Исследование взаимосвязи городского острова тепла и городского острова загрязнения в Москве

Ле Минь Т. , Бакаева Н.В.

2024 / Том 9 №1 2024 [ ГЕОЭКОЛОГИЯ ]

Загрязнение атмосферы вредными соединениями в настоящее время является наиболее опасной формой деградации природной среды в России. Особенности неблагоприятных экологических ситуаций и экологических проблем на отдельных территориях страны обусловлены местными природными условиями и характером воздействия со стороны промышленности, транспорта, коммунального и сельского хозяйств (специфика предприятий, их мощность, расположение, используемые технологии). В условиях, когда города сталкиваются с проблемами, связанными с эффектом городского острова тепла и загрязнением окружающей среды, возникает острая необходимость разработки новых методов эколого-микроклиматической оценки и структурно-функционального градоэкологического обоснования планирования территорий. Применение метода использования больших данных для определения городского острова тепла с помощью платформы облачных вычислений в сочетании с моделью расчета рассеяния мелкодисперсной пыли на основе спутниковых изображений позволяет установить взаимосвязь между городским островом тепла и загрязнением атмосферного воздуха. Исследование проведено на примере Москвы.

Ключевые слова:

городской остров тепла, городской остров загрязнения, мелкодисперсная пыль, большие данные, дистанционное зондирование, Googleearthengine

Библиографический список:

1. Oke T.R. The energetic basis of the urban heat island // Quarterly Journal of the Royal Meteorological Society. 1982. Vol. 108. No. 455. P. 1-24. http://dx.doi.org/10.1002/qj.49710845502.
2. Crutzen P.J. New Directions: The growing urban heat and pollution ‘island’ effect - Impact on chemistry and climate // Atmospheric Environment. 2004. Vol. 38. No. 21. P. 3539-3540. http://dx.doi.org/10.1016/j.atmosenv.2004.03.032.
3. Li H., Meier F., Lee X., et.al. Interaction between urban heat island and urban pollution island during summer in Berlin // Science of the Total Environment. 2018. Vol. 636. P. 818-828. http://dx.doi.org/10.1016/j.scitotenv.2018.04.254.
4. Ponomarev N.,Yushkov V., Elansky N. Air Pollution in Moscow Megacity: Data Fusion of the Chemical Transport Model and Observational Network // Atmosphere. 2021. Vol. 12. Iss. 3. 374 p. http://dx.doi.org/10.3390/atmos12030374.
5. Elsayed I. Mitigation of the urban heat island of the city of Kuala Lumpur, Malaysia // Middle East Journal of Scientific Research. 2012. Vol. 11. No. 11. P. 1602-1613. http://dx.doi.org/10.5829/idosi.mejsr.2012.11.11.1590.
6. Elansky N. Air quality and CO emissions in the Moscow megacity // Urban Clim. 2014. Vol. 8. P. 42-56. http://dx.doi.org/10.1016/j.uclim.2014.01.007.
7. Jonsson P., Bennet C., Eliasson I., Selin Lindgren E. Suspended particulate matter and its relations to the urban climate in Dar es Salaam, Tanzania // Atmos Environ. 2004. Vol. 38. No. 25. P. 4175-4181. http://dx.doi.org/10.1016/j.atmosenv.2004.04.021.
8. Sarrat C., Lemonsu A., Masson V., Guedalia D. Impact of urban heat island on regional atmospheric pollution // Atmos Environ. 2006. Vol. 40. No. 10. P. 1743-1758. http://dx.doi.org/10.1016/j.atmosenv.2005.11.037.
9. Bakaeva N., Le M.T., Hoang T. On the linkage between urban heat island and urban pollution island in Moscow // AIP Conf Proc. 2023. Vol. 2791. No. 1. P. 050020. http://dx.doi.org/10.1063/5.0143467.
10. Bezuglaya E.Y., Shchutskaya A.B., Smirnova I.V. Аir pollution index and interpretation of measurements of toxic pollutant concentrations // Atmospheric Environment. 1993. Vol. 27А. No. 5. P. 773-779.
11. Le M., Bakaeva N., Danilina N., Hoang T. Method of identifying urban heat islands by remote sensing based on big data. E3S Web of Conferences; 2023. No. 403. P. 05007. http://dx.doi.org/10.1051/e3sconf/202340305007.
12. Ferdman M., Adileh A., Kocberber O., Vo;os S., et al. Clearing the clouds: a study of emerging scale-out workloads on modern hardware // ACM SIGARCH Computer Architecture News. 2012. Vol. 47. Iss.4. Р. 37-48. http://dx.doi.org/10.1145/2248487.2150982.
13. Gorelick N., Hancher M., Dixon M., Ilyushchenko S., Thau D., Moore R. Google Earth Engine: Planetary-scale geospatial analysis for everyone // Remote Sensing of Environment. 2017. Vol. 202. Р. 18-27. http://dx.doi.org/10.1016/j.rse.2017.06.031.
14. Le M.T., Bakaeva N. A Technique for Generating Preliminary Satellite Data to Evaluate SUHI Using Cloud Computing: A Case Study in Moscow, Russia // Remote Sensing. 2023. Vol. 15. No. 13. Р. 3294. http://dx.doi.org/10.3390/rs15133294.
15. Pourghasemi H., Rahmati O. Prediction of the landslide susceptibility: Which algorithm, which precision? // Catena Journal. 2018. Vol. 162. Р. 177-192. http://dx.doi.org/10.1016/j.catena.2017.11.022.
16. Othman N., Mat Jafri M.Z., San L.H. Estimating Particulate Matter Concentration over Arid Region Using Satellite Remote Sensing: A Case Study in Makkah, Saudi Arabia // Modern Applied Science. 2010; 4(11). http://dx.doi.org/10.5539/mas.v4n11p131.

Файлы:

• статья (скачать | просмотреть) - скачано 7 раз