Regulation of air pollution (literature review)



Cite item

Full Text

Abstract

The article summarizes the world experience of the atmospheric air quality assessing in different countries. The review is based on the data of scientific literature, regulatory and methodological documents. The features of the regulation of pollutants in the atmospheric air in a number of countries, including Russia, and a comparison of the standards established in these countries are given. Different approaches to the regulation of pollutants in the atmospheric air in different countries have been identified. The analysis of the world methods of air quality assessment and instrumental control is carried out, the most well-known and popular mathematical models of assessment and forecasting of atmospheric air quality are considered. It is revealed that the data on the state of atmospheric air obtained using predictive modeling have significant similarities with the data obtained on the basis of field measurements. However, the use of a wide network of measurement stations allows us to obtain the most accurate data on the concentration of atmospheric pollutants in the current time period. An overview of the world's online services for monitoring the state of atmospheric air in real time is given. The methods of risk assessment of the influence of the level of pollutants in the atmospheric air on the health of the population are described. It has been established that the greatest successes in the area of atmospheric air quality control have been achieved in the countries of Europe, the USA, China, whose residents can receive up-to-date information about the state of atmospheric air in free access in real time. In Russia, despite the ongoing assessment of the quality of atmospheric air, there is still no single service available to the public that allows to get all the necessary information about the quality of atmospheric air.

Full Text

ВВЕДЕНИЕ

Загрязнение атмосферного воздуха признаётся ВОЗ одной из самых серьёзных экологических угроз [1]. Развитие промышленного комплекса, рост индустриализации приводят к увеличению выбросов в атмосферу. Аэрополлютанты оказывают ряд негативных эффектов на здоровье человека, приводя к формированию и прогрессированию заболеваний сердечно-сосудистой, дыхательной, эндокринной систем, аллергических реакций, онкопатологии и др. [2]. Детское население, лица с хроническими заболеваниями являются наиболее уязвимыми к негативному воздействию загрязнителей атмосферного воздуха [3]. В связи с вышесказанным, постоянный контроль за качеством атмосферного воздуха является важнейшей задачей на государственном и общемировом уровнях. В обзоре представлен мировой опыт нормирования аэрополлютантов, оценки качества атмосферного воздуха, существующие онлайн-сервисы мониторинга состояния атмосферного воздуха, методики расчета риска влияния загрязнения атмосферного воздуха на здоровье населения в разных странах.

НОРМИРОВАНИЕ СОДЕРЖАНИЯ ПОЛЛЮТАНТОВ АТМОСФЕРНОГО ВОЗДУХА В РАЗНЫХ СТРАНАХ

Нормирование содержания загрязнителей атмосферного воздуха, в представленных в статье странах, осуществляется на государственном уровне. Для загрязнителей атмосферного воздуха с учетом класса опасности установлены предельно допустимые концентрации (ПДК). Нормирование содержания загрязняющих веществ проводится путем определения значения максимально-разовых, среднесуточных и среднегодовых концентраций. Каждое государство самостоятельно  устанавливает ПДК аэрополлютантов, однако существуют Глобальные рекомендации ВОЗ о ПДК основных загрязнителей воздуха, представляющих наибольшую угрозу для здоровья населения: взвешенные частицы, озон, диоксид азота, диоксид серы, оксид углерода [4]. Данные рекомендации основаны на экспертной оценке актуальных научных данных о их влиянии на здоровье человека и применимы в любой стране мира (табл. 1).

 

Таблица 1. Предельно допустимая концентрация загрязнителей воздуха, рекомендованная ВОЗ [4].

Table 1. WHO maximum permissible concentration of air pollutants [4].

Загрязнитель
Pollutant

Среднегодовое значение, мкг/м3
Average annual value, µg/m3

Среднесуточное значение, мкг/м3
Average daily value, µg/m3

SO2

 

40

CO

 

4000

NO2

10

25

O3

60*

100**

PM2.5

5

15

PM10

15

45

* суточная 8-часовая средняя концентрация, пиковый сезон. Пиковая сезонная концентрация рассчитывается как среднесуточная 8-часовая концентрация O3 в течение шести идущих подряд месяцев с наибольшим средним шестимесячным значением концентрации O3.

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

* daily 8-hour average concentration, peak season. Peak seasonal concentration is calculated as the daily average 8-hour O3 concentration for six consecutive months with the highest average six-month O3 concentration.

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

 

Также в данном документе ВОЗ [4] представлены рекомендации качественного характера о содержании в воздухе сажи/атомарного углерода, сверхтонких взвешенных частиц (диаметром ≤1мкм), а также частиц, попадающих в воздух в результате пыльных и песчаных бурь.

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

 

Таблица 2. Предельно допустимые концентрации загрязнителей в различных странах в мг/м3.

Table 2. Maximum permissible concentration of pollutants in different countries in mg/m3.

Страна Country

SO2

NO2

O3

CO

Pb

Взвешенные частицы particulate matter

PM2.5

PM10

Россия

Russia

0,05/

0,5

0,04/
0,1

0,03/0,1

3,0/
3,0

0,00015/

0,0003

0,025/

0,035

0,04/

0,06

США

USA

-/
1,33

0,10/

0,19

-/
0,14

-/
10,45

0,00015/
-

0,012/

0,035

-/
0,15

ЕС

EU

-/
0,125

0,04/

0,2

-/
0,12

-/
10

0,0005/
-

0,02/
-

0,04/

0,05

Китай

China

0,02/

0,05

0,04/

0,08

-/
0,1

4/
10

0,0005/
-

0,015/

0,035

0,04/

0,05

Примечание: в числителе – среднегодовые, в знаменателе – среднесуточные значения.

Note: in the numerator – the average annual, in the denominator – the average daily values.

 

В России ПДК содержания загрязняющих веществ в атмосферном воздухе регламентируются санитарными правилами и нормами1. В данном документе приводятся ПДК около 1700 загрязняющих веществ, содержащихся в атмосферном воздухе, в том числе указанных в табл. 2. Также данный документ устанавливает ПДК микроорганизмов-продуцентов, бактериальных препаратов и их компонентов в атмосферном воздухе, ориентировочные безопасные уровни и аварийные пределы воздействия отравляющих веществ и продуктов их деструкции в атмосферном воздухе.

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

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

В последние 10 лет существенное внимание состоянию атмосферного воздуха уделяется в Китае [9], где оценка качества атмосферного воздуха осуществляется в соответствии со стандартом GB 3095-20122, в котором основными загрязнителями признаны SO2, NO2, CO, O3, PM10, PM2.5. Также существуют дополнительные стандарты, устанавливающие ПДК для бенз[а]пирена, свинца, оксидов азота, общего количества взвешенных частиц.

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

ОЦЕНКА КАЧЕСТВА АТМОСФЕРНОГО ВОЗДУХА

Методы оценки

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

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

Для измерения газообразных загрязнителей воздуха в настоящее время применяют два типа датчиков: металл-оксид-полупроводник (МОП) и электрохимические. В датчиках МОП используется оксид металла, который меняет свои электрические свойства (чаще сопротивление) при воздействии целевого газа. Это изменение легко измерить и оно соответствует концентрации газа [17]. Такие датчики имеют небольшие размеры (несколько миллиметров), весят несколько граммов, недорогие (~10 долларов США), имеют быстрое время отклика, низкие пределы обнаружения и потребляемую мощность (~100 мВт) [18, 19]. К недостаткам МОП можно отнести высокую чувствительность к изменениям условий окружающей среды и мешающим газам, многие датчики имеют нелинейную кривую отклика [20, 21]. В электрохимическом датчике целевой газ подвергается электролизу (окислению или восстановлению) на рабочем электроде и генерирует электрический ток, который уравновешивается реакцией на противоэлектроде. Измеренный электрический ток соответствует концентрации газа, а отклик линейный либо логарифмический [18]. Утверждается, что электрохимические датчики имеют более низкие пределы обнаружения, требования к мощности (~ 100 мкВт) и чувствительность к изменениям условий окружающей среды и мешающим газам, чем датчики МОП, но для них характерен больший размер (несколько десятков миллиметров в размере) и более высокая цена (~ 100 долларов) [18, 19].

В обзоре [22] описаны 112 моделей станций мониторинга качества воздуха от 77 производителей. По данным ВОЗ стационарные наблюдательные посты установлены в 6 000 городах 117 стран мира [23]. В рамках проекта World Air Quality Index публикуются данные от 12 000 станций мониторинга, в том числе персональных, а общее их количество более 30 000 [24].

Кроме наземных станций слежения, в настоящее время используются также спутниковые системы дистанционного зондирования, которые измеряют оптическую толщину аэрозоля (Aerosol Optical Thickness AOT или Aerosol Optical Depth, AOD), для чего применяются спектрорадиометрические технологии (MODerate resolution Imaging Spectroradiometer, MODIS) [25]. Продукты MODIS-AOD эффективно применяются для прогнозирования краткосрочных концентраций PM2.5 в Китае [26, 27], а также при создании карт [28]. Недостатком таких систем является то, что облачный покров серьезно ограничивает фактический пространственный охват AOD [29]. Спутниковые данные актуальны по времени только для момента прохождения спутника, интегральны по всему атмосферному столбу.

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

Опыт России

В Российской Федерации в рамках реализации национального проекта «Экология» с 2018 года действует Федеральный проект «Чистый воздух». Он направлен на снижение выбросов опасных загрязняющих веществ, оказывающих наибольшее негативное влияние на окружающую среду и здоровье населения [33]. Данные от автоматических станций контроля загрязнения атмосферного воздуха поступают в режиме реального времени в Центр сбора данных Росгидромета на базе ФГБУ «НПО Тайфун». Станции контроля расположены в 12 городах на территории 9 управлений по гидрометеорологии и мониторингу окружающей среды: Братск, Красноярск, Липецк, Магнитогорск, Медногорск, Нижний Тагил, Новокузнецк, Норильск, Омск, Челябинск, Череповец и Чита [34]. Вся официальная информация и новости проекта публикуются на официальном сайте3, а также в социальных сетях и мессенджерах.

На сайте Росгидромета также имеется ограниченная информация о проекте «Чистый воздух». При этом существует как официальный сайт Управления по гидрометеорологии и мониторингу окружающей среды (Росгидромета)4, так и сайты управлений отдельных регионов или федеральных округов [35]. На сайте «Приволжского УГМС»5 описывается реализация проекта «Чистый воздух» в г. Медногорск Оренбургской области. Сайты различных УГМС не имеют единообразного оформления и структуры, в то же время практически на всех присутствует раздел «Мониторинг загрязнения окружающей среды», в котором представлены интерактивные карты мониторинга загрязнения атмосферного воздуха. Данные карты отображают либо только места расположения стационарных постов наблюдения, либо концентрацию загрязняющих веществ в ПДК в местах наблюдения. Также можно найти информацию о загрязняющих веществах, определяемых отдельными постами наблюдения. Однако полная информация о качестве атмосферного воздуха в режиме реального времени, а также прогностические данные о загрязнении воздуха на территории соответствующего УГМС, в свободном доступе отсутствуют. Таким образом, несмотря на проводимый контроль за состоянием атмосферного воздуха, в России не существует единой системы для визуализации данной информации в удобном виде.

Опыт США

По данным EPA на территории США функционируют около 4 000 станций мониторинга, принадлежащих и эксплуатируемых в основном государственными природоохранными органами, которые предоставляют ежечасные или ежедневные результаты измерения концентраций загрязняющих веществ в базу данных AQS (Air Quality System) [36].

Для мониторинга содержания в атмосферном воздухе PM2.5, как наиболее приоритетного загрязнителя, применяется компьютерная модель Community Multiscale Air Quality model (CMAQ) [37] с использованием 13 вертикальных слоев, которые охватывают верхнюю часть тропосферы над территорией США. В качестве выходных данных CMAQ о среднесуточной концентрации PM2.5 используются почасовые выходные данные приземного слоя (около 19 м от земли). Помимо PM2.5 модели CMAQ прогнозируют также концентрации в атмосферном воздухе озона и токсичных и кислотообразующих веществ. Данные CMAQ используются проектом EQUATES (EPA’s Air QUAlity TimE Series Project) для поддержки нормативно-правового и политического анализа, а также исследований в области здравоохранения и экологии. Доступ к ресурсу предоставляется по запросу6.

Опыт европейских стран

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

Помимо общеевропейской существуют также национальные организации, такие как Федеральное агентство по окружающей среде Германии (UBA)7, которые также могут использовать инфраструктуру EPA. Так, например, в работе [39] проанализированы данные долгосрочных наблюдений за изменчивостью твердых частиц (PM2.5, PM10), газообразных загрязнителей (CO, NO2, NOX, SO2 и O3) и метеорологических факторов на 412 стационарных станциях мониторинга с января 2008 г. по декабрь 2018 г. на территории Германии. Исследователями выявлены значительные корреляционные связи концентрации CO и температуры с концентрацией PM2.5 и PM10, при этом обнаруженная слабая корреляция между концентрациями самих PM2,5 и PM10 позволила авторам сделать вывод о том, что у них разные источники.

В Великобритании основной сетью, осуществляющей контроль качества атмосферного воздуха, является Государственная автоматическая городская и сельская сеть AURN [40], при этом в крупных городах есть и собственные независимые станции. Так, например, городской совет Бристоля содержит пять дополнительных станций мониторинга, которые работают по тем же принципам, что и национальная сеть AURN [40].

В Европе реализуются также наднациональные проекты, направленные на повышение вовлеченности населения в решение проблем загрязнения атмосферного воздуха. Например, шесть европейских городов/регионов, объединены в экологическую игру проекта Clair City Skylines8 (Бристоль, Великобритания; Амстердам, Нидерланды; Сосновец, Польша; Любляна, Словения; Авейру, Португалия; Лигурия, Италия) [41].

Опыт Индии

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

Опыт Китая

В Китае мониторинг качества окружающей среды осуществляется с начала 1970-х годов и продолжает активно развиваться [43]. В настоящее время в Китае существует четырехуровневая система контроля качества атмосферного воздуха, которая включает в себя станции мониторинга на национальном, провинциальном, муниципальном и уездном уровнях. На национальном уровне China National Environmental Monitoring Center (CNEMC) является центром технологий, сетей, информации, контроля качества и обучения в отношении мониторинга качества окружающей среды. Собираемые Центром данные обеспечивают качественную оценку состояния атмосферного воздуха в стране. В 2012 году была завершена работа по настройке Национальной сети мониторинга качества атмосферного воздуха, состоящая из 1436 пунктов наблюдения, которая охватила 338 городов уровня префектуры или выше в 31 провинции. Кроме того, в провинциях, автономных районах и муниципалитетах центрального подчинения создано более 4000 провинциальных и городских контрольных пунктов. Таким образом, Китай построил крупнейшую сеть мониторинга качества воздуха в городской среде среди всех развивающихся стран. К концу 2012 г. 74 города-первопроходца регулярно проводили мониторинг шести загрязнителей воздуха (PM10, PM2.5, SO2, NO2, O3 и CO), а с начала 2015 г. мониторинг шести вышеуказанных загрязнителей воздуха проводится во всех 338 городах сети [43]. С 2015 года в 20 городах провинции Сычуань начался мониторинг в режиме реального времени 6 стандартных загрязнителей атмосферы (PM10, PM2.5, SO2, NO2, O3 и CO) с почасовой публикацией данных Министерством Охраны окружающей среды КНР [44].

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

ИНТЕРАКТИВНЫЕ КАРТЫ

В России в 1995 году образована межрегиональная общественная организация содействия развитию рынка геоинформационных технологий и услуг (ГИС-Ассоциация). Являясь негосударственной и некоммерческой общественной организацией, ГИС-Ассоциация объединила в своих рядах специалистов высших учебных заведений, научно-исследовательских, производственных, инженерных, проектно-конструкторских, информационных и других организаций, занятых в области разработки и применения геоинформационных технологий на территории бывшего СССР [50].

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

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

Таблица 3. Онлайн-сервисы мониторинга состояния атмосферного воздуха.

Table 3. Air condition monitoring online services.  

Название, сайт

Name, site

Страна

Country

Загрязнители

Pollutants

Особенности

Features

физические physical

химические chemical

BreezoMeter,

https://www.breezometer.com

Израиль

Israel

PM2.5
PM10

NO2

NOx

NO
O3
SO2
CO

Используется комбинация данных от спутников и наземных станций. Приложение для смартфона отображает качество воздуха в режиме реального времени с точностью до 5 метров.

Uses a combination of data from satellites and ground stations Smartphone app to display air quality in real time with an accuracy of up to 5 meters.

CityAir,

https://cityair.ru/ru/

https://airvoice.io/ru

 

Россия

Russia

PM2.5 PM10

NO2
O3
SO2
CO
H2S

В основе моделирования лежит прогноз поля скоростей ветра (GFS, WRF) и данные об основных источниках эмиссий. Охватывает очень мало городов.

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

IqAir Map,

https://www.iqair.com

Швейцария Switzerland

PM2.5

*

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

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

Национальная гидрометеослужба Республики Казахстан, National Hydrometeorological Service of the Republic of Kazakhstan

https://kazhydromet.kz/ru/post/19

http://maps.hydromet.kz

http://apps.kazhydromet.kz:3838/app_dem_visual/

Казахстан Kazakhstan

PM2.5 PM10

NO2

NO
O3
SO2
CO

 

Охватывает 45 населенных пунктов Казахстана. Информация обновляется с интервалом в один час (по 84 автоматическим станциям) и три раза в сутки по 56 ручным постам. Частые сбои.

Covers 45 settlements of Kazakhstan. The information is updated with an interval of one hour (for 84 automatic stations) and three times a day for 56 manual posts. Frequent failures.

Nebo.live,

https://nebo.live

Россия Russia

PM2.5 PM10

NO2
O3
SO2
CO

Открытая платформа для создания независимой системы измерения качества воздуха. Использует только данные наземных станций, подключенных к проекту.

An open platform for building an independent air quality measurement system. Uses only data from ground stations connected to the project.

OpenAQ

https://openaq.org/#/map

США, Монголия

USA, Mongolia

PM2.5 PM10
BС

NO2
O3
SO2
CO

Проект с открытым исходным кодом. Использует открытые данные наземных станций.

Open source project. Uses open data from ground stations.

plume labs

https://air.plumelabs.com/air-quality-map

Франция

France

PM2.5 PM10

NO2
O3

Карта загрязнённости воздуха в реальном времени для каждой улицы более 100 крупнейших городов Европы и США.

Real-time air pollution map for every street in over 100 major cities in Europe and the US.

SILAM

https://silam.fmi.fi

Финляндия

Finland

PM2.5 PM10

Dust

SOASIA

NO2

NO
O3
SO2
CO

 

Комплексная модель состава атмосферы от глобального до среднего масштаба. Основана на моделях Эйлера-Лагранжа.

Global-to-meso-scale dispersion model developed for atmospheric composition, incorporates both Eulerian and Lagrangian transport routines.

VentySky

https://www.ventusky.com

Чехия Czech

PM2.5 PM10
Dust

NO2
O3
SO2
CO

Погодный сервис реального времени, отображает также аэрополлютанты. Использует комбинацию данных от спутников и наземных станций, модели SILAM, FMI.

Real-time weather service, also displays air pollutants. Uses a combination of data from satellites and ground stations, SILAM, FMI models

Windy

https://www.windy.com

Чехия Czech

PM2.5 SOASIA

NO2
O3

Погодный сервис реального времени, отображает также аэрополлютанты. Использует модели GFS, ECMWF и ICON.

Real-time weather service, also displays air pollutants. Uses GFS, ECMWF and ICON models

World's air pollution

https://waqi.info

https://aqicn.org

Китай

China

PM2.5 PM10

NO2
O3
SO2
CO

В режиме реального времени отображает данные более 30 000 станций в 2 000 городах по всему миру.

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

Примечание: * Набор веществ различается для разных точек.

Обозначения: BC – углеродные частицы, Dust – пыль, SOA - вторичные органические аэрозоли, SIA - вторичные неорганические аэрозоли

Note: * The set of substances differs for different points

Designations: BC - black carbon, Dust - dust, SOA - secondary organic aerosols, SIA - secondary inorganic aerosols.            

Прогностические модели оценки качества атмосферного воздуха

Для прогнозирования качества атмосферного воздуха используются различные подходы и модели. Существует три основных вида моделей для прогнозирования загрязнения воздуха: статистические, интеллектуальные и гибридные [51]. Статистические модели в основном учитывают статистическую взаимосвязь между концентрацией загрязнителей воздуха и историческими данными о различных влияющих факторах и устанавливаются с использованием математико-статистических методов. Среди многочисленных статистических моделей для оценки качества атмосферного воздуха наиболее широко используются модели временных рядов и регрессионные модели. Модели временных рядов включают авторегрессионную модель, модель скользящего среднего, авторегрессионную модель скользящего среднего и интегральную авторегрессионную модель скользящего среднего. Регрессионные модели, применяемые для прогнозирования загрязнения воздуха, включают модель пошаговой регрессии, модель регрессии главных компонент, модель множественной линейной регрессии и др.

Интеллектуальные модели учитывают источники загрязнителей (например, промышленные предприятия, транспорт, техногенные аварии, природные источники, такие как лесные пожары и т.д.). В настоящее время для изучения воздействия лесных пожаров, природных и техногенных катастроф, извержений вулканов на состояние атмосферного воздуха применяется компьютерный пакет программ SILAM, созданный Финским метеорологическим институтом [52]. В качестве исходных данных система использует архивные метеорологические базы данных, с применением модели Лагранжа-Эйлера для построения расчётной схемы. В настоящее время система SILAM широко применяется для моделирования распространения в атмосфере газовых примесей, пыли, радиоактивных изотопов, взвешенных частиц различного диаметра и природных аллергенов [52].

Учитывая актуальность проблемы, в настоящее время также предложены модели для прогнозирования загрязнения атмосферного воздуха, создаваемого автотранспортом в городской среде с учётом застройки [53].

В то время как прогноз модели качества воздуха представляет некоторые концентрации, усреднённые по времени/пространству, наблюдение в любой момент времени в точке мониторинга отражает отдельное событие или конкретную реализацию из совокупности, которая почти всегда будет отличаться от оценки модели, даже если модель и её входные данные были идеальными [46, 47].

Сравнение смоделированных и наблюдаемых концентраций в пространстве и времени указывает на погрешности и ошибки при моделировании абсолютных уровней концентраций загрязняющих веществ на отдельных участках мониторинга [48].

Независимо от того, насколько точна региональная модель оценки качества воздуха, стохастические вариации в атмосфере не могут быть последовательно воспроизведены детерминированными численными моделями. В работе [47] показано, как количественно определить этот невоспроизводимый стохастический компонент, выделяя синоптическое воздействие, заложенное в более чем 30 лет исторических наблюдений, и оценивая эффективность 36-километровой полностью связанной модели WRF-CMAQ при моделировании концентраций озона за 21 год над прилегающей территорией. Проведённый с использованием натурных данных из США анализ показал, что в среднем неустранимая ошибка, связанная со стохастическим характером атмосферы, колеблется от ~ 2 ppb (частей на миллиард) в 50-м процентиле до ~ 5 ppb (частей на миллиард) в 95-м процентиле [47].

Имеется опыт пространственного моделирования содержания PM10 в атмосферном воздухе с использованием данных наблюдений за 2012–2016 годы в урбанизированном и густонаселенном штате Малайзии Селангор на основании данных дистанционного зондирования, таких как высота над уровнем моря, уклон, плотность дороги, индекс растительности с поправкой на почву, нормализованный разностный индекс растительности, индекс застройки, температура поверхности земли и скорость ветра. Пространственное моделирование содержания PM10 в атмосферном воздухе было выполнено по данным, получаемым от 4 наземных измерительных станций с использованием алгоритмов Naïve Bayes (NB), Random Forest (RF) и K-Nearest Neighbour (KNN), точность моделирования оценена авторами как высокая (0,96, 0,98, 0,91 для каждого из методов соответственно) [54].

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

ОЦЕНКИ РИСКА влияния загрязнения атмосферного воздуха на здоровье населения

Различными государствами и международными организациями предложены методики оценки риска влияния загрязнения атмосферного воздуха на здоровье населения. Рекомендуемая ВОЗ методика оценки риска для здоровья от загрязнения воздуха (AP-HRA) анализирует возможные последствия принимаемых политических мер, влияющих на качество воздуха в различных социально-экономических, экологических и политических условиях. AP-HRA является важным инструментом для обоснования принятия решений государственной политики в сфере здоровьесбережения населения [55]. Методика предусматривает оценку экспозиции популяции к загрязнителям воздуха, оценку риска для здоровья, количественное выражение неопределенностей генерируемой оценки последствий для здоровья населения.

Методика AP-HRA предназначена для оценки рисков уровней выброса загрязняющих веществ  в прошлом, настоящем и будущем, на основе прогнозирования изменения уровней выбросов в результате принятых политических решений или других причин изменения качества воздуха [55]. Данная методика оценивает концентрации загрязняющих веществ в воздухе, экспозицию (общее время и количество контактов) исследуемой группы населения, и потенциальные риски для здоровья лиц, подвергающихся воздействию загрязнителей атмосферного воздуха.

В России и странах СНГ разработаны собственные инструкции для оценки риска [56], основанные на методологии риск-анализа, разработанного в Центре по безопасности химической промышленности (CCPS) США [57]. В соответствии с методологией устанавливаются постоянные источники выбросов вредных веществ в атмосферу с учетом их количества, физических и химических свойств. После определения популяции, подвергающейся экспозиции загрязняющими веществами от определенного источника и процесса распространения поллютантов (главным образом путем использования математических моделей), проводится установление зависимостей «доза-эффект» с количественной характеристикой эффекта или риска [56].

Заключение

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

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

 

1СанПиН 1.2.3685-21 «Гигиенические нормативы содержания загрязняющих веществ в атмосферном воздухе городских и сельских поселений»

2Национальный стандарт качества атмосферного воздуха GB 3095-2012.
Дата обращения: 05.05.2023. Доступ по ссылке: http://faolex.fao.org/docs/pdf/chn136756.pdf

3Федеральный проект «Чистый воздух» национального проекта «Экология». Официальный сайт. Дата обращения: 05.05.2023. Доступ по ссылке: http://min.prirodyair.tilda.ws

4Управление по гидрометеорологии и мониторингу окружающей среды России (Росгидромет). Официальный сайт. Дата обращения: 05.05.2023. Доступ по ссылке: https://www.meteorf.gov.ru/

5ФГБУ «Приволжское УГМС». Официальный сайт. Дата обращения: 05.05.2023. Доступ по ссылке: http://www.pogoda-sv.ru

6Данные компьютерной модели Community Multiscale Air Quality model (CMAQ). Дата обращения: 02.04.2023. Доступ по ссылке: https://www.epa.gov/cmaq/forms/cmaq-data#download_CMAQ_data

7Федеральное агентство по окружающей среде Германии. Официальный сайт. Дата обращения: 02.05.2023. Доступ по ссылке: https://www.umweltbundesamt.de/en/

8Проект Clair City Skylines. Дата обращения: 02.04.2023.
Доступ по ссылке: http://www.claircity.eu/2020/02/06/claircity-skylines/

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

×

About the authors

Michail Pozdnyakov

Saratov Hygiene Medical Research Center of the FBSI «FSC Medical and Preventive Health Risk Management Technologies»;
Federal State Budgetary Educational Institution of Higher Education "V.I. Razumovsky Saratov State Medical University" of the Ministry of Healthcare of the Russian Federation

Author for correspondence.
Email: mpozdnyakov@yandex.ru
ORCID iD: 0000-0002-2067-3830
Russian Federation

Svyatoslav Mazilov

Email: smazilov@ya.ru

Svetlana V Raikova

Saratov Hygiene Medical Research Center of the Federal Scientific Center for Medical and Preventive Health Risk Management Technologies; Saratov State Medical University named after V.I. Razumovsky

Email: matiz853@yandex.ru
Russian Federation, Saratov, Russia; Saratov, Russia

Yury S Gusev

Email: yuran1989@yandex.ru

Natalia E Komleva

Saratov Hygiene Medical Research Center of the FBSI «FSC Medical and Preventive Health Risk Management Technologies»;
Federal State Budgetary Educational Institution of Higher Education "V.I. Razumovsky Saratov State Medical University" of the Ministry of Healthcare of the Russian Federation

Email: nekomleva@yandex.ru

Доктор медицинских наук.

Заместитель руководителя по научной работе,

заведующая отделом медико-профилактических и инновационных технологий

Russian Federation, 410022, Россия, Саратов, ул. Заречная, д. 1А; 410012, Россия, Саратов, ул. Б. Казачья, д. 112

Anatoly N Mikerov

Saratov Hygiene Medical Research Center of the Federal Scientific Center for Medical and Preventive Health Risk Management Technologies; Saratov State Medical University named after V.I. Razumovsky

Email: mail@smncg.ru

Доктор биологических наук.

Руководитель Саратовского медицинского научного центра гигиены Федерального бюджетного учреждения науки "Федеральный научный центр медико - профилактических технологий управления рисками здоровью населения" Федеральной службы по надзору в сфере защиты прав потребителей и благополучия человека

Russian Federation, Saratov, Russia; Saratov, Russia

References

  1. Ambient (outdoor) air pollution. WHO Fact sheet. [cited 2023 Mar 31]. Available from: https://www.who.int/news-room/fact-sheets/detail/ambient-(outdoor)-air-quality-and-health
  2. Dominski F.H., Branco J.H.L., Buonanno G. et al. Effects of air pollution on health: A mapping review of systematic reviews and meta-analyses. Environmental Research. 2021; 201: 111487. doi: 10.1016/j.envres.2021.111487
  3. Chanchaeva E.A., Gvozdareva O.V., Gvozdarev A.Y. Air quality and children’s health: the role of increasing transport-related and thermal air pollution. Ekologiya cheloveka (Human Ecology). 2019; 26(11):12-19. doi: 10.33396/1728-0869-2019-11-12-19
  4. World Health Organization. (‎2021)‎. WHO global air quality guidelines: particulate matter (‎PM2.5 and PM10)‎, ozone, nitrogen dioxide, sulfur dioxide and carbon monoxide. [cited 2023 Mar 31]. Available from: https://apps.who.int/iris/bitstream/handle/10665/345329/9789240034228-eng.pdf
  5. Murav'eva S.I., Bukovskij M.I., Prohorova E.K. et al. Rukovodstvo po kontrolju vrednyh veshhestv v vozduhe rabochej zony: Sprav. izd. Moscow: Himija, 1991. 368 p. (in Russ).
  6. NAAQS Table. United States Environmental Protection Agency. URL: https://www.epa.gov/criteria-air-pollutants/naaqs-table (accessed: 04.04.2023)
  7. Standards - Air Quality - Environment - European Commission. European Commission. [cited 2023 Mar 31]. Available from: https://ec.europa.eu/environment/air/quality/standards.htm
  8. Air quality standards. European Commission. [cited 2023 Apr 02]. Available from: https://www.eea.europa.eu/themes/air/air-quality-concentrations/air-quality-standards
  9. Wang Z., Tan Y., Guo M. et al. Prospect of China’s ambient air quality standards. Journal of environmental sciences. 2023; 123:255-269 doi: 10.1016/j.jes.2022.03.036
  10. Gong J., Ding L., Lu Y. et al. Scientometric and multidimensional contents analysis of PM2.5 concentration prediction. Heliyon. 2023;9(3):e14526. doi: 10.1016/j.heliyon.2023.e14526
  11. Rai A.C., Kumar P., Pilla F. et al. End-user perspective of low-cost sensors for outdoor air pollution monitoring. Science of the Total Environment. 2017; 607-608:691-705. doi: 10.1016/j.scitotenv.2017.06.266
  12. Wang. Y., Li J., Jing H. et al. Laboratory evaluation and calibration of three low-cost particle sensors for particulate matter measurement. Aerosol Science and Technology. 2015; 49:P.1063–1077.
  13. Koehler K.A., Peters T.M. 2015. New methods for personal exposure monitoring for airborne particles. Current environmental health reports. 2015;2:399–411.
  14. Thomas A., Gebhart J. Correlations between gravimetry and light scattering photometry for atmospheric aerosols. Atmospheric Environment. 1994;28:935–938.
  15. Northcross A.L., Edwards R.J., Johnson M.A. et al. A low-cost particle counter as a real-time fine-particle mass monitor. Environmental Science: Processes & Impacts. 2013;15:433–439.
  16. Sousan S., Koehler K., Thomas G. et al. Inter-comparison of low-cost sensors for measuring the mass concentration of occupational aerosols. Aerosol Science and Technology. 2016;50:P.462–473.
  17. Fine G.F., Cavanagh L.M., Afonja A., Binions R. Metal oxide semi-conductor gas sensors in environmental monitoring. Sensors (Basel). 2010;10:5469–5502.
  18. Aleixandre M., Gerboles M. Review of small commercial sensors for indicative monitoring of ambient gas Chemical Engineering Transactions. 2012;30 doi: 10.3303/CET1230029
  19. Piedrahita R., Xiang Y., Masson N. et al. The next generation of low-cost personal air quality sensors for quantitative exposure monitoring. Atmospheric Measurement Techniques. 2014;7:P.3325–3336.
  20. Stetter J.R., Li J. Amperometric gas sensors a review. Chemical Reviews. 2008;108:352–366.
  21. Spinelle L., Gerboles M., Aleixandre M., Bonavitacol F. Evaluation of metal oxides sensors for the monitoring of O3 in ambient air at ppb level. Chemical Engineering Transactions. 2016;54:319–324.
  22. Karagulian F., Gerboles M., Barbiere M. et al. Review of sensors for air quality monitoring. Luxembourg: Publications Office of the European Union. 2019 ISBN 978-92-76-09255-1. doi: 10.2760/568261
  23. Chloe C. Over 6,000 cities now monitor air quality, WHO reveals // Air Quality News. 2022. April, 4. [cited 2023 Apr 02]. Available from: https://airqualitynews.com/2022/04/04/over-6000-cities-now-monitor-air-quality-who-reveals/
  24. World Air Quality Index. [cited 2023 Apr 02]. Available from: https://aqicn.org/sources/
  25. Lin C., Li Y., Yuan Z. et al. Using satellite Remote Sensinging data to estimate the high-resolution distribution of ground-level PM2.5. Remote Sensing of Environment. 2015;156:117–128.
  26. Hua Z., Sun W., Yang G., Du Q. A Full-Coverage daily average PM2.5 retrieval method with two-stage IVW fused MODIS C6 AOD and two-stage GAM model. Remote Sensing. 2019;11:1558. doi: 10.3390/rs11131558
  27. Zhao R., Gu X., Xue B. et al. Short period PM2.5 prediction based on multivariate linear regression model. PLoS ONE. 2018;13(7):e0201011. doi: 10.1371/journal.pone.0201011
  28. Li T., Guo Y., Liu Y. et al. Estimating mortality burden attributable to short-term PM2.5 exposure: a national observational study in China Environment International. 2019:125:P. 245–251. doi: 10.1016/j.envint.2019.01.073
  29. Ford B., Heald C.L. Exploring the uncertainty associated with satellite-based estimates of premature mortality due to exposure to fine particulate matter. Atmospheric Chemistry and Physics. 2016;16(5):3499–3523. doi: 10.5194/acp-16-3499-2016
  30. van Donkelaar A., Martin R.V., Levy R.C. et al. Satellite-based estimates of ground-level fine particulate matter during extreme events: A case study of the Moscow fires in 2010. Atmospheric Environment. 2011;45(34):6225-6232. doi: 10.1016/j.atmosenv.2011.07.068
  31. Holben B.N., Kim J., Sano I. et al. An overview of mesoscale aerosol processes, comparisons, and validation studies from DRAGON networks. Atmospheric Chemistry and Physics. 2018;18(2):655–671. doi: 10.5194/acp-18-655-2018
  32. Sorek-Hamer M., Chatfield R., Liu Y. Review: Strategies for using satellite-based products in modeling PM2.5 and short-term pollution episodes. Environment International. 2020;144:106057. doi: 10.1016/j.envint.2020.106057
  33. Federal project "Chistyy vozdukh (Clean Air)". National project "Ekologiya (Ecology)". Ecology of Russia - national project ecology of the Russian Federation. [cited 2023 Apr 02]. Available from: https://ecologyofrussia.ru/proekt/chistyj-vozduh (in Russ.)
  34. Federal project "Chistyy vozdukh (Clean Air)". National project " Ekologiya (Ecology)" Federal Information and Analytical Center of Roshydromet. [cited 2023 Apr 02]. Available from: http://www.feerc.ru/uisem/portal/ (in Russ.)
  35. Structure of Department for Hydrometeorology and Environmental Monitoring of Russia (Roshydromet). Official site. [cited 2023 May 03]. Available from: https://www.meteorf.gov.ru/about/structure/local/ (in Russ.)
  36. EPA AQS (Air Quality System). [cited 2023 Apr 02]. Available from: https://www.epa.gov/outdoor-air-quality-data/air-data-basic-information
  37. Byun D., Schere K. Review of the governing equations, computational algorithms, and other components of the models-3 community multiscale air quality (cmaq) modeling system. Applied Mechanical Reviews. 2006;59:51–77. doi: 10.1115/1.2128636
  38. European Enviromental Agency. Official website. [cited 2023 May 02]. Available from: https://www.eea.europa.eu/en (accessed: 02.05.2023)
  39. Liu X., Hadiatullah H., Tai P. et al. Air pollution in Germany: Spatio-temporal variations and their driving factors based on continuous data from 2008 to 2018. Environmental Pollution. 2021;276:116732. doi: 10.1016/j.envpol.2021.116732
  40. UK AIR. Air Information Resource. [cited 2023 Apr 02]. Available from: https://uk-air.defra.gov.uk/networks/network-info
  41. Rodrigues V., Gama C., Ascenso A. et al. Assessing air pollution in European cities to support a citizen centered approach to air quality management. Science of the Total Environment. 2021;799:149311. doi: 10.1016/j.scitotenv.2021.149311
  42. Kumar A., Gupta I., Brandt J. et al. Air quality mapping using GIS and economic evaluation of health impact for Mumbai City, India. Journal of the Air & Waste Management Association. 2016:66(5):470-81. doi: 10.1080/10962247.2016.1143887
  43. Zhang F., Shi Y., Fang D. et al. Monitoring history and change trends of ambient air quality in China during the past four decades. Journal of Environmental Management. 2020;260:110031. doi: 10.1016/j.jenvman.2019.110031
  44. Maji K.J., Dikshit A.K., Arora M., Deshpande A. Estimating premature mortality attributable to PM2.5 exposure and benefit of air pollution control policies in China for 2020. Science of the Total Environment. 2018;612:683e693. doi: 10.1016/j.scitotenv.2017.08.254
  45. Li X., Hussain S.A., Sobri S., Md Said M.S. Overviewing the air quality models on air pollution in Sichuan Basin, China. Chemosphere. 2021;.271:129502. doi: 10.1016/j.chemosphere.2020.129502
  46. Rao S., Klimont Z., Smith S.J. et al. Future air pollution in the Shared Socioeconomic Pathways. Global Environmental Change. 2017;42:346–58. doi: 10.1016/j.gloenvcha.2016.05.012
  47. Rao S.T., Luo H., Astitha M. et al. On the Limit to the Accuracy of Regional-Scale Air Quality Models. Atmospheric Chemistry and Physics. 2020:20(3):1627-1639. doi: 10.5194/acp-20-1627-2020
  48. Porter P.S., Rao S.T., Hogrefe C. et al. Methods for reducing biases and errors in regional photochemical model outputs for use in emission reduction and exposure assessments. Atmospheric Environment. 2015;112:178–188. doi: 10.1016/j.atmosenv.2015.04.039
  49. Berrocal V.J., Guan Y., Muyskens A. et al. A comparison of statistical and machine learning methods for creating national daily maps of ambient PM2.5 concentration. Atmospheric Environment. 2020:222:117130. doi: 10.1016/j.atmosenv.2019.117130
  50. GIS-Association. [cited 2023 Apr 02]. Available from: http://www.gisa.ru/assoc.html (in Russ.)
  51. Liu H., Yin S., Chen C., Duan Z. Data multi-scale decomposition strategies for air pollution forecasting: A comprehensive review. Journal of Cleaner Production. 2020;277:e.124023. doi: 10.1016/j.jclepro.2020.124023
  52. Belikhov A.B., Legotin D.L., Sukhov A.K. Modelirovaniye rasprostraneniya atmosfernykh zagryazneniy s pomoshch'yu sistemy SILAM. Vestnik KGU im. N.A. Nekrasova. 2014;1:7–11. (in Russ.)
  53. Belyaev N.N. Chyslennye modely dlya prongoza zahryaznenyya atmosfernoho vozdukha vybrosamy avtotransporta. Visnyk Dnipropetrovsʹkoho natsionalʹnoho universytetu zaliznychnoho transportu, 2016;6(66):25–32 (in Russ.)
  54. Tella A., Balogun A.L. GIS-based air quality modelling: spatial prediction of PM10 for Selangor State, Malaysia using machine learning algorithms. Environ Sci Pollut Res. 2022;29:86109–86125. doi: 10.1007/s11356-021-16150-0
  55. Otsenka riska dlya zdorov'ya ot zagryazneniya vozdukha – obshchiye printsipy. Kopengagen: Yevropeyskoye regional'noye byuro VOZ. 2016 ISBN 978 92 890 5135 4 (in Russ.)
  56. Shvyryayev A.A., Men'shikov V.V. Otsenka riska vozdeystviya zagryazneniya atmosfery v issleduyemom regione: Uchebnoye posobiye dlya vuzov. Moscow: Izdatel’stvo MGU; 2004. 124p. (in Russ.)
  57. Men'shikov V.V., Shvyryaev A.A. Opasnyye khimicheskiye protsessy i tekhnogennyy risk: Uchebnoye posobiye. Moscow: Izdatel’stvo MGU; 2003. (in Russ.)

Supplementary files

There are no supplementary files to display.


Copyright (c) Eco-Vector

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
СМИ зарегистрировано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор).
Регистрационный номер и дата принятия решения о регистрации СМИ: серия ПИ № ФС 77 - 78166 от 20.03.2020.


This website uses cookies

You consent to our cookies if you continue to use our website.

About Cookies