Пм состав: Пистолет Макарова — Характеристики, Достоинства и Недостатки, Принцип Работы, Разборка, Боеприпасы, Отечественные и Зарубежные Модификации, История Разработки

Специализации — Образовательная программа «Прикладная математика» — Национальный исследовательский университет «Высшая школа экономики»

В конце второго курса всем студентам образовательной программы «Прикладная математика» предстоит определиться с индивидуальной траекторией обучения и выбрать одну из трех специализаций. Каждая специализация включает как общие для образовательной программы дисциплины, так и специальные, уникальные для каждой специализации. В настоящее время в рамках образовательной программы «Прикладная математика» реализуются следующие специализации:

Математические и компьютерные методы для современных технологий

Математика, компьютерные науки и методы анализа данных совершили в конце прошлого и начале нынешнего веков революционный скачок в своем развитии. Задача дисциплин данной специализации: обучить студентов новым ключевым математическим методам и передовым компьютерным технологиям на максимально простом, базовом уровне.  Это позволит выпускникам-бакалаврам данной специализации достаточно свободно ориентироваться в современных подходах и алгоритмах моделирования,  обеспечивая конкурентоспособность и создавая преимущественные позиции для дальнейшего образования и деловой или академической карьеры.

Содержание дисциплин данной специализации сочетает современные теоретические методы прикладной математики и новейшие программные технологии с практическими занятиями на суперкомпьютерных кластерах и в лабораториях научных центров.

Преподаватели, читающие курсы для данной специализации, представляют школы мирового уровня по математике и компьютерным наукам. Они являются активно действующими исследователями, участвуют в научных проектах и прикладных разработках в ведущих российских и зарубежных институтах, целый ряд из них удостоен престижных международных и российских премий.

Состав дисциплин специализации:

3 курс

• Асимптотические методы и/или
• Методы машинного обучения

4 курс

• Статистический анализ сложных систем,  хаос,  фракталы
• Математические модели нелинейных процессов
• Введение в суперкомпьютерное моделирование

Преподаватели, обеспечивающие специализацию:

Математическое моделирование, управление и обработка информации

Специализация ориентирована на подготовку современных инженеров, профессионально владеющих новейшими компьютерными технологиями и математическими методами, на которых они основаны. Основные компетенции выпускника позволят ему решать профессиональные задачи в следующих областях:

• Разработка систем управления различного назначения;
• Проектирование и анализ механических систем и технологических процессов;
• Разработка интеллектуальных и робототехнических систем.

В процессе обучения студенты познакомятся с методами решения инженерных задач, связанных с динамикой и механикой сложных систем и процессов, с параллельной обработкой информации в робототехнике и мехатронике, моделированием технических, диагностических, экспертных и интеллектуальных систем.

Курсы специализации подобраны таким образом, чтобы студент мог не просто освоить математические и алгоритмические особенности рассматриваемых методов, но и применить их на практике, овладев навыками профессиональной работы в современных компьютерных системах, применяемых при решении научно-технических задач  (MatLab, SolidWorks, MSC.Nastran, Mimics, NASA.GMAT и др.).

Состав дисциплин специализации:

3 курс  

• Моделирование систем и процессов

4 курс  

• Инструментальные средства моделирования
• Численно-аналитические методы моделирования
• Адаптивные системы управления
• Стохастические оценки и управление

Преподаватели, обеспечивающие специализацию:

Прикладные методы стохастического анализа

Деятельность специалиста по прикладным методам стохастического анализа состоит в построении адекватных математических моделей технических, экономических и других систем и процессов, функционирование которых зависит от случайных факторов; применении теоретико-вероятностных и статистических методов для исследования этих моделей; оптимизации управления стохастическими системами. Специалист по прикладным методам стохастического анализа призван осуществлять прогнозирование и аналитические расчеты в сфере технической, экономической и управленческой деятельности, связанной с решением прикладных задач надежности, массового обслуживания, управления запасами, с оценкой рисков и актуарными расчетами. Объектами профессиональной деятельности являются: технические, финансовые, экономические и аналитические подразделения предприятий и учреждений всех организационно-правовых форм, работа в которых требует профессиональных знаний в области математики, статистики и компьютерных технологий, в частности, прикладного программного обеспечения.

3 курс

• Компьютерное моделирование стохастических систем

4 курс 

• Теория массового обслуживания
• Математическая теория страхования
• Прикладные стохастические модели
• Методы анализа стохастических взаимосвязей
• Управляемые случайные процессы

Преподаватели, обеспечивающие специализацию:

Волжский филиал ВолГУ

Направление подготовки бакалавров «Прикладная математика и информатика»

1. Информация о направлении подготовки 

Направление «прикладная математи­ка и информатика» объединяет в себе как фундаментальную математическую подготовку студентов, так и изучение современ­ных прикладных моделей, методов и программных средств.

Бакалавр прикладной математики и информатики подготовлен пре­иму­щественно к выполнению деятельности в областях, использующих методы прикладной математики и компьютерные технологии; к разработке и применению современных математических методов и программного обеспечения для решения задач науки, техники, экономики и управления; к использованию информационных технологий в проектно-конструкторской, управленческой и финансовой деятельности.

Преподавательский состав высоко квалифицирован и насчитывает 1 доктора и 3 кандидатов физико-математических и технических наук.

Отличительной чертой предлагаемого математического образования является широкое использование средств современной вычислительной техники. Наличие компьютерных классов, оснащенных современным оборудованием, объединенных в единую сеть с выходом в Интернет, позволяет получить практические знания, которые являются базой для овладения профессиональными навыками.

2. Перспективы трудоустройства

Бакалавр прикладной математики и информатики может занимать должности, требующие высшего образования в соответствии с законами Российской Федерации. Сферами профессиональной деятельности бакалавра прикладной математики и информатики являются государственные органы управления, образовательные учреждения и организации различных форм собственности, использующие методы прикладной математики и компьютерные технологии в своей работе. Студенты, прошедшие обучение по направлению прикладная математика и информатика, могут с успехом работать в различных отраслях экономики, где возникает потребность в анализе и оптимизации производства, инвестиционной деятельности, прогнозировании социальных процессов.

Выпускники кафедры имеют высокий программистский уровень, что позволяет им работать системными программистами, администраторами баз данных, администраторами сетей ЭВМ. Поэтому математики-прикладники востребованы на рынке труда.

Выпускники, прошедшие обучение по направлению прикладная математика и информатика, имеют возможность продолжить своё обучение в магистратуре, проводя исследования, как в фундаментальной, так и в прикладной математике.

В выпускниках кафедры заинтересованы следующие организации и предприятия региона: Волжское отделение ОАО Сбербанка России, ЗАО «Группа Тауэр-Телеком», ЗАО «Торговый Дом ТМК», компания «Торус консалт», ООО «Инженеры информации», ООО «Инженер-Центр», ОАО «Волжский трубный завод», ОАО «Волжский Оргсинтез».

3. Места трудоустройства выпускников

Квалификация и уровень подготовки выпускников кафедры высоко оценены руководством многих крупных организаций нашего города; ОАО «Волжский Трубный Завод», ОАО «Волжский подшипниковый завод, ОАО «ВОЛТАЙР-ПРОМ», Coca-Cola, Пенсионный фонд, Администрация г. Волжского, ВГИ, ВПИ, МУП ЖКХ – вот далеко не полный перечень мест, где работают выпускники кафедры прикладной математики и информатики. Все выпускники нашли себе работу по специальности и «по душе»; многие работают или продолжают обучение за пределами Волгоградской области – в Москве и за рубежом: в Германии, Франции, Нидерландах и др.

Студенты прикладной математики и информатики достигли высоких результатов в научной деятельности различного уровня.

Победа Ломтева Ильи (ПМФ-121) в заключительном туре  Международной открытой студенческой Интернет-Олимпиады по информатике.

Поплевин И.С. и Поплевина К.А. (МПМФ-141) заняли 3-е место в Международной олимпиаде по логистике.

Луценко Лолита (ПМФ-121) и Жданова София (МЛ-151) заняли 1-е место в Международной олимпиаде по логистике. 

Призовые места,занятые студентами и аспирантами на научных конференциях и олимпиадах

Работодатели, принимающие участие в учебном процессе

Шилин Александр Николаевич – технический директор ООО «Инженеры информации», г. Волжский. Входит в состав государственной аттестационной комиссии для защиты выпускных квалификационных работ по направлению подготовки бакалавров 01.03.02 «Прикладная математика и информатика».

В состав государственной экзаменационной комиссии для сдачи государственного квалификационного экзамена по направлению подготовки бакалавров 01.03.02 «Прикладная математика и информатика» входит Малыгин Даниил Валерьевич – Директор ООО «Малгора».

Научные направления кафедры ПМиИ

Мультимедийные аудитории:

Компьютерные классы:

Плавмастерская ПМ-82 Балтийского флота приступила к выполнению задач в Средиземном море

составе экипажа ПМ-82 находятся профильные специалисты, способные оперативно осуществлять различные виды ремонта кораблей

Москва, 25 дек — ИА Neftegaz. RU.

Плавмастерская совершила переход из Балтийского в Средиземное море и вошла в состав постоянного соединения ВМФ, выполняющего задачи в этом районе.
Основная задача экипажа плавмастерской — поддержание высокой технической готовности кораблей оперативного соединения ВМФ России в Средиземноморье.

В составе экипажа ПМ-82 находятся профильные специалисты, способные оперативно осуществлять различные виды ремонта кораблей.
Технические помещения плавучей мастерской представляют из себя небольшие цеха со всем необходимым оборудованием.
Вспомогательное судно может оказывать техподдержку кораблям непосредственно в море и местах базирования.

Напомним, что ПМ-82 была построена в 1978 г. на польской судоверфи «Сточня Щецинская им. Адольфа Варского».
В том же году вошло в состав Балтийского флота.
В 2016 г. завершился капитальный ремонт судна, оборудование было обновлено на 70%.

Основные характеристики:

• длина — 121,7 м, ширина — 17 м, осадка — 4,63 м;
• водоизмещение — 5540 т, полное — 5660 т;
• судовая силовая установка — дизельная, 3000 л.с., 1 винт;
• скорость — до 13,5 узла;
• экипаж — 193 чел., из них 150 – рабочие;
• грузоподъемность — 280 т запчастей.

Сегодня масштаб Средиземноморской эскадры уже не тот, но сдерживающие функции корабли выполняют.
В дальние походы в Средиземноморье ходят корабли со всех флотов ВМС РФ.
Главный интерес властей РФ в Восточном Средиземноморье — это Сирия и ее нефтегазовые провинции (НГП).

Так, 24 декабря 2020 г. фрегат «Адмирал Григорович» Черноморского флота начал прохождение черноморских проливов Босфор и Дарданеллы в направлении Средиземного моря, где корабль будет выполнять задачи в составе постоянного соединения Военно-Морского Флота (ВМФ).
В дальней морской зоне корабль сменит экипаж фрегата «Адмирал Эссен», выполняющий специальные задачи с октября 2020 г.

Химический состав мелких твердых частиц и ожидаемая продолжительность жизни

С середины 1990-х годов качество воздуха в крупных городах США значительно улучшилось. Большая часть этого прогресса была достигнута благодаря Закону о чистом воздухе 1970 года. ¹ В 2009 году Pope et al. ² собрал данные о продолжительности жизни, социально-экономическом статусе и демографических характеристиках для 211 округов в 51 мегаполисе США с соответствующими данными о загрязнении воздуха мелкими частицами (PM _{2. 5} ) на конец 1970-х — начало 1980-х и конец 1990-х — начало 2000-х годов. Для оценки связи между сокращением загрязнения и изменением ожидаемой продолжительности жизни использовались регрессионные модели с поправкой на изменения социально-экономических и демографических переменных и косвенных показателей распространенности курения сигарет. Эти авторы обнаружили, что сокращение PM _2,5 на 10 мкг / м ³ за этот период было связано с увеличением ожидаемой продолжительности жизни на 0,61 ± 0,2 года.

Correia et al. ³ продлил Папу и др. ^{2 Анализ} с использованием данных за период с 2000 по 2007 год по 545 округам США. Используя те же статистические методы, что и Pope et al., ² Correia et al. ³ исследовал, продолжают ли более недавние и меньшие сокращения PM _2,5 быть связаны с увеличением продолжительности жизни. Они обнаружили, что сокращение PM _2,5 на 10 мкг / м 3 ^{3 за период между 2000 и 2007 годами было связано с увеличением на 0. 35 ± 0,16 года по средней продолжительности жизни.}

Хотя эти предыдущие результаты свидетельствуют о том, что прошлые и недавние снижения уровней PM _2,5 в окружающей среде связаны с увеличением ожидаемой продолжительности жизни, они не определили, какие компоненты PM _2,5 являются наиболее ответственными за наблюдаемые ассоциации. Чтобы восполнить этот пробел в знаниях, мы расширили предыдущее исследование Correia et al. ³ о связи между региональными изменениями в PM _2.5 общая масса (между 2000 и 2007 годами) и изменение средней продолжительности жизни (между 2007 и 2000 годами) химических компонентов PM _2,5 . В частности, мы использовали те же аналитические методы, что и Pope et al. ² и Correia et al. ³ для оценки связи между временными изменениями в конкретных округах (между 2002 и 2007 годами) основных компонентов PM _2.5 и временными изменениями в конкретных округах (между 2007 и 2002 годами) в ожидаемой продолжительности жизни. Мы оценили эти ассоциации для всех округов вместе и отдельно для городских и пригородных округов.

МЕТОДЫ

Источник данных

Мы использовали данные на уровне округа, которые включают ожидаемую продолжительность жизни, PM _2,5, и потенциальные факторы, влияющие на данные округа, из наших предыдущих исследований. ^2,3 Мы ограничили этот анализ 95 округами, в которых проводилось не менее шести ежедневных наблюдений для каждого сезона в 2002 и 2007 годах для PM _{2,5 массы} и для каждого из семи его химических компонентов.Эти 95 округов расположены в 75 районах столичного статистического округа (MSA), и все они были включены в Correia et al. ³ Из-за небольшого количества данных наблюдений о химических компонентах в 2000 и 2001 годах мы ограничили наш анализ периодом между 2002 и 2007 годами, а не между 2000 и 2007 годами, как в Correia et al. ³

Результат

Нашим основным результатом было изменение ожидаемой продолжительности жизни в зависимости от округа, рассчитанное как разница между значениями 2007 года и 2002 года. Средняя ожидаемая продолжительность жизни по округам и годам была рассчитана путем подгонки пространственной модели Пуассона со смешанными эффектами к данным Национального центра статистики здравоохранения и данным переписи населения США. С помощью этой модели мы получили надежные оценки количества смертей в каждом округе (по возрасту, расовым группам и годам), а затем рассчитали ожидаемую продолжительность жизни для каждого округа. Этот метод также использовался в нашем предыдущем анализе. ^3,4 Подробное объяснение расчета ожидаемой продолжительности жизни на уровне округа включено в Раздел A Дополнительного онлайн-приложения (http: // links.lww.com/EDE/A907).

PM

PM _2,5 данные об общей массе и химических компонентах PM _2,5 были получены из Air Explorer, предоставленного Агентством по охране окружающей среды США. ⁵ Мы вычислили измерения PM _{2. 5} на уровне округа, сначала усреднив ежедневные измерения на мониторах в округах, а затем усреднив их по дням для расчета среднегодовых значений. ⁶ Семь химических компонентов PM _2.5 , включая сульфат, нитрат, аммоний, элементарный углерод, органический углерод, кремний и ион натрия, были выбраны на основе выводов Bell et al., ⁷ , поскольку они являются единственными компонентами, каждый из которых вносит более 1% массы PM _2,5 для среднесезонных или годовых значений, и в целом составляют не менее 79–85% массы PM _2,5 . Специфические для округа изменения массы PM _2.5 и его компонентов были определены как разница между годовыми значениями 2002 и 2007 годов.Единица этих изменений — мкг / м ³ .

Для каждого округа мы также получили демографические, социально-экономические, демографические данные, данные о населении и курении для каждого округа, поскольку они могут быть потенциально затруднительными. В частности, мы вычислили различия между 2007 и 2002 годами следующих переменных для конкретных округов: общая численность населения, доля чернокожего населения, доля латиноамериканского населения, доля населения, окончившего среднюю школу, — все они были собраны на основе переписи населения США. данные Обследования американского сообщества и доход на душу населения, которые были собраны на основе данных, доступных через Бюро экономического анализа. ⁸ Данные о доходах были стандартизированы с использованием индекса потребительских цен с 2000 г. в качестве базового года, предоставленного Бюро статистики труда США. ⁹ Чтобы внести поправку на курение, мы использовали стандартизированные по возрасту коэффициенты смертности от рака легких и хронической обструктивной болезни легких (ХОБЛ) в качестве косвенных переменных для распространенности курения. Эти коэффициенты смертности были рассчитаны в соответствии с руководящими принципами Всемирной организации здравоохранения в отношении стандартизованных по возрасту коэффициентов смертности с использованием коэффициентов смертности Национального центра статистики здравоохранения 2000 и 2005 годов. ^3,10 Кроме того, мы получили данные о текущих показателях курения по округам из Системы наблюдения за поведенческими факторами риска (BRFSS) Центра по контролю за заболеваниями. Из 95 округов 87 имели текущую информацию о курении, основанную на данных BRFSS. Используя индекс урбанизации, ¹¹ , мы разделили 95 округов на «городские» округа (n = 52), в которых более 90% населения проживает в городских и «пригородных» округах (n = 43), если в противном случае. ³

Статистический анализ

Мы применили модели линейной регрессии для оценки связи между временными изменениями каждого из семи химических компонентов PM _2.5 (с 2002 по 2007 год) и изменения ожидаемой продолжительности жизни (с 2007 по 2002 год). В регрессионные модели мы включили временные изменения социально-экономических и демографических переменных и распространенности курения сигарет. Мы применили эти регрессионные модели для всех 95 округов вместе, а также для городских и пригородных округов по отдельности. Стандартные ошибки оцененных коэффициентов регрессии были скорректированы для кластеризации округов в рамках MSA (n = 75). ² Расчетные коэффициенты регрессии были масштабированы, чтобы представить связь между изменением ожидаемой продолжительности жизни и изменением одного межквартильного диапазона (IQR) соответствующего химического компонента.

Мы использовали три регрессионные модели: (1) нескорректированные модели одного загрязнителя, которые включали только одну зависимую переменную, определяемую как временное изменение одного из семи химических компонентов в данный момент; (2) скорректированные модели одного загрязнителя, такие же, как модель 1, но скорректированные с учетом изменений демографических, социально-экономических, популяционных характеристик, показателей смертности от рака легких и показателей смертности от ХОБЛ; и (3) скорректированные модели нескольких загрязнителей, такие же, как модель 2, но скорректированные с учетом временных изменений всех семи компонентов. В качестве анализа чувствительности мы также подобрали модели, которые корректируют изменения в текущих показателях курения в конкретных округах в дополнение к изменениям показателей смертности от рака легких и ХОБЛ. Этот анализ чувствительности был проведен для 87 округов, в которых имеются текущие данные BRFSS о курении. Все анализы проводились с использованием SAS версии 9.3 (SAS Institute Inc, Кэри, Северная Каролина).

РЕЗУЛЬТАТЫ

Выборка исследования

В 2007 году население 95 округов составляло примерно 70 миллионов, что составляет 23% от общей численности населения США.На рисунке S1 в электронном приложении (http://links.lww.com/EDE/A907) показано распределение средних по округам общей массы PM _2,5 по округам по сезонам и отдельно за 2002 и 2007 годы.

Изменение ожидаемой продолжительности жизни

отображает значения ожидаемой продолжительности жизни для округа в 2007 году (ось и ) в сравнении со значениями ожидаемой продолжительности жизни для округа в 2002 году (ось x ). Примерно в 95% из 95 округов ожидаемая продолжительность жизни за этот период увеличилась.Этот рост был более заметным в городских округах, чем в пригородах.

Изменение ожидаемой продолжительности жизни в 95 округах США (2007 г. по сравнению с 2002 г.).

Изменения в PM

сообщает сводные характеристики 95 округов, в целом, по городским и зарубежным округам. Таблица S1 в электронном приложении (http://links.lww.com/EDE/A907) суммирует среднее значение, медианное значение, стандартное отклонение и IQR по 95 округам разницы между среднегодовыми показателями по округам в 2002 г. минус округа удельные среднегодовые значения PM _{в 2007 г. 2.5} и его составные части.

ТАБЛИЦА 1

Сводная характеристика 95 округов за 2002 и 2007 годы: среднее значение по округам

показаны графики разброса средних по округам средних значений общей массы PM _2,5 и его семи компонентов в 2002 г. ( x ) по сравнению с 2007 годом (ось y ). В период с 2002 по 2007 год мы наблюдали заметное снижение общей массы PM _2,5 и семи его компонентов, за исключением элементарного углерода, который в среднем по округам увеличился. Это снижение различается по регионам.Западный регион показал наибольшее снижение общей массы PM _2,5 (1,00 мкг / м ³ ), нитратов (0,50 мкг / м ³ ), аммония (0,22 мкг / м ³ ), органического углерода (1,61 мкг / м ³ ) и иона натрия (0,14 мкг / м ³ ), в регионе Среднего Запада было наибольшее снижение содержания сульфатов (0,32 мкг / м ³ ), а в регионе Северо-Востока наблюдалось наибольшее снижение содержания кремния. (0,03 мкг / м ³ ) и наименьшее увеличение элементарного углерода (0,13 мкг / м ³ ).В ожидании анализа множественных загрязнителей суммирует корреляции между изменениями (между 2002 и 2007 годами) для каждой пары химических компонентов во всех 95 округах. Наиболее сильно коррелированы изменения аммония и нитрата ( R = 0,81).

Среднее годовое значение PM _2,5 и его семи компонентов в 2002 году по сравнению с 2007 годом по конкретному округу.

ТАБЛИЦА 2

Корреляция между изменениями (между 2002 и 2007 годами) для каждой пары химических компонентов во всех 95 округах ^a

Связь между изменениями в PM

На рисунке S2 в электронном приложении (http://links.lww.com/EDE/A907) показаны диаграммы разброса изменений, характерных для округа в PM _2,5 масса и семь его химических компонентов (между 2002 и 2007 годами, ось x ) в сравнении с изменениями ожидаемой продолжительности жизни по конкретным округам (между 2007 и 2002 годами, ось y ). показывает точечные оценки и 95% доверительные интервалы (ДИ) связи между временными изменениями ожидаемой продолжительности жизни и временными изменениями каждого из семи компонентов PM _2.5 и PM _2,5 общая масса по всем округам вместе взятым, а также по городским и пригородным округам. Эти оценки основывались на нескорректированной модели одного загрязнителя (), скорректированной модели одного загрязнителя () и скорректированной модели нескольких загрязнителей (). Модели регрессии включают изменения дохода на душу населения, общей численности населения, доли чернокожего населения, доли латиноамериканского населения, доли населения, окончившего среднюю школу, стандартизованных по возрасту коэффициентов смертности от рака легких и стандартизованных по возрасту показателей смертности. ставки на ХОБЛ.Оценки и соответствующие 95% доверительные интервалы всех коэффициентов регрессии из регрессионных моделей перечислены в таблицах S2 – S4 в приложении eAppendix (http://links.lww.com/EDE/A907). На рисунке S3A – C в электронном приложении (http://links.lww.com/EDE/A907) приведены результаты анализа чувствительности для нескорректированных моделей одного, скорректированного одного и нескольких загрязнителей, скорректированных с учетом изменения текущего уровня курения. получено из BRFSS. Только 87 округов, которые имели текущую информацию о курении от BRFSS, были включены в анализ чувствительности.

A, Точечные оценки и 95% доверительные интервалы ассоциации между округами между снижением (между 2002 и 2007 годами) IQR (мкг / м ³ ) общей массы PM _2,5 или в каждом из семи химические компоненты и увеличение (в период с 2007 по 2002 год) ожидаемой продолжительности жизни (лет). Результаты представлены для всех 95 округов ( левая панель, ), 43 негородских округов ( средняя панель ) и 52 городских округов ( правая панель ). Эти оценки были получены в рамках «нескорректированной модели отдельного загрязнителя», которая включает в себя единственный прогностический фактор изменения PM _2.5 общей массы или изменение одного из семи компонентов. B, точечные оценки и 95% доверительные интервалы ассоциации между округами между снижением (между 2002 и 2007 годами) IQR мкг / м ³ ) общей массы PM _2,5 или каждого из семи химических компонентов и увеличение (в период с 2007 по 2002 год) ожидаемой продолжительности жизни (лет). Результаты представлены для всех 95 округов ( левая панель, ), 43 негородских округов ( средняя панель ) и 52 городских округов ( правая панель ).Эти оценки были получены в рамках «скорректированной модели отдельного загрязнителя», которая включает в себя один предиктор воздействия (изменение общей массы PM _2,5 или изменение одного из семи компонентов) и дополнительные факторы, которые отражают изменения в демографических, социально-экономических, популяционных , рак легких и переменные ХОБЛ (суррогатная информация о курящей популяции). C, точечные оценки и 95% доверительные интервалы ассоциации между округами между снижением (между 2002 и 2007 годами) IQR мкг / м ³ ) PM _2.5 общей массы или в каждом из семи химических компонентов и увеличение (между 2007 и 2002 годами) ожидаемой продолжительности жизни (лет). Результаты представлены для всех 95 округов ( левая панель, ), 43 негородских округов ( средняя панель ) и 52 городских округов ( правая панель ). Эти оценки были получены в рамках «скорректированной модели множественных загрязнителей», которая включает изменения всех семи компонентов в качестве предикторов воздействия и дополнительных факторов, которые отражают изменения в демографических, социально-экономических, популяционных, рака легких и переменных ХОБЛ (суррогатная информация о курящей популяции) .

PM

В рамках модели с одним скорректированным загрязнителем () мы не нашли доказательств того, что уменьшение IQR (2,20 мкг / м ³ ) массы PM _2,5 было связано с увеличением продолжительность жизни.

Сульфат

В рамках одной скорректированной модели загрязнителя () мы обнаружили, что снижение IQR (0,32 мкг / м ³ ) сульфата слабо связано с увеличением продолжительности жизни. Эта связь стала более сильной при использовании модели с несколькими скорректированными загрязнителями (0.12 лет [0,02–0,22]; ). Эта ассоциация сильнее в пригородных округах по сравнению с городскими округами.

Аммоний

В рамках модели множественных загрязнителей мы обнаружили, что снижение IQR аммония было связано с увеличением ожидаемой продолжительности жизни в 43 пригородных округах (0,14 года [95% ДИ = 0,01, 0,27];).

Ион натрия

В рамках модели с несколькими скорректированными загрязнителями () мы обнаружили, что снижение IQR (0,04 мкг / м ³ ) иона натрия было связано с увеличением продолжительности жизни в 43 пригородных округах (0 .10 лет [95% ДИ = 0,06, 0,14]).

Мы не нашли доказательств связи между временными изменениями химических компонентов и временными изменениями ожидаемой продолжительности жизни любого из этих химических компонентов: элементарного углерода, нитрата, органического углерода или кремния.

Анализ чувствительности показывает, что все эти результаты, за исключением аммония, устойчивы к поправке на временное изменение нынешних показателей курения в период с 2002 по 2007 год (рис. S3A – C в электронном приложении; http: // ссылки.lww.com/EDE/A907). В частности, мы обнаружили, что связь между снижением уровня аммония и увеличением продолжительности жизни в округах за пределами города была потеряна с поправкой на уровень курения. Однако это может быть связано с меньшим количеством округов за пределами города, включенных в анализ чувствительности (n = 35), по сравнению с и без того небольшим количеством округов за пределами города, включенных в основной анализ (n = 43). Мы также обнаружили, что изменение нынешних показателей курения не было связано с изменением ожидаемой продолжительности жизни ни в рамках модели с одним скорректированным загрязнителем, ни по модели с множеством скорректированных загрязнителей.

ОБСУЖДЕНИЕ

В этом исследовании оценивается долгосрочное воздействие химических компонентов PM _2,5 на продолжительность жизни как в городских, так и в загородных округах. Мы обнаружили, что снижение содержания сульфатов было связано с увеличением продолжительности жизни во всех 95 округах, а снижение содержания ионов аммония и натрия было связано с увеличением продолжительности жизни в пригородных округах. Наши результаты были основаны на модели множественных загрязнителей, в которой каждый отдельный загрязнитель также был скорректирован для других шести составляющих.

Определение того, какие химические компоненты загрязнения воздуха твердыми частицами в первую очередь ответственны за различные наблюдаемые неблагоприятные последствия для здоровья, сложно и явно не решено полностью. В целом литературные данные предполагают, что различные сложные смеси мелких частиц, включая металлы, элементарный и органический углерод, аммоний, сульфаты, нитраты и родственные загрязнители, могут способствовать неблагоприятным последствиям для здоровья. ^7,12–24

Наш результат о неблагоприятном влиянии сульфатов на продолжительность жизни согласуется с результатами Lepeule et al., ²⁵ Поуп и др., ²⁶ и Кравченко и др. ²⁷ Эти авторы также обнаружили, что уменьшение содержания сульфата приводит к снижению смертности.

Ограниченные доступными химическими компонентами данных PM _2.5 , мы не обнаружили, что уменьшение содержания элементарного углерода, нитратов, кремния и органического углерода было связано с увеличением продолжительности жизни. Однако недавние исследования временных рядов показали, что эти компоненты могут быть связаны со смертностью.Например, в недавнем исследовании острых последствий для здоровья, связанных с кратковременным воздействием химических компонентов PM _2,5 , Krall et al. ²² подогнали модели одного загрязнителя к данным временных рядов нескольких участков и оценили краткосрочные связи между неслучайной смертностью и компонентами PM _2,5 в 72 городских округах с 2000 по 2005 год. Они обнаружили, что ежедневные изменения кремния, органического углерода и элементарных углерода были связаны с ежедневным изменением смертности.Dai et al. ²⁸ соответствовал модели регрессии Пуассона для конкретного сезона для оценки воздействия PM _2,5 на примерно 4,5 миллиона смертей от всех причин, сердечно-сосудистых заболеваний, респираторных заболеваний, инфаркта миокарда и инсульта в 75 городах США с 2000 по 2006 год. Они обнаружили, что кремний, кальций и сера были связаны с общей смертностью, а сера также была связана с большим количеством респираторных смертей. Наш анализ был сосредоточен на долгосрочном воздействии химических компонентов и смертности, тогда как все анализы временных рядов были сосредоточены на краткосрочном воздействии.

Эпидемиологические исследования нескольких загрязнителей могут сообщать о результатах, которые являются неожиданными и трудно интерпретируемыми из-за множества методологических проблем. ²⁹ Этими проблемами являются: (1) корреляция между загрязнителями может препятствовать возможности отделения воздействия одного загрязнителя от других; (2) неизмеренное смешение и / или неправильная спецификация статистической модели может исказить результаты; (3) ошибка измерения экспозиции, также учитывая, что разные компоненты имеют разную степень пространственной изменчивости. ^30,31

Наше исследование имеет ограничения. Во-первых, у нас были данные только по 95 округам и 75 MSA, что намного меньше, чем 545 округов, включенных в Correia et al. ³ Это в основном связано с тем, что количество мониторов, измеряющих компоненты PM _2.5 , намного меньше, чем количество мониторов, измеряющих общую массу PM _2.5 . В 2007 году из 259 мониторов, измеряющих массу PM _2,5 в 95 округах, только 107 (41,3%) были доступны для одного или нескольких из семи компонентов PM _2.5 масс.

Во-вторых, хотя наши статистические модели включали множество потенциальных факторов, влияющих на факторы, такие как временные различия в социально-экономических, демографических переменных и переменных, связанных с курением, мы признаем, что вполне вероятно, что временные изменения в образе жизни за последнее десятилетие могли повлиять на ожидаемую продолжительность жизни. Эти изменения, включая уменьшение количества курящих, ³² , снижение потребления красного мяса, ³³ и улучшение контроля диабета, ³⁴ , могут все способствовать увеличению продолжительности жизни.Более того, улучшение лечения, качества помощи, доступа к медицинской помощи, снижение количества госпитализаций при острых сердечно-сосудистых заболеваниях по всей стране также может привести к увеличению продолжительности жизни. ^35–38 Тем не менее, все эти факторы, вероятно, будут искажать сообщаемые ассоциации только в том случае, если: (1) их временные изменения в пределах каждого округа также коррелируют с временными изменениями компонентов PM _2.5 в пределах того же округа, и ( 2) их временные изменения, характерные для округа, не учитываются измеряемыми искажающими факторами для конкретного округа, которые были включены в статистическую модель.

В-третьих, в этом анализе мы регрессировали временные различия в подверженности загрязнению воздуха по сравнению с временными различиями в ожидаемой продолжительности жизни по округам, и, следовательно, специфические для округа факторы, которые коррелируют как с воздействием загрязнения воздуха, так и с ожидаемой продолжительностью жизни, но которые не меняются во времени. не сбивают с толку.

Еще одно потенциальное ограничение заключается в том, что ошибка измерения экспозиции для химических компонентов может быть больше в округах за пределами города, чем в городских округах. Это могло быть связано с двумя причинами.Во-первых, пригородные округа обычно больше, чем городские округа, и все же количество наблюдателей в негородских округах меньше, чем число наблюдателей в городских округах. В нашем исследовании количество мониторов массы PM _2,5 составляло 79 и 180 в пригородных и городских округах, соответственно. Во-вторых, корреляция между мониторами между химическими компонентами, вероятно, уменьшится по мере увеличения расстояния между мониторами, и эти корреляции будут разными для химических компонентов.Bell et al. ³⁰ изучил корреляции ежедневных данных о загрязнителях для пар мониторов для каждого из семи химических компонентов и обнаружил, что корреляции снижаются с увеличением расстояния между двумя мониторами. Корреляции аммония, нитрата и сульфата кажутся менее чувствительными к изменению расстояния, чем корреляция элементарного углерода. ³⁰

Наконец, мы сосредоточились только на семи компонентах, которые дают более 1% от общей массы PM _2.5 . ⁷ В наш анализ не вошли компоненты, которые составляют менее 1% от общей массы PM _2,5 , но являются вредными.

Несмотря на эти ограничения, наши результаты свидетельствуют о том, что сокращение в конкретных округах долгосрочного воздействия выбросов сульфатов, которые обычно возникают в результате автомобильного движения, производства электроэнергии, промышленности и сельского хозяйства, было связано с увеличением продолжительности жизни. Также мы обнаружили, что сокращение выбросов аммония в конкретных округах, которое чаще встречается в загородных районах и обычно происходит за счет использования удобрений и свалок отходов, а также сокращение выбросов ионов натрия в конкретных округах, которые обычно возникают в промышленности и сельском хозяйстве. (е.g., очистка биологических сточных вод), были связаны с увеличением продолжительности жизни в сельской местности. Выявление этих движущих сил потенциально могло бы позволить более целенаправленное регулирование качества воздуха и способствовать дальнейшему пониманию механизмов, посредством которых загрязнение воздуха мелкими частицами влияет на здоровье населения.

1. Что такое твердые частицы (ТЧ)?

1. Что такое твердые частицы (ТЧ)?

• 1.1 Почему размер частиц имеет значение
• 1.2 Как образуются частицы?
• 1.3 Какие материалы являются основными компонентами твердых частиц?

Твердые частицы — это сумма всех твердых и жидких частиц, взвешенных в воздухе, многие из которые опасны. Эта сложная смесь включает в себя как органические и неорганические частицы, такие как пыль, пыльца, копоть, дым и капли жидкости. Эти частицы сильно различаются по размер, состав и происхождение.

Частицы в воздухе:

• непосредственно выбрасывается, например, когда топливо сгорает и когда пыль переносится ветром, или
• образуется косвенно, когда газообразные загрязнители ранее выброшенный в воздух превращается в твердые частицы.

Подробнее …

1.1 Почему размер частиц имеет значение

Аэродинамические свойства частиц определяют, как они переносятся в воздухе и как они могут быть удалены из него. Эти свойства также определяют, как далеко они попадают в дыхательные пути дыхательная система. Кроме того, они предоставляют информацию о химическом веществе. состав и источники частиц.

Частицы имеют неправильную форму и их аэродинамическое поведение выражается через диаметр идеализированной сферы. В отбор проб и описание частиц основано на этом аэродинамический диаметр, который обычно обозначается просто как «размер частиц». Частицы имеющие одинаковый аэродинамический диаметр могут иметь разные размеры и формы. Некоторые частицы в воздухе составляют более 10 000 в разы превосходит другие с точки зрения аэродинамики диаметр.

В зависимости от размера, твердые частицы часто делится на две основные группы:

• The грубая фракция содержит более крупные частицы размером в диапазоне от 2,5 до 10 мкм (PM ₁₀ — PM _2,5 ).
• г. штраф фракция содержит более мелкие размером до 2.5 мкм (PM _2,5 ). Частицы в мелкая фракция, которая менее 0,1 мкм называются сверхтонкий частицы.

Большая часть общей массы летательного аппарата твердые частицы обычно состоит из мелкие частицы от От 0,1 до 2,5 мкм. Часто сверхмелкие частицы составляют лишь несколько процентов от общей массы, хотя они самый многочисленный, составляющий более 90% от числа частицы.Подробнее …

1.2 Как образуются частицы?

Крупные частицы производятся путем механического разрушения более крупных твердых частицы. В грубая фракция может включать пыль с дорог, сельскохозяйственных процессов, непокрытой почвы или горных работ, а также выброшенных негорючих материалов при сжигании ископаемого топлива. Пыльцевые зерна, споры плесени, а также части растений и насекомых также могут вносят вклад в крупную фракцию.Наконец, испарение моря спрей может производить крупные частицы вблизи побережья.

Мелкие частицы в основном образуются из газов. Сверхмелкие частицы (до 0,1 мкм) образуются путем зародышеобразования, что является начальной стадией, на которой газ становится частицей. Эти частицы могут вырасти до размера 1 мкм либо за счет конденсации, когда на частицы, или путем коагуляции, когда два или более частицы объединяются, чтобы сформировать более крупную частицу.Произведенные частицы промежуточными реакциями газов в Атмосфера называется вторичные частицы.

Сжигание ископаемое топливо, такое как уголь, нефть и бензин могут производить

Подробнее …

1.3 Какие материалы являются основными компонентами твердых частиц?

В среднем два основных компонента твердые частицы в Европа сульфатная и органическая материя.Это верно как для мелких частиц (PM _2.5 ) и для крупные и мелкие частицы комбинированный (PM ₁₀ ).

Однако минеральная пыль вблизи дорог также является основным компонентом PM ₁₀ .

В дни, когда уровни твердые частицы в воздух высок (PM ₁₀ превышает 50 мкг / м ³ ), нитрат также является основным компонентом обоих PM ₁₀ а также PM _2.5 .

Сажа, также называемая технический углерод, составляет от 5 до 10% мелкие частицы и несколько меньше крупных частиц; около определенных дорог доля сажи может достигать 15 20%. Подробнее …

Произошла ошибка при настройке пользовательского файла cookie

Этот сайт использует файлы cookie для повышения производительности. Если ваш браузер не принимает файлы cookie, вы не можете просматривать этот сайт.

Настройка вашего браузера для приема файлов cookie

Существует множество причин, по которым cookie не может быть установлен правильно. Ниже приведены наиболее частые причины:

• В вашем браузере отключены файлы cookie. Вам необходимо сбросить настройки своего браузера, чтобы он принимал файлы cookie, или чтобы спросить вас, хотите ли вы принимать файлы cookie.
• Ваш браузер спрашивает вас, хотите ли вы принимать файлы cookie, и вы отказались. Чтобы принять файлы cookie с этого сайта, нажмите кнопку «Назад» и примите файлы cookie.
• Ваш браузер не поддерживает файлы cookie. Если вы подозреваете это, попробуйте другой браузер.
• Дата на вашем компьютере в прошлом. Если часы вашего компьютера показывают дату до 1 января 1970 г., браузер автоматически забудет файл cookie. Чтобы исправить это, установите правильное время и дату на своем компьютере.
• Вы установили приложение, которое отслеживает или блокирует установку файлов cookie. Вы должны отключить приложение при входе в систему или проконсультироваться с системным администратором.

Почему этому сайту требуются файлы cookie?

Этот сайт использует файлы cookie для повышения производительности, запоминая, что вы вошли в систему, когда переходите со страницы на страницу. Чтобы предоставить доступ без файлов cookie потребует, чтобы сайт создавал новый сеанс для каждой посещаемой страницы, что замедляет работу системы до неприемлемого уровня.

Что сохраняется в файле cookie?

Этот сайт не хранит ничего, кроме автоматически сгенерированного идентификатора сеанса в cookie; никакая другая информация не фиксируется.

Как правило, в файлах cookie может храниться только информация, которую вы предоставляете, или выбор, который вы делаете при посещении веб-сайта. Например, сайт не может определить ваше имя электронной почты, пока вы не введете его. Разрешение веб-сайту создавать файлы cookie не дает этому или любому другому сайту доступа к остальной части вашего компьютера, и только сайт, который создал файл cookie, может его прочитать.

Состав проб PM1 и PM2,5, металлов и их водорастворимых фракций в районе Болоньи (Италия)

Abstract

В данном исследовании исследуется металлический состав PM ₁ и PM _{2.Было исследовано 5} проб, собранных в окрестностях муниципального мусоросжигательного завода, расположенного в пригородной сельскохозяйственной зоне, менее чем в 10 км от северо-востока Болоньи (Италия). Семь из восьми станций мониторинга были установлены на участке 8×9 км ² вокруг мусоросжигательного завода; восьмая станция была размещена в городской части Болоньи. Координаты четырех станций мониторинга были выбраны на основе предварительного исследования с использованием дисперсионной модели. Одиннадцать металлов (Al, Sb, As, Cd, Fe, Mn, Ni, Pb, Cu, V, Zn) были количественно определены как в кислотных гидролизатах на фильтре, так и в водных экстрактах.PM _2.5 , собранные на всех сайтах домена, сильно коррелировали, за исключением городского сайта. Среднесуточные концентрации металлов летом составляли 1,84% и 1,14% для PM _2,5 и PM ₁ соответственно, что указывает на то, что мелкие частицы менее обогащены металлами. Fe, Al и Zn были наиболее распространенными элементами, и они составляли около 80% от общего количества проанализированных элементов. Средние водорастворимые составы металлов составляли 0,71% и 0,41% для PM _2.5 и PM ₁ соответственно. На участках исследуемой территории пригородных сельскохозяйственных угодий анализ главных компонентов (PCA) и кластерный анализ выявили различия между составами водорастворимых металлов в PM ₁ и PM _2,5 . Городские объекты характеризовались более низким содержанием общих и растворимых металлов, чем другие станции PM _2.5 , установленные вокруг мусоросжигательного завода. Однако заметной разницы в концентрациях металлов в твердых частицах между участками, выбранными в качестве максимальных выбросов мусоросжигательного завода, и контрольными участками не наблюдалось.

Ключевые слова

PM _2,5

PM ₁

водорастворимые металлы

качество воздуха

мусоросжигатель

Рекомендуемые статьи Цитирующие статьи (0)

Copyright © 2015 Турецкий национальный комитет по исследованиям и контролю загрязнения воздуха (БУЛОЧКА). Производство и размещение в компании Elsevier B.V.

Рекомендуемые статьи

Цитирующие статьи

Распределение массы, количества и химического состава твердых частиц в различных микросредах

2.Экспериментальная установка

2.1. Описание местонахождения

Город Тадж, Агра (27 ° 10′N, 78 ° 02′E) расположен в центральной части северной Индии, примерно в 204 км к югу от Дели в индийском штате Уттар-Прадеш. Агра — одно из самых известных туристических мест страны. Город расположен на западном берегу реки Ямуна на высоте 169 м над уровнем моря. Регион Агра, являющийся частью великих равнин северной Индии, отличается тропическим климатом. Зимой температура колеблется от 3.От 5 до 30,5 ° C, а летом жарким и сухим температурами от 32 до 48 ° C. Нисходящий ветер дует с юго-юго-востока 29% и северо-востока 6% времени летом, а с запада на северо-запад 9,4% и северо-северо-западного 11,8% времени зимой. Население Агры составляет около 1,586 миллиона человек, а плотность населения составляет около 1084 человек на квадратный километр (ORG, офис регистратора Нью-Дели, Индия: Министерство внутренних дел, 2011). В этом исследовании данные реального временного ряда для массы и количества крупных и мелких частиц отслеживались в помещении в трех разных местах (два магазина, два коммерческих здания и два офиса) в разных частях города Агра (рис. 1A и B).На этих участках также были собраны ТЧ5 внутри помещений для определения химических характеристик. Подробное описание этих участков показано в Таблице 1.

Рисунок 1.

(A) Карта города Агра, показывающая различные участки отбора проб и (B) разные участки отбора проб.

Таблица 1.

Подробное описание участков отбора проб.

2.2. Сбор проб

Краткосрочное исследование было проведено с сентября 2011 года по ноябрь 2011 года для определения количества и массовой концентрации крупных и мелких частиц, т. Е. PM ₁₀ , PM _5,0 , PM _2,5 , PM _1,0 , PM _0,5 и PM _0,25 в помещениях торговых центров, магазинов и офисов города Агра. Химические характеристики в PM ₅ также проводились для обнаружения тяжелых металлов.В то же время с этих участков было отобрано в общей сложности 36 проб (т. Е. По 18 проб для каждой массы и количественной концентрации ТЧ) и 36 проб для химической характеристики. Модель аэрозольного спектрометра Grimm (1.109) (рис. 2) была выбрана для мониторинга крупных и мелких частиц, он работает с постоянной скоростью потока 1,2 л / мин ± 5% с контроллером для непрерывного измерения в течение периода отбора проб. Он измеряет массу в (мкг м ⁻³ ) и количество в (частиц / м ³ ). Пробоотборник измеряет частицы от 0.Диапазон от 25 до 32 мкм для 31 размера канала, каждое устройство сертифицировано Национальным институтом стандартов и технологий, монодисперсный латекс по размеру каналов откалиброван www. GRIMM Aerosols.com. Для улучшения временного разрешения диапазон был ограничен 0,25–10 мкм. Оборудование для отбора проб было размещено таким образом, чтобы оно было как можно более компактным, и располагалось в помещении, чтобы минимизировать вторжение людей, находящихся в помещении. Инструмент обычно располагался в центре комнат, где люди проводили большую часть своего времени.Входные головки располагались как можно ближе к высоте головы. Инструмент был настроен на усреднение данных за 15 минут, чтобы сократить время отклика и позволить идентифицировать отдельные источники. Система измерения частиц GRIMM оснащена программным обеспечением GRIMM 1174 для сбора данных.

Рис. 2. Аэрозольный спектрометр

GRIMM (модель: 1.109).

После отбора проб фильтры были трижды взвешены до и после отбора проб с использованием четырехзначного числа (Wenser, Model No.МАБ 120) с выключенной чувствительностью 2 ± мг и в диапазоне 220–20 мг. Перед этим образцы уравновешивали в эксикаторах при 20–30 ° C и относительной влажности 30–40% в помещении с контролируемой влажностью в течение 24 часов. Кассеты фильтров использовались для переноса весовой фильтровальной бумаги к местам отбора проб, где фильтры переносились в держатели фильтров и помещались на планшеты для отбора проб. Затем открытые фильтры вместе с держателями обернули алюминиевой фольгой, доставили обратно в лабораторию и поместили в эксикаторы.Полевые бланки собирали с открытыми фильтрами, затем их взвешивали и хранили в холодильнике при 4 ° C, чтобы предотвратить испарение летучих компонентов [13]. Ручной пробоотборник модели № 821 (Envirotech, New Delhi) (рис. 3) использовался для определения химических характеристик PM ₅ при скорости потока 2 л / мин и модели монитора YES-IAQ № 206 (рис. ) для регистрации скорости воздухообмена.

Рисунок 3.

Ручной пробоотборник APM 821.

Рисунок 4.

Ручной пробоотборник ДА-206.

2.3. Химический анализ

Открытые фильтровальные бумаги переваривали HNO ₃ аналитической чистоты (Merk) и выдерживали на горячей плите при температуре 4–60 ° C в течение 90 мин. Раствор разбавляли до 50 мл дистиллированной деионизированной водой и хранили в полипропиленовых бутылях при 4 ° C до анализа. Анализ металлов (Fe, Br, Pb, Ba, Zn, Sb, Cu, Cd, Hg) был проведен с помощью AAS (AAnalyst 100, Perkin Elmer) (рис. 5), имеющегося в аналитической лаборатории нашего отдела.Испытанные наборы элементов были связаны с конкретными источниками горения с использованием статистических методов анализа главных компонентов.

Рис. 5. Атомно-абсорбционный спектрофотометр

(Perkin Elmer, AAnalyst 100) со схематической диаграммой.

3. Результат и обсуждение

3.1. Концентрация твердых частиц

Всего 12 проб в месяц (т.е. шесть для массовой концентрации и шесть для числовой концентрации) для PM ₁₀ , PM _5.0 , PM _2,5 , PM _1,0 , PM _0,5 и PM _0,25 были собраны в трех различных внутренних микросредах. В таблицах 2 и 3 представлены сводные статистические данные о массе твердых частиц и их численных концентрациях, а также температуре, CO ₂ , влажности и скорости воздухообмена в течение всех дней отбора проб. В ходе исследования кампании среднее значение PM ₁₀ , PM _5,0 , PM _2,5 , PM _1,0 , PM _0,5 и PM _0.25 массовая концентрация и стандартное отклонение (SD) составили 324,17 ± 46,70, 270,27 ± 42,66, 223,41 ± 48,19, 137,47 ± 23,43, 99,84 ± 20,39 и 52,34 ± 11,45 мкг · м ⁻³ в супермаркетах, 324,57 ± 47,13, 271,30 ± 40,63, 225,44 ± 49,79, 137,89 ± 23,86, 99,41 ± 20,72 и 53,07 ± 11,36 мкг м ⁻³ в магазинах соответственно и 327,00 ± 47,03, 272,98 ± 40,03, 227,44 ± 50,54, 139,17 ± 23,75, 101,33 ± 20,75 и 56,13 ± 11,58 мкг м ⁻³ в офисных помещениях, соответственно, и для числовых концентраций крупных и мелких частиц, средние значения PM ₁₀ , PM _5.0 , PM _2,5 , PM _1,0 , PM _0,5 и PM _0,25 было 564,050 ± 915,78,43, 320,394 ± 393,85,52, 193,678 ± 17,880,25, 174,101 ± 23,865, 158,428 ± 29,089,22,6 и 73,338 частиц / л в супермаркетах, 589 882 ± 98 489,67, 349 888 ± 39 072,42, 206 648 ± 25 422,77, 181 495 ± 24 131,06, 166 050 ± 28 853,73 и 77 619 ± 22 858,65 частиц / л в магазинах соответственно и 622 352 ± 77 730,91, 352 323,119 ± 38 193 769 ± 28 899.68, 178 172 ± 24 245,03 и 85 121 ± 24 879,46 частиц / л в офисных помещениях соответственно.

Таблица 2.

Статистическая сводка массовой концентрации во время отбора проб на участках отбора проб.

При применении одностороннего дисперсионного анализа (SPSS 10.0) к средним значениям концентраций твердых частиц на всех участках для каждого местоположения обнаружены значимые значения для PM ₁₀ , PM _5,0 , PM _2,5 , PM _1,0 , PM _0,5 и PM _0.25 были близки к 1 или были приблизительно 1. Для супермаркетов он варьировался от 0,931 до 0,997, для магазинов — от 0,942 до 0,998, а для офисов — от 0,938 до 0,999, что указывает на отсутствие существенной разницы между концентрациями два типа схожей микросреды и, следовательно, схожие источники, которые приводят к образованию твердых частиц в окружающей среде. По вышеуказанной причине обсуждение, проведенное в этом отчете, объясняется на основе средней концентрации двух типов сходной микросреды, а не шести мест по отдельности.Период исследования тенденции изменения массы и количества PM ₁₀ , PM _5,0 , PM _2,5 , PM _1,0 , PM _0,5 и PM _0,25 с сентября 2011 г. по ноябрь 2011 г. в супермаркетах, магазинах и офисы приведены на рис. 6A и B. При сравнении со стандартами, приведенными в руководящих принципах ВОЗ (среднее значение за 24 часа = 25 мкг м ⁻³ , 50 мкг м ⁻³ для PM _2,5 и PM ₁₀ ), PM _2,5 превышено в 9 раз, а PM ₁₀ превышено в 6 раз.5 раз во всей внутренней микросреде (например, в супермаркетах, магазинах и офисах). При сравнении со стандартами NAAQS (среднее значение за 24 часа = 60 мкг м ⁻³ , 100 мкг м ⁻³ для PM _2,5 и PM ₁₀ ), количество крупных и мелких частиц превышало в 6-4 раза на всем отборе проб. локации. Для крупных и мелких частиц была получена аналогичная тенденция во всех различных микросредах. Однако тенденции массовых и количественных концентраций крупных и мелких частиц были несколько выше для всех размеров частиц в офисах по сравнению с магазинами и супермаркетами.Тенденция к более высокой концентрации в офисах может быть связана с ресуспендированием частиц в результате уборки пылесосом, подметанием, низкой скоростью воздухообмена и перемещениями офисных работников [14, 15]. На концентрацию ТЧ в офисах также сильно влияет использование принтеров и многозадачных устройств [16]. В ходе исследования кампании было отмечено небольшое увеличение концентраций ТЧ в октябре по сравнению с сентябрем и ноябрем. О применении однофакторного дисперсионного анализа (SPSS 10.0) к средним значениям концентраций твердых частиц во всех рабочих условиях; Значения значимости были найдены для PM ₁₀ , PM _5.0 , PM _2,5 , PM _1,0 , PM _0,5 и PM _0,25 были близки к 1 или приблизительно 1. Они варьировались от 0,923 до 0,998 в двух офисах, от 0,918 до 0,993 в двух магазинах и 0,920 до 0,987 на двух площадках коммерческих центров, что указывает на отсутствие существенной разницы между концентрациями в рабочих средах одного типа и, следовательно, на наличие аналогичных источников, которые приводят к образованию твердых частиц в окружающей среде.

Рисунок 6.

(A) Массовая концентрация PM ₁₀ , PM _5,0 , PM _2,5 , PM _1,0 , PM _0,5 и PM _0,25 в супермаркетах, магазинах и офисах с сентября 2011 по ноябрь 2011, и (B) числовая концентрация PM ₁₀ , PM _5,0 , PM _2,5 , PM _1,0 , PM _0,5 и PM _0,25 в супермаркетах, магазинах и офисах с сентября 2011 г. по ноябрь 2011 г.

3.2. Тенденция изменения за весь день

Суточный тренд количества твердых частиц и массовой концентрации во время отбора проб постоянно отслеживался в течение ночи и дня в помещении в супермаркете, магазине и офисе (рис. 7A и B).Тенденция изменения содержания твердых частиц загрязняющих веществ в течение всего дня охватывает все виды деятельности внутри помещений. Наибольшие пики массовых и численных концентраций наблюдались в основном в утренние часы с 9:00 до 10:00 и поздно вечером с 18:00 до 19:00. Максимальные концентрации твердых частиц в это время могут быть связаны с ресуспендированием, вызванным движением транспорта и другой деятельностью человека, поскольку эти участки в основном прилегают к оживленным городским дорогам (рис. 1A).В результате концентрация достигает максимума в часы пик вечером и утром [17]. Низкие концентрации для всех частиц наблюдаются в период с 3:00 до 4:00 утра в ранние утренние часы. Принимая во внимание, что в рабочее время низкие концентрации были зарегистрированы с 14:00 до 15:00 в послеобеденные часы во всех микросредах. Все размеры крупных и мелких частиц показали аналогичные тенденции.

Рис. 7.

(A) Изменение за целый день в мкг · м ^-3 в различных микросредах внутри помещения и (B) изменение за целый день в частицах / л в различных микросредах помещения.

Таблица 4.

Межкристаллитное соотношение в местах отбора проб.

3.3. Соотношение между частицами

Для лучшего понимания этих частиц в различных помещениях, отношения между частицами также были оценены и представлены в таблице 4. Средний вклад более мелких частиц (например, PM _0,25 , PM _0,50 , PM _1,0 и PM _2,5 ) до крупных частиц (т.е. PM _5,0 и PM ₁₀ ) в помещении в течение исследуемого периода в сентябре было около 44.7% — в супермаркетах, 44,8% — в магазинах и 47% — в офисах. В октябре он составлял 45,7% в супермаркетах, 46,2% в магазинах и 47,9% в офисах. В ноябре она составляла 37,1% в супермаркетах, 37,5% в магазинах и 38,0% в офисах. Частицы, особенно PM _2,5 и ниже, ресуспендируются в воздухе при высокой интенсивности работы во время работы внутри помещений, когда из-за закрытых дверей и окон скорость вентиляции снижается до некоторого уровня во время инфильтрации из-за более высокой скорости воздухообмена [18].По сравнению с офисами и супермаркетами магазины вентилируются лучше (Таблицы 2 и 3).

Таблица 3.

Статистическая сводка числовой концентрации во время отбора проб на участках отбора проб.

В офисах доля мелких частиц по сравнению с крупными составляет 44%, а в магазинах и супермаркетах — около 42%. Это говорит о том, что офисные помещения более подвержены воздействию более мелких частиц, чем магазины или супермаркеты.

3.4. Концентрации металлов

Характеристика компонентов ТЧ, включая неорганические элементы, имеет центральное значение при предложении механизмов воздействия на здоровье и в исследованиях распределения источников [19, 20].Данные, полученные химическим анализом для семи металлов в PM _{2,5 размером частиц} , собранных из 36 проб различных помещений в супермаркетах, магазинах и офисах, показаны в таблице 5. Наблюдения на основе этих таблиц следующие:

Таблица 5.

Статистический профиль концентрации металлов в PM _2,5 (N = 36).

3.4.1. Частицы металлического концентрата

В супермаркетах сумма средних концентраций мелких частиц оказалась равной 223,41 мкг м ⁻³ и варьировалась от 243,27 до 188,85 мкг м ⁻³ в помещении, на территории магазинов концентрация было 225.44 мкг м ⁻³ и варьировалась от 238,17–192,93 мкг м ⁻³ в помещении, тогда как в офисных помещениях концентрация составила 227,44 мкг м ⁻³ и диапазон от 245,65 до 194,00 мкг м ^{— 3} в помещении соответственно. Общие проанализированные параметры составляли 65% в супермаркетах, 70% в магазинах и 75% в офисах концентрации твердых частиц, соответственно. Тенденции в порядке увеличения концентрации металлов в супермаркетах, магазинах и офисах следующие:

\ n \ nNi \ n <\ nCu \ n <\ nCr \ n <\ nPb \ n <\ nFe \ n < \ nZn \ n <\ nMn \ n \ nE1

Аналогичные тенденции были обнаружены для концентраций металлов во всех трех микросредах, что указывает на один или несколько подобных источников, вносящих вклад в эту микросреду, присутствующих в аналогичном виде коммерческие районы города.Из 0,14% -ного вклада проанализированных металлов в PM ₅ в супермаркете процентный вклад каждого металла показан на Рисунке 8A, в то время как из общего вклада 0,16% в цехах и 0,20% в офисах процентный вклад каждого металла показан на Рисунки 8B и C. Представленные глобальные выбросы показывают, что естественные и антропогенные источники могут вносить вклад в основные классы аэрозолей, но значения меняются в зависимости от местного сценария (крупного и мелкого) атмосферных твердых частиц (ТЧ).Около 10–20% аэрозолей можно охарактеризовать как антропогенные в глобальном масштабе [21], но эти значения могут резко измениться из-за местных сценариев, деятельности человека и преобладающего ограничения выбросов частиц. Анализ главных компонентов является наиболее распространенным многомерным статистическим методом, применяемым в исследованиях окружающей среды. Для многомерного анализа использовался программный пакет SPSS версии 10.0. Уровни различных элементов различаются на разные порядки, поэтому к корреляционной матрице был применен анализ главных компонентов.

Рис. 8.

(A – C) Процентная доля каждого металла в супермаркетах, магазинах и офисах.

3.5. Многомерный анализ главных компонентов

Анализ главных компонентов (PCA) — хорошо зарекомендовавший себя инструмент для анализа структуры многомерных наборов данных [22]. Ротационный факторный анализ varimax был проведен для определения основных источников, ответственных за загрязнение в виде твердых частиц, и участков отбора проб. Это статистический метод; в котором набор нескольких взаимосвязанных переменных заменяется небольшим количеством независимых переменных или факторов ортогональными преобразованиями, также называемыми вращениями.Это достигается путем анализа корреляционной матрицы переменной, то есть путем вычисления их собственных значений и собственных векторов. «Факторные нагрузки», полученные после вращения варимакса, дают корреляцию между переменными и факторами. Данные, которые включаются в матрицу, только если их собственные значения tat-фактора больше 1. Метод варимакс был принят для вращения факторной матрицы, чтобы выделить исходную матрицу в более простую для понимания. Для этого SPSS версии 10.0 использовался для выполнения факторного анализа. На площадках супермаркетов, магазинов и офисов у нас в основном многоэтажные современные конструкции, так как они построены недавно; обычно их внешняя среда представляет собой интенсивное движение в течение дня как с тяжелыми, так и с легкими автомобилями. Они находятся в оживленных коммерческих местах города со многими другими видами деятельности, такими как крупные больницы, отели, железнодорожный вокзал, большие или маленькие рестораны, банки и т. Д.

3.5.1. Супермаркет

На площадках супермаркетов в закрытых помещениях были обнаружены три источника, идентифицирующие 90% концентрации металлов (Таблица 6).Zn, Ni, Cr и Mn представляют фактор 1 с отклонением 36%. Распространенным источником является курение людей, находящихся в помещении [23]. Фактор два представлен Cu и Fe с отклонением 31% и был отнесен к ресуспендированию пыли в результате деятельности человека в помещении [23]. Третий фактор состоит из Pb с 24% и связан с выделением красок со стен, потолка и мебели [24].

Таблица 6.

Факторный анализ на площадках супермаркетов.

3.5.2. Магазины

На площадках магазинов в закрытых помещениях были обнаружены три источника, определяющие 93% концентрации металлов (таблица 7). Zn, Cr и Mn представляют фактор 1 с отклонением 37%. Распространенным источником является курение людей, находящихся в помещении [25]. Фактор два представлен Ni, Cu и Fe с отклонением 28% и был отнесен к электропроводке или приборам [1]. Третий фактор составляет 27% Pb и связан с выделением красок со стен, потолка и мебели [24].

Таблица 7.

Факторный анализ на торговых площадках.

3.5.3. Офисы

На офисных площадках внутри помещений были обнаружены три источника, идентифицирующие 92% концентрации металлов (Таблица 8).Zn, Ni, Cr и Mn представляют фактор 1 с отклонением 30%. Распространенным источником является курение людей, находящихся в помещении [25]. Фактор два представлен Cu и Fe с вариацией 32% и был связан с ресуспендированием пыли в результате деятельности человека в помещении [23]. Третий фактор составляет 30% Pb и связан с выделением красок со стен, потолка и мебели [24].

Таблица 8.

Факторный анализ офисных площадок.

3.6. Оценка риска, связанного с канцерогенными металлами в различных рабочих условиях

Избыточный риск рака (ECR) был рассчитан с использованием единичного риска и связанной с ТЧ концентрации металлов, которая представляет собой общую концентрацию металлов. ECR можно просто рассчитать, используя формулу, приведенную ниже [26, 27]:

\ n \ n Превышение риска рака \ n \ n \ nhalation \ n \ n = \ nконцентрация загрязнителя \ n \ n \ n \ nμg \ n \ n \ nm \ n \ n_ \ n3 \ n \ n \ n \ n \ n × \ n единичный риск \ n \ n \ n \ n \ nμg \ n \ n \ nm \ n \ n_ \ n3 \ n \ n \ n \ n \ n \ n− \ n1 \ n \ n \ n \ nE2

Информация о канцерогенных типах и единичных рисках металлов была получена из базы данных Агентства по охране окружающей среды США для IRIS (Integrated Risk Информационная система) [28].Мелкодисперсные частицы, PM _{2,5 Металлы, связанные с} , такие как Cd, Cr, Ni и Pb, являются известными канцерогенными металлами, которые могут создавать серьезные риски для здоровья людей, находящихся в этих микросредах. Они попадают к людям в результате воздействия через дыхательные пути [27]. Кадмий классифицируется как канцероген B1, в то время как Cr (VI) классифицируется как группа A, что указывает на то, что он является известным канцерогеном для человека при ингаляционном пути воздействия. Следовательно, концентрация Cr (VI), используемая для оценки канцерогенного риска, была рассчитана как одна седьмая от общей концентрации Cr.Никель также был отнесен к материалам группы А, известным канцерогенным веществам для человека. Из результатов исследования очевидно, что Ni в основном выделялся из табачного или сигаретного дыма, и внешние источники, такие как промышленные выбросы или выбросы нефтеперерабатывающих заводов, могут способствовать этому в помещении [29]. С другой стороны, свинец также является вероятным канцерогеном для человека (группа B2), но человеческие доказательства недостаточны, и его единичный риск в настоящее время корректируется Агентством по охране окружающей среды США.

PM _2,5 -связанных металлов, таких как Cd, Cr и Ni, соответственно, на основе концентраций PM.Частицы диаметром менее 4 мм могут проникать в трахею, бронхи и альвеолы ​​[28, 29]. В таблице 9 приведены расчетные значения ECR канцерогенных элементов, связанных с PM _2,5 , в окружающей среде внутри помещений для средних значений и значений 95-го процентиля для Cd, Cr и Ni. Общие ECR, основанные на средних значениях Cd, Cr (VI) и Ni в PM _2,5 в различных помещениях, варьировались от 0,47 до 0,32 × 10 ^_6 соответственно. У Ni были самые высокие значения ECR, за ним следовали Cd и Cr в различных помещениях.Результаты показывают, что воздействие токсичных следов металлов в помещениях может легко вызвать рак в различных рабочих средах внутри помещений. Таким образом, следы металлов в мелких и ультратонких частицах в воздухе могут быть использованы для более точной оценки рисков для окружающей среды и здоровья. Таким образом, химический состав металла важен и должен стать рутинным анализом при будущих исследованиях загрязнения воздуха.

Таблица 9.

Избыточный риск рака из-за канцерогенных элементов в PM _2.5 в различных помещениях.

4. Заключение

Загрязнение воздуха внутри помещений в развивающихся странах признано основным источником риска для здоровья населения, подвергающегося воздействию, поэтому существует необходимость решения проблемы твердых частиц, особенно мелких. и связанная с ними токсичность в различных микроклиматах внутри помещений. По сравнению со стандартами ВОЗ и национальными стандартами, концентрации PM ₁₀ и PM _2,5 многократно превышали во всех местах отбора проб.Эти высокие значения указывают на необходимость поиска стратегий борьбы с загрязнением твердыми частицами. Концентрации металлов были определены с использованием положительной матричной факторизации в PM _2,5 в различных внутренних рабочих условиях. Источниками выбросов PM _2,5 являются курение, курение ладана, антропогенная деятельность и использование различных механических и электрических устройств, таких как компьютеры, принтеры, копировальные аппараты и т. Д., В рабочей среде. Оценка риска, связанного с загрязнением в виде твердых частиц, проводилась на основе загрязнения металлами.Значения, обобщенные в этом исследовании, представляют собой первоначальные оценки выбросов и их последствий, которые могут быть полезным дополнением к существующей литературе, особенно для развивающихся стран, таких как Индия; где такие измерения еще недостаточно представлены.

Благодарности

Поддержка признана Советом по науке и промышленным исследованиям (проект № 8/109 (0010) / 2011-EMR-I). Хочу поблагодарить директора и заведующего химическим факультетом Санкт-Петербурга.John’s College Agra за предоставление необходимых помещений.

1. Введение

Взаимодействие вируса желтого карлика ячменя, BYDV-PAV и наночастиц золота. Применение AuNPs показало большой эффект как в vitro, , так и в Vivo. Значительный эффект вирусных частиц произошел внутри растительной клетки из-за существования обработки AuNPs. Было ясно, что использование крошечных AuNP от 3,151 до 31,67 нм потенциально могло разрушить вирусные частицы внутри инфицированных клеток.AuNP вызывают повреждение вирусоподобных частиц (VLP) вируса желтых карликов ячменя — PAV. Там, где они наблюдали вздутые и испорченные VLP, украшенные AuNP, а также разрушенные и исчезнувшие частицы, используя просвечивающую электронную микроскопию TEM. Как правило, растительная клетка содержала различные органеллы, которые проявляли изменения ультраструктуры в ядре, хлоропласте, стенке растительной клетки, митохондриях, цитоплазматическом матриксе и жизнеспособном клеточном составе инфицированной клетки с AuNP. ТЕМ — это мощный инструмент для выявления мелких деталей растительных клеток на наноуровне.В настоящем Атласе описана структура каждой органеллы растительных клеток, выявленная с помощью ПЭМ у здоровых, инфицированных и обработанных AuNPs на рисунке 1.

Рисунок 1.

Растительная клетка содержала различные органеллы, которые проявляли ультраструктурные изменения в ядре, хлоропласте, растительной клетке. стенка и митохондрии, которые описывают каждый из них с помощью ТЕА у здоровых, инфицированных и обработанных (AuNP) как взаимодействующий претеом BYDV-PAV.

Цель этой работы выражается через ТЕМ, который является очень точным инструментом для оценки поведения AuNPs внутри инфицированной клетки растения.Последние замечательные нововведения в КГУ. Платформы [1, 2] предоставляют важные ресурсы для продвижения исследований в области применения AuNP и таких видов растений, как Hordeum vulgare (ячмень), из-за отсутствия знаний в области патогенности вирусов на уровне ультраструктуры. Комбинаторный подход, использующий интеграцию вируса с AuNP в нашей протеомной платформе, теперь является эффективной стратегией для выяснения молекулярных систем, неотъемлемых от повышения продуктивности растений, частоты и важности аномалий ультраструктуры в развитии посевов ячменя, вызванных BYDV-PAV.Он обнаружил критическую обратную связь использования приложений AuNP на растительных клетках путем изучения поведения вируса, конъюгированного с AuNP, с помощью ультраструктуры в TEM на больных растениях.

Метод ингибирования вируса растений с использованием AuNPs представляет собой метод индукции устойчивости растений к вирусным заболеваниям, вызываемым BYDV, путем введения адекватного для грудной клетки количества полидисперсной системы AuNPs, интегрированной с вирусными частицами, в которых вирусные частицы были растворены и расплавлены на рисунке 2.Применение нанотехнологий в сельском хозяйстве, даже на глобальном уровне, находится на начальной стадии. Наиболее важным моментом при рассмотрении проникновения вируса растений является индукция вирусной инфекции, проникающей через барьеры клетки / стенки. В нашем исследовании мы уничтожили вирус и вмешались в него в виде био-наночастиц с другими металлическими AuNP на растении; [3] мы выбрали наиболее опасные изоляты BYDV для нанесения на растения Nano. [4]

Рис. 2.

Методология, патологическое чередование компонентов растительной клетки и двойное положительное влияние AuNP на производительность растений посредством следующих обработок на электронных микрофотографиях; Я.клетки здоровья из листьев ячменя, II. Зараженные клетки BYDV-PAV из листьев ячменя, III. Предварительно обработанные листья ячменя AuNP и инфицированные BYDV-PAV.

Исследуемый BYDV является типовым членом группы лютеовирусов [5]. Латинское название luteo означает желтый [6] и описывает наиболее типичные растения, зараженные лютеовирусами. Как сообщается, BYDV считается моделью для борьбы с «пожелтением» вирусных заболеваний [7]. Большинство инфекций проявляются в виде некроза флоэмы, что приводит к внешним симптомам, таким как оглушение и хлороз листьев [5].Сообщалось о точных симптомах [8], которые могут быть мягкими, болезненными и проявлять большую жесткость, чем обычно. BYDV распространяется тлями и вызывает наиболее широко распространенное и разрушительное вирусное заболевание во всем мире.

Перспективные противовирусные свойства металлических наночастиц (MeNP) в нано-сельском хозяйстве делают их потенциальным фактором для управления этими гистологическими агентами. Важно определить дозировку НЧ, интервалы применения, их действие как биостимулятора.Уточнение механизмов действия до конца не изучено [9]. Применение AuNPs при наличии вирусной инфекции побуждает растения постоянно продуцировать активные формы кислорода (ROS) в таких структурах, как хлоропласты, митохондрии, пероксисомы, эндоплазматический ретикулум (ER) и плазматические мембраны [10]. Они напоминают компоненты защитной системы, которые были классифицированы в соответствии с их каталитической активностью, молекулярной массой, компартментом, в котором они действуют, и уровнем защиты или механизмом действия [11].Следовательно, положительный эффект AuNPs требует дальнейшего изучения для изучения физиологических и молекулярных механизмов. Однако из-за крошечного размера, реакционной способности и эффективной проникающей способности металлические наночастицы могут достигать многих внутриклеточных и внеклеточных участков растений. Это может вызвать ряд физиологических процессов, таких как старение, влияющих на рост растений, урожайность и экологическую продуктивность [12]. Наночастицы (НЧ) обладают уникальными физико-химическими свойствами, то есть большой площадью поверхности, высокой реакционной способностью, регулируемым размером пор и морфологией частиц.Соответствующее выяснение физиологических, биохимических и молекулярных механизмов наночастиц в растениях приводит к лучшему росту и развитию растений [13]. Химические реакции, особенно реакции восстановления-окисления, катализируются Ag, Au, Fe и Co. Высвободившиеся нано-ионы могут изменять белки, попадая в клетки. Механические эффекты зависят от размера наночастиц [14]. Например, повреждение клеточной стенки может быть вызвано высокой концентрацией адсорбции гидрофобных удерживающих наночастиц и может вызвать закупорку пор, что может препятствовать поглощению воды [15].Способность проходить через клеточную стенку может не быть предпосылкой для возникновения окислительного стресса и токсичности. Некоторые исследователи предполагают, что, несмотря на неспособность наноматериалов проходить через клеточные стенки растений, они могут вызывать окислительный стресс и в конечном итоге приводить к конденсации хромосом [16].

Аналогичным образом наночастицы CuO могут вызывать окислительное повреждение ДНК растений и могут быть обнаружены в клетках растений [17]. Частицы с бескислородной поверхностью часто образуют на поверхности слой ОН- групп; эти отрицательно заряженные группы привлекают положительно заряженные боковые группы белков [14].Поверхностные эффекты привлекли большое внимание в области нанотоксикологии.

Положительный, нейтральный и отрицательный заряд наночастиц Au напоминают воздействие гидропоники на растения риса. Распределение биоаккумулированных наночастиц Au из-за отрицательного заряда поверхности наночастиц, который более токсичен для надземных органов [18]. Модуляция мелких частиц AuNP 15 или 25 нм переносилась в побеги тополя. В то же время более крупные частицы (50 нм) могли сохранять свой размер in vivo.AuNP располагались в корнях в большем количестве, чем в листьях. AuNP были обнаружены в различных тканях, комплексе флоэмы, ксилеме, клеточной стенке, пластидах, митохондриях и, в большей степени, в плазмодесмах [12]. Отрицательно заряженные анионные карбоксилатные AuNPs обеспечивают защиту модельной липидной мембране от экстремального pH (= 12) посредством экранирующих эффектов, тогда как положительно заряженные катионные амино-AuNPs могут проникать и разрушать модельную мембрану [19].

Нанотоксичность основана на эмпирических данных с помощью точной прогностической модели, которая объясняется взаимодействием между поверхностным зарядом и размером частиц, которое влияет на токсичность AgNPs как в прокариотических, так и в эукариотических модельных организмах [20].Взаимодействие между размером частиц и потенциальным поверхностным зарядом, влияющим на фитотоксичность ENM, не получило особого внимания. Следовательно, потенциальный эффект поверхностной плотности заряда еще предстоит проверить на растениях. ORF3 кодирует главный белок оболочки (CP) массой 22 кДа [21]. Белок оболочки играет решающую роль в поддержании высокого уровня накопления геномной РНК, хотя и не нужен для репликации PAV [22]. ORF4 полностью вложен в ORF3 и кодирует неструктурный белок 17 кДа, необходимый для системного распространения BYDV-PAV в растениях [23].Экспрессия ORF 4 связана с уникальным регуляторным механизмом механизма сканирования утечки рибосом [24]. Продукт трансляции ORF4 подобен продукту гомологии ORF4 в вирусе скручивания листьев картофеля (PLRV), который обладает биохимическими свойствами, специфичными для известных белков движения, включая способность фосфорилироваться, неспецифическое связывание с нуклеиновыми кислотами [25, 26] и локализацию. к плазмодесматам [27]. ORF5 PAV слит с CP в качестве домена считывания и кодирует белок 50 кДа, экспрессируемый как слитый белок 72 кДа, посредством подавления сквозного кодона стоп-кодона ORF3 [28]; [29]; [23, 30].Сообщалось, что мутация сдвига рамки считывания в ORF6 несовместима с репликацией РНК BYDV-PAV в протопластах [31]. В [32] обнаружено, что последовательность РНК, кодирующая или фланкирующая ORF6, а не белковый продукт ORF6, необходима для репликации PAV в протопластах овса [33].

Вирусная инфекция начинается с репликации вируса в инфицированной клетке и распространяется на соседние клетки через плазмодесмы, которые считаются межклеточными каналами, соединяющими клеточные стенки. Этот процесс называется перемещением от клетки к клетке (на короткие расстояния), ему способствует вирусный белок перемещения (MP).Следующая фаза называется (дальним) перемещением, при котором вирусы могут проникать в сосудистую ткань, распространяться и наводняться в незараженные ткани при помощи потока флоэмы [34]. Предполагается, что движение от клетки к клетке является активной функцией, требующей специфического взаимодействия между вирусом и плазмодесматами, тогда как системное распространение вируса по сосудистой ткани является пассивным процессом, управляемым потоком фотоассимилятов [35]. Открытие того, что белок перемещения 30 кДа (MP), кодируемый вирусом табачной мозаики (TMV), был необходим для перемещения вируса от клетки к клетке [36, 37], изучение механизмов доставки более обширного вирусного массива открыло новый путь.Перенос вирусных белков и РНК вирусными МП во флоэму и их межорганная регуляция развития растений редко изучались для некоторых вирусов [38] и [39]. Конъюгат вирусной нуклеиновой кислоты с MP, который может транспортировать его через плазмодесмы. Был обнаружен первый вирусный MP вируса табачной мозаики (TMV), который имел белок 30 кДа (P30) и был способен связывать одноцепочечную нуклеиновую кислоту [40], опосредованную двумя независимо активными доменами MP [41]. РНК-комплекс P30-TMV имеет диаметр 1.5–3,5 нм [41] и [42] и могут взаимодействовать с элементами цитоскелета, чтобы облегчить транспорт комплекса РНК P30-TMV из цитоплазмы в плазмодесмы [43] и [44]. Диаметр даже меньше, чем у безбелковой свернутой РНК ВТМ, что обеспечивает легкий доступ через расширенные плазмодесмы [45, 46]. МП может неспецифически связываться с одноцепочечной РНК и ДНК in vitro [25] и связываться с плазмодесмами в растениях-хозяевах [47]. Белки ORF 4 в лютеовирусах могут дать ключ к разгадке распространения вируса от клетки к клетке в растениях-хозяевах [48], поскольку существует высокое сходство аминокислотной последовательности между белком ORF 4, кодируемым лютеовирусами, и PLRV MP [49, 50].BYDV-PAV MP также может помочь транспортировать вирусный геном в ядро, поскольку MP присутствует в цитоплазме и ядре [51]. После проникновения в цитоплазму запускается синтез белка [52], что увеличивает эффективность репликации и транскрипции; вирусы используют стратегию компартментализации в определенных внутриклеточных компонентах [53]. Его репликация почти полностью ограничена тканями флоэмы растений [54]; [55], т.е. клетки паренхимы флоэмы, клетки-компаньоны и ситовидные трубки. Ограниченный сайт инфекции в ткани флоэмы является важной особенностью Luteoviridae [56].

Предполагается, что системное распространение связано с переносом вирионов по сосудам из-за обнаружения частиц BYDV в образцах сосудистой сети [57]; [58]. Критическая роль MP была подчеркнута связью между перемещением некоторых вирусов на большие расстояния и экспрессией вирусных генов. Например, геминивирусы кодируют два белка, ответственных за транспортировку на большие расстояния, и вирусную ДНК с одноцепочечным геномом внутри и вне ядра [59]; [60]. Однако исследования функции предполагаемых лютеовирусных МП остаются ограниченными [61].Белок 17 кДа, кодируемый ORF 4, необходим для BYDV-PAV для системного распространения в растениях [62]; [63]. Репликация генома вируса растений происходит в клетках-хозяевах [64]. Геном вирусов должен транспортироваться в ядро ​​с помощью механизмов, требующих вирусного МП [65].

Три стадии заражения были предложены [57, 33]. На первом этапе в плазмодесматах появился плотно окрашивающийся материал, а в цитоплазме хозяина появились аморфное вещество и вирусные РНК-содержащие филаменты, рисунки 5 (I) — (M) в главе 3.На втором этапе в порах ядра стали видны нити. Во время этой стадии ядерный контур искажается, и происходит массивное скопление гетерохроматина, рисунки (5) и (6) в главе 1. В ядре вирусные частицы наблюдались на последней стадии после распада ядерной мембраны. Вирус мог инфицировать только паренхиму флоэмы, ситчатые элементы и клетки-компаньоны, в то время как его нельзя было увидеть в оболочке местома или ксилеме.

Характеристики VLP определялись их диаметром, округлыми очертаниями и высокой электронной непрозрачностью.Вирусные частицы были обнаружены в областях, содержащих нитчатый материал. Рисунки (2) и (3) в главе 4.

Наше исследование пришло к выводу, что нанонаука ведет к разработке ряда недорогих нанотехнологических приложений для ускоренного роста растений. Включенные данные доказали, что это эффективное средство борьбы с вирусной инфекцией, позволяющее снизить побочный ущерб. AuNP оказывают двойное положительное влияние на борьбу с вирусными заболеваниями растений и повышают эффективность роста растений.

Публикация в открытом доступе помогает устранить препятствия и позволяет каждому получить доступ к ценной информации, но плата за обработку статей и книг Мы также исключаем талантливых авторов и редакторов, которые не могут себе позволить платить.Цель нашей программы «Женщины в науке» — не взимать никаких APC, поэтому ни один из наших авторов или редакторов не должен платить за публикацию.

В настоящее время мы находимся в процессе сбора спонсорской помощи. Если у вас есть какие-либо идеи или вы хотите помочь спонсировать эту амбициозную программу, мы будем рады услышать от вас. Свяжитесь с нами по адресу [email protected].

Все наши спонсоры IntechOpen в хорошей компании! Исследования в предыдущих книгах и главах IntechOpen финансировались:

В настоящее время мы находимся в процессе сбора спонсорской помощи.Если у вас есть какие-либо идеи или вы хотите помочь спонсировать эту амбициозную программу, мы будем рады услышать от вас. Свяжитесь с нами по адресу [email protected].

Все наши спонсоры IntechOpen в хорошей компании! Исследования в предыдущих книгах и главах IntechOpen финансировались:

Сезонные колебания неорганического состава PM 10 в городе Анд

Поверхность PM2,5 | Группа анализа атмосферного состава

Содержание:
V4.NA.03 рекомендуется для использования в Северной Америке
V4.CH.03 рекомендуется для использования в Китае
V4.EU.03 рекомендуется для использования в Европе
V4.GL.03 рекомендуется для других регионов

Предыдущие версии, включая V4.NA.02.MAPLE, также доступны.

———————————————————————————

Оценки по регионам Северной Америки (V4.NA.03):

Мы оцениваем общие и массовые концентрации мелкодисперсных частиц (PM _2,5 ) на уровне земли (PM _2,5 ) над Северной Америкой путем объединения данных оптической глубины аэрозоля (AOD) из инструментов NASA MODIS, MISR и SeaWIFS с моделью переноса химических веществ GEOS-Chem. , а затем откалиброваны для региональных наземных наблюдений как общей, так и композиционной массы с использованием географически взвешенной регрессии (GWR), как подробно описано в приведенной ниже ссылке на V4.NA.02. V4.NA.03 дополнительно модифицировал метод GWR V4.NA.02 с дополнительными разработками в рамках проекта MAPLE (Смертность – загрязнение воздуха в средах с низкой экспозицией) и использует оценки PM2.5 V4.GL.03 в качестве геофизических данных. Вход. Метод GWR отдельных компонентов не изменился по сравнению с V4.NA.02, но представлены в процентах для обеспечения массового закрытия и рекомендованы для применения к V4.NA.03 total PM _2.5 .

Артикул:
Hammer, M.S .; van Donkelaar, A .; Li, C .; Ляпустин, А .; Sayer, A. M .; Hsu, N.C .; Levy, R.C .; Garay, M. J .; Калашникова, О.В .; Kahn, R.A .; Брауэр, М .; Apte, J. S .; Henze, D. K .; Zhang, L .; Zhang, Q .; Ford, B .; Pierce, J. R .; и Мартин Р. В., Глобальные оценки и долгосрочные тенденции концентраций мелких твердых частиц (1998-2018 гг.) ., Environ. Sci. Technol , DOI: 10.1021 / acs.est.0c01764, 2020. [Ссылка]

van Donkelaar, A., R.V. Martin, et al. (2019). Региональные оценки химического состава тонкодисперсных частиц с использованием комбинированного геолого-статистического метода с использованием информации со спутников, моделей и мониторов. Наука об окружающей среде и технологии, 2019 г., DOI: 10.1021 / acs.est.8b06392. [Ссылка]

Научные наборы данных:
Годовые наборы данных предоставляются в NetCDF [.nc] или заархивированном ArcGIS-совместимом файле ASCII [.asc.zip]. Обратите внимание, что распакованные файлы ASCII могут быть громоздкими. Файлы с сеткой используют проекцию WGS84. Оценки состава на основе V4.NA.02 представлены для сульфата (SO4), нитрата (NO3), аммония (Nh5), органического вещества (OM), черного углерода (BC), минеральной пыли (DUST) и морской пыли. соль (СС).В 2017 г. внесено небольшое изменение в имя файла, что соответствует незначительным внутренним изменениям по сравнению с предыдущими годами. Однако в целом набор данных согласован на протяжении всего периода времени и может быть соответствующим образом использован для анализа тенденций. Пожалуйста, свяжитесь с Аароном ван Донкелааром ([email protected]) для получения дополнительной информации.

Обратите внимание, что эти оценки в первую очередь предназначены для помощи в крупномасштабных исследованиях. Предоставляются сеточные наборы данных, позволяющие пользователям агрегировать данные в соответствии с их конкретными потребностями.Наборы данных привязаны к сетке с наилучшим разрешением источников информации, которые были включены (0,01 ° × 0,01 °), но не полностью разрешают градиенты PM _2,5 при сеточном разрешении из-за влияния источников информации с более грубым разрешением.

Среднегодовое значение PM _2,5 [мкг / м ³ ]: [.nc] [.asc.zip]
Среднегодовое значение SO ₄ ²⁺ [%]: [.nc] [.asc.zip ]
Среднее за год NO ₃ ^— [%]: [.nc] [.asc.zip]
Среднее за год NH ₄ ⁺ [%]: [.nc] [.asc.zip]
Среднегодовое значение OM [%]: [.nc] [.asc.zip]
Среднее значение BC [%]: [.nc] [.asc.zip]
Среднегодовое значение ПОЧВЫ [% ]: [.nc] [.asc.zip]
Среднегодовая SS [%]: [.nc] [.asc.zip]

Ежемесячная общая масса V4.NA.03 PM _2.5 доступна по адресу: https://wustl.box.com/v/ACAG-V4NA03-PM25.

Ежемесячно V4.NA.02 PM _{2.5 Состав} , описанный в van Donkelaar et al., ES&T 2019, также доступен [здесь]. Проценты обозначаются буквой «p» после идентификаторов компонентов в именах файлов и рекомендуются для использования с V4.Набор данных NA.03. Напоминаем пользователям, что эти наборы данных предназначены для долгосрочных крупномасштабных исследований. Ожидается увеличение неопределенностей при использовании с более высоким пространственным / временным разрешением.

———————————————————————————

Китайские региональные оценки (V4.CH.03):

В этом наборе данных используется та же методология, что и для V4.NA.03, для получения комбинированных геофизико-статистических оценок PM _2.5 над Китаем с использованием недавно расширенного PM _2.5 в этом регионе с мая 2014 г. по декабрь 2018 г., и расширяет эти значения до 2000 г. с использованием межгодовых изменений между наблюдаемыми GM и не наблюдаемыми периодами времени на основе геофизических спутниковых значений V4.GL.03. Hammer et al. (2020).

Наземные измерения PM _2,5 были получены с http://beijingair.sinaapp.com/ над материковым Китаем. Эти данные собираются отдельными лицами из мгновенных записей данных на веб-сайте Агентства по охране окружающей среды Китая.Тайваньские измерения PM _2,5 были загружены с https://taqm.epa.gov.tw/taqm/tw/YearlyDataDownload.aspx.

Ссылки:
Hammer, M. S .; van Donkelaar, A .; Li, C .; Ляпустин, А .; Sayer, A. M .; Hsu, N.C .; Levy, R.C .; Garay, M. J .; Калашникова, О.В .; Kahn, R.A .; Брауэр, М .; Apte, J. S .; Henze, D. K .; Zhang, L .; Zhang, Q .; Ford, B .; Pierce, J. R .; и Мартин Р. В., Глобальные оценки и долгосрочные тенденции концентраций мелких твердых частиц (1998-2018) ., Environ. Sci. Technol , DOI: 10.1021 / acs.est.0c01764, 2020. [Ссылка]

van Donkelaar, A., R.V. Martin, et al. (2019). Региональные оценки химического состава тонкодисперсных частиц с использованием комбинированного геолого-статистического метода с использованием информации со спутников, моделей и мониторов. Наука об окружающей среде и технологии, в печати, DOI: 10.1021 / acs.est.8b06392. [Ссылка]

Наборы научных данных:
Наборы данных с координатной привязкой предоставляются в ArcGIS-совместимом NetCDF [.nc] или заархивированный файл ASCII [.asc.zip]. Обратите внимание, что распакованные файлы ASCII могут быть громоздкими. Файлы с сеткой используют проекцию WGS84. Пожалуйста, свяжитесь с Аароном ван Донкелааром ([email protected]) для получения дополнительной информации.

Обратите внимание, что эти оценки в первую очередь предназначены для помощи в крупномасштабных исследованиях. Предоставляются сеточные наборы данных, позволяющие пользователям агрегировать данные в соответствии с их конкретными потребностями. Наборы данных привязаны к сетке с наилучшим разрешением источников информации, которые были включены (0.01 ° × 0,01 °), но не полностью разрешают градиенты PM _2.5 при сеточном разрешении из-за влияния источников информации при более грубом разрешении.

Сводные ежегодные оценки по провинциям, взвешенные по населению и географическим регионам, доступны здесь:
[ChinaPM25-V4CH03-PROVINCIAL-2000-2018.csv]

———————————————————————————

Европейские региональные оценки (V4.EU.03):

В этом наборе данных используется та же методология, что и для V4.NA.03 для получения комбинированных геофизико-статистических оценок PM _2.5 над Европой с использованием имеющихся измерений PM _2.5 в этом регионе. Наземные измерения PM _2,5 были получены из системы электронной отчетности Европейского агентства по окружающей среде (https://www.eea.europa.eu/data-and-maps/data/aqereporting).

Ссылки:
Hammer, M. S .; van Donkelaar, A .; Li, C .; Ляпустин, А .; Sayer, A. M .; Hsu, N.C .; Levy, R.C .; Гарай, М.J .; Калашникова, О.В .; Kahn, R.A .; Брауэр, М .; Apte, J. S .; Henze, D. K .; Zhang, L .; Zhang, Q .; Ford, B .; Pierce, J. R .; и Мартин Р. В., Глобальные оценки и долгосрочные тенденции концентраций мелких твердых частиц (1998-2018 гг.) ., Environ. Sci. Technol , DOI: 10.1021 / acs.est.0c01764, 2020. [Ссылка]

van Donkelaar, A., R.V. Martin, et al. (2019). Региональные оценки химического состава тонкодисперсных частиц с использованием комбинированного геолого-статистического метода с использованием информации со спутников, моделей и мониторов. Наука об окружающей среде и технологии, в печати, DOI: 10.1021 / acs.est.8b06392. [Ссылка]

Научные наборы данных:
Наборы данных с координатной привязкой предоставляются в ArcGIS-совместимом файле NetCDF [.nc] или заархивированном файле ASCII [.asc.zip]. Обратите внимание, что распакованные файлы ASCII могут быть громоздкими. Файлы с сеткой используют проекцию WGS84. Пожалуйста, свяжитесь с Аароном ван Донкелааром ([email protected]) для получения дополнительной информации.

Обратите внимание, что эти оценки в первую очередь предназначены для помощи в крупномасштабных исследованиях.Предоставляются сеточные наборы данных, позволяющие пользователям агрегировать данные в соответствии с их конкретными потребностями. Наборы данных привязаны к сетке с наилучшим разрешением источников информации, которые были включены (0,01 ° × 0,01 °), но не полностью разрешают градиенты PM _2,5 при сеточном разрешении из-за влияния источников информации с более грубым разрешением.

————————-

Глобальные оценки (V4.GL.03 / V4.GL.03.NoGWR):

Мы оцениваем глобальные годовые поверхностные мелкие твердые частицы (PM _2.5 ) концентрации на 1998-2019 гг. Оптическая толщина аэрозоля (AOD) из спутниковых продуктов NASA MODIS C6.1, MISR v23, MAIAC C6 и SeaWiFS объединена и связана с поверхностными концентрациями PM2,5 с использованием геофизических соотношений между поверхностью (PM _2,5 ) и AOD, смоделированными с помощью Модель химического транспорта GEOS-Chem. Эти оценки впоследствии калибруются для глобальных наземных наблюдений (PM _2,5 ) Всемирной организацией здравоохранения с использованием географически взвешенной регрессии (GWR).Эти оценки определяют важные региональные тенденции, как подробно описано в приведенной ниже ссылке.

Ссылки:
Hammer, M. S .; van Donkelaar, A .; Li, C .; Ляпустин, А .; Sayer, A. M .; Hsu, N.C .; Levy, R.C .; Garay, M. J .; Калашникова, О.В .; Kahn, R.A .; Брауэр, М .; Apte, J. S .; Henze, D. K .; Zhang, L .; Zhang, Q .; Ford, B .; Pierce, J. R .; и Мартин, Р. В., Глобальные оценки и долгосрочные тенденции концентраций мелких твердых частиц (1998-2018 гг.)., Environ. Sci.Technol , DOI: 10.1021 / acs.est.0c01764, 2020. [Ссылка]

: В таблице S5 средневзвешенные значения глобального населения PM _2,5 , HBR PM _2,5 и GBD PM _2,5 41,8, 46,9 и 55,7 должны быть скорректированы до 35,3, 40,4 и 46,3.

Наборы научных данных:

Глобальные разрешенные наборы данных предоставляются в ArcGIS-совместимом файле NetCDF [.nc] или заархивированном файле ASCII [.asc.zip]. Обратите внимание, что распакованные файлы ASCII могут быть громоздкими.Файлы с сеткой используют проекцию WGS84. Средние значения страны также представлены в формате ascii (.csv), разделенном запятыми. Удаление пыли и морской соли PM _{2,5 Оценка} применяет смоделированную информацию о составе к нашим значениям полного состава, согласно van Donkelaar et al., EHP, 2015. Другие экстракции часто могут быть произведены по запросу. Пожалуйста, свяжитесь с Мелани Хаммер ([email protected]), копией Аарона ван Донкелаара ([email protected])

Обратите внимание, что эти оценки в первую очередь предназначены для помощи в крупномасштабных исследованиях.Предоставляются сеточные наборы данных, позволяющие пользователям агрегировать данные в соответствии с их конкретными потребностями. Наборы данных привязаны к сетке с наилучшим разрешением источников информации, которые были включены, но не полностью разрешают градиенты PM _2.5 при сеточном разрешении из-за влияния источников информации с более грубым разрешением.

В исследованиях, ориентированных на Северную Америку, Европу или Китай, рекомендуется использовать версии V4.NA.03, V4.EU.03 и V4.CH.03, указанные выше.

Информация о версии доступна ниже.GWR_V4.GL.03 относится к тем наборам данных, которые включают наземные наблюдения с помощью географически взвешенной регрессии, как описано в Hammer et al., ES&T 2020. V4.GL.03 относится к тем данным, которые не включают наземные наблюдения, также описано в Hammer et al., ES&T 2020.

Вся композиция PM _2,5 :

ТЧ со спутников _2,5 , 1998, при относительной влажности 35% [мкг / м3]

0,05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0.05 ° × 0,05 ° шир. Регулировка [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° шир. Регулировка [.nc] [.asc.zip] [.csv]

ТЧ со спутников _2,5 , 1999, при относительной влажности 35% [мкг / м3]

0,05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0,05 ° × 0,05 ° w Настройка GWR [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° w Настройка GWR [.nc] [.asc.zip] [.csv]

ТЧ со спутников _2,5 , 2000, при относительной влажности 35% [мкг / м3]

0,05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0.05 ° × 0,05 ° шир. Регулировка [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° шир. Регулировка [.nc] [.asc.zip] [.csv]

ТЧ со спутников _2,5 , 2001, при относительной влажности 35% [мкг / м3]

0,05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0,05 ° × 0,05 ° w Настройка GWR [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° w Настройка GWR [.nc] [.asc.zip] [.csv]

ТЧ со спутников _2,5 , 2002, при относительной влажности 35% [мкг / м3]

0,05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0.05 ° × 0,05 ° шир. Регулировка [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° шир. Регулировка [.nc] [.asc.zip] [.csv]

ТЧ со спутников _2,5 , 2003 г., при относительной влажности 35% [мкг / м3]

0,05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0,05 ° × 0,05 ° w Настройка GWR [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° w Настройка GWR [.nc] [.asc.zip] [.csv]

ТЧ со спутников _2,5 , 2004 г., при относительной влажности 35% [мкг / м3]

0,05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0.05 ° × 0,05 ° шир. Регулировка [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° шир. Регулировка [.nc] [.asc.zip] [.csv]

ТЧ со спутников _2,5 , 2005, при относительной влажности 35% [мкг / м3]

0,05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0,05 ° × 0,05 ° w Настройка GWR [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° w Настройка GWR [.nc] [.asc.zip] [.csv]

ТЧ со спутников _2,5 , 2006, при относительной влажности 35% [мкг / м3]

0,05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0.05 ° × 0,05 ° шир. Регулировка [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° шир. Регулировка [.nc] [.asc.zip] [.csv]

ТЧ со спутников _2,5 , 2007, при относительной влажности 35% [мкг / м3]

0,05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0,05 ° × 0,05 ° w Настройка GWR [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° w Настройка GWR [.nc] [.asc.zip] [.csv]

ТЧ со спутников _2,5 , 2008 г., при относительной влажности 35% [мкг / м3]

0,05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0.05 ° × 0,05 ° шир. Регулировка [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° шир. Регулировка [.nc] [.asc.zip] [.csv]

ТЧ со спутников _2,5 , 2009 г., при относительной влажности 35% [мкг / м3]

0,05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0,05 ° × 0,05 ° w Настройка GWR [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° w Настройка GWR [.nc] [.asc.zip] [.csv]

ТЧ со спутников _2,5 , 2010 г., при относительной влажности 35% [мкг / м3]

0,05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0.05 ° × 0,05 ° шир. Регулировка [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° шир. Регулировка [.nc] [.asc.zip] [.csv]

PM _2,5 , 2011 г., при относительной влажности 35% [мкг / м3]

0,05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0,05 ° × 0,05 ° w Настройка GWR [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° w Настройка GWR [.nc] [.asc.zip] [.csv]

PM _2,5 , 2012, при относительной влажности 35% [мкг / м3]

0,05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0.05 ° × 0,05 ° шир. Регулировка [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° шир. Регулировка [.nc] [.asc.zip] [.csv]

PM _2,5 , 2013, при относительной влажности 35% [мкг / м3]

0,05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0,05 ° × 0,05 ° w Настройка GWR [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° w Настройка GWR [.nc] [.asc.zip] [.csv]

PM _2,5 , 2014, при относительной влажности 35% [мкг / м3]

0,05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0.05 ° × 0,05 ° шир. Регулировка [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° шир. Регулировка [.nc] [.asc.zip] [.csv]

PM со спутников _2,5 , 2015, при относительной влажности 35% [мкг / м3]

0,05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0,05 ° × 0,05 ° w Настройка GWR [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° w Настройка GWR [.nc] [.asc.zip] [.csv]

PM _2,5 , 2016, при относительной влажности 35% [мкг / м3]

0,05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0.05 ° × 0,05 ° шир. Регулировка [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° шир. Регулировка [.nc] [.asc.zip] [.csv]

PM _2,5 , 2017, при относительной влажности 35% [мкг / м3]

0,05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0,05 ° × 0,05 ° w Настройка GWR [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° w Настройка GWR [.nc] [.asc.zip] [.csv]

PM _2,5 , 2018, при относительной влажности 35% [мкг / м3]

0,05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0.05 ° × 0,05 ° шир. Регулировка [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° шир. Регулировка [.nc] [.asc.zip] [.csv]

PM _2,5 , 2019, при относительной влажности 35% [мкг / м3]

0,05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0,05 ° × 0,05 ° w Настройка GWR [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° w Настройка GWR [.nc] [.asc.zip] [.csv]

Удаление пыли и морской соли:

ТЧ со спутников _2,5 , 1998, при относительной влажности 35% [мкг / м3]

0.05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0,05 ° × 0,05 ° w GWR регулировка [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° w GWR настройка [.nc] [.asc.zip] [.csv]

ТЧ со спутников _2,5 , 1999, при относительной влажности 35% [мкг / м3]

0,05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0,05 ° × 0,05 ° w Настройка GWR [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° w Настройка GWR [.nc] [.asc.zip] [.csv]

ТЧ со спутников _2,5 , 2000, при относительной влажности 35% [мкг / м3]

0.05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0,05 ° × 0,05 ° w GWR регулировка [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° w GWR настройка [.nc] [.asc.zip] [.csv]

ТЧ со спутников _2,5 , 2001, при относительной влажности 35% [мкг / м3]

0,05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0,05 ° × 0,05 ° w Настройка GWR [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° w Настройка GWR [.nc] [.asc.zip] [.csv]

ТЧ со спутников _2,5 , 2002, при относительной влажности 35% [мкг / м3]

0.05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0,05 ° × 0,05 ° w GWR регулировка [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° w GWR настройка [.nc] [.asc.zip] [.csv]

ТЧ со спутников _2,5 , 2003 г., при относительной влажности 35% [мкг / м3]

0,05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0,05 ° × 0,05 ° w Настройка GWR [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° w Настройка GWR [.nc] [.asc.zip] [.csv]

ТЧ со спутников _2,5 , 2004 г., при относительной влажности 35% [мкг / м3]

0.05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0,05 ° × 0,05 ° w GWR регулировка [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° w GWR настройка [.nc] [.asc.zip] [.csv]

ТЧ со спутников _2,5 , 2005, при относительной влажности 35% [мкг / м3]

0,05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0,05 ° × 0,05 ° w Настройка GWR [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° w Настройка GWR [.nc] [.asc.zip] [.csv]

ТЧ со спутников _2,5 , 2006, при относительной влажности 35% [мкг / м3]

0.05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0,05 ° × 0,05 ° w GWR регулировка [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° w GWR настройка [.nc] [.asc.zip] [.csv]

ТЧ со спутников _2,5 , 2007, при относительной влажности 35% [мкг / м3]

0,05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0,05 ° × 0,05 ° w Настройка GWR [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° w Настройка GWR [.nc] [.asc.zip] [.csv]

ТЧ со спутников _2,5 , 2008 г., при относительной влажности 35% [мкг / м3]

0.05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0,05 ° × 0,05 ° w GWR регулировка [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° w GWR настройка [.nc] [.asc.zip] [.csv]

ТЧ со спутников _2,5 , 2009 г., при относительной влажности 35% [мкг / м3]

0,05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0,05 ° × 0,05 ° w Настройка GWR [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° w Настройка GWR [.nc] [.asc.zip] [.csv]

ТЧ со спутников _2,5 , 2010 г., при относительной влажности 35% [мкг / м3]

0.05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0,05 ° × 0,05 ° w GWR регулировка [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° w GWR настройка [.nc] [.asc.zip] [.csv]

PM _2,5 , 2011 г., при относительной влажности 35% [мкг / м3]

0,05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0,05 ° × 0,05 ° w Настройка GWR [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° w Настройка GWR [.nc] [.asc.zip] [.csv]

PM _2,5 , 2012, при относительной влажности 35% [мкг / м3]

0.05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0,05 ° × 0,05 ° w GWR регулировка [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° w GWR настройка [.nc] [.asc.zip] [.csv]

PM _2,5 , 2013, при относительной влажности 35% [мкг / м3]

0,05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0,05 ° × 0,05 ° w Настройка GWR [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° w Настройка GWR [.nc] [.asc.zip] [.csv]

PM _2,5 , 2014, при относительной влажности 35% [мкг / м3] 0,05 ° × 0.05 ° [.nc] [.asc.zip] [.csv]
0,05 ° × 0,05 ° w Регулировка GWR [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° w Регулировка GWR [. nc] [.asc.zip] [.csv]

PM со спутников _2,5 , 2015, при относительной влажности 35% [мкг / м3]

0,05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0,05 ° × 0,05 ° w Настройка GWR [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° w Настройка GWR [.nc] [.asc.zip] [.csv]

PM _2,5 , 2016, при относительной влажности 35% [мкг / м3]

0,05 ° × 0.05 ° [.nc] [.asc.zip] [.csv]
0,05 ° × 0,05 ° w Регулировка GWR [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° w Регулировка GWR [. nc] [.asc.zip] [.csv]

PM _2,5 , 2017, при относительной влажности 35% [мкг / м3]

0,05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0,05 ° × 0,05 ° w Настройка GWR [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° w Настройка GWR [.nc] [.asc.zip] [.csv]

PM _2,5 , 2018, при относительной влажности 35% [мкг / м3]

0,05 ° × 0.05 ° [.nc] [.asc.zip] [.csv]
0,05 ° × 0,05 ° w Регулировка GWR [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° w Регулировка GWR [. nc] [.asc.zip] [.csv]

PM _2,5 , 2019, при относительной влажности 35% [мкг / м3]

0,05 ° × 0,05 ° [.nc] [.asc.zip] [.csv]
0,05 ° × 0,05 ° w Настройка GWR [.nc] [.asc.zip] [.csv]
0,01 ° × 0,01 ° w Настройка GWR [.nc] [.asc.zip] [.csv]

———————————————————————————

Предыдущая версия глобальных оценок:

История версий

Примечание: V4.GL.01 предоставил те же оценки PM _2.5 , что и V4.GL.02 за 2008 год и далее, но не включил дополнительную временную информацию из Boys et al (2014) и van Donkelaar et al. .(2015). Имена файлов V4.GL.01 не содержат дополнения «wUni».

———————————————————————————

Оценки по регионам Северной Америки (V4.NA.02.MAPLE):

Мы оцениваем общие и массовые концентрации мелкодисперсных частиц (PM _2,5 ) на уровне земли (PM _2,5 ) над Северной Америкой путем объединения данных оптической глубины аэрозоля (AOD) из инструментов NASA MODIS, MISR и SeaWIFS с моделью переноса химических веществ GEOS-Chem. , а затем откалиброваны для региональных наземных наблюдений как общей, так и композиционной массы с использованием географически взвешенной регрессии (GWR), как подробно описано в приведенной ниже ссылке на V4.NA.02. V4.NA.02.MAPLE дополнительно модифицировал метод GWR V4.NA.02 с дополнительными разработками в рамках проекта MAPLE (Ассоциации смертности – загрязнения воздуха в средах с низкой экспозицией). Эта корректировка имела особое значение при низких концентрациях. Метод GWR отдельных компонентов не изменился по сравнению с V4.NA.02, но представлены в процентах для обеспечения массового закрытия и рекомендованы для применения к V4.NA.02.MAPLE total PM _2.5 .

Артикул:
van Donkelaar, A., Р. В. Мартин и др. (2019). Региональные оценки химического состава тонкодисперсных частиц с использованием комбинированного геолого-статистического метода с использованием информации со спутников, моделей и мониторов. Наука об окружающей среде и технологии, 2019 г., DOI: 10.1021 / acs.est.8b06392. [Ссылка]

Научные наборы данных:
Годовые наборы данных предоставляются в NetCDF [.nc] или заархивированном ArcGIS-совместимом файле ASCII [.asc.zip]. Обратите внимание, что распакованные файлы ASCII могут быть громоздкими.Файлы с сеткой используют проекцию WGS84. Оценки состава представлены для сульфата (SO4), нитрата (NO3), аммония (Nh5), органического вещества (OM), черного углерода (BC), минеральной пыли (DUST) и морской соли (SS). В 2017 г. внесено небольшое изменение в имя файла, что соответствует незначительным внутренним изменениям по сравнению с предыдущими годами. Однако в целом набор данных согласован на протяжении всего периода времени и может быть соответствующим образом использован для анализа тенденций. Пожалуйста, свяжитесь с Аароном ван Донкелааром ([email protected]) для получения дополнительной информации.

Обратите внимание, что эти оценки в первую очередь предназначены для помощи в крупномасштабных исследованиях. Предоставляются сеточные наборы данных, позволяющие пользователям агрегировать данные в соответствии с их конкретными потребностями. Наборы данных привязаны к сетке с наилучшим разрешением источников информации, которые были включены (0,01 ° × 0,01 °), но не полностью разрешают градиенты PM _2,5 при сеточном разрешении из-за влияния источников информации с более грубым разрешением.

Среднегодовое значение PM _2,5 [мкг / м ³ ]: [.nc] [.asc.zip]
Среднегодовое значение SO ₄ ²⁺ [%]: [.nc] [.asc.zip ]
Среднее за год NO ₃ ^— [%]: [.nc] [.asc.zip]
Среднее за год NH ₄ ⁺ [%]: [.nc] [.asc.zip]
Среднегодовое значение OM [%]: [.nc] [.asc.zip]
Среднегодовое значение BC [%]: [.nc] [.asc.zip]
Среднее годовое значение ПОЧВЫ [%]: [.nc] [.asc] .zip]
Среднегодовое значение SS [%]: [.nc] [.asc.zip]

Ежемесячно V4.NA.02.Общая масса MAPLE PM _2.5 доступна здесь.

Годовой и ежемесячный V4.NA.02 PM _{2.5 Общая масса и состав} , описанные в van Donkelaar et al., ES&T 2019, доступны здесь. Проценты обозначаются буквой «p» после идентификаторов компонентов в именах файлов. V4.NA.02.MAPLE общая масса PM _2.5 доступна здесь. Напоминаем пользователям, что эти наборы данных предназначены для долгосрочных крупномасштабных исследований. Ожидается увеличение неопределенностей при использовании с более высоким пространственным / временным разрешением.

———————————————————————————

Китайские региональные оценки (V4.CH.02):

В этом наборе данных используется та же методология, что и для V4.NA.02, для получения комбинированных геофизико-статистических оценок PM _2,5 по Китаю с использованием недавно расширенной измерительной сети PM _2,5 в этом регионе с мая 2014 г. по декабрь 2016 г. эти значения возвращаются к 2000 году с использованием межгодовых изменений между наблюдаемыми периодами времени GM и наблюдаемыми периодами времени, не относящимися к GM, на основе значений, полученных с геофизических спутников van Donkelaar et al.(2015).

Наземные измерения PM _2,5 были получены с http://beijingair.sinaapp.com/ над материковым Китаем. Эти данные собираются отдельными лицами из мгновенных записей данных на веб-сайте Агентства по охране окружающей среды Китая. Тайваньские измерения PM _2,5 были загружены с https://taqm.epa.gov.tw/taqm/tw/YearlyDataDownload.aspx.

Ссылки:
van Donkelaar, A., R. V. Martin, et al. (2019). Региональные оценки химического состава тонкодисперсных частиц с использованием комбинированного геолого-статистического метода с использованием информации со спутников, моделей и мониторов. Наука об окружающей среде и технологии, в печати, DOI: 10.1021 / acs.est.8b06392. [Ссылка]

van Donkelaar, A., R.V. Martin, et al. (2015) Глобальные концентрации мелких твердых частиц со спутников для оценки долгосрочного воздействия , Перспективы гигиены окружающей среды , 123, 135-143, DOI: 10.1289 / ehp.1408646, 2015. [Link]

Scientific Datasets:
Глобальные разрешенные наборы данных предоставляются в ArcGIS-совместимом NetCDF [.nc] или заархивированном ASCII [.asc.zip] файл. Обратите внимание, что распакованные файлы ASCII могут быть громоздкими. Файлы с сеткой используют проекцию WGS84. Пожалуйста, свяжитесь с Аароном ван Донкелааром ([email protected]) для получения дополнительной информации.

Обратите внимание, что эти оценки в первую очередь предназначены для помощи в крупномасштабных исследованиях. Предоставляются сеточные наборы данных, позволяющие пользователям агрегировать данные в соответствии с их конкретными потребностями. Наборы данных привязаны к сетке с наилучшим разрешением среди источников информации, которые были включены (0,01 ° × 0.01 °), но не полностью разрешают градиенты PM _2,5 при сеточном разрешении из-за влияния источников информации при более грубом разрешении.

Среднегодовое значение PM _2,5 [мкг / м ³ ]: [.nc] [.asc.zip]

Сводные ежегодные оценки по провинциям, взвешенные по населению и географическим регионам, доступны здесь:
[ChinaPM25-V4CH02-PROVINCIAL-2000-2017.csv]

———————————————————————————

Европейские региональные оценки (V4.EU.02):

В этом наборе данных используется та же методология, что и для V4.NA.02, для получения комбинированных геофизико-статистических оценок PM _2,5 по Европе с использованием доступных измерений PM _2,5 в этом регионе. Наземные измерения PM _2,5 были получены из системы электронной отчетности Европейского агентства по окружающей среде (https://www.eea.europa.eu/data-and-maps/data/aqereporting).

Ссылки:
van Donkelaar, A., R.В. Мартин и др. (2019). Региональные оценки химического состава тонкодисперсных частиц с использованием комбинированного геолого-статистического метода с использованием информации со спутников, моделей и мониторов. Наука об окружающей среде и технологии, в печати, DOI: 10.1021 / acs.est.8b06392. [Ссылка]

Научные наборы данных:
Глобальные разрешенные наборы данных предоставляются в ArcGIS-совместимом файле NetCDF [.nc] или заархивированном файле ASCII [.asc.zip]. Обратите внимание, что распакованные файлы ASCII могут быть громоздкими.Файлы с сеткой используют проекцию WGS84. Пожалуйста, свяжитесь с Аароном ван Донкелааром ([email protected]) для получения дополнительной информации.

Обратите внимание, что эти оценки в первую очередь предназначены для помощи в крупномасштабных исследованиях. Предоставляются сеточные наборы данных, позволяющие пользователям агрегировать данные в соответствии с их конкретными потребностями. Наборы данных привязаны к сетке с наилучшим разрешением источников информации, которые были включены (0,01 ° × 0,01 °), но не полностью разрешают градиенты PM _2,5 при сеточном разрешении из-за влияния источников информации с более грубым разрешением.

Среднегодовое значение PM _2,5 [мкг / м ³ ]: [.nc] [.asc.zip]

————————————————————————————
Глобальные оценки (V4.GL.02 / V4.GL.02.NoGWR):

Мы оцениваем приземные мелкие твердые частицы (PM _2,5 ), комбинируя данные оптической глубины аэрозоля (AOD), полученные с помощью инструментов NASA MODIS, MISR и SeaWIFS, с моделью переноса химических веществ GEOS-Chem, а затем откалибровали для глобальных наземных измерений. на основе наблюдений PM _2.5 с использованием географически взвешенной регрессии (GWR), как подробно описано в приведенной ниже ссылке.

Ссылки:
van Donkelaar, A., RV Martin, M.Brauer, NC Hsu, RA Kahn, R.C. Levy, A. Lyapustin, AM Sayer, and D.M Winker, Global Assessment of Fine Graphular Matter с использованием комбинированного геофизико-статистического метода с информацией со спутников, моделей и мониторов , Environ. Sci. Technol , DOI: 10.1021 / acs.est.5b05833, 2016. [Ссылка]

Оценки до 2008 г. включают временную информацию из:

Мальчиков, Б.Л., Мартин, Р., ван Донкелаар, А., МакДонелл, Р., Хсу, Северная Каролина, Купер, М.Дж., Янтоска, Р.М., Лу, З., Стритс, Д.Г., Чжан, К., Ван, С., Пятнадцатилетние глобальные временные ряды мелких твердых частиц, полученных со спутников , Environ. Sci. Технол , 10.1021 / es502113p, 2014. [ссылка]

ван Донкелаар, А., Р. В. Мартин, М. Брауэр и Б. Л. Бойз, Глобальные концентрации тонкодисперсных твердых частиц со спутника для долгосрочной оценки воздействия , Перспективы экологического здоровья , 123, 135-143, DOI: 10.1289 / ehp.1408646, 2015. [Ссылка]

Научные наборы данных:
Глобальные разрешенные наборы данных предоставляются в ArcGIS-совместимом файле NetCDF [.nc] или заархивированном файле ASCII [.asc.zip]. Обратите внимание, что распакованные файлы ASCII могут быть громоздкими. Файлы с сеткой используют проекцию WGS84. Также предоставляются соответствующие файлы для Google Планета Земля [.kmz]. Средние значения страны также представлены в формате ascii (.csv), разделенном запятыми. Удаление пыли и морской соли PM _{2,5 Оценки} применяют смоделированную информацию о составе к нашим значениям полного состава, следуя van Donkelaar et al., EHP, 2015. Другие извлечения часто могут быть произведены по запросу. Пожалуйста, свяжитесь с Аароном ван Донкелааром ([email protected]) для получения дополнительной информации.

Обратите внимание, что эти оценки в первую очередь предназначены для помощи в крупномасштабных исследованиях. Предоставляются сеточные наборы данных, позволяющие пользователям агрегировать данные в соответствии с их конкретными потребностями. Наборы данных привязаны к сетке с наилучшим разрешением источников информации, которые были включены, но не полностью разрешают градиенты PM _2.5 при сеточном разрешении из-за влияния источников информации с более грубым разрешением.

В исследованиях, ориентированных на Северную Америку, рекомендуется использовать версию V4.NA.03, доступную выше.

Информация о версии доступна ниже. V4.GL.02 относится к тем наборам данных, которые включают наземные наблюдения с помощью географически взвешенной регрессии, как описано в van Donkelaar et al., ES&T 2016. V4.GL.02.NoGWR относится к тем данным, которые не включают наземные — основанные на наблюдениях, также описанные в van Donkelaar et al., ES&T 2016.

Среднегодовое значение всего состава PM _2.5 :
Geophysical PM _2,5 при 0,1 ° × 0,1 ° [мкг / м ³ ]: [.nc] [.asc.zip] [изображение .kmz] [сводка .csv]
Hybrid PM _2,5 при 0,1 ° × 0,1 ° [мкг / м ³ ]: [.nc] [.asc.zip] [изображение .kmz] [сводка .csv]
Hybrid PM _2,5 при 0,01 ° × 0,01 ° [мкг / m ³ ]: [.nc] [.asc.zip] [изображение .kmz] [сводка .csv]

Среднегодовое количество удаленной пыли и морской соли PM _2,5 :
Геофизические PM _2,5 при 0.1 ° × 0,1 ° [мкг / м ³ ]: [.nc] [.asc.zip] [изображение .kmz] [сводка .csv]
Hybrid PM _2,5 при 0,1 ° × 0,1 ° [мкг / м ³ ]: [.nc] [.asc.zip] [.kmz изображение] [сводка .csv]
Hybrid PM _2,5 при 0,01 ° × 0,01 ° [мкг / м ³ ]: [.nc] [.asc.zip] [изображение .kmz] [сводка .csv]

———————————————————————————

Оценки для Северной Америки с корректировкой на основе наземного монитора (V4.NA.01):

Мы оцениваем приземные мелкие твердые частицы (PM _2.5 ) над Северной Америкой, сочетая извлечение оптической глубины аэрозоля (AOD) на основе оптимальной оценки с разрешением 0,01 градуса x 0,01 градуса с помощью инструмента NASA MODIS с вертикальным профилем аэрозоля и характеристиками рассеяния, смоделированными с помощью модели химического переноса GEOS-Chem. Затем мы используем географически взвешенную регрессию (GWR), которая включает данные наземных наблюдений, чтобы скорректировать любую остаточную погрешность в оценках PM _2.5 , полученных со спутников. Для значений до использования 2004 г. применима временная вариация Boys et al., к периоду с поправкой на GWR.

Ссылка:
van Donkelaar, A., R. V. Martin, R. J. D. Spurr и R. T. Burnett, Спутниковые PM _{2,5 с высоким разрешением} на основе оптимальной оценки и географически взвешенной регрессии по Северной Америке , Environ. Sci. и Тех. , doi 10.1021 / acs.est.5b02076 [ссылка]

Мальчики, Б.Л., Мартин, Р.В., ван Донкелаар, А., МакДонелл, Р., Хсу, Северная Каролина, Купер, М.Дж., Янтоска, Р.М., Лу, З., Streets, D.G., Zhang, Q., Wang, S., Пятнадцатилетний глобальный временной ряд спутниковых данных о мелких твердых частицах , Environ. Sci. Технол , 10.1021 / es502113p, 2014. [ссылка]

Наборы данных Google Планета Земля:
Небольшая выборка региональных оценок среднего значения PM _{2,5, полученных со спутника, была сокращена для импорта в Google Планета Земля. Нажмите на метку с надписью «PM 2.5 », чтобы увидеть легенду.}

ТЧ со спутников _2,5 с GWR, Северная Америка, среднее за 3 года, при относительной влажности 35% [мкг / м3] [.kmz]

Научные наборы данных:
Глобальные разрешенные наборы данных представлены в файле ASCII, совместимом с ArcGIS. Другие экстракции часто могут быть произведены по запросу.

Обратите внимание, что эти оценки в первую очередь предназначены для помощи в крупномасштабных исследованиях. Предоставляются сеточные наборы данных, позволяющие пользователям агрегировать данные в соответствии с их конкретными потребностями. Наборы данных привязаны к сетке с наилучшим разрешением источников информации, которые были включены, но не полностью разрешают PM _2.5 градиентов при сеточном разрешении из-за влияния источников информации при более грубом разрешении.

PM _2,5 с GWR, Северная Америка, среднее за 3 года, при относительной влажности 35% [мкг / м3] Решено [.asc.zip]

————————————————————————————
Версия 3.01

Ссылки:
Мальчики, Б.Л., Мартин, Р.В., ван Донкелаар, А., МакДонелл, Р., Хсу, Северная Каролина, Купер, М.Дж., Янтоска, Р.М., Лу, З., Улицы, Д.Г., Чжан, К. , Wang, S., Пятнадцатилетний глобальный временной ряд спутниковых тонкодисперсных частиц , Environ.Sci. Технол , 10.1021 / es502113p, 2014. [ссылка]

van Donkelaar, A., RV Martin, M. Brauer and BL Boys, Глобальные концентрации мелких твердых частиц со спутника для долгосрочной оценки воздействия , Environmental Health Perspectives , 123, 135-143, DOI: 10.1289 / ehp .1408646, 2015. [Ссылка]

Научные наборы данных:
Глобальные разрешенные наборы данных представлены в файле ASCII, совместимом с ArcGIS. Средние значения страны указываются в формате ascii, разделенном запятыми (.csv) формат. Другие экстракции часто могут быть произведены по запросу.

All Composition:
ТЧ со спутников _2,5 , среднее за 3 года, при относительной влажности 35% [мкг / м3] Разрешено [.asc.zip] Среднее по стране [.csv]
ТЧ со спутников _2,5 Тенденция, 1998-2012 гг., При относительной влажности 35% [мкг / м3] Решено [.asc.zip]

Удалено пыли и морской соли:
Получено со спутников PM _2,5 , 3 = среднее за год, при относительной влажности 35% [мкг / м3] Разрешено [.asc.zip] Среднее значение по стране [.csv]

Формат:
Все данные представлены в удобном для ГИС формате ASCII.

Приземные PM2,5 наблюдений, собранных для проверки van Donkelaar et al. (см. выше) также общедоступны в электронной таблице Excel [.xlsx].

———————————————————————————

Версия 1.01

Ссылки:
van Donkelaar, A., R.V. Martin, M. Brauer, R. Kahn, R. Levy, C. Verduzco и P.J. Villeneuve, Глобальные оценки воздействия концентраций мелких твердых частиц от спутниковой оптической глубины , Environ.Перспектива здоровья. , DOI: 10.1289 / ehp.0

Наборы данных Google Планета Земля:
Небольшая выборка региональных среднегодовых спутниковых оценок PM _2,5 была вырезана для импорта в Google Планета Земля (весь набор данных слишком велик для одного файла). Они соответствуют средним значениям 2001-2006 гг., Скорректированным с учетом данной относительной влажности (RH).

Наборы данных Google Планета Земля:
Небольшая подборка региональных средних спутниковых данных PM _2.5 оценок были вырезаны для импорта в Google Earth, доступны [здесь]. Они соответствуют концентрациям 2001-2010 гг., Приведенным к относительной влажности 35%. Нажмите на метку с надписью «PM _2.5 », чтобы увидеть легенду.

Доступные наборы научных данных:
Среднегодовое значение ТЧ, полученное со спутников _2,5 , 2001-2006 гг., При относительной влажности 35% [мкг / м3] [здесь]
Среднегодовое значение ТЧ, полученное со спутников _2,5 , 2001-2006 гг., При относительной влажности 35% [мкг / м3] [здесь] 50% относительной влажности [мкг / м3] [здесь]
Среднегодовое значение PM _{, полученное со спутников.5} Общее количество наблюдений [количество], 2001-2006 гг. [Здесь]
Среднегодовая погрешность, полученная со спутников _2,5 Неопределенность [%], 2001-2006 гг.