Оценка качества атмосферного воздуха в разных странах (обзор)

Поздняков Михаил Валерьевич; Мазилов Святослав Игоревич; Райкова Светлана Владимировна; Гусев Юрий Сергеевич; Комлева Наталия Евгеньевна; Микеров Анатолий Николаевич

Экология человека - 325

DOI: https://doi.org/10.17816/humeco456406

Оценка качества атмосферного воздуха в разных странах (обзор)

М.В. Поздняков1, 2, С.И. Мазилов1, С.В. Райкова1, 2, Ю.С. Гусев1, Н.Е. Комлева1, 2, А.Н. Микеров1, 2

1 Саратовский медицинский научный центр гигиены Федерального научного центра медико-профилактических технологий управления рисками здоровью населения, Саратов, Российская Федерация;

2 Саратовский государственный медицинский университет им. В.И. Разумовского, Саратов, Российская Федерация АННОТАЦИЯ

На основании данных научной литературы, нормативно-методических документов обобщён мировой опыт в области оценки качества атмосферного воздуха в разных странах. Приведены особенности нормирования содержания поллю-тантов в атмосферном воздухе в ряде стран, включая Россию, и сравнение норм, установленных в этих государствах. Выявлены различные подходы к нормированию содержания поллютантов в атмосферном воздухе в разных странах. Проанализированы методы оценки качества воздуха и инструментального контроля в разных странах, рассмотрены наиболее известные и популярные математические модели оценки и прогнозирования качества атмосферного воздуха. Выявлено, что данные о состоянии атмосферного воздуха, полученные с помощью прогностического моделирования, имеют значительное сходство с данными, полученными на основе натурных измерений, однако использование широкой сети станций измерения позволяет получить наиболее точные данные о концентрации загрязнителей атмосферного воздуха в текущий период времени. Приведён обзор мировых онлайн-сервисов мониторинга состояния атмосферного воздуха в реальном времени. Описаны методики оценки риска влияния концентрации загрязняющих веществ в атмосферном воздухе на здоровье населения.

Установлено, что наибольшие успехи в области контроля качества атмосферного воздуха достигнуты в странах Европы, США, Китае, жители которых могут получать актуальную информацию о состоянии атмосферного воздуха в свободном доступе в режиме реального времени. В России, несмотря на проводимую оценку качества атмосферного воздуха, до настоящего времени не существует доступного для населения единого сервиса, позволяющего получить всю необходимую информацию о качестве атмосферного воздуха.

Ключевые слова: оценка качества атмосферного воздуха; поллютанты; нормирование; онлайн-сервисы мониторинга; риски; здоровье.

Как цитировать:

Поздняков М.В., Мазилов С.И., Райкова С.В., Гусев Ю.С., Комлева Н Е., Микеров А.Н. Оценка качества атмосферного воздуха в разных странах (обзор) // Экология человека. 2023. Т. 30, № 5. С. 325-339. DOI: https://doi.org/10.17816/humeco456406

Рукопись получена: 23.05.2023 Рукопись одобрена: 26.06.2023 Опубликована online: 05.09.2023

эко* вектор Распространяется на условиях лицензии CC BY-NC-ND 4 0 International

REVIEW 326 -

DOI: https://doi.org/10.17816/humeco456406

A review of international experience in air quality assessment

Michail V. Pozdnyakov1, 2, Svyatoslav I. Mazilov1, Svetlana V. Raikova1, 2, Yury S. Gusev1, Natalia E. Komleva1, 2, Anatoly N. Mikerov1, 2

1 Saratov Hygiene Medical Research Center of the Federal Scientific Center for Medical and Preventive Health Risk Management Technologies, Saratov, Russian Federation;

2 Saratov State Medical University named after V.I. Razumovsky, Saratov, Russian Federation ABSTRACT

This article provides a comprehensive overview of global practices in assessing atmospheric air quality in different countries. The review is based on scientific literature, regulatory frameworks, and methodological documents. It delves into the specificities of pollutant regulation in various countries, including Russia, and compares the standards established in each. Substantial differences in the approaches to the regulation of pollutants in the atmospheric have been identified between the countries.

Furthermore, this study examines the methods for assessing air quality and instrumental control. It explores renowned mathematical models used for evaluating and predicting atmospheric air quality. Notably, the findings reveal striking similarities between data obtained through predictive modeling and field measurements. However, the utilization of an extensive network of measurement stations enables the acquisition of the most precise and up-to-date information on atmospheric pollutant concentrations.

Moreover, this article offers an overview of online services available globally for real-time monitoring of atmospheric air quality. These platforms play a crucial role in providing immediate insights into the state of the air we breathe. Additionally, the article presents the methods employed for assessing the health risks associated with atmospheric pollutant levels and their impact on the population health.

It has been established that the countries of Europe, the USA, and China have achieved significant success in the field of atmospheric air quality control. Residents in these countries have access to up-to-date information about the state of atmospheric air in real-time. However, in Russia, despite ongoing assessments of air quality, there is currently no public service available that provides comprehensive information on atmospheric air quality.

Keywords: ambient air quality estimation; air pollutants; regulation; online monitoring services; risks; health.

To cite this article:

Pozdnyakov MV, Mazilov SI, Raikova SV, Gusev YuS, Komleva NE, Mikerov AN. A review of international experience in air quality assessment. Ekologiya cheloveka (Human Ecology). 2023;30(5):325-339. DOI: https://doi.org/10.17816/humeco456406

Received: 23.05.2023

eco*vector

Accepted: 26.06.2023

Published online: 05.09.2023

The article can be used under the CC BY-NC-ND 4 0 International License

ВВЕДЕНИЕ

Загрязнение атмосферного воздуха признаётся ВОЗ одной из самых серьёзных экологических угроз [1]. Развитие промышленного комплекса, рост индустриализации приводят к увеличению выбросов в атмосферу. Аэропол-лютанты оказывают ряд негативных эффектов на здоровье человека, приводя к формированию и прогрессиро-ванию заболеваний сердечно-сосудистой, дыхательной, эндокринной систем, аллергических реакций, онкопато-логии и др. [2]. Детское население, лица с хроническими заболеваниями являются наиболее уязвимыми к негативному воздействию загрязнителей атмосферного воздуха [3]. В связи с вышесказанным постоянный контроль за качеством атмосферного воздуха является важнейшей задачей на государственном и общемировом уровнях.

В обзоре представлен мировой опыт нормирования аэрополлютантов, оценки качества атмосферного воздуха, охарактеризованы существующие онлайн-сервисы мониторинга состояния атмосферного воздуха, методики расчёта риска влияния загрязнения атмосферного воздуха на здоровье населения в разных странах.

НОРМИРОВАНИЕ СОДЕРЖАНИЯ ПОЛЛЮТАНТОВ АТМОСФЕРНОГО ВОЗДУХА В РАЗНЫХ СТРАНАХ

Нормирование содержания загрязнителей атмосферного воздуха в представленных в обзоре странах осуществляется на государственном уровне. Для загрязнителей атмосферного воздуха с учётом класса опасности установлены

предельно допустимые концентрации (ПДК). Нормирование содержания загрязняющих веществ проводится путём определения значения максимально-разовых, среднесуточных и среднегодовых концентраций. Каждое государство самостоятельно устанавливает ПДК аэрополлютантов, однако существуют «Глобальные рекомендации ВОЗ по качеству воздуха, касающиеся твёрдых частиц (PM25 и PM10), озона, двуокиси азота, двуокиси серы и окиси углерода» [4]. Данные рекомендации основаны на экспертной оценке актуальных научных данных об их влиянии на здоровье человека и применимы в любой стране мира (табл. 1).

В документе ВОЗ [4] также представлены рекомендации качественного характера о содержании в воздухе сажи/атомарного углерода, сверхтонких взвешенных частиц (диаметром мкм) и частиц, попадающих в воздух в результате пыльных и песчаных бурь.

Помимо различных значений ПДК аэрополлютантов атмосферного воздуха в разных государствах используются разные временные периоды нормирования загрязнителей и единицы измерения их концентрации. Например, в США для измерения содержания CO, O3 используют ppm ("particles per million", частиц на миллион), для NO2 — ppb ("particles per billion", частиц на миллиард), а в странах Европы и Китае для CO — мг/м3, O3, NO2 — мкг/м3. Для удобства сравнения в табл. 2 все величины приведены в соответствие с принятыми в России единицами мг/м3, для чего были использованы коэффициенты, связывающие молекулярную массу вещества, концентрацию в ppm, ppb и объёмную концентрацию [5].

В России ПДК загрязняющих веществ в атмосферном воздухе регламентируются санитарными правилами и нормами1. В данном документе приводятся ПДК около

Таблица 1. Предельно допустимая концентрация загрязнителей воздуха, рекомендованная ВОЗ [4] Table 1. WHO maximum permissible concentration of air pollutants [4]

Загрязнитель Pollutant

Среднегодовое значение, мкг/м3 Average annual concentration, цд/т3

Среднесуточное значение, мкг/м3 Average daily concentration, цд/т3

SO2

CO

NO,

PM PM1

2.5

10 60* 5

15

40

4000 25 100** 15 45

* суточная 8-часовая средняя концентрация, пиковый сезон. Пиковая сезонная концентрация рассчитывается как среднесуточная 8-часовая концентрация 03 в течение шести идущих подряд месяцев с наибольшим средним шестимесячным значением концентрации 03.

** суточная 8-часовая максимальная концентрация, рассчитывается как 99-й перцентиль (т.е. 3-4 дня превышения фонового уровня в год).

* daily 8-hour average concentration, peak season. Peak seasonal concentration is calculated as the daily average 8-hour 03 concentration for six consecutive months with the highest average six-month 03 concentration.

** daily 8-hour maximum concentration, calculated as the 99th percentile (i.e. 3-4 days above the background level per year).

1 СанПиН 1.2.3685-21 «Гигиенические нормативы и требования к обеспечению безопасности и (или) безвредности для человека факторов среды обитания». Дата обращения: 05.05.2023. Доступ по ссылке: https://www.rospotrebnadzor.ru/fiies/news/GN_sreda%20_obitaniya_compressed.pdf

O

3

REVIEW 328 -

Таблица 2. Предельно допустимые концентрации загрязнителей в различных странах, мг/м3 Table 2. Maximum permissible concentration of pollutants in different countries (mg/m3)

Страна Country SO2 no2 O3 CO Pb Взвешенные частицы Particulate matter

PM2.5 PM10

Россия | Russia 0,05/0,5 0,04/0,1 0,03/0,1 3,0/3,0 0,00015/0,0003 0,025/0,035 0,04/0,06

США | USA -/1,33 0,10/0,19 -/0,14 -/10,45 0,00015/- 0,012/0,035 -/0,15

ЕС | EU -/0,125 0,04/0,2 -/0,12 -/10 0,0005/- 0,02/- 0,04/0,05

Китай | China 0,02/0,05 0,04/0,08 -/0,1 4/10 0,0005/- 0,015/0,035 0,04/0,05

Примечание: в числителе — среднегодовые, в знаменателе — среднесуточные значения. Note: in the numerator — the average annual, in the denominator — the average daily values.

1700 загрязняющих веществ, которые содержатся в атмосферном воздухе, в том числе указанных в табл. 2. Документ устанавливает также ПДК микроорганизмов-продуцентов, бактериальных препаратов и их компонентов в атмосферном воздухе, ориентировочные безопасные уровни и аварийные пределы воздействия отравляющих веществ и продуктов их деструкции в атмосферном воздухе.

В США стандарты качества атмосферного воздуха установлены в соответствии с действующим законом «О чистом воздухе», согласно которому Агентство по защите окружающей среды (United States Environmental Protection Agency, EPA) проводит нормирование шести основных загрязнителей [6]. Закон «О чистом воздухе» определяет два типа национальных стандартов качества атмосферного воздуха. Первичные стандарты обеспечивают охрану общественного здоровья, в том числе защиту наиболее чувствительных групп населения: лиц, страдающих астмой; детей и лиц пожилого возраста. Вторичные стандарты обеспечивают защиту общественного благосостояния, включая защиту от ухудшения видимости и повреждения животных, сельскохозяйственных культур, растительности и зданий.

В Европейском Союзе требования к качеству атмосферного воздуха регламентируются Европейским агентством по окружающей среде (European Environment Agency, EEA). Помимо шести загрязнителей, нормируемых EPA, европейскими стандартами определяются ПДК для бензола, мышьяка, кадмия, никеля, полициклических ароматических углеводородов [7, 8].

В последние 10 лет существенное внимание состоянию атмосферного воздуха уделяется в Китае [9], где оценка качества атмосферного воздуха осуществляется в соответствии со стандартом GB 3095—20121, в котором основными загрязнителями признаны SO2, NO2, CO, O3, PM10, PM25. Существуют также дополнительные

1 Ambient air quality standards GB 3095—2012. Дата обращения: 05.05.2023.

Доступ по ссылке: http://taoiex.fao.org/docs/pdf/chn136756.pdt

стандарты, устанавливающие ПДК для бенз[а]пирена, свинца, оксидов азота, общего количества взвешенных частиц.

Таким образом, в разных странах используют различные подходы к нормированию содержания поллютантов в атмосферном воздухе.

ОЦЕНКА КАЧЕСТВА АТМОСФЕРНОГО ВОЗДУХА

Методы оценки

Оценка качества атмосферного воздуха проводится как по данным инструментальных замеров с помощью стационарных, маршрутных и передвижных постов наблюдения, так и по расчётным данным с использованием современных компьютерных моделей [10].

Для определения концентрации взвешенных частиц используют датчики (дёшевы в производстве, имеют низкое энергопотребление и быстрое время отклика [11]), в основе работы которых лежит метод рассеяния света [12]. В этом методе источник света освещает частицы, а затем с помощью фотометра измеряется рассеянный свет от них. Для частиц диаметром более ~0,3 мкм количество рассеянного света примерно пропорционально их массовой/численной концентрации, однако частицы диаметром менее ~0,3 мкм не рассеивают достаточно света и не могут быть обнаружены этим методом [13, 14]. Обнаруживаемые частицы (диаметром более 0,3 мкм) можно разделить по размеру с помощью алгоритма на основе сигнала, полученного от рассеянного света [15], либо путём прикрепления импактора/фильтра на входе [16].

Для измерения газообразных загрязнителей воздуха в настоящее время применяют два типа датчиков: металл-оксид-полупроводник (МОП) и электрохимические. В датчиках типа МОП используется оксид металла, который меняет свои электрические свойства (чаще сопротивление) при воздействии целевого газа. Это изменение легко измерить, и оно соответствует концентрации газа [17]. Такие датчики имеют небольшие размеры (несколько

миллиметров), весят несколько граммов, недорогие (~10 долларов США), имеют быстрое время отклика, низкие пределы обнаружения и потребляемую мощность (~100 мВт) [18, 19]. К недостаткам датчиков типа МОП можно отнести высокую чувствительность к изменениям условий окружающей среды и мешающим газам, также многие датчики имеют нелинейную кривую отклика [20, 21]. В электрохимическом датчике целевой газ подвергается электролизу (окислению или восстановлению) на рабочем электроде и генерирует электрический ток, который уравновешивается реакцией на противоэлектро-де. Измеренный электрический ток соответствует концентрации газа, а отклик — линейный либо логарифмический [18]. Утверждается, что электрохимические датчики имеют более низкие пределы обнаружения, требования к мощности (~100 мкВт) и чувствительность к изменениям условий окружающей среды и мешающим газам, чем датчики типа МОП, но для них характерен больший размер (несколько десятков миллиметров) и более высокая цена (~100 долларов США) [18, 19].

В обзоре [22] описаны 112 моделей станций мониторинга качества воздуха от 77 производителей. По данным ВОЗ, стационарные наблюдательные посты установлены в 6000 городов 117 стран мира [23]. В рамках проекта World Air Quality Index публикуются данные от 12 000 станций мониторинга, в том числе персональных, а общее их количество — более 30 000 [24].

Кроме наземных станций слежения, в настоящее время используют также спутниковые системы дистанционного зондирования, которые измеряют оптическую толщину аэрозоля (Aerosol Optical Thickness, AOT, или Aerosol Optical Depth, AOD), для чего применяют спектрорадио-метрические технологии (MODerate resolution Imaging Spectroradiometer, MODIS) [25]. Продукты MODIS-AOD эффективно используются для прогнозирования краткосрочных концентраций PM25 в Китае [26, 27], а также при создании карт [28]. Недостатком таких систем является тот факт, что облачный покров серьёзно ограничивает фактический пространственный охват AOD [29]. Спутниковые данные актуальны по времени только для момента прохождения спутника, интегральны по всему атмосферному столбу.

Для повышения точности и надёжности спутниковые данные объединяют с наземными или воздушными. За последние 20 лет во многих странах (США, Китае, России и др.) [30] развёрнуты разные полевые кампании распределённых региональных сетей наблюдений за аэрозолями (Distributed Regional Aerosol Gridded Observation Networks, DRAGON) [31, 32].

Опыт России

В Российской Федерации в рамках реализации национального проекта «Экология» с 2018 года действует Федеральный проект «Чистый воздух». Он направлен на снижение выбросов опасных загрязняющих

веществ, оказывающих наибольшее негативное влияние на окружающую среду и здоровье населения [33]. Данные от автоматических станций контроля загрязнения атмосферного воздуха поступают в режиме реального времени в Центр сбора данных Росгидромета на базе ФГБУ «НПО Тайфун». Станции контроля расположены в 12 городах на территории 9 управлений по гидрометеорологии и мониторингу окружающей среды: Братск, Красноярск, Липецк, Магнитогорск, Медногорск, Нижний Тагил, Новокузнецк, Норильск, Омск, Челябинск, Череповец и Чита [34]. Вся официальная информация и новости проекта публикуются на официальном сайте2, а также в социальных сетях и мессенджерах.

На сайте Росгидромета также имеется ограниченная информация о проекте «Чистый воздух». При этом существует как официальный сайт Управления по гидрометеорологии и мониторингу окружающей среды — УГМС (Росгидромета)3, так и сайты управлений отдельных регионов или федеральных округов [35]. К примеру, на сайте «Приволжского УГМС»4 описывается реализация проекта «Чистый воздух» в г. Медногорске Оренбургской области. Сайты различных УГМС не имеют единообразного оформления и структуры, в то же время практически на всех присутствует раздел «Мониторинг загрязнения окружающей среды», в котором представлены интерактивные карты мониторинга загрязнения атмосферного воздуха. Данные карты отображают либо только места расположения стационарных постов наблюдения, либо концентрацию загрязняющих веществ в ПДК в местах наблюдения. Можно также найти информацию о загрязняющих веществах, определяемых отдельными постами наблюдения. Однако полная информация о качестве атмосферного воздуха в режиме реального времени, а также прогностические данные о загрязнении воздуха на территории соответствующего УГМС в свободном доступе отсутствуют. Таким образом, несмотря на проводимый контроль за состоянием атмосферного воздуха, в России не существует единой системы для визуализации данной информации в удобном виде.

Опыт США

По данным EPA, на территории США функционируют около 4000 станций мониторинга, принадлежащих в основном государственным природоохранным органам и эксплуатируемых ими, которые предоставляют ежечасные или ежедневные результаты измерения концентраций загрязняющих веществ в базу данных AQS (Air Quality System) [36].

2 Федеральный проект «Чистый воздух» национального проекта «Экология». Официальный сайт. Дата обращения: 05.05.2023. Доступ по ссылке: http://min.prirodyair.tiida.ws

3 Федеральная служба по гидрометеорологии и мониторингу окружающей среды (Росгидромет). Официальный сайт. Дата обращения: 05.05.2023. Доступ по ссылке: https://www.meteorf.gov.ru/

4 ФГБУ «Приволжское УГМС». Официальный сайт. Дата обращения: 05.05.2023. Доступ по ссылке: http://www.pogoda-sv.ru

Для мониторинга содержания в атмосферном воздухе PM2.5 как наиболее приоритетного загрязнителя применяется компьютерная модель Community Multiscale Air Quality model (CMAQ) [37] с использованием 13 вертикальных слоёв, которые охватывают верхнюю часть тропосферы над территорией США. В качестве выходных данных CMAQ о среднесуточной концентрации PM2 5 используются почасовые выходные данные приземного слоя (около 19 м от земли). Помимо PM25 модели CMAQ прогнозируют также концентрации в атмосферном воздухе озона, токсичных и кислотообразующих веществ. Данные CMAQ используются проектом EQUATES (EPA's Air QUAlity TimE Series Project) для поддержки нормативно-правового и политического анализа, а также исследований в области здравоохранения и экологии. Доступ к ресурсу предоставляется по запросу5.

Опыт европейских стран

European Environment Agency, осуществляющее контроль качества атмосферного воздуха на территории Европейского союза, регулируется Управляющим советом, состоящим из представителей правительств 33 государств (стран ЕС, Исландии, Лихтенштейна, Норвегии, Турции и Швейцарии), представителя Европейской комиссии и двух учёных, назначенных Европейским парламентом. Агентство образовано в 1990 году, штаб-квартира находится в Копенгагене (Дания). Европейское агентство EEA тесно сотрудничает с американским EPA [38].

Помимо общеевропейской существуют национальные организации, такие как Федеральное агентство по окружающей среде Германии (Umweltbundesamt, UBA)6, которые также могут использовать инфраструктуру EPA. Так, например, в работе [39] проанализированы данные долгосрочных наблюдений за изменчивостью твёрдых частиц (PM25, PM10), газообразных загрязнителей (CO, NO2, NOX, SO2 и O3) и метеорологических факторов на 412 стационарных станциях мониторинга с января 2008 по декабрь 2018 года на территории Германии. Исследователями выявлены значительные корреляционные связи концентрации CO и температуры с концентрацией PM25 и PM10, при этом обнаруженная слабая корреляция между концентрациями самих PM2.5 и PM10 позволила авторам сделать вывод о том, что у них разные источники.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

В Великобритании основной сетью, осуществляющей контроль качества атмосферного воздуха, является Государственная автоматическая городская и сельская сеть AURN (Automatic Urban and Rural Network) [40], при этом в крупных городах есть и собственные независимые станции. Так, например, городской совет Бристоля содержит

5 Данные компьютерной модели Community MuLtiscaLe Air Quality model (CMAQ). Дата обращения: 02.04.2023. Доступ по ссылке: https://www.epa.goV/cmaq/forms/cmaq-data#downLoad_CMAQ_data

6 Федеральное агентство по окружающей среде Германии

UmweLtbundesamt. Официальный сайт. Дата обращения: 02.05.2023.

Доступ по ссылке: https://www.umweLtbundesamt.de/en/

пять дополнительных станций мониторинга, которые работают по тем же принципам, что и национальная сеть AURN [40].

В Европе реализуются также наднациональные проекты, направленные на повышение вовлечённости населения в решение проблем загрязнения атмосферного воздуха. Например, шесть европейских городов/регионов объединены в экологическую игру проекта Clair City Skylines7 (Бристоль, Великобритания; Амстердам, Нидерланды; Сосновец, Польша; Любляна, Словения; Авейру, Португалия; Лигурия, Италия) [41].

Опыт Индии

Экономическая и экологическая политика Индии не предусматривает повсеместного использования большого количества наземных станций мониторинга. Предпочтение отдаётся компьютерному моделированию на основе точечных натурных данных о состоянии атмосферного воздуха с использованием пространственной интерполяции. Наиболее плотная сеть мониторинга находится в наибольшем по численности населения городе Мумбаи [42]. Каждая станция мониторинга предоставляет информацию о качестве воздуха в определённом месте, в то время как для общего контроля качества воздуха необходимы пространственные вариации. Данные мониторинга качества воздуха пространственно интерполируются с использованием методов ArcGIS: взвешивание по обратному расстоянию (IDW), кригинг (сферический и гауссовский) и сплайновые методы. В работе [42] интерполированные результаты по концентрации загрязнителей воздуха сравнивались с натурными данными в том же регионе. Сравнение результатов показало хорошее совпадение значений, рассчитанных с помощью IDW и кри-гинга, с данными наблюдений.

Опыт Китая

В Китае мониторинг качества окружающей среды осуществляется с начала 1970-х годов и продолжает активно развиваться [43]. В настоящее время в этой стране существует четырёхуровневая система контроля качества атмосферного воздуха, которая включает в себя станции мониторинга на национальном, провинциальном, муниципальном и уездном уровнях. На национальном уровне China National Environmental Monitoring Center (CNEMC) является центром технологий, сетей, информации, контроля качества и обучения в отношении мониторинга качества окружающей среды. Собираемые CNEMC данные обеспечивают качественную оценку состояния атмосферного воздуха в стране. В 2012 году была завершена работа по настройке Национальной сети мониторинга качества атмосферного воздуха, состоящей из 1436 пунктов наблюдения, которая охватила 338 городов уровня

7 Проект Ciair City Skylines. Дата обращения: 02.04.2023. Доступ по ссылке: http://www.ciaircity.eu/2020/02/06/ciaircity-skyiines/

префектуры или выше в 31 провинции. Кроме того, в провинциях, автономных районах и муниципалитетах центрального подчинения создано более 4000 провинциальных и городских контрольных пунктов. Таким образом, Китай построил крупнейшую сеть мониторинга качества воздуха в городской среде среди всех развивающихся стран. К концу 2012 года 74 города-первопроходца регулярно проводили мониторинг шести загрязнителей воздуха (PM10, PM25, SO2, NO2, O3 и CO), а с начала 2015 года мониторинг шести вышеуказанных загрязнителей воздуха проводится во всех 338 городах сети [43]. С 2015 года в 20 городах провинции Сычуань начался мониторинг в режиме реального времени шести стандартных загрязнителей атмосферы (PM10, PM25, SO2, NO2, O3 и CO) с почасовой публикацией данных Министерством охраны окружающей среды КНР [44].

Однако, несмотря на обширную сеть станций мониторинга качества воздуха, в Китае также используются системы моделирования. В настоящее время типовые модели качества воздуха можно разделить на регулируемые модели малого и среднего масштаба (ISC3, AERMOD, ADMS, CALPUFF), комплексные модели регионального масштаба (NAQPMS, CAMX, WRF-CHEM, CMAQ) и модели глобального масштаба (MOZART, GEOS-Chem). Согласно другой классификации, модели делятся на модели рассеивания, фотохимические и модели рецепторов [45].

Таблица 3. Онлайн-сервисы мониторинга состояния атмосферного Table 3. Air condition monitoring online services

ИНТЕРАКТИВНЫЕ КАРТЫ

В России в 1995 году образована межрегиональная общественная организация содействия развитию рынка геоинформационных технологий и услуг (ГИС-Ассоциация). Являясь негосударственной и некоммерческой общественной организацией, ГИС-Ассоциация объединила в своих рядах специалистов высших учебных заведений, научно-исследовательских, производственных, инженерных, проектно-конструкторских, информационных и других организаций, занятых в области разработки и применения геоинформационных технологий на территории бывшего СССР [46].

Геоинформационный сервис экологического мониторинга окружающей среды и метеорологических данных «Воздух» создан компанией ООО «РусГИС Технологии» (дочерним предприятием ПАО «Ростелеком»)9. Доступ к его функционалу имеют только зарегистрированные пользователи. В открытых источниках актуальная информация о метеорологических данных сервиса «Воздух» отсутствует.

В мировой практике разработано и функционирует множество онлайн-сервисов для получения актуальной информации о состоянии воздуха в любой точке мира. Наиболее популярные онлайн-сервисы мониторинга состояния атмосферного воздуха приведены в табл. 3.

воздуха

Название, сайт Name, site Страна Country Загрязнители | Pollutants Особенности Features

физические physical химические chemical

BreezoMeter Израиль PM2.5 no2 Используется комбинация данных от спутников

https://www.breezometer.com Israel PM10 NOX и наземных станций. Приложение для смартфона

NO отображает качество воздуха в режиме реально-

O3 го времени с точностью до 5 м

SO2 Uses a combination of data from satellites and

CO ground stations Smartphone app to display air

quality in real time with an accuracy of up to 5 m

CityAir Россия PM2.5 no2 В основе моделирования лежат прогноз поля

https://cityair.ru/ru/ Russia PM10 O3 скоростей ветра (GFS, WRF) и данные об основ-

AirVoice SO2 ных источниках эмиссий. Охватывает очень мало

https://airvoice.io/ru CO городов

IQAir Map

https://www.iqair.com

Швейцария Switzerland

PM,

H2S

Набор веществ различается для разных точек

The modeling is based on the wind velocity field forecast (GFS, WRF) and data on the main sources of emissions. Covers very few cities

Использует спутниковые данные по PM2.5, данные наземных станций по другим загрязнителям. Охватывает малоразвитые и неблагоприятные зоны

Uses satellite data for PM2.5, ground station data for other pollutants. Covers underdeveloped and unfavorable areas

9 Федеральная геоинформационная система «Воздух». Дата обращения: 02.04.2023. Доступ по ссылке: https://air-rf-dev.rusgis.com

Окончание табл. 3 | End of the Table 3

Название, сайт Name, site

Страна Country

Загрязнители | Pollutants

физические physical

химические chemical

Особенности Features

Национальная гидроме- Казахстан PM2.5 no2 Охватывает 45 населенных пунктов Казахстана.

теорологическая служба Kazakhstan PM10 NO Информация обновляется с интервалом в один

Республики Казахстан, O3 час (по 84 автоматическим станциям) и три раза

National Hydrometeorological SO2 в сутки по 56 ручным постам. Частые сбои

Service of the Republic CO2 Covers 45 settlements of Kazakhstan. The informa-

of Kazakhstan tion is updated with an interval of one hour

https://kazhydromet.kz/ru/ (for 84 automatic stations) and three times

post/19 a day for 56 manual posts. Frequent failures

http://maps.hydromet.kz

http://apps.kazhydromet.

kz:3838/app_dem_visual/

Nebo.live Россия PM2.5 NO2 Открытая платформа для создания независимой

https://nebo.live Russia PM10 O3 системы измерения качества воздуха.

SO2 Использует только данные наземных станций,

CO2 подключённых к проекту

An open platform for building an independent air

quality measurement system. Uses only data

from ground stations connected to the project

OpenAQ США, PM2.5 NO2 Проект с открытым исходным кодом.

https://openaq.org/#/map Монголия PM10 O32 Использует открытые данные наземных станций

USA, ВС SO2 Open source project. Uses open data from ground

Mongolia CO stations

PlumeLabs Франция PM2.5 NO2 Карта загрязнённости воздуха в реальном вре-

https://air.plumelabs.com/ France PM10 O32 мени для каждой улицы более 100 крупнейших

air-quality-map городов Европы и США

Real-time air pollution map for every street

in over 100 major cities in Europe and the USA

SILAM Финляндия PM2.5 NO2 Комплексная модель состава атмосферы

https://silam.fmi.fi Finland PM10 NO2 от глобального до среднего масштаба.

Dust O3 Основана на моделях Эйлера-Лагранжа

SOA SO2 Global-to-meso-scale dispersion model developed

SIA CO for atmospheric composition, incorporates both

Eulerian and Lagrangian transport routines

VentySky Чехия PM2.5 NO2 Погодный сервис реального времени, отобража-

https://www.ventusky.com Czech PM10 O3 ет также аэрополлютанты. Использует комбина-

Dust SO2 цию данных от спутников и наземных станций,

CO модели SILAM, FMI

Real-time weather service, also displays air pol-

lutants. Uses a combination of data from satellites

and ground stations, SILAM, FMI models

Windy Чехия PM2.5 NO2 Погодный сервис реального времени, отобража-

https://www.windy.com Czech SOA O3 ет также аэрополлютанты. Использует модели

SIA GFS, ECMWF и ICON

Real-time weather service, also displays air

pollutants. Uses GFS, ECMWF and ICON models

World's air pollution Китай PM2.5 NO2 В режиме реального времени отображает

https://waqi.info China PM10 O3 данные более 30 000 станций в 2000 городах

https://aqicn.org SO2 по всему миру

CO Displays real-time data from over 30,000 stations in 2,000 cities worldwide

Примечание: BC — углеродные частицы, Dust — пыль, SOA — вторичные органические аэрозоли, SIA — вторичные неорганические аэрозоли.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Note: BC — black carbon, Dust — dust, SOA — secondary organic aerosols, SIA — secondary inorganic aerosols.

ПРОГНОСТИЧЕСКИЕ МОДЕЛИ ОЦЕНКИ КАЧЕСТВА АТМОСФЕРНОГО ВОЗДУХА

Для прогнозирования качества атмосферного воздуха используются различные подходы и модели. Существует три основных вида моделей для прогнозирования загрязнения воздуха: статистические, интеллектуальные и гибридные [47]. Статистические модели в основном учитывают статистическую взаимосвязь между концентрацией загрязнителей воздуха и историческими данными о различных влияющих факторах и устанавливаются с использованием математико-статистических методов. Среди многочисленных статистических моделей для оценки качества атмосферного воздуха наиболее широко используются модели временных рядов и регрессионные модели. Модели временных рядов включают авторегрессионную модель, модель скользящего среднего, авторегрессионную модель скользящего среднего и интегральную авторегрессионную модель скользящего среднего. Регрессионные модели, применяемые для прогнозирования загрязнения воздуха, включают модель пошаговой регрессии, модель регрессии главных компонент, модель множественной линейной регрессии и др.

Интеллектуальные модели учитывают источники загрязнителей (например, промышленные предприятия, транспорт, техногенные аварии, природные источники, такие как лесные пожары и т.д.). В настоящее время для изучения воздействия лесных пожаров, природных и техногенных катастроф, извержений вулканов на состояние атмосферного воздуха применяется пакет компьютерных программ БИДМ, созданный Финским метеорологическим институтом [48]. В качестве исходных данных система использует архивные метеорологические базы данных с применением модели Эйлера-Лагранжа для построения расчётной схемы. В настоящее время система БИДМ широко применяется для моделирования распространения в атмосфере газовых примесей, пыли, радиоактивных изотопов, взвешенных частиц различного диаметра и природных аллергенов [48].

Предложены также модели для прогнозирования загрязнения атмосферного воздуха, создаваемого автотранспортом в городской среде с учётом застройки [49].

В то время как прогноз модели качества воздуха предоставляет некоторые концентрации, усреднённые по времени/пространству, наблюдение в любой момент времени в точке мониторинга отражает отдельное событие или конкретную реализацию из совокупности, которая почти всегда будет отличаться от оценки модели, даже если модель и её входные данные были идеальными [50, 51].

Сравнение смоделированных и наблюдаемых концентраций в пространстве и времени указывает на погрешности и ошибки при моделировании абсолютных уровней концентраций загрязняющих веществ на отдельных участках мониторинга [52].

Независимо от того, насколько точна региональная модель оценки качества воздуха, стохастические вариации в атмосфере не могут быть последовательно воспроизведены детерминированными численными моделями. В работе [51] показано, как количественно определить этот невоспроизводимый стохастический компонент, выделяя синоптическое воздействие, заложенное в более чем 30 лет исторических наблюдений, и оценивая эффективность 36-километровой полностью связанной модели WRF-CMAQ при моделировании концентраций озона за 21 год над прилегающей территорией. Проведённый с использованием натурных данных из США анализ показал, что в среднем неустранимая ошибка, связанная со стохастическим характером атмосферы, колеблется от ~2 ppb в 50-м процентиле до ~5 ppb в 95-м процентиле [51].

Имеется опыт пространственного моделирования содержания PM10 в атмосферном воздухе с использованием данных наблюдений за 2012-2016 гг. в урбанизированном и густонаселённом штате Малайзии Селангоре на основании данных дистанционного зондирования, таких как высота над уровнем моря, уклон, плотность дороги, индекс растительности с поправкой на почву, нормализованный разностный индекс растительности, индекс застройки, температура поверхности земли и скорость ветра. Пространственное моделирование содержания PM10 в атмосферном воздухе было выполнено по данным, получаемым от четырёх наземных измерительных станций с использованием алгоритмов Naïve Bayes (NB), Random Forest (RF) и K-Nearest Neighbour (KNN). Точность моделирования оценена авторами как высокая (0,96; 0,98; 0,91 для каждого из методов соответственно) [53].

Несмотря на то, что данные о состоянии атмосферного воздуха, полученные с помощью прогностического моделирования, имеют значительное сходство с данными, полученными на основе натурных измерений, использование широкой сети станций измерения позволяет получить наиболее точные данные о концентрации загрязнителей атмосферного воздуха в текущий период времени.

ОЦЕНКИ РИСКА ВЛИЯНИЯ ЗАГРЯЗНЕНИЯ АТМОСФЕРНОГО ВОЗДУХА НА ЗДОРОВЬЕ НАСЕЛЕНИЯ

Различными государствами и международными организациями предложены методики оценки риска влияния загрязнения атмосферного воздуха на здоровье населения. Рекомендуемая ВОЗ методика оценки риска для здоровья от загрязнения воздуха (Air Pollution Health Risk Assessment, AP-HRA) анализирует возможные последствия принимаемых политических мер, влияющих на качество воздуха в различных социально-экономических, экологических и политических условиях. AP-HRA является важным инструментом для обоснования принятия решений государственной политики в сфере

здоровьесбережения населения [54]. Методика предусматривает оценку экспозиции популяции к загрязнителям воздуха, оценку риска для здоровья, количественное выражение неопределённостей генерируемой оценки последствий для здоровья населения.

Методика ДР-ИРД предназначена для оценки рисков уровней выброса загрязняющих веществ в прошлом, настоящем и будущем на основе прогнозирования изменения уровней выбросов в результате принятых политических решений или других причин изменения качества воздуха [54]. Данная методика оценивает концентрации загрязняющих веществ в воздухе, экспозицию (общее время и количество контактов) исследуемой группы населения и потенциальные риски для здоровья лиц, подвергающихся воздействию загрязнителей атмосферного воздуха.

В России и странах СНГ разработаны собственные инструкции для оценки риска [55], основанные на методологии риск-анализа, созданной в Центре по безопасности химической промышленности (ССРБ) США [56]. В соответствии с методологией устанавливаются постоянные источники выбросов вредных веществ в атмосферу с учётом их количества, физических и химических свойств. После определения популяции, которая подвергается экспозиции загрязняющими веществами от определённого источника, и процесса распространения поллютантов (главным образом путём использования математических моделей) проводится установление зависимостей «доза-эффект» с количественной характеристикой эффекта или риска [55].

ЗАКЛЮЧЕНИЕ

Загрязнение атмосферного воздуха остаётся одной из глобальных проблем человечества. Многими государствами реализуется комплекс мероприятий, направленных на усиление контроля за качеством атмосферного воздуха и снижением уровня загрязнения. На законодательном уровне устанавливаются предельно допустимые концентрации различных загрязнителей и время, за которое производится оценка. Увеличивается охват территории, точность оценки текущего и прогнозируемого загрязнения. Этому способствует развитие вычислительной техники, удешевление стоимости датчиков для измерения концентрации различных веществ, растущий запрос общества на качественную окружающую среду. Разработаны и внедрены онлайн-сервисы для наблюдения за качеством атмосферного воздуха. В то же время остаются проблемы в сфере контроля качества атмосферного воздуха, в частности неравные возможности у развитых и развивающихся стран, неравномерное покрытие территории сетью пунктов наблюдения за состоянием атмосферы.

Наибольшие успехи в сфере контроля качества атмосферного воздуха достигнуты в странах Европы, США, Китае, жители которых могут получать актуальную информацию о состоянии атмосферного воздуха в свободном доступе в режиме реального времени. В России, несмотря на проводимую оценку качества атмосферного воздуха, до настоящего времени не существует доступного для населения единого сервиса, позволяющего получить всю необходимую информацию о качестве атмосферного воздуха.

ДОПОЛНИТЕЛЬНО

Вклад авторов. М.В. Поздняков разработал концепцию и первоначальный дизайн исследования; М.В. Поздняков и С.И. Мазилов работали над получением, анализом и интерпретацией первичных данных, подготовили первый вариант статьи; С.В. Райкова и Ю.С. Гусев принимали участие в получении и анализе дополнительных данных и анализе полученных результатов; М.В. Поздняков и С.И. Мазилов выполнили интерпретацию всех собранных и обработанных данных, сформулировали выводы и подготовили окончательный вариант статьи; А.Н. Микеров и Н.Е. Комлева внесли существенный вклад в концепцию и дизайн исследования, редактирование статьи. Все авторы подтверждают соответствие своего авторства международным критериям ICMJE (все авторы внесли существенный вклад в разработку концепции, проведение исследования и подготовку статьи, прочли и одобрили финальную версию перед публикацией).

Источник финансирования. Авторы заявляют об отсутствии внешнего финансирования при проведении исследования. Конфликт интересов. Авторы декларируют отсутствие явных и потенциальных конфликтов интересов, связанных с публикацией настоящей статьи.

ADDITIONAL INFORMATION

Authors' contribution. M.V. Pozdnyakov — concept and initial design of the study, M.V. Pozdnyakov and S.I. Maziiov worked on obtaining, analyzing and interpreting primary data, drafted the first version of the manuscript, S.V. Raikova and Yu.S. Gusev took part in obtaining and analyzing additional data and interpreted the results. M.V. Pozdnyakov and S.I. Maziiov performed the interpretation of aii coiiected and processed data, formuiated the conciusions and approved the finai version of the articie. A.N. Mikerov and N.E. Komieva made a significant contribution to the concept and design of the study and reviewing the articie. Aii authors confirm that their authorship meets the internationai ICMJE criteria (aii authors have made a significant contribution to the deveiopment of the concept of the study, took part in the research and writing of the articie, read and approved the finai version before pubiication). Funding source. No externai funding. Competing interests. No competing interests.

СПИСОК ЛИТЕРАТУРЫ

1. https://www.who.int/ru/ [Internet]. Всемирная организация здравоохранения. Загрязнение атмосферного воздуха. Информационный бюллетень ВОЗ [дата обращения: 31.03.2023]. Доступ по ссылке: https://www.who.int/ru/news-room/fact-sheets/detaiL/ambient-(outdoor)-air-quaLity-and-health

2. Dominski F.H., Branco J.H., Buonanno G., et aL. Effects of air pollution on health: a mapping review of systematic reviews and meta-analyses // Environ Res. 2021. VoL. 201. P. 111487. doi: 10.1016/j.envres.2021.1 1 1487

3. Чанчаева Е.А., Гвоздарева О.В., Гвоздарев А.Ю. Состояние атмосферного воздуха и здоровье детей в условиях возрастающей транспортной и теплоэнергетической нагрузки // Экология человека. 2019. Т. 26, № 11. С. 12-19.

doi: 10.33396/1728-0869-2019-1 1-12-19

4. Всемирная организация здравоохранения. Глобальные рекомендации ВОЗ по качеству воздуха, касающиеся твердых частиц (ТЧ25 и ТЧ10), озона, двуокиси азота, двуокиси серы и окиси углерода [интернет]. 2021. Дата обращения: 31.03.2023. Доступ по ссылке: https://apps.who.int/iris/bitstream/hand Le/10665/345334/9789240035409-rus.pdf

5. Муравьева С.И., Буковский М.И., Прохорова Е.К., и др. Руководство по контролю вредных веществ в воздухе рабочей зоны. Москва : Химия, 1991. 368 с.

6. https://www.epa.gov/ [Internet]. United States EnvironmentaL Protection Agency. NAAQS TabLe [дата обращения: 04.04.2023]. Доступ по ссылке: https://www.epa.gov/criteria-air-poLLutants/ naaqs-tabLe

7. https://environment.ec.europa.eu/ [Internet]. European Commission. Environment [дата обращения: 31.03.2023]. Доступ по ссылке: https://ec.europa.eu/environment/air/quaLity/ standards.htm

8. https://www.eea.europa.eu/ [Internet]. European Environment Agency. Air quaLity standards [дата обращения: 02.04.2023]. Доступ по ссылке: https://www.eea.europa.eu/themes/air/air-quaLity-concentrations/air-quaLity-standards

9. Wang Z., Tan Y., Guo M., et aL. Prospect of China's ambient air quaLity standards // J Environ Sci (China). 2023. VoL. 123. P. 255-269.

doi: 10.1016/j.jes.2022.03.036

10. Gong J., Ding L., Lu Y., et aL. Scientometric and muLtidimensionaL contents anaLysis of PM25 concentration prediction // HeLiyon. 2023. VoL. 9, N 3. P. e14526.

doi: 10.1016/j.heLiyon.2023.e14526

11. Wang Y., Li J., Jing H., et aL. Laboratory evaLuation and caLibration of three Low-cost particLe sensors for particuLate matter measurement // AerosoL Science and TechnoLogy. 2015. VoL. 49, N 11. P. 1063-1077. doi: 10.1080/02786826.2015.1 100710

12. Rai A.C., Kumar P., PiLLa F., et aL. End-user perspective of Low-cost sensors for outdoor air poLLution monitoring // Sci TotaL Environ. 2017. VoL. 607-608. P. 691-705.

doi: 10.1016/j.scitotenv.2017.06.266

13. KoehLer K.A., Peters T.M. New methods for personaL exposure monitoring for airborne particLes // Curr Environ HeaLth Rep. 2015. VoL. 2, N 4. P. 399-411.

doi: 10.1007/s40572-015-0070-z

14. Thomas A., Gebhart J. CorreLations between gravimetry and Light scattering photometry for atmospheric aerosoLs // Atmospheric Environment. 1994. VoL. 28, N 5. P. 935-938.

doi: 10.1016/1352-2310(94)90251-8

15. Northcross A.L., Edwards R.J., Johnson M.A., et aL. A Low-cost particLe counter as a reaL-time fine-particLe mass monitor // Environ Sci Process Impacts. 2013. VoL. 15, N 2. P. 433-439. doi: 10.1039/c2em30568b

16. Sousan S., KoehLer K., Thomas G., et aL. Inter-comparison of Low-cost sensors for measuring the mass concentration of occupationaL aerosoLs // AerosoL Sci TechnoL. 2016. VoL. 50, N 5. P. 462-473. doi: 10.1080/02786826.2016.1 162901

17. Fine G.F., Cavanagh L.M., Afonja A., Binions R. MetaL oxide semiconductor gas sensors in environmentaL monitoring // Sensors (BaseL). 2010. VoL. 10, N 6. P. 5469-5502.

doi: 10.3390/s100605469

18. ALeixandre M., GerboLes M. Review of smaLL commerciaL sensors for indicative monitoring of ambient gas // ChemicaL Engineering Transactions. 2012. VoL. 30.

19. Piedrahita R., Xiang Y., Masson N., et aL. The next generation of Low-cost personaL air quaLity sensors for quantitative exposure monitoring // Atmospheric Measurement Techniques. 2014. VoL. 7, N 10. P. 3325-3336. doi: 10.5194/amt-7-3325-2014

20. Stetter J.R., Li J. Amperometric gas sensors — a review // Chem Rev. 2008. VoL. 108, N 2. P. 352-366. doi: 10.1021/cr0681039

21. SpineLLe L., GerboLes M., ALeixandre M., BonavitacoL F. EvaLuation of metaL oxides sensors for the monitoring of O3 in ambient air at ppb LeveL // ChemicaL Engineering Transactions. 2016. VoL. 54. P. 319-324.

22. KaraguLian F., Barbiere M., GerboLes M., et aL. Review of sensors for air quaLity monitoring. Luxembourg : PubLications Office of the European Union, 2019.

23. ChLoe C. Over 6,000 cities now monitor air quaLity, WHO reveaLs // Air QuaLity News. 2022. Режим доступа: https://airquaLitynews. com/2022/04/04/over-6000-cities-now-monitor-air-quaLity-who-reveaLs/ Дата обращения: 02.04.2023.

24. https://aqicn.org/ [Internet]. WorLd Air QuaLity Index. WorLdwide Air QuaLity Monitoring Data Coverage [дата обращения: 02.04.2023]. Доступ по ссылке: https://aqicn.org/sources/

25. Lin C., Li Y., Yuan Z., et aL. Using sateLLite remote sensing data to estimate the high-resoLution distribution of ground-LeveL PM25 // Remote Sensing of Environment. 2015. VoL. 156. P. 117-128. doi: 10.1016/j.rse.2014.09.015

26. Hua Z., Sun W., Yang G., Du Q. A fuLL-coverage daiLy average PM25 retrievaL method with two-stage IVW fused MODIS C6 AOD and two-stage GAM modeL // Remote Sensing. 2019. VoL. 11, N 13. P. 1558. doi: 10.3390/rs11131558

27. Zhao R., Gu X., Xue B., et aL. Short period PM2.5 prediction based on muLtivariate Linear regression modeL // PLoS One. 2018. VoL. 13, N 7. P. e020101 1.

doi: 10.1371/journaL.pone.020101 1

28. Li T., Guo Y., Liu Y., et aL. Estimating mortaLity burden attributabLe to short-term PM2.5 exposure: a nationaL observationaL study in China // Environ Int. 2019. VoL. 125. P. 245-251.

doi: 10.1016/j.envint.2019.01.073

29. Ford B., Heaid C.L. Expioring the uncertainty associated with sateiiite-based estimates of premature mortaiity due to exposure to fine particuiate matter // Atmos Chem Phys. 2016. Voi. 16, N 5. P. 3499-3523. doi: 10.5194/acp-16-3499-2016

30. van Donkeiaar A., Martin R.V., Levy R.C., et ai. Sateiiite-based estimates of ground-ievei fine particuiate matter during extreme events: a case study of the Moscow fires in 2010 // Atmospheric Environment. 2011. Voi. 45, N 34. P. 6225-6232.

doi: 10.1016/j.atmosenv.201 1.07.068

31. Hoiben B.N., Kim J., Sano I., et ai. An overview of mesoscaie aerosoi processes, comparisons, and vaiidation studies from DRAGON networks // Atmos Chem Phys. 2018. Voi. 18, N 2. P. 655-671. doi: 10.5194/acp-18-655-2018

32. Sorek-Hamer M., Chatfieid R., Liu Y. Review: strategies for using sateiiite-based products in modeiing PM25 and short-term poiiution episodes // Environ Int. 2020. Voi. 144. P. 106057.

doi: 10.1016/j.envint.2020.106057

33. https://ecoiogyofrussia.ru/ [интернет]. Федеральный проект «Чистый воздух» [дата обращения: 02.04.2023]. Доступ по ссылке: https://ecoiogyofrussia.ru/proekt/chistyj-vozduh/

34. https://www.feerc.ru/ [интернет]. Федеральный проект «Чистый воздух». Национальный проект «Экология» [дата обращения: 02.04.2023]. Доступ по ссылке: http://www.feerc.ru/uisem/portai/

35. https://www.meteorf.gov.ru/ [интернет]. Структура Управления по гидрометеорологии и мониторингу окружающей среды России [дата обращения: 03.05.2023]. Доступ по ссылке: https://www.meteorf.gov.ru/about/structure/iocai/

36. https://www.epa.gov/ [Internet]. EPA AQS (Air Quaiity System) [дата обращения: 02.04.2023]. Доступ по ссылке: https://www. epa.gov/outdoor-air-quaiity-data/air-data-basic-information

37. Byun D., Schere K. Review of the governing equations, computationai aigorithms, and other components of the modeis-3 community muitiscaie air quaiity (CMAQ) modeiing system // Appi Mech Rev. 2006. Voi. 59, N 2. P. 51-77.

doi: 10.1 1 15/1.2128636

38. https://www.eea.europa.eu/ [интернет]. Европейское агентство по окружающей среде [дата обращения: 02.05.2023]. Доступ по ссылке: https://www.eea.europa.eu/en

39. Liu X., Hadiatuiiah H., Tai P., et ai. Air poiiution in Germany: spatio-temporai variations and their driving factors based on continuous data from 2008 to 2018 // Environ Poiiut. 2021. Voi. 276. P. 1 16732. doi: 10.1016/j.envpoi.2021.1 16732

40. https://uk-air.defra.gov.uk/ [Internet]. UK AIR. Air Information Resource [дата обращения: 02.04.2023]. Доступ по ссылке: https://uk-air.defra.gov.uk/networks/network-info

41. Rodrigues V., Gama C., Ascenso A., et ai. Assessing air poiiution in European cities to support a citizen centered approach to air quaiity management // Sci Totai Environ. 2021. Voi. 799. P. 149311. doi: 10.1016/j.scitotenv.2021.14931 1

42. Kumar A., Gupta I., Brandt J. et ai. Air quaiity mapping using GIS and economic evaiuation of heaith impact for Mumbai City,

REFERENCES

1. https://www.who.int/ru/ [Internet]. Ambient (outdoor) air poiiution. WHO Fact sheet [cited 2023 Mar 31]. Avaiiabie from:

India // J Air Waste Manag Assoc. 2016. Voi. 66, N 5. P. 470-481. doi: 10.1080/10962247.2016.1 143887

43. Zhang F., Shi Y., Fang D., et ai. Monitoring history and change trends of ambient air quaiity in China during the past four decades // J Environ Manage. 2020. Voi. 260. P. 1 10031.

doi: 10.1016/j.jenvman.2019.1 10031

44. Maji K.J., Dikshit A.K., Arora M., Deshpande A. Estimating premature mortaiity attributabie to PM25 exposure and benefit of Air Poiiution Controi Poiicies in China for 2020 // Sci Totai Environ. 2018. Voi. 612. P. 683e693. doi: 10.1016/j.scitotenv.2017.08.254

45. Li X., Hussain S.A., Sobri S., Md Said M.S. Overviewing the air quaiity modeis on air poiiution in Sichuan Basin, China // Chemosphere. 2021. Voi. 271. P. 129502.

doi: 10.1016/j.chemosphere.2020.129502

46. http://www.gisa.ru/ [интернет]. ГИС-Ассоциация [дата обращения: 02.04.2023]. Доступ по ссылке: http://www.gisa.ru/assoc.htmi

47. Liu H., Yin S., Chen C., Duan Z. Data muiti-scaie decomposition strategies for air poiiution forecasting: a comprehensive review // Journai of Cieaner Production. 2020. Voi. 277. P. 124023.

doi: 10.1016/j.jciepro.2020.124023

48. Белихов А.Б., Леготин Д.Л., Сухов А.К. Моделирование распространения атмосферных загрязнений с помощью системы SILAM // Вестник КГУ им. Н.А. Некрасова. 2014. №1. С. 7-11.

49. Беляев Н.Н. Численные модели для прогноза загрязнения атмосферного воздуха выбросами автотранспорта // Наука та прогрес транспорту. 2016. № 6. С. 25-32.

50. Rao S., Kiimont Z., Smith S.J., et ai. Future air poiiution in the shared socioeconomic pathways // Giobai Environmentai Change. 2017. Voi. 42. P. 346-358.

doi: 10.1016/j.gioenvcha.2016.05.012

51. Rao S.T., Luo H., Astitha M., et ai. On the iimit to the accuracy of regionai-scaie air quaiity modeis // Atmos Chem Phys. 2020. Voi. 20, N 3. P. 1627-1639. doi: 10.5194/acp-20-1627-2020

52. Porter P.S., Rao S.T., Hogrefe C., et ai. Methods for reducing biases and errors in regionai photochemicai modei outputs for use in emission reduction and exposure assessments // Atmospheric Environment. 2015. Voi. 112. P.178-188.

doi: 10.1016/j.atmosenv.2015.04.039

53. Teiia A., Baiogun A.L. GIS-based air quaiity modeiiing: spatiai prediction of PM10 for Seiangor State, Maiaysia using machine iearning aigorithms // Environ Sci Poiiut Res. 2022. Voi. 29, N 57. P. 86109-86125. doi: 10.1007/s1 1356-021-16150-0

54. Оценка риска для здоровья от загрязнения воздуха — общие принципы. Копенгаген : Европейское региональное бюро ВОЗ, 2016.

55. Швыряев А.А., Меньшиков В.В. Оценка риска воздействия загрязнения атмосферы в исследуемом регионе: учебное пособие для вузов. Москва : Изд-во МГУ. 2004. 124 с.

56. Меньшиков В.В., Швыряев А.А. Опасные химические процессы и техногенный риск: учебное пособие. Москва : Изд-во МГУ, 2003.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

https://www.who.int/news-room/fact-sheets/detaiL/ambient-(outdoor)-air-quaLity-and-heaLth (In Russ).

2. Dominski FH, Branco JH, Buonanno G, et ai. Effects of air pollution on health: a mapping review of systematic reviews and meta-analyses. Environ Res. 2021;201:111487.

doi: 10.1016/j.envres.2021.1 1 1487

3. Chanchaeva EA, Gvozdareva OV, Gvozdarev AYu. Air quality and children's health: the roie of increasing transport-related and thermal air pollution. Ekologiya cheloveka (Human Ecology). 2019;26(11):12-19. (In Russ).

doi: 10.33396/1728-0869-2019-1 1-12-19

4. World Health Organization. WHO global air quality guidelines: particulate matter (PM25 and PM10), ozone, nitrogen dioxide, sulfur dioxide and carbon monoxide [Internet]. 2021 [cited 2023 Mar 31]. Available from: https://apps.who.int/iris/bitstream/han die/10665/345329/9789240034228-eng.pdf (In Russ).

5. Murav'eva SI, Bukovskij MI, Prohorova EK, i dr. Rukovodstvo po kontrolju vrednyh veshhestv v vozduhe rabochej zony. Moscow: Himija; 1991. 368 p. (In Russ).

6. https://www.epa.gov/ [Internet]. United States Environmental Protection Agency. NAAQS Table [cited: 04.04.2023]. Available from: https://www.epa.gov/criteria-air-poiiutants/naaqs-tabie

7. https://environment.ec.europa.eu/ [Internet]. European Commission. Environment [cited 2023 Mar 31]. Available from: https://ec.europa.eu/environment/air/quaiity/standards.htm

8. https://www.eea.europa.eu/ [Internet]. European Environment Agency. Air quality standards [cited 2023 Apr 02]. Available from: https://www.eea.europa.eu/themes/air/air-quaiity-concentrations/air-quaiity-standards

9. Wang Z, Tan Y, Guo M, et ai. Prospect of China's ambient air quality standards. J Environ Sci (China). 2023;123:255-269.

doi: 10.1016/j.jes.2022.03.036

10. Gong J, Ding L, Lu Y, et ai. Scientometric and multidimensional contents analysis of PM25 concentration prediction. Heliyon. 2023;9(3):e14526. doi: 10.1016/j.heiiyon.2023.e14526

11. Wang Y, Li J, Jing H, et ai. Laboratory evaluation and caiibration of three iow-cost particie sensors for particuiate matter measurement. Aerosol Science and Technology. 2015;49(11):1063-1077.

doi: 10.1080/02786826.2015.1 100710

12. Rai AC, Kumar P, Piiia F, et ai. End-user perspective of iow-cost sensors for outdoor air poiiution monitoring. Sci Total Environ. 2017;607-608:691-705.

doi: 10.1016/j.scitotenv.2017.06.266

13. Koehier KA, Peters TM. New methods for personai exposure monitoring for airborne particies. Curr Environ Health Rep. 2015;2(4):399-411.

doi: 10.1007/s40572-015-0070-z

14. Thomas A, Gebhart J. Correiations between gravimetry and iight scattering photometry for atmospheric aerosois. Atmospheric Environment. 1994;28(5):935-938.

doi: 10.1016/1352-2310(94)90251-8

15. Northcross AL, Edwards RJ, Johnson MA, et ai. A iow-cost particie counter as a reai-time fine-particie mass monitor. Environ Sci Process Impacts. 2013;15(2):433-439.

doi: 10.1039/c2em30568b

16. Sousan S, Koehier K, Thomas G, et ai. Inter-comparison of iow-cost sensors for measuring the mass concentration of occupationai aerosois. Aerosol Sci Technol. 2016;50(5):462-473. doi: 10.1080/02786826.2016.1 162901

17. Fine GF, Cavanagh LM, Afonja A, Binions R. Metai oxide semiconductor gas sensors in environmentai monitoring. Sensors (Basel). 2010;10(6):5469-5502. doi: 10.3390/s100605469

18. Aieixandre M, Gerboies M. Review of smaii commerciai sensors for indicative monitoring of ambient gas. Chemical Engineering Transactions. 2012;30.

19. Piedrahita R, Xiang Y, Masson N, et ai. The next generation of iow-cost personai air quaiity sensors for quantitative exposure monitoring. Atmospheric Measurement Techniques. 2014;7(10):3325-3336. doi: 10.5194/amt-7-3325-2014

20. Stetter JR, Li J. Amperometric gas sensors — a review. Chem Rev. 2008;108(2):352-366. doi: 10.1021/cr0681039

21. Spineiie L, Gerboies M, Aieixandre M, Bonavitacoi F. Evaiuation of metai oxides sensors for the monitoring of O3 in ambient air at ppb ievei. Chemical Engineering Transactions. 2016;54: 319-324.

22. Karaguiian F, Gerboies M, Barbiere M, et ai. Review of sensors for air quality monitoring. Luxembourg: Pubiications Office of the European Union; 2019.

23. Chioe C. Over 6,000 cities now monitor air quaiity, WHO reveais. Air Quality News. 2022. Avaiiabie from: https://airquaiitynews. com/2022/04/04/over-6000-cities-now-monitor-air-quaiity-who-reveais/

24. https://aqicn.org/ [Internet]. Worid Air Quaiity Index. Worid-wide Air Quaiity Monitoring Data Coverage [cited 2023 Apr 02]. Avaiiabie from: https://aqicn.org/sources/

25. Lin C, Li Y, Yuan Z, et ai. Using sateiiite remote sensing data to estimate the high-resoiution distribution of ground-ievei PM25. Remote Sensing of Environment. 2015;156:1 17-128.

doi: 10.1016/j.rse.2014.09.015

26. Hua Z, Sun W, Yang G, Du Q. A fuii-coverage daiiy average PM25 retrievai method with two-stage IVW fused MODIS C6 AOD and two-stage GAM modei. Remote Sensing. 2019;1 1(13):1558.

doi: 10.3390/rs11131558

27. Zhao R, Gu X, Xue B, et ai. Short period PM25 prediction based on muitivariate iinear regression modei. PLoS One. 2018;13(7):e020101 1. doi: 10.1371/journai.pone.020101 1

28. Li T, Guo Y, Liu Y, et ai. Estimating mortaiity burden attributabie to short-term PM25 exposure: a nationai observationai study in China. Environ Int. 2019:125:245-251.

doi: 10.1016/j.envint.2019.01.073

29. Ford B, Heaid CL. Expioring the uncertainty associated with sateiiite-based estimates of premature mortaiity due to exposure to fine particuiate matter. Atmos Chem Phys. 2016;16(5):3499-3523. doi: 10.5194/acp-16-3499-2016

30. van Donkeiaar A, Martin RV, Levy RC, et ai. Sateiiite-based estimates of ground-ievei fine particuiate matter during extreme events: a case study of the Moscow fires in 2010. Atmospheric Environment. 2011;45(34):6225-6232.

doi: 10.1016/j.atmosenv.201 1.07.068

31. Hoiben BN, Kim J, Sano I, et ai. An overview of mesoscaie aerosoi processes, comparisons, and vaiidation studies from DRAGON networks. Atmos Chem Phys. 2018;18(2):655-671. doi: 10.5194/acp-18-655-2018

32. Sorek-Hamer M, Chatfieid R, Liu Y. Review: strategies for using sateiiite-based products in modeiing PM2.5 and short-term poiiution episodes. Environ Int. 2020;144:106057.

doi: 10.1016/j.envint.2020.106057

33. https://ecoiogyofrussia.ru/ [Internet]. Federal project "Chistyy vozdukh" [cited 2023 Apr 02]. Available from: https:// ecologyofrussia.ru/proekt/chistyj-vozduh (In Russ).

34. https://www.feerc.ru/ [Internet]. Nacional'nyj proekt "Jekologija". Federal project "Chistyy vozdukh" [cited 2023 Apr 02]. Available from: http://www.feerc.ru/uisem/portal/ (In Russ).

35. https://www.meteorf.gov.ru/ [Internet]. Structure of Department for Hydrometeorology and Environmental Monitoring of Russia (Roshydromet) [cited 2023 May 03]. Available from: https://www. meteorf.gov.ru/about/structure/local/ (In Russ).

36. https://www.epa.gov/ [Internet]. EPA AQS (Air Quality System) [cited 2023 Apr 02]. Available from: https://www.epa.gov/ outdoor-air-quality-data/air-data-basic-information

37. Byun D, Schere K. Review of the governing equations, computational algorithms, and other components of the models-3 community multiscale air quality (CMAQ) modeling system. Appl Mech Rev. 2006;59(2):51-77.

doi: 10.1 1 15/1.2128636

38. https://www.eea.europa.eu/ [Internet]. European Enviromental Agency [cited 2023 May 02]. Available from: https://www.eea. europa.eu/en (In Russ).

39. Liu X, Hadiatullah H, Tai P, et al. Air pollution in Germany: spatiotemporal variations and their driving factors based on continuous data from 2008 to 2018. Environ Pollut. 2021;276:1 16732.

doi: 10.1016/j.envpol.2021.1 16732

40. https://uk-air.defra.gov.uk/ [Internet]. UK AIR. Air Information Resource [cited 2023 Apr 02]. Available from: https://uk-air. defra.gov.uk/networks/network-info

41. Rodrigues V, Gama C, Ascenso A, et al. Assessing air pollution in European cities to support a citizen centered approach to air quality management. Sci Total Environ. 2021;799:149311.

doi: 10.1016/j.scitotenv.2021.14931 1

42. Kumar A, Gupta I, Brandt J, et al. Air quality mapping using GIS and economic evaluation of health impact for Mumbai City, India. J Air Waste Manag Assoc. 2016:66(5):470-481.

doi: 10.1080/10962247.2016.1143887

43. Zhang F, Shi Y, Fang D, et al. Monitoring history and change trends of ambient air quality in China during the past four decades. J Environ Manage. 2020;260:1 10031.

doi: 10.1016/j.jenvman.2019.1 10031

44. Maji KJ, Dikshit AK, Arora M, Deshpande A. Estimating premature mortality attributable to PM25 exposure and benefit of Air

Pollution Control Policies in China for 2020. Sci Total Environ. 2018;612:683e693. doi: 10.1016/j.scitotenv.2017.08.254

45. Li X, Hussain SA, Sobri S, Md Said MS. Overviewing the air quality models on air pollution in Sichuan Basin, China. Chemosphere. 2021;271:129502. doi: 10.1016/j.chemosphere.2020.129502

46. http://www.gisa.ru/ [Internet]. GIS-Association [cited 2023 Apr 02]. Available from: http://www.gisa.ru/assoc.html (In Russ).

47. Liu H, Yin S, Chen C, Duan Z. Data multi-scale decomposition strategies for air pollution forecasting: a comprehensive review. Journal of Cleaner Production. 2020;277:124023.

doi: 10.1016/j.jclepro.2020.124023

48. Belikhov AB, Legotin DL, Sukhov AK. Modelirovaniye raspro-straneniya atmosfernykh zagryazneniy s pomoshch'yu sistemy SILAM. Vestnik KGU im. NA. Nekrasova. 2014;1:7-11. (In Russ).

49. Beljaev NN. Chislennye modeli dlja prognoza zagrjaznenija atmosfernogo vozduha vybrosami avtotransporta. Nauka ta progres transportu. 2016;(6):25-32. (In Russ).

50. Rao S, Klimont Z, Smith SJ, et al. Future air pollution in the shared socioeconomic pathways. Global Environmental Change. 2017;42:346-358. doi: 10.1016/j.gloenvcha.2016.05.012

51. Rao ST, Luo H, Astitha M, et al. On the Limit to the accuracy of regional-scale air quality models. Atmos Chem Phys. 2020:20(3):1627-1639. doi: 10.5194/acp-20-1627-2020

52. Porter PS, Rao ST, Hogrefe C, et al. Methods for reducing biases and errors in regional photochemical model outputs for use in emission reduction and exposure assessments. Atmospheric Environment. 2015;1 12:178-188.

doi: 10.1016/j.atmosenv.2015.04.039

53. Tella A, Balogun AL. GIS-based air quality modelling: spatial prediction of PM10 for Selangor State, Malaysia using machine learning algorithms. Environ Sci Pollut Res. 2022;29(57):86109-86125. doi: 10.1007/s1 1356-021-16150-0

54. Otsenka riska dlya zdorov'ya ot zagryazneniya vozdukha — obshchiye printsipy. Kopengagen: Yevropeyskoye regional'noye byuro VOZ; 2016. (In Russ).

55. Shvyryayev AA, Men'shikov VV. Otsenka riska vozdeystviya zagryazneniya atmosfery v issleduyemom regione: Uchebnoye posobiye dlya vuzov. Moscow: Izdatel'stvo MGU; 2004. 124p. (In Russ).

56. Men'shikov VV, Shvyryaev AA. Opasnyye khimicheskiye protsessy i tekhnogennyy risk: uchebnoye posobiye. Moscow: Izdatel'stvo MGU; 2003. (In Russ).

ОБ АВТОРАХ

* Поздняков Михаил Валерьевич, к.ф.-м.н.;

адрес: Российская Федерация, 410022, Саратов, ул. Заречная,

здание 1А, строение 1;

ORCID: 0000-0002-2067-3830;

eLibrary SPIN: 6726-4542;

e-maiL: [email protected]

Мазилов Святослав Игоревич, к.б.н.;

ORCID: 0000-0002-8220-145X;

eLibrary SPIN: 2048-0643;

e-maiL: [email protected]