Содержание к диссертации
Введение
Глава 1. Проблемы комплексной оценки урбанизированных систем 23
1.1 Урбанизированные и природно-антропогенные системы и их характеристика 23
1.2 Существующая методология комплексной оценки 29
1.3 Анализ рисков и системные модели в комплексной оценке 44
1.4 Выводы и задачи исследования 53
Глава 2. Объекты, гипотезы и методы исследования 59
2.1 Основные используемые понятия и определения 59
2.2 Принципы, гипотезы и методы построения теории событийной оценки на основе феноменологического анализа данных 72
2.3 Объекты исследования и данные 89
2.4 Выводы по главе 2. 109
Глава 3. Разработка методов событийной оценки и многопараметрического ранжирования урбанизированных и природно-антропогенных систем 114
3.1 Теоретическое обоснование моделей для событийной оценки урбанизированных систем 114
3.2 Формулировка зависимостей для определения критериев оценки состояний городов и их подсистем, разработка метода многопараметрического ранжирования 122
3.3 Определение статистической вероятности индикативных событий при наблюдении показателей урбанизированных и природно-антропогенных систем 125
3.4 Обоснование метода обработки статистических данных для получения уравнений состояний урбанизированных систем 134
3.5 Обобщение результатов, разработка метода событийной оценки и создание методики для анализа и многопараметрического ранжирования урбанизированных систем 140
3.6 Выводы по главе 3 146
Глава 4. Практическая реализация методов событийной оценки и многопараметрического ранжирования объектов при оценке состояния и развития городов 152
4.1 Комплексная оценка как инструмент стратегического планирования в сфере градостроительства 152
4.2 Статистическая информация о состоянии и развитии городов и первичная обработка данных 160
4.3 Событийная оценка и ранжирование городов России по уровню их развития 174
4.4 Событийная оценка и ранжирование городов России по темпам их развития 185
4.5 Эмпирические зависимости для прогнозирования развития городов по градостроительным и социально-экономическим показателям.. 190
4.6 Анализ состояния и развития городов Европы 199
4.7 Событийная оценка и ранжирование городов России по состоянию жилищно-коммунального хозяйства 205
4.8 Выводы по главе 4 220
Глава 5. Оценка риска воздействия загрязнения атмосферного воздуха в городах 223
5.1 Существующие системные подходы к оценке опасности загрязнения атмосферного воздуха 223
5.2 Оценка опасности загрязнения атмосферного воздуха по данным экологического мониторинга 225
5.3 Оценка опасности загрязнения атмосферного воздуха по данным проявления токсических процессов у реципиентов 234
5.4 Идентификация событий и оценка рисков при загрязнении атмосферного воздуха 238
5.5 Метод комплексной оценки загрязнения атмосферного воздуха на основе определения вероятности неблагоприятных событий 247
5.6 Метод оценки рисков опасных событий при комбинированном действии загрязнителей атмосферы на реципиентов 257
5.7 Выводы по главе 5 273
Глава 6. Прикладные задачи и их решение на основе разработанного метода событийной оценки 278
6.1 Комплексная оценка экологического состояния стран Европы по индикативным событиям 279
6.2 Стратегическая оценка состояния и развития стран и их регионов по показателям человеческого развития 283
6.3 Практические приложения метода событийной оценки в системном анализе 304
6.4 Выводы по главе 6.. 322
Глава 7. Прогнозирование развития урбанизированных территорий и реализация результатов работы. 325
7.1 Сценарное прогнозирование развития городов России для принятия управленческих решений 325
7.2 Разработка рекомендаций по использованию научных результатов работы 340
7.3 Внедрение результатов работы 346
7.4 Выводы по главе 7 352
Основные результаты и выводы работы 355
Список используемых источников 361
Приложение А. Показатели и индикаторы для комплексной оценки 403
Приложение Б. Показатели и статистические характеристики городов России с населением свыше 100 тысяч человек 416
Приложение В. Краткое описание алгоритмов определения статистической вероятности событий 427
Приложение Г. Методика событийной оценки и многопараметрического ранжирования урбанизированных территорий 431
Приложение Д. Результаты внедрения диссертационной работы 468
- Существующая методология комплексной оценки
- Определение статистической вероятности индикативных событий при наблюдении показателей урбанизированных и природно-антропогенных систем
- Идентификация событий и оценка рисков при загрязнении атмосферного воздуха
- Внедрение результатов работы
Существующая методология комплексной оценки
Комплексная оценка природно-антропогенных систем обычно представляет собой очень трудоемкую процедуру из-за наличия большого количества показателей, отражающих самые разные аспекты развития систем и требующих анализа [10, 85, 104, 128, 178, 186, 198, 231, 264, 314]. В таких исследованиях обычно применяются три подхода. Первый подход связан с разработкой обширных докладов о состоянии и ожидаемом развитии систем [51, 73, 76 – 79, 93, 136, 335, 345, 348, 356 – 359, 367 – 369, 397, 401, 403, 409 – 411]. Второй подход, с целью упрощения процедуры анализа, основывается на индикаторном методе, когда для оценки состояния и развития систем вводятся в рассмотрение самые разные индексы, которые интегрируют различные показатели [38, 76 – 79, 94, 117, 128, 134, 143, 178, 208, 211, 247, 305, 348, 400]. Третье направление комплексной оценки тесно увязано с системным анализом объектов и процессов, методологией оценки рисков [82, 83, 105, 137, 140, 166, 173, 180, 182, 215, 220, 246, 254, 364, 390, 391, 408] и теорией социофизики и системной динамики [10, 28, 33, 290, 342, 360, 378, 382, 402, 415].
Исследования в данной области проводились Дж. Форрестером, Д. Медоузом, П. Анохиным, Р. Уиттекером, К. Боулдингом, А. Акаевым, М. Згуровским, В. Могилевским, В. Кузнецовым, Е. Яйли, А. Качинским, А. Вебером, Я. Гейлом, Н. Анцифировым, И. Тюненом, Я. Тинбергеном и др. Основные направления и тенденции исследований в области комплексной оценки и анализа рисков событий связаны с совершенствованием средств аналитического и экспертного анализа различных систем, накоплением и созданием все более обширных баз данных показателей состояния, изменения и развития природно-антропогенных систем, применением новых методов визуализации и обработки данных, использованием математических методов анализа информации, созданием информационно-аналитических систем хранения, представления и обработки данных, разработкой научно-обоснованных методов комплексной оценки, теории анализа рисков и методов системной динамики.
В имеющейся литературе широко представлены доклады аналитиков и экспертов о состоянии и тенденциях развития различных природно-антропогенных систем [73, 76 – 79, 93, 242]. Анализ информации проводится преимущественно для стран, регионов, городов, отдельных территорий и однотипных объектов.
Как отмечается в работе [10] применение комплексной оценки позволяет существенно расширить пространство для выводов экспертов, однако этот путь часто приводит к обширным докладам по изучаемой проблеме. В таких докладах разделы, посвященные оценке существующего состояния, по объему всегда существенно превышают разделы с практическими результатами, которые несут прогностические выводы. Оценка состояния объекта всегда является первым этапом любого экспертного исследования. В докладах по комплексной оценке обычно дается информация о социально-экономическом развитии объектов исследования, загрязнении природных сред, выполняется ретроспективный анализ, дается оценка состояния и прогноз развития объектов, характеризуются изменения состояния окружающей среды и ресурсов, разрабатываются мероприятия и предложения в области исследуемой проблемы и т.д. Создание различных докладов является распространенной инициативой многих аналитических организаций, фондов, международных программ, институтов и университетов [12, 73 – 79, 326, 355 – 359, 368, 369, 376, 397, 401, 403, 407, 409 – 411].
Комплексная оценка природно-антропогенных систем проводится также на основе самых разных индексов, которые отличаются как способами их определения, так и методологическими принципами их построения. Существуют сотни достаточно известных индексов и экспертных мер в области социально-экономического развития стран, регионов и городов, в области охраны окружающей среды, экологии, биоразнообразия и т.д. Гипотезы, которые положены в основу моделей, обычно носят частный и субъективный характер и не могут служить основой для надежных количественных методов оценки хотя бы потому, что социально-экономические, биологические и экологические системы нельзя оценивать по одному, хотя и комплексному показателю. Для построения количественных моделей необходима разработка шкал измерения показателей состояния систем, которые бы не являлись в своей основе субъективными. Пока в биологии, экологии и социально-экономических дисциплинах подобных систем количественной оценки не существует. В экологических и социальных науках, которые изучают состояния природно-антропогенных систем, формулировка объективных законов связана со значительными трудностями, так как в настоящее время методология комплексной оценки в своей основе направлена на качественное описание процессов и недостаточно ориентирована на поиск и установление количественных закономерностей в массивах статистической информации.
В практической деятельности для оценки ПАС используются различные индексы, например: человеческого развития, глобальной конкурентоспособности, состояния и развития городов, экономической свободы, экологической эффективности, качества и безопасности жизни, нестабильности стран, восприятия коррупции, демократии, свободы прессы, глобализации, экологического следа, благополучия, экологических достижений и т.д. В экологической и промышленной безопасности применяют индексы загрязнения атмосферы, индекс пороговой массы опасных веществ для объектов повышенной опасности, суммарный индекс опасности отдельных компонентов, загрязняющих ту или иную биогеохимическую среду (водную, воздушную среды и грунты) и т.д. Индексы свертывают информацию, которая может помочь обнаружить сложные явления или дать однозначные оценки.
Известно, что индекс – это мера отклонения системы по комплексу свойств от уровня, принятого за базовый [313]. Сегодня научные работы в данном направлении ведутся в области исследования индикаторов и индексов в рамках общей теории систем Берталанфи [28, 141, 208, 273, 309, 314, 330, 331, 346, 348, 370, 371]. В результате совместных усилий ученых многих стран мира с активным участием 58-го комитета СКОПЕ (ISEM, г. Найроби, Кения) при UNEP и Комиссии по устойчивому развитию (СSD) научной общественности удалось достичь согласия относительно общих базовых свойств, которыми должны обладать индикаторы и индексы. Таковыми приняты чувствительность, способность к агрегированию, простота интерпретации и научная обоснованность [313].
Обычно методики расчета интегральных индексов основываются исключительно на экспертных методах. Обзоры методов построения интегральных индексов приведены в работах [134, 137, 313]. Современные методики расчета индекса развития человеческого потенциала (ИРЧП), индекса оценки нищеты населения (ИНН), расчета индекса развития с учетом гендерного фактора (ИРГФ), индекса состояния и развития городов, оценки экологического следа, оценки риска негативных последствий и другие методики могут использовать множество показателей, которые обычно компонуются в несколько групп [76 - 79, 94, 134, 178, 348]. Например, индекс человеческого развития включает агрегатную оценку по трем индикаторам в сфере образования, экономического и социального развития, индексы ИНН и ИРГФ используют от трех до пяти индикаторов.
Определение статистической вероятности индикативных событий при наблюдении показателей урбанизированных и природно-антропогенных систем
Из приведенного выше материала следует, что изучение связей между состояниями объектов и их вероятностями возможно при наличии описания поведения изучаемого типа систем в виде многомерных распределений различных событий, связанных с наблюдением совокупности переменных состояния или других значимых показателей. Для того чтобы построить уравнения состояния объектов необходимо в процессе анализа выделить характерные события j и оценить их вероятности.
Определим события, которые могут иметь отношение к статистической информации о состоянии объектов, представленной в виде темпоральных массивов данных. Как указывалось ранее, такие массивы имеют структуру таблиц в виде матриц «объекты–показатели–время» (рис. 2.1). Для любого объекта каждый показатель в темпоральном массиве данных будет представлен в этом случае временным рядом из дискретных точек в количестве равном числу таблиц в массиве данных.
Применительно к такой информации можно выделить следующие основные события и привести зависимости для определения их апостериорных вероятностей.
1. В любой момент наблюдения каждого конкретного показателя объекта реализуется событие, связанное с определением значения этого показателя, как характеристической величины данного события. Наблюдения осуществляются применительно к каждому объекту, и все последовательности наблюдений для любого показателя представляются временными рядами, при этом события наблюдения значения определенного показателя в разных таблицах базы данных являются несовместными.
Для случайной величины Pk вероятность события, что наблюдаемый показатель меньше некоторого заданного значения pk , определяется из функции распределения w(pk ) =w(Pk pk ), которая находится по данным наблюдений. Одномерное эмпирическое распределение данной функции может быть легко найдено по имеющимся статистическим данным. С этой целью для i-того выбранного объекта все опытные данные группируют и строят гистограмму относительных частот. Весь наблюдаемый диапазон показателя pk разбивается на 7 – 12 одинаковых интервалов и определяется число наблюдений попадающих в каждый i-тый интервал. Далее находится относительная частота события Pk pk по формуле w= , где ni – число наблюдений, которые попали в z-тый интервал группирования, N - общее число наблюдений. Эмпирическая функция распределения величины строится для кумулятивных относительных частот. На рисунке 3.1. для примера показана гистограмма плотности вероятности эмпирической функции распределения для случайной величины концентрации диоксида азота при загрязнении атмосферного воздуха в городе Донецке в 2003 году.
Соответствующие одномерные распределения вероятностей для одного показателя по данным временного ряда (для разных таблиц базы данных) легко находятся на основе имеющихся данных с использованием программных продуктов статистического анализа данных.
2. Если ведутся наблюдения одного показателя применительно к группе объектов (относятся к одной таблице данных), то для каждого конкретного показателя реализуются события, связанные с определением значения этого показателя для разных объектов. Все события также образуют полную группу или их вероятности могут быть нормируемы. Для дискретных т со событий Yu wi = 1 для непрерывных случайных величин j" f(pk )dpk = 1, где і ;=1 О - номер объекта, рк - некоторый показатель состояния природно-антропогенной системы, т - количество объектов для изучаемой природно-антропогенной системы, а f(pk) - функция распределения случайной величины, которая оценивается по данным для всех т объектов. Все события наблюдения значений некоторого показателя для разных объектов в данном случае можно рассматривать как совместные, так как они привязываются к одному и тому же моменту времени - суткам, месяцам, годам.
Соответствующие одномерные распределения вероятностей для одного показателя по данным для различных объектов (для одной таблицы базы данных) также легко находятся с использованием программных продуктов статистического анализа данных. На рисунке 3.2 показан график эмпирической функции распределения случайной величины, характеризующей детскую смертность в странах мира в 2013 году.
Для примера в Приложении Б приведены также одномерные эмпирические распределения для показателей, характеризующих состояние городов России с населением более 100 тысяч человек.
3. В любой момент наблюдения за состоянием объектов может быть реализовано сложное совместное событие одновременного определения значений нескольких показателей.
Наблюдения осуществляются применительно к каждому объекту, и при реализации такого события может формироваться множество комбинаций совместного наблюдения значений разных показателей. Все такие события относятся к одной и той же таблице данных и являются совместными. Подобная задача при событийной оценке возникает в случае выделения из имеющейся базы данных нескольких значимых показателей (обычно от трех до пяти), относительно которых строится статистическая модель для группы объектов. Вероятности таких сложных совместных событий могут быть определены как теоретическим путем на основе применения теорем умножения вероятностей, так и алгоритмически.
4. Теоретическое определение вероятности совместных событий зависит от того являются ли события независимыми или зависимыми.
В случае если все события независимы, вероятность совместного события равна произведению вероятностей более простых событий
5. Вероятности сложных совместных событий одновременного наблюдения нескольких показателей для группы урбанизированных и природно-антропогенных объектов могут быть определены алгоритмическим путем при наличии достаточного количества статистических данных. Для двух показателей гистограммы совместных событий строятся с использованием программных продуктов статистического анализа данных (например, Statistica). На рисунке 3.3 представлена гистограмма частот совместных событий наблюдения значений двух показателей.
Если количество показателей составляет более двух, то для оценки вероятностей совместных событий необходимо использовать вычислительные алгоритмы. Статистические вероятности для сложного события одновременного наблюдения значений нескольких заданных показателей могут быть найдены с использованием различных алгоритмов сортировки, группировки и подсчета частот благоприятных событий в общей выборке всех наблюдений. Подобные алгоритмы, позволяют для выборки наблюдений определить статистическую вероятность совместного события.
Существует, по крайней мере, несколько таких возможных алгоритмов. Например, первый алгоритм предполагает выделение в пространстве состояний многомерных параллелепипедов с вершинами, образованными дискретными точками, и последующий подсчет числа точек попавших в эти параллелепипеды. Для примера на рисунке 3.4 число благоприятных случаев характеризуется количеством точек, попавших в выделенную на рисунке область, а общее число данных характеризуется количеством всех наблюдаемых точек. Это позволяет определить относительные частоты наблюдаемых событий.
Идентификация событий и оценка рисков при загрязнении атмосферного воздуха
Анализ рисков предусматривает предупреждение опасных и негативных последствий действий опасности на объекты воздействия и обоснование управленческих решений по снижению уровня риска. Известно, что анализ риска состоит из трех взаимосвязанных процедур: оценки риска, управления риском и информирования о риске [180, 215, 246, 390, 391, 408].
Данные процедуры рассматривают в качестве важных системообразующих элементов мониторинга окружающей среды и социально-гигиенического мониторинга.
Оценка риска проводится на основе изучения сложных событий, которые отражают появление некоторых неблагоприятных или опасных состояний, эффектов или последствий. При загрязнении атмосферного воздуха такая оценка обычно проводится по двум параметрам фактора опасности – концентрации вредного вещества и времени его действия на биологический объект. Параметры фактора опасности рассматриваются как характеристические величины опасных событий, связанных с загрязнением атмосферного воздуха. При построении функций риска оценивают вероятности таких событий и устанавливают их связи с негативными последствиями: эффектами, заболеваемостью, смертностью и т.д., связанными с загрязнением воздуха).
В экологическом и социально-гигиеническом мониторинге подобные события могут быть систематизированы на основе общего подхода оценки рисков опасных событий следующим образом.
1. При загрязнении воздуха одним вредным веществом в момент наблюдения реализуется событие, связанное с определением концентрации вещества в атмосферном воздухе, как характеристической величины данного события. Наблюдения осуществляются на постах и все последовательности наблюдений представляются временными рядами событий, каждый из которых относится к определенному объекту – посту контроля загрязнения атмосферы. Все события являются несовместными.
Для случайной величины вероятность события, что в определенный момент времени наблюдаемая концентрация C вредного вещества меньше некоторого заданного значения c , определяется из функции распределения P(c)=P(C c), которая находится по данным наблюдений. Данная функция распределения чаще всего подчиняется логнормальному закону.
Аналогичным образом могут быть оценены статистические вероятности событий при загрязнении атмосферного воздуха в различных городах. В этом случае значения концентраций (например, среднегодовых, среднемесячных) относятся к объектам - городам или населенным пунктам, где ведутся наблюдения. События наблюдений концентрации конкретного вещества в этом случае также можно считать совместными.
Вероятности указанных выше событий наблюдений концентрации одного вредного вещества (на одном посту, на группе постов, в группе городов) изучаются при решении задач экологического мониторинга загрязнения атмосферного воздуха.
2. При загрязнении воздуха несколькими вредными веществами на контрольном посту (в населенном пункте) реализуется совместное событие одновременного наблюдения суммарного загрязнения.
Для данного совместного события, в случае если все события независимы, вероятность сложного события равна произведению вероятностей более простых событий
Для зависимых событий вероятность сложного события будет равна Pn(c) = P(cl)P (с2)-...-Рс (сп), (5.3) где условные вероятности Рс (c), вычисляются в предположении, что все предыдущие события, связанные с загрязнением воздуха, произошли. Статистические вероятности таких событий могут быть оценены по опытным данным путем определения распределений сложных и более простых событий и изучения взаимосвязей между ними.
Все подобные совместные события, связанные с загрязнением воздуха, могут быть изучены по фактору опасности, исходя из классификации состояния загрязнения атмосферы, например, путем использования комплексных индексов (КИЗА, ПЗА и т.д.) и определения категорий опасности. Это позволяет классифицировать совместные события и провести их ранжирование по степени опасности (норма, риск, кризис, бедствие).
Такая оценка производится на основе использования безопасных уровней для каждого из контролируемых веществ и применения комплексных индексов. Вероятность таких событий также может выступать в виде рисков нарушения качества атмосферного воздуха по комплексу показателей. Вероятности указанных выше совместных событий изучаются при решении задач экологического мониторинга загрязнения атмосферного воздуха.
3. При загрязнении воздуха одним вредным веществом и наблюдении в воздухе некоторой опасной концентрации за определенный период времени может реализоваться сложное событие j возникновения негативного эффекта у биологического объекта (например, физиологическое отклонение, заболевание, смерть).
Экспериментально такая оценка проводится в группе особей по частоте событий j , которая превышает некоторое пороговое значение вероятности (например, 5 %), чтобы исключить спонтанные эффекты. Вероятность таких эффектов оценивается в опыте с двумя группами особей: группой, которая находится при опасных условиях загрязнения воздуха и с контрольной группой, которая находится при безопасных условиях окружающей среды.
Вероятность опасного события j определяется в виде функции риска для заданного вида воздействия (хронического, острого, рефлекторного, канцерогенного и т.д.):
В качестве условной вероятности может выступать экспериментально определенная зависимость «доза-эффект» для изучаемого вредного вещества и заданного вида негативного воздействия. Данное сложное событие j реализуется за определенный промежуток времени, т.к. эффект негативного воздействия наблюдается с некоторым запаздыванием после воздействия вредного вещества на биологический объект.
Вероятности сложных событий возникновения негативных эффектов изучаются преимущественно при решении задач социально-гигиенического мониторинга загрязнения атмосферного воздуха.
4. При загрязнении воздуха одним веществом и наблюдении в разные моменты времени различных опасных концентраций этого вещества на посту (в населенном пункте) может реализоваться сложное событие j возникновения негативного эффекта у биообъекта. Вероятность такого опасного события j определяется в виде риска для заданного вида воздействия (хронического, острого, рефлекторного, канцерогенного и т.д.): где w [Cj) - условная вероятность нанесения вреда человеку (биообъекту) в случае реализации опасности наступлении негативных событий j при загрязнении атмосферного воздуха вредным веществом с концентрацией величиной Cj; P{ci) - вероятность загрязнения воздуха вредным веществом с концентрацией величиной ct, і - текущий номер наблюдения событий в разные моменты времени, t - количество наблюдений. События загрязнения воздуха образуют полную группу несовместных событий, т.е. P(pi) = 1
В данном случае в качестве условных вероятностей wAct) также может выступать зависимость «доза-эффект» для изучаемого вредного вещества и заданного вида негативного воздействия. Вероятности таких событий определяются в задачах оценки риска загрязнения атмосферного воздуха. Для оценки вероятностей достаточно иметь данные по мониторингу загрязнения воздуха на контрольном посту или в населенном пункте в течение некоторого времени (например, года, месяца) и полную информацию о параметрах зависимости «доза-эффект» для определенного вещества.
5. При загрязнении воздуха несколькими вредными веществами на контрольном посту (в городе и населенном пункте) и наблюдении в воздухе опасных концентраций веществ за определенный период времени может реализоваться сложное событие j возникновения кумулятивного негативного эффекта у биологического объекта, связанного с совместным действием нескольких токсикантов.
Экспериментально такая оценка проводится довольно редко, однако имеются сведения о совместном действии аммиака и сероводорода; аммиака, сероводорода и формальдегида; диоксида азота и диоксида серы; озона, диоксида азота и формальдегида; оксида свинца и диоксида серы; оксида углерода и пыли цементного производства и т.д. Подобное комбинированное действие установлено для порядка 60 смесей [53, 82].
Внедрение результатов работы
Разработанные в диссертационной работе методы, методики и рекомендации внедрены в ряде организаций, учреждений и предприятий. Полученные результаты явились основой для развития теории событийной оценки урбанизированных и природно-антропогенных систем и разработки практических методов анализа рисков и многопараметрического ранжирования объектов.
Материалы исследований были использованы при разработке методики событийной оценки и многопараметрического ранжирования урбанизированных территорий, прогнозировании состояния и развития городов, анализе риска воздействий при загрязнении атмосферного воздуха промышленных городов, при разработке методики оценки экологических рисков при загрязнении окружающей природной среды, при внедрении в городах информационных систем мониторинга и развитии их информационного и методического обеспечения, при разработке Программ оздоровления атмосферного воздуха ряда промышленных городов, а также Программ экологического мониторинга регионов и населенных пунктов, при разработке индексов для комплексной оценки развития городов и территорий.
Основные результаты исследований получены и внедрены при выполнении следующих научно-исследовательских работ и работ по разработке информационных систем.
Поисковая тема НИР «Разработка теоретических основ прикладного анализа статистических данных на основе оценок вероятностей событий, отражающих процессы развития стран, регионов и городов», заказчик – Белгородский государственный национальный исследовательский университет, 1 июня 2017– 31 июля 2019. В рамках выполнения данной работы разработана Методика событийной оценки и многопараметрического ранжирования урбанизированных территорий.
НИР № 07-274 «Разработать программу мониторинга качества атмосферного воздуха Донецкой области», заказчик – Государственное управление охраны окружающей природной среды в Донецкой области, 2007 – 2008 гг. В процессе выполнения работ осуществлен мониторинг загрязнения атмосферного воздуха городов Донецкого региона и выполнена интегральная оценка качества атмосферы, а также проведена апробация и внедрение метода комплексной оценки загрязнения атмосферного воздуха на основе определения вероятностей неблагоприятных событий. Автором по результатам работы разработаны предложения в Техническое задание на автоматизированную систему оценки качества атмосферного воздуха и расчета фоновых концентраций загрязняющих веществ.
НИР №30/1040 «Разработка методики по оценке экологических рисков при загрязнении окружающей природной среды», заказчик – Министерство экологии и природных ресурсов Украины, 2007 – 2008 гг. При выполнении работы разработана Методика оценки экологических рисков при загрязнении окружающей природной среды. Данный документ определяет порядок проведения анализа опасностей и оценки экологических рисков, устанавливает методические принципы, термины и понятия анализа риска, задает критерии приемлемых рисков и их уровни, определяет методы исследования опасностей и количественных оценок экологических рисков.
Методика предназначена для использования субъектами природоохранной деятельности для оценки и определения экологических рисков, связанных с загрязнением природной среды. По окончанию выполнения работы методика направлена на апробацию субъектам экологического и социально-гигиенического мониторинга.
НИР №07-272 «Разработать электронную версию экологического паспорта регионов Украины», заказчик – Министерство экологии и природных ресурсов Украины, 2007 – 2008 гг. В процессе выполнения работ внедрены методы событийной оценки и многопараметрического ранжирования территорий по совокупности экологических показателей и индикаторов. Результаты работы включены в Информационно-аналитическую базу данных «Экологический паспорт регионов Украины» в качестве методического обеспечения.
НИР 08-270 «Внедрение и сопровождение автоматизированной системы мониторинга состояния атмосферного воздуха города Донецка», заказчик – Донецкий городской совет, 2008 – 2010 гг. Результатом работы является создание автоматизированной системы мониторинга загрязнения атмосферного воздуха (АКИАМ), одного автоматизированного поста контроля загрязнения атмосферы и одной автоматизированной метеостанции на территории города, а также опытная эксплуатация системы мониторинга. Результаты диссертационной работы использованы при разработке программного обеспечения системы АКИАМ в качестве средств информационного и методического обеспечения.
НИР №10-275 «Экологическая оценка природных и техногенных объектов г. Макеевки и создание экологической карты города», заказчик – Макеевский городской совет, 2009 – 2010 гг. В процессе работ выполнена экологическая оценка и анализ состояния природных и техногенных объектов на территории города Макеевки, а также разработан экологический атлас, который включает в себя все экологически опасные техногенные объекты, зеленые насаждения, водные объекты, сельскохозяйственные территории и другие природно-антропогенные объекты. При выполнении работ апробированы методы событийной оценки и многопараметрического ранжирования территорий и методика оценки экологических рисков.
НИР 07-273, 07-271, 08-271, 11-271, связанные с разработкой докладов о состоянии городской и окружающей природной среды городов Донецк и Макеевка, заказчики – Донецкий и Макеевский городские советы. В процессе работ по данным темам разработаны доклады о состоянии окружающей природной среды городов. При выполнении работ апробированы методы событийной оценки и многопараметрического ранжирования территорий и методика оценки экологических рисков при загрязнении окружающей природной среды. Результаты работ включены в Государственные доклады:
- Доклад о состоянии окружающей природной среды города Донецк в 2006-2007 годах / Аверин Г., Кишкань Р., Звягинцева А. и др. – Донецкий городской совет, 2008. – 112 с.;
- Доклад о состоянии окружающей среды города Макеевки / Аверин Г., Новосад В., Звягинцева А. и др. – Макеевский горсовет, 2008. – 84 с.
НИР № 18/20, № 9/V-26, № 08-273, связанные с разработкой Программ охраны и оздоровления атмосферного воздуха городов Макеевка, Краматорск и Донецк на 2008 – 2015 годы, заказчики – Макеевский, Краматорский и Донецкий городские советы. При выполнении работ апробированы метод комплексной оценки загрязнения атмосферного воздуха и методика оценки рисков негативных воздействий при загрязнении атмосферного воздуха, а также принято участие в подготовке мероприятий Программ оздоровления атмосферного воздуха промышленных городов.
НИР №3/17 «Разработать областную программу охраны окружающей природной среды Луганской области на 2011 – 2015 годы», заказчик – Луганский областной совет, 2010 г. Результаты работы автора были направлены на определение путей создания современной Региональной информационной системы экологического мониторинга. При анализе состояния природной среды и разработке мероприятий Программы использованы методики событийной оценки и многопараметрического ранжирования территорий и анализа рисков негативных воздействий на окружающую природную среду.
НИР № 107/2012 «Разработать областную комплексную программу охраны окружающей среды, рационального использования природных ресурсов и обеспечения экологической безопасности Запорожской области до 2020 года», заказчик – Запорожский областной совет, 2012 г. Результатом работ автора являлась оценка загрязнения природной среды региона, участие в разработке концептуальных положений создания современной системы мониторинга и комплекса мероприятий экологического мониторинга Запорожской области до 2020 года. При анализе состояния природной среды и разработке мероприятий программы использованы методики событийной оценки и многопараметрического ранжирования территорий и анализа рисков негативных воздействий на окружающую среду.
НИР 107/2012 «Разработать техническое задание на региональную систему экологического мониторинга», заказчик – Луганский областной совет, 2012 г. В процессе работ принято участие в разработке Технического задания на региональную автоматизированную систему экологического мониторинга Луганской области, на основе которого в последующем создана Региональная автоматизированная система экологического мониторинга. Результаты диссертационной работы использованы при разработке информационного и методического обеспечения системы мониторинга.