egbert S.L. A comparison of MODIS 250-m EVI and NDVI data for crop mapping: a case study for southwest Kansas // International Journal of Remote Sensing. 2010. V. 31, №3. P. 805-830.
19. Xiao X., Braswell B., Zhang Q., Boles S., Frolking S., Moore B. Sensitivity of vegetation indices to atmospheric
aerosols: continental-scale observations in Northern Asia // Remote Sensing in Environment. 2003. V. 84. P. 385-392.
20. Xiao Z., Jiang H., Zhou G., Chen J., Zhang R. 2013. Characteristic of aerosol optical thickness as well the relationship with NDVI in the Yangtze River Delta // China. Terr. Atmos. Ocean. Sci. V. 24. P. 863-876. DOI: 10.3319/ TAO.2013.05.02.01(A).
21. Zhao B., Jiang J.H., Diner D.J., Su H., Gu Y., Liou K.-N., Jiang Z., Huang L., Takano Y., Fan X., Omar A.H. Intra - annual variations of regional aerosol optical depth, vertical distribution and particle types from multiple satellite and ground - based observational datasets // Atmos. Chem. Phys. 2018. V. 18(15). P. 11247-11260. DOI:10.5194/acp-18-11247-2018.
22. Zhong G., Wang X., Tani H., Guo M., Chittenden A.R., Yin S., Sun Z., Matsumura S. A modified aerosol free vegetation index algorithm for aerosol optical depth retrieval using GOSAT TANSO - CAO data // Remote Sens. 2016. V. 8. P. 998. DOI:10.3390/rs8120998.
Asadov H.H., Kerimov N.I. On estimation of effect of dust aerosol on accuracy of measurements of normalized difference vegetation index (NDVI).
The atmospheric aerosol is an important climate forming factor and also a factor of pollution of atmosphere effecting on health of a human being. Due to this reason the correct estimation of dust flow directed from the Earth surface to atmosphere is necessary. The analysis of methodic developed by The Hod-dard Space Flight Center used for calculation of this flow using Normalized Difference Vegetation Index revealed its series shortage. Namely this methodic does not account the backward effect of atmospheric aerosol (sum of natural and anthropogenic dust) on estimation of NDVI. The accounting of known correlation link between aerosol pollution of atmosphere and measured value of NDVI made it possible to remove this shortage. The article proposes the order for compensation of the AOD (AEROSOL OPTICAL DEPTH) effect change during whole cycle of NDVI measurement using adaptive change of its threshold value.
Keywords: The Earth surface; atmosphere; dust flow; optical depth; aerosol; normalized difference vegetation index.
Информация об авторах
Асадов Хикмет Гамид оглы, доктор технических наук, профессор, начальник отдела, НИИ Аэрокосмической информатики Национального аэрокосмического агентства, Азербайджанская Республика, AZ 1115, г. Баку, ул. С.С.Ахундова,1, E-mail: asadzade@rambler.ru.
Керимов Натиг Исрафил оглы, диссертант, начальник отдела, Национальное аэрокосмическое агентство, Азербайджанская Республика, AZ 1115, г. Баку, ул. С.С.Ахундова,1. E-mail: Natig1975@gmail.com,
Information about the authors
Hikmat H. Asadov, D.Sci. in Technology, Professor, Head of Department, Research Institute of Aerospace Informatics, 1, S.S. Akhundov st., Baku, AZ1115, Azerbaijan Republic, asadzade@rambler.ru
Natig I. Kerimov, Dissertant, Head of department, National Aerospace Agency, 1, S.S. Akhundov st., Baku, AZ1115, Azerbaijan Republic, E-mail: Natig1975@gmail.com.
32
российский журннл орииной экологии
