Исследование взаимосвязи городского острова тепла и городского острова загрязнения в Москве Текст научной статьи по специальности «Строительство и архитектура»

XXI ВЕК. ТЕХНОСФЕРНАЯ БЕЗОПАСНОСТЬ ISSN 2500-1582 (print)

' V '' XXI CENTURY. TECHNOSPHERE SAFETY ISSN 2500-1574 (online)

ГЕОЭКОЛОГИЯ

УДК 711

DOI: 10.21285/2500-1582-2024-9-1-19-31 EDN: IDJOSE

Исследование взаимосвязи городского острова тепла и городского острова загрязнения в Москве

М.Т. Ле, Н.В. Бакаева^

Московский государственный строительный университет, г. Москва, Россия

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

Ключевые слова: городской остров тепла, городской остров загрязнения, мелкодисперсная пыль, большие данные, дистанционное зондирование, Google Earth Engine

Для цитирования: Ле М.Т., Бакаева Н.В. Исследование взаимосвязи городского острова тепла и городского острова загрязнения в Москве // XXI век. Техносферная безопасность. 2024. Т. 9. № 1. С. 19-31. https://doi.org/10.21285/2500-1582-2024-9-1-19-31. EDN: IDJOSE.

GEOECOLOGY

Original article

A study of the relationship between the urban heat island and the urban pollution island in Moscow

Minh Thuan Le, Natalya V. Bakaeva^

Moscow State University of Civil Engineering, Moscow, Russia

Abstract. Atmospheric pollution with harmful chemical compounds is the most dangerous form of environmental degradation in Russia. Features of unfavorable environmental situations and environmental problems in the Russian regions are determined by local natural conditions and the impact from industries, transport, utilities and agriculture (enterprises, their capacity, location, technologies). When cities face the urban heat island effect and environmental pollution, there is an urgent need to develop new methods for ecological-microclimatic assessment and structural-functional urban-ecological justification for territorial planning. The big data method

© Ле Минь Т., Бакаева Н.В., 2024

https://journals. istu. edu/technosfernaya_bezopastnost/

XXI ВЕК. ТЕХНОСФЕРНАЯ БЕЗОПАСНОСТЬ ISSN 2500-1582 (print)

' V '' XXI CENTURY. TECHNOSPHERE SAFETY ISSN 2500-1574 (online)

for urban heat island determination using a cloud computing platform in combination with a fine dust dispersion calculation model based on satellite images can establish the relationship between the urban heat island and ambient air pollution. The study was conducted using the example of Moscow.

Keywords: urban heat island, urban pollution island, fine dust, big data, remote sensing, Google Earth Engine

For citation: Le M.T., Bakaeva N.V. A study of the relationship between the urban heat island and the urban pollution island in Moscow. XXI vek. Tekhnosfernaya bezopasnost'=XXIcentury. TechnosphereSafety. 2024;9(1):19-31. (In Russ.). https://doi.org/10.21285/2500-1582-2024-9-1-19-31. EDN: IDJOSE.

ВВЕДЕНИЕ

Быстрые темпы индустриализации, постоянный рост населения, количества транспортных средств и плотности дорожного движения, уменьшение зеленых насаждений, наличие промышленных предприятий приводят к значительному загрязнению окружающей среды. Урбанизация существенно изменяет микроклимат, повышает концентрацию загрязняющих веществ и мелкодисперсных частиц пыли в атмосферном воздухе, что представляет серьезную угрозу здоровью людей. Крупные и крупнейшие города, например Москва, страдают не только от загрязнения воздуха, но и от перегрева поверхности в центре города вследствие закрытости пространств.

Городской остров тепла (ГОТ) - это изменение теплового баланса в городских пространствах по сравнению с близлежащими сельскими районами из-за изменений в теплопередаче и количестве движения между поверхностью Земли и атмосферой с точки зрения хранения тепла [1]. Это явление хорошо изучено на сегодняшний день.

Термин «городской остров загрязнения» (ГОЗ) был введен недавно [2, 3] для обозначения начала временных и пространственных изменений в концентрации загрязняющих веществ, обусловленных наличием типичных городских особенностей и видов деятельности. Различия между городскими и сельскими регионами определяют интенсивность городского загрязнения по аналогии с интенсивностью городского острова тепла.

Тепловые аномалии и загрязнение воздуха далеки от независимых явлений, поскольку там, где существуют городские острова тепла, скорее всего, также существуют городские острова загрязнения [2, 4]. Высокие температуры поверхности ускоряют специфические химические циклы атмосферы, большинство из которых приводят к увеличению образования приземного (тропосферного) озона, увеличению выбросов биогенных углеводородов [5-7]. Более того, это ведёт к выделению тепла выхлопных газов в городской воздух, тем самым способствуя усилению явления ГОТ: турбулентное перемешивание стимулируется более теплым воздухом, способствуя распространению первичных загрязнителей в более высокие слои атмосферы [8-10].

Для анализа положения городского острова тепла и загрязнения воздуха в настоящее время используется платформа облачных вычислений Earth Engine, которая состоит из готового к анализу каталога данных, размещенного рядом с высокопроизводительной службой параллельных вычислений [11]. Доступ к нему и управление осуществляется через доступный интернет-интерфейс прикладного программирования (API) и связанную с ним интерактивную веб-среду разработки (IDE), которая позволяет быстро создавать прототипы объектов и визуализировать результаты. Поэтому использование возможностей облачных вычислений выгодно для получения определяемых пользователем высококачественных составных изображений с опти-

-у.

20„,

Ш

https://journals.istu.edu/technosfernaya_bezopastnost/

Ле Минь Т., Бакаева Н.В. Исследование взаимосвязи городского острова тепла... Le M.T., Bakaeva N.V. A study of the relationship between the urban heat island...

мальным пространственным и временным разрешением [12].

Большие наборы геопространственных данных со спутников наблюдения Земли НАСА (спутники Landsat, MODIS и Sentinel) и спутников Sentinel можно обрабатывать с помощью Google Earth Engine. Эта платформа облачных вычислений устраняет технические препятствия и обеспечивает доступ к высокопроизводительным вычислительным ресурсам [13, 14]. В отличие от многих суперкомпьютерных центров Google Earth Engine удобен для пользователя.

Целью настоящей работы было изучение и определение положения городского острова тепла и загрязнения воздуха в течение выбранного периода года в Москве.

МАТЕРИАЛЫ И МЕТОДЫ

ИССЛЕДОВАНИЯ

Материалами исследования были данные источника, используемого для платформы Google Earth Engine (GEE), которую можно контролировать и использовать через его API, который доступен в Интернете. Веб-интерфейс позволяет пользователям быстро создавать прототипы и визуализировать результаты. Каталог GEE содержит обширную коллекцию геопространственных данных, включая спутниковые изображения, открытые для общественности. Эти сведения были предварительно обработаны и преобразованы в формат, готовый к использованию, сохраняя при этом свою информацию, что снижает

трудности управления и оптимизирует эффективность вычислений. Источники данных для исследования представлены в табл. 1.

Описание характера снимка, полученного спутником Ландсад 8 для исследования концентрации мелкодисперсных пыли PM25 в городе Москва.

Спутник Ландсат 8 OLI был успешно запущен в 2013 году с двумя основными датчиками: приемником наземного изображения (OLI-Operational Land Imager) и тепловизионным инфракрасным датчиком (TIRS-Thermal Infrared Sensor). Снимки Ландсат 8 OLI, которые использованы в исследовании, представлены на сайте http://landsat.usgs. gov. Изображение обработано провайдером на уровне 1 с номерами снимков: LC08_L1TP_179021_201906_200828_02_T1 и

LC08_L1TP_179022_20190606_2020082 8_02_T1(06.06.2019);

LC08_L1TP_178021_20201210_2021031 2_02_T1 и

LC08_L1TP_178022_20201210_2021031 2_02_T1 от 10.12.2020.

Данные о концентрации мелкодисперсных частиц пыли PM25, зафиксированные метеостанциями CityAir.

В рамках исследования статьи концентрация мелкодисперсных пыли PM25 фиксировалась оборудованием организации по контролю качества воздуха CityAir с помощью измерителя мелкодисперсных пыли CityAir (№ в ГРСИ РФ: 75984-19) (рис. 1), предназначенный для опреде-

Таблица 1. Информация об отражательной способности поверхности Ландсада находится в Google Earth Engine (GEE)

Table 1. Information on the reflectivity of the Landsad surface is located in Google Earth Engine (GEE)

Название спутника Идентификатор коллекции снимки GEE Доступность данных

Ландсад 5 LANDSAT/LT05/C01/T1_SR 1 января 1984 г. - 5 мая 2012 г.

Ландсад 7 LANDSAT/LE07/C01/T1_SR 1 января 1999 г. - 15 апреля 2022 г.

Ландсад8 LANDSAT/LC08/C01/T1_SR 11 апреля 2013 г. - по настоящее время

https://journals. istu. edu/technosfernaya_bezopastnost/

XXI ВЕК. ТЕХНОСФЕРНАЯ БЕЗОПАСНОСТЬ ISSN 2500-1582 (print)

2024,Ж1),1Я 31

' у XXI CENTURY. TECHNOSPHERE SAFETY ISSN 2500-1574 (online)

Рис. 1. Внешний вид пылемеров «СитиЭйр» с указанием каналов измерения

Fig. 1. Air dust meter with indicated measurement channels

ления PM25 в воздухе нефелометрическим методом (табл. 2).

При использовании прибора CityAir Dust размеры частиц определяются напрямую. Этот анализатор пыли имеет функцию, позволяющую проводить измерения без использования селективного импактора. Более того, при измерителе мелкодисперсной пыли PM2 с помощью устройства CityAir пылемера можно применять различные модели. Используемые термины: пылеанализатор (пылемер) измеряет диаметр и счетную или массовую концентрацию взвешенных веществ.

Взвешенные вещества PM2 представляют собой частицы, которые проходят через селективный импактор, обеспечивающий 50 % экранирование частиц с аэродинамическим диаметром 2,5 мкм, а верхний предел полного экранирования составляет 7 мкм.

Значения концентрации мелких частиц PM2 5 взяты со всех существующих городских аэродромов в Москве за 2019 и 2020 гг. Значимость использованных мелких частиц PM25 для сравнения с результатами, полученными дистанционным зондированием, представлена в табл. 3 и 4.

Методом исследования был метод машинного обучения, который может использоваться для задач классификации и регрессии, и является широко применяемым в контролируемом обучении. Идея ансамблевого обучения, заключающаяся в объединении нескольких классификаторов для решения сложных задач и улучшения производительности модели [15], лежит в его основе. Рабочий процесс этого алгоритма проиллюстрирован на рис. 2.

В данном исследовании методом дистанционного зондирования была построена схема концентрации PM25 на территории Москвы. Процесс исследования разделен на следующие этапы: сбор данных, предварительная обработка изображений, обработка данных, выбор модели и оценка результатов. Все этапы предварительной обработки и обработки данных выполняются с помощью программ ArcGIS и Microsoft Excel.

Предварительная обработка изображения осуществляется путем преобразования чис-

Таблица 2. Технические характеристики городского анализатора пыли воздуха, используемого для фиксации частиц PM2 5

Table 2. Technical characteristics of the urban air dust analyzer used for fixing PM25 particles

Название параметра и его характеристика Значение

Параметры электропитания: - напряжение переменного тока, В V - частота переменного тока, Гц от 207 до 253 от 49 до 51

Потребляемая мощность, В*А 50

Габаритные размеры пылемера, мм: - высота-ширина-длина 110 170300

Масса, кг 1,6

Условия эксплуатации: - температура окружающей среды, °С - относительная влажность окружающей среды, %, не более - атмосферное давление, кПа от - 40 до +50 98 от 84 до 106,7

https://journals.istu.edu/technosfernaya_bezopastnost/

Ле Минь Т., Бакаева Н.В. Исследование взаимосвязи городского острова тепла... Le M.T., Bakaeva N.V. A study of the relationship between the urban heat island...

Таблица 3. Данные значений концентрации PM2S , зафиксированные станциями CityAir в Москве с помощью пылемера CityAir в период с 8:00 до 9:00, 06.06.2019 г.

Table 3. PM2 5 concentration data recorded by CityAir stations in Moscow using the CityAir dust meter from 8:00 to 9:00, 06/06/2019

№ Местоположение точки измерения PM25 sr, мкг/м3 PM2 5 sr, исправлен, мкг/м3

Адрес метеостанции Широта Долгота

1 ул. Балчуг, д. 5 55,74717 37,62665 0,008 0,003

2 ул. Береговая, д. 3 55,828169 37,464339 0,008 0,003

3 Большой Левшинский переулок, д. 11 55,74299 37,58831 0,007 0,003

4 Каширский проезд, д. 10 55,653223 37,622344 0,006 0,002

5 ул. Малая Дмитровка, д. 18а 55,77128 37,60682 0,008 0,003

6 ул. Приорова, д. 16, корп. 1 55,81998 37,526537 0,005 0,005

7 Таманский тупик, д. 1, стр. 3 55,777043 37,440135 0,009 0,004

8 ул. 1905 года, д. 7, стр. 1 55,7621 37,55867 0,007 0,003

9 ул. Строителей, д. 11 55,687015 37,531954 0,008 0,003

10 ул. Толбухина, д. 9, корп. 1 55,72123 37,40099 0,007 0,003

Таблица 4. Данные значений концентрации PM2S , зафиксированные станциями CityAir в Москве с помощью пылемера CityAir в период с 8:00 до 9:00, 10.12.2020 г

Table 4. PM2 5 concentration data recorded by CityAir stations in Moscow using the CityAir dust meter from 8:00 to 9:00, 12/10/2020

№ Местоположение точки измерения PM25 sr, мкг/м3 PM25 sr исправлен, мкг/м3

Адрес метеостанции Широта Долгота

1 ул. Балчуг, д. 5 55,74717 37,62665 0,032 0,012

2 ул. Береговая, д. 3 55,828169 37,464339 0,025 0,010

3 ул. Большой Левшинский переулок, д. 11 55,74299 37,58831 0,031 0,012

4 ул. Каширский проезд, д. 10 55,653223 37,622344 0,037 0,015

5 ул. Малая Дмитровка, д. 18а 55,77128 37,60682 0,026 0,010

6 ул. Приорова, д. 16, корп. 1 55,81998 37,526537 0,035 0,014

7 ул. Таманский тупик, д. 1 стр. 3 55,777043 37,440135 0,025 0,010

8 ул. Гороховский переулок, д. 4 55,7636 37,66295 0,027 0,011

9 ул. Погодинская, д. 2 55,73513 37,57228 0,030 0,012

10 ул. Сколково-Зворыкина, 1, д. 1, корп. 2 55,69353 37,35213 0,025 0,010

ловых значений (ЭМ-цифровое число) в спектральную длину волны или спектральную отражательную способность с несколькими уровнями коррекции излучения. Сначала числовые значения преобразуются в значения излучения в приемнике. Затем спектральное излучение преобразуется обратно в спектральное излучение на поверхности Земли. Наконец, после предыдущих этапов необходимо провести коррекцию, чтобы исключить влияние атмосферных условий на качество изображения (рис. 3).

На основе исходных данных изображения были выполнены этапы обработки для извлечения их из изображения; затем они были объединены с данными наземных измерений для расчета коэффициента уравнения линейной регрессии (табл. 5).

Регрессионные модели были рассчитаны и проанализированы с использованием программного обеспечения Microsoft Excel. Значение коэффициента атмосферного отражения Ri считается независимой переменной.

https://journals. istu. edu/technosfernaya_bezopastnost/

2024;9(1):19-31

XXI ВЕК. ТЕХНОСФЕРНАЯ БЕЗОПАСНОСТЬ XXI CENTURY. TECHNOSPHERE SAFETY

ISSN 2500-1582 (print) ISSN 2500-1574 (online)

территория исследования

Вводимые пользователем параметры

Выбранные пользователем параметры

1. Осмотр территории исследования

Доступное количество изображений

Время начала изображений

2. Определить период времени Дата начала 1 I Дата окончания

3. Выбрать сенсор и пардигму композитинга

Ландсат 5 Ландсат 5

Ландсат 5

На основе сцены На основе Пикселя

'CLOUD_COVER' Порог

4. Мозаика

4.1. Отфильтровать

изображения с высоким процентом облачности, обнаруженным с помощью алгоритма

4.2. Визуализировать составное изображение наземного спутника

Водные поверхности

Застройка

Насаждения

Объединять точки вместе и сэмплировать входные данные изображения, чтобы получить функцию Коллекция обучающих данных Landsat

О

5. Мозаичная стратегия

Создать классификатор Random Forest и обучить его

Классифицировать входные изображения Landsat

Определение палитры для классификации земного покрова

Отображение результата классификации и входного изображения

6. Оценка точности

При желании сделать некоторую оценку точности. Первый столбец

случайных униформ в обучающем наборе данных

Зарезервировать часть даты для тестирования, чтобы избежать переобучения модели (примерно 70% обучения, 30 % тестирования)

Квалифицировать тест

FeatureCollection

7. Экспорт данных

Землепользования _экспорта_

Экспорт образца

Экспорт матрицы путаницы

Расчет площади классов землепользования

Рис. 2. Рабочий процесс интерпретации анализа спутниковых изображений Fig. 2. Satellite image analysis interpretation workflow

zzzsi 24

https://journals.istu.edu/technosfernaya_bezopastnost/

Ландсат 8 OLI

Ле Минь Т., Бакаева Н.В. Исследование взаимосвязи городского острова тепла... Le M.T., Bakaeva N.V. A study of the relationship between the urban heat island...

Таблица 5. Модель регрессионного и корреляционного анализа [16]

Table 5. Regression and correlation analysis model [16]

Измеренное значение

измельченной мелкой пыли PM2 S

-'T

Предварительная обработка

изображения

i

Газовая коррекция

i

Отражательная способность

атмосферы

1 1 г

Корреляционный анализ и регрессия

I

Выбор и проверка модели обнаружения мелкой пыли РМ2 5

Рис. 3. Схема процедуры определения мелкодисперсных частиц PM25 по данным спутникового изображения Ландсат 8 OLI и данным измерения пыли в приземном слое атмосферы

Fig. 3. Scheme of the procedure for determining fine particles PM25 from Landsat 8 OLI satellite image data and dust measurements in the surface atmosphere layer

РЕЗУЛЬТАТЫ И ИХ ОБСУЖДЕНИЕ Анализ температуры земной поверхности Москвы по периодам с 2015 по 2019 гг.

На протяжении последних десяти лет в Москве наблюдается явное изменение земной поверхности из-за интенсивной урбанизации. Оно также влияет на температурный режим. На рис. 4 представлена среднегодовая температура в городе за последние пять лет. В центральных районах она составляет 18-20,9 °С, а в пригородах и сельской местности 9,92-12 °С, что приводит к разнице температур примерно от 8,08 до 8,91°С. Такое различие указывает на негативное влияние эффекта «городского острова тепла» на Москву. Несмотря на то, что урбанизацию нельзя остановить, ее можно контролировать, создавая

Канал 1 Канал 2 Канал 3 Канал 4

рМ2,5= ao +arRi

рМ2,5= ao +a2.R2

PM2,5= ao +a3.R3 +a/R„ 4 4

PM2,5= ao +arRi +a2.R2

PM2,5= ao +ai.Ri +a3.R3

PM2,5= ao +arRi +a/R„ 4 4

PM2,5= ao +a2.R2 +a3.R3

PM2,5= ao +a2.R2 +a/R„ 4 4

PM2,5= ao +a3.R3 +a4.R4

PM2,5= ao +arRi +a2.R2 +a3.R3

PM2,5= ao +arRi +a2.R2 +a4.R4

PM2,5= ao +ai.Ri +a3.R3 +a/R„ 4 4

PM2,5= ao +a3.R3 +a4.R4

PM2,5= ao +arRi +a2.R2 +a3.R3 +a4.R4

условия для автономного и устойчивого развития. Важно выделить наиболее ценные природные территории, установить их границы и регулировать обмен веществами, энергией и информацией между ними. Это потребует установления сложной взаимосвязи между человеком и природой и разработки соответствующих механизмов для достижения сбалансированного взаимодействия (рис. 4).

Определение местоположения городских островов тепла в районе Москвы

Исследование расширяет выводы за счет комплексной оценки температуры поверхности Земли в жаркий сезон 2016 и 2021 гг. Данные были собраны со спутника Ландсад 8, управляемого USGS Ландсад 8 Surface Reflectance Tier 1, с использованием

https://journals. istu. edu/technosfernaya_bezopastnost/

в/

2024;9(1):19-31

XXI ВЕК. ТЕХНОСФЕРНАЯ БЕЗОПАСНОСТЬ XXI CENTURY. TECHNOSPHERE SAFETY

ISSN 2500-1582 (print) ISSN 2500-1574 (online)

Рис. 4. Карта средней температуры поверхности Москвы за пять лет

Fig. 4. Map of the average surface temperature of Moscow for five years

методов дистанционного зондирования. Изображения были проанализированы в 2016 и 2021 гг. после применения фильтров облачного покрытия и алгоритма маскировки (MaskL8sr), чтобы гарантировать менее 10 % помех от облаков. Температура поверхности земли анализировалась с использованием спутниковых изображений, сделанных 15 июля 2016 года и 4 июня 2021 года. Температура была рассчитана с использованием индекса NDVI и изображения данных полосы 10, индексы преобразования показаны на рис. 5 и 6. Дополнительно изображения моделирования температуры поверхности представлены в точных цифрах.

Определение местоположения городских островов загрязнения в районе Москвы

Результаты настоящего исследования (Р = 0,9143 и Р2 = 0,8361 и наименьшая средняя ошибка РМББ = 0,37376 микрон/м3) показывают, что метод определения загрязнения воздуха мелкими частицами РМ25 можно применять с использованием различных коэффициентов для повышения точности спутникового изображения Ландсад 8 ОН в сочетании с данными о концентрациях РМ25, полученными местными наземными станциями. Снимки Ландсад 8 ОН были успешно использованы для расчета концентрации РМ25 на территории Москвы. Полученная карта пылевого загрязнения мелкодисперсными частицами показывает концентрации РМ25 в районе города.

Значения концентрации мелкой пыли РМ25 сравниваются с фактическими значениями - данными о загрязнении воздуха в городе мелкой пылью РМ25. Таким образом, можно сделать вывод, что концентрация РМ25 (рис. 7, 8) отражает фактические значения. Преимущественно загрязнение РМ25 сконцентрировано в центре Москвы и на основных транспортных магистралях.

Взаимосвязь городского острова тепла и городского острова загрязнения в Москве

Оценка связи между ГОТ и ГОЗ требует опыта и значительных ресурсов. Согласно традиционным методам исследования, оценка процесса изменения температуры поверхности города с изменением концентрации твердых частиц потребует длительного времени. Платформа облачных вычислений представляет собой отличное обновление для извлечения больших данных для оценки и анализа процесса формирования городского острова тепла.

Результаты нашей оценки показывают, что в центральном округе Москвы, на который существенное влияние оказывает ГОТ, ГОЗ,

https://journals.istu.edu/technosfernaya_bezopastnost/

Ле Минь Т., Бакаева Н.В. Исследование взаимосвязи городского острова тепла... Le M.T., Bakaeva N.V. A study of the relationship between the urban heat island...

Рис. 5. Температура поверхности земли в Москве в 2016 г.

Fig. 5. Surface temperature in Moscow in 2016

I.cgcnd:

Temperature on 06/04/2021. <VALUE>

H 12.93- IB,00 П 19,00-22,00 I 1 22,00 23,00 I I 23,00 25,00 I I 25,00-27.00 t И 27,00-30.00 Ц >30.00

• List (12 elements)

• Image (12 bands) clipped

• Image (1 band) ndvi

-0.9755102040816327 min

0.9601618425147836 max

• Image (1 band) fv

13.932575589480678 minLST

43.43224107086911 maxLST

24.811209695879064 averageLST

Рис. 6.Температура поверхности земли в Москве в 2021 г.

Fig. 6. Surface temperature in Moscow in 2021

Рис. 7. Карта концентрации мелкой пыли PM25 в Москве на 6 июня 2019 г.

Fig. 7. Map of the PM25 fine dust concentration in Moscow on June 6, 2019

Рис. 8. Карта концентрации мелкой пыли PM2 5 в Москве на 10 декабря 2020 г.

Fig. 8. Map of the PM25 fine dust concentration in Moscow on December 10, 2020

https://journals. istu. edu/technosfernaya_bezopastnost/

XXI ВЕК. ТЕХНОСФЕРНАЯ БЕЗОПАСНОСТЬ ISSN 2500-1582 (print)

2024"9(1V19-31

' V '' XXI CENTURY. TECHNOSPHERE SAFETY ISSN 2500-1574 (online)

Рис. 9. Расположение городского острова тепла Москвы в 2021 г.

Fig. 9. Location of Moscow's urban heat island in 2021

I Scale : 1:450 QQQ I

seoojo 370OJD MÖÖÖG 3 «»do 41MJO «ÖÖX «ÖÖ3T

Рис. 10. Карта концентрации мелкой пыли PM25 в Москве на 6 июня 2019 г.

Fig. 10. Map of the concentration of fine dust PM25 in Moscow on June 6, 2019

также возникает в тех же местах, что и ГОТ (как показано на рис. 9 и 10). Визуализация индекса UTFVI в черте Москвы также отображает расположение ГОТ.

ЗАКЛЮЧЕНИЕ

С помощью экспериментального подхода было доказано, что на основе анализа полученных изображений концентрация загрязнения воздуха и высокая температура поверхности городской территории в основном наблюдаются в северных и центральных районах Москвы, с меньшим воздействием неблагоприятных факторов на юго-запад. Результаты исследования изменений растительного покрова Москвы с 2015 по 2019 год, выполненного с использованием облачных вычислений и машинного

обучения, показывают, что быстрое увеличение населения города прямо влияет на тепловой комфорт его жителей. Такое быстрое развитие городов приводит к экологическому дисбалансу и наносит ущерб окружающей среде, тем самым создавая условия для развития и преобразования эффектов «городской остров тепла» (ГОТ) и «городской остров загрязнения» (ГОЗ).

В исследовании представлен новый подход к использованию облачных вычислений для сбора геопространственных данных и анализа взаимосвязи между ГОТ и ГОЗ. Методы машинного обучения позволяют настраивать и изменять результаты. Однако потенциал применения облачных вычислений в экологическом моделировании пространственных данных

-у.

28

ш

https://journals.istu.edu/technosfernaya_bezopastnost/

Ле Минь Т., Бакаева Н.В. Исследование взаимосвязи городского острова тепла... Le M.T., Bakaeva N.V. A study of the relationship between the urban heat island...

остается малоизученным. Будущие иссле- облачных вычислений в моделировании

дования нацелены на использование поль- устойчивого развития городов под вли-

зовательских функциональных наборов для янием эффектов ГОТ и ГОЗ. расширения возможностей применения

Список источников

1. Oke T.R. The energetic basis of the urban heat island // Quarterly Journal of the Royal Meteorological Society. 1982. Vol. 108. No. 455. P. 1-24. http://dx.doi.org/10.1002/qj.49710845502.

2. Crutzen P.J. New Directions: The growing urban heat and pollution 'island' effect - Impact on chemistry and climate // Atmospheric Environment. 2004. Vol. 38. No. 21. P. 3539-3540. http://dx.doi.org/10.1016/j. atmosenv.2004.03.032.

3. Li H., Meier F., Lee X., et.al. Interaction between urban heat island and urban pollution island during summer in Berlin // Science of the Total Environment. 2018. Vol. 636. P. 818-828. http://dx.doi.org/10.1016/j. scitotenv.2018.04.254.

4. Ponomarev N.,Yushkov V., Elansky N. Air Pollution in Moscow Megacity: Data Fusion of the Chemical Transport Model and Observational Network // Atmosphere. 2021. Vol. 12. Iss. 3. 374 p. http://dx.doi.org/10.3390/ atmos12030374.

5. Elsayed I. Mitigation of the urban heat island of the city of Kuala Lumpur, Malaysia // Middle East Journal of Scientific Research. 2012. Vol. 11. No. 11. P. 1602-1613. http://dx.doi.org/10.5829/idosi.mejsr.2012.11.11.1590.

6. Elansky N. Air quality and CO emissions in the Moscow megacity // Urban Clim. 2014. Vol. 8. P. 42-56. http:// dx.doi.org/10.1016/j.uclim.2014.01.007.

7. Jonsson P., Bennet C., Eliasson I., Selin Lindgren E. Suspended particulate matter and its relations to the urban climate in Dar es Salaam, Tanzania // Atmos Environ. 2004. Vol. 38. No. 25. P. 4175-4181. http://dx.doi. org/10.1016/j.atmosenv.2004.04.021.

8. Sarrat C., Lemonsu A., Masson V., Guedalia D. Impact of urban heat island on regional atmospheric pollution // Atmos Environ. 2006. Vol. 40. No. 10. P. 1743-1758. http://dx.doi.org/10.1016/j.atmosenv.2005.11.037.

9. Bakaeva N., Le M.T., Hoang T. On the linkage between urban heat island and urban pollution island in Moscow // AIP Conf Proc. 2023. Vol. 2791. No. 1. P. 050020. http://dx.doi.org/10.1063/5.0143467.

10. Bezuglaya E.Y., Shchutskaya A.B., Smirnova I.V. Air pollution index and interpretation of measurements of toxic pollutant concentrations // Atmospheric Environment. 1993. Vol. 27A. No. 5. P. 773-779.

11. Le M., Bakaeva N., Danilina N., Hoang T. Method of identifying urban heat islands by remote sensing based on big data // E3S Web of Conferences; 2023. No. 403. P. 05007. http://dx.doi.org/10.1051/e3sconf/202340305007.

12. Ferdman M., Adileh A., Kocberber O., Vo;os S., et al. Clearing the clouds: a study of emerging scale-out workloads on modern hardware // ACM SIGARCH Computer Architecture News. 2012. Vol. 47. Iss. 4. Р. 37-48. http://dx.doi.org/10.1145/2248487.2150982.

13. Gorelick N., Hancher M., Dixon M., Ilyushchenko S., Thau D., Moore R. Google Earth Engine: Planetary-scale geospatial analysis for everyone // Remote Sensing of Environment. 2017. Vol. 202. Р. 18-27. http://dx.doi. org/10.1016/j.rse.2017.06.031.

14. Le M.T., Bakaeva N. A Technique for Generating Preliminary Satellite Data to Evaluate SUHI Using Cloud Computing: A Case Study in Moscow, Russia // Remote Sensing. 2023. Vol. 15. No. 13. Р. 3294. http://dx.doi. org/10.3390/rs15133294.

15. Pourghasemi H., Rahmati O. Prediction of the landslide susceptibility: Which algorithm, which precision? // Catena Journal. 2018. Vol. 162. Р. 177-192. http://dx.doi.org/10.1016/j.catena.2017.11.022.

https://journals. istu. edu/technosfernaya_bezopastnost/

Ш

29

XXI ВЕК. ТЕХНОСФЕРНАЯ БЕЗОПАСНОСТЬ ISSN 2500-1582 (print)

' V '' XXI CENTURY. TECHNOSPHERE SAFETY ISSN 2500-1574 (online)

16. Othman N., Mat Jafri M.Z., San L.H. Estimating Particulate Matter Concentration over Arid Region Using Satellite Remote Sensing: A Case Study in Makkah, Saudi Arabia // Modern Applied Science. 2010; 4(11). http:// dx.doi.org/10.5539/mas.v4n11p131.

References

1. Oke T.R. The energetic basis of the urban heat island. Quarterly Journal of the Royal Meteorological Society. 1982;108(455):1-24. http://dx.doi.org/10.1002/qj.49710845502.

2. Crutzen P.J. New Directions: The growing urban heat and pollution 'island' effect - Impact on chemistry and climate. Atmospheric Environment. 2004;38(21):3539-3540. http://dx.doi.org/10.1016Zj.atmosenv.2004.03.032.

3. Li H., Meier F., Lee X., Chakraborty T., Liu J., Schaap M., Sodoudi S. Interaction between urban heat island and urban pollution island during summer in Berlin. Science of the Total Environment. 2018;636:818-828. http:// dx.doi.org/10.1016/j.scitotenv.2018.04.254.

4. Ponomarev N.,Yushkov V., Elansky N. Air Pollution in Moscow Megacity: Data Fusion of the Chemical Transport Model and Observational Network. Atmosphere. 2021;12(3):374. http://dx.doi.org/10.3390/atmos12030374.

5. Elsayed I. Mitigation of the urban heat island of the city of Kuala Lumpur, Malaysia. Middle East Journal of Scientific Research. 2012;11(11):1602-1613. http://dx.doi.org/10.5829/idosi.mejsr.2012.11.11.1590.

6. Elansky N. Air quality and CO emissions in the Moscow megacity. Urban Clim. 2014;8:42-56. http://dx.doi. org/10.1016/j.uclim.2014.01.007.

7. Jonsson P., Bennet C., Eliasson I., Lindgren E. Selin Lindgren E. Suspended particulate matter and its relations to the urban climate in Dar es Salaam, Tanzania. Atmos Environ. 2004;38(25):4175-4181. http://dx.doi. org/10.5829/idosi.mejsr.2012.11.11.159010.1016/j.atmosenv.2004.04.021.

8. Sarrat C., Lemonsu A., Masson V., Guedalia D. Impact of urban heat island on regional atmospheric pollution. Atmos Environ. 2006;40(10):1743-1758. http://dx.doi.org/10.1016/j.atmosenv.2005.11.037.

9. Bakaeva N., Le M.T., Hoang T. On the linkage between urban heat island and urban pollution island in Moscow. AIP Conf Proc. 2023;2791(1):050020. http://dx.doi.org/10.1063/5.0143467.

10. Bezuglaya E.Y., Shchutskaya A.B., Smirnova I.V. Air pollution index and interpretation of measurements of toxic pollutant concentrations. Atmospheric Environment. 1993;27A(5):773-779.

11. Le M.T., Bakaeva N., Danilina N., Hoang T. Method of identifying urban heat islands by remote sensing based on big data. E3S Web of Conferences. 2023;(403):05007. http://dx.doi.org/10.1051/e3sconf/202340305007.

12. Ferdman M., Adileh A., Kocberber O., Vo;os S., Alisafaee M., Jevdjic D., et al. Clearing the clouds: a study of emerging scale-out workloads on modern hardware. ACM SIGARCH Computer Architecture News.2012;47(4):37-48, http://dx.doi.org/10.1145/2248487.2150982.

13. Gorelick N., Hancher M., Dixon M., Ilyushchenko S., Thau D., Moore R. Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sensing of Environment. 2017;202:18-27. http://dx.doi.org/10.1016/j. rse.2017.06.031.

14. Le M.T., Bakaeva N. A Technique for Generating Preliminary Satellite Data to Evaluate SUHI Using Cloud Computing: A Case Study in Moscow, Russia. Remote Sensing. 2023;15(13):3294. http://dx.doi.org/10.3390/ rs15133294.

15. Pourghasemi H., Rahmati O. Prediction of the landslide susceptibility: Which algorithm, which precision? Catena Journal. 2018;162:177-192. http://dx.doi.org/10.1016/j.catena.2017.11.022.

16. Othman N., Mat Jafri M.Z., San L.H. Estimating Particulate Matter Concentration over Arid Region Using Satellite Remote Sensing: A Case Study in Makkah, Saudi Arabia. Modern Applied Science. 2010. 4(11). http:// dx.doi.org/10.5539/mas.v4n11p131.

-V.

30,,

M

https://journals.istu.edu/technosfernaya_bezopastnost/

Ле Минь Т., Бакаева Н.В. Исследование взаимосвязи городского острова тепла... Le M.T., Bakaeva N.V. A study of the relationship between the urban heat island...

Информация об авторах

Ле Минь Туан,

к.т.н., докторант,

кафедра градостроительства,

Московский государственный

строительный университет,

129337, г. Москва, Ярославское шоссе, д. 26,

Россия,

[email protected]

Бакаева Наталья Владимировна,

д.т.н., профессор,

советник РААСН,

кафедра градостроительства,

Московский государственный

строительный университет

129337, г. Москва, Ярославское шоссе, д. 26,

Россия,

[email protected]

Вклад авторов

Все авторы сделали эквивалентный вклад в подготовку публикации.

Конфликт интересов

Авторы заявляют об отсутствии конфликта интересов.

Авторы прочитали и одобрили окончательный вариант рукописи.

Информация о статье

Поступила в редакцию 23.01.2024. Одобрена после рецензирования 25.02.2024. Принята к публикации 10.03.2024.

Information about the authors Minh Thuan Le,

Cand. Sci. (Eng.), postdoctoral student, department of urban planning, Moscow State Construction University, 26 Yaroslavskoe highway, Moscow, 129337, Russia,

[email protected]

Natalya V. Bakaeva,

Dr. Sci. (Eng.), Professor, RAACS Advisor,

department of urban planning, Moscow State Construction University 26 Yaroslavskoe highway, Moscow, 129337, Russia,

[email protected]

Contribution of the authors

The authors contributed equally to this article.

Conflictof interests

The authors declare no conflict of interests.

All authors have read and approved the final manuscript.

Information about the article

The article was submitted 23.01.2024. Approved after reviewing 25.02.2024. Accepted for publication 10.03.2024.

https://journals. istu. edu/technosfernaya_bezopastnost/