Аннотация результатов, полученных в 2020 году
В рамках данного этапа работ по Проекту получены следующие результаты: 1. Проведен обзор и оценка релевантности глобальных баз данных (БД) – климатических, земельного покрова и урбанизированных территорий для территории России. Показано, что в настоящее время не существует единого источника, содержащего репрезентативные данные сразу по двум наиболее часто используемым климатическим параметрам – температуре воздуха и осадкам. Необходима комбинация БД в зависимости от используемых показателей. Для осреднённых значений средней годовой температуры, средней за тёплые месяцы года максимальной суточной температуры и средней за холодные месяцы года минимальной суточной температуры показано сопоставимо хорошее воспроизведение в реанализе ERA5 и WorldClim и CHELSA. Для годовой суммы осадков наилучший результат показала WorldClim. При анализе многолетних рядов полей средних месячных значений суточных минимальной и максимальной температур воздуха показана согласованность данных реанализа ERA5 и CHELSA с данными наблюдений по метеостанциям и абсолютная неприменимость данных WorldClim. Выбор конкретной БД также зависит и от географического положения исследуемой территории, и от масштаба исследования. Так, для осадков наилучшее совпадение для центральных и южных исследуемых областей (с центрами в Москве и Волгограде) демонстрирует WorldClim, для северных (с центрами в Апатитах и Архангельске), а также области с центром в Якутске – CHELSA. Реанализ ERA5 показывает значительные расхождения с наблюдениями для всех рассмотренных областей. Учитывая не вполне достаточную достоверность воспроизведения термического режима на локальном уровне на примере WorldClim можно предположить, что несмотря на подходящее пространственное разрешение (несколько км), использование подобных БД в локальных исследованиях крайне ограничено. БД по земельному покрову можно разбить на 4 группы, внутри которых классификации похожи с точки зрения пространственного положения пикселей классов. БД различаются по всем показателям: пространственному и временному разрешению, формату исходных данных, принципу и методу классификации, количеству классов, процедуре предоставления данных, проекции и способу «нарезки» на фрагменты, что затрудняет их совместное использование. Выбор БД, наиболее приемлемых для территории РФ представляет отдельную задачу по верификации выделенных генерализованных классов легенды с данными космических снимков. По итогам сравнения БД урбанизированных территорий можно рекомендовать данные Copernicus Global Land Cover для использования в задачах, где важна оценка площади урбанизированных территорий, и данные Global Man-made Impervious Surface для задач, в которых важна доля площади непроницаемых для влаги территорий. 2. Определены количественные параметры городской среды, а именно высотность на примере Москвы. Была подготовлена серия скриптов на языке программирования Python, которые позволяют автоматизировать сбор и систематизацию данных из открытых интернет-источников. Собрана информация о зданиях Москвы и ближайшего Подмосковья, включая их пространственное положение и количественные характеристики (около 250 тыс. объектов). Удалось получить модель для предсказания количества этажей, что обеспечивает возможность использования ее для определения высотных характеристик городской среды других населенных пунктов. 3. Апробированы новые подходы к выделению локальных климатических зон (ЛКЗ, LCZ) по стандартам проекта WUDAPT для Нижнего Новгорода и Якутска. С помощью LCZ Generator можно получить более точную информацию о ЛКЗ. Это было подтверждено с помощью рассчитанных параметров (доля урбанизированной территории, доля зелёных насаждений, доля промышленных зон) для каждого типа ЛКЗ по двум исследуемым городам. Для достижения такого результата необходимо создавать обучающую выборку так, чтобы в ней были отображены все присущие типы для определенного города, а также для каждого класса должно быть не менее 15 эталонных полигонов. 4. На основе концепции ЛКЗ и использовании нормализованного водного индекса NDWI была разработана более дробная классификация с учётом степени увлажнения растительного покрова и выделением дополнительных типов водных объектов на территории городов. Апробация проведена на территории Волгограда и Москвы с окрестностями. В результате было выделено 7 категорий городской растительности для Волгограда и 6 для Москвы. 5. Собраны данные по параметрам, характеризующих условия жизни населения на внутригородском уровне. Для этого было проведено районирование Москвы с учётом дорожной сети. Всего было получено 224 полигона. Были рассчитаны показатели плотности дорожных пересечений, которые принимают наименьшее значение (37.45 пересечений / км2) в районе станции МЦК «Новохохловская» и наибольшее в районе «Маяковская» (1374.0 пересечений / км2). Наименьшее значение показателя плотности регулируемых пешеходных переходов на транзитных дорогах Москвы составляет 0 переходов в районах «Лесопарковая», «Битца», «Мякинино» и «Студенческая». Максимальные значения характерны для центральных районов: «Цветной Бульвар – Трубная», «Китай-город», «Маяковская», «Кропоткинская». Собраны данные об объектах, попадающие в категории «жилые зоны» (3176 объектов), «коммерция» (1090), «рекреация» (20529). Собраны данные о половозрастных характеристиках, уровне образования, занятости, доходах и других демографических и социально-экономических индикаторах. Отдельные данные о численности населения, стоимости жилья, оценки доли возрастного и бедного населения собраны по муниципалитетам Москвы. Следует отметить, что данные на муниципальном уровне, кроме Москвы и Санкт-Петербурга, крайне ограничены. Одним из выходов в данной ситуации может быть интерпретация качественных характеристик районов (стоимость жилья, доступность социальной инфраструктуры и т.п.), а не по фактическим данным о населении. 6. Проведено тестирование методики иерархического мультимасштабного моделирования. Для рассмотренных летних и зимних периодов, модель в целом адекватно воспроизвела временную динамику загородной температуры воздуха и основные характеристики интенсивности острова тепла. При этом пространственная структура острова тепла ожидаемо оказалась чувствительной к способу задания параметров городской среды. Показана перспективность подхода к получению необходимых параметров на основе ЛКЗ и идеологии проекта WUDAPT с использованием программного инструмента WUDAPT2COSMO. 7. Получена первичная оценка биоклиматической комфортности на гиперлокальном уровне с использованием методики иерархического моделирования (COSMO + ENVI-met). По летним экспериментам можно отметить высокие значения биоклиматического индекса Physiologically Equivalent Temperature днём, даже несмотря на высокую скорость ветра. Самыми опасными с точки зрения влияния на здоровье участками выступают замкнутые между зданиями небольшие дворы. Наиболее комфортным типом застройки является LCZ 4 (открытая высокоэтажная застройка), где количество затеняющих объектов выше. Согласно зимним модельным экспериментам локальные снижения скорости ветра, как и предполагалось, в основном сконцентрированы во дворах, между зданиями. Большие значения скорости ветра (более 2,5 м/с) в основном приурочены либо к узким проходам между домами, при этом проход направлен перпендикулярно основному потоку (эффект городского каньона), либо к углу здания, граничащему с открытой местностью (например, водный объект). Эффекты усиления скорости ветра наблюдаются только при высоком фоновом значении. 8. Проанализированы факторы, повлиявшие на распространение первой волны пандемии Covid-19 в России, а также возможная роль метеорологических условий. Начальное развитие эпидемии в РФ характеризовалось сравнительно невысоким показателем базовой скорости репродукции. В основном оно определялось удаленностью региональных центров от наиболее крупных международных аэропортов и развитостью транспортной сети, в то время как показатели заболеваемости и смертности демонстрировали выраженную взаимосвязь с плотностью населения, долей городского населения и долей населения старше трудоспособного возраста. Анализ вклада метеорологических условий на основе анализа литературных материалов показал, что предполагаемое в начале пандемии влияние жаркой погоды на риск передачи инфекции недостаточно велико. Во многом сложившееся мнение было обусловлено используемыми методами исследования – подобные выводы делались лишь на основании использования коэффициентов корреляции для крупных географических единиц. Применение впоследствии более точных методов, базирующихся на множественной регрессии и обобщенных аддитивных моделях с использованием данных в ежесуточном осреднении способствовало получению менее однозначных результатов. Важное значение имеет учет в моделях спутывающих переменных (демографических и социально-экономических), что существенно снижает вклад метеорологических показателей в наблюдаемые флуктуации заболеваемости. Несмотря на то, что ряд исследований для сезонных инфекций показывает влияние температуры и влажности на стабильность респираторных вирусов и скорость передачи инфекции, более поздние исследования подчеркивают важность факторов окружающей среды, особенно температуры и влажности, в модуляции врожденных и адаптивных иммунных ответов хозяина на вирусные инфекции в дыхательных путях.

Аннотация результатов, полученных в 2021 году
В рамках второго (заключительного) этапа проекта выполнены следующие работы. Разработана технология (методика и ее программная реализация) интеграции информации о параметрах городской среды, необходимых для мультимасштабного моделирования городского климата, из различных источников. С использованием модели COSMO с параметризацией TERRA_URB и улучшенной базы данных о параметрах городской среды выполнено моделирование метеорологических условий Московского региона для июня и июля 2021 г., когда наблюдалось две продолжительные волны жары. Показано, что в условиях волн жары в городе наблюдались более высокие средние значения индексов UTCI и PET по сравнению с загородными территориями. Индекс PET показал более сильный термический стресс по сравнению с UTCI, а также наибольшие контрасты между городом и фоном, превосходящие контрасты температуры воздуха. Примечательно, что две волны жары различались пространственной структурой: в июне максимальные значения повторяемости теплового стресса наблюдались в центре и на северо-востоке города, а в июле – в центре и на юго-востоке, что можно объяснить различием преобладающего направления ветра и, соответственно, адвекции городского тепла. Оценка биоклиматической комфортности на гиперлокальном уровне показало Самым опасным с термической точки зрения является сценарий безветренного жаркого дня, значения индекса PET показывают сильный и экстремальный термический стресс (PET>35° С) практически на всей модельной территории Балчуг, с небольшим снижением до умеренного теплового стресса над водной поверхностью. Озеленение на крышах оказывает охлаждающий эффект на окружающую среду только в дневные часы, в период поступления коротковолновой солнечной радиации к земной поверхности. Эксперименты для летних и зимних условий показали, что наиболее комфортными территориями во время волны холода являются зоны с растительностью. К наиболее дискомфортной и опасной можно отнести зону открытых пространств и высоких зданий. Оценка биоклиматической комфортности дополнена результатами анализа временной динамики индексов биоклиматической комфортности и аэрозольного загрязнения, идентифицирующего опасность сопряженного воздействия термических условий и загрязнений на различных внутригородских территориях Москвы (МГУ и Балчуг) по данным наблюдений за 2005-2020 г. Показано, что волны жары характеризуются не только более высокими значениями температуры и индексов, но и более высокими концентрациями загрязняющих веществ и более интенсивным эффектом городского острова тепла по сравнению с «обычными» летними условиями. Разработан индекс комфортности городской среды при нахождении на открытом воздухе. Создание индекса на основе открытых данных и его детальная апробация на примере Москвы показала ожидаемые результаты пространственной дифференциации среды города, которые можно объяснить определенными особенностями конфигурации районов или их исторической специализацией. Таким образом, несмотря на то что в основу положен индекс, исходно предназначенный для европейских и американских городов, существенно отличающихся по своему облику от российских городов, разработанный в ходе проекта индекс комфортности городской среды показал свою пригодность для территории России. Результаты анализа мобильности населения и транспортной связности городов как факторов распространения респираторных инфекционных заболеваний показали, что можно предположить существование определенной кластеризации направлений по связности городов, что, в свою очередь, может сказываться на скорости и направлениях распространения инфекций.