Бесплатный автореферат и диссертация по наукам о земле на тему

Физико-статистический прогноз наибольших концентраций примесей на территории города

ВАК РФ 25.00.30, Метеорология, климатология, агрометеорология

Автореферат диссертации по теме "Физико-статистический прогноз наибольших концентраций примесей на территории города"

ГЛАВНАЯ ГЕОФИЗИЧЕСКАЯ ОБСЕРВАТОРИЯ им. А.И. ВОЕЙКОВА

НА ПРАВАХ РУКОПИСИ

КИРИЛЛОВА Виктория Ивановна

УДК 551.509.3

ФИЗИКО-СТАТИСТИЧЕСКИЙ ПРОГНОЗ НАИБОЛЬШИХ КОНЦЕНТРАЦИЙ ПРИМЕСЕЙ НА ТЕРРИТОРИИ ГОРОДА

Специальность 25.00.30 - метеорология, климатология, агрометеорология

АВТОРЕФЕРАТ ДИССЕРТАЦИИ НА СОИСКАНИЕ УЧЕНОЙ СТЕПЕНИ КАНДИДАТА ГЕОГРАФИЧЕСКИХ НАУК

Санкт-Петербург 2003

Работа выполнена в Главной геофизической обсерватории им. А.И. Воейкова

Научные руководители: доктор географических наук

Л.Р. Сонькин

доктор физико-математических наук Е.Л. Генихович

Официальные оппоненты:

Ведущая организация:

доктор географических наук, профессор Г.И. Мазуров

кандидат географических наук В.М. Мирвис

Санкт-Петербургский государственный университет, географический факультет

Защита диссертации состоится "_"_2003г. в_часов

на заседании диссертационного Совета Д327.005.01 при Главной геофизической обсерватории им. А.И. Воейкова. Адрес: 194021, г. Санкт-Петербург, ул. Карбышева, 7

С диссертацией можно ознакомиться в библиотеке Главной геофизической обсерватории им. А.И. Воейкова

Автореферат разослан "_"_2003 г

Ученый секретарь диссертационного Совета, доктор географических наук

Л.

А.В. Мещерская

О.ооз - А (ЪуЦ

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы

Несмотря на осуществление определенных природоохранных" мер и сокращение промышленных выбросов (в значительной степени связанное с общим спадом экономики на протяжении девяностых годов), проблема чистоты атмосферы в городах Российской Федерации в течение последних десятилетий не только не решена, но даже обострилась. Как следует из анализа материалов наблюдений, за этот период в крупнейших (численностью более 500 тыс. жителей) городах России высокий уровень загрязнения воздуха сохранился и, согласно прогнозу, такая тенденция будет иметь место в течение ряда лет. Сравнение средних за год концентраций примесей с национальными стандартами качества воздуха показало, что они превышают предельно допустимые нормы (ПДК). Концентрации, превышающие ПДК в десятки раз, регулярно регистрировались в большинстве (55-80%) крупнейших городов страны.

Учитывая сложную экологическую обстановку, в Федеральном законе "Охрана атмосферного воздуха" от 4 мая 1999 года предусмотрена обязательная реализация мер по защите населения при изменении состояния атмосферного воздуха, угрожающем здоровью и жизни людей (статья 19). Наряду с другими природоохранными мероприятиями, он включает и уменьшение выбросов вредных веществ в атмосферу в периоды неблагоприятных метеорологических условий на основе прогнозов и предупреждений о возможном опасном росте концентраций примесей в воздухе.

В результате исследований, выполненных в Главной геофизической обсерватории им. А.И. Воейкова, были разработаны достаточно эффективные методы прогноза загрязнения воздуха. Они относятся к общему состоянию воздушного бассейна в городах и воздействию на атмосферу отдельных источников выбросов вредных веществ. При этом предсказываются интегральный показатель загрязнения воздуха в городе совокупностью вредных веществ или отдельными примесями, а также комплексы неблагоприятных метеорологических условий (НМУ), относящиеся к отдельным источникам и их группам. Отечественные методы прогноза загрязнения воздуха изложены в действующем "Руководстве по прогнозу загрязнения воздуха" РД.52.04.306-92 и внедрены во всех управлениях Росгидромета. Работы по прогнозированию загрязнения воздуха проводятся в 250 городах Российской Федерации, предупреждения о его возможном росте передаются более чем на 5000 предприятий, на которых принимаются конкретные меры по снижению выбросов в неблагоприятные периоды. На многих предприятиях получены количественные оценки эффективности этих мер. Однако, методы прогноза, используемые в оперативной практике Росгидромета, не позволяют' предсказывать наибольшие концентрации

РОС. НАЦИОНАЛЬНАЯ БИБЛИОТЕКА ; С. Петербург 09 Ю^аит',^ {

примесей, предотвращение которых имеет существенное значение для решения проблемы защиты атмосферы от загрязнения в период НМУ.

Цель и задачи исследования

Целью работы является исследование закономерностей формирования наибольших концентраций вредных веществ в воздухе на территории городов и разработка физико-статистического метода их прогноза. В соответствии с этой целью, в диссертации были поставлены следующие задачи:

1. Исследовать условия формирования наибольших концентраций примесей в отдельных частях города в зависимости от метеорологических факторов и уровня загрязнения воздуха по городу в целом.

2. Проанализировать особенности применения статистических методов для прогноза наибольших концентрации примесей в отдельных частях города.

3. Разработать метод физико-статистического прогноза наибольших концентраций.

4. Разработать статистические схемы прогноза концентраций примесей по данным измерений на стационарных постах в нескольких городах и оценить их эффективность.

Научная новизна работы

В диссертации получены следующие новые научные результаты:

1. Впервые сформулирован подход и разработана методология решения задачи физико-статистического прогноза наибольших концентраций вредных веществ в воздухе отдельных районов города.

2. По материалам ряда городов установлена зависимость вероятности формирования наибольших концентраций примесей в отдельных точках города от уровня общегородского загрязнения. Показано, что в 80-90% случаев такие концентрации наблюдаются при повышенном загрязнении воздуха по городу в целом.

3. Впервые исследованы корреляционные связи между максимальными концентрациями примесей в воздухе отдельных районов города и метеорологическими факторами при высоком уровне загрязнения воздуха по городу в целом.

4. Разработан статистический метод прогноза максимальных за день концентраций примесей в отдельных точках города. Для ряда городов построены соответствующие прогностические схемы.

Практическая ценность и реализация результатов работы

Разработанный статистический метод прогноза наибольших концентраций специфических примесей позволяет предсказывать подавляющее большинство (до 90%) случаев значительного роста концентраций. Авторские испытания предложенного метода, проведенные по независимым материалам наблюдений двух 'городов' (Красноярску Уфа), подтвердили его эффективность. Метод может быть рекомендован для оперативного использования во всех промышленных городах, в том числе для составления предупреждений об опасных уровнях загрязнения воздуха.

Апробация работы

Основные результаты диссертационной работы докладывались на Юбилейной научной конференции, посвященной 150-летию Главной геофизической обсерватории им. А. И. Воейкова (Санкт-Петербург, 1999 г), научной конференции, проводившейся по результатам исследований в области гидрометеорологии и мониторинга загрязнения природной среды в государствах-участниках СНГ и посвященной 10-летию образования Межгосударственного совета по гидрометеорологии (Санкт-Петербург, 23-26 апреля 2002 г), научно-методических курсах повышения квалификации сетевых подразделений Росгидромета "Современные задачи мониторинга загрязнения атмосферы" в Санкт-Петербурге (2001-2002 г), на Ученом Совете ГГО, семинарах отдела исследования и мониторинга загрязнения атмосферы ГГО, конференции молодых специалистов. Промежуточные результаты исследований вошли в отчеты 1990-2002 г. по темам плана НИР и ОКР. По теме диссертации опубликовано и принято в печать 8 работ.

Структура и объем диссертации

Диссертация состоит из введения, пяти глав, заключения, приложения.

Она содержит 132 страницы, включая 22 рисунка, 21 таблицу и библиографию из 250 наименований.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность темы, дается общая характеристика работы, формулируются цели и основные задачи исследования, отмечается его научная новизна и практическая ценность.

Первая глава посвящена обзору экологического состояния воздушного бассейна городов России, рассматриваются вопросы теоретических и экспериментальных исследований процесса распространения примесей в атмосфере городов, а также работы в области физико-статистического прогнозирования загрязнения воздуха, выполненных как в нашей стране, так и в ряде зарубежных стран.

В разделе 1.1 описано современное состояние загрязнения воздуха в городах России. По данным "Ежегодников состояния загрязнения атмосферы в городах на территории России" в середине 90-х годов, несмотря на некоторый спад развития промышленности и уменьшение выбросов, средние за год концентрации по меньшей мере одного из вредных веществ превышали допустимые нормы в более, чем 200 городах, насчитывающих десятки миллионов жителей. В 70 городах такая ситуация отмечалась по трем и более примесям. Экологическая обстановка в значительной степени ухудшается в связи с тем, что на фоне высокого среднего уровня загрязнения воздуха может наблюдаться кратковременный рост загрязнения воздуха в отдельных районах этих городов. Максимальные значения концентраций примесей, превышающие в десятки раз допустимые нормы, многократно отмечались в 70 городах. Эпизоды значительного увеличения загрязнения воздуха

наблюдаются в большинстве случаев при неблагоприятных метеорологических условиях.

В городах с очень высоким уровнем загрязнения воздушного бассейна наблюдаются тяжелые последствия для здоровья его жителей, поэтому регулирование выбросов в периоды НМУ, позволяющее предотвратить наиболее опасные случаи загрязнения воздуха и на этой основе улучшить общее состояния городской среды обитания, является важной целью прогнозирования загрязнения воздуха.

В разделе 1.2 диссертации кратко изложены результаты теоретических исследований, выполненных в ГГО под руководством профессора М.Е.Берлянда. Приводятся описания основных закономерностей изменения характеристик загрязнения воздуха от источников выброса различных типов под влиянием метеорологических условий.

В разделе 1.3 описываются некоторые особенности распространения примесей, полученные при экспериментальном обследовании воздушных бассейнов крупных промышленных городов.

В разделе 1.4 приводится обзор работ по краткосрочному прогнозированию загрязнения атмосферы.

В настоящее время разработаны разные методы прогноза загрязнения на срок от нескольких часов до нескольких суток. При этом отмечаются два подхода: детерминированный и статистический.

В основу детерминированных методов положены разработки теории атмосферной диффузии на основе математического описания распространения примесей с помощью уравнения турбулентной диффузии. Подробная библиография по данному вопросу приведена в монографии М.Е. Берлянда.

Статистические методы прогноза загрязнения воздуха в городах базируются на эмпирико-статистическом анализе материалов наблюдений за концентрациями примесей в воздухе и сопутствующими метеорологическими и синоптическими условиями. Такие методы активно используются за рубежом, но наиболее широкое развитие применительно к задачам краткосрочного прогнозирования загрязнения атмосферы они получили в России. Группой специалистов Главной геофизической • обсерватории, возглавляемой Л.Р.Сонькиным, разработана методология и успешно внедрены в оперативную практику Росгидромета методы прогноза от одиночных источников и интегральных показателей загрязнения по городу в целом. В основу этих разработок положен учет реального вида связей между уровнем загрязнения и сопутствующими метеорологическими и синоптическими условиями. В качестве прогнозируемой величины обычно используется параметр Р, определяемый по формуле:

' Р=ш/п, (1)

где п - общее количество наблюдений за концентрацией примесей в городе в течение одного дня на всех стационарных постах; т - количество наблюдений в течение этого дня с концентрациями которые превышают среднесезонное

значение цср более, чем в 1.5 раза (я>1.5цср). Этот показатель используется также в работах по прогнозу загрязнения за рубежом (в Болгарии, Финляндии, Монголии).

Во второй главе излагается методология решения поставленных задач, приводятся также характеристики использованных материалов.

В разделе 2.1 формулируется основная задача работы, которая заключается в прогнозировании наибольших концентраций примесей в воздухе на постах наблюдения в городе.

Рабочая гипотеза состоит в том, что формирование опасного для здоровья людей загрязнения воздуха на достаточно большой территории города обусловлено процессами рассеивания антропогенных выбросов, достигающих «нормальных» (регулярно встречающихся) максимальных значений при обычных технологических режимах работы промышленных источников или в суточном ходе интенсивности движения автотрайспорта. Рост загрязнения, вызванный аварийными выбросами вредных веществ в атмосферу вследствие нарушения технологических процессов на предприятиях, не рассматривался.

Для решения поставленной задачи будем исходить из того, что загрязнение воздуха современного промышленного города характеризуется наличием двух составляющих — общегородской и локальной. • Формирование этих составляющих и их изменения под влиянием метеоусловий соответствуют разным временным масштабам. Загрязнение воздуха у земли выбросами от отдельных источников (локальное загрязнение) зависит от микрометеорологических условий в городе и характеризуется значительной изменчивостью в течение суток. В то же время загрязнение по городу в целом, являясь результатом длительного антропогенного воздействия выбросов всех источников, связано с общей метеорологической (синоптической) обстановкой и в отдельных случаях может сохраняться неизменным более суток.

Наложение этих составляющих загрязнения может привести в какой-то момент времени к значительному увеличению содержания вредных веществ в воздухе одного или нескольких районов города. Поэтому в данной работе для количественной оценки наибольшего загрязнения используется максимальная (Ям) из измеренных за день концентраций на данном посту. Можно ожидать, что при переходе к дневным максимумам влияние локальных флуктуаций сильно уменьшится, уменьшится также роль систематических изменений выбросов в течение суток, так что связь с внешними метеорологическими условиями станет более устойчивой.

Таким образом, основная задача диссертации сводится к разработке метода прогноза максимальной за день концентрации в точке наблюдения.

В связи с наличием многолетних рядов мониторинга загрязнения атмосферы, для решения этой задачи можно применить хорошо разработанный математический аппарат регрессионного анализа. В данной связи необходимо учесть, что значения я« характеризуются большой изменчивостью (от долей

ПДК до сотен ПДК) и что использование указанного аппарата требует выполнения некоторых условий и необходимых преобразований исходных рядов наблюдений.

При разработке схем прогноза загрязнения атмосферного воздуха в зависимости от метеорологических и синоптических условий первым шагом обычно является переход от размерных к безразмерным коцентрациям, который позволяет исключить влияние динамики валовых выбросов загрязняющих веществ, изменения которой, как правило, неизвестны. Для нормирования концентраций в данной работе используется ее среднесезонное значение. На основании этого предиктантом В служит максимальная за день концентрация в точке регулярного наблюдения нормированная на среднесезонное значение в той же точке qlCC (В=Ч1М/я)се). В оперативной практике средние концентрации на посту предлагается рассчитывать в соответствии с РД 52.04.306-92.

Для прогноза нормированной максимальной за день концентрации в точке мониторинга будем использовать обобщенную регрессионную модель вида: В = АХ + е , где В—вектор-предиктант; X—матрица преобразованных предикторов; А—вектор регрессии, подлежащий оцениванию; е — вектор ошибки (остатка). Предполагается, что б — независимые случайные величины, имеющие нормальное распределение Ы(0,аг).

На стадии "обучения" (разработки прогностической схемы) коэффициенты регрессии А обычно определяются методом наименьших квадратов. При осуществлении собственно прогноза коэффициенты А полагаются известными и по уравнению рассчитываются значения В.

Эффективность прогностической, схемы во многом зависит от способа построения обучающей выборки. Для её повышения (особенно в области экстремальных значений) в обучающую выборку целесообразно включить данные измерений в дни, когда загрязнение воздуха в городе было высоким (глава 3)

Что же касается преобразования переменных, то оно производятся таким образом, чтобы повысить качество прогностической схемы, основанной на использовании линейной регрессии, т.е. преобразование должно обеспечить выполнение следующих условий: линейность связи между переменными и нормальность распределения их плотности вероятности.

I Разработанные в математической статистике методы позволяют выполнить эти условия. После соответствующих преобразований переменных, включающих нормализацию предиктанта и предварительное исключение нелинейности связей, существо которых подробно будет изложено в пятой главе, для каждой точки наблюдения получаем регрессионное уравнение:

п

где Вп-нормализованный предиктант, В„(ХО - преобразованные предикторы, ао и -коэффициенты регрессии.

В диссертации рассматриваются следующие этапы реализации предлагаемой модели:

• анализ корреляционных зависимостей максимальных концентраций примесей в точках наблюдения от метеорологических факторов с целью выделения группы наиболее информативных предикторов (глава 4);

• построение и оценка качества регрессионной модели для каждой точки наблюдения, расчет значений предиктанта (глава 5);

• оценка эффективности разработанного метода путем сравнения прогностических и фактических значений в области экстремумов по использованному и независимому рядам наблюдений (глава 5).

В разделе 2.2 приводятся сведения о материалах, использованных при разработке и апробации метода прогноза.

Для решения поставленной задачи привлекались данные измерений на сети мониторинга загрязнения атмосферы, а также стандартных метеорологических и аэрологических наблюдений в городах Красноярске (1983-85 гг), Уфе (1988-89 гг), Череповце (1983-85 гг), Санкт-Петербурге (1989-1991 гг). Были использованы синоптические архивы. В работе частично использованы результаты специальных экспедиционных обследований ряда городов, атмосфера которых подвергается интенсивному антропогенному воздействию (Волжский, Кемерово, Красноярск, Черкассы и др.).

В разделе 2.3 подробно описываются особенности географического расположения и состояния воздушных бассейнов городов Красноярска й Уфы, материалы наблюдений которых использовались при разработке метода прогноза.

В третьей главе приведены описания эпизодов опасного загрязнения воздуха в городах и результаты статистического анализа связей между наибольшими концентрациями вредных веществ и уровнем общегородского загрязнения.

Поскольку загрязнение воздуха в городе складывается из двух составляющих (общегородской и локальной), то целесообразно проанализировать вероятность формирования наибольших концентраций на постах в зависимости от уровня загрязнения воздуха по городу в целом.

Как показала первичная обработка данных о жалобах на сильное загрязнение воздуха жителей ряда городов и последующий анализ данных сети мониторинга (раздел 3.1). вероятность формирования наибольших концентраций тесно связана с уровнем загрязнения по городу в целом, характеристикой которого является параметр Р (см. формулу 1). Существенное преимущество использования этого показателя по сравнению с другими интегральными характеристиками заключается в возможности расчета его значений как по одной примеси Р|, так и по совокупности нескольких измеряемых примесей (Рс), что позволяет получить наиболее

обобщенный показатель, характеризующий в значительной степени состояние загрязнение воздушного бассейна города в целом. Необходимость подобного объединения примесей может возникнуть из-за недостаточного количества (менее 20) ежедневных измерений содержания в воздухе одной примеси.

В разделе 3.2 рассматривается вопрос объединения примесей в группы для расчета совокупных интегральных показателей ^загрязнения воздуха по городу в целом. Для такого объединения учитываются зависимости уровня загрязнения воздуха от метеорологических условий. В работе показано, что применительно к решаемой задаче для расчета Рс целесообразнее группировать вредные вещества, значительное загрязнение воздуха которыми наблюдается при одинаковых неблагоприятных метеорологических условиях. Так, для проведения дальнейших разработок при расчете Рс по данным Красноярска рассматривались концентрации примесей, поступающих в атмосферу преимущественно из высоких источников промышленных предприятий -сероуглерода, фтористого водорода, фенола и сероводорода; по данным Уфы -концентрации бензола, этилбензола, ксилола, толуола, выбрасываемых трубами средней высоты и автотранспортом.

Раздел 3.3 посвящен статистическому анализу зависимости формирования наибольших концентраций вредных веществ от уровня загрязнения' по городу в целом.

К "наибольшим" концентрациям (я*) были отнесены максимальные (я„) за день концентрации примеси, значения которых превышают 90%-ный квантиль функции распределения

Анализ результатов наблюдений в городах с различными отраслями промышленности. (Красноярск, Уфа, Череповец, Санкт-Петербург) показал, Что повторяемость случаев повышенного (Р[ или Рс более 0.2) общегородского загрязнения в дни, когда наблюдаются и наибольшие концентрации, в 2-3 раза выше, чем в среднем.

' ' В работе приводятся также материалы, из которых следует, что 80—90% случаев наибольших концентраций в точках наблюдения городов Красноярска и Уфы формируется при повышенном загрязнении воздуха по городу в целом. Случаи значительного роста концентраций при низком уровне загрязнения встречаются редко. По-видимому, их формирование связано со случайными причинами, которые не поддаются статистическому прогнозированию.

Из результатов проведенного анализа следует, что для разработки схем прогноза можно ограничиться использованием ряда данных о максимальных концентрациях в дни, когда интегральный показатель загрязнения выше или равен 0.2. Достаточное количество ежедневных измерений концентраций каждой из примесей в Красноярске позволило применить в качестве этой характеристики общегородского загрязнения параметр Р1. В Уфе таких измерений недостаточно, поэтому использовался параметр Рс.

В четвертой главе изложены результаты исследования влияния метеорологических условий на содержание вредных примесей в воздухе

отдельных районов города, которые позволили определить характер корреляционных связей между предиктантом и предикторами в условиях повышенного общегородского загрязнения. Анализ проведен по материалам мониторинга загрязнения атмосферы городов Красноярска (сероуглерод, фтористый водород) и Уфы (этилбензол, бензол) и по данным стандартных наблюдений на метеорологических и аэрологических станциях.

В разделе 4.1 приводятся результаты анализа зависимости интегральных характеристик загрязнения воздуха Рс от синоптических условий, которые представляют в наиболее общем виде весь сложный комплекс метеорологических и аэрологических характеристик.

Как следует из представленных в работе материалов, рост уровня загрязнения воздуха совокупностью примесей в Красноярске отмечается в теплой воздушной массе на перифериях барических образований при наличии фронтальной системы. Это связано с тем, что на высотах в зоне линии раздела воздушных масс располагается область теплого воздуха, приводящая к формированию задерживающего слоя, который оказывает значительное влияние на уровень загрязнения воздуха. Эффект роста концентраций примесей в зоне стационарных фронтов обнаруживается и зарубежными авторами.

Наибольшие значения Рс в Уфе наблюдаются в период, когда в районе города располагается центральная часть антициклона или гребень высокого давления - отрога сибирского антициклона. Относительно повышенное загрязнение воздуха формируется на северной, западной и северо-западной перифериях антициклона со слабыми градиентами давления. Высокие концентрации вредных веществ при этих типах атмосферной циркуляции образуются в условиях застоя воздуха, который соответствует максимальным концентрациям примесей от низких источников и источников средней высоты.

В разделах 4.2-4.4 анализуется характер зависимости максимальной за день концентрации в период повышенного общегородского загрязнения от метеорологических условий: направления ветра (разд.4.2), скорости ветра (разд.4.3) и параметров устойчивости атмосферы (мощности приземной инверсии и высоты нижней границы приподнятой инверсии) (разд. 4.4).

Наибольшее загрязнение атмосферы Красноярска сероуглеродом и фтористым водородом наблюдается при переносе воздушных масс со стороны соответствующих промышленных предприятий. На постах, расположенных в центральной части города, рост концентраций этих примесей фиксируется при скорости ветра, равной 3-4 м/с, а на значительном удалении от источников -при штиле (на высоте флюгера). Исследование зависимости загрязнения воздуха в отдельных точках города от термической устойчивости приземного слоя атмосферы показывает, что между концентрациями и высотой расположения нижней границы приподнятой инверсии существует корреляционная связь. Наибольшие из них наблюдаются при высоко расположенных инверсионных слоях, формирование которых связано с

адвекцией тепла на высотах в зонах стационарных фронтов (см. разд. 4.1). Эта особенность прослеживается по данным всех постов и объясняется характером использованной выборки. Как показал анализ материалов наблюдений, в летний период мощность приземной инверсии не оказывает существенного влияния на рассеивание рассматриваемых примесей.

Исследования зависимости величины В от рассматриваемых метеоусловий, проведенные по данным мониторинга в Уфе, показали, что рост загрязнения воздуха в рассматривамых точках определяется слабым переносом выбросов со стороны промышленной зоны.

В пятой главе излагается разработанный метод прогноза наибольших концентраций примесей в отдельных точках города. Он включает два этапа: прогноз общегородского загрязнения (первый этап) и, если по городу в целом ожидается повышенное загрязнение, прогноз максимальных концентраций в отдельных точках города (второй этап).

Методы прогноза интегрального показателя загрязнения воздуха по городу в целом разработаны и изложены в РД.52.04.306-92. Для решения настоящей задачи целесообразно воспользоваться одним из них, а именно методом множественной линейной регрегрессии с предварительным исключением нелинейности связей. Для осуществления второго этапа прогноза автор предлагает использовать метод, существо которого изложено в гл.2.

В разделе 5.1 приводятся предиктанты и предикторы, использованные для разработки статистических схем, и оценки корреляционной зависимости между ними.

Предиктантами являются интегральные характеристики загрязнения Р) или Рс (первый этап) и нормированные максимальные за день концентрации примесей на постах В (второй этап).

В схемах, разработанных по материалам г. Красноярска, в качестве предикторов используются следующие метеорологические характеристики: направление и скорость ветра, измеряемые на метеостанции; параметры атмосферной устойчивости (мощность приземной инверсии и высота нижней границы приподнятой инверсии), получаемые из данных зондирования, и показатели загрязнения в предшествующий день. Для реализации первого этапа предлагаемого метода к перечисленным предикторам необходимо добавить синоптический предиктор, а второго-параметры Р1 и Рс.

В схемах, разработанных по материалам г. Уфы, в качестве предикторов используются данные наблюдений на метеорологической станции за направлением и скоростью ветра в утренние и дневные часы; показатели загрязнения в предшествующий день, а также синоптический предиктор (первый этап) и показатель загрязнения совокупностью примесей по городу в целом Рс (второй этап).

Как показали выполненные оценки, выделенные связи могут считаться статистически значимыми при коэффициенте корреляции г>0.2 (при 5% уровне значимости по критерию Стьюдента I).

В разделе 5.2 описаны результаты применения метода множественной линейной регрессии с предварительным исключением нелинейности связей и нормализацией предиктанта для прогноза максимальных за день концентраций в точке наблюдения.

I. Нормализация предиктанта. Для повышения эффективности применения аппарата регрессионного анализа переменная В, не распределенная по гауссовому закону, была преобразована в нормальную случайную величину. Процедура нормализации состояла из двух этапов, на первом из которых В преобразовывалась в равномерно распределенную на интервале (0, 1) случайную величину (с этой целью использовалась функция, обратная эмпирической функции распределения величины В). На втором этапе полученная переменная преобразовывалась в нормализованную переменную В„ с использованием стандартной нормальной функции распределения со средним значением 0 и дисперсией 1.

II. Исключение нелинейности связей. Успешное применение метода линейной регрессии требует, чтобы попарные корреляционные связи между содержанием примесей в воздухе и метеорологическими факторами, определяющими их рассеивание, бьли близки к линейным. Однако, как показано в 4 главе, это условие не выполняется.

Для исключения нелинейности связей между концентрациями вредных веществ и метеорологическими факторами в работе использован метод преобразования предикторов, который заключается в следующем: с помощью кривых, описывающих вид связей между переменными, каждому значению предиктора присваивается соответствующее ему среднее значение характеристики загрязнения. Связь преобразованных таким образом предикторов с предиктантом в значительной степени линеаризуется. Этот прием позволяет учесть реальный вид связи в каждом конкретном случае. При преобразовании предикторов в данной работе используются ранее нормализованные значения предиктанта.

Предварительно преобразованные исходные данные далее применяются для построения статистических схем прогноза максимальных концентраций примесей в воздухе в соответствии с уравнениями (2).

Задача решалась методом пошагового многофакторного регрессионного анализа с использованием комплекса прикладных статистических программ БТАТОЛАРШСЗ (версия 5). Данный вид анализа позволяет включать в схему только те факторы, которые имеют значимую корреляцию с показателями загрязнения. Для оценки и последующего отбора предикторов использовался критерий Фишера Р. Оптимальное значение Р, позволяющее включить предиктор в уравнение регрессии, было принято равным 2. Проведение этого отбора дает возможность увеличить коэффициент детерминации модели и,

соответственно, повысить ее информационную способность, а также точность и надежность прогноза предиктанта В„. Для получения прогностических значений (Вяр0г) проводится обратное преобразование.

Для оценки эффективности разработанной модели прогноза максимальных концентраций и роли каждого из применяемых преобразований сравним измеренные значения (Виэм) с В „рог рассчитанными по четырем вариантам статистических схем с использованием данных наблюдений за содержанием сероуглерода на одном из постов города Красноярска в течение шести месяцев. В табл.1 указаны преобразования переменных, использованные в каждом из вариантов, статистические характеристики измеренных и прогностических рядов В и соотношения между ними. На рис.1 приведены графики корреляционной связи между измеренными и прогностическими значениями В для этих четырех вариантов.

Вариант I. При построении схемы использовались ряды ежедневных данных, Визм=1.82, сг=2.26. Анализ результатов прогноза показал, что среднее квадратическое отклонение прогностического ряда Впрог значительно ниже исходного, Я=0.54. Прогнозы (среди которых получены отрицательные значения, что лишено физического смысла), занижаются в среднем на 10%, разброс значений В„зи/Впрог достаточно велик. Несмотря на малую прогностическую эффективность этого варианта, рассмотрение его необходимо для объективной оценки результатов прогнозов последующих вариантов.

Вариант И. При построении схемы использовались ряды наблюдений в дни повышенного (по критерию Р) загрязнения в городе за тот же период. Исключение из обучающей выборки значительной части малых и нулевых значений В привело к росту не только Визы, но и ст. Анализ результатов прогноза показал, что основное улучшение модели связано с уменьшением разброса отношения измеренных и прогностических значений.

Вариант Ш. При построении схемы использовались ряды наблюдений те же, что и во П этапе. Применено линейное преобразование предикторов. Анализ результатов прогноза показал, что эта процедура приводит к росту дисперсии прогностического ряда и, как следствие, уменьшению разброса отношений В„зм/Вп[юг, что повышает эффективность модели, 11=0.78.

Вариант IV. При построении схемы использовались ряды наблюдений те же, что и во II этапе. Осуществляется предварительная нормализация предиктанта и линейное преобразование предикторов. Анализ результатов прогноза показал, что эти преобразования позволяют получить прогностический ряд близкий по статистическим характеристикам к ряду измеренному. Коэффициент корреляции между ними вырос и составляет 11=0.84.

Таблица 1

Сравнение эффективности вариантов модели множественной линейной регрессии для прогноза __максимальных концентраций_

Номер Варианта Использованное преобразование Количество случаев Статистические характеристики исходного и расчетного рядов Коэффициент корреляции между Визм И Впрог Статистические характеристики отношения Вцм/Впоог

Среднее Среднее квадрэтическое отклонение Среднее Среднее квадратическос отклонение

В|ОМ ®прог ®прог

I Без преобразования 160 1.82 1.81 2.26 1.22 0.54 1.10 1.61

II Ограниченная выборка (только при Р>0.2) 70 2.82 2.82 2.62 1.51 0.58 1.10 0.91

III Ограниченная выборка, Линейное преобразование предикторов 70 2.82 2.77 2.62 1.64 0.78 1.09 0.65

IV Ограниченная выборка, Нормализация предиктанта, Линейное преобразование предикторов 70 2.82 2.82 2.62 1.96 0.84 1.05 0.57

Измеренные значения В .

Измеренные значения В

Рис.1 Корреляционная зависимость между измеренными и прогностическими значениями максимальных концентраций примесей при четырех вариантах регрессионной модели. Пунктиром показаны 95% доверительные интервалы. Уменьшение среднего значения и дисперсии отношений В„зм/Впр(,г свидетельствуют о дальнейшем повышении эффективности модели.

Анализ результатов показывает, что использование цензурирований выборки и преобразования переменных (предикторов и предиктанта) дают наилучшее соответствие между прогностическими и измеренными значениями.

В разделе 5.3 анализируются результаты апробации метода прогноза наибольших концентраций примесей в отдельных точках города.

По материалам наблюдений в Красноярске за содержанием сероуглерода и фтористого водорода построено 15 уравнений регрессии для расчета В„, по материалам Уфы - 6 уравнений. Оценки эффективности статистических схем представлены в табл.2.

Таблица 2

Результаты дисперсионного анализа уравнений регрессии

Город Примесь Номер Коэффициент Критерий

• поста детерминации II2 Фишера Г

Красноярск 20 0.34 7.81

9 0.36 14.03

Сероуглерод 5 0.36 10.21

8 0.55 30.26

'7 0.61 22.38

3 0.52 21.35

•21 0.30 7.61

. -1- 0.36 9.94

19 0.38 11.21

Фтористый водород 6 0.37 10.11

•5 ■ 0.42 9.55

9 0.48 11.18

3 0.48 10.89

8 0.42 9.52

1 0.36 17.2

Уфа Эгилбензол 3 0.61 22.39

5 0.55 26.40

17 0.50 20.30

Бензол 3 0.45 14.43

5 0.48 16.37

17 0.37 9.75

Из табл.2 следует, что уравнения имеют достаточную информативную способность, коэффициент детерминации составляет 40-60%. На основании критериев наиболее эффективными оказались схемы для прогноза этилбензола в Уфе и сероуглерода (посты N8, N7 и N3) в Красноярске.

Далее по соответствующим графикам трансформации были получены значения максимальной концентрации в точках наблюдения городов Красноярска и Уфы.

В разделе 5.4 . приводятся оценки эффективности метода прогноза наибольшей концентрации примеси.

Эффективность схем прогноза общегородского загрязнения воздуха оценивалась с помощью коэффициента корреляции К между фактическими и прогностическими значениями, также рассчитывались оправдываемость прогнозов и предсказуемость группы высокого загрязнения (табл.3).

Согласно РД.52.04.306-92 рассматривают три группы загрязнения: высокое (1-группа, Р>0.35), повышенное (II группа, 0.35йРХ).20), пониженное (III группа, Р<0.20). Прогнозы 1-й группы считаются оправдавшимися, если фактические значения Р не ниже 0.30.

Таблица 3

Оценка эффективности статистических схем прогноза

интегральных показателей загрязнения _

Горйд Сезон ' Предик-, тант Примесь И Оправдыва емость (%) высоких уровнен загрязнения Предсказуемость^ )высоких уровней загрязнения

Красноярск Теплый Рс Совокупность 0.87 93 90

р, Сероуглерод 0.80 85 81

Фтористый водород 0.74 84 73

Фенол 0.77 95 90

Сероводород 0.71 92 92

Холодный Рс Совокупность 0.85 94 90

Уфа Холодный Рс Совокупность 0.82 95 91

Как следует изтабл.З, оправдываемость прогнозов высоких уровней загрязнения воздуха по городу в целом достаточно высокая и составляет 84+95%. Испытания схемы прогноза Рс по данным Красноярска (холодный период), проведенные по независимому ряду наблюдений, показали, что общая оправдываемость составляет 98%, а высоких уровней - 99% (оправдалось 10 прогнозов из 10).

Для оценки качества прогнозов максимальных концентраций определялись оправдываемость и предсказуемость наибольших значений В (ц*), к которым, согласно статистическому распределению величины В, в Красноярске были отнесены случаи В>5.0, в Уфе - В>3.0. Оценки проводились по предлагаемым правилам, разработанным с учетом точности измерения концентраций, которая составляет около 20% (табл.4). Принимая во внимание случайный характер формирования экстремума загрязнения в данной точке, эффективность прогнозов оценивалась как по отдельным Точкам, так и по районам города. При объединении нескольких постов в район принимались во внимание их территориальная близость и общий характер корреляционной зависимости В от метеопараметров.

Таблица 4

Оценки оправдываемости прогнозов и предсказуемости наибольших концентраций_

Город Оправдываемость Предсказуемость

Красноярск Прогноз В>5.0 в точке наблюдения считается оправдавшимся, если измеренное значение В>4.0. К экстремально большим В отнесены значения В>6.0. Эти случаи считаются предсказаншлми, если измеренное В>5.0.

Уфа Прогноз наибольших В считается ' оправдавшимся, если фактическое -значение В >2.5. ' За уровень экстремально высоких ' значений В принимается В&4.0. Эта величина считается предсказанной, если наблюдалась В>3.0.

Прогноз концентраций я * считается оправдавшимся по району, а экстремально высокие В -предсказанными по району, если хотя бы на одном из его постов выполняются условия, приводимые в табл.4.

Оценки оправдываемости прогнозов наибольших значений концентраций и их предсказуемости приведены в табл.5.

Таблица 5

Оправдываемость(%) и предсказуемость (%) прогнозов наибольших

значений концентраций для отдельных точек наблюдения и районов

Для точек наблюдения По району

Город Примесь Номер Оправды- Предска- Номер Оправды Предска-

точки ваемость зуемость района ваемость зуемость

Красно 1 95 74

-ярск 3 64 95 I 85 71

Сероугле- 21 83 50

род 8 60 50 II 91 89

7 90 '95

9 85 67 III 82 82

20 60 60

5 50 60 IV 50 60

1 64 42 I 82 53

Фтористый 3 67 30

водород 8 80 50 II 90 70

9 99 57

6 99 70 III 85 60

5 50 50

Уфа 2 74 95 I , 74 95

Бензол 5 57 95

17 82 54 II 80 87

2 54 79 I 54 79

Этил- 5 65 71

бензол 17 83 75 II 80 ' 8Г

Приводимые результаты свидетельствуют о том, что предлагаемый метод позволяет в большинстве случаев (в среднем 70%) предсказывать самые

опасные эпизоды роста концентраций. Оправдываемость прогнозов наибольших значений В, рассчитанных по районам города, на 15-20% выше оценок, полученных по отдельным точкам. В Красноярске наиболее успешно предсказываются концентрации сероуглерода и фтористого водорода во II районе. Для этого района города оправдываемость прогнозов составила около 90%, а предсказуемость 70-80%. В Уфе оправдываемость прогнозов наибольших значений В при ее оценки по районам города повышается по сравнению с оценкой на каждом посту и составляет 80%, а предсказуемость— 81-87%.

Успешно удалось предсказать случаи наиболее опасного загрязнения воздуха, когда в течение дня или нескольких дней (что особенно важно) на большинстве постов наблюдения максимальные концентрации достигают экстремальных значений. Примеры таких ситуаций в Красноярске приведены в табл. 6.

Таблица б

Значения В„1М (в числителе) и Впрог (в знаменателе) концентраций сероуглерода в дни, когда на четырех и более постах наблюдается

экстремальные значения максимальных концентраций

Дата Pc Pi Номера постов

1 3 5 7 8 9 20 21

7.7.84 0.28 0.71 6 32 4.11 4.32 5.03 5.24 4.30 8.22

2.46 5.11 3.42 5.81 5.20 4.81 4.60

20.7.8 4 0.12 0.21 0.00 0.00 0.000 5.82 5.67 6.41 9.19 0.00

1.34 1.48 1.02 3.82 3.44 3.62 3.18 2.00

21.7.8 4 0.34 0.75 2.35 1.57 6.68 6.10 4.34 6.34 9.96 3.17

3.48 2.60 4.59 7.05 4.89 6.44 6.17 4.16

3.8.84 0.38 0.63 9.10 4.68 0.00 7.45 9.00 5.58 6.92 7.56

4.88 6.39 7.26 7.91 6.02 8.75 11.62 5.09

4.8.84 0.40 0.92 4.61 6.82 6.28 5.39 7.95 4.93 4.92 3.87

6.10 7.03 5.69 7.28 6.64 6.65 8.32 6.31

2.7.85 0.29 0.64 6.09 16.11 21.83 8.41 13.61 25.46 24.60 9.71

4.12 9.03 10.60 6.54 9.33 12.10 10.96 5.68

3.7.85 0.51 0.87 6.18 15.87 13.83 14.86 4.00 12.30 16.11

5.37 9.32 10.91 12.0 4.51 10.13 11.35

Как следует из табл. 6, за два летних сезона в Красноярске наблюдалось 7 дней с наиболее опасным уровнем загрязнения воздуха. Коэффициент корреляции между измеренными и ожидаемыми в эти дни экстремумами составляет 0.76. Функция распределения отношений измеренных и прогностических значений (Визм/Впрог), построенная по данным табл.6, показывает, что в 75% случаев экстремального загрязнения воздуха эти отношения не превышают 0.5. Необходимо подчеркнуть, что ошибка прогнозов самого значительного роста максимальных концентраций, достигающих 15-25 среднесезонных значений, оказалась наименьшей.

Испытания метода на независимом материале показали, что коэффициент корреляции между фактическими и прогностическими значениями составляет для различных примесей Я=0.69-0.75. Это позволяет надеяться на положительные результаты использования метода в оперативной практике для прогноза наибольших концентраций примесей на территории города.

Заключение

В процессе выполнения работы получены следующие основные научные выводы и результаты:

1. Впервые сформулирован подход и разработана методология решения задачи физико-статистического прогноза наибольших концентраций вредных веществ в воздухе отдельных районов города. Построен метод прогноза наибольших концентраций специфических примесей, включающий на первом этапе прогноз загрязнения по городу в целом, на втором этапе (в случае ожидаемого повышенного загрязнения) - прогноз максимальной за день концентрации в точке наблюдения.

2. Показано, что для повышения эффективности прогнозов максимальных концентраций в области их наибольших значений из рядов ежедневных наблюдений, используемых для разработок прогностических схем, необходимо исключить данные измерений в дни, в течение которых наблюдалось пониженное загрязнение воздуха по городу в целом.

3. Показано, что применение метода множественной линейной регрессии с предварительным исключением нелинейности связей и нормализацией предиктанта позволяет эффективно прогнозировать максимальные концентрации и их экстремумы в период повышенного загрязнения воздуха в городе. Необходимость преобразований переменных вызвана нелинейной формой зависимости предиктанта от предикторов и асимметрией распределения функции плотности вероятности.

4. Выявлены основные особенности влияния метеорологических условий (направления и скорости ветра, устойчивости атмосферы) на максимальные концентрации в отдельных точках города в период повышенного загрязнения по городу в целом для теплого и холодного сезонов. Выделены неблагоприятные синоптические ситуации и, на основе оценки корреляционных связей, определяющие предикторы.

5. Установлено (на примере городов Красноярск, Уфа, Череповец, Санкт-Петербург), что случаи значительного ухудшения состояния воздушного бассейна в отдельных районах города, в том числе, формирования экстремально больших концентраций специфических примесей, имеют место преимущественно при высоком уровне загрязнения воздуха по городу в целом. Показано, что 80-90% таких случаев наблюдаются при повышенных значениях интегральных показателей загрязнения в данном городе.

6. Апробация метода в случаях экстремально высокого загрязнения воздуха в городе, когда наряду с очень высокими значениями интегрального показателя наблюдаются большие концентрации в значительной части города, показала его высокую эффективность. Предсказуемость таких ситуаций составила 90% при коэффициенте корреляции между измеренными и спрогнозированными в эти дни экстремумами равным 0.76. Расчеты показали, что для случаев экстремального (до 15-25 среднесезонных значений) загрязнения воздуха относительная ошибка прогноза составляет 15%.

7. Выполнены разработки схем прогноза по материалам наблюдений в Красноярске и Уфе. Оценка эффективности схем по использованному и независимому материалу показала, что оправдываемость прогнозов наибольших концентраций составила в среднем 80%, а их предсказуемость—85%.

Результаты диссертации опубликованы в следующих работах:

1. Возможности прогноза высоких уровней загрязнения воздуха специфическими примесями.// Информ. Бюл. НПК "Атмосфера" при ГГО им. Воейкова. 1995. №1. С.33-38 (совместно с Л.Р.Сонькиным)

2. Возможности прогноза максимальных концентраций примесей в городском воздухе. //Труды ГГО. 1998. Вып. 549. С. 200-210.

3. Прогнозирование высоких уровней загрязнения воздуха в городах и промышленных регионах.// Современные исследования Главной геофизической обсерватории. 1999. T.l. С.127-143. (совместно с Сонькиным Л.Р., Николаевым В.Д. и др.)

4. Прогноз экстремально высоких уровней загрязнения воздуха в масштабе города и регионах.// Проблемы физики пограничного .слоя атмосферы и загрязнения ваздуха. К 80-летию профессора М.Е. Берлянда. Гидрометеоиздат. 2002. С.310-322 (совместно с Сонькиным Л.Р.)

5. Прогноз высоких уровней загрязнения воздуха в городах и регионах. Прогноз загрязнения воздуха на трое суток. Методические рекомендации.// Гидрометеоиздат. 2001.32с. (совместно с Сонькиным Л.Р.)

6. Регулирование выбросов при неблагоприятных метеорологических условиях (проект) // Информ. Бюл. НПК "Атмосфера" при ГГО им. Воейкова. 2001. №2(24). С.48-96 (совместно с М.Е.Берляндом, Л.Р. Сонькиным и др.)

7. Условия формирования и возможности прогноза катастрофического загрязнения воздуха в городах.// Труды ГГО. 2002 (совместно с Л.Р. Сонькиным, В.Д. Николаевым) принято в печать

8. Прогноз и регулирование выбросов как составляющая часть работ по защите атмосферы. Проблема предотвращения катастрофического загрязнения воздуха.// Информ. Бюл. НПК "Атмосфера" при ГГО им. Воейкова. 2002. №2(26). С.42-49 (совместно с Л.Р. Сонькиным, В.Д. Николаевым).

Отпечатано с готового оригинал-макета в НПФ «АСТЕРИОН» Заказ № 106 Подписано в печать 04 Об 2003 г. Бумага офсетная Формат 60x84'/, 6 Объем 1,5 п л Тираж 100 экз Санкт-Петербург, 193144, а/я 299, тел. /факс (812) 271 -48-93, Internet: http://home-comset.net/mx E-mail: nix@comset.net

12 3 11,S?(|

Содержание диссертации, кандидата географических наук, Кириллова, Виктория Ивановна

ВВЕДЕНИЕ.

ГЛАВА 1 СОСТОЯНИЕ ВОПРОСА.

1.1 Оценка загрязнения воздушного бассейна городов России.

1.2 Физический механизм влияния метеорологических условий на распространение примесей в атмосфере.

1.3 Влияние микрометеорологических условий в городе на формирование уровня загрязнения воздуха.

1.4 Обзор работ по краткосрочному прогнозированию загрязнения атмосферы.

ГЛАВА 2 МЕТОДИКА ИССЛЕДОВАНИЯ.

2.1 Постановка задачи. Подход к выполнению исследования. Методология решения.

2.2 Характеристика использованного материала.

2.3 Характеристика загрязнения воздуха городов Красноярска и Уфы.

ГЛАВА 3 АНАЛИЗ УСЛОВИЙ ФОРМИРОВАНИЯ ОПАСНЫХ

ЭПИЗОДОВ ЗАГРЯЗНЕНИЯ ВОЗДУХА В

ГОРОДАХ.

3.1 Результаты первичной обработки используемого материала.

3.2 Объединение примесей в группы для расчета интегральных показателей загрязнения воздуха по городу в целом.

3.3 Статистический анализ связей между наибольшими концентрациями вредных веществ и уровнем загрязнения по городу в целом.

ГЛАВА 4 ВЛИЯНИЕ МЕТЕОРОЛОГИЧЕСКИХ УСЛОВИЙ НА

ЗАГРЯЗНЕНИЕ ВОЗДУХА В ГОРОДЕ.

4.1 Синоптические условия.

4.2 Направление ветра.

4.3 Скорость ветра.

4.4 Термическая стратификация атмосферы.

ГЛАВА 5 СТАТИСТИЧЕСКИЕ СХЕМЫ ПРОГНОЗА

КОНЦЕНТРАЦИЙ ПРИМЕСЕЙ В ОТДЕЛЬНЫХ ТОЧКАХ

ГОРОДА.

5.1 Предикторы и предиктанты.

5.2 Прогноз максимальных за день концентраций в точке наблюдения методом множественной линейной регрессии с предварительным исключением нелинейности связей и нормализацией предиктанта.

5.3 Метод прогноза наибольших концентраций примесей в отдельных точках города.

5.4 Оценка эффективности метода прогноза наибольших концентраций примесей в воздухе.

Введение Диссертация по наукам о земле, на тему "Физико-статистический прогноз наибольших концентраций примесей на территории города"

Актуальность темы

В течение последних десятилетий в индустриальных странах большое внимание уделялось вопросам краткосрочного (с заблаговременностью до суток) прогнозирования загрязнения воздуха и предотвращения опасного скопления примесей в приземном слое атмосферы. Разработка таких методов является одной из важнейших задач современной метеорологии. Прогнозы и предупреждения о высоком уровне загрязнения воздуха служат основанием для проведения мероприятий по регулированию выбросов и уменьшению антропогенной нагрузки на окружающую среду в периоды неблагоприятных метеорологических условий.

Актуальность темы обусловлена тем, что, несмотря на применяемые природоохранные меры и сокращение промышленных выбросов (в значительной степени связанное с общим спадом экономики на протяжении девяностых годов прошлого века), проблема чистоты атмосферы городов Российской Федерации не только не решена, но даже обострилась. Как следует из анализа результатов наблюдений, за этот десятилетний период в крупнейших (численностью более 500 тыс. жителей) городах России, высокий уровень загрязнения воздуха сохранился и, согласно прогнозу, такая тенденция будет иметь место в течение ряда лет [71]. Сравнение средних за год концентраций примесей с национальными стандартами качества воздуха показало, что они превышают предельно допустимые нормы (ПДК). Максимальные концентрации, превышающие ПДК в десятки раз, регулярно регистрировались в большинстве (55-80%) крупнейших городов страны. Наибольшую опасность для жителей России представляют специфические (выбрасываемые отдельными производствами) вредные вещества [71].

В городах с высоким уровнем загрязнения воздуха растет число больных

134,153,154,141,185,45]. Проведенные исследования [156] показывают, что в таких условиях на несколько десятков процентов увеличивается число случаев заболеваний органов дыхания и частота возникновения злокачественных новообразований по сравнению с городами с относительно чистым воздухом; выявлено влияние кратковременных повышений загрязнения атмосферного воздуха на смертность населения [70]. Более тяжело переносят экологическую нагрузку люди с хроническими болезнями сердца и кровообращения. Всемирной организацией здравоохранения (WHO) отмечается [245], что особенно страдают дети и пожилые люди.

Учитывая сложную экологическую обстановку, в Федеральном законе "Охрана атмосферного воздуха" от 4мая 1999 года [135] предусмотрена обязательная организация мероприятий по защите населения при изменении состояния атмосферного воздуха, угрожающем здоровью и жизни людей статья 19) [135]. В настоящее время в России [87] и ряде других стран [68, 53] уже разработаны и внедрены методы регулирования выбросов. При этом предусматривается уменьшение выбросов вредных веществ в атмосферу в периоды неблагоприятных метеорологических условий на основе предупреждений о возможном опасном росте концентраций примесей в воздухе с целью его предотвращения.

В результате исследований, выполненных в Главной геофизической обсерватории им.А.И. Воейкова, были разработаны достаточно эффективные методы прогноза загрязнения воздуха. Они относятся к общему состоянию воздушного бассейна в городах и воздействию на атмосферу отдельных источников выбросов вредных веществ. При этом предсказываются интегральный показатель загрязнения воздуха в городе совокупностью вредных веществ или отдельными примесями, а также комплексы неблагоприятных метеорологических условий (НМУ), относящиеся к отдельным источникам и их группам. Отечественные методы прогноза загрязнения воздуха изложены в действующем "Руководстве по прогнозу загрязнения воздуха" РД.52.04.306-92 [109] и внедрены во всех управлениях Росгидромета. Работы по прогнозированию загрязнения воздуха проводятся в 250 городах Российской Федерации, предупреждения его возможного роста передаются более чем на 5000 предприятий, на которых принимаются конкретные меры по снижению выбросов в неблагоприятные периоды. На многих предприятиях получены количественные оценки эффективности этих мер. Однако, методы прогноза, используемые в оперативной практике Росгидромета, не позволяют предсказывать наибольшие концентрации примесей, формирующиеся в воздухе отдельных районов промышленных городов, предотвращение которых имеет существенное значение для решения проблемы защиты атмосферы от загрязнения в период НМУ.

Цель и задачи исследования

Целью работы является исследование закономерностей формирования наибольших концентраций вредных веществ в воздухе на территории городов и разработка статистического метода их прогноза.

В соответствии с этой целью в диссертации были поставлены следующие задачи:

1. Исследовать условия формирования наибольших концентраций примесей в отдельных частях города в зависимости от уровня загрязнения воздуха по городу в целом и метеорологических факторов.

2. Исследовать особенности применения статистических методов для прогноза наибольших концентрации примесей в отдельных районах города.

3. Разработать статистические схемы прогноза загрязнения воздуха по данным измерений в нескольких городах и оценить их эффективность.

Научная новизна работы

В диссертации получены следующие научные результаты:

1. По материалам ряда городов установлена зависимость вероятности формирования наибольших концентраций специфических примесей в отдельных точках города от уровня общегородского загрязнения. Показано, что в 80-90% случаев такие концентрации наблюдаются при повышенном загрязнении воздуха по городу в целом.

2. Разработана методология решения задачи прогноза наибольших концентраций специфических примесей в отдельных частях города.

3. Разработан статистический метод прогноза максимальных за день концентраций примесей в отдельных точках города и построены соответствующие прогностические схемы.

Практическая ценность и реализация результатов работы

Разработанный статистический метод прогноза наибольших концентраций специфических примесей позволяет предсказывать подавляющее большинство (до 90%) случаев значительного роста концентраций. Авторские испытания предложенного метода, проведенные по независимым материалам наблюдений двух городов (Красноярск, Уфа), подтвердили его эффективность. Метод может быть рекомендован для оперативного использования во всех промышленных городах, в том числе для составления предупреждений об опасных уровнях загрязнения воздуха.

Апробация работы

Основные результаты диссертационной работы вошли в Методические рекомендации, подготовленные для апробации в региональных управлениях Росгидромета, докладывались на Юбилейной научной конференции, посвященной 150-летию Главной геофизической обсерватории им. А. И. Воейкова (Санкт-Петербург, 1999 г), научной конференции, проводившейся по результатам исследований в области гидрометеорологии и мониторинга загрязнения природной среды в государствах-участниках СНГ и посвященной 10-летию образования Межгосударственного совета по гидрометеорологии (Санкт-Петербург, 23-26 апреля 2002 г), научно-методических курсах повышения квалификации сетевых подразделений Росгидромета "Современные задачи мониторинга загрязнения атмосферы" в Санкт

Петербурге (2001-2002 г), на Ученом Совете ГГО, семинарах отдела исследования и мониторинга загрязнения атмосферы ГГО, конференции молодых специалистов. Промежуточные результаты исследований вошли в отчеты 1990-2002 г. по темам плана НИР и ОКР. По теме диссертации опубликовано 8 работ.

Структура и объем диссертации

Диссертация состоит из введения, пяти глав, заключения.

Заключение Диссертация по теме "Метеорология, климатология, агрометеорология", Кириллова, Виктория Ивановна

Результаты исследования влияния метеорологических и синоптических условий на уровень загрязнения воздуха является основой для разработки прогностических схем. Для её осуществления российскими и зарубежными авторами применяются статистические методы: метод разложения на естественные ортогональные функции, дискриминантный анализ, распознавание образов, множественная линейная регрессия, последовательная графическая регрессия и другие. Детальные обзоры этих публикаций даны в монографиях М.Е. Берлянда [17] и J1.P. Сонькина [124].

Из исследований последних лет можно отметить ряд работ, выполненных как в России [128], так и за рубежом [180, 236, 246].

В статье [128] авторами разработана схема прогноза распределения концентраций примесей в воздухе на территории города с использованием метода разложения по естественным ортогональным функциям. Для решения задачи используется материал наблюдений за концентрациями двуокиси азота в воздухе на 7 стационарных постах в г. Уфе и сопутствующими метеорологическими характеристиками в течение 2-х зимних сезонов, по которому рассчитывались естественные функции и ежедневные значения зависящих от времени коэффициентов разложения. Для разработки прогностических схем оказалось возможным ограничиться использованием первых трех членов разложения по естественным ортогональным функциям, которые описывают 73% общей изменчивости загрязнения воздуха. Авторами разработаны схемы прогноза первых трех коэффициентов разложения и концентраций примесей на стационарных постах. Коэффициенты корреляции между фактическими и прогностическими значениями концентраций, осредненные за три срока наблюдений в течении суток, составили 0.6-0.8.

В публикации [180] описана разработанная стохастическая модель для прогноза частоты превышения определенных пороговых концентраций. Предполагается, что временные ряды концентраций в заданном пункте внутри рассеивающего факела могут быть аппроксимированы как марковский процесс первого рода. Модель требует только определения К функции плотности вероятности с заданными средними величинами и дисперсией, а также интегрального временного масштаба флуктуаций концентрации. Спрогнозированная моделью частота превышения концентраций сравнивалась с данными измерения концентраций, созданными выбросами точечного источника вблизи поверхности земли. В результате авторы статьи пришли к выводу, что логнормальное распределение функции плотности вероятности дает лучшие оценки частоты превышения концентраций, чем гамма-распределение.

Аппарат естественных ортогональных функций и канонических корреляций был использован в работе [236] для совместного анализа данных о загрязнении атмосферы (концентрации примесей окислов азота, озона, диоксида серы) и метеорологических параметрах (температура, влажность, направление и скорость ветра и продолжительность солнечного сияния), измеренных в летние и зимние сезоны на станциях мониторинга загрязнения атмосферы в г. Афины (Греция) в течение пяти лет. В результате расчетов получено, что главные составляющие загрязнения атмосферы определяются уровнем озона и количеством сжигаемых нефти и бензина. Среди метеорологических условий наиболее опасными оказались засухи в летний период и сильные юго-западные ветры (как зимой, так и летом). Далее с помощью канонического корреляционного анализа определялись связи между двумя различными рядами данных и разрабатывались прогностические рекомендации.

Для построения прогностических схем в работах многих авторов применяется хорошо отработанный метод множественной линейной регрессии [95, 158,160, 199,234].

На основании данных измерений концентраций диоксида серы в районе Северной Чехии И. Сладеком [234] получены уравнения регрессии для четырех типов погоды, которые выделены в зависимости от сочетания направленности переноса и устойчивости атмосферы, а также отдельно для постов наблюдений, расположенных в горных и долинных условиях, причем только для холодной части года.

Уравнение регрессии имеет следующий вид: q = я0 + ахв -a2v850 - а3АТ

Здесь <7—прогностическая концентрация; а0, а/, а2, а3 -весовые коэффициенты, рассчитанные методом наименьших квадратов; О =18-Т, где Т -среднесуточная температура воздуха в °С, У850 -скорость ветра на уровне поверхности АТ-850, ЛТ - разность температур между уровнем земли и поверхностью АТ-850.

Дополнительно учитывался инерционный фактор. Опытная проверка прогнозов, составленных в Чехии, показала, что оправдываемость их наиболее высока при предсказании низких концентраций.

Прогностическая схема по методу линейной регрессии разработана также Бенари по данным измерений суточных концентраций пыли и диоксида серы в г. Руане [160]. Уравнения регрессии получены автором для разных направлений ветра по данным семи постов наблюдений отдельно для холодной и теплой частей года. Выполненный анализ показал, что, можно использовать только два предиктора - скорость ветра и температуру воздуха. Различия между прогностическими и измеренными концентрациями составили в среднем 30-40%. Экстремально высокие концентрации предсказывались хуже, чем часто встречающиеся.

В ряде исследований, выполненных в Великобритании [165, 209], ФРГ [171], Швеции [163], Польше [199] и Италии [184], для разработки статистического прогноза загрязнения воздуха в городе использован метод логарифмической регрессии. При этом весовые козффициенты уравнения регрессии получены методом наименьших квадратов после предварительного логарифмического преобразования значений концентраций и предикторов в предположении, что концентрации распределены по закону, близкому к логнормальному. Одной из наиболее успешных (с коэффициентом корреляции между прогностическими и фактическими значениями 0.87-0.89) оказалась схема, разработанная Чандлером и Элсоном [165] по материалам суточных отборов проб пыли и диоксида серы (80г) в Манчестере и Нотингеме. Их уравнения для прогноза среднесуточных концентраций 80г имеет вид:

К(24 - Г)0'37 д'0-25

У ТУ 0-34 тг 0.11 о и о где Л"—постоянный коэффициент, Т - температура воздуха, д' —исходная концентрация диоксида серы, У0 - скорость ветра в приземном слое, Н0 — высота слоя перемешивания. Возможно, успешность данной схемы связана в определенной степени с тем, что в ней в число предикторов включено значение концентрации #'за предшествующий срок.

Анализ выполненных работ позволяет сделать вывод, что оправдываемость схем, составленных методом логарифмической регрессии, несколько выше, чем линейной регрессии. В частности, А. Каспшицки [199] приводит данные о повышении корреляции между прогностическими и фактическими концентрациями после логарифмического преобразования предикторов и предиктанта.

Схемы прогноза загрязнения атмосферы в городе, разработанные по методам линейной и логарифмической регрессии, позволяют удовлетворительно предсказывать средние значения концентраций и хуже - их экстремально высокие значения. Чандлер и Элсон [165] так же, как и Брингфельд [163], объясняют это неучетом процесса накопления примесей в застойных ситуациях. Однако Л.Р. Сонькин [125] указывает на другую причину, в частности он полагает, что ошибки прогноза высокого загрязнения воздуха обусловлены в первую очередь недостатками методов, которые не учитывают сложные связи между концентрациями и метеорологическими условиями и принципиально не могут во всех случаях уловить комплексы параметров, сопутствующих интенсивному загрязнению.

Статистические методы краткосрочного прогнозирования загрязнения атмосферы получили в России широкое развитие. В работах группы специалистов Главной геофизической обсерватории, возглавляемой Л.Р. Сонькиным, была сделана попытка учета связей между концентрациями и метеорологическими условиями в том виде, в каком они проявляются при анализе фактических материалов наблюдений в конкретных промышленных городах [27, 88, 95, 131, 123]. В качестве предиктантов взяты интегральные показатели загрязнения воздуха в городе. Было показано, что одновременные колебания концентраций на всей его территории преобладают над случайными и связаны с метеорологическими условиями. Такими обобщенными показателями являются коэффициент при первом члене разложения на естественные ортогональные функции (е.о.ф.) [62], нормированная средняя концентрация примеси в городе [88] и параметр Р [124]. Остановимся на последнем подробнее, так как он будет в дальнейшем широко использоваться в данной работе.

Параметр Р является вероятностной характеристикой превышения концентраций, измеренных в течение дня на всех постах наблюдения в городе, по отношению к некоторому среднему уровню загрязнения. Он определяется по формуле: Р= т/п , где п - общее количество наблюдений за концентрацией примесей в городе в течение одного дня на всех стационарных постах; т - количество наблюдений в течение этого дня с концентрациями я, которые превышают среднесезонное значение цср более чем в 1.5 раза (ц>1.5ЯсР ). Таким образом, параметр Р представляет собой отношение количества существенно повышенных концентраций (относительно среднего значения) к общему числу измерений в течение дня.

Этот интегральный показатель загрязнения по городу в целом хорошо коррелирует со средней по городу нормированной концентрации примеси и коэффициентом при первом члене разложения на е.о.ф.

Одним из существенных преимуществ параметра Р перед другими показателями загрязнения воздуха по городу в целом является возможность его расчета как для одной примеси, так и для совокупности нескольких примесей. При этом необходимо соблюдать следующие условия [88]:

1) количество стационарных пунктов в городе должно быть не менее трех;

2) количество наблюдений за концентрациями примесей в воздухе на всех постах в течение дня не должно быть менее 20.

Как показано Л.Р. Сонькиным, при разработке методов прогноза параметра Р большое значение имеет учет инерционного фактора [131, 123]. Высокая корреляция между показателями загрязнения атмосферы в предыдущие и последующие периоды в значительной степени определяется метеорологической инерцией, а также инерцией самого загрязнения. Для учета в прогнозах зависимости уровня загрязнения воздуха от синоптических условий, вводился количественный синоптический предиктор [124, 125].

Для разработки прогностических схем использовались три метода (распознавания образов, последовательной графической регрессии и множественной линейной регрессии с предварительным исключением нелинейности связей). Первый из них [88, 120] основан на выделении характерных метеорологических ситуаций для групп загрязнения воздуха (повышенного, среднего, пониженного) и определения близости к ним конкретной ситуации. Оправдываемость прогнозов в соответствии с предложенным способом их оценки [88] по данным ряда городов составила около 75%.

Для более полного учета реального вида связей между загрязнением воздуха и метеоусловиями был использован метод последовательной графической регрессии [88, 120]. Существо его заключается в графическом представлении зависимости параметра Р от предикторов. Массовое испытание этого метода в прогностических центрах России и республиках бывшего СССР показало, что для него характерна высокая оправдываемость прогнозов -85-90%.

Метод множественной линейной регрессии с предварительным исключением нелинейности связей [95] предусматривает преобразование предикторов, в качестве которых используются метеопараметры. Эта процедура заключается в том, что с помощью кривых или таблиц зависимостей показателя загрязнения воздуха в городе от отдельных метеопараметров, построенных по использованному для разработок материалу наблюдений, каждое значение предиктора заменяется соответствующим ему значением характеристики загрязнения воздуха. Очевидно, что связь преобразованных предикторов с предиктантом близка к линейной. Используемый способ исключения нелинейности связей позволяет в значительной степени учесть в схемах прогноза реальный вид зависимостей, что и определило их удовлетворительную эффективность. Как показано в [88], оправдываемость таких прогнозов, оцениваемая по материалам оперативного внедрения метода в крупных городах страны, составляет около

90%, при этом оправдываемость высоких уровней загрязнения воздуха — выше 80%.

В некоторых региональных центрах были разработаны самостоятельные способы прогноза загрязнения воздуха. Так, по материалам наблюдений в Новосибирске и Кемерово И.А. Шевчук был предложен метод, в котором предлагается качественно учитывать зависимости между концентрациями примесей в воздухе и отдельными метеопараметрами [145-147]. Главной его особенностью является использование комплексного метеорологического показателя К, с помощью которого учитывается совместное влияние термической устойчивости и градиента давления в пограничном слое атмосферы на содержание примесей в воздухе.

По материалам наблюдений в Киеве И.Н. Пономаренко была разработана схема прогноза загрязнения по методу последовательной графической регрессии отдельно для случаев приземной инверсии, V приподнятой инверсии с нижней границей до 1000 м и безынверсионного состояния в нижнем километровом слое, а также по материалам наблюдений в летний сезон - отдельно при наличии и отсутствии слоя перемешивания [9699]. Оправдываемость прогнозов по материалам наблюдений в Киеве составила 85-90%. В дальнейшем для Киева был разработан другой вариант прогностической схемы [110, 111]. Он предусматривает на первом этапе анализ связей между ветровыми характеристиками и концентрациями на отдельных постах, а также в среднем по группе постов. Затем схема разрабатывается для заданных сочетаний направления и скорости ветра.

В Санкт-Петербургском гидрометцентре разработаны региональные уточнения к прогностической схеме на основании учета синоптической обстановки [66, 88, 51]. Наиболее существенными оказались следующие два уточнения:

1) если ожидается, что в районе города будет располагаться развитый циклон, то следует предсказывать меньшее загрязнение воздуха, чем по схеме;

2) если в течение прогностического периода ожидается расположение центральной части антициклона или гребня, то предсказывается более высокое содержание примесей в воздухе.

С учетом этих поправок, оправдываемость прогнозов загрязнения в Санкт-Петербурге повысилась более чем на 10%.

В дальнейшем были опубликованы результаты разработок схем прогноза загрязнения воздуха методами последовательной графической регрессии и распознавания образов для Алма-Аты [82,], Еревана [102], Казани [138], Березников [143], регрессионного анализа для Владимира [79], Саратова [78], Белгорода [117], Иркутска [104] и др.

Комплексные разработки проведены по изучению зависимости загрязнения воздуха в г. Ставрополе с характеристиками распределения температуры и ветра в пограничном слое атмосферы [139]. В основу работы легли ежедневные синоптические карты , шаропилотные данные, результаты наблюдений за состоянием загрязнения на четырех наземных наблюдательных постах Ставропольской гидрометеорологической обсерватории по 4 ингредиентам (окиси углерода, диоксида азота, диоксида серы, сероводорода). Всего рассмотрено 188 случаев. На конкретном материале получены графики и сформулированы рекомендации по прогнозу возможных изменений уровня загрязнения воздуха в зависимости от метеорологических условий. Описаны характерные синоптические ситуации, влияющие на уровень загрязнения, указаны опасные направления приземного ветра. Особенное внимание уделено выявлению региональных особенностей за счет физико-географического положения, широты места и сезонной циркуляции. В практической деятельности наибольший интерес представляют синоптические условия, способствующие накапливанию вредных веществ, разработана их типология. Авторы анализируют метеорологические условия в соответствии с определенным типом синоптических процессов. Разработка прогностических схем выполнялась в соответствии с рекомендациями ГГО для прогноза загрязнения атмосферы [109].

Для городов Приморского края В.Г.Свинуховым [112-114] предложена физико-статистическая модель краткосрочного прогноза загрязнения атмосферы, при реализации которой на первом этапе осуществляются классификация совокупности метеорологических параметров и прогноз условий рассеивания примеси, а на втором - прогноз средних концентраций загрязняющих веществ. Проверка метода на независимом ряде наблюдений показала, что оправдываемость прогнозов составляет 70% в теплый период и 90% в холодный период.

Подобные региональные исследования предназначены для прогнозирования в конкретных городах, в то же время они имеют большое значение для развития работ по проблеме в целом.

Подход ГТО получил определенное развитие в странах ближнего [99] и дальнего зарубежья - Болгарии, Монголии [124], Финляндии [162]. Так, болгарскими специалистами [32, 33, 34] для характеристики уровня промышленного загрязнения воздуха в Софии использовался интегральный параметр Р, введенный J1.P. Сонькиным. В ходе исследований ими были установлены корреляционные зависимости между загрязнением в городе и метеорологическими условиями, характерными для различных сезонов года и синоптических процессов. Полученные выводы позволили включить параметр Р в единую предупредительную систему оценки экологического состояния воздуха в Софии.

В настоящее время продолжается успешное применение синоптико-статистических методов для прогноза загрязнения воздуха. Во многом это связано с необходимостью предсказания высоких концентраций приземного озона, которые представляют серьезную экологическую проблему в странах Европы и Америки. Как известно, озон образуется в загрязненной атмосфере в результате фотохимических реакций, происходящих под воздействием интенсивной солнечной радиации. Случаи высоких концентраций Оз в отдельные периоды могут определяться его притоком из стратосферы или неблагоприятными погодными условиями, к которым относятся высокая инсоляция и слабые ветры, наблюдаемые преимущественно в областях высокого давления.

По данным Агентства США по защите окружающей среды [196] в 1995г более 70 млн. людей в этой стране проживали в зонах опасных эпизодов повышения приземной концентрации озона. Хотя в округах Луисвилля и Джефферсона качество воздуха повысилось за последние 15 лет, но в 1996г оно все еще не удовлетворяло принятому стандарту (предельная допустимая средней приземной концентрации 03 за 1 час не должна превышать 0.12 млн"1). В связи с отмеченными обстоятельствами была разработана статистическая 10-параметрическая модель прогноза приземной концентрации Оз для региона ^ г Луисвилля, основанная на применении множественной регрессии с использованием данных метеорологических наблюдений за 1993-1996г. Применение этой методики для ретроспективных оценок показала, что в 50% случайных погрешностей прогноза не превышает ± 7.6 млрд"1, а в 80% случаев составляет ± 14.8 млрд'1. Предложенная методика обеспечивает достоверный прогноз в 74% случаев хорошего (Оз <60 млрд"1), 80% — умеренного (60<03< 95млрд-1) и 40% — близкого к неприемлемому (95 <03< 120 млрд'1) качества воздуха. Методика оказывается (с учетом опыта прогнозиста и специфики погодных условий) по мнению авторов вполне эффективной.

В связи с опасным воздействием на здоровье человека высокого содержания приземного озона обсуждены возможности прогноза его максимального уровня днем в условиях загрязненной атмосферы большого города (на примере г. Сантьяго, Чили) [198]. Основу предложенной статистической методики составляет эмпирическая модель, аппроксимирующая временной ряд:

Оз t+i= аОэ,+ PTt+i + уТх + 8 , щ где Т—приземная температура воздуха; t—время; а, [3, 5 вычисленные параметры. Применение прогноза обеспечивает достоверность предвычисления в пределах 70-95%, что позволяет давать надежные предупреждения об опасных эпизодах повышения Оз.

На основе изучения зависимостей ежедневных концентраций озона от метеопараметров и анализа процессов крупномасштабной циркуляции построены прогностические регрессионные модели для 5 постов мониторинга загрязнения атмосферы в г. Шарлотт (штат Северная Каролина) [190]. Они позволили предсказать от 63 до 73% дисперсии 03 и 11 из 18 наибольших значений. Оправдываемость прогнозов составила 91,71 %.

В виду географического положения, проблема образования фотохимического смога для России не столь актуальна, как для других стран, поэтому измерения концентраций озона осуществляются лишь эпизодически.

Однако в работе Э.Ю. Безуглой [6] обсуждаются возможности прогноза средних концентраций озона в атмосфере городов страны. Исследования зависимости между среднегодовыми концентрациями озона и оксидами азота показало наличие довольно тесной корреляционной связи, что позволило выделить крупнейшие города группы риска, в которых можно ожидать концентрации Оз выше ПДК.

Проблеме прогноза максимальной суточной концентрации озона в районе Ванкувера (Канада) посвящена публикация [225], в которой отмечено, что содержание Оз в воздухе в значительной степени определяется выбросами окислов азота (ИОх) и летучих органических соединений (лос). На основе анализа связи временных трендов максимальных суточных концентраций Оз с изменениями выбросов предшественников озона показана возможность прогноза максимальных суточной концентраций озона.

Прогнозу высоких уровней загрязнения атмосферы другими примесями с использованием статистических методов посвящен ряд работ [168, 187, 211, 221,243].

Так, испанскими учеными проведен анализ временных трендов основных загрязнителей (окиси углерода, окислов азота, диоксида серы) атмосферы г. Саламанка за период 1993-1994 г [221]. По данным одновременных измерений концентраций и метеорологических параметров (скорости и направления ветра, относительной влажности, атмосферного давления, температуры воздуха) были получены связи между этими параметрами и каждым из загрязнителей. Предложенный метод позволил объяснить 40% дисперсии рядов диоксида азота (Ы02) и 66% — диоксида серы (БОг) На основе установленных зависимостей авторами построены статистические модели прогноза уровня загрязнения в городе.

Разработке комплексного метеорологического показателя вероятности наступления повышенного уровня загрязнения воздуха посвящены работы польских ученых [226, 240, 243]. На основе учета ряда метеорологических элементов (температуры и скорости ветра, присутствия низких инверсионных слоев, осадков, атмосферного давления) авторами получена формула показателя загрязнения воздуха (ВЗ-З). Максимумы ВЗ-З коррелируют по времени с максимальными концентрациями примесей, хотя они не несут информации о величине концентрации. Этот показатель может быть применен при анализе и прогнозе качества воздуха.

Использование статистических методов позволяет увеличить заблаговременность метеорологического прогноза загрязнения воздуха до нескольких суток. Успешность их применения в значительной степени определяется оправдываемостью прогноза самих метеорологических условий. Исследования, проведенные в ГГО, показали, что учет инерционного фактора и зависимость загрязнения от устойчивых во времени синоптических процессов позволяют увеличить заблаговременность прогноза загрязнения до трех суток [124]. В работе итальянских ученых задача прогноза до нескольких суток решается на основе анализа периодичности изменений концентраций примесей [168]. Для этой цели использовались данные измерений концентраций загрязняющих примесей на сети автоматизированных станций района в атмосфере над г. Болонья за период 1993-1995гг. На основе оценок временной периодичности изменений концентраций и связи их с метеорологическими величинами разработана статистическая модель для прогнозирования уровня загрязнения в городе сроком до несколько дней. По мнению авторов, предлагаемая модель позволяет достаточно надежно прогнозировать концентрации окиси углерода и диоксида серы на срок до 24 ч., а диоксида азота — до 48 ч.

Ухудшение экологической обстановки в городах России и других стран, вызванное ростом выбросов от автотранспорта, в значительной степени стимулирует развитие работ по прогнозу загрязнения от этого типа источника. Корреляционный анализ зависимостей уровня загрязнения от метеорологических условий и параметров выброса позволяет получить определенные прогностические оценки. На основе пятилетних данных об ежедневных концентрациях оксида углерода и диоксида азота на 19 станциях мониторинга, расположенных в районе г. Милан (Италия), было проведено исследование продолжительности периодов высокого загрязнения [187]. Созданные простые эмпирические модели позволяют выделить и оценить неблагоприятные ситуации, приводящие к возникновению этих опасных эпизодов. Разработанные рекомендации весьма полезны при разработке мер по уменьшению уровня загрязнения атмосферы.

В работах М.В. Волкодаевой [40, 41] для предсказания уровня загрязнения воздуха примесями, выбрасываемыми автотранспортом, используется интегральный показатель загрязнения воздуха диоксидом азота по городу в целом. Для его прогноза разработана статистическая схема с детализацией уровня загрянения по отдельным автомагистралям.

Для успешной разработки прогнозов загрязнения воздуха необходим анализ условий формирования экстремально высоких уровней. В последние годы это направление в значительной степени развивается в работах, выполненных в ГГО. В [128] рассматриваются два подхода к прогнозу высоких уровней загрязнения воздуха. Первый из них основан на синоптическом анализе временных эпизодов, в течение которых отмечаются редко встречающиеся большие значения интегрального показателя загрязнения воздуха по городу в целом одновременно в группе близлежащих городов. Обнаружены наиболее неблагоприятные синоптические ситуации. Однотипные ситуации выделены и другими авторами в работах [82, 102, 138]. Второй связан с возможностями прогноза больших концентраций примесей в воздухе отдельных районов города [73, 74, 126, 133, 128].

Анализ публикаций по вопросу краткосрочного прогнозирования загрязнения воздуха позволяет выявить некоторые характерные положения:

1) при разработках статистических схем прогноза авторами используются в качестве предиктантов осредненные по времени и пространству характеристики загрязнения воздуха. Используемые предикторы, как правило, представляют собой метеорологические параметры, характеризующие процесс переноса и рассеивания примесей.

2) Использование метода множественной линейной регрессии (особенно линейно-логарифмической) для прогноза загрязнения воздуха в городе дает в целом положительный результат.

Полученные статистические схемы позволяют хорошо предсказывать интегральные характеристики загрязнения воздуха по городу в целом (параметр Р, средние концентрации примеси и др.), однако, они не уточняют их для отдельных его районов. Этот пробел предполагается ликвидировать в последующих главах данной диссертационной работы.

ГЛАВА 2 МЕТОДИКА ИССЛЕДОВАНИЯ

2.1 Постановка задачи. Подход к выполнению исследования.

Методология решения

Разработанные к настоящему времени и используемые в оперативной практике Росгидромета методы прогноза загрязнения воздуха относятся к общему состоянию воздушного бассейна в городах и воздействию на атмосферу отдельных источников выбросов вредных веществ. При этом предсказываются интегральный показатель загрязнения воздуха в городе совокупностью вредных веществ или отдельными примесями, а также комплекс неблагоприятных метеорологических условий (НМУ), относящихся к отдельным источникам и их группам. Это связано, прежде всего, с тем, что значения концентраций, регулярно измеряемые в отдельных точках города, характеризуются большим разбросом, часто имеющим случайный характер. Именно переход от рассмотрения концентраций на постах к интегральным показателям загрязнения воздуха по городу в целом в свое время позволил добиться определенного успеха в работах по прогнозу загрязнения воздуха [124]. Вместе с тем, для решения практических вопросов защиты атмосферы от загрязнения оказалось необходимым вернуться к решению сложной задачи прогноза концентраций примесей в отдельных частях города. Основной интерес представляет прогноз наибольших концентраций, предотвращение которых имеет существенное значение для обеспечения чистоты воздуха в городах. Особого внимания требует анализ и прогноз загрязнения воздуха специфическими примесями, поступающими в атмосферу главным образом из труб крупных промышленных предприятий и создающими в периоды НМУ экстремально высокое загрязнение воздуха. Учитывая, что в промышленных городах проживает большая часть населения страны, указанная проблема в настоящее время приобретает особую актуальность. В этой связи и возникла объективная потребность в разработке методологии её решения.

Основная задача диссертации — прогнозирование наибольших концентраций примесей в воздухе города.

Рабочая гипотеза состоит в том, что формирование опасного для здоровья людей загрязнения воздуха на достаточно большой территории города обусловлено процессами рассеивания антропогенных выбросов, достигающих «нормальных» (т.е., например, регулярно встречающихся при обычных технологических режимах работы промышленных источников или в суточном ходе изменения интенсивности движения автотранспорта) максимальных значений. Рост загрязнения, вызванный аварийными выбросами вредных веществ в атмосферу в следствии нарушения технологических процессов на предприятиях, исключен.

Для решения поставленной задачи будем исходить из того, что выбросы поступают в атмосферу из большого количества самых разнообразных источников с существенно различными свойствами, далее происходит их наложение и взаимное перемешивание. На распространение газов и взвешенных частиц, влияют, наряду с общей метеорологической ситуацией, также и микрометеорологические процессы в городе, связанные с его орографией, конфигурацией застройки, наличием водоемов и др. Загрязнение воздуха современного промышленного города характеризуется наличием двух составляющих — общегородской и локальной. Формирование этих составляющих и их изменения под влиянием метеоусловий являются процессами разного временного масштаба [18]. Загрязнение воздуха у земли выбросами от отдельных источников (локальное загрязнение) зависит от микрометеорологических условий в городе и характеризуется значительной изменчивостью в течение суток. В то же время загрязнение по городу в целом, являясь результатом длительного антропогенного воздействия выбросов отдельных источников, связано с общей метеорологической (синоптической) обстановкой и в отдельных случаях может сохраняться неизменным несколько суток.

Наложение этих составляющих загрязнения может привести в какой-то момент времени к значительному увеличению содержания вредных веществ в воздухе одного или нескольких районов города. Количественной оценкой наибольшего загрязнения может служить максимальная (цм) из измеренных за день концентраций на посту. Для обоснования использования именно этой характеристики загрязнения воздуха при решении поставленной задачи приведем следующие рассуждения:

1. Измеренные на каком-то конкретном посту концентрации значительно варьируются в течение суток за счет изменчивости (а) выбросов, (б) "внешних" метеорологических условий и (в) локальных флуктуаций концентраций, связанных с флуктуациями локальных метеопараметров, определяющих перенос и рассеивание примесей.

2. При переходе к дневным максимумам влияние локальных флуктуаций сильно уменьшается, уменьшается также роль систематических изменений выбросов в течение суток, так что связь с внешними метеорологическими условиями становится более устойчивой.

Таким образом, решение основной задачи диссертации сводится к разработке метода прогноза максимальной за день концентрации в точке наблюдения. При такой постановки задачи необходимо выполнение следующего требования: разрабатываемый метод должен быть эффективным как в области часто наблюдаемых значений, так и высоких квантилей функции распределения (экстремумов).

Многолетние ряды наблюдения за загрязнением атмосферы дают возможность применить для этой цели хорошо разработанный математический аппарат регрессионного анализа. Он позволяет на основе статистического анализа зависимостей между переменными прогнозировать одну из них, если известны значения других. В Главной геофизической обсерватории накоплен значительный опыт такого моделирования метеорологических процессов и использования его при прогнозировании. В этой связи достаточно отметить опубликованные материалы ряда Всесоюзных симпозиумов, посвященных теме "Применения статистических методов в метеорологии" (1971, 1975, 1985 гг). Статистическое моделирование также широко и успешно применяется при краткосрочном прогнозировании осредненных характеристик загрязнения атмосферы (см. гл. 1).

Регрессинной модели, как известно [72, 116], хорошо предсказывают лишь часто встречающиеся, а не эктремальные значения. Учитывая, что значения qM, о чем свидетельствуют данные мониторинга загрязнения /54-60/, характеризуются большой изменчивостью (от долей ПДК до сотен ПДК), использование этого математического аппарата для решения поставленной задачи без необходимых преобразований ("в лоб") автору представляется нецелесообразным.

Однако, в ряде исследований (в области климатологии и долгосрочного прогнозирования) показаны возможности успешного использования динамико-статистических методов как для анализа пространственных характеристик выбросов гауссовских метеорологических полей [140], так и прогноза редко наблюдаемых явлений [111], экстремальных значений метеопараметров [115], максимальной температуры воздуха [224, 177, 172], сильных ливней [173, 210, 202], селей и оползней [94], ураганных ветров [93]. Во многих этих работах при построении прогностических схем применялась линейная регрессия. А поскольку задача прогноза наибольших концентраций на территории города ставится и решается впервые, то воспользуемся для достижения цели этим достаточно простым и удобным математическим аппаратом с определенными преобразованиями.

Общий вид регрессионной модели:

Y = АХ + s , где

Y—вектор-предиктант;

X—матрица предикторов;

А—вектор регрессии, подлежащий оцениванию; с — вектор ошибки (остатка).

Предполагается, что s — независимые случайные величины, имеющие нормальное распределение N(0,q2).

На территории города обычно располагается к измерительных постов мониторинга загрязнения атмосферы. Для каждой точки наблюдения могут быть построены уравнения в общем виде: N где Ук- предиктант в точке к, и аок-коэффициенты регрессии, X! -предикторы (1=14-Ы), Дк-случайная ошибка.

Система уравнений (1) решается методом наименьших квадратов, т.е. из условия минимума среднего квадрата ошибок. После того как определены параметры а^, получаем прогностические уравнения (2), которые отличаются от исходных модельных уравнений (1) тем, что не содержат случайной ошибки.

Предиктантом Ук служит максимальная за день концентрация в точке регулярного наблюдения, предикторами Х— факторы, влияющие на рассеивание примесей в точках, они одинаковы для всех уравнений. Значок "л" в последующих записях уравнений уже использовать не будем.

Поскольку в данной работе для прогноза максимальных (включая и наибольшие из них) концентраций примесей применяется регрессия, то при разработке схем в обучающую выборку необходимо включить (исходя из определения самой регрессии) данные измерений в дни, когда наблюдались неблагоприятные метеорологические условия, и загрязнение воздуха было высоким. Такой подход позволит получить более эффективный прогноз в области высоких квантилей распределения цм. Физико-статистическому обоснованию подобного ограничения используемого ряда наблюдений посвящена третья глава диссертации.

Успешное применение выбранного математического аппарата требует обеспечить выполнение следующих условий: двумерное (совместное) распределение плотности вероятности переменных (предиктанта с каждым из предикторов) подчиняется нормальному закону; форма связи между переменными должна быть близкой к линейной. При этом, однако, заранее известно, что экстремумы случайной величины обычно не распределены нормально, и что связи между предикторами и предиктантом могут оказаться нелинейными.

Разработанные в области математической статистики методы и подходы позволяют преодолеть эти сложности. После соответствующих преобразований переменных, включающих нормализацию предиктанта и предварительное исключение нелинейности связей, существо которых подробно будет изложено в пятой главе, получаем рабочие уравнения: N

2) 1 N где УПк-нормализованный предиктант, УпкК] - линейно преобразованные предикторы. Используя процедуру обратной трансформации предиктанта получаем прогностические значения У.

Для реализации предлагаемой модели необходимо осуществить следующие этапы:

• с целью выделения группы наиболее информативных предикторов проанализировать корреляционные зависимости максимальной концентрации примесей в точках наблюдения от метеорологических факторов (глава 4);

• построить регрессионные модели зависимости максимальной концетрации от выбранных факторов для каждой точки наблюдения, оценить их и рассчитать значения предиктанта (глава 5);

• оценить качество разработанного метода путем сравнения прогностических и фактических значений в области экстремумов по использованному и независимому рядам наблюдений (глава 5).

Далее остановимся на характеристике использованных в работе материалов наблюдений.

2.2 Характеристика использованного материала.

Разработка прогноза наибольших концентраций вредных веществ основана на результатах обобщения фактического материала наблюдений — информации о концентрациях примеси в воздухе промышленных городов и сопутствующих им метеорологических условиях.

В работе использованы результаты наблюдений на стационарных постах сети ОГСНКА. Согласно [108], ОГСНКА является службой наблюдения и контроля состояния атмосферы, в основу функционирования которой положены регулярность и единство программ наблюдений. Реперные (основные) пункты расположены в разных частях города, и наблюдения за состоянием загрязнения атмосферы, производящиеся на них, являются репрезентативными (характерными для данного района). Количество постов зависит от размера города и степени развития промышленности в нем. В большинстве случаев число постов в городе колеблется от 3 до 10. Отборы проб проводятся ежедневно 3-4 раза в день (01, 07, 13, 19 или 07, 13, 19 часов) для последующего химического анализа. Погрешность единичных измерений для разных ингредиентов составляет 20-50% [108].

Для выполнения разработок были привлечены результаты наблюдений в городах Красноярске, Уфе, Череповце и Санкт-Петербурге за периоды относительно стабильной работы промышленности в стране. Сведения об объеме использованной информации приведены в табл.2.1.

При оценке пригодности материала для метеорологического анализа применяется разработанная в ГГО система критического контроля информации о загрязнении воздуха в городах [108]. Выполненные исследования показывают, что статистическое распределение концентраций подчиняется логнормальному закону [7]. При осущетвлении критического контроля, как правило, учитывается, что 60-70% всех измеренных концентраций заданного ряда имеют значения в пределах 0-2<\с (яс - средняя концентрация), а максимальные концентрации превышают в 10-20 раз [8]. Использованные в работе материалы о загрязнении воздуха прошли критический контроль. За указанные в табл.2.1 периоды времени нарушения

ЗАКЛЮЧЕНИЕ

Основная цель выполненной диссертационной работы - разработать методологию краткосрочного прогнозирования наибольших за день концентраций примесей в отдельных точках городской территории. Задача решалась путем статистического моделирования с использованием метода множественной линейной регрессии. В ходе применения этого математического аппарата возникли сложности, связанные с формой корреляционной зависимости предиктанта с каждым из предикторов и особенностями их двумерного распределения, которые были успешно преодолены путем применения необходимых преобразований переменных. В результате использования этих подходов разработан метод прогноза максимальной за день концентрации примеси в точках наблюдения и проведены авторские испытания.

В процессе выполнения работы получены следующие основные научные выводы и результаты:

1. Впервые сформулирован подход и разработана методология решения задачи прогноза наибольших концентраций вредных веществ в воздухе отдельных районов города. Построен метод прогноза наибольших концентраций специфических примесей, включающий на первом этапе прогноз загрязнения по городу в целом, на втором этапе (в случае ожидаемого повышенного загрязнения) - прогноз максимальной за день концентрации в точке наблюдения.

2. Показано, что для повышения эффективности прогнозов максимальных концентраций в области их наибольших значений из рядов ежедневных наблюдений, используемых для разработок прогностических схем, необходимо исключить данные измерений в дни, в течение которых наблюдалось пониженное загрязнение воздуха по городу в целом.

3. Показано, что применение метода множественной линейной регрессии с предварительным исключением нелинейности связей и нормализацией предиктанта позволяет прогнозировать максимальные концентрации и их экстремумы в период повышенного загрязнения воздуха в городе достаточно эффективно. Необходимость преобразований переменных вызвана нелинейной формой зависимости предиктанта от предикторов и асимметрией распределения функции плотности веротности.

4. Выявлены основные особенности влияния метеорологических условий (направления и скорости ветра, устойчивости атмосферы) на максимальные концентрации в отдельных точках города в период повышенного загрязнения по городу в целом для теплого и холодного сезонов. Выделены неблагоприятные синоптические ситуации. На основе оценки корреляцонных связей систематизированы предикторы.

5. Установлено (на примере городов Красноярск, Уфа, Череповец, Санкт-Петербург), что случаи значительного ухудшения состояния воздушного бассейна в отдельных районах города, в том числе формирование экстремально больших концентраций специфических примесей, имеют место преимущественно при высоком уровне загрязнения воздуха по городу в целом. Показано, что 80-90% таких случаев наблюдаются при повышенных значениях интегральных показателей загрязнения в данном городе.

6. Хороший результат дала апробация метода в случаях экстремально высокого загрязнения воздуха в городе, когда наряду с очень высокими значениями интегрального показателя наблюдаются и большие концентрации на значительной части города. Предсказуемость таких ситуаций составила 90%. Коэффициент корреляции между измеренными и спрогнозированными в эти дни экстремумами составляет 0.76. Расчеты показали, что в случаев экстремального (до 15-25 средне сезонных значений) загрязнения воздуха относительная ошибка прогноза составляет 15%.

7. Выполнены разработки схем прогноза по материалам наблюдений в Красноярске и Уфе. Оценка эффективности схем по использованному и независимому материалу показала, что оправдываемость прогнозов наибольших концентраций составила в среднем 80%, а их предсказуемость—85%.

Библиография Диссертация по наукам о земле, кандидата географических наук, Кириллова, Виктория Ивановна, Санкт-Петербург

1. Алексеев Г.А. Объективные методы выравнивания и нормализации корреляционных связей. // Л., Гидрометеоиздат,- 1971.-363 с.

2. Алисов Б.П., Дроздов O.A., Рубинштейн Е.С. Курс климатологии. Том II // Л.:Гидрометеоиздат, 1952.—487с.

3. Балабаев А.Г., Ломая О.В.Цинуадзе Д.Г. О зависимости загрязнения воздуха над г. Тбилиси от метеопроцессов.//Труды Ин-та геофизики АН Груз. ССР.—1973 (1974).—Вып. 32.—С.5-12.

4. Басараба И.Н. и др. Из опыта прогноза уравнений загрязнения атмосферы в промышленных районах юга Восточной Сибири // Труды ЗСРНИГМИ.— 1973.—Вып. 10.—С.132-139.

5. Безуглая Э.Ю. , Завадская Е.К. Влияние загрязнения атмосферы на здоровье населения // Труды ГГО. 1998.-- Вып.549.—С. 171 -198

6. Безуглая Э.Ю., Завадская Е.К., Смирнова И.В. Возможности прогноза средних концентраций озона в атмосфере городов России.// Труды ГГО.-1998.-Вып.549.-С.67-86.

7. Безуглая Э.Ю. Использование статистических методов для обработки данных наблюдений за загрязнением воздуха.// Труды ГГО.—1969.— Вып.238.—С.42-47.

8. Безуглая Э.Ю. К статистическому определению средних и максимальных значений концентраций примесей. // Труды ГГО.—1971.—Вып.254.— С.133-139

9. Безуглая Э.Ю. Мониторинг состояния загрязнения атмосферы в городах. // Л.: Гидрометеоиздат, 1986, 199с.

10. Ю.Безуглая Э.Ю., Расторгуева Г.П., Смирнова И. В. Чем дышит промышленный город. // Л.: Гидрометеоиздат, 1991.—251с.

11. П.Белов П.Н., Комаров B.C. Максимальные уровни загрязнений в городах при синоптической ситуации застоя воздуха. // Оптика атмос. и акеана.-1998.-11, №8.-С. 830-832.

12. Белугина В.А. и др. Исследование распространения вредных примесей в районе высотных источников выбросов И Труды ГГО.—1971.—Вып.254.— С.81-86

13. Берлянд М.Е. и др. Численные исследования атмосферной диффузии при нормальных и аномальных условиях стратификации .// Труды ГГО, — 1964.—158.—С. 22-32

14. Берлянд М.Е. Кондратьев К.Я. Города и климат. // Л.:Гидрометеиздат , 1972, 40с.

15. Берлянд М.Е. О распространении атмосферных примесей в условиях города.// Метеорология и гидрология.—1979.—N3. С.45-57.

16. Берлянд М.Е. Об опасных условиях загрязнения атмосферы промышленными выбросами.//Труды ГГО , 1966.—Вып. 185.—С. 15-25.

17. Берлянд М.Е. Прогноз и регулирование загрязнения атмосферы // Л.:Гидрометеоиздат, 1985.—272с

18. Берлянд М.Е. Современные проблемы атмосферной диффузии и загрязнения атмосферы.//Л. :Гидрометеоиздат ,1975.—448с.

19. Берлянд М.Е., Генихович Е.Л. Атмосферная диффузия и структура воздушного потока над неоднородной подстилающей поверхностью.// Метеорологические аспекты загрязнения атмосферы.—Л.: Гидрометеоиздат, 1971.—С. 49-69.

20. Берлянд М.Е., Генихович Е.Л., Зашихин М.Н., Оникул Р.И. К методике расчета рассеивания примеси от линейных источников и аэрационных фонарей// Труды ГГО.—1974.—Вып.314.—С.21-41

21. Берлянд М.Е., Генихович Е.Л., Зашихин М.Н., Оникул Р.И. К оценке опасных скоростей ветра от высоких источников. // Труды ГГО.—1977.— Вып. 387.—С.3-16.

22. Берлянд М.Е., Демьянович В.К., Генихович Е.Л. Некоторые актуальные вопросы исследования атмосферной диффузии.// Труды ГГО.—1965.— Вып. 172.—С.3-22

23. Берлянд М.Е., Канчан Я.С. К теории образования радиационных туманов и их влияние на распространение примесей.// Труды ГГО, 1973.—Вып.293.— С.3-20.

24. Берлянд М.Е., Оникул Р.И. Физические основы расчета рассеивания в атмосфере промышленных выбросов.// Труды ГГО.—1968.—Вып.234.— С.3-27.

25. Берлянд М.Е., Оникул Р.И., Генихович Е.Л., Ложкина В.П. О загрязнении атмосферы промышленными выбросами при аномальных условиях стратификации. //Метеорология и гидрология.—1963.--N8.—С 3-10.

26. Берлянд М.Е., Оникул Р.И., Рябова Г.В. К теории атмосферной диффузии в условиях тумана./ЛГруды ГГО.—1968.—Вып.207.—С.3-13.

27. Берлянд М.Е., Соломатина И.И., Сонькин Л.Р. О прогнозировании загрязнения воздуха. // Метеорология и гидрология, —1972, N9, С. 11-18.

28. Берлянд М.Е., Оникул Р.И. К обобщению теории рассеивания промышленных выбросов в атмосферу. // Труды ГГО, 1971.—Вып.254.— С.3-27.

29. Блыскова Д., Курчатова Г. Загрязнение атмосферного воздуха в Софии в 1966г. в зависимости от некоторых метеорологических условий.// Хидрология и метеорология.—1968.—N2.—С. 25-34.

30. Босняцкий Г. П., Клименко Е.Т. Оценка вклада предприятия в концентрацию вредных веществ в атмосфере. // Газ. пром-ть.- 1998.- №2,-С. 70-72, 80.

31. Буренин Н.С., Горошко Б.Б. , Кириллова В.И. Вертикальное распределение двуокиси азота, сернистого газа и окиси углерода в жизнедеятельном слое атмосферы.// Труды ГГО—1981—Вып. 467 С. 14-20

32. Василев Иван. Выбор интегрального показателя для оценки степени загрязнения воздуха в городе София в зависимости от метеорологических условий.// Пробл. Геогр.—1993— N4—С.52-60

33. Василев Иван. Основные принципы, лежащие в основе системы для определения загрязнения в гордских условиях и для альтернативных прогнозов.// Пробл. Геогр.—1996.—N2 -С.44-53

34. Васильев Иван. Принципни положенияза изграждане на система за определяне на замърсяването на въздуха в градски условия и за издаване на альтернативни прогнози.// Пробл.геогр. -1996.-№ 2.- С.44-53.

35. Васильченко И.В., Вдовин Б.И. Некоторые особенности стратифиации и термического режима пограничного слоя атмосферы над городом.// Труды ГГО. 1974, Вып. 332, С. 13-16.

36. Вдовин Б.И. Об особенностях стратификации нижнего километрового слоя воздуха над Ленинградом по данным вертрлетных наблюдений.//Труды ГГО.—1973.—Вып.293.—С.201 -208.

37. Вдовин Б.И. Об особенностях стратификации нижнего километрового слоя воздуха над Ленинградом по данным вертолетных наблюдений. // Труды ГГО.—1973.—Вып.293.— С.201-208.

38. Векслер Г. Роль метеорологических факторов в загрязнении атмосферного воздуха.//"Загрязнение атмосферного воздуха" ВОЗ, Женева, 1962.

39. Веницкий И.Г., Кильдишев Г.С. Основы математической статистики //М.: Госстатиздат, 1963.—278С.

40. Волкодаева М.В. Методы прогноза загрязнения воздуха выбросами автотранспорта.//Труды ГГО, --СПб, 1998, Вып. 547—С.88-99.

41. Волкодаева М.В., Ивлева Т.П.,Сонькин Л.Р. Прогноз высоких уровней загрязнения воздуха, создаваемого выбросами автотранспорта.// Вопросы охраны атмосферы от загрязнения. Информ. Бюллетень НПК "Атмосфера"при ГГО им. А.И.Воейкова.—СПб.—N1, 1995, С.80-88

42. Воронцов П.А. Исследование структуры воздушного потока как фактора переноса продуктов загрязнения атмосферы. // Труды ГГО, 1968, Вып.207,С. 138-154.

43. Воронцов П.А. Исследования турбулентного обмена в районе Щекинской ГРЭС.// Труды ГГО, Вып. 172, С. 104-121.

44. Временная методика нормирования промышленных выбросов в атмосферу Сборник законодательных, нормативных и методических документов для экспертизы воздухоохранных мероприятий. // Л.: Гидрометеоиздат,1986.— 319с.

45. Второй Всероссийский съезд по охране природы: итоги работы секции «Влияние экологических факторов на здоровье населения»:Саратов, 2-5 июня 1998г.//Авиакосм, и экол. мед.- 1999.-33, №6. С.66-67.

46. Галанин В.И., Ишерская Е.В., Фетисова Л.М. Температура воздуха в городе Саратове .// Геогр. исследования в Саратовском ун-те.—Саратов, 1968.— С.249-257.

47. Гельмгольц Н.Ф. Горно-долинная циркуляция северных склонов Тянь-Шаня.// JL: Гидрометеоиздат, 1963.—330с.

48. Генихович E.JI. и др. О возможности прогноза загрязнения воздуха методом распознавания образов // Труды ГГО.— 1973. — Вып. 393. — С.21-25.

49. Горлин С.М., Зражевский И.М. Изучение обтекания моделей рельефа в аэродинамической трубе.//Труды ГГО.—1968.—Вып.234.—С.49-59.

50. ГОСТ 17.2.3.02—78. Охрана природы. Атмосфера. Правила установления допустимых выбросов вредных веществ промышленными предприятиями.// М.: Изд-во стандартов, 1979.—14с.

51. Давтян A.M. Анализ связи загрязнения атмосферы Санкт-Петербурга с различными типами синоптических ситуаций. // Ред. ж. Вест. С.-Петербург, гос. ун-та.- СПб, 1998.-6с.

52. Давтян A.M. Влияние климатических характеристик Санкт-Петербурга на уровень загрязнения его воздушного бассейна. // Ред. ж. Вест. С.-Петербург, гос. ун-та.- СПб, 1998.-6с.

53. Дириу Д. Технологические изменения и природоохранная политика: распространение прироохранных технологий (Канада). // Обз.инф. Экон. природопольз./ ВИНИТИ. 1999.-№1. С. 34-49.

54. Ежегодник состояния загрязнения атмосферы в городах на территории России. 1992 г //.Под ред. Э.Ю.Безуглой (1993)—Санкт-Петербург: РТП ГГО

55. Ежегодник состояния загрязнения атмосферы в городах на территории России. 1993 г.// Под ред. Э.Ю.Безуглой (1994)—Санкт-Петербург: РТП ГГО

56. Ежегодник состояния загрязнения атмосферы в городах на территории России. 1994 г. // Под ред. Э.Ю.Безуглой (1995)—Санкт-Петербург: РТП ГГО

57. Ежегодник состояния загрязнения атмосферы в городах на территории России. 1995 г. // Под ред. Э.Ю.Безуглой (1996)—Санкт-Петербург: РТП ГГО

58. Ежегодник состояния загрязнения атмосферы в городах на территории России. 1996 г. // Под ред. Э.Ю.Безуглой (1997)—Санкт-Петербург: РТП ГГО

59. Ежегодник состояния загрязнения атмосферы в городах на территории России. 1999 г. // Под ред. Э.Ю.Безуглой (2000)—Санкт-Петербург: РТП ГГО

60. Ежегодник состояния загрязнения атмосферы в городах на территории России. 2000 г. // Под ред. Э.Ю.Безуглой (2001)—Санкт-Петербург: РТП ГГО

61. Елекоева Л.И. др. Объективная статистическая схема прогноза загрязнения воздуха в городах. //Труды ГГО—1987.—Вып.511. С.119-124.

62. Елекоева Л.И., Чувашина И.Е. Анализ поля концентрацй методом разложения по естественным ортогональным функциям // Труды ГГО.— 1978.—Вып.436.—С.72-78.

63. Зайцев A.C. Результаты анализа временной структуры концентраций сернистого газа в атмосфере.// Труды ГГО.—1973.—Вып. 293.—С.41-45.

64. Зайцев A.C. Структура поля концентраций окиси углерода в городе.// Труды ГГО.—1973.—Вып.293.—С. 47-51.

65. Иванова Е.И., Сонькин Л.Р. Прогнозирование загрязнения воздуха в городе. // Труды ГГО.—1973—Вып. 293.—С.51-57.

66. Иванова Е.И., Сонькин Л.Р, Прогнозирование загрязнения воздуха в Ленинграде.//Метеорология и гидрология .—1976.—N12, С. 19-24.

67. Иванова Е.И., Сонькин Л.Р. Прогнозирование загрязнения воздуха в Ленинграде с учетом особенностей синоптических процессов. // Труды ГГО.—1975.—Вып. 352. С. 71-77

68. Капранова Л.Д. Политика экологического регулирования в странах Западной Европы.// Актуал. пробл. Европы.- 1999.-№2. С. 12-35.

69. Капшицки А. Статистический прогноз среднего загрязнения атмосферы.// В кн.: Метеорологические аспекты загрязнения атмосферы.—Л.: Гидрометеоиздат, 1971, С. 82-85.

70. Кацнельсон Б.А. и др. Влияние кратковременных повышений загрязнения атмосферного воздуха на смертность населения. // Гигиена и сан. 2000.-№1.- С. 15-18.

71. Качество воздуха в крупнейших городах России за десять лет (19881997) // Под ред.Э.Ю. Безуглой.—СПб, 1999.—144с.

72. Кендалл М. Дж., Стьюарт А. Статистические выводы и связи // Пер.с анг. Под ред. А.Н. Колмогорова. М.: "Наука."—1973. - 899с.

73. Кириллова В.И. Возможности прогноза максимальных концентраций примесей в городском воздухе. // Труды ГГО. 1998. - Вып. 549. С. 200210.

74. Климатические характеристики условий распространения примесей в атмосфере. Справочное пособие / Под ред. Э.Ю. Безуглой, М.Е. Берлянда.—Л.: Гидрометеоиздат , 1983.—328 с.

75. Климат Красноярска . Серия Климат города.// Под ред. Ц.А. Швер и A.C. Герасимовой . -- Л.: Гидрометеоиздат, 1982.—230с.

76. Климат Уфы. Серия Климат города.// Под ред. В.Н. Бабиченко и М.А. Еремина. ~ Л.: Гидрометеоиздат, 1987.—119с.

77. Климатологические характеристики условий распросранения примесей в атмосфере. Справочное пособие.// Под ред. Э.Ю. Безуглой, М.Е.Берлянда. -- Л.: Гидрометеоиздат, 1983.—328с.

78. Коломиец В.В., Хотько Н.И., Семенов Н.К., Базан С.И., Нариманов Н.И. К экологической оценке загрязнения атмосферного воздуха в крупных городах. // Сарат. Гос. мед. ун-т.- Саратов , 1995.- 8с.

79. Костров A.B., Устинов В.Н. Моделирование экологического состояния атмосферы г. Владимира. // Упр. в слож. системах. Уфим. гос. авиац. техн. ун-т.-Уфа, 1996.-С. 111-115.

80. Кочурова С.Б. Состояние атмосферного воздуха Белгород-Щебекинского промышленного района. // Пробл. регион, экол. 2000, № 2, С. 25-28.

81. Лапин В.И. К характеристике микроклимата территории города Чимкента.// Труды Казах.фил. Акад. строит, и архиректуры СССР. -Вып.4(6), 1962.

82. Ляпина O.A., Оголь Ю.Н. Производственный дым в районе Ташкента и в нижних течениях Чирчика и Ахангарана // Научные труды Ташк. ун-та , 1967.—Вып.289.—С.114-116.

83. Мазуров Г.И., Нестерук В.Н. Метеорологические условия и полеты вертолетов.//СПб. Гидрометеоиздат, 1992-255с.

84. Маккормик P.A. Метеорология и загрязнение воздуха в городах.// Бюллетень ВМО—1989.—Т. 18.—N3—С. 189-196.

85. Методика расчета концентраций в атмосферном воздухе вредных веществ, содержащихся в выбросах предприятий. ОНД-86.// Л.:Гидрометеоиздат, 1983.—93с.

86. Методические указания: Регулирование выбросов при неблагоприятных метеорологических условиях. РД 52.04.52—85 // Л.:Гидрометеоиздат, 1987.—52с.

87. Методические указания по прогнозу загрязнения воздуха в городах. // Под ред. М.Е.Берлянда. //Л.: Гидрометеоиздат, 1979.—80с.

88. Митропольский А.К. Техника статистических вычислений.// М.: "Наука", 1971,-576с.

89. Неронова Л.М., Тихомирова Л.В. Методика краткосрочного прогноза метеорологических условий, способствующих загрязнению атмосферы // Труды ГМЦ, 1985 Вып. 268. - С. 54-70.

90. Охрана атмосферы. Временно согласованные выбросы вредных веществ в атмосферу предприятий г. Красноярска.//Красноярск,~ 1983—230с.

91. Пановский Г.А., Брайер Г.В. Статистические методы в метеорологии. // Л.: Гидрометеоиздат, 1967.—242с.

92. Переходцева Э.В. О вероятностном прогнозе селей и оползней на Северном Кавказе: Тез. докл.на 1 Всероссийском симпозиуме по прикладной и промышленной математике (осенняя сессия), Сочи, 1-6 окт., 2000 // Обозрение прик. и пром. мат. 2000. 7, № 2, с.403.

93. Першина P.A., Сонькин JI.P. Возможности прогнозирования загрязнения городского воздуха методом линейного регрессионного анализа.// Труды ГГО—1971—Вып. 387—С.47-51

94. Пономаренко И.Н. К прогнозу приземных и приподнятых инверсий температуры.//Труды Укр. НИГМИ—1974.—Вып.132.—С. 128-131.

95. Пономаренко И.Н. Краткосрочный прогноз высокой общей загрязненности атмосферного воздуха промышленными выбросами и автотранспортом на примере г.Киева// Метеорология и гидрология.—1975.—N10—С.43-50.

96. Пономаренко И.Н. Метеорологический прогноз высокой общей загрязненности атмосферного воздуха в г. Киеве //Труды Укр НИГМИ.— 1976.—Вып. 134,—С.92-100.

97. Пономаренко И.Н. Краткосрочные прогнозы загрязнения воздуха отдельными примесями в городах с рассредоточенными источниками.// Физ-геогр. процессы и охрана окруж. среды. / Геогр. о-во УССР.—Киев, 1991.—С.110-116.

98. Пугачев B.C. Теория вероятностей и математическая статистика. // М., «Наука»,- 1979.

99. Пужлякова Г.А. и др. Метеорологические условия формирования экстремального загрязнения воздуха в Саратове.// Вопросы прогноза, климата, циркуляции и охраны атмосферы . Перм. гос. ун-т.—Пермь, 1997—С.128-134.

100. Пужлякова Г.А., Фетисова JI.M. Метеорологические условия формирования экстремального загрязнения воздуха в г. Саратове. // Вопр. прогноза погоды, климата, циркуляции и охраны атмосферы. Перм. гос. ун-т.-Пермь, 1997ю-С.128-134.

101. Расторгуева Г.П. Некоторые результаты экспериментальных исследований термического режима г. Запорожья.// Труды ГГО.—1974.— Вып.332.—С.24-29.

102. Расторгуева Г.П. Особенности термического режима городов // Труды ГГО.—1969—Вып. 238.—С.145-152.

103. Романов JI.H., Коган М.С. О нелинейных регрессионных моделях для прогноза элементов погоды // Труды ¡¡Всесоюзного симпозиума по применению стат. Методов в метеорологии.—1977—С.69-74.

104. Руководство по контролю загрязнения воздуха РД 52.04.186-89// Л.:Гидрометеоиздат, 1991.—693с.

105. Руководство по прогнозу загрязнения воздуха. РД 52.04.306-92 //СПб, Гидрометеоиздат, 1993.—104с.

106. Рыбченко A.A., Гавриленко Л.И., Глушенко З.Н. О представлении результатов статистического анализа загрязнения атмосферы при оценке, диагнозе и прогнозе его уровней.// Труды Укр НИГМИ.—1987.— Вып.224.—С.35-41.

107. Скаков A.A., Власенко Е.Ф. Способ прогноза опасных явлений погоды с применением множественной пошаговой регрессии. Труды пятого Всесоюзного совещания по применению статистических методов в метеорологии. 1987,- С. 65-68.

108. Свинухов В.Г. Экология атмосферы городов Приморского края.\\ Владивосток: Из-во Дальневост.ун-та, 1997, 140с.

109. Свинухов В.Г., Горборукова Т.В. Исследование и краткосрочный прогноз загрязнения воздуха в г. Спасске-Дальнем Приморского края. // Анал. и прогноз гидрометеорол. элементов. Вопр. охраны атмосф. Перм. гос. ун-т.- Пермь, 1996.-С.122-137.

110. Солдаткина A.M., Ураганова И.И. Динамико-статистический метод прогноза экстремальной температуры воздуха над Северной Азией на 5 суток. Труды пятого Всесоюзного симпозиума по применению статистических методов в метеорологии. 1087, С. 54-57.

111. Себер Дж. Линейный регрессионный анализ//Пер. с анг. Под ред. МБ. Малютова. М.: Мир. 1980. 455 с.

112. Сляднев А.И. Применение статистических методов для моделирования рассеивания эарозольных загрязнений в атмосфере. // Белгород, гос. технол. акад. строит, матер.- Белгород, 1998. -С. 162-165.

113. Сонькин Л.Р, Ивлева Т.П., Волкодаева М.В. Схема прогноза распределения концентраций примесей в воздухе на территории города с использованием метода разложения по естественным ортогональным функциям.//Труды ГГО.—1998—Вып.549.— С.87-97.

114. Сонькин Л.Р. Анализ метеорологических условий опасного загрязнения воздуха в городах.//Труды ГГО.—1968.—Вып. 234.—С.60-68.

115. Сонькин Л.Р. Вопросы прогнозирования фонового загрязнения воздуха в городах.// Труды ГГО.—1974.—Вып.314,—С.42-51.

116. Сонькин Л.Р. и др. Синоптические условия формирования периодов высокого загрязнения воздуха в различных регионах СССР. // Труды ГГО—1979.—Вып.436.—С.49-54

117. Сонькин Л.Р. Изучение загрязнения воздуха в городах А\ Метеорологические аспекты промышленных загрязнений атмосферы.-- М.: Гидрометеоиздат, 1968.—С.57-63.

118. Сонькин Л.Р. Некоторые возможности прогноза содержания примесей в городском воздухе//Труды ГГО.- 1971—Вып. 254. С 121-132

119. Сонькин Л.Р. Синоптико-статистический анализ и краткосрочный прогноз загрязнения атмосферы. //Л.: Гидрометеоиздат, 1991.—223 с.

120. Сонькин Л.Р. Статистические и синоптические методы прогноза загрязнения воздуха в городах.// Прогнозирование загрязнения атмосферы:Сборник докладов на международном совещании ВМО РА VI, Ленинград, ноябрь 1980г, ~ Л.:Гидрометеоиздат, 1984, С.60-68

121. Сонькин Л.Р., Кириллова В.И. Возможности прогноза высоких уровней загрязнения воздуха специфическими примесями.// Информ. Бюллетень N1, ГГО, НПК "Атмосфера",- 1995. С.33-38

122. Сонькин Л.Р., Николаев В.Д. Синоптический анализ и прогноз загрязнения атмосферы.//Метеорология и гидрология, 1993, N5.

123. Сонькин Л.Р., Разбегаева Е.А. Терехова К.М. К вопросу о метеорологической обусловленности загрязнения атмосферы над городом. И Труды ГГО.—1966.—Вып.185.— С.44-54.

124. Сонькин Л.Р. и др. О влиянии метеорологических условий на загрязнение воздуха в различных городах // Труды ГГО.—1975.— Вып.325.—С.52-60

125. Сонькин Л.Р., Денисова Т.П. Метеорологические условия формирования периодов интенсивного загрязнения воздуха в городах.// Труды ГГО.—1969—Вып.238.—СЗ3-41.

126. Сонькин Л.Р., Чаликов Д.В. Об обработке и анализе наблюдений за загрязнением воздуха в городах. // Труды ГГО.—1968.—Вып.207.— С.51-55.

127. Состояние и прогноз здоровья населения Санкт-Петербурга в изменяющихся экологических условиях // Под ред. С.Г.Юнге-Вечтомова, Н.П. Напалкова.—СПб.: НИИ Химия СПб ГУ,—1998,-- 162с.

128. Федеральый закон N96-03. Об охране атмосферного воздуха// Москва, Кремль, 4 мая 1999г.

129. Хайрулин P.P., Хабутдинов Ю.Г. Распределение вредных веществ и метеорологические условия высокого загрязнения атмосферы. // Анал. и прогноз гидрометеорл. элементов. Вопр. охраны атмосферы. Перм. гос. ун-т.—Пермь, 1997. С.125-137.

130. Хлебникова Е.И., Салль И.А., Сибир Е.Е. Модельные оценки пространственных характеристик выбросов гауссовых метеорологических полей. Труды пятого Всесоюзного совещания по применению статистических методов в метеорологии. 1987, -с. 189-192.

131. Ходулей В.В., Мизгирев И.В. Экологически опасные факторы.// СПб.:"Банк Петровский".—1996.—183с.

132. Чебаненко Б.Б. О методах охраны атмосферного воздуха от промышленных выбросов в условиях Восточной Сибири.// Проблемы контроля и обеспечения чистоты атмосферы.—Л.: Гидрометеоиздат, 1975.—С.60-65.

133. Чистякова Л.К., Ильенко С.П. Алгоритмы для расчета загрязняющих выбросов в атмосферу и результаты моделирования. // Докл. Томе. гос. унта систем упр. и радиоэлектрон. 1999. 3, С. 178-184.

134. Шевчук И.А. Аэросиноптические особенности периодов максимального загрязнения атмосферы в городах Сибири // Метеорологические аспектыпромышленных загрязнений атмосферы.—М.: Гидрометеоиздат, 1968.— С.77-80.

135. Шевчук И.А. Прогноз уровня загрязнения атмосферы промышленными выбросами в Новосибирске // Труды ЗапСибНИГМИ, 1977.—Вып.ЗО.— С.88-90.

136. Шевчук И.А. Аэрологические условия установления длительных периодов максимального загрязнения в г. Кемерово. // Труды НИИАК (Новосиб. фил.) 1966-Вып. 42 (2).—С.96-101.

137. Шевчук И.А. и др. Из опыта прогнозирования загрязнения атмосферы в Новосибирске//Труды ЗапСиб НИГМИ, 1977— Вып.27.—С. 125-129

138. Шкляева JI.C. Загрязнение воздуха в г. Перми при прохождении циклонов.// Вопросы микро-и мезоклимата, циркуляци и загрязнения атмосферы.—Пермь, 1985.—С. 128-135.

139. Шкляев В.А.,Шкляева JT.C. Определение уровней загрязнения воздуха на основных автомагистралях г. Перми. // Вопр. прогноза погоды, климата, циркуляции и охраны атмосферы. Перм. гос. ун-т. Пермь, 1997.-С.145-155.

140. Шлычков А. П., Жданова Г. Н. Определение приорететного списка вредных веществ, подлежащих контролю в атмосферном воздухе г. Казани. // Анал. и прогноз гидрометеорол. элементов. Вопр. охраны атмосф. Перм. гос. ун-т.- Пермь, 1996.-С. 116-122.

141. Шмидт Н.А. Определение концентрации примеси в атмосфере городов при неблагоприятных для рассеивания метеорологических условиях (на примере городов Тульской области)

142. Экологическая обстановка в Санкт-Петербурге и Ленинградской области в 1995 году // Под ред. А.К. Фролова.—СПб: Ленкомприрода.—1998.— Т.1—137с.

143. Экологические проблемы Санкт-Петербурга и пути их решения (взгляд ученых).// Под ред. С.Г.Юнге-Вечтомова, А.Ф. Алимова. СПб. 1993.— 32с.

144. Air Quality on Major European Cities. // Ed. Slitter, R.J.C.F (1995). RIVM/ NILU, Report N72240104, Bilthover, The Netherlands.

145. Almendros Miguel Angel, López Gómez Antoniio. La isla de calor en Madrid y las situaciones sinópticas. // Estud. Geogr.- 1995.- № 219.-C.207-221.

146. Angelí J.K. Urban influence on high-time airflow estimated from tetroom flights // J. Appl. Meteorol.—1971 .—V. 10, N2.—P.451-471.

147. Barustein R. D. .Thompson W.T. Effect of frictionally retarded sea brize and synoptic frontal passages on sulfur dioxide concentrations in New-York City // J. Appl. Meteor. 1981—V20, N8.—P.843-858.

148. Benarie M. Employ des regressions multiples pour la definition du nivean de fond de la pollution urbane et pour sa prevision d court terme // Vest-le-Petit, France, 1971.—P. 19.

149. Bezuglaja E.Yu., Shchutstaya A.B. and Smimova I.V. Air pollution index and interpretation of measurements of toxic pollutant concentrations.// Atmospheric Environment. 1993.V27 A. P. 773-779.

150. Bremer Pia. Assessment of two methods to predict SO2 concentrations in the Helsinki area //Helsinki—1993—P.42

151. Bringfeld B. Important factors for the sulfur dioxide concentration in central stocholm. // Atmosph. Environ.—1971—V.5, N11.—P.949-972

152. Carnett A.A. Survey of air pollution in Sheffield under characteristic weatheranticyclonic condition // Int. J.Air Wat. Pollut.—1963.—V.7. P.963-968.

153. Chandler T.J., Elson D.M. Meteorological controls upon ground level concentration of smoke and sulfur dioxide in two urban areas of the United Kingdom // Atmos. Environ.—1978.—V. 12, N6-7.—P. 1543-1554.

154. Cheng S.,Lam K.-C. An analysis of winds affecting air pollution concentrations in Hong Kong. // Atmos. Environ. 1998. 32. №14-15. C.2559-2567.

155. Clai G., Kerschbaumer A., Tosi E. Analysis of urban atmospheric pollution data in the Bologna area : Pap. 1st Int. Conf.Urban Air Qual.: Monit and Modell., Hatfield, 11-12 July, 1996 // Environ. Monit. and Assess. 1998. - 52, № 1-2.-C.149-157.

156. Clarke J.K. Nocturnal urban boundary layer over Cincinnati, Ohio.// Mon.

157. Wear. Rev.—1969.—V.97, N8.—P.582-589.

158. Cohn Stephen E. An introduction to estimation theory.// J. Meteorol. Soc. Jap.- 1997. 75, № lb.-C. 257-288.

159. Colling G.F. Predicting " Sea-bruze fumigation" from tall stacks at coastal location//Nucl. Safety.—1971.—V. 12, N2.—P.l 10-114.

160. Crone L.J., McMillin L.M., Crosby D.S. Constrained regression in satellite meteorology. //J. Appl. Meteorol.-1996.-35, №11.-C.2023-2035.

161. Da Silva A., Bein F.L. The effects of a blizzard on urban air pollution // J. Geogr. (USA).—1981.—V.80, N3.—P.91-97.

162. Davis F.K., Newstein H. The meteorology and vertical distribution of pollutants in air pollution episodes in Philadelphia // Atmos. Environ. 1968.— V.2.—P.559-574.

163. Delaney C., Dowding P. The relationship between extreme nitrogen oxide (N02) concentrations in Dublin's atmosphere and meteorological conditions // Environ. Monit. and Assess.-1998.-52, № 1-2.- C. 159-172.

164. Diaconu Otilia, Sima Adriana . Corrections of extreme temperatures forecast at mountain stations using Kalman filter. // Proc. 24th Int. Conf. Alpine Meteorol. 1996, Bled, Sept. 9-13, 1996: ICAM'96.-Ljubjana, 1996.-C. 143-152.

165. Dickon R.R. Meteorological factors effecting particulate air pollution of a city // BAMS, 196 l,--V.42,~N8,--P.556-570.

166. Dickson R.R. Meteorological factors effecting particulate air pollution of a city.// Bui. Met. Soc.- 1961.—V.42, N8. P.556-570.

167. Du S., Wilson D., Yee E. A stochastic time series model for threshld crossing statistics of concentration fluctuations in non-intermittent plumes. // Bondary-Layer Meteorol. -1999.-92, №2. C.229-241.

168. Duckworth K.S. The meteorologically Sceduled open barn \\ J. Air Pollut. Control. Assoc.—1965.—V. 15, N6 P.274-277.

169. Endlicher W. Stadtklima und Lufthygiene argentinischer Andenrandstadte.// Geogr.Rdsch.- 1998.-50, №11.- C.624-630.

170. Fernandez Garcia Felipe, Galan Encarnación . Clima y contaminación atmosférica en Madrid . // Estud. Geogr.-1995. № 219.- C. 263-284.

171. Finzi G. Real time prediction of SO2 concentration in the Venetian lagoon area.// Atmosph. Environ.—1979—V13,N9—P1249-1255.

172. Flemming Gunther. The importance of air quality in human biometeorology.// Int. J. Biometeorol.-1996. 39, № 4.- C. 192-196.

173. Garnett A. A. Survey of air pollution in Sheffield under characteristic weather anticyclonic condition // Int. J. Air. Wat. Poll.—1963.—V.7—P.963-968.

174. Guiglino M., Cernuschi S., Marzolo F. The duration of higt N02 and CO consentration in an urban atmosphere. // Atmos. Environ. 1998.-32, №17.-C.2923-2929.

175. Haas T. Statistical assessment of spatio-temporal pollutant trends and meteorological transport models.// Atmos. Environ. Atmos. Environ. A.-1998.-32, № 11.-C. 1865-1879.

176. Harada H. Relation between air pollution in Osaka and anticyclone. // J. Met. Res.—1968—V.20,N12.

177. Harrington D. Forecasting ozone with yesterday's ozone and meteorological data. // International Simposium on the Measurement of Toxic and Related Air Pollutants./ Sept. 12-14, 2000.- Research Triangle Park, NC,- C.47.

178. Hernandez E., Valero F., Martin F., del Teso M.T., Garsia-Miguel J.A. Daily maxima of surfase ozone concentration in Madrid city (Spain). // 3rd International

179. Conference on Atmosphric Sciences and Applications to air Quality./ 15-19 October 1990, Shanghai, China.-C.25.

180. Hicks B.B. A climatology of solid atmospheric contaminants at Aspendall, near Melbourne, Victoria, 1966 to 1971 // Australian Meteor. Magazine.— 1973—V.21, N1.—P. 19-28.

181. Holzworth G.C. A study of air pollution for the Western United States //J. Appl. Meteor. 1962. - V.l, N3—P.366-382.

182. Holzworth G.C. Large-scale weather influence on community air pollution potential in the United States Hi. Air Pollut. Control Assoc.—1969.—V.l9, N4,-- P.248-254

183. Hoschele K. Ergebnisse von messungen des Schwefeldioxidehalts der Luffc in Karlsruhe und ihre statistische Bearbeitung // Staub.—1965.—N.25.—P. 102-112.

184. Hubbard M. C., Cobourn W. G. Development of a regression model to forecast ground-level ozone concentration in Loisville, KY.//Atmos. Environ.—1998,—32, N14-15.—P.2637-2647.

185. John James C. ST.,Chameides William L. Climatology of ozone exceedences in the Atlanta Metropolitan Area : 1-hour vs 8-hour standard and the role of plume recirculation air pollution episodes. // Environ. Sci. And Technol. 1997. -31, №10.-C 2797-2804.

186. Jorguera H., Perez R., Cipriano A. Forecasting ozone daily maximum levels at Santiago, Chile//Atmos. Environ.—1998.—32,N20.—C.3415-3424.

187. Kaspshisky A. Local statistical model of the air pollution forecasting.W Jdojras.—1973—V.77.—N5.—P.296-303

188. Katsoulis Basil D. The relationshih between sinoptic, mesoscale and microscale meteorological parameters during poor air quality events in Atheens, Greece. // Sci. Total Environ.- 1996.-181, № l.-C. 13-24.

189. Kawamura K.,Sacurai S. The content of the atmospheric nitrogen dioxide in the suburn // Geoph.—1963.—V.l4, N 3-4.

190. Kilsby C. G., Cowpertwait P. S. P., O'Connell P.E. Predicting rainfall statistics in England and Wales using atmospheric circulation variables // Int. J. Climatol. J. Climatol..- 1998.-18, № 5.-C.523-539.

191. Klug H. Die meteorologischen Bedingungen starker Immissionanreicherungen // Staub.—1965.—H.25, N10.—P.410-416.

192. Lawrence E. N. High values of atmospheric pollution in summer at Kew and the associated weather // Atmos. Environ.—1969.—V.3, N2.—P. 123-133.

193. Leavitt J.M. e.a. Meteorological program for limitting power plant stack emissions // Air. Pollut. Control Assoc.—1971.—V.21, N7.—P.400-405.

194. Lee D.O. Rural atmospheric stability and the intensity of London's heat in lands // Weather.—1975.—V.30, --N4.—P. 102-109.

195. Leone J.A. The role of wind parameters in determining SO2 concentration in Carlstadt. // New Jersy. Int.—J. Air Wat. Poll.,-- 1966, V. 10, N21.

196. Machalek A . Das vertical Temperatur-profiel.// Wetter und Leben.—1974.— H.26. N2.—P.87-93.

197. March K.J. Foster M.D. An experimental study of the dispersion of the emissions from chimneys in Reading // Atmos. Environ.—1967.—V.l.— P.527-550

198. Meneguzzo F., Crisci A., Gozzini B. Large-scale atmocpheric and sae surfasce processes leading to excessive rainfall in Tuscany, Italy. // IAHS Publ.-1999.-№255.-C.3-10.

199. Menzi H., Katz P.E., Fahrni M. A simple empirical model based on regression analysis to estimate ammonia emissions afire manure application // .// Atmos. Environ. Atmos. Environ. A.- 1998.-32, № 2.-C.301-307.

200. Morkee E.H. Effect of vertical temperature difference in soiling index .// J. Air Pollut Control Assoc.—1961. V.l 1, N3.

201. Moses H. Argone urban rural air flow program // Bui. Amer. Met. Soc.— 1974.—V.55.—N2.—P. 112-114.

202. Munn R.E. Astudy of suspended particulate air pollution at two location in Toronto, Canada.//Atmos. Environ.—1972.—V.6.—P.311-318.

203. Niemeyer L.E. Forecasting air pollution potential // Mon.Wea. Rev. 1960.— V.88, N3.—P.88-96

204. Nudelman H.J., Frizzda J.A. An air pollution incident due to stationary front. //J. Air Poll. Control Assoc., 1974, V.24

205. Ojima T., Murakfmi S., Mistsumoto K. // Seisan kenkyu=Mon. J. Inst. Ind. Sei./ Univ. Tokyo.- 1997. -49, № 10.—C.517-520.

206. Oliese L., Joselli B. Unexpected high levels of ozone measured in Cordoba, Argentina. //J. Atmos. Chem. 1998. 31, №3 .-C. 269-279.

207. Osrodka Leszek, Wojtylak Marek, Swiech-Skiba Janina. Cechy i uwarunkowania epizodow zanieczyszczen powietrza w porze cieplej na Gornym Slasku. // Wiad. Inst, meteorol. i gosp. wod. 1998. -21, №1. -C. 131-139.

208. Panero C., Pablo F. de Sanchez J.M., Tomas C. Statistical modelling and prediction of pollutants in the urban atmospehe of Salamanca, Spain. // Int. J. Biometeorol.-1997.-40, №4. C. 223-233.

209. Panzram H. Meteorologische Aspekte fur Reinhaltung der Luft /ANaturwiss. Rolsch. 1971.—H.24, N.9.—S. 390-392.

210. Peczely G. Die Luftverunreiningung in Budapest verschiedenen makrosynoptischen Lagen. // Z. Meteorol.—1959.—H.13, N1-6.

211. Pipp Jennete. Using linear regression to predict maximum temperatures from forecasted 1000-850-mb thickness.//J. Minn. Acad. Sei. 1999. 63, №3, c.19

212. Pryor S. A case study of emission changes and ozone responses. // Atmos. Environ. Atmos. Environ. A.- 1998.-32, № 3.-C.125-131.V

213. Rajh-Alafic Zalika, Cuhalev Igor, Sistersis Andrej. Distribution of hich ozone concentrations in the Ljubliana Basin and on High Appine slopes.// Man and

214. Ecosist: Proc. 8th World Clean Air Congr., The Hague, 11-15 Sept., 1989. Vol 3.—Amsterdam efc., 1989.—P. 153-158.

215. Remsberg E.E., Wodbury G.E. Stability of the surface layer and its relation to the dispersion of primary pollutants in St. Louis. // J. Chim. And Appl. Meteor.— 1983. V.22, N2.—P.244-255.

216. Schmidt F.H. Air pollution studies in the Netherlands. SEC Techn. Rept. 1962.—N5

217. Schmidt F.H. Local circulation abound an industrial area. // Int. J. Air Watt. Pollute. 1963—V7, N9-10. - P. 925-926.

218. Schmidt F.H., Boer J.H. Local circulation abound an industrial area // Berichte des Deutschen Wetterdienstes.—1963.—Bd. 12, N 91.—P.28-31

219. Shang Kezheng, Wang Shigong, Yang Debao, Fu Youzhi. // Lanzhou daxue xuebao. Ziran kexue ban= J. Lanzhou Univ. Natur. Sci.-1998. — 34, №4.-C.165-170.

220. Sladek I. Vztahy mezi rezinum znecisteni ovzdusi f pocasim v severozapadnich Cechach // Meteorologicke Zpravy.—1975.-- V.28, N4.—P.97

221. Souto J. A., Perez-Munuzuri V., DeCastro M., Souto M. J., Casares J.J., Lucas T. Forecasting and diagnostic analysis of plume transport around a power plant. //J. Appl. Meteorol. 1998. -37, №10, Pt 1.-C.1068-1083.

222. Statheropoulos M., Vassiliadis N., Pappa A. Principal component and canonical correlation analisis for examining air pollution and meteorological data. // Atmos. Environ. Atmos. Environ. A.- 1998.-32, № 6.- C.l 1087-1095.

223. Stenhauser F. Der Tagesgang der Lufitverschutzung in Wien. // Arch. Meteor., Geophys. und Bioklimatol—1962.—Bd. 12, N1.

224. Stepnens E.R. Chemistry and meteorology in air pollution episode // J. of APCA—1975.—V.25, N5.

225. Tomoszewska Anna Monika, Godlowska Jolanta. Prognoza przyziemnych st^zen ozonu w Krakowie. // Wiad. Inst.meteorol. i gosp. wod.—1998.—21, N1.—C.141-154.

226. Trevino C., Mendez F. Simhlified model for the prediction of ozone generation in polluted urban areas with continuous precursor species emissions.

227. Departamento de Fisica Facultad de Ciencias, UNAM 04510 Mexico D.F.,Mexico).// Atmos.Environ. 1999.33, № 7, c.l 103-1110.

228. Vassilev I. Classification of synoptic processes determining different levels of the air pollution in city of Sofia. // Bulg. J. Meteorol. and Hydrol. — 1998.- 9, №1.-C.35-51.

229. Walczewski Jacek. Wskaznik meteorologiczny okreslajacy prawdopodobienstwo wzrostu zanieczyszczenia powietrza w okresie zimowym. // Wiad. Inst, meteorol. i gosp. wod. -1996.-20, № 1. C. 129-135.

230. Wang S., Yang D., Shang K. Lanzhou daxue xuebao. Ziran kexue ban. // J. Lanzhou Univ. Natur. Sei.- 1997. -33, №3.- C.97-105.

231. WHO Library Cataloguing in Publication Data. Acute effects on health of Smog episodes: report on a WMO meeting (1992). WMO regional publications. European series; N43

232. Zenger A. Übertragung von Ausbreitungsklassenstatistiken nach dem Brenk-Verfahren. Unsicherheiten und mögliche Fehler. // Gefahrstoffe-Reinhalt. Luft.-1996.-56, №12.-C.453-455.

233. Zewe E. Der Einfluss von tiefliegenden Inversionen auf die SO2 — conzentration in Lebenstraum. // Meteor. Rundschau. 1962.—Bd. 15, N4.

234. Ziomas I., Tzoumaka P., Balis D., Melas D., Zerefos C.S., Klemm D. Ozone episodes in Athens, Greece. A modelling approach uswing data from the MEDCAPHOT-TRACE . // Atmos. Environ.- 1998.- 32, №12. -C.2313-2321.

235. Zoumakis N. Characteristics of maximum concentrations from multiple point sources. // J. Appl. Meteorol. -1998.-37, № 7.-C.730-735.