CC BY
119
БЕЗОПАСНОСТЬ СТРОИТЕЛЬСТВА И ГОРОДСКОГО ХОЗЯЙСТВА
ОБЗОРНАЯ СТАТЬЯ / REVIEW PAPER УДК 504
DOI: 10.22227/1997-0935.2022.8.1027-1045
Методы расчета рассеивания загрязняющих веществ
в городской атмосфере
Елена Владимировна Сысоева, Маргарита Олеговна Гельманова
Национальный исследовательский Московский государственный строительный университет
(НИУ МГСУ); г. Москва, Россия
АННОТАЦИЯ
Введение. Важной особенностью городской экологии является запыленность воздуха опасными для здоровья горожан мелкодисперсными частицами РМ25, образующимися при транспортном движении. Цель исследования — провести сравнительный анализ методов и методик расчета рассеивания загрязняющих веществ (ЗВ) (в общем виде и применительно к РМ25) в городской атмосфере, базирующихся на гауссовых моделях, имитационных моделях, моделях с уравнениями в частных производных и статистических моделях.
Материалы и методы. Применены аналитическое обобщение и систематизация опыта отечественных и зарубежных исследований, изложенных в научно-исследовательской литературе.
Результаты. Сравнительный анализ показал, что в большей части рассмотренных методов и методик при расчете дисперсии загрязнителей учитываются только параметры источника загрязнения, что позволяет подобрать его правильное расположение и мощность. Однако при всех достоинствах во всех методах и методиках не учитывается озеленение в пределах города, которое по последним научным исследованиям оказывает существенное влияние на снижение загрязнения городского воздуха, в том числе и в отношении частиц РМ25.
Выводы. Следующим шагом на пути развития расчетных методов и методик рассеивания ЗВ в городской атмосфе- ^ ^ ре в целях обеспечения экологической безопасности городской среды является разработка методики, позволяющей £ О при расчете концентрации ЗВ учитывать пылепоглотительную способность насаждений в отношении частиц РМ25 з I и сорбционные свойства лиственной поверхности деревьев и кустарников на территории исследования. Данная К методика может обусловить размещение объектов озеленения (деревьев, кустарников), газонного городского озеле- 3 ^ нения и озеленения крыш и стилобатов жилых и общественных зданий для снижения РМ25. ^ г
СО
«<
КЛЮЧЕВЫЕ СЛОВА: методы расчета, рассеивание загрязняющих веществ, загрязнение воздуха, выбросы авто- • .
транспорта, мелкодисперсные частицы РМ25, озеленение городских территорий, экологическая безопасность город- О со
ской среды м
1 — у 1
ДЛЯ ЦИТИРОВАНИЯ: Сысоева Е.В., Гельманова М.О. Методы расчета рассеивания загрязняющих веществ в го- _ 9 родской атмосфере // Вестник МГСУ. 2022. Т. 17. Вып. 8. С. 1027-1045. DOI: 10.22227/1997-0935.2022.8.1027-1045 § -
а со
Автор, ответственный за переписку: Елена Владимировна Сысоева, [email protected]. — ш
О СЛ
Methods for calculating the pollutants dispersion in the urban atmosphere
(MGSU); Moscow, Russian Federation
о
z -
C
о
CO CO
z 2
CO О
Elena V. Sysoeva, Margarita O. Gelmanova ^ 6
Moscow State University of Civil Engineering (National Research University) c o
_ o
1° r =
ABSTRACT 3 ) Introduction. The important peculiarity of urban ecology is air dusting with pollutants PM25 formed in traffic dangerous for < * health of city-dwellers. The work aim is the comparative analysis of methods and techniques of pollutants dispersion calcula- £. ° tion (in general and as applied to PM25) in the city atmosphere, based on the Gaussian models, simulation models, models E D with partial derivative equations and statistical models. £ 7 Materials and methods. Analytical generalization and systematization of the experience of domestic and foreign studies set forth in the research literature were applied. Results. Comparative analysis showed that most of the reviewed methods and techniques in the calculation of the pollutants dispersion takes into account only the parameters of the pollution source, which makes it possible to choose the correct u c location and capacity. However, for all the merits of all the methods and techniques do not take into account landscaping <D £ within the city, which according to recent research has a significant impact on reducing urban air pollution, including in rela- Co « tion to particles PM25. 2 2 Conclusions. The next step towards the development of calculation methods and techniques for the dispersion of pollut- 2 2 ants in the urban atmosphere in order to ensure the environmental safety of the urban environment is the development 2 2 of a methodology that allows for the calculation of the concentration of pollutants to take into account the dust absorption
. DO
' B"
© Е.В. Сысоева, М.О. Гельманова, 2022
Распространяется на основании Creative Commons Attribution Non-Commercial (CC BY-NC)
capacity of plantings with respect to PM25 particles and sorption properties of the deciduous surface of trees and shrubs in the study area. This technique can determine the placement of landscaping objects (trees, shrubs), lawn urban landscaping and landscaping of roofs and stylobates of residential and public buildings in order to reduce PM25.
KEYWORDS: calculation methods, pollutants dispersion, air pollution, motor vehicle emissions, fine particulate matter PM25, urban greening, environmental safety of the urban environment
FOR CITATION: Sysoeva E.V., Gelmanova M.O. Methods for calculating the pollutants dispersion in the urban atmosphere. Vestnik MGSU [Monthly Journal on Construction and Architecture]. 2022; 17(8):1027-1045. DOI: 10.22227/19970935.2022.8.1027-1045 (rus.).
Corresponding author. Elena V. Sysoeva, [email protected].
N N
N N
О О
tv N
CO CO
К (V
U 3
> (Л
с и
to I»
i <D <u
о ё
о
о о СО <
cd
8 « §
(Л "
со E
E о
CL °
^ с
ю о
S «
о E
со ^
T- ^
CO CO
■S
Г iE 35
О tn
ВВЕДЕНИЕ
В настоящее время городская среда является местом проживания для большей части населения как мира в целом (рис. 1), так и России в частности (рис. 2), поэтому проблеме экологии городских территорий и ее влиянию на здоровье граждан в краткосрочной и долгосрочной перспективе должно уделяться особенное внимание.
Одна из наиболее важных особенностей городской экологии — запыленность воздушной среды [1]. Главными источниками пылевого загрязнения выступают автотранспортные средства [2-4] и деятельность промышленных предприятий [5]. Большая удельная площадь искусственных поверхностей (асфальт, бетон и т.д.) и малая площадь зеленых насаждений сводят к минимуму возможность городской среды сопротивляться распространению загрязняющих веществ (ЗВ) в атмосфере. Эти факторы приводят к тому, что городское население постоянно живет в условиях повышенного содержания вредных веществ (ВВ) в воздухе. Типичным для города ЗВ служит мелкодисперсная пыль, представляющая большую опасность для здоровья населения [6-10]. Так, по оценкам ВОЗ, увеличение среднегодовых концентраций частиц РМ25 с 10 до 35 мкг/м3 ведет к повышению риска смертности в долгосрочной перспективе на 15 %4. Также существует значительное количество научных исследований, подтверждающих негативное воздействие РМ25 на заболеваемость сердечно-сосудистыми болезнями [11]; респираторными, в том числе и вызванными вирусом SARS-CoV-2 [12]; онкологическими. В связи с этим стоит уделить особое внимание существующим на данный момент методам и методикам расчета рассеивания мелкодисперсной пыли в городской атмосфере, которые позволяют более рационально планировать городскую территорию с точки зрения качества атмосферного воздуха для регулирования экологической безопасности городской атмосферы.
8
7 _ 6 5 4
3 -I
Население мира World population
Население в городах Urban population
I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I
1990 1995 2000 2005 2010 2015 2020
Рис. 1. Рост численности населения мира и населения в городах в период 1990-2020 гг., млрд чел.1, 2 Fig. 1. An increase in the world population and urban population in 1990-2020, billion people1- 2
75 74,5 H
74 73,5 73 72,5 72
~~i— 2
~~i— 4
6
—r~ 2
—r~ 4
—r~
6
2 0 2
Рис. 2. Доля городского населения РФ в период 2000-2020 гг. в общей численности населения на 1 января 2020 г., %3 Fig. 2. The share of urban population in the Russian Federation in 2000-2020 in the total population as of January 1, 2020, %3
На пылевое загрязнение воздуха городской среды влияют следующие факторы, которые могут быть отображены в методике расчета рассеивания PM,:
1 Department of Economic and Social AffairsPopulation Division. URL: https://population.un.org/wpp/
2 Worldometers. URL: https://www.Worldometers.info
3 Доля городского населения в общей численности населения на 1 января. URL: https://showdata.gks.ru/report/278932/
4 Рекомендации ВОЗ по качеству воздуха, касающиеся твердых частиц, озона, двуокиси азота и двуокиси серы. URL: https:// apps.who.int/iris/bitstream/handle/10665/69477/WH0_SDE_PHE_0EH_06.02_rus.pdf?sequence=4
1) параметры источников загрязнения (количество источников выбросов, их мощность, тип, расположение в городской застройке и т.д.);
2) параметры городской территории (этажность и геометрия застройки, ориентация улиц, площадь озелененной территории);
3) климатические параметры (влажность воздуха, скорость и направление ветра, среднегодовое количество осадков, продолжительность солнечного сияния).
Необходимо отметить, что из вышеуказанных только первый и второй факторы поддаются контролю на этапах формирования и преобразования города, и лишь их совместное взаимосвязанное рассмотрение может привести к формированию экологически безопасной среды. Это свидетельствует о том, что городская территория должна быть адаптирована к имеющимся в ней негативным нагрузкам.
Многие современные исследования посвящены вопросам благоустройства и озеленения городских территорий, как важному механизму оздоровления городской среды [13]. Городское озеленение способно существенно улучшить качество воздуха путем снижения концентрации мелкодисперсных частиц РМ25 [14-26].
В проведенной китайскими учеными научной работе выявлена взаимосвязь концентрации РМ2 5 с метеорологическими, растительными и топографическими факторами [27]. Было установлено значительное снижение концентрации РМ25 (на 18,78 %) в регионах с хвойными лесами. Результаты показали, что относительная влажность, давление воздуха и давление водяного пара положительно коррелировали с РМ2 в то время как температура воздуха и скорость ветра отрицательно коррелировали друг с другом. Однако в публикации [28] авторы пришли к выводу, что снижение РМ2 5 значительно меньше при слабом ветре, концентрация РМ2 5 положительно коррелирует со скоростью ветра.
В труде [29] приведена оценка осаждения РМ25 на поверхности листьев деревьев различных пород, на величину осаждения РМ25 повлияли количество и плотность расположения деревьев, разнообразие пород деревьев, средняя высота, ширина кроны. К подобным результатам пришли и ученые [30], которые проанализировали образцы листьев 12 пород деревьев, собранных в городском парке промышленного города. Анализ показал различия в осаждении мелкодисперсных частиц в зависимости от породы деревьев. Наличие деревьев в городской среде может привести к обратным эффектам: густые кроны деревьев подавляют рассеивание загрязнителей в воздухе, что ведет к увеличению локализованных концентраций ЗВ [31]. Данные отличия обосновываются различными подходами: результаты библиометрического анализа, где рассматривается снижение загрязнителя вслед-
ствие осаждения на поверхности растительности, и анализа, основанного на снижении загрязнителя вследствие рассеивания, зачастую дают неоднозначную оценку. Баланс между процессами рассеивания и осаждения загрязняющих веществ меняется в зависимости от пространственного масштаба, характеристик трехмерных объектов озеленения (например, плотности кроны, густоты рассадки), некоторых метеорологических условий и является важным фактором, определяющим роль растительности в улучшении качества воздуха. Авторы статьи [32] выдвигают положение о том, что анализ влияния объектов озеленения на снижение РМ следует проводить в трех масштабах, включая масштаб дерева, совокупности деревьев и регионального масштаба. Анализы в разных масштабах показали, что роль озеленения в отношении РМ нельзя просто считать положительной или отрицательной, поскольку их необходимо учитывать путем сочетания различных факторов (например, видов растений, метеорологических условий и городского планирования и проектирования) в разных масштабах. Таким образом, многомасштабный анализ воздействия атмосферных частиц мог бы помочь лучше понять роль городских лесов как сложной системы и заложить основу для будущих исследований. В работе [33] рассматривается создание зеленого пояса вдоль дорог в качестве эффективного метода по снижению РМ2 5, образованных в результате дорожного движения. Результаты продемонстрировали значительное влияние скорости ветра (54,2 %), потока транспортных средств (27,7 %), температуры воздуха (14,2 %) и фактора времени (7,6 %) на снижение РМ25. Обосновывается важность посадки объектов озеленения на высоте дыхания человека (1,5 м) в уличных каньонах.
Исследования по влиянию озеленения, находящегося в пределах городских территорий, на снижение мелкодисперсных частиц РМ2 5 должны найти отражение в методах и методиках расчета по рассеиванию этих частиц.
В настоящее время существует несколько десятков методов и методик расчета рассеивания ЗВ от различных источников, которые рассмотрены далее в настоящей статье. Некоторые из них предназначены для выполнения расчета рассеивания ЗВ исключительно для конкретного типа ЗВ, другие подходят для расчета рассеивания нескольких типов ЗВ: для газов и аэрозолей (жидких и твердых взвешенных в воздухе частиц различного диаметра).
В работе приводится сравнительный анализ методов и методик расчета рассеивания мелкодисперсной пыли в воздушной среде города. Следует отметить, что особенный интерес представляет учет фактора пылепоглотительной способности насаждений на снижение концентрации РМ2 5 в пределах городских территорий.
< п
№
о Г и 3
о со § со
У 1
о со
и-
^ I § °
о
з (
о?
о §
Е м
§ 2
§ 0
2 6
А Го
> 6
$ (
РТ §
ф )
[1
[ 7 л '
. ОН ■ £
(Л п (Я у с о Ф Ж ®ов
2 2 О О 2 2 2 2
N N N N О О N N
СО СО К (V U 3 > (Л С И
со N
i - $
ф ф
О S
о
о о
со <
со S:
8 «
Si §
ОТ "
от iE
Е о
£ ° ^ с
ю о
S «
о Е с5 °
СП ^ т- ^
от от
S2 =3 г
iE 3s
О tn
МАТЕРИАЛЫ И МЕТОДЫ
Применены методы: аналитическое обобщение и систематизация опыта отечественных и зарубежных ученых, изложенных в научно-исследовательской литературе.
Для выполнения расчета рассеивания мелкодисперсных частиц пыли PM2 5 существует несколько моделей, позволяющих рассчитывать концентрации PM2 5 от стационарных и нестационарных источников. В зависимости от подхода к расчету рассеивания PM2 5 в воздушной среде эти модели можно подразделить на группы: модели на основе распределения Гаусса, имитационные модели, модели с уравнениями в частных производных и статистические модели. Следует отметить, что более современными являются статистические модели.
Модели на основе распределения Гаусса
Модели на основе распределения Гаусса — наиболее распространенные методы расчета загрязнения воздуха благодаря невысоким вычислительным затратам. В основе таких моделей лежит нормальное (Гауссово) распределение ЗВ в воздушной среде, полученное из уравнения турбулентной диффузии путем введения следующих упрощений:
• параметры источника выбросов — стационарные;
• поле скоростей ветра — однородное (одинаковая и постоянная скорость движения воздушного потока);
• коэффициенты диффузии не зависят от координат;
• диффузия в направлении скорости ветра мала по сравнению со средней скоростью переноса вещества.
Модели на основе распределения Гаусса, как правило, разрабатывались в конце XX в. за рубежом (например, американские модели CAL3QHC5, ISC36, HIWAY 2, CALINE4 (California Line Source Model), GM (General Motors), GFLSM (General Finite Line Source Model); финская модель CAR-FMI (Contaninants in the Air from a road, by the Finnish Meteorological Institute) [34] и т.д.). Почти все эти модели используются для расчета линейных источников загрязнения, таких как автомобильные дороги, так как любой линейный источник можно представить в виде большого количества точечных элементов, и суммирования концентрации ЗВ, полученной от каждого из них.
В работе [35] представлен алгоритм, который использует стандартную модель на основе распределения Гаусса. В методике, рассмотренной в публикации [36], расчет рассеивания ЗВ производится
с учетом различных положений источников выбросов и направлений ветра.
Несмотря на многие преимущества моделей на основе распределения Гаусса, в них существуют недостатки, которые ограничивают применение такой модели:
• отсутствие учета рельефа поверхности (поверхность представляется абсолютно плоской);
• стационарные метеорологические условия и однородность метеорологических параметров (постоянная скорость ветра, постоянные коэффициенты турбулентной диффузии, отсутствие учета структуры различных слоев атмосферы);
• стационарный характер источника выбросов (не подходит для расчета рассеивания концентраций ЗВ, образующихся от периодически работающих источников ЗВ).
Имитационные модели
Группа имитационных моделей представляет собой модели, использующие аналитические решения уравнений движения ЗВ в атмосфере. Как правило, для таких моделей применяется уравнение турбулентной диффузии.
К этой группе относится законодательно закрепленная в РФ методика, вступившая в силу по приказу Минприроды России от 06.06.2017 № 273 «Об утверждении методов расчета рассеивания выбросов вредных (загрязняющих) веществ в атмосферном воздухе», подлежащая применению с 01.01.2018 (далее — МРР-2018). Методика базируется на решении уравнения атмосферной диффузии с введением ряда упрощений. Путем его интегрирования получают аналитическое выражение для расчета максимальной приземной концентрации ЗВ. Данное аналитическое решение, аппроксимированное для удобства использования в практических расчетах, и применяется в методике МРР-2018. Эта методика позволяет рассчитать максимальные разовые и средние долгопериодные концентрации различных ЗВ (в том числе и РМ2 5) от точечных, линейных, площадных и объемных источников загрязнения. Центральное место в методике занимает принцип суперпозиции, согласно которому концентрация ЗВ от совокупности источников равняется сумме концентраций ЗВ от каждого из источников в отдельности:
:(И1 + И2
И ) =
= с (И ) + с (И ) + ... + с (И ).
(1 )
При этом линейные, площадные и объемные источники рассматриваются как совокупность точечных.
5 User's guide for CAL3QHC Version 2: A Modeling methodology for predicting pollutant concentrations near roadway intersections. EPA-454/R-92-006. U.S. Environmental Protection Agency, Research Triangle Park, North Caroline, 1992.
6 User's guide for the Industrial Source Complex (ISC3) dispertion models. Volume II - description of model algorithms. EPA-454/B-95-003b. U.S. Environmental Protection Agency, Research Triangle Park, North Caroline, 1995.
МРР-2018 позволяет также учесть влияние рельефа местности и расположенных на ней зданий на концентрацию загрязняющих веществ. Это влияние описывается коэффициентами, на которые умножаются результаты расчета концентраций ЗВ, определенные без учета рельефа и застройки. Тем не менее методика не учитывает воздействие целого ряда факторов на рассеивание частиц РМ25, таких как влажность воздуха, которая увеличивает скорость оседания мелкодисперсных частиц, и наличие объектов озеленения, способных захватывать и удерживать мелкодисперсные частицы.
Авторами исследования [37] была разработана методика прогнозирования экстремального загрязнения воздуха на автомагистралях и в их окрестностях мелкодисперсными взвешенными частицами РМ10 и РМ25. Расчет распространения ЗВ от автомобильной дороги также проводился с применением уравнения турбулентной диффузии. Главным достоинством указанной работы является всестороннее описание (качественное и количественное) процесса образования РМ10 и РМ2 5 на автотранспортных магистралях с учетом не только мелкодисперсных частиц, образовавшихся вследствие выбросов автотранспортных средств, но и частиц, появившихся в результате стирания тормозных колодок автомобилей, износа шин и самого дорожного полотна, а также с учетом процесса ресуспензии дорожной пыли.
Другим примером имитационной модели служит работа [38], где рассмотрена постановка и приведено приближенное решение пространственной задачи о переносе и рассеивании легких и тяжелых примесей от движущихся автомобилей, случайный поток которых считается пуассоновским процессом. Эта методика также основана на аналитическом решении уравнения турбулентной диффузии только в более общем, нестационарном виде. Полученное решение дает возможность рассчитать концентрации ЗВ от каждого автомобиля, находящегося на трассе, в отдельности (как для точечного источника ЗВ), концентрация ЗВ от всей автотрассы рассчитывается как сумма концентраций ЗВ от единичных автотранспортных средств. Появление машин в начале рассматриваемого участка трассы считается случайным, вследствие чего этот характер приобретают концентрации ЗВ каждого автотранспортного средства. В методике даны уравнения, позволяющие рассчитать математическое ожидание и дисперсию концентрации ЗВ в любой точке пространства при различных направлениях, скорости ветра и интенсивности дорожного движения.
Разработана математическая модель распределения ЗВ, образующихся в результате транспортного движения, которая позволяет определить концентрацию ЗВ на расстоянии от дороги при помощи экспериментально измеряемых величин: плотности автомобильного потока, средней скоро-
сти движения автомобильного потока на 1 км, ширины магистрали и концентрации ЗВ на границе между проезжей частью дороги и тротуаром [39]. Модель подходит для расчета концентраций РМ2 5 для городской среды.
В работах [40-42] применяется еще один подход, используемый для описания движения мелкодисперсных частиц. Рассматривается уравнение движения отдельной частицы в пылевом облаке, что дает возможность установить траекторию частицы в зависимости от ее диаметра, плотности, вязкости и скорости ветра.
С помощью этот подхода в труде [40] описывается процесс осаждения облака частиц при его движении от горнодобывающего каньона. Полученные аналитическим образом уравнения показали, что твердые частицы большего размера осаждаются ближе к источнику выбросов, в то время как меньшие осаждаются дольше всего и перемещаются на значительное расстояние. Эти результаты были подтверждены экспериментальными исследованиями.
Авторами исследования [41] анализируется данный подход в совмещении с описанием нестационарного поля скоростей ветра. При этом движение частиц рассматривается под действием пульсирующего воздушного потока, а полученные уравнения позволяют более точно рассчитать дальность оседания частиц различного размера, испускаемых точечным стационарным источником загрязнения.
Изучению движения твердых частиц при их отрыве от поверхности земли под воздействием ветра посвящена публикация [42]. Приведенные в ней уравнения могут быть полезны при описании вторичных источников образования твердых частиц, таких как ресуспензия дорожной пыли или ветровая эрозия почвы. Главными упрощениями, принятыми в рассматриваемых работах, являются однородное поле скоростей ветра, в котором описано движение твердых частиц, а также отсутствие каких-либо препятствий на их пути, что лишь в некоторых случаях соответствует действительности.
Модели с уравнениями в частных
производных
Данные модели используют сложные дифференциальные уравнения движения воздушной среды (уравнения Навье - Стокса) совместно с уравнениями диффузии и перемещения ЗВ в воздушном потоке. Система может дополняться уравнениями теплового баланса; уравнениями, описывающими химические реакции рассеянных в воздухе веществ; уравнениями, описывающими движение частиц, находящихся в воздухе в жидком состоянии, и т.д. Эта группа моделей позволяет наиболее полно и точно описать все процессы, происходящие в воздушной среде. Главным недостатком таких моделей является их сложность и потребность
< п
о Г
И 2
о
§ С/3
1 2
У 1
О со
Е-
^ I § °
2 3 о
=! ( §
Е С/3
§ 2
§ 0
2 6
А ГО
> 6
$ (
ТТ §
ф ) н
[ 7 [
. ОН [■
(Л п (Я у
с о [[
с с 22 о о 10 10 10 10
сч N
сч N
о о
N N
со со
К (V
и 3 > (Л
с «
и I»
I
Ф <и
о ё
о
о о со < со
8 « ™ §
<Л "
от Е
Е о
£ о
^ с
ю о
£ Ц
о Е
СП ^ т- ^
<л ю
2 3 г
О (О №
в больших вычислительных мощностях, так как входящие в их состав уравнения возможно решить только численным путем (методом конечных элементов, методом конечных объемов и т.д.). Из указанной группы для настоящего исследования особый интерес представляет работа [43], в которой была построена математическая модель взаимодействия растительности с двухфазными газодинамическими потоками на основании уравнений газовой динамики, а также создана численная методика, алгоритмы и компьютерные программы для изучения распространения пылевых загрязнений в лесных массивах с различными геометрическими характеристиками, конфигурацией посадки и разновидностями деревьев.
Элементы лесного массива моделировались как пористые тела, создающие силу сопротивления при движении ветрового потока. Модель помимо взаимодействия ветрового потока с элементами озеленения учитывает и процесс осаждения твердых частиц на поверхность кроны деревьев. На основе модели была разработана программа численного расчета.
Статистические модели
Статистические модели находят применение в последние десятилетия. Они описывают закономерности, исходя из большого количества информации. Как правило, к статистическим моделям расчета концентрации ЗВ относятся модели, базирующиеся на статистической обработке метеорологических данных и результатов натурных наблюдений. К методикам, основанным на этом подходе, относятся работы [44-46].
В труде [44] выполнена разработка и анализ регрессионных картографических моделей для описания пространственного распределения ЗВ в воздушной среде на основе географических и экспериментальных сведений о загрязнении воздуха. Модели предназначены для построения карты загрязнения исследуемой территории и оценки вредного воздействия ЗВ на население. Модель может применяться для расчета распространения взвешенных в воздухе частиц различного диаметра, в том числе РМ25, на территории городской застройки. Методика базируется на новом методе регрессионной картографии, в котором для оценки уровня загрязнения воздушной среды не требуется решение сложных дифференциальных уравнений. Однако модель не подходит для прогнозирования изменения уровня загрязнения атмосферы города при изменении пропорций городского озеленения.
Исследованию динамики изменения концентрации мелкодисперсной пыли вблизи основных магистралей г. Волгоград посвящена публикация [45]. Главная идея заключается в том, что результаты измерения концентрации взвешенных в воздухе твердых частиц можно рассматривать как случайные величины и анализировать их методами математи-
ческой статистики. В работе были найдены статистические зависимости между концентрациями частиц РМ10 и такими факторами, как скорость ветра, относительная влажность воздуха, а также интенсивность транспортного движения. Представлена методика, позволяющая рассчитать среднее число и длительность превышений предельно-допустимой концентрации (ПДК) по пылевому загрязнению. Тем не менее в данном исследовании пылевое загрязнение рассматривается исключительно на придорожных участках на расстоянии до 10 м от дороги, т.е. не описывается рассеивание твердых частиц вглубь жилой застройки и не учитывается наличие озеленения, главное внимание уделяется частицам РМ , а не содержащимся в них более легким (что влияет на характер рассеивания) и более опасным для здоровья жителей города мелкодисперсным частицам РМ25.
Разработанная упрощенная математическая модель по оценке загрязнения атмосферы на основе балансного метода поступления ЗВ в городские районы приведена в исследовании [46]. Для каждого из районов города суммарное количество ВВ, находящееся в воздушной среде района, складывается из выброса источников загрязнения, расположенных в пределах этого района, и объема ВВ, приносимого в него ветром из других районов города. Статистическая обработка данных о скорости и направлении господствующего ветра позволила оценить итоговое влияние такого взаимообмена загрязненным воздухом в долгосрочной перспективе для каждого из городских районов и разработать критерии их экологического благополучия. Методика используется для крупномасштабной оценки экологических последствий при размещении новых производственных комплексов на территории города, и не рассматривает локальный характер рассеивания и оседания тех или иных ЗВ, и как следствие, не может использоваться для расчета ожидаемых концентраций ЗВ в различных районах городской застройки.
В работе [47] рассмотрена плотность городской застройки как один из факторов, влияющих на концентрацию мелкодисперсных частиц в атмосфере. Было предложено разделять территорию города на квазиоднородные зоны с одинаковыми значениями коэффициента плотности застройки. На основе натурных замеров, проводимых в Красноармейском районе г. Волгограда с 2013-2017 гг., методами многофакторного регрессионного анализа получено выражение, отражающее зависимость концентрации мелкодисперсных частиц от гидрометеорологических параметров и плотности застройки:
С = 1,801- 0,0047- + + 0,058Ж- 0Д98К- 0,0002^ + 0Д5Р,
(2)
где С — концентрация мелкодисперсных частиц, мг/м3; T — температура воздуха, °С; Ж — влаж-
ность воздуха, %; V — скорость ветра, м/с; Кп — коэффициент плотности застройки (безразмерная величина); Р — удельная нагрузка загрязнения пылью атмосферы рассматриваемой квазиоднородной зоны (безразмерная величина).
Высокая статистическая значимость результатов дает возможность использовать полученное соотношение в прогностических целях. Однако полученная модель — эмпирическая, поэтому ее применимость для иных городов, кроме Волгограда, является не обусловленной.
РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ
По результатам аналитического обзора составлена таблица по сравнению методик расчета рассеивания ЗВ с выявлением и сопоставлением их достоинств и недостатков (табл.).
Существующие методы и методики расчета не учитывают взаимодействие РМ2 5 с зелеными насаждениями, находящимися на городских территориях. Этому вопросу начали уделять внимание лишь в последние несколько лет.
Краткое сравнение методик расчета рассеивания загрязняющих веществ Brief comparison of methods for calculating the dispersion of pollutants
Название (год), авторы Описание методики Достоинства Недостатки
Title (year), authors Description of the technique Advantages Flaws
Руководство Предназначена для Простой математический Расчетная область
пользователя для расчета концентраций ЗВ аппарат. принята плоской,
CAL3QHC версии 2: от выбросов автотранспорта Хорошая сходимость учет застройки
Методология на регулируемых с экспериментальными производится путем
моделирования и нерегулируемых перекрестках измерениями задания шероховатости
для прогнозирования дорог Simple mathematical у поверхности, что
концентраций The methodology is used to apparatus. приводит к неточным
загрязняющих calculate the concentrations of Good convergence with результатам в глубине
веществ вблизи pollutants from vehicle emissions experimental measurements жилого массива
перекрестков at regulated and unregulated The computational domain
проезжей части intersections of roads is assumed to be flat,
User's guide the built-up area is taken
for CAL3QHC into account by setting
Version 2: A modeling roughness at the surface,
methodology for which leads to inaccurate
predicting pollutant results in a residential area
concentrations near
roadway intersections
(1992)
Руководство Предназначена для расчета Учет влияния застройки Применима для простых
пользователя концентраций ЗВ вокруг на концентрацию ЗВ случаев.
для моделей промышленных предприятий Account is taken of Точность расчета
дисперсии The methodology is used to the influence of built-up снижается
загрязняющих calculate the concentrations areas on the concentration of при усложнении
веществ of pollutants around industrial pollutants геометрии расчетной
от промышленных enterprises области
предприятий (ISC3) Applicable to simple
User's guide for cases.
the Industrial Source The accuracy of
Complex (ISC3) the calculation decreases
dispersion models as the geometry of
(1995) the computational domain turns more complex
< П
ф е
u> t
i
3 О S
с
0 CO n CO
1 z У 1
J to
u-
^ I
n °
S> 3 o
zs (
oi
о n
CO CO
z 2
CO О
CD
Г 6 ^^ (
CD CD
l С
3
e
. DO
■ т
s 3
s У с о <D Ж
s°s°
2 2 О О 10 10 10 10
Продолжение таблицы / Continuation of the Table
Название (год), авторы Title (year), authors
Описание методики Description of the technique
Достоинства Advantages
Недостатки Flaws
N N
N N
О О
tv N
00 CO
a>
Моделирование и анализ переноса газовых выбросов от автомобильного потока
со случайными характеристиками (2000);
М.Г. Бояршинов Modelling and analysis of the gas emission transport from automobile, flows having random characteristics (2000); M.G. Boyarshinov
Предназначена для расчета концентраций легких и тяжелых ЗВ от движущихся автомобилей. Случайный поток частиц с известной средней интенсивностью считается пуассоновским процессом. Основана на решении уравнения турбулентной диффузии, рассчитывается математическое ожидание и дисперсия концентраций ЗВ The methodology is used to calculate the concentrations of light and heavy pollutants from moving cars. A random flow of particles with a known average intensity is considered a Poisson process. The methodology is based on the solution of the turbulent diffusion equation; the mathematical expectation and dispersion of concentrations of pollutants are calculated
Учет влияния направления и скорости ветра на процесс рассеивания ЗВ от автотранспорта. Учет размера частиц ЗВ при расчете путем введения скорости осаждения частиц W Taking into account the influence of wind direction and speed on the process of dispersion of pollutants from vehicles. Taking into account the particle size of pollutants in the calculation by introducing particle settling rate W
Не учитывает влияние прилегающей к автомобильной дороге застройки на распространение ЗВ Does not take into account the influence of the built-up area adjacent to the highway on the spread of pollutants
К
о >
с to
<u <u
О ё
от " от Е
Е о CL U
^ с
ю о
S «
о Е
СП ^ т- ^
Моделирование рассеивания примеси низкотемпературных веществ
в приземном слое атмосферы (2002); А.Д. Тевяшев Modeling the dispersion of low-temperature admixtures in the surface layer of the atmosphere (2002);
A.D. Tevyashev
Описан алгоритм, который использует стандартную Гауссову модель рассеивания для построения поля концентрации ЗВ от стационарного точечного источника загрязнения The authors describe an algorithm that uses a standard Gaussian dispersion model to construct the concentration field of pollutants from a fixed pollution point
Реализации алгоритма в виде программы. Небольшие
вычислительные затраты The algorithm is implemented as a software. Small costs of computation
Источник загрязнения является стационарным точечным. Не учитывается застройка и рельеф The source of pollution is a fixed point. Built-up areas and topography are not taken into account
ОТ
от
ЕЗ
Г
О tn
Совершенствование методов расчета рассеивания пылевых выбросов предприятий стройиндустрии (2007); И.В. Кабаева Improvement of calculation methods for dispersion of dust emissions at construction industry enterprises (2007); I.V. Kabaeva
Предназначена для расчета концентраций пылевых частиц от строительных производств в горизонтальном турбулентном потоке под действием силы тяжести с учетом коэффициента формы пылевых частиц. Получена экспериментально The methodology is designed to calculate dust particle concentrations from construction industries in a horizontal turbulent flow under the action of gravity taking into account the shape factor of dust particles. It is obtained in an experiment
Учет размера пылевых частиц, скорость осаждения зависит от коэффициента формы частиц
Account is taken of the size of dust particles, the settling rate depends on the shape coefficient of particles
Подходит только для расчета пылевого загрязнения от стационарных источников — предприятий стройиндустрии It is suitable only for the calculation of dust pollution from fixed sources — construction industry enterprises
Продолжение таблицы / Continuation of the Table
Название (год), авторы Title (year), authors
Описание методики Description of the technique
Достоинства Advantages
Недостатки Flaws
Математические модели загрязнения атмосферного воздуха мегаполиса и промышленного центра выбросами автотранспорта и промышленных предприятий (2012); К.М. Антропов Mathematical models of atmosphere air pollution in a megalopolis and an industrial centre by vehicular and industrial emissions (2012); K.M. Antropov
Предназначена для построения карты загрязнения исследуемой территории и оценки токсической экспозиции для населения. Произведен анализ регрессионных картографических моделей для описания пространственного распределения загрязнителей атмосферного воздуха с высоким пространственным разрешением на основе экспериментальных данных о загрязнении воздуха и географической информации This method is used to make a pollution map for the study area and assess the toxic exposure for the population. Regression cartographic models for describing the spatial distribution of atmospheric air pollutants with high spatial resolution based on experimental air pollution data and geographic information are analyzed
Учет размера ЗВ. Подходит для расчета PM. Используемый метод регрессионной картографии не требует решения сложных дифференциальных уравнений
Account is taken dimensions of pollutants. Suitable for model calculation.
The method of regression mapping does not require solution of complex differential equations
Модель не подходит для прогнозирования изменения уровня загрязнения атмосферы города при изменении пропорций городского озеленения
The model is not suitable for forecasting changes in the level of atmosphere pollution in the city if the proportions of urban landscaping change
< П
ф е
u> t
i
3 О S
с
Математическое моделирование процессов аэродинамики в лесных массивах и насаждениях (2012); С.А. Орлов Mathematical modeling of aerodynamic processes in forests and planted areas (2012); S.A. Orlov
Предназначена для проведения исследований по распространению пылевых облаков и акустических возмущений в лесных массивах за пределами города. Разработана математическая модель взаимодействия массивов растительности с двухфазными газодинамическими потоками на основании уравнений газовой динамики. Проведены численные параметрические исследования процессов осаждения частиц в массивах растительности It is used to study dust cloud propagation and acoustic disturbances in forested areas outside the city. The mathematical model of interaction between vegetated areas with two-phase gas-dynamic flows on the basis of gas dynamics equations is developed. Numerical parametric studies of particle settling processes in vegetated areas have been conducted
Учет размера частиц ЗВ. Учет взаимодействия твердых частиц с элементами озеленения за пределами города (осаждение частиц на листьях). Учет геометрических характеристик, формы посадки и видов деревьев Account for the particle size of pollutants. Account for interaction between solid particles and landscaping elements outside the city (settling of particles on leaves). Account for geometric characteristics, planting forms and types of trees
Сложность
математического
аппарата.
Реализация методики только в численном виде Complexity of the mathematical apparatus. Implementation of the methodology only in the numerical form
o С/з § с/з
y 1
J со
u-
^ I
n °
S 3 o
zs ( о §
§ 2 n g
S 66
A ГО
r 6 t ( an
CD CD
l С
3
e
. DO
■ T
s □
s У
с о
<D *
, СО
M 2
О О
10 10
10 10
Продолжение таблицы / Continuation of the Table
Название (год), авторы Title (year), authors
Описание методики Description of the technique
Достоинства Advantages
Недостатки Flaws
N N
N N
О О
tV N
00 CO
<D
It
u >
с to
<u <u
О S
Анализ физико-математических моделей атмосферной диффузии применительно к оценкам воздействия автотранспорта на городскую среду (2012); О.В. Ложкина Analysis of physical and mathematical models of atmospheric diffusion applied to assess the impact of motor transport on urban environment (2012); O.V. Lozhkina
Анализ моделей Гаусса: американские модели HIWAI-2, CALINE-4, GM, GFLSM, CAR-FMI, BLP, LOCD, ADAM, ASPEN. GASTAR, UDM, MLCD. LADM Analysis of Gaussian models: American models HIWAI-2, CALINE-4, GM, GFLSM, CAR-FMI, BLP, LOCD, ADAM, ASPEN. GASTAR, UDM, MLCD. LADM
Простота использования моделей Гаусса. Простота реализации в виде программ Simple use of Gaussian models.
Easily implemented as software
Применяются только к плоской и открытой поверхности. Трудно учесть эффект препятствий. Метеорологические условия и условия поверхности земли постоянны на всем расстоянии, которое проходит облако газа. Применяются только для газов, имеющих плотность, близкую к воздуху. Обязательно должен быть ветер со скоростью >1 м/с Apply only to flat and open surfaces. It is difficult to account for the effect of obstacles. Meteorological and ground surface conditions are constant over the entire distance the gas cloud travels.
Apply only to gases with a density close to air. The wind must blow at the spend of >1 m/s
со " со iE
E о CL U
^ с
ю о
S «
о Е
СП ^ т- ^
<л ю
ЕЗ г
О (П
Движение частиц в воздушном потоке (2013); А.А. Соболев Particle motion in an air flow (2013); A.A. Sobolev
Описана математическая модель отрыва твердых частиц от поверхности движущимся воздушным потоком, даны уравнения, позволяющие оценить траекторию частиц разного размера при отрыве от горизонтальной поверхности при различной скорости ветра A mathematical model of particulate matter detachment from the surface by a moving air flow is described, and equations are provided to estimate the trajectory of particles of different sizes when detached from the horizontal surface at different wind speeds
Может быть использована для расчета образования PM путем ветровой эрозии почвы
Can be used to calculate the formation of particulate matter by wind erosion of soil
Не является законченной методикой определения концентрации частиц PM Is not a complete technique for determining the particle concentrations of particulate matter
Продолжение таблицы / Continuation of the Table
Название (год), авторы Title (year), authors
Описание методики Description of the technique
Достоинства Advantages
Недостатки Flaws
Математическая модель
для прогнозирования пространственного распределения загрязняющих веществ на городских магистралях (2015); И.И. Косинова A mathematical model for predicting the spatial distribution of pollutants on urban highways (2015); I.I. Kosinova
Математическая модель позволяет прогнозировать уровни загрязнения компонентов природной среды на участках городских автомагистралей с учетом плотности потока автомобилей, средней скорости движения, ширины магистрали The mathematical model predicts the levels of pollution of the natural environment components on sections of urban highways, taking into account the density of the flow of cars, the average traffic speed, the width of the highway
Возможен расчет параметров турбулентного линейного источника загрязнения (автомагистрали) в зависимости от плотности и состава трафика
It is possible to calculate the parameters of the turbulent linear source of pollution (highway) depending on the density and composition of traffic
Не учитывается застройка.
Подходит для оценки концентраций ЗВ на небольшом расстоянии от дороги вследствие сложности учета препятствий в виде зданий
Does not take into account any built-up areas. Is suitable for assessing pollutant concentrations at a short distance from the road due to the complexity of taking into account obstacles in the form of buildings
Математическое моделирование загрязнения приповерхностных отложений аэрозольными частицами (2015); О.В. Базарский Mathematical modeling of surface sediment pollution by aerosol particles (2015); O.V. Bazarsky
Даны аналитические уравнения, описывающие движение твердых частиц под действием сил тяжести и сил ветрового потока. Модель может быть использована при проведении инженерно-экологических изысканий: при оценке имеющейся ситуации и прогнозе развития Analytical equations, describing the motion of solid particles under the action of gravity and wind flow forces, are provided. The model can be used when conducting engineering and environmental surveys and assessing the current situation and forecasting development patterns
Учет размера и основных параметров ЗВ и условий их рассеивания. Возможность определения, насколько далеко от источника загрязнения произойдет осаждение частицы на поверхности земли
Taking into account the size and main parameters of pollutants and the conditions of their dispersion. The ability to determine how far the particle will settle from the source of pollution on the earth surface
Не учитывается сложный характер ветрового потока,
поле скоростей ветра принимается однородным, что применимо на открытой равнинной местности при устойчивом направлении и скорости ветра
Does not take into account the complex nature of the wind flow, the field of wind speeds is assumed to be homogeneous, which is applicable on open flat terrain when the wind direction and speed are stable
< П
ф е
u> t
i
3 О S
с
o n
l S y i
J со
u-I
n
S 3 o
=! ( n
u § 2
n g
s 66
r 6 t (
CD CD
Методика оценки и прогнозирования экстремального загрязнения воздуха на автомагистралях мелкодисперсными взвешенными частицами РМ10 и РМ^5 (2016); Н.В. Невмержицкий A methodology for assessing and predicting extreme air pollution on highways by fine particulate matter PM10 and PM^.5 (2016); N.V. Nevmerzhitsky
Предназначена для прогнозирования экстремального загрязнения воздуха на автомагистралях и в их окрестностях частицами PM10 и PM2 5 с оценкой вклада сажевых частиц, продуктов износа шин, тормозных колодок и дорожного полотна The method is designated to predict extreme air pollution from PM10 and PM^ 5 particles on and around highways with an assessment of the contribution of soot particles, tire wear products, brake pads and the road bad
Даны количественные данные о мощности выбросов PM от транспортных средств различного класса. Учет первичного и вторичного образования PM (ресуспензия дорожной пыли)
Quantitative data on PM emission rates from different classes of vehicles are given. Account is taken of primary and secondary formation of PM (resuspension of the road dust)
Расчет распространения PM от дороги вглубь застройки ведется по нормативной методике ОНД-86. Расчет может быть не точным в глубине кварталов, так как натурные измерения производились возле дорог
PM propagation from the road into built-up areas is calculated according to the normative method of ODN-86.
The calculation may not be accurate inside blocks, since the field measurements were made near the roads
l С
3
e
. DO ■
s □
s у
с о
<D *
СО 00
M M
о о
10 10
10 10
Продолжение таблицы / Continuation of the Table
Название (год), авторы Title (year), authors
Описание методики Description of the technique
Достоинства Advantages
Недостатки Flaws
Характеристика рассеивания загрязняющих веществ вблизи вытянутых зданий на основе моделирования в аэродинамической трубе (2016); С.Дж. Перри Characterization of pollutant dispersion near elongated buildings based on wind tunnel simulations (2016); S.G. Perry
Усовершенствован метод Гаусса на основе данных испытаний в аэродинамической трубе для оценки концентрационных полей, возникающих вокруг прямоугольного здания при различных положениях источника загрязнения и направлении ветра The Gaussian method is improved on the basis of the wind tunnel test data to estimate the concentration fields occurring around a rectangular building for different positions of the pollution source and wind direction
Получение точных результатов, подтвержденных экспериментально, вблизи здания, где воздушный поток имеет сложных характер
Obtaining accurate results, confirmed experimentally, in the vicinity of the building, where the airflow has a complex nature
Не учитывается влажность воздуха Does not take into account the air humidity
N N
N N
О О
tv N
00 00 a>
n
u >
с ta
<U <u
О ё
Приказ
от 06.06.2017 № 273 «Об утверждении методов расчета рассеивания выбросов вредных (загрязняющих) веществ в атмосферном воздухе» (2017) Order No. 273 of June 6, 2017 "On approval of methods for calculating the dispersion of emissions of harmful (polluting) substances in the atmosphere air" (2017)
Усовершенствованная методика ОНД-86. Предназначена для расчета приземных концентраций ЗВ в двухметровом слое над поверхностью земли Improved methodology ODN-86, designed to calculate surface concentrations of pollutants in a two-meter layer above the ground surface
Учет рельефа местности через коэффициент. Возможность расчета долгопериодных концентраций ЗВ Taking into account the terrain by using a coefficient. The ability to calculate long-term concentrations of pollutants
Не учитываются реальная влажность воздуха и дисперсный состав аэрозоля Does not take into account the real air humidity and the dispersed composition of the aerosole
со " со iE
E о CL U
^ с
ю о
S ц
о Е с5 °
СП ^ т- ^
<л ю
ЕЗ г
iE 3s
о (П
Совершенствование системы мониторинга загрязнения воздуха придорожных территорий городов мелкодисперсной пылью (2017); Н.С. Барикаева Improvement of the monitoring system of air pollution of roadside areas of cities by fine dust (2017); N.S. Barikayeva
Результаты измерения концентрации пыли рассматриваются как случайные величины и анализируются методами математической статистики. Найдены статистические зависимости между концентрациями PM10 и скоростью ветра, относительной влажностью воздуха и интенсивностью транспортного движения The results of dust concentration measurements are treated as random variables and analyzed using methods of mathematical statistics. The statistical relationships between PM10 concentrations and wind speed, relative air humidity and traffic intensity have been identified
Высокая степень
статистической
достоверности
High degree of statistical
reliability
Пылевое загрязнение рассматривается на придорожных участках на расстоянии до 10 м от дороги, т.е. не описывается рассеивание пыли вглубь жилой застройки Dust pollution is considered in roadside areas at a distance of up to 10 m from the road; the dispersion of dust into the blocks of residential buildings is not described
Продолжение таблицы / Continuation of the Table
Название (год), авторы Title (year), authors
Описание методики Description of the technique
Достоинства Advantages
Недостатки Flaws
Балансовый метод оценки загрязнения воздушной среды крупных городов на принципах биосферной совместимости (2017); Т.В. Донцова A balance method for assessing air pollution in large cities based on the principles of biocompatibility (2017); T.V. Dontsova
Разработана упрощенная математическая модель оценки загрязнения атмосферы на основе балансного метода поступления вредных веществ в городские районы. Статистическая обработка данных о скорости и направлении господствующего ветра позволила оценить итоговое влияние взаимообмена загрязненным воздухом между различными районами города в долгосрочной перспективе A simplified mathematical model of atmosphere pollution evaluation, based on the balance method of pollutant inflow to urban areas, was developed. Statistical processing of data on the speed and direction of the prevailing wind allowed estimating the final impact of an interchange of polluted air between different urban districts in the long term
Оценка влияния одного района города (или предприятия в данном районе) на уровень загрязнения во всем городе.
Крупномасштабная оценка экологической ситуации Assessment of the impact of one urban district (or an enterprise in a given area) on the level of pollution in the entire city. Large-scale assessment of the environmental situation
Не применима для определения локального характера рассеивания и осаждения ЗВ Not applicable for determining the local nature of dispersion and settling of pollutants
< П
е
(Л t
i
3
О S
o n
l S y 1
J со
u-
^ I n
s 3 o
=s ( n
u
on 2 n g
s 66 r6
t (
CD CD
На основе статистической обработки экспериментальных данных по концентрации мелкодисперсных частиц в Волгограде получена зависимость их концентрации от температуры воздуха, влажности, скорости ветра, коэффициента плотности застройки, удельной нагрузки загрязнения пылью атмосферы рассматриваемой «квазистационарной зоны» Statistical processing of experimental data on concentration of fine particles in Volgograd was employed to identify the dependence between their concentration and air temperature, humidity, wind speed, the coefficient of urban density, the unit load of the dust pollution in the "quasi-fixed zone"
ЗАКЛЮЧЕНИЕ И ОБСУЖДЕНИЕ
Проанализированы существующие методы и методики расчета рассеивания загрязняющих веществ в атмосфере, базирующиеся на моделях на основе распределения Гаусса, имитационных моделях, моделях с уравнениями в частных производных и статистических моделях. Выявлены преиму-
Совершенствование оценки пылевого загрязнения атмосферы урбанизированных территорий с учетом плотности застройки (2021); С.А. Богомолов Improvement of the assessment of dust pollution in the atmosphere of urban areas taking into account densely built-up areas (2021); S.A. Bogomolov
Высокая статистическая значимость результатов, возможно использование в прогностических целях High statistical significance of the results, usable for projection purposes
Высока вероятность неприменимости методики для других городов, кроме Волгограда. В модели не указано, в каких точках на территории «квазистационарного района» определяется концентрация пыли There is a high probability that the methodology is not applicable to other cities, except for Volgograd. The model does not specify the points in the "quasi-fixed area", where dust concentration is identified
щества и недостатки перечисленных выше методов и методик. Все они имеют некоторые допущения и ограничения в области своего применения. Это демонстрирует сложность описания динамических процессов, сопровождающих распространение ЗВ в атмосфере.
Проведенный анализ показывает, что в большей части имеющихся методов и методик расчета
l С
3
e
. DO ■
s □
s у
с о
(D *
00 00
M M
о о
10 10
10 10
N N
N N
О О
N N
00 00
К <D
U 3
> (Л
С И
со N
дисперсии ЗВ в атмосферном воздухе учитывается только первый фактор — параметры самого источника загрязнения. Это позволяет подобрать правильное расположение источника загрязнения, его мощность и т.д. Однако при всех достоинствах эти методы и методики не учитывают второй фактор — параметры городской среды и его влияние на распространение ЗВ, либо учитывают, но в очень ограниченной форме. Так, например, известна способность зеленых насаждений поглощать некоторые ЗВ из атмосферы, в том числе и РМ25, что делает зеленые насаждения важным средством контроля рассеивания ЗВ в городской среде. По результатам аналитического обзора научных исследований выявлено влияние свойств зеленых насаждений на снижение пылевого загрязнения в городской атмосфере. Наиболее эффективной мерой по снижению РМ2 образованных в результате дорожного движения, является создание зеленого пояса вдоль дорог. Из всех рассмотренных работ только методика № 7 в таблице учитывает взаимодействие ЗВ с зелеными насаждениями. Причем эта методика не учитывает специфику городской среды. В данной методике рассматривается движение ветрового потока в непрерывном, однородном лесном массиве, что не совпадает с условиями городской застройки. Также не принимается в расчет влияние зданий на режим ветрового потока, которые служат препятствием, меняя направление и скорость ветра. Характер рас-
сеивания ЗВ внутри лесного массива и в условиях городской застройки будет значительно отличаться.
Это показывает, что в настоящий момент в расчетных методиках существуют ограничения в учете способности зеленых насаждений поглощать некоторые ЗВ из атмосферы, в том числе и РМ25. Следовательно, есть необходимость в разработке методики расчета рассеивания ЗВ в городской атмосфере, позволяющей учитывать помимо параметров самого источника загрязнения параметры городской среды, в частности, наиболее перспективным из них является учет озелененной территории. Это даст возможность прогнозировать изменение концентрации ЗВ в атмосфере города при изменении пропорций городского озеленения, что позволит эффективно планировать городскую среду с точки зрения экологической безопасности. Таким образом, следующим шагом на пути развития расчетных методов и методик рассеивания ЗВ в городской атмосфере в целях обеспечения экологической безопасности городской среды станет разработка методики, позволяющей при расчете концентрации ЗВ учитывать пылепогло-тительную способность насаждений в отношении частиц РМ2 5 и сорбционные свойства лиственной поверхности деревьев и кустарников на территории исследования. Данная методика может обусловить размещение объектов озеленения (деревьев, кустарников), газонного городского озеленения и озеленения крыш и стилобатов жилых и общественных зданий в целях снижения РМ2
J
- S
<u ф
О ё
СПИСОК ИСТОЧНИКОВ
о
о о
со <
со S:
8 «
Si §
ОТ "
от Е
Е О
CL U
^ с
ю о
S ci
о Е
СП ^
т- ^
от от
2 3 г
S В
О (П
1. Bakaeva N., Le M.T. Determination of urban pollution islands by using remote sensing technology in Moscow, Russia // Ecological Informatics. 2022. Vol. 67. P. 101493. DOI: 10.1016/j.ecoinf.2021.101493
2. Ложкин В.Н., Буренин Н.С., Лукьянов С.В., Ложкина О.В. Исследование воздействия автотранспорта на воздушную среду на примере кольцевой автомагистрали Санкт-Петербурга // Вестник гражданских инженеров. 2011. № 4 (29). С. 117-122.
3. Марченко В.С., Ложкина О.В., Сорокина О.В., Ложкин В.Н. Совершенствование методики оценки и прогнозирования возникновения чрезвычайного локального загрязнения воздуха оксидами азота вблизи автодорог // Вестник гражданских инженеров. 2015. № 2 (49). С. 149-154.
4. Ложкин В.Н., Лукьянов С.В., Ложкина О.В. Экспериментально-аналитическое исследование загрязнения атмосферы вблизи КАД Санкт-Петербурга // Технико-технологические проблемы сервиса. 2012. № 2 (20). С. 7-14.
5. Bespalov V.I., Gurova O.S., Samars-kaya N.S. Main principles of the atmospheric air ecological monitoring organization for urban environment mobile
pollution sources // Procedia Engineering. 2016. Vol. 150. Pp. 2019-2024. DOI: 10.1016/j.proeng2016.07.286
6. Lelieveld J., Evans J.S., Fnais M., Giannada-ki D., Pozzer A. The contribution of outdoor air pollution sources to premature mortality on a global scale // Nature. 2015. Vol. 525. Issue 7569. Pp. 367-371. DOI: 10.1038/nature15371
7. Rodopoulou S., Samoli E., Chalbot M.C., Ka-vouras I.G. Air pollution and cardiovascular and respiratory emergency visits in Central Arkansas: A time-series analysis // Science of The Total Environment. 2015. Vol. 536. Pp. 872-879. DOI: 10.1016/j.scito-tenv.2015.06.056
8. Heinzerling A., Hsu J., Yip F. Respiratory health effects of ultrafine particles in children: a literature review // Water, Air, & Soil Pollution. 2016. Vol. 227. Issue 1. DOI: 10.1007/s11270-015-2726-6
9. Xu W., Wang S., Jiang L., Sun X., Wang N., Liu X. et al. The influence of PM2 5 exposure on kidney diseases // Human & Experimental Toxicology. 2022. Vol. 41. P. 096032712110699. DOI: 10.1177/09603271211069982
10. Chowdhury S., Pozzer A., Haines A., Klingmüller K., Münzel T., Paasonen P. et al. Global health
burden of ambient PM2 5 and the contribution of anthropogenic black carbon and organic aerosols // Environment International. 2022. Vol. 159. P. 107020. DOI: 10.1016/j.envint.2021.107020
11. Xi Y., Richardson D.B., Kshirsagar A.V., Wade T.J., Flythe J.E., Whitsel E.A. et al. Effects of short-term ambient PM2 5 exposure on cardiovascular disease incidence and mortality among U.S. hemodialysis patients: a retrospective cohort study // Environmental Health. 2022. Vol. 21. Issue 1. DOI: 10.1186/ s12940-022-00836-0
12. Meo S.A., Alqahtani A.S., Saad binmeather F., AlRasheed A.R., Aljedaie M.G., AlbarrakM.R. Effect of environmental pollutants PM2 5, CO, O3 and NO2, on the incidence and mortality of SARS-COV-2 in largest metropolitan cities, Delhi, Mumbai and Kolkata, India // Journal of King Saud University — Science. 2022. Vol. 34. Issue 1. P. 101687. DOI: 10.1016/j.jk-sus.2021.101687
13. Борисов М.В., Бакаева Н.В., Черняева И.В. Нормативно-техническое регулирование в области озеленения городской среды // Вестник МГСУ. 2020. Т. 15. № 2. С. 212-222. DOI: 10.22227/1997-0935.2020.2.212-222
14. Zhang L., He J., Gong S., Guo X., Zhao T., Zhou C. et al. Effect of vegetation seasonal cycle alterations to aerosol dry deposition on PM2 5 concentrations in China // Science of The Total Environment. 2022. Vol. 828. P. 154211. DOI: 10.1016/j.scito-tenv.2022.154211
15. Yang Y.-L., Yang K., Luo Y., Yu Z.-Y., Meng C., Li C. Effect of vegetation coverage on the temporal and spatial distribution of pm2 5 concentration in China's eight major economic regions from 1998 to 2016 // Environ. Sci. 2021. Vol. 42. Issue 11. Pp. 5100-5108. DOI: 10.13227/j.hjkx.202101277
16. Wroblewska K., Jeong B.R. Effectiveness of plants and green infrastructure utilization in ambient particulate matter removal // Environmental Sciences Europe. 2021. Vol. 33. Issue 1. DOI: 10.1186/ s12302-021-00547-2
17. Chen G., Lin L, Hu Y, Zhang Y., Ma K. Net particulate matter removal ability and efficiency of ten plant species in Beijing // Urban Forestry & Urban Greening. 2021. Vol. 63. P. 127230. DOI: 10.1016/j. ufug.2021.127230
18. He C., Qiu K., Alahmad A., PottR. Particulate matter capturing capacity of roadside evergreen vegetation during the winter season // Urban Forestry & Urban Greening. 2020. Vol. 48. P. 126510. DOI: 10.1016/j. ufug.2019.126510
19. RahmaniA.M., Mirmahaleh S.Y.H., Hossein-zadeh M. An intelligent algorithm to recommend percent vegetation cover (ARVC) for PM2 5 reduction // Air Quality, Atmosphere & Health. 2020. Vol. 13. Issue 7. Pp. 859-870. DOI: 10.1007/s11869-020-00844-4
20. Abhijith K.V., Kumar P., Gallagher J., Mc-Nabola A., Baldauf R., Pilla F. Air pollution abatement performances of green infrastructure in open road and built-up street canyon environments — A review // Atmospheric Environment. 2017. Vol. 162. Pp. 71-86. DOI: 10.1016/j.atmosenv.2017.05.014
21. Morakinyo T.E., Lam Y.F., Hao S. Evaluating the role of green infrastructures on near-road pollutant dispersion and removal: Modelling and measurement // Journal of Environmental Management. 2016. Vol. 182. Pp. 595-605. DOI: 10.1016/j.jenvman.2016.07.077
22. Pugh T.A.M., Mackenzie A.R., Whyatt J.D., Hewitt C.N. Effectiveness of green infrastructure for improvement of air quality in urban street canyons // Environmental Science & Technology. 2012. Vol. 46. Issue 14. Pp. 7692-7699. DOI: 10.1021/es300826w
23. Чернышенко О.В. Пылефильтрующая способность древесных растений // Лесной вестник. 2012. Т. 3. С. 7-10.
24. Speak A.F., Rothwell J.J., Lindley S.J., Smith C.L. Urban particulate pollution reduction by four species of green roof vegetation in a UK city // Atmospheric Environment. 2012. Vol. 61. Pp. 283-293. DOI: 10.1016/j.atmosenv.2012.07.043
25. Feng H., Ding Y, Zou B., Cohen J.B., Ye S., Yang Z. et al. Vegetation-related dry deposition of global PM25 from satellite observations // Journal of Geographical Sciences. 2022. Vol. 32. Issue 4. Pp. 589604. DOI: 10.1007/s11442-022-1962-0
26. Xie C., Guo J., Yan L., Jiang R., Liang A., Che S. The influence of plant morphological structure characteristics on PM2 5 retention of leaves un- y der different wind speeds // Urban Forestry & Urban Greening. 2022. Vol. 71. P. 127556. DOI: 10.1016/j. ufug.2022.127556
27. Feng H., Feng H. Correlation analysis between PM2 5 concentration and meteorological, vegetation and topographical factors in the urbanized ecosystem in Beijing, China // Nature Environment and Pollution Technology. 2020. Vol. 19. Issue 4. Pp. 13991410. DOI: 10.46488/NEPT.2020.v19i04.006
28. Wang J., Xie C., Liang A., Jiang R., Man Z., Wu H. et al. Spatial-temporal variation of Air PM2 5 and PM10 within different types of vegetation during winter in an urban riparian zone of Shanghai // Atmosphere. 2021. Vol. 12. Issue 11. P. 1428. DOI: 10.3390/at-mos12111428
29. Yin Z., Zhang Y., Ma K. Evaluation of PM2 5 retention capacity and structural optimization of urban park green spaces in Beijing // Forests. 2022. Vol. 13. Issue 3. P. 415. DOI: 10.3390/f13030415
30. Sgrigna G., Baldacchini C., Dreveck S., Cheng Z., Calfapietra C. Relationships between air particulate matter capture efficiency and leaf traits in twelve tree species from an Italian urban-industrial environment // Science of The Total Environment.
< n i H
G Г
CO CO
y ->■ J to
u-
^ I
n °
CD 3
0 CD
=! (
01
о §
§ 2 n 0
r 6 t ( Cc §
CD ) ■
® 7 л ■ . DO
■ T
s У
с о ■■
, со
О О 10 10 10 10
N N
N N
О О
N N
00 00
К <D
U 3
> (Л
С И
со N
J
- £ ф Ф
О ё
о
о о
со <
cd S:
8 «
Si §
от " от iE
Е о
£ ° ^ с
ю о
S «
о Е
СП ^ т- ^
от от
£ w
■S г
iE 35
О (П
2020. Vol. 718. P. 137310. DOI: 10.1016/j.scito-tenv.2020.137310
31. Xing Y., Brimblecombe P. Trees and parks as "the lungs of cities" // Urban Forestry & Urban Greening. 2020. Vol. 48. P. 126552. DOI: 10.1016/j. ufug.2019.126552
32. Han D.H., Shen H.L., Duan W.B., Chen L.X. A review on particulate matter removal capacity by urban forests at different scales // Urban Forestry & Urban Greening. 2020. Vol. 48. P. 126565. DOI: 10.1016/j.ufug.2019.126565
33. Wu J., Luo K., Wang Y., Wang Z. Urban road greenbelt configuration: The perspective of PM2 5 removal and air quality regulation // Environment International. 2021. Vol. 157. P. 106786. DOI: 10.1016/j. envint.2021.106786
34. Ложкина О.В., Попов В.В., Кузнецова А.Д. Анализ физико-математических моделей атмосферной диффузии применительно к оценкам воздействия автотранспорта на городскую среду // Вестник Санкт-Петербургского университета Государственной противопожарной службы МЧС России. 2012. № 1. С. 59-66.
35. Тевяшев А.Д., Выходцев Е.И. Моделирование рассеивания примеси низкотемпературных веществ в приземном слое атмосферы // Радиоэлектроника и информатика. 2002. № 2. C. 54-56.
36. Perry S.G., Heist D.K., Brouwer L.H., Mon-bureau E.M., Brixey L.A. Characterization of pollutant dispersion near elongated buildings based on wind tunnel simulations // Atmospheric Environment. 2016. Vol. 142. Pp. 286-295. DOI: 10.1016/j.at-mosenv.2016.07.052
37. Невмержицкий Н.В. Методика оценки и прогнозирования экстремального загрязнения воздуха на автомагистралях мелкодисперсными взвешенными частицами РМ10 и РМ2 5 : дис. ... канд. техн. наук. СПб., 2016. 154 c.
38. Бояршинов М.Г. Моделирование и анализ переноса газовых выбросов от автомобильного потока со случайными характеристиками // Приклад-
Поступила в редакцию 15 апреля 2022 г. Принята в доработанном виде 10 июля 2022 г. Одобрена для публикации 10 июля 2022 г.
Об авторах: Елена Владимировна Сысоева — кандидат технических наук, доцент, доцент кафедры проектирования зданий и сооружений; Национальный исследовательский Московский государственный строительный университет (НИУ МГСУ); 129337, г. Москва, Ярославское шоссе, д. 26; SPIN-код: 5703-9029, Scopus: 57192373360, ResearcherID: AFJ-9050-2022, ORCID: 0000-0001-7250-3190; [email protected];
Маргарита Олеговна Гельманова — аспирант кафедры проектирования зданий и сооружений; Национальный исследовательский Московский государственный строительный университет (НИУ МГСУ); 129337, г. Москва, Ярославское шоссе, д. 26; SPIN-код: 8462-8299, ORCID: 0000-0003-2232-5239; [email protected].
Вклад авторов:
Сысоева Е.В. — научное руководство, концепция исследования, научное редактирование текста статьи, итоговых результатов и выводов.
ная механика и техническая физика. 2000. Т. 41. № 6 (244). С. 86-94.
39. Косинова И.И., Фонова С.И. Математическая модель для прогнозирования пространственного распределения загрязняющих веществ на городских магистралях // Инженерные изыскания. 2015. № 7. С. 24-27.
40. Базарский О.В., Косинова И.И., Фоно-ва С.И. Математическое моделирование загрязнения приповерхностных отложений аэрозольными частицами // Инженерные изыскания. 2015. № 5-6. С. 76-79.
41. Кабаева И.В. Совершенствование методов расчета рассеивания пылевых выбросов предприятий стройиндустрии : дис. ... канд. техн. наук. Волгоград, 2007. 142 с.
42. Соболев А.А., Мельников П.А., Тютюн-ник А.О. Движение частиц в воздушном потоке // Вектор науки ТГУ. 2013. № 3 (17). С. 82-86.
43. Орлов С.А. Математическое моделирование процессов аэродинамики в лесных массивах и насаждениях : дис. ... канд. физ.-мат. наук. Томск, 2012. 132 с.
44. Антропов К.М. Математические модели загрязнения атмосферного воздуха мегаполиса и промышленного центра выбросами автотранспорта и промышленных предприятий : дис. ... канд. физ.-мат. наук. Екатеринбург, 2012. 139 с.
45. Барикаева Н.С. Совершенствование системы мониторинга загрязнения воздуха придорожных территорий городов мелкодисперсной пылью : дис. ... канд. техн. наук. Волгоград, 2017. 159 с.
46. Донцова Т.В. Балансовый метод оценки загрязнения воздушной среды крупных городов на принципах биосферной совместимости : дис. ... канд. техн. наук. Волгоград, 2016. 159 с.
47. Богомолов С.А. Совершенствование оценки пылевого загрязнения атмосферы урбанизированных территорий с учетом плотности застройки : дис. ... канд. техн. наук. Волгоград, 2021. 117 с.
Гельманова М.О. — сбор и обработка материала, написание исходного текста и его доработка в соответствии с корректировками, итоговые результаты и выводы. Авторы заявляют об отсутствии конфликта интересов.
REFERENCES
1. Bakaeva N., Le M.T. Determination of urban pollution islands by using remote sensing technology in Moscow, Russia. Ecological Informatics. 2022; 67:101493. DOI: 10.1016/j.ecoinf.2021.101493
2. Lozhkin V.N., Burenin N.S., Lukyanov S.V., Lozhkina O.V. Investigation of the transports effect on the air environment on the example of the Saint-Petersburg ring highway. Bulletin of Civil Engineers. 2011; 4(29):117-122. (rus.).
3. Marchenko V.S., Lozhkina O.V., Soroki-na O.V., Lozhkin V.N. Improvement of the assessment methodology and forecasting of extremely high local air pollution with nitrogen oxides near motor roads. Bulletin of Civil Engineers. 2015; 2(49):149-154. (rus.).
4. Lozhkin V.N., Luk'yanov S.V., Lozhkina O.V. Experimental and analytical study of air pollution near the Ring Road of St. Petersburg. Technical and Technological Problems of Service. 2012; 2(20):7-14. (rus.).
5. Bespalov V.I., Gurova O.S., Samarska-ya N.S. Main principles of the atmospheric air ecological monitoring organization for urban environment mobile pollution sources. Procedia Engineering. 2016; 150:2019-2024. DOI: 10.1016/j.proeng.2016.07.286
6. Lelieveld J., Evans J.S., Fnais M., Giannada-ki D., Pozzer A. The contribution of outdoor air pollution sources to premature mortality on a global scale. Nature. 2015; 525(7569):367-371. DOI: 10.1038/na-ture15371
7. Rodopoulou S., Samoli E., Chalbot M.C., Ka-vouras I.G. Air pollution and cardiovascular and respiratory emergency visits in Central Arkansas: A time-series analysis. Science of The Total Environment. 2015; 536:872-879. DOI: 10.1016/j.scitotenv.2015.06.056
8. Heinzerling A., Hsu J., Yip F. Respiratory health effects of ultrafine particles in children: A literature review. Water, Air, & Soil Pollution. 2016; 227(1). DOI: 10.1007/s11270-015-2726-6
9. Xu W., Wang S., Jiang L., Sun X., Wang N., Liu X. et al. The influence of PM25 exposure on kidney diseases. Human & Experimental Toxicology. 2022; 41:096032712110699. DOI: 10.1177/ 09603271211069982
10. Chowdhury S., Pozzer A., Haines A., Kling-muller K., Munzel T., Paasonen P. et al. Global health burden of ambient PM2 5 and the contribution of anthropogenic black carbon and organic aerosols. EnvironmentInternational. 2022; 159:107020. DOI: 10.1016/j. envint.2021.107020
11. Xi Y., Richardson D.B., Kshirsagar A.V., Wade T.J., Flythe J.E., Whitsel E.A. et al. Effects
of short-term ambient PM25 exposure on cardiovascular disease incidence and mortality among U.S. hemodialysis patients: a retrospective cohort study. Environmental Health. 2022; 21(1). DOI: 10.1186/ s12940-022-00836-0
12. Meo S.A., Alqahtani A.S., Saad binmeather F., AlRasheed A.R., Aljedaie M.G., Albarrak M.R. Effect of environmental pollutants PM25, CO, O3 and NO2, on the incidence and mortality of SARS-COV-2 in largest metropolitan cities, Delhi, Mumbai and Kolkata, India. Journal of King Saud University — Science. 2022; 34(1):101687. DOI: 10.1016/j.jksus.2021.101687
13. Borisov M.V., Bakaeva N.V., Chernyae-va I.V. Normative and technical regulation in the field of urban green space arrangement. Vestnik MGSU [Monthly Journal on Construction and Architecture]. 2020; 15(2):212-222. DOI: 10.22227/1997- v n 0935.2020.2.212-222 (rus.). g ®
14. Zhang L., He J., Gong S., Guo X., Zhao T., | H Zhou C. et al. Effect of vegetation seasonal cycle al- K terations to aerosol dry deposition on PM2 5 concentra- G 3 tions in China. Science of The Total Environment. 2022; U ° 828:154211. DOI: 10.1016/j.scitotenv.2022.154211
15. Yang Y.-L., Yang K., Luo Y., Yu Z.-Y., f S Meng C., Li C. Effect of vegetation coverage on l z the temporal and spatial distribution of PM2 5 concen- 0 9 tration in China's eight major economic regions from T 0 1998 to 2016. Environ. Sci. 2021; 42(11):5100-5108. I § DOI: 10.13227/j.hjkx.202101277 ° PP
16. Wroblewska K., Jeong B.R. Effectiveness o f of plants and green infrastructure utilization in ambient t I particulate matter removal. Environmental Sciences Eu- § S rope. 2021; 33(1). DOI: 10.1186/s12302-021-00547-2 f 2
17. Chen G., Lin L., Hu Y., Zhang Y., Ma K. Net a g particulate matter removal ability and efficiency I 6
r O)
of ten plant species in Beijing. Urban Forestry & h g
Urban Greening. 2021; 63:127230. DOI: 10.1016/j. § °
ufug.2021.127230 EE f
18. He C., Qiu K., Alahmad A., Pott R. Particu- 0 ) late matter capturing capacity of roadside evergreen 0 h vegetation during the winter season. Urban Forestry U | & Urban Greening. 2020; 48:126510. DOI: 10.1016/j. 3 7 ufug.2019.126510 7 B
19. Rahmani A.M., Mirmahaleh S.Y.H., Hosse- q ? inzadeh M. An intelligent algorithm to recommend per- $ y cent vegetation cover (ARVC) for PM2 5 reduction. Air 0 0 Quality, Atmosphere & Health. 2020; 13(7):859-870. » » DOI: 10.1007/s11869-020-00844-4 g g
20. Abhijith K.V., Kumar P., Gallagher J., 2 2 McNabola A., Baldauf R., Pilla F. Air pollution abate-
ment performances of green infrastructure in open road and built-up street canyon environments — A review. Atmospheric Environment. 2017; 162:71-86. DOI: 10.1016/j.atmosenv.2017.05.014
21. Morakinyo T.E., Lam Y.F., Hao S. Evaluating the role of green infrastructures on near-road pollutant dispersion and removal: Modelling and measurement. Journal of Environmental Management. 2016; 182:595-605. DOI: 10.1016/j.jenv-man.2016.07.077
22. Pugh T.A.M., Mackenzie A.R., Whyatt J.D., Hewitt C.N. Effectiveness of green infrastructure for improvement of air quality in urban street canyons. Environmental Science & Technology. 2012; 46(14):7692-7699. DOI: 10.1021/es300826w
23. Chernyshenko O.V. Dust-filtering ability of woody plants. Forest Bulletin. 2012; 3:7-10. (rus.).
24. Speak A.F., Rothwell J.J., Lindley S.J., Smith C.L. Urban particulate pollution reduction by four species of green roof vegetation in a UK city. Atmospheric Environment. 2012; 61:283-293. DOI: 10.1016/j.atmosenv.2012.07.043
25. Feng H., Ding Y., Zou B., Cohen J.B., (M N Ye S., Yang Z. et al. Vegetation-related dry deposi-o o tion of global PM25 from satellite observations. Jour-
C>1 nal of Geographical Sciences. 2022; 32(4):589-604. ™ ™ DOI: 10.1007/s11442-022-1962-0 & « 26. Xie C., Guo J., Yan L., Jiang R., Liang A., H " Che S. The influence of plant morphological struc-® £ ture characteristics on PM2 5 retention of leaves un-£ ® der different wind speeds. Urban Forestry & Ur-2 J ban Greening. 2022; 71:127556. DOI: 10.1016/j. H | ufug.2022.127556
^ 27. Feng H., Feng H. Correlation analysis between
= PM2 5 concentration and meteorological, vegetation
C q 25
2. .2 and topographical factors in the urbanized ecosystem o in Beijing, China. Nature Environment and Pollution
CO
CO < Technology. 2020; 19(4):1399-1410. DOI: 10.46488/
° § NEPT.2020.v19i04.006
™ ° 28. Wang J., Xie C., Liang A., Jiang R., Man Z.,
$ § Wu H. et al. Spatial-temporal variation of air PM2 5 and
^ £ PM10 within different types of vegetation during win-
£ <3 ter in an urban riparian zone of Shanghai. Atmosphere.
^ o 2021; 12(11):1428. DOI: 10.3390/atmos12111428
g H 29. Yin Z., Zhang Y., Ma K. Evaluation of PM2 5
rj g Retention Capacity and Structural Optimization
? ^ of Urban Park Green Spaces in Beijing. Forests. 2022;
^ ~ 13(3):415. DOI: 10.3390/f13030415
^ 1 30. Sgrigna G., Baldacchini C., Dreveck S.,
> Cheng Z., Calfapietra C. Relationships between air
w particulate matter capture efficiency and leaf traits in
® EE twelve tree species from an Italian urban-industrial en-
| s£ vironment. Science of The Total Environment. 2020;
¡3 | 718:137310. DOI: 10.1016/j.scitotenv.2020.137310
B >§ 31. Xing Y., Brimblecombe P. Trees and parks as "the lungs of cities". Urban Forestry & Ur-
ban Greening. 2020; 48:126552. DOI: 10.1016/j. ufug.2019.126552
32. Han D.H., Shen H.L., Duan W.B., Chen L.X. A review on particulate matter removal capacity by urban forests at different scales. Urban Forestry & Urban Greening. 2020; 48:126565. DOI: 10.1016/j. ufug.2019.126565
33. Wu J., Luo K., Wang Y., Wang Z. Urban road greenbelt configuration: The perspective of PM2 5 removal and air quality regulation. Environment International. 2021; 157:106786. DOI: 10.1016/j.en-vint.2021.106786
34. Lozhkina O.V., Popov V.V., Kyzneco-va A.D. Analysis of the physic-mathematical models of the atmospheric diffusion for estimation of the influence of the cars on town ambience. Vestnik Saint-Petersburg University of State Fire Service of EMERCOM of Russia. 2012; 1:59-66. (rus.).
35. Tevyashev A.D., Vykhodtsev E.I. Modeling of dispersion of an impurity freezing substances in ground layer atmosphere. Radioelectronics and Informatics. 2002; 2:54-56. (rus.).
36. Perry S.G., Heist D.K., Brouwer L.H., Mon-bureau E.M., Brixey L.A. Characterization of pollutant dispersion near elongated buildings based on wind tunnel simulations. Atmospheric Environment. 2016; 142:286-295. DOI: 10.1016/j.atmosenv.2016.07.052
37. Nevmerzhitskii N.V. Methodology for assessment and prediction of extreme air pollution on highways by fine suspended particles PM10 and PM2 : Ph.D. in Technical Sciences. St. Petersburg, 2016; 154. (rus.).
38. Boyarshinov M.G. Simulation and analysis of transport of gaseous wastes from automobile traffic with random characteristics. Applied Mechanics and Technical Physics. 2000; 41(6):86-94. (rus.).
39. Kosinova I.I., Fonova S.I. A mathematical model for forecastting the spatial distribution of pollutants over urban highways. Engineering Survey. 2015; 7:24-27. (rus.).
40. Bazarsky O.V., Kosinova I.I., Fonova S.I. Mathematical modeling of near-surface soil pollution by aerosol particles. Engineering Survey. 2015; 5-6:7679. (rus.).
41. Kabaeva I.V. Improvement of calculation methods of dispersion of dust emissions at enterprises of building industry: Ph.D. in Technical Sciences. Volgograd, 2007; 142. (rus.).
42. Sobolev A.A., Melnikov P.A., Tyutyun-nik A.O. The movement of particles in the air stream. Science Vector of Togliatti State University. 2013; 3(17):83-86. (rus.).
43. Orlov S.A. Mathematical modeling of aerodynamics processes in forests and plantations : Ph.D. in Physics and Mathematics. Tomsk, 2012; 132. (rus.).
44. Antropov K.M. Mathematical models of atmospheric air pollution of megapolis and industrial center by emissions of motor vehicles and industrial enterpris-
es : Ph.D. in Physics and Mathematics. Ekaterinburg, 2012; 139. (rus.).
45. Barikaeva N.S. Perfection of the monitoring system of air pollution of roadside areas of cities by fine dust: Ph.D. in Technical Sciences. Volgograd, 2017; 159. (rus.).
46. Dontsova T.V. Balance method for assessing air pollution in large cities on the principles of biocom-
Received April 15, 2022.
Adopted in revised form on July 10, 2022.
Approved for publication on July 10, 2022.
patibility : Ph.D. in Technical Sciences. Volgograd, 2016; 159. (rus.).
47. Bogomolov S.A. Improving the assessment of dust pollution of the atmosphere of urbanized territories, taking into account the density of development : Ph.D. in Technical Sciences. Volgograd, 2021; 117. (rus.).
BioNOTEs: Elena V. Sysoeva — Candidate of Technical Sciences, Associate Professor, Associate Professor of the Department of Buildings and Structures Design; Moscow State University of Civil Engineering (National Research University) (MGSU); 26 Yaroslavskoe shosse, Moscow, 129337, Russian Federation; SPIN-code: 57039029, Scopus: 57192373360, ResearcherlD: AFJ-9050-2022, ORCID: 0000-0001-7250-3190; [email protected];
Margarita O. Gelmanova — postgraduate student of the Department of Buildings and Structures Design; Moscow State University of Civil Engineering (National Research University) (MGSU); 26 Yaroslavskoe shosse, Moscow, 129337, Russian Federation; SPIN-code: 8462-8299, ORCID: 0000-0003-2232-5239; margo.gelmanova@ yandex.ru.
Contribution of the authors:
Elena V. Sysoeva — scientific supervision, research concept, scientific editing of the article text, final results and conclusions.
Margarita O. Gelmanova — collection and processing of the material, writing of the original text and its revision < DO
(D (D
according to the corrections, final results and conclusions. t O
3 X
The authors declare that there is no conflict of interests. k S
G !
0 S n CO
1 S
y 1
J CD
u-
^ I
n °
s 3 o
о
о
E w § 2
§ g
r 6 t (
CD )
ii
® 7
. DO
■ T
s 3
s У
с о
(D X
, 00
M 2 О О 10 10 10 10
