Введение

Необходимость исследования различных типов аэрозоля обусловлена целым рядом факторов его влияния на верхний слой вод акваторий. Во-первых, аэрозоль может переноситься на значительные расстояния от их источников, тем самым влияя на изменение химического состава атмосферы над регионами [1, 2].

Во-вторых, аэрозоль различного происхождения влияет на точность восстановления спектрального хода коэффициента яркости восходящего излучения [2–4]. Поскольку биооптические характеристики водоемов анализируют по спутниковым данным, для корректной оценки этих характеристик необходимо учитывать, какой аэрозоль находится в атмосфере над исследуемым регионом [5–9]. Аэрозоль (такой, как пыль и дым) не дает возможность получить объективные оценки, поскольку стандартный алгоритм атмосферной коррекции, используемый в NASA, не предполагает учет стратификации такого аэрозоля [1, 10].

В-третьих, аэрозоль содержит микроэлементы, в частности азот, фосфор и кремний, которые при осаждении на верхний слой водоемов могут служить дополнительными источниками питания фитопланктона [11, 12]. В зависимости от того, какого типа аэрозоль выявлен в атмосфере над исследуемым регионом в результате переноса, определяют, какие именно микроэлементы окажутся в верхнем слое вод после выпадения осадков.

В настоящее время широко исследуются различные аэрозольные фракции, т. е. распределение аэрозольных частиц в зависимости от их размера. Крупнодисперсная фракция (0,6−10 мкм) попадает в диапазон околонулевых значений показателей Ангстрема. Сложнее обстоит дело с субмикронной фракцией аэрозоля (0,1−0,6 мкм), поскольку параметр Ангстрема будет варьироваться при сдвиге максимума функции распределения по размерам внутри этого интервала.

В период развития пыльной бури процессы теплообмена и изменение динамики микрофизических процессов сопровождаются сильными ветрами и вторжением холодного воздушного фронта. Это приводит к переносу большого количества пылевой фракции аэрозоля с частицами размером более 2 мкм и к уменьшению содержания мелкодисперсной (субмикронной) фракции, что объясняется следующими причинами:

1) вторжением более плотных воздушных масс с большим содержанием пыли, которое может привести к механическому вытеснению взвешенных частиц субмикронной фракции в более высокие слои воздуха;

2) слипанием частиц субмикронной фракции аэрозоля с частицами крупнодисперсной пылевой фракции;

3) выталкиванием мелкодисперсных отрицательно заряженных частиц пыли отрицательным электростатическим полем земной поверхности.

Частицы фоновой субмикронной фракции, сталкиваясь с более крупными частицами пылевой бури и отнимая у них электроны, оказываются заряженными отрицательно, а крупнодисперсные частицы – положительно. Затем субмикронные частицы поднимаются выше под воздействием электростатического поля Земли. Развитие пылевой бури способствует процессам, которые включают приобретение в результате столкновений между мелкодисперсными частицами отрицательного заряда, а между крупными – положительного, что способствует расслоению пылевого облака. Именно поэтому пылевую дымку можно наблюдать полосами [13]. Вследствие этого усиливается выброс частиц почвы электростатическими силами. Измерения концентрации ионов дисперсной фазы воздуха на уровне 500 и 6000 м при чистой и запыленной атмосфере [14–16] указывают на повышение концентрации отрицательно заряженных ионов и одновременно уменьшение количества положительно заряженных ионов в период пылевой бури, что также подтверждает электростатическую гипотезу.

Зачастую после сильных пылевых бурь даже летом проходят продолжительные ливневые дожди. При этом наиболее устойчивым от вымывания компонентом атмосферного аэрозоля является субмикронная фракция, которая после интенсивных дождей сохраняется в атмосфере, а грубодисперсная фракция уменьшается почти до 0. После дождя крупнодисперсная фракция аэрозоля полностью восстанавливается в атмосфере только через несколько дней. В спектре появляется дополнительная полоса в области 1300 см^–1, связанная с увеличением содержания нитратов в аэрозоле. Уменьшение полосы в области 1400 см^–1, по сравнению с областью 1300 см^–1, связано с уменьшением неорганических карбонатов. Уменьшается содержание силикатов в субмикронной фракции аэрозоля.

Исследования основных оптических характеристик над Черным морем являются актуальными и востребованными еще с начала XX в., однако подробный анализ пространственно-временной изменчивости параметра Ангстрема для данного региона все еще малоизученная задача оптики моря и атмосферы.

Цель исследования – проведение сравнительного анализа и оценки значений параметра Ангстрема, полученных на черноморских станциях Севастополь и Section_7 сети AERONET с весны 2019 г. по весну 2024 г. с использованием данных спутникового и наземного мониторинга, а также результатов моделирования динамики атмосферы.

Методы исследования и приборы

В работе использованы следующие типы данных об атмосферном аэрозоле: данные результатов измерений портативным фотометром SPM [17], фотометрами со станций международной сети аэрозольного мониторинга AERONET, радиометром VIIRS со спутника Suomi NPP [18–20]; данные моделей HYSPLIT и SILAM, а также концентрации частиц PM2.5 и PM10, полученные с помощью измерений детектором Espada М3. Взвешенные частицы (англ. particulate matter, РМ) относятся к загрязнителям атмосферы, которые чаще всего анализируют по массовым концентрациям частиц.

Параметр Ангстрема (α) - название показателя степени в формуле зависимости оптической толщины аэрозоля от длины волны

                                                 (1)

где  – оптическая толщина на определенной длине волны; – стандартная (опорная) длина волны .

Аэрозольная оптическая толщина (АОТ) атмосферы чаще всего вычисляется, согласно закону Бугера, по спектральному ослаблению прямого солнечного излучения. В этом случае для определения АОТ рассчитывается ослабление света вследствие молекулярного рассеяния Рэлея и поглощения газообразными составляющими атмосферы, которое затем вычитается из общей оптической толщины атмосферы [21]. AOТ является индикатором изменчивости оптических свойств атмосферы вследствие корреляции между концентрациями аэрозольных частиц и коэффициентами ослабления света, данные о которых получают благодаря широкому использованию методов спутникового дистанционного зондирования [22, 23]. В настоящее время широко исследуются различные аэрозольные фракции, т. е. распределение аэрозольных частиц в зависимости от их размера. Крупнодисперсная фракция (0,6-10 мкм) попадает в диапазон околонулевых значений показателей Ангстрема. Сложнее обстоит дело с субмикронной фракцией аэрозоля (0,1-0,6 мкм), поскольку параметр Ангстрема будет варьироваться при сдвиге максимума функции распределения по размерам внутри этого интервала.

В настоящей работе для расчета АОТ используются измерения фотометров (SPM и CIMEL) на длинах волн l в диапазоне 340−2134 нм, за исключением канала 936 нм, по измерениям на котором определяют содержание паров воды в столбе атмосферы [17, 22, 23].

Набор радиометров для визуализации в видимом инфракрасном диапазоне VIIRS (Visible Infrared Imaging Radiometer Suite) предоставляет аэрозольные продукты Deep Blue NASA Standard Level-2 (L2) спутниковой системы Joint Polar Satellite System (JPSS). VIIRS обеспечивает спутниковые измерения AOT и аэрозольных свойств над сушей и океаном в виде ежедневных данных с шагом 6 мин. Для получения значений AOT начиная с 17 февраля 2018 г. предложен алгоритм VIIRS Deep Blue Aerosol (DB) [21]. По результатам работы алгоритма создается массив научных данных, который содержит информацию о 55 слоях. Алгоритм DB создан для определения типа аэрозоля над сушей, а спутниковый алгоритм Satellite Ocean Aerosol Retrieval (SOAR) – над водой (акваториями). В результате обработки сигналов, полученных на определенных диапазонах работы VIIRS, по двум алгоритмам получают данные об AOT «L2 Deep Blue», которые являются эталонными на длине волны 550 нм [18−20].

Оба эти алгоритма позволяют определить тип атмосферного аэрозоля в дневное время при отсутствии облаков и снега. На суше тип аэрозоля классифицируется на основе значений АОТ, параметра Ангстрема (α), эквивалентной отражательной способности Ламберта (LER) и яркостной температуры. Комбинированный тип аэрозоля над сушей и океаном определяется на основе пикселей, прошедших проверку на качество [20].

Программный комплекс SILAM широко используется для изучения воздействия лесных пожаров, извержений вулканов, переноса пыли, а также других природных и техногенных катастроф на загрязнение атмосферы в целом. Схема расчета данного воздействия основана на модели Лагранжа – Эйлера. Система компьютерного моделирования рассеивания загрязняющих веществ SILAM, разработанная Финским метеорологическим институтом, представляет собой современный мощный инструмент для моделирования рассеивающих свойств аэрозолей, газовых составляющих, частиц пыли, радионуклидов и природных аллергенов в атмосфере [24].

Модель SILAM предоставляет карты, где показаны концентрации мелких частиц диаметром до 2,5 мкм (РМ2.5) и крупных частиц 10 мкм (РМ10) на высоте 10 м над землей. Локальные загрязнения невозможно распознать с помощью модели SILAM, однако глобальные загрязнения она хорошо визуализирует [24–27].

Для нахождения источников различных типов аэрозолей над Черным морем в данной работе используется программный комплекс моделирования обратных траекторий перемещения потоков HYSPLIT . Для оценки концентрации взвешенных частиц используются результаты измерений детектором Espada М3 (URL: http://www.ocrkj.com) китайского производства, которые позволяют контролировать качество воздуха по следующим параметрам:

• PM2.5 – микрочастицы аэрозоля (диапазон измерения PM2.5 и PM10 0−2500 мкг/м³);
• PM10 – частицы аэрозоля c размерами более 10 мкм;
• TVOC– летучие органические соединения, включая токсичные бензол и стирол (диапазон измерения TVOC 0 – 2,5 мг/м³);
• AQI – общий индекс качества воздуха (англ. Air Quality Index) – один из интегрированных показателей загрязненности атмосферного воздуха. Индекс качества воздуха является кусочно-линейной функцией концентрации загрязняющих веществ в атмосфере: диоксида серы (SO₂), диоксида азота NO₂, PM10 и PM2.5, окиси углерода (СО) и озона (O₃). Для каждого из этих загрязнителей Агентство США по охране окружающей среды (EPA) установило национальные стандарты качества воздуха. В основе вычисления AQI – соотношение измеренной усредненной концентрации загрязнителя и стандартной (допустимой) концентрации этого загрязнителя.

Детектор имеет цветной TFT-дисплей для отображения информации о состоянии воздуха на нескольких экранах. Светодиодное кольцо является индикатором качества воздуха и может изменять цвет от зеленого до красного в зависимости от значений измеряемых параметров, где зеленый цвет соответствует норме, а красный – критическому уровню загрязнения.

Результаты

В результате выборки данных измерений фотометром SPM станции Севастополь и фотометром CIMEL станции Section_7 международной сети AERONET за период с 27.08.2019 по 31.03.2024 были получены 60 дат, в которые рассчитанные значения параметра Ангстрема на станциях различались более чем в 2,5 раза. На рис. 1 выделены пять дат, в которые значения α различались более чем в 10 раз. Из 60 дат исследуемого периода в 17 из них были выявлены различия значений более чем в 5 раз. Максимальная разница значений параметра Ангстрема (более чем в 27 раз) была получена 09.09.2020 (α_SPM = 0,05, а α_AERONET = 1,46). Такая разница в значениях указывает на то, что в атмосфере над западной и центральной частями Черного моря наблюдались различные типы аэрозоля.

Р и с.  1. Параметр Ангстрема на станциях сети AERONET Севастополь по данным фотометра SPM и Section_7 по данным фотометра CIMEL

F i g.  1. The Angstrom parameter values at the stations of AERONET network: Sevastopol – based on the SPM photometer data, and Section_7 – based on the CIMEL photometer data

Анализ основных оптических характеристик показал, что спектральный ход АОТ, полученный по данным двух фотометров за 09.09.2020, сильно различается в диапазоне длин волн 380−680 нм. Например, сравнительный анализ значений АОТ на длине волны 500 нм (АОТ(500)) показал разницу значений в два раза. Однако стоит отметить, что и на станции Севастополь, и на станции Section_7 полученные значения АОТ в несколько раз ниже фоновых (для станции Севастополь АОТ(500) = 0,036 при фоновой АОТ(500) = 0,18, а для Section_7 АОТ(510) = 0,074 при фоновой АОТ(510) = 0,15 (рис. 2)). При иссле-довании атмосферы над различными регионами для выявления аномальных ситуаций определяют фоновые характеристики атмосферного аэрозоля. В данной работе под фоновым аэрозолем подразумеваются средние значения оптических характеристик при исключении выбросов (скачков значений).

Р и с.  2. Спектральная изменчивость АОТ на станциях сети AERONET: Section_7 по данным измерений фотометра CIMEL и Севастополь по данным фотометра SPM за 09.09.2020

F i g.  2. Spectral variability of AOD values at the stations of AERONET network: Section_7 – based on the CIMEL photometer measurements, and Sevastopol – based on the SPM photometer data on 09.09.2020

Анализ спутниковых изображений 09.09.2020 показал, что атмосфера над акваторией Черного моря была чистой (облачность минимальная) (рис. 3, а). Для всех исследуемых областей региона Черного моря по алгоритму DB был определен преимущественный тип аэрозоля за этот день: над западной частью Черного моря – пылевой и смешанный, а над станцией Севастополь − фоновый (рис. 3, b).

Р и с.  3. Спутниковые изображения спектрорадиометра VIIRS за 09.09.2020: цветосинтезированное в естественных цветах (TrueColor) (а), полученное по алгоритму Satellite Ocean Aerosol Retrieval (b) (Источник: AERDB_L2_VIIRS_NOAA20_NRTdoi:10.5067/VIIRS/AERDB_L2_VIIRS_NOAA20_NRT.002; AERDB_L2_VIIRS_NOAA20 doi:10.5067/VIIRS/AERDB_L2_VIIRS_NOAA20.002)

F i g.  3. VIIRS spectroradiometer images: color-synthesized in natural colors (TrueColor) (a), and obtained using the Satellite Ocean Aerosol Retrieval algorithm (b) for 09.09.2020 (Source: AERDB_L2_VIIRS_NOAA20_NRTdoi:10.5067/VIIRS/AERDB_L2_VIIRS_NOAA20_NRT.002; AERDB_L2_VIIRS_NOAA20doi:10.5067/VIIRS/AERDB_L2_VIIRS_NOAA20.002)

Для дня с максимальной разницей значений α были проанализированы данные моделирования обратных траекторий воздушных потоков HYSPLIT (рис. 4) и данные о загрузке пылевым аэрозолем SILAM (рис. 5). По результатам модели HYSPLIT видно, что на двух высотах (2000 и 3000 м) для обеих станций регистрируется перенос с северо-востока. Данные о направлении переноса на высоте 1500 м различаются: для западной черноморской станции Section_7 наблюдается перенос с северо-востока, а для станции Севастополь (как и на двух других высотах) – с северо-запада (рис. 4, а).

Р и с.  4. Обратные траектории переноса воздушных потоков по результатам моделирования HYSPLIT за 09.09.2020 г. для станций сети AERONET: Севастополь (а) и Section_7 (b) (URL: http://ready.arl.noaa.gov/HYSPLIT.php)

F i g.  4. Reverse trajectories of air flow transfer based on the results of HYSPLIT modeling for the stations of AERONET network: Sevastopol (а) and Section_7 (b) for 09.09.2020 (URL: http://ready.arl.noaa.gov/HYSPLIT.php)

Р и с.  5. Результаты моделирования концентрации пыли в атмосфере по данным SILAM для станций сети AERONET Севастополь и Section_7 за 09.09.2020 г. (URL: https://thredds.silam.fmi.fi/thredds/catalog/catalog.html)

F i g.  5. Results of modeling dust concentration in the atmosphere based on the SILAM data for the stations of AERONET network Sevastopol and Section_7 for 09.09.2020 (URL: https://thredds.silam.fmi.fi/thredds/catalog/catalog.html)

По данным модели SILAM о загрузке пылевым аэрозолем были получены концентрации пыли для обеих станций. Как видно из рис. 5, а, на станции Севастополь за 09.09.2020 концентрация пыли нулевая (пыль не обнаружена), тогда как на западной черноморской станции ее значение в 14:00 достигало 60 мкг/м³. Согласно рис. 5, b, источник пылевой активности за этот день переместился со стороны пустыни Каракумы вдоль Каспийского моря в сторону северо-запада, а обратные траектории по результатам модели HYSPLIT для станции Section_7 проходили именно через область облака пыли (см. рис. 4, b).

В результате анализа изменчивости параметра Ангстрема (см. рис. 1) выделен период с 27.08.2019 по 30.09.2019, когда в течение всего месяца значения на двух станциях различались в 5 раз и более. Максимальная разница в 13 раз была получена 08.09.2019 (α_SPM = 0,1, а α_AERONET = 1,31), а минимальная разница в 5 раз − 06.09.2019 (α_SPM = 0,3, а α_AERONET = 1,6). На рис. 6 также выделены даты 27.08.2019 и 30.09.2019, когда значения параметра Ангстрема различались в 11 и 9 раз.

Р и с.  6. Параметр Ангстрема для станций сети AERONET Севастополь и Section_7 с 27.08.2019 по 30.09.2019

F i g.  6. The Angstrom parameter for the stations of AERONET network Sevastopol and Section_7 for the period 27.08.2019–30.09.2019

Еще одной характеристикой качества атмосферного воздуха и аэрозоля является концентрация частиц PM2.5 и PM10. Концентрацию частиц получают только для приземного слоя, именно поэтому характеристика не может полностью отражать ситуацию с аэрозольной загрузкой. Данная характеристика используется для оценки локальных выбросов, например вблизи промышленных предприятий или вблизи сельскохозяйственных полей, где используют химикаты для обработки от насекомых. АОТ, в отличие от концентрации взвешенных частиц, измеряется во всем столбе атмосферы [18, 22], поэтому именно ее анализ чаще используется для определения состояния атмосферы над исследуемым регионом.

Чтобы исключить воздействие локальных выбросов аэрозольных загрязнений, вызванных масштабными переносами аэрозоля за период с июня 2023 по май 2024 г., на точность определения концентрации частиц, был проанализирован набор данных, включающий значения концентраций частиц PM2.5 и PM10, полученные по данным детектора Espada М3, спектральные значения АОТ по данным фотометра SPM, спутниковые данные VIIRS и данные об аэрозоле по модели SILAM. Анализ всех этих данных необходим для оценки воздействия на поверхностный слой Черного моря осаждения аэрозоля. Выявление аэрозоля, содержащего микроэлементы (азот, фосфор и кремний), важно, так как при осаждении он попадает в верхний слой водоемов и в дальнейшем может вызывать кратковременный рост биопродуктивности фитопланктона [28−32]. Когда дополнительное поступление микроэлементов прекращается, биопродуктивность возвращается к первоначальному уровню.

Ранее для станции Севастополь были получены фоновые значения основных оптических характеристик [13, 33]. Для дней с такими характеристиками был проведен анализ изменчивости значений PM2.5 и PM10, который позволил получить фоновые значения концентрации мелких и крупных частиц: PM2.5 = 7 мкг/м³, PM10 = 8 мкг/м³.

В течение всего дня 30 ноября наблюдались низкие относительно фоновых значения АОТ (среднедневное значение АОТ(500) = 0,06), однако значения концентрации частиц, по данным измерений детектора Espada М3, за этот день превышали фоновые более чем в три раза (PM2.5 = 23 мкг/м³, PM10 = = 25 мкг/м³). Анализ вклада крупных и мелких частиц в общее распределение АОТ за этот день показал преимущество мелкодисперсного аэрозоля (85 %). Данные о концентрации частиц по модели SILAM показали минимальные расхождения с натурными данными (рис. 7). Такие значения АОТ и концентраций частиц показывают, что за 30.11.2023 аэрозоль не достиг слоев верхней атмосферы, аэрозольное воздействие было локальным в поверхностном слое атмосферы до 50 м (измерения проводились на высоте 45 м) и приземной аэрозоль внес минимальный вклад в общую величину АОТ всего слоя атмосферы.

Р и с.  7. Результаты моделирования концентрации частиц РМ2.5 (а); РМ10 (b) по данным SILAM на 22:00 29.11.2021

F i g.  7. Results of simulating the concentrations of PM2.5 (а) and РМ10 (b) particles based on the SILAM data at 22:00 on 29.11.2021

В период с 07.10.2023 по 07.11.2023 были получены аномально низкие значения параметра Ангстрема и АОТ (рис. 8). Из 13 дней измерений только за один день (23.10.2023) значения аэрозольной оптической толщины (АОТ(500) = 0,26) превышали фоновые, однако значения параметра Ангстрема (α = 0,3) и за этот день были намного ниже фонового значения (α = 1,25). Солнечная ясная погода наблюдалась 23.10.2023 до 14:00. Именно в этот дневной промежуток были получены отличающиеся от фоновых значения основных оптических характеристик, что соответствует присутствию в атмосфере аэрозоля, например пылевого аэрозоля или дыма. При этом, по данным детектора Espada М3, значения концентрации частиц PM2.5 не превышали 12 мкг/м³, а PM10 – 13 мкг/м³.

После 14:00 на небе появилась сплошная плотная дымка, которая не позволила продолжить измерения фотометром, однако измерения детектором не зависят от наличия солнца, поэтому мониторинг значений концентрации был продолжен. В результате измерений был зарегистрирован постепенный рост концентрации частиц: в 17:30 значения PM2.5 составляли  27 мкг/м³, а PM10 – 34 мкг/м³, к 21:30 они достигли максимума – PM2.5 = 31 мкг/м³ и PM10 = 36 мкг/м³. Именно такой характер изменчивости параметров атмосферы говорит о том, что частицы аэрозоля в начале дня находились выше приземного слоя (что было подтверждено повышенными значениями АОТ), а затем, постепенно осаждаясь на подстилающую поверхность, стали коагулировать влагу, образуя слой дымки.

Р и с.  8. Параметр Ангстрема и АОТ(500) по данным фотометра SPM на станции Севастополь

F i g.  8. The Angstrom parameter and АОD(500) based on the SPM photometer data at Sevastopol station

Стоит отметить, что в начале и середине дня крупные и мелкие частицы присутствовали в среднем количестве в приземном слое (данные детектора в пределах среднегодовых значений PM2.5 = 11 мкг/м³ и PM10 = 12 мкг/м³). После 14:00 началось интенсивное осаждение частиц аэрозоля, в результате к 21:30 максимальное их количество выпало на подстилающую поверхность, что подтверждается максимальными значениями концентрации частиц PM2.5 и PM10. Спутниковые данные подтверждают перенос пылевого аэрозоля 23.10.2023 со стороны пустыни Сахара (рис. 9, а, b). Значения VIIRS АОТ(500) в интервале от 0,27 до 0, 275 (отмеченные на шкале (рис.9, с)) близки к фотометрическим натурным значениям, полученным на станции Севастополь.

Р и с.  9. Спутниковые изображения пылевого переноса спектрорадиометра VIIRS за 23.10.2023: цветосинтезированное в естественных цветах (True Color) (а); полученное по алгоритму Satellite Ocean Aerosol Retrieval (b) и по спутниковым измерениям АОТ(500) (c)

F i g.  9. Satellite images of dust transfer obtained by the VIIRS spectroradiometer for 23.10.2023: color-synthesized in natural colors (TrueColor) (а); obtained using the Satellite Ocean Aerosol Retrieval algorithm (b) and obtained using satellite AOD(500) measurements  (c)

Р и с.  10. Пространственное распределение по спутниковым данным VIIRS, полученным над Черноморским регионом за 19.10.2023, аэрозольной оптической толщины на длине волны 500 нм (а), концентрации хлорофилла а (b)

F i g.  10. Spatial distribution of aerosol optical depth at a wavelength 500 nm (а) and chlorophyll a concentration based on the VIIRS satellite data obtained over the Black Sea region (b) for 19.10.2023

Р и с.  11. Спутниковое изображение: цветосинтезированное в естественных цветах (TrueColor) (а), полученное по алгоритму Satellite Ocean Aerosol Retrieval (b), по спутниковым измерениям АОТ(500) (с), концентрации хлорофилла а (d) по спутниковым данным VIIRS за 20.10.2023 над Черноморским регионом; обратные траектории переноса воздушных потоков по результатам моделирования HYSPLIT для западной черноморской станции

F i g.  11. Satellite images: color-synthesized in natural colors (TrueColor) (а), obtained using the Satellite Ocean Aerosol Retrieval algorithm (b), obtained using the AOD(500) satellite measurements (c) and chlorophyll a concentration (d) based on the VIIRS satellite data obtained over the Black Sea region on 20.10.2023; reverse trajectories of air flow transfer based on the results of HYSPLIT modeling for the western Black Sea station

В предыдущих исследованиях было показано, что над Черным морем регистрируются пылевые переносы длительностью от 1 до 10 сут [1, 13, 34]. Для определения начала переноса были проанализированы данные второй половины октября. Значения АОТ 19.10.2023, полученные на станции Севастополь по измерениям SPM, соответствовали значениям АОТ чистой атмосферы (АОТ(500) = 0,040), как и спутниковые данные VIIRS АОТ(500) = 0,04, которые полностью совпадают с натурными данными (отмечены на шкале АОТ (рис. 10, а)). Значения концентрации хлорофилла а за исследуемый день типичны для октября (рис. 10, b).

Уже 20.10.2023 параметры атмосферы над западной частью акватории и побережья Черного моря изменились и по фотометрическим, и по спутниковым, и по модельным данным. Именно дата 20.10.2023 является началом пылевого переноса со стороны пустыни Сахара (рис. 11). Как видно из рис. 11, западная часть акватории, в которой не определились значения концентрации хлорофилла а, не закрыта облаками, поэтому отсутствие данных можно объяснить только присутствием большого количества аэрозольных частиц над этой областью. Данный факт подтверждают высокие значения АОТ и доминирующий пылевой тип аэрозоля по данным радиометра VIIRS (рис. 11).

Анализ спутниковых, натурных и модельных данных показал, что окончание пылевого переноса регистрируется над черноморскими станциями 29.10.2023 (пылевой шлейф за этот день сместился в сторону юго-западного побережья), а уже 30.10.2023 пылевой аэрозоль полностью отсутствует в атмосфере над всей акваторией и побережьем Черного моря. Это означает, что низкие значения параметра Ангстрема сами по себе не являются показателем наличия в атмосфере аэрозоля, такого как пыль или дым. Но в сочетании с высокими значениями аэрозольной оптической толщины и концентрации частиц PM2.5 и PM10 они дают основания утверждать, что над исследуемой областью находится аэрозоль этих двух типов (в то же время нельзя утверждать, что он присутствует над всем исследуемым регионом).

Заключение

Сравнительный анализ значений параметра Ангстрема на черноморских станциях Севастополь и Section_7 позволил выявить даты, в которые на одной станции были зарегистрированы оптические характеристики, соответствующие пылевому аэрозолю, а на второй станции аэрозоль данного типа не был обнаружен. Это подтверждает различную аэрозольную загрузку над западной и центральной частями Черного моря и пространственную изменчивость основных оптических характеристик аэрозоля при регистрации пылевого переноса со стороны пустыни Сахара.

Проведенные измерения концентрации частиц PM2.5 и PM10 в дни с фоновыми оптическими характеристиками атмосферного аэрозоля позволили получить значения фоновых характеристик взвешенных частиц (PM2.5 = = 7 мкг/м³, PM10 = 8 мкг/м³).

Главный вывод исследования: низкие значения параметра Ангстрема в комплексе с высокими (превышающими фоновые более чем в 1,5 раза) значениями аэрозольной оптической толщины, а также высокими (превышающими фоновые более чем в 3 раза) значениями концентрации частиц PM2.5 и PM10 являются показателем наличия в атмосфере над исследуемой областью пылевого аэрозоля или дыма от пожаров. Однако если на фотометрической станции получены только низкие значения параметра Ангстрема, это не указывает на присутствие в атмосфере аэрозоля, такого как пыль или дым. В данной работе показано, что наличие аэрозоля этих типов над одной областью Черноморского региона (над Севастополем) не означает их наличие над всей акваторией Черного моря.

1. Kalinskaya D. V., Varenik A. V. The research of the dust transport impact on the biogeochemical characteristics of the Black Sea surface layer // Proceeding of SPIE. SPIE, 2019. Vol. 11208 : 25th International Symposium on Atmospheric and Ocean Optics: Atmospheric Physics. 1120845. https://doi.org/10.1117/12.2540432. EDN TUJSHK.

2. Korchemkina E. N., Kalinskaya D. V. Algorithm of additional correction of Level 2 remote sensing reflectance data using modelling of the optical properties of the Black Sea waters // Re-mote Sensing. 2022. T. 14, iss. 4. 831. EDN ETNGND. https://doi.org/10.3390/rs14040831

3. Bioopticheskie harakteristiki morey, omyvayuschih berega zapadnoy poloviny Rossii, po dannym sputnikovyh skanerov cveta 1998–2017 gg. / O. V. Kopelevich [i dr.]. Moskva : IO RAN, 2018. 140 s.

4. Kopelevich O. V., Sheberstov S. V., Vazyulya S. V. Podvodnoe svetovoe pole v poverhnost-nom sloe Barenceva morya i spektral'nyy koefficient yarkosti vodnoy tolschi pri raz-lichnyh okeanologicheskih usloviyah // Materialy 18-y Vserossiyskoy otkrytoy konfe-rencii «Sovremennye problemy distancionnogo zondirovaniya Zemli iz kosmosa». Moskva : IKI RAN, 2020. S. 216. EDN SEBHMT.

5. Korchemkina E. N., Shibanov E. B., Li M. E. Usovershenstvovanie metodiki atmosfernoy korrekcii dlya distancionnyh issledovaniy pribrezhnyh vod Chernogo morya // Issledo-vanie Zemli iz kosmosa. 2009. № 6. S. 24–30. EDN JVVGXQ.

6. Kopelevich O. V., Burenkov V. I., Sheberstov S. V. Razrabotka i ispol'zovanie regio-nal'nyh algoritmov dlya rascheta bioopticheskih harakteristik morey Rossii po dannym sputnikovyh skanerov cveta // Sovremennye problemy distancionnogo zondirovaniya Zemli iz kosmosa. 2006. T. 3, № 2. S. 99–105. EDN NDPPHL.

7. Proyavlenie osobennostey opticheskih svoystv atmosfernogo aerozolya nad Chernym mo-rem pri interpretacii dannyh sputnikovogo pribora SeaWiFS / V. S. Suetin [i dr.] // Morskoy gidrofizicheskiy zhurnal. 2004. № 1. S. 69–79. EDN YXQYNV.

8. Utochnennaya interpretaciya dannyh nablyudeniy Chernogo morya sputnikovym priborom SeaWiFS osen'yu 1998 goda / V. S. Suetin [i dr.] // Morskoy gidrofizicheskiy zhurnal. 2008. № 2. S. 68–79. EDN YORKCD.

9. Suetin V. S., Korolev S. N., Kucheryavyy A. A. Ispol'zovanie sputnikovyh nablyudeniy dlya opredeleniya spektral'nyh zavisimostey opticheskih harakteristik vod Chernogo mo-rya // Morskoy gidrofizicheskiy zhurnal. 2014. № 3. S. 77–86. EDN TEWSCT.

10. Mineralogicheskiy sostav pylevogo aerozolya v period pylevyh bur' / M. I. Hodzhahon [i dr.] // Doklady Akademii nauk Respubliki Tadzhikistan. 2017. T. 60, № 1–2. S. 64–67. EDN YUMUBH.

11. Varenik A. V. Neorganicheskiy azot v atmosfernyh osadkah goroda Sevastopolya: istoch-niki, izmenchivost' i vliyanie na poverhnostnyy sloy pribrezhnyh rayonov Chernogo mo-rya // Problemy ekologicheskogo monitoringa i modelirovaniya ekosistem. 2017. T. 28, № 6. S. 75–84. EDN ZXHLQR. https://doi.org/10.21513/0207-2564-2017-6-75-84

12. Dacenko Yu. S., Puklakov V. V. Prognoz razvitiya fitoplanktona v proektiruemom niz-konapornom vodohranilische na r. Don // Vodnye resursy. 2020. T. 47, № 1. S. 57–67. EDN EJHZFN. https://doi.org/10.31857/S0321059620010046

13. Kalinskaya D. V. Issledovanie osobennostey opticheskih harakteristik pylevogo aerozo-lya nad Chernym morem // Ekologicheskaya bezopasnost' pribrezhnoy i shel'fovoy zon i kompleksnoe ispol'zovanie resursov shel'fa. Sevastopol', 2012. Vyp. 26, t. 2. S. 151–162. EDN VWSEGX.

14. Kostyanoy A. G. Sputnikovyy monitoring parametrov klimaticheskoy sistemy Zemli. Chast' 1 – Okean // Fundamental'naya i prikladnaya klimatologiya. 2017. T. 2. S. 63–85. EDN ZELKBD. https://doi.org/10.21513/2410-8758-2017-2-63-85

15. Kok J. F., Renno N. O. Enhancement of the emission of mineral dust aerosols by electric forc-es // Geophysical Research Letters. 2006. Vol. 33, iss. 19. L19S10. https://doi.org/10.1029/2006GL026284

16. Nazarov B. I., Maslov V. A., Abdulaev S. F. Opticheskie i mikrofizicheskie parametry aridnogo pylevogo aerozolya // Izvestiya Rossiyskoy akademii nauk. Fizika atmosfery i okeana. 2010. T. 46, № 4. S. 505–511. EDN MTIZSH.

17. Solnechnye fotometry dlya izmereniy spektral'noy prozrachnosti atmosfery v stacio-narnyh i mobil'nyh usloviyah / S. M. Sakerin [i dr.] // Optika atmosfery i okeana. 2012. T. 25, № 12. S. 1112–1117. EDN PKZHTN.

18. Suomi NPP VIIRS sensor data record verification, validation, and long-term performance monitoring / C. Cao [et al.] // Journal of Geophysical Research: Atmospheres. 2013. Vol. 118, iss. 20. P. 11664–11678. https://doi.org/10.1002/2013JD020418

19. Validation of VIIRS AOD through a comparison with a Sun photometer and MODIS AODs over Wuhan / W. Wang [et al.] // Remote Sensing. 2017. Vol. 9, iss. 5. 403. https://doi.org/10.3390/rs9050403

20. VIIRS Version 2 Deep Blue Aerosol Products / J. Lee [et al.] // Journal of Geophysical Re-search: Atmospheres. 2024. Vol. 129, iss. 6. e2023JD040082. EDN OPGDOS. https://doi.org/10.1029/2023JD040082

21. Rozenberg G. V. Opticheskie issledovaniya atmosfernogo aerozolya // Uspehi fizicheskih nauk. 1968. T. 95, № 1. S. 159–208. https://doi.org/10.3367/UFNr.0095.196805l.0159

22. Dubovik O., King M. D. A flexible inversion algorithm for retrieval of aerosol optical properties from Sun and sky radiance measurements // Journal of Geophysical Research: Atmospheres. 2000. Vol. 105, iss. D16. P. 20673–20696. EDN AWHOLC. https://doi.org/10.1029/2000JD900282

23. Variability of absorption and optical properties of key aerosol types observed in worldwide locations / O. Dubovik [et al.] // Journal of the Atmospheric Sciences. 2002. Vol. 59, iss. 3. P. 590–608. EDN WTPOZP. https://doi.org/10.1175/1520-0469(2002)059<0590:voaaop>2.0.co;2

24. A dispersion modelling system SILAM and its evaluation against ETEX data / M. Sofiev [et al.] // Atmospheric Environment. 2006. Vol. 40, iss. 4. P. 674–685. EDN MYMAKL. https://doi.org/10.1016/j.atmosenv.2005.09.069

25. Evaluation of multidecadal high-resolution atmospheric chemistry-transport modelling for expo-sure assessments in the continental Nordic countries / L. M. Frohn [et al.] // Atmospheric Envi-ronment. 2022. Vol. 290. 119334. EDN PWQZFD. https://doi.org/10.1016/j.atmosenv.2022.119334

26. Pre-operational validation of air quality forecasting model SILAM for India / A. Tiwari [et al.] // Journal of Pollution Effects & Control. 2022. Vol. 10, iss. 4. 343. URL: https://helda.helsinki.fi/server/api/core/bitstreams/7af36183-b475-4f92-8d91-19b5251f7e09/content (data of access: 15.01.2025).

27. Variability of aerosol concentrations of fractions PM10 and PM2.5 in the atmosphere surface layer at the reference monitoring station Boyarsky / A. L. Dementeva [et al.] // Proceeding of SPIE. SPIE, 2019. Vol. 12780 : 29th International Symposium on Atmospheric and Ocean Op-tics: Atmospheric Physics. 127805X. https://doi.org/10.1117/12.2690736

28. Migon C., Sandroni V. Phosphorus in rainwater: Partitioning inputs and impact on the surface coastal ocean // Limnology and Oceanography. 1999. Vol. 44, iss. 4. P. 1160–1165. https://doi.org/10.4319/lo.1999.44.4.1160

29. Griffin D. W., Kellogg C. A. Dust storms and their impact on ocean and human health: dust in Earth's atmosphere // EcoHealth. 2004. Vol. 1, iss. 3. P. 284–295. EDN NXWJQH. https://doi.org/10.1007/s10393-004-0120-8

30. Middleton N., Kang U. Sand and dust storms: Impact mitigation // Sustainability. 2017. Vol. 9, iss. 6. 1053. EDN YICTXM. https://doi.org/10.3390/su9061053

31. Varenik A. V., Konovalov S. K. Vklad atmosfernyh osadkov v postuplenie biogennyh elementov v rayone krymskogo poberezh'ya // Zakonomernosti formirovaniya i vozdey-stviya morskih, atmosfernyh opasnyh yavleniy i katastrof na pribrezhnuyu zonu RF v usloviyah global'nyh klimaticheskih i industrial'nyh vyzovov («Opasnye yavleniya-III»). Rostov-na-Donu : YuNC RAN, 2021. S. 253–256. EDN BJXXSP.

32. Orehova N. A. Rezhim biogennyh elementov Chernogo morya // Morskoy gidrofizicheskiy zhurnal. 2021. T. 37, № 6. S. 710–726. EDN EFDKRY. https://doi.org/10.22449/0233-7584-2021-6-710-726

33. Rezul'taty izmereniy aerozol'noy opticheskoy tolschi atmosfery v Chernomorskom regi-one (2015–2016) / D. V. Kalinskaya [i dr.] // Optika atmosfery i okeana. 2017. T. 30, № 6. S. 489–496. https://doi.org/10.15372/AOO20170607. EDN YTZDJT.

34. Kalinskaya D. V., Papkova A. S. Izmenchivost' koefficienta yarkosti v usloviyah pyle-vogo perenosa po dannym sputnika Sentinel-3 na primere Chernogo morya i Sevastopolya // Morskoy gidrofizicheskiy zhurnal. 2023. T. 39, № 3. S. 399–415. EDN MJXKNT. https://doi.org/10.29039/0233-7584-2023-3-399-415