Председатель Hyundai Motor Group Чон Монг Ку принят в Автомобильный зал славы

Господин Чон станет первым гражданином Кореи, попавшим в Автомобильный Зал славы, что считается высшим признанием заслуг перед отраслью

В Автомобильный Зал славы ежегодно включаются выдающиеся деятели, внесшие значительный вклад в развитие автомобилестроения

Господин Чон активно поддерживает развитие автомобильной промышленности и экономики Кореи

07 февраля 2020 года. В 2020 году Председатель Hyundai Motor Group г-н Чон Монг Ку (Mong-Koo Chung) будет принят в Автомобильный Зал славы, что является высшим признанием заслуг перед отраслью.

Г-н Чон станет первым гражданином Кореи – членом открытого в 1939 году Автомобильного Зала славы, куда входят около 800 лидеров делового мира со всего света. Официальная церемония состоится 23 июля 2020 года в Детройте.

Автомобильный Зал славы ежегодно отмечает выдающихся людей, внесших значительный вклад в развитие автомобилестроения, присуждением одной из пяти наград: «Введение в Зал славы», «Лидер отрасли», «За выдающиеся заслуги», «Инновации в сфере мобильности» и «Молодому лидеру за исключительные достижения».

«В Автомобильный Зал славы приглашаются специалисты, создающие и меняющие рынок мобильности. По результатам своей работы, они значительно превосходят своих коллег, а их имена связывают с качественным скачком в инновациях, экономической деятельности и влиянии на потребителей и общество», — заявила президент Автомобильного Зала славы Сара Кук (Sarah Cook).

«Введение в Зал славы» считается одной из самых престижных и важных наград отрасли. Ранее в него были включены: основатель Ford Motor Company Генри Форд, изобретатель Томас Эдисон, основатель Mercedes-Benz Карл Бенц, основатель Honda Motor Company Соичиро Хонда и основатель Toyota Motor Corporation Киичиро Тойода.

Ранее в 2001 году г-н Чон получил от Автомобильного Зала славы награду «За выдающиеся заслуги».

По словам представителей Автомобильного Зала славы, успех Hyundai Motor Group в большой степени связан с именем председателя г-на Чона. Его достижения находятся на одном уровне со свершениями других легендарных представителей отрасли, основавших собственные автомобильные компании и превратившие их в известные во всем мире транснациональные корпорации. Под руководством г-на Чона компания Hyundai Motor стала крупнейшим автопроизводителем Кореи, а Hyundai Motor Group вышла на пятое место среди крупнейших автомобильных концернов мира. На его счету множество выдающихся свершений, таких как:

приобретение Kia Motors Corporation для Hyundai Motor Group;

строительство новых заводов для расширения деятельности группы в ключевых регионах, включая США, Европу, Китай, Индию, Бразилию и Россию;

создание высокоэффективной организационной структуры компании с вертикальной интеграцией, которая производит широкий спектр продукции, начиная со стали и заканчивая автомобилями.

Г-н Чон входит в число лидеров делового мира Кореи, и он всегда активно выступал за развитие национального автомобилестроения и экономики. Во время краха корейской автопромышленности в 1990-х на фоне азиатского финансового кризиса г-н Чон успешно возродил компанию Kia Motors и превратил ее в один из ведущих мировых брендов.

Под руководством г-на Чона Hyundai Motor Group быстро выросла до уровня, на котором смогла успешно конкурировать с ведущими мировыми автопроизводителями. Таким образом, г-н Чон внес заметный вклад в долгосрочное изменение мировой автопромышленности и корейской экономики.

Стремясь сделать свою компанию конкурентоспособной на международной арене, г-н Чон приложил огромные усилия к развитию системы контроля качества. Он разработал стандартную систему строительства заводов, которая позволяет быстро развернуть новое производство в любом месте и гарантировать высокое качество продукции, что подтверждается множеством наград в области качества, завоеванных автомобилями Hyundai и Kia во всем мире. Г-н Чон также учредил ряд крупнейших мировых научно-исследовательских центров для повышения конкурентоспособности компании.

Помимо этого, он помогал развивать производство материалов, построив металлургический комбинат полного цикла и создав высокоэффективную организационную структуру компании с вертикальной интеграцией, которая производит широкий спектр продукции, начиная со стали и заканчивая автомобилями. Металлургический комбинат обеспечил максимальный синергетический эффект внутри группы и позволил наладить экологически устойчивое производство благодаря реализованному впервые в мире циклу утилизации и повторного использования ресурсов.

В разные годы инновационный подход к руководству и деловая философия председателя Чона были отмечены множеством наград, включая «Генеральный директор года» от Корейской управленческой ассоциации (1996), «Генеральный директор года в автопроме» от Business Week (2004), «Лучший генеральный директор в Азии» от Automotive News (2005) и «Награду Ван Флита» (2009). Он также попал в список 100 лучших генеральных директоров по версии Harvard Business Review.

Все страницы — Юнионпедия

Все страницы — Юнионпедия

Новый! Скачать Юнионпедия на вашем Android™ устройстве!

Свободно

Более быстрый доступ, чем браузер!

Все страницы · Предыдущая (Чол-хан) · Следующий (Чоп)

Из:

Чон Монгу	Чон Монджун	Чон Мен Сук
Чон Мен Хун	Чон Ин Су	Чон Ин Чжи
Чон Ин Джи	Чон Бу Гён	Чон Бугён
Чон Буген	Чон Бён Гук	Чон Бён Гван
Чон Бёнъгук	Чон Бёнгук	Чон Баль
Чон Бо Кьон	Чон Бо Кён	Чон Бо Кен
Чон Бон Су	Чон Бон Чжун	Чон Бон Джун
Чон Бен Гван	Чон Гук Чин	Чон Гён Хо
Чон Гён Ми	Чон Гёнхёб Агата	Чон Гван Ик
Чон Ги Ён	Чон Ги Ен	Чон Гиён
Чон Гиль Су	Чон Ген Ми	Чон Генхеб Агата
Чон Дэ Сэ	Чон Дэ Се	Чон Дэ Хён
Чон Дэ Хен	Чон Ду Хван	Чон Да Ун
Чон Джэ Ун	Чон Джэ Хон	Чон Джэ Ын
Чон Джэ Вон	Чон Джэун	Чон Джэвон
Чон Джи Хён	Чон Джи Хен	Чон Джиюн
Чон Джисан	Чон Джихён	Чон Джихен
Чон Джин Сок	Чон Джин Сок, Николай	Чон Джин Сон
Чон Джонгук	Чон Дже Вон	Чон Джессика
Чон До Ён	Чон До Джон	Чон До Ен
Чон Дон Ён	Чон Дон Хва	Чон Дон Хо
Чон Донъён	Чон Донъен	Чон Ли Гён
Чон Ли Ген	Чон, Джастин	Чон, Джастин Джитей
Чон, Джианна	Чон, Джейми Джилин	Чон, Джеми
Чон-Кызыл-Суу	Чон-Кара-Буура	Чон-Капка
Чон-Кемин (река)	Чон-Орюктю	Чон-Арык
Чон-Арык (Московский район)	Чон-Алайский район	Чон-Сары-Ой
Чон-Таш	Чон-Талаа (Киргизия)	Чон-Тогуз-Бай
Чон-Токой	Чон-Чункур	Чон-ван
Чон-Гара	Чон-Джар (Чуйский район)	Чон-Джаргылчак
Чонсын (станция метро)	Чонси Рэй Биллапс	Чонси Харрис
Чонси Холлис	Чонси Биллапс	Чонси Делос Бидл
Чонси Деннисон Харрис	Чонси, Израэль	Чонси-стрит (линия Джамейка, Би-эм-ти)
Чонские языки	Чонсон	Чонсон-гун
Чонсонгун	Чону (станция метро)	Чонтыкыль-Няркыльчор
Чонта	Чонтаул	Чонтал
Чонталь	Чонтальский язык	Чонтали
Чонталес (департамент)	Чонтвари	Чонтвари Т.
Чонтвари Т. К.	Чонтвари Тивадар Костка	Чонтвари, Тивадар
Чонтвари, Тивадар Костка	Чонтла (муниципалитет)	Чонтофалски, Камил
Чонтофальски	Чонтофальски К.	Чонтофальски Камил
Чонтофальски, Камил	Чонтой	Чонтой отар
Чонтокылькы	Чонтокай	Чонтей
Чонтей Арли Исхакович	Чонтей, Арли	Чонтей, Арли Исхакович
Чончхон	Чончи	Чончоль
Чончоль, Жак	Чончон	Чончон (река)
Чонхвадэ	Чоныйдан	Чонып
Чонып-си	Чона	Чона (река)
Чонбури	Чонбури (футбольный клуб)	Чонбури (значения)
Чонбури (провинция)	Чонбук	Чонбук Хёндэ
Чонбук Хёндэ Моторс	Чонбук Хёндэ Дайнос	Чонбук Хендэ Моторс
Чонбук Моторс	Чонбокчук	Чонван (станция метро)
Чонг	Чонг Книес	Чонг Кнеас
Чонг Рэ Доун	Чонг Рэй Дон	Чонг Чон Ганг
Чонг Б. Кин, Томас	Чонг Б. Кин, Томас «Томми»	Чонг Б. Кин, Томас «Томми»
Чонг Бёнг Гук	Чонг Джин-Сук, Николай	Чонг, Аннабель
Чонг, Рэ Доун	Чонг, Рэй	Чонг, Рэй Дон
Чонг, Томми	Чонг, Маркус	Чонг-Кемин
Чонгурчи	Чонгурчи татарский	Чонгурчи русское
Чонгурчи Русские	Чонгурчи Татарские	Чонгури
Чонгтар	Чонгчохор	Чонгчохор, Сомчит
Чонгра	Чонгра-Пик	Чонграв
Чонграв (река)	Чонграв (балка)	Чонград
Чонград (город)	Чонград (комитат)	Чонград (медье в Венгрии)
Чонград (медье)	Чонга	Чонгар
Чонгар (село)	Чонгар (значения)	Чонгар (платформа)
Чонгар (полуостров)	Чонгарский сельский совет	Чонгарский сельский совет (Генический район)
Чонгарский сельсовет	Чонгарский бульвар	Чонгарский мост
Чонгарский пролив	Чонгарский полуостров	Чонгарские укрепления
Чонгарско-Перекопская операция	Чонгак (станция метро)	Чонггьэ
Чонгор, Бела	Чонгорои	Чонголь
Чонгони	Чонге	Чонгелек
Чонгелек (русский)	Чонгелек Русский	Чонгелек Татарский
Чондра Эхерт-Санчес	Чондалай	Чонджу
Чонджу (Республика Корея)	Чонджу-си	Чонджуская деревня ханоков
Чонджо	Чонджо (ван Чосона)	Чонджон
Чонджон (10-й правитель Корё)	Чонджон (3-й правитель Корё)	Чонджон (ван Чосона)
Чондидаш	Чондон	Чонишвили
Чонишвили Ножери Давидович	Чонишвили Сергей Ножериевич	Чонишвили, Ножери Давидович
Чонишвили, Сергей	Чонишвили, Сергей Ножериевич	Чонильбон
Чонкушов	Чонкушов Пётр Очирович	Чонкушов Петр Очирович
Чонкушов, Пётр Очирович	Чонкушов, Петр Очирович	Чонка
Чонка Юрий Владимирович	Чонка, Аурелия	Чонка, Юрий Владимирович
Чонка, Янош	Чонкадзе	Чонкадзе Даниел Георгиевич
Чонкадзе, Даниел	Чонкадзе, Даниел Георгиевич	Чонкан
Чонкан М.	Чонкан Мария	Чонкан, Мария
Чонкапапи	Чонкаев	Чонкаев Гахрыманберды
Чонкаев, Гахрыманберды	Чонкич	Чонкич, Тунде
Чонкин	Чонмё	Чонмё Тэчже
Чонмо	Чонме	Чоннам
Чоннам Дрэгонз	Чонно	Чонно 3-га (станция метро)
Чонно 5-га (станция метро)	Чонно О-га (станция метро)	Чонно Сам-га (станция метро)
Чонногу	Чоно	Чоно (языки)
Чоно (народ)	Чонос	Чонос (архипелаг)
Чоносуке Сукава	Чоноски	Чоноски, Сукава
Чоноб	Чонов	Чонов Ефим Чонович
Чонов, Ефим Чонович	Чонпук Хёндэ Моторс	Чонпхо (станция метро)
Чонек, Тиагу	Чоори	Чоори Шандор
Чоори, Шандор	Чооду	Чооду Кара-Куске Кунзекович
Чооду, Кара-Куске Кунзекович	Чооду, Мартый-оол Чыргалович	Чоойю

Hyundai растаяла от «солнечного тепла» – Газета Коммерсантъ № 44 (2647) от 17.

03.2003

486












7 мин.





















…

       Обвинения в нелегальном субсидировании северокорейского режима усугубили кризис южнокорейской корпорации

скандал

14 марта президент Южной Кореи Но Му Хен распорядился начать расследование обстоятельств передачи в 2000 году корпорацией Hyundai $500 млн Северной Корее в рамках провозглашенной экс-президентом Ким Дэ Чжуном политики «солнечного тепла», то есть сближения с КНДР. Этот скандал обострил положение корпорации, фактически распавшейся через год после смерти ее основателя Чон Джуена 21 марта 2000 года.

       

Цена коровы

       Имя основателя Hyundai Чон Джуена для корейского бизнеса значит примерно то же, что имя Билла Гейтса для бизнеса американского. Чон Джуен родился в 1915 году в окрестностях города Тхончхон на территории современной КНДР. Он был старшим сыном в бедной семье с восемью детьми и в ранней юности ушел на юг искать лучшей доли. Уходя, Чон Джуен прихватил с собой семейное достояние — корову. На вырученные от ее продажи деньги он смог добраться до крупного портового города Инчхона, где устроился помощником в рисовую лавку. Встав на ноги, он открыл авторемонтную мастерскую под названием Hyundai («хендэ» — «современная»). К моменту его ухода на пенсию в 1991 году на корпорацию Hyundai приходилось 16% ВВП Южной Кореи и 12% ее совокупного экспорта.

       Господин Чон скончался 21 марта 2001 года. В наследство сыновьям и государству он оставил не только империю Hyundai, но и свое последнее увлечение — сотрудничество с Северной Кореей. Желание господина Чона помочь родным местам привело к грандиозному политическому скандалу, связанному с передачей средств диктаторскому режиму Ким Чен Ира.

       Все началось с того, что в июне 1998 года в качестве компенсации за украденную корову Чон Джуен распорядился пригнать в его родные места 500 коров, а в октябре — еще 501. Стремление к контактам и готовность инвестировать в экономику КНДР привлекли внимание ее лидера Ким Чен Ира, и он принял господина Чона в своей резиденции в Пхеньяне в 1998 году. Во время этой беспрецедентной встречи Чон Джуен представил северокорейскому лидеру планы развития приграничной зоны и получил добро на их реализацию.

       В 1999 году для осуществления северокорейских проектов в рамках холдинга Hyundai было создано подразделение Hyundai Asan («Асан» — псевдоним господина Чона), ставшее обладателем эксклюзивных прав на строительство индустриального комплекса в северокорейском порту Кэсон и развитие туристической зоны в горах Кымгансан, одном из красивейших мест Северной Кореи. Это право обошлось Hyundai в $389 млн, а всего к концу 2005 года она обязалась выплатить Северной Корее $942 млн.

       По некоторым данным, Hyundai переправила на Север в общей сложности 2 трлн вон ($1,7 млрд), более половины из них — нелегально. Были ли эти средства деньгами самой корпорации или корейских налогоплательщиков, полученными Hyundai в виде правительственных субсидий для достижения политических целей экс-президента Ким Дэ Чжуна, предстоит выяснить следствию. Но уже ясно, что от смешения бизнеса с политикой проиграла корпорация Hyundai.

       

От частных интересов к общенациональным

       В 1947 году господин Чон основал небольшую строительную компанию «Hyundai гражданское строительство», которую объединил три года спустя со своей мастерской, в результате чего образовался основной актив будущей корпорации Hyundai — Hyundai Engineering and Construction (HEC). После корейской войны 1950-1953 годов HEC удалось получить контракт на строительство казарм для войск США в Южной Корее и ряд крупных заказов от правительства. Утвердившись на строительном рынке, компания распространила свою деятельность на нефтехимию, электронику, кораблестроение, финансовые услуги и другие сектора экономики.

       В 1967 году была основана компания Hyundai Motor, выпускавшая автомобили по лицензии британского подразделения Ford. Вскоре сотрудничество с Ford было прекращено, и в 1974 году при техническом содействии японской Mitsubishi появилась первая модель Hyundai — Hyundai Pony. Еще через десять лет Hyundai Motor стала ведущим автопроизводителем в Корее. В 1998 году в состав Hyundai Motor вошла крупная автостроительная компания Kia Motors, что укрепило позиции объединенной компании. В 2000 году Hyundai Motor формально отделилась от корпорации Hyundai, и сегодня под руководством Чон Монгу, старшего сына основателя Hyundai, расширяет свое присутствие на зарубежных рынках. Доходы этого подразделения выросли в 2002 году до 1,61 трлн вон ($1,35 млрд).

       В 1983 году основатель Hyundai приобрел бизнес по производству полупроводников, ставший основой Hyundai Electronic Industries — производителя чипов памяти для персональных компьютеров. После приобретения в 1999 году другой корейской компании, LG Semicon, Hyundai Electronic Industries, позже названная Hynix, стала вторым по величине в мире производителем чипов памяти DRAM, уступая только Samsung Electronics (19,3% и 20,5% мирового рынка соответственно).

       Господин Чон по конфуцианской традиции помог встать на ноги и родственникам. Его брат Чон Инъен создал строительную компанию Halla, другой брат, Чон Сунъен, является президентом крупной компании Sungwoo Electronics, братья Чон Сеен и Чон Санъен занимали посты один — председателя совета директоров Hyundai и главы Hyundai Motor, а другой — Keumgang Group. Старший сын Чон Монгу управляет Hyundai Motor, Чон Монгун — группой Keumgang Development, Чон Монхун — глава Hyundai Asan и Hyundai Merchant Marine, а раньше управлял и HEC. Общий оборот империи, управляемой семьей Чон, до утраты контроля над рядом подразделений, составлял 130 трлн вон ($104 млрд) — больше, чем годовой бюджет Южной Кореи.

       В конце 90-х корпорация столкнулась с проблемами. Из-за провала ряда крупных строительных проектов в Ираке и Саудовской Аравии в HEC начался кризис ликвидности, и к 2000 году ее долг составлял уже $4,6 млрд. В результате обмена долга на акции контроль над HEC перешел к группе кредиторов под руководством государственного Korea Exchange Bank.

       Долги другого актива Hyundai — Hyundai Investment Trust & Securities — на $1,1 млрд превысили его капитализацию из-за банкротства Daewoo, в акции которого это подразделение вложило средства. А Hynix, тогда еще Hyundai Electronic Industries, начала терпеть убытки в связи с обвалом рынка чипов компьютерной памяти, кроме того, ей принадлежало 28% в убыточном Hyundai Investment Trust & Securities. В 2002 году ее потери составили $1,7 млрд. Компания выставлена на продажу. Из холдинга вышли его доходные части — автостроительная компания Hyundai Motor и мировой лидер кораблестроения Hyundai Heavy Industries.

       В этой ситуации дополнительные расходы были нежелательны. Несмотря на сетования, что Hyundai Asan, созданная в 1999 году для разработки северокорейских проектов, вытягивает из корпорации средства, которые могли бы пойти на реструктуризацию, развитие связей с КНДР продолжалось. Это было связано с «политикой солнечного тепла» — провозглашенным президентом Республики Корея Ким Дэ Чжуном (срок его полномочий окончился 25 февраля этого года) курсом на сближение с Северной Кореей. Венцом этой политики стал Пхеньянский саммит, состоявшийся в июне 2000 года, когда лидеры обеих Корей впервые встретились за столом переговоров. За это Ким Дэ Чжун получил Нобелевскую премию мира.

       Скандал разразился 16 февраля этого года, когда сын Чон Джуена, Чон Монхун, глава Hyundai Asan, признал, что накануне Пхеньянского саммита корпорация Hyundai передала Северной Корее $500 млн. По сообщению корейской газеты Maeil Shinmun, за три месяца до саммита Чон Монхун провел секретное совещание, на котором было принято решение о переводе в Пхеньян $500 млн, что и было сделано через HEC, Hynix и Hyundai Merchant Marine. Корейское законодательство запрещает подобные действия без специального разрешения, которого у Hyundai не было. По заявлению Hyundai Asan, эти деньги были предназначены для финансирования ряда проектов на территории Северной Кореи. Однако возникли подозрения в том, что эти деньги стали взяткой Ким Чен Иру за саммит 2000 года.

       В телевизионном обращении после своей отставки экс-президент Ким сказал: «Мне очень жаль, что я внушил глубокую озабоченность корейскому народу этой двусмысленной ситуацией. Я чувствую себя подавленным, и на душе у меня неспокойно». По словам экс-президента, деньги были переданы с ведома правительства, которое «считало, что эти проекты послужат делу мира и нашим национальным интересам».

       

Жертва системы

       Слишком явное совпадение экономических интересов корпорации Hyundai и национальных интересов Южной Кореи в вопросе об отношениях с северным соседом более чем когда-либо высветило противоречия в сложившейся системе связей между крупными семейными промышленно-финансовыми кланами (чэболями) и государственной властью Южной Кореи.

       Положение дел в Hyundai всегда остро волновало правительство, так как проблемы в столь крупной корпорации могли угрожать всей экономике страны. Южная Корея не раз подвергалась критике со стороны международных экономических институтов за дотирование Hyundai. Но особенно обширную помощь корпорация стала получать от государства в период президентства Ким Дэ Чжуна. По сообщению агентства Yonhap, с мая 2000 года банки и правительственные кредитные организации предоставили четырем подразделениям Hyundai в общей сложности 36,6 трлн вон ($31 млрд) — Hyundai Engineering & Construction получила 8,33 трлн вон ($6,7 млрд), Hynix Semiconductor — 12 трлн вон ($9,6 млрд), Hyundai Petrochemical — 2,6 трлн вон ($2,1 млрд) и Hyundai Merchant Marine — 1,05 трлн вон ($840 млн), а долги в значительной степени были списаны. Некоторые наблюдатели считают, что когда в 2000 году между сыновьями основателя Hyundai Чон Монгу, руководившим Hyundai Motor, и Чон Монхуном вспыхнула борьба за власть в холдинге, правительство помогло взять верх Чон Монхуну, который был сторонником развития бизнеса в Северной Корее. Чон Монгу, глава преуспевающего Hyundai Motor, отказался финансировать кымгансанский проект своего брата, что привело к углублению раскола в Hyundai. Новый виток скандала может окончательно похоронить ее.

НАТАЛЬЯ Ъ-СКОРЛЫГИНА, ЕЛЕНА Ъ-ЧИНЯЕВА

Российский завод компании Hyundai Motor отмечает 10-летний юбилей

Завод «Хендэ Мотор Мануфактуринг Рус» отмечает свое 10-летие: 21 сентября 2010 года состоялась торжественная церемония открытия предприятия с участием Владимира Путина и Чон Монг Ку, председателя Hyundai Motor Group. За 10 лет с конвейера завода Hyundai Motor в Санкт-Петербурге сошло более 2 100 000 автомобилей.

Как отметил генеральный директор «Хендэ Мотор Мануфактуринг Рус» Сон Кёнгсу, обращаясь к сотрудникам по случаю юбилея, с момента начала производства и до настоящего времени компания проделала огромный путь и превратилась в одного из крупнейших автопроизводителей России. «Изначально, в 2010 году, компания Hyundai Motor планировала выпускать в России около 100 000 автомобилей в год. Но уже скоро стало понятно, что производительность завода должна быть значительно выше, потому что автомобили Hyundai пользуются хорошим спросом среди российских покупателей. В результате сейчас «Хендэ Мотор Мануфактуринг Рус» выпускает более 200 000 автомобилей в год, являясь вторым крупнейшим автопроизводителем в стране.

Решение о строительстве завода Hyundai Motor в Санкт-Петербурге было принято в конце 2007 года, когда был подписан Меморандум о намерении с Правительством города. Строительство предприятия началось летом 2008 года и заняло менее двух лет, первой в мае 2010 года была запущена штамповочная линия. Общие инвестиции в строительство и развитие предприятия превышают 1 млрд долларов. Завод является одним из крупнейших налогоплательщиков региона.

Первой моделью, запущенной в массовое производство в январе 2011 года, стал Hyundai Solaris. С тех пор было выпущено почти 800 тыс. единиц этой модели, из них более 700 тыс. — для российского рынка, который был и остается приоритетным для завода. Остальные автомобили были экспортированы в Казахстан, Беларусь и другие страны ближнего зарубежья под названием Hyundai Accent.

В настоящее время «Хендэ Мотор Мануфактуринг Рус» производит три модели: седан Hyundai Solaris, кроссовер Hyundai Creta, а также седан KIA Rio. Каждый из этих автомобилей на протяжении всего времени своего существования остается в числе лидеров продаж, пользуясь высоким доверием российских автолюбителей. Стремясь совершенствовать свою продукцию в соответствии с требованиями времени, завод «Хендэ Мотор Мануфактуринг Рус» регулярно обновляет все модели с учетом предпочтений покупателей.

Наращивать производительность и повышать качество автомобилей российскому заводу Hyundai Motor удается в том числе за счет повышения уровня автоматизации производства. На предприятии используется самое современное высокотехнологичное оборудование. На момент начала массового производства на заводе было установлено 111 роботов, а сейчас их количество превышает 240 единиц.

Совершенствование технологических процессов привело к повышению эффективности производства на «ХММР». В настоящее время завод ежедневно выпускает более 980 автомобилей. Рост производительности обусловил и увеличение территории производственных помещений: с 2010 года общая площадь четырех цехов была расширена почти на 25 кв. м. — до 148 тыс. кв. м.

Также предприятие обладает высоким уровнем локализации производства: значительная часть поставщиков автокомпонентов разместила свои производства в Северо-Западном регионе России. В скором времени уровень локализации станет еще выше благодаря тому, что рядом с «Хендэ Мотор Мануфактуринг Рус» появится завод по производству двигателей компании Hyundai WIA. В настоящее время идет строительство нового завода. Планируется, что уже в конце 2021 года «ХММР» сможет начать установку двигателей российского производства в свои автомобили.

Если учитывать парк поставщиков, то в процесс производства автомобилей Hyundai только в Северо-Западном регионе России вовлечено свыше 8 000 человек, в том числе более 2 400 сотрудников самого автомобильного завода. За 10 лет их количество увеличилось почти на 1,5 тысячи человек — в том числе за счет запуска 2-й и 3-й смен уже в 2011 году. Каждому сотруднику компания обеспечивает безопасные и комфортные условия работы, достойную оплату труда, широкий социальный пакет, а также возможность обучения и профессионального роста. В 2015 году петербургский завод Hyundai был признан одним из лучших работодателей города и страны в целом по версии компании интернет-рекрутмента HeadHunter. В рейтинге работодателей России компания заняла 10 место, а в списке работодателей Петербурга — 2 место. В 2019 году завод повторил этот результат.

«Хендэ Мотор Мануфактуринг Рус» заботится не только о своих сотрудниках, но и об окружающей среде, отправляя на переработку отходы из металла, пластика и других материалов. Также на территории предприятия работают системы очистки воды и воздуха. Кроме того, с самых первых лет работы компания вовлечена в социальную деятельность, цель которой — помогать окружающим и менять мир к лучшему, что соответствует глобальному видению компании Hyundai Motor — «Прогресс для человечества». В частности, с 2012 года завод регулярно проводит экологические акции, а также поддерживает развитие профессионального технического образования. За это время «ХММР» передал разным учебным заведениям города 20 автомобилей Hyundai Solaris и Hyundai Creta и большое количество автокомпонентов в качестве учебных моделей. Около 50 тысяч человек, большинство из которых — школьники и студенты, посетили предприятие и ознакомились с процессом высокотехнологичного производства автомобилей. В целом за 10 лет завод Hyundai Motor организовал более 100 различных акций и мероприятий в рамках программ социальной ответственности.

За время своей работы завод «Хендэ Мотор Мануфактуринг Рус» и его продукция не раз были удостоены престижных наград и премий, подтверждающих высокий уровень организации производства и качества автомобилей. Так, предприятие пять раз получало корпоративную награду Hyundai Motor Group и признавалось лучшим среди всех заводов Hyundai и Kia в мире. Помимо этого, завод «Хендэ Мотор Мануфактуринг Рус» неоднократно получал признание со стороны правительства Российской Федерации, правительства Санкт-Петербурга, Американской торговой палаты в России, Российского автомобильного форума, а также других организаций.

Помимо 10-летия завода, в сентябре 2020 года отмечается еще одно значимое событие — 30-летие установления дипломатических отношений между Российской Федерацией и Южной Кореей. Российский завод Hyundai Motor является отличным примером долгосрочного взаимовыгодного сотрудничества и дружеских связей между двумя странами. Это современная компания, которая с уверенностью смотрит в будущее и готова своевременно реагировать на всевозможные вызовы времени.

Чунг Монг Ку — Chung Mong-koo

Из Википедии, бесплатной энциклопедии

В этом корейском имени фамилия Чанг .

Чунг Монг Ку (родился 19 марта 1938 года в провинции Канвондо ) — южнокорейский бизнесмен-миллиардер. Он является почетным председателем и бывшим генеральным директором Hyundai Motor Group, второго по величине чеболя в Корее, который управляет 54 дочерними компаниями, включая Hyundai Motor, Kia Motors и Hyundai Steel . Свою карьеру он начал еще в 1970 году, присоединившись к инженерно-строительному подразделению группы. Чанг стал преемником своего отца, Чон Чжу-юна, основателя конгломерата, известного как Hyundai Group. Когда в 1999 году конгломерат разделился на несколько частей, Чунг Монг Ку стал владельцем подразделения Hyundai Motor. Он старший выживший сын из восьми сыновей Чун Чжу Ёна. По состоянию на 2021 год он занимает восьмое место в списке самых богатых людей Южной Кореи с личным состоянием в 6,1 миллиарда долларов США. Его сын Чунг Ы-сун и брат Чунг Монг-джун также являются миллиардерами.

Он был признан виновным в растрате и нарушении фидуциарных обязанностей в феврале 2007 года, но был приговорен к условному наказанию и был полностью помилован президентом Ли Мён Баком .

По данным Forbes, по состоянию на 2021 год его собственный капитал составлял 6,1 миллиарда долларов США .

СОДЕРЖАНИЕ

• 1 Образование
• 2 Профессиональный опыт
  • 2.1 Управление
• 3 Споры
  • 3,1 2007 г. осуждение за хищение
  • 3.2 Кумовство
• 4 награды и награды
• 5 См. Также
• 6 Ссылки
• 7 Внешние ссылки

Образование

• Окончила среднюю школу Кёнбок.
• Бакалавр наук в области промышленной инженерии, Университет Ханьян

Профессиональный опыт

• 2020-настоящее время: Почетный председатель Hyundai Motor Co. и Kia Motors Corp.
• 2000–2020: председатель и генеральный директор Hyundai Motor Co. и Kia Motors Corp.
• 1996–1998: председатель Hyundai Group.
• 1987–1998: генеральный директор Hyundai Motor Service.
• 1986: генеральный директор Incheon Iron & Steel
• 1981: генеральный директор Hyundai Pipe.
• 1977: генеральный директор Hyundai Precision & Industry
• 1970: начал свою карьеру, присоединившись к Hyundai Engineering & Construction.

Он также владеет рекламным и маркетинговым агентством INNOCEAN Worldwide вместе со своей старшей дочерью Чон Сон И.

Управление

Чанг описывается как «энергичный семидесятилетний человек», который приходит на работу в 6:30 утра и «лично возглавляет ежемесячные проверки качества с руководителями высшего звена».

Хотя ему принадлежит только 5,2% акций Hyundai Motor, Чанг «обладает непропорционально сильным контролем» и может контролировать совет директоров благодаря сложным механизмам корпоративного управления, в которых Hyundai Motor владеет 34% акций Kia, которой принадлежит 16,9% акций Mobis, которая в свою очередь владеет 20,8% Hyundai Motor. Это означает, что «поскольку компании, по сути, контролируют друг друга, ни один внешний акционер не может назвать членов совета директоров».

Споры

Осуждение за хищение в 2007 году

В 2006 году он и его семья стали объектом преследования Верховной прокуратуры Сеула в рамках расследования хищения 100 миллиардов вон (106 миллионов долларов) у Hyundai для создания фондов для подкупа должностных лиц . Несмотря на запрет на поездки, Чанг покинул Южную Корею в апреле 2006 года. Чанг был арестован 28 апреля 2006 года по обвинению в хищении и другой коррупции.

5 февраля 2007 года он был признан виновным в растрате и нарушении фидуциарных обязательств при продаже ценных бумаг своему сыну Чун Юй-сун по ценам ниже рыночных. Его приговорили к трем годам лишения свободы. Чанг оставался на свободе под залог, пока он обжаловал приговор. 6 сентября 2007 года главный судья Ли Чжэ Хон постановил приостановить приговор Чон Монг Ку (учитывая огромные экономические последствия тюремного заключения), назначив вместо трехлетнего тюремного заключения общественные работы и выплату 1 миллиарда долларов. пожертвование на благотворительность.

Суд рассматривался как «победа прозрачности и верховенства закона в Южной Корее», но 15 августа 2008 года президент Южной Кореи Ли Мён Бак пожаловал ему особое помилование, позволяющее Чонгу продолжать вносить свой вклад в развитие Hyundai. Motor Group, а также корейской экономики .

Кумовство

Его единственный сын Чунг Ый-сун является его «наследником», несмотря на его относительно недоказанные навыки ведения бизнеса и лидерства. По данным Bloomberg, «никто не может оценить, как Юи Сан будет работать, когда станет председателем, потому что отец держит его на привязи».

Более того, в 2011 году его обвинили в кумовстве, когда Озен, кафе-пекарня, в советники которого входили его три дочери Сон И, Мён И и Юнь И, открыли магазин в зданиях компании. Озен в конечном итоге закрылся в 2012 году.

Награды и отличия

• 2020: Зал автомобильной славы
• 2009: Премия Джеймса А. Ван Флита, Корейское общество
• 2008 – настоящее время: Почетный председатель Организационного комитета ЭКСПО 2012 в Йосу.
• 2001: Награжден Distinguished Service Citation от Detroit «s Automotive Зал славы
• 1997-настоящее время: Почетный вице-президент Всемирной федерации стрельбы из лука.
• 1986–1997: председатель Азиатской ассоциации стрельбы из лука.
• 1985–1997: председатель Корейской ассоциации стрельбы из лука.

Смотрите также

• Автомобильная промышленность Южной Кореи
• Список тем, связанных с Кореей
• Список корейцев

использованная литература

внешние ссылки

• СМИ, связанные с Чунг Монг-Ку на Викискладе?

<img src=»//en. wikipedia.org/wiki/Special:CentralAutoLogin/start?type=1×1″ alt=»»>

Чунг Монг Ку — Chung Mong-koo

В этом Корейское имя, то фамилия является Чанг.

Чунг Монг Ку (родился 19 марта 1938 г., в г. Провинция Канвондо ) это южнокорейский бизнес-магнат кто это председатель и генеральный директор Hyundai Motor Group. Свою карьеру он начал еще в 1970 году, присоединившись к инженерно-строительному подразделению группы. Hyundai Motor Group состоит из 42 дочерние компании и является вторым по величине Чеболь в Южной Корее. Чунг наследовал своему отцу, Чунг Джу-юнг, основатель конгломерата, известного как Hyundai Group. Когда в 1999 году конгломерат разделился на несколько частей, Чунг Монг Ку стал владельцем подразделения Hyundai Motor. Он старший выживший сын из восьми сыновей Чун Чжу Ёна.

Он был осужден за растрата и нарушение фидуциарная обязанность в феврале 2007 г.,^[2] но получил условный приговор и был полностью помилован президентом Ли Мён Бак. ^[3]

По данным на март 2014 года, его собственный капитал составлял 6,8 миллиарда долларов. Forbes.^[1]

Содержание

• 1 Образование
• 2 Профессиональный опыт
  • 2.1 Управление
• 3 Споры
  • 3.1 Осуждение за хищение в 2007 году
  • 3.2 Кумовство
• 4 Награды и отличия
• 5 Смотрите также
• 6 Рекомендации
• 7 внешняя ссылка

Образование

• Окончил, Kyungbock High School, дневная
• Бакалавр в промышленная инженерия, Ханьянский университет

Профессиональный опыт

• 2020 – настоящее время: Почетный председатель Hyundai Motor Co. & Киа Моторс Corp.
• 2000–2020: председатель и генеральный директор Hyundai Motor Co. & Киа Моторс Corp.
• 1996–1998: председатель Hyundai Group
• 1987–1998: генеральный директор Hyundai Motor Service.
• 1986: генеральный директор, Инчхон Iron & Steel
• 1981: генеральный директор Hyundai Pipe
• 1977: генеральный директор, Hyundai Precision и промышленность
• 1970: начал свою карьеру, присоединившись к Hyundai Engineering & Construction.

Он также владеет INNOCEAN Worldwide, рекламным и маркетинг агентство, со своей старшей дочерью Чун Сон И.^[4]

Управление

Чанг описывается как «энергичный семидесятилетний человек», который приходит на работу в 6:30 утра и «лично возглавляет ежемесячные проверки качества с руководителями высшего звена».^[5]

Хотя ему принадлежит только 5,2% акций Hyundai Motor, Чанг «обладает непропорционально сильным контролем» и может контролировать свой совет директоров благодаря сложному корпоративное управление договоренности, в которых Hyundai Motor владеет 34% Kia, которой принадлежит 16,9% Mobis, которая, в свою очередь, владеет 20,8% Hyundai Motor. Это означает, что «поскольку компании по сути контролируют друг друга, ни один внешний акционер не может назвать членов совета директоров».^[5]

Споры

Осуждение за хищение в 2007 году

В 2006 году он и его семья стали мишенью для Сеул Верховная прокуратура в рамках расследования хищения 100 миллиардов вон (106 миллионов долларов) у Hyundai для создания слякотные фонды к подкуп чиновников. ^[6]Несмотря на запрет на поездки, Чанг покинул Южную Корею в апреле 2006 года. Чанг был арестован 28 апреля 2006 года по обвинению в хищении и другой коррупции.^[7][8]

5 февраля 2007 г. он был признан виновным в хищении и нарушении фидуциарных обязательств при продаже ценных бумаг своему сыну. Чунг Ы-сун по ценам ниже рыночных. Его приговорили к трем годам лишения свободы.^[2]Чанг оставался на свободе под залог, пока он обжаловал приговор.^[9]6 сентября 2007 года главный судья Ли Чжэ Хон постановил приостановить приговор Чон Мон Ку (с учетом огромных экономических последствий тюремного заключения), назначив вместо трехлетнего тюремного заключения общественные работы и выплату 1 миллиарда долларов.^{[нужна цитата ]} пожертвование на благотворительность.^[3]

Суд рассматривался как «победа для прозрачность и верховенство закона в Южной Корее »,^[10] но 15 августа 2008 г. президент Южной Кореи Ли Мён Бак пожаловал ему особое помилование, чтобы позволить Чангу продолжать вносить свой вклад в развитие Hyundai Motor Group, а также Корейская экономика. ^[11]

Кумовство

Его единственный сын Чунг Ы-сун является его «наследником», несмотря на его относительно недоказанные навыки ведения бизнеса и лидерства. Как сообщает Bloomberg, «никто не может оценить, как Юи Сан будет работать, когда станет председателем, потому что отец держит его на привязи».^[5]

Кроме того, в 2011 году его обвинили в кумовство^[5] когда Озен, кафе-пекарня, в советники которого входили его три дочери Сон-и, Мён-и и Юнь-и, открыли магазин в зданиях компании.^[12] Озен в итоге закрылся в 2012 году.^[13]

Награды и отличия

• 2020: Зал автомобильной славы
• 2009: Премия Джеймса А. Ван Флита, Корейское общество
• 2008 – настоящее время: Почетный председатель оргкомитета Экспо 2012 в Йосу
• 2001: Награжден Знак отличия за службу Детройт С Зал автомобильной славы
• 1997-настоящее время: Почетный вице-президент Всемирная федерация стрельбы из лука
• 1986–1997: председатель Азиатской ассоциации стрельбы из лука. Ким Су Хон (13 октября 2012 г.). «Большие пекарни продолжают жить, несмотря на отсутствие дочерей чеболей». Hankyoreh.

внешняя ссылка

• СМИ, связанные с Чунг Монг-Ку в Wikimedia Commons







Путеводитель: Монгури (Кёнгидо) в Южной Корее

Монгури


в Кёнгидо, Южная Корея


Touring Mŏngu-ri

Mŏngu-ri в Кёнгидо — город, расположенный в Южной Корее примерно в 25 милях (или 41 км) к югу от Сеула, столицы страны.

Время в Монгури сейчас 16:22 (среда). Местный часовой пояс называется Азия/Сеул со смещением UTC на 9.часы. Нам известно о 8 аэропортах поблизости от Монгури, 3 из которых являются более крупными. Ближайший аэропорт в Южной Корее — аэропорт Сувон, расположенный на расстоянии 7 миль (или 11 км) к востоку. Помимо аэропортов, есть и другие варианты проезда (см. слева).

Поблизости находится несколько объектов всемирного наследия ЮНЕСКО. Ближайший объект наследия в Южной Корее — крепость Хвасон, расположенная в 8 милях (или 13 км) к северо-востоку. Мы собрали 3 достопримечательности рядом с этим местом. Нужны подсказки, где остановиться? Мы составили список доступных отелей рядом с центром карты, расположенным ниже на странице.

Будучи уже здесь, вы, возможно, захотите посетить некоторые из следующих мест: Сувон, Инчхон, Бупён, Сеул и Чанхын. Чтобы продолжить изучение этого места, просто прокрутите вниз и просмотрите доступную информацию.

Местный прогноз погоды

Местные погодные условия и прогноз на сегодня: 22°C / 72 °F

Утренняя температура	16°C / 60°F
Вечерняя температура	22°C / 72°F
Ночная температура	19°C / 65°F
Вероятность дождя	0%
Влажность воздуха	44%
Давление воздуха	1017 гПа
Скорость ветра	Легкий ветерок со скоростью 4 км/ч (2 мили в час) с севера
Облачность	Чистое небо, покрывающее 0% неба
Общие условия	Небо чистое

Четверг, 22 сентября 2022 г.



22°C (72°F)
19°C (66°F)
Разбросанные облака, легкий ветерок.

Пятница, 23 сентября 2022 г.

21°C (69°F)
16°C (60°F)
Слабый дождь, умеренный ветер, рассеянная облачность.

Суббота, 24 сентября 2022 г.

22°C (72°F)
19°C (67°F)
Небо ясное, легкий ветерок, ясное небо.

Отели и места для проживания

Проверить наличие

Беникеа Отель H


Адрес
3,6 миль
3-12, Ёкголь-ро Намян-ып
18271 Хвасон-си
Южная Корея

Информация о времени

Выезд: 12:00 — Заезд: 15:00
Приемная
Будний день: 0:00 — 24:00
Выходные: 0:00 — 24:00

---

Проверить наличие

HOTEL MATE


org/PostalAddress»>
Адрес
10,8 миль
924 7 GUUN DONG GWONSUN GU
441 819 Сувон
Южная Корея

Информация о времени

Расчетный час: 12:00 — Регистрация:
Приемная
Будний день: —
Выходные:

закрыто

---

Видео из этого района

Это видео, связанные с местом на основе их близости к этому месту.

ДЭДОН ИНЖ. VIBRO RIPPER- САЙТ WHASUNG CITY (I’PARK APT.) ​​

Опубликовано: 16 декабря 2008 г.
Продолжительность: 35:17 мин.
Рейтинг: 4 из 5
Автор: Daedong Engineering Co.,Ltd.

Получен мировой патент: PCT NO.KR2007/004427 Навесное оборудование: VOLVO EC290B — Великая мощность и разрушение — Использование вибрации 3000 об/мин — Низкий уровень шума, только вибрация. — Специализированный…

---

Вид на город Хвасон

Опубликовано: 17 октября 2012 г.
Продолжительность: 38:08 мин
Рейтинг: 0 из 5
Автор: thatguy2366

Вид на город Хвасон, когда я еду в автобусе. Он расположен недалеко от Сувона, примерно в часе езды на поезде к югу от Сеула. Извините, если это немного шатко, это было спонтанно, и я…

---

Шоу Большой пятерки и завод KCP

Опубликовано: 12 марта 2014 г.
Продолжительность: 25:09 мин.
Рейтинг: 0 из 5
Автор: KCP pump

Этот короткометражный фильм рассказывает о шоу большой пятерки в Саудовской Аравии и Factory View в Хвасоне. Мы поставляем бетононасосы только с грузовыми автомобилями и насосы с верхней стрелой. Свяжитесь с нами…

---

саранг хэт на бва 00

Опубликовано: 16 декабря 2012 г.
Продолжительность: 44:28 мин.
Рейтинг: 5 из 5
Автор: maulana sebastian

Кенанган ди южнокорейский.

---

140627 대한민국 브랜드대전 개막공연 메이퀸(May Queen) — 아모레미오(Amore Mio) (민지) 직캠 by 수원촌놈

Опубликовано: 28 июня 2014 г.
Продолжительность: 43:44 мин
Рейтинг: 5 из 5
Автор: 수원촌놈

---

[KORAIL] 경부고속선 KTX 어천저수지 포인트

Опубликовано: 18 ноября 2012 г.
Продолжительность: 34:54 мин
Рейтинг: 5 из 5
Автор: Dynamic

구간: 광명~천안아산 시속 300km/h로 질주하는 KTX를 영상에 담아봤다.

---

141204 한이음엑스포 오렌지캬라멜(апельсиновая карамель) — 립스틱(губная помада) (나나) 직캠 by 수원촌놈

Опубликовано: 05 декабря 2014 г.
Продолжительность: 38:17 мин
Рейтинг: 5 из 5
Автор: 수원촌놈

---

140619 Танцевальное представление 헬로apm 캐치(Catch) #01-4 от 수원촌놈

Опубликовано: 20 июня 2014 г.
Продолжительность: 57:47 мин
Рейтинг: 5 из 5
Автор: 수원촌놈

---

150313 롯데백화점 베드니 런칭행사 — 이연두,정가은,백보람,고은미 by 수원촌놈

Опубликовано: 14 марта 2015 г.
Продолжительность: 21:31 мин
Рейтинг: 5 из 5
Автор: 수원촌놈

---

Путь страхового сектора LG от CMMI ML 3 до ML 5

Опубликовано: 10 января 2008 г.
Продолжительность: 44:38 мин.
Рейтинг: 0 из 5
Автор: Генри Шнайдер

В этом видеоролике представлены некоторые важные факторы успеха внедрения CMMI в этой организации. Видео на корейском языке.

---

Видео, предоставленные Youtube, принадлежат их владельцам.

---

Это место известно под разными названиями. Вот те, что мы знаем:
멍우리, Мунгу-ри

Небеса открыты только для одиноких! (2012) — Полный состав и съемочная группа

Купить на Amazon

• Фильм: Небеса открыты только для одиноких!
• Страна: Южная Корея
• Дата выхода: 21 июня 2012 г.
• Продолжительность: 1 час. 35 мин.
• Жанры: Музыка, романтика, драма, мелодрама
• Метки: Умная женская лидерство, сильное женское лидерство
• Рейтинг содержания: 13+ — подростки 13 или старше
• Оценка: 6,5 (забитый по 67 пользователям) 7778 .
• Популярность: #
• Просмотров: 167

Видео Лучшие традиционные корейские жареные блюда — корейская уличная еда

Featured

Еженедельная поддержка MyDramaList Цель

Help Support MyDramaList

Yuanwei

11 edits

acom

5 edits

OperaOfDeath

2 edits

JoanneSmith

1 edit

Best High School Dramas

Самые горячие грядущие дорамы

Лучшие фэнтезийные фильмы

Лучшие детективные фильмы

Нуна

Богатый парень/Бедная девочка

Top Manga Adaptations

Best Romance — Comedies [or Best Rom-Coms]

Edit this Page

• David Cho

• Choi Yoon So

  Choi Yun So

  Основная роль

• Lee Neung Ryong

  Lee Neung Ryong

  Основная роль

8

0376

• Baek Jae Ho

  [Staff Boyfriend]

  Guest Role

• Hong Ji Young

  [Senior stylist]

  Bit part

• Ли Ын Чхэ

  [Подруга Монгу]

  Эпизод

Краткая история японских дорам

8 Редакционные статьи — 2

80008

Вы когда-нибудь задумывались, какими были японские дорамы в прошлом? Узнайте о драмах и тенденциях с 1940-х годов до наших дней!

«Доктор Романтик 3» подтверждает свои главные зацепки!

Новости — 15 сентября 2022 г.

Популярная драма SBS «Доктор Романтик» подтверждена еще на один сезон!

Сюмин из EXO, Хён Вон из MONSTA X и Ли Шин Ён будут работать вместе в одной дораме!

News — 14 сентября 2022 г.

Сюмин из EXO, Хён Вон из Monsta X и Ли Шин Ён станут главными героями предстоящей драмы режиссера Ли Ю Ён.

Го Вон Хи выходит замуж за своего парня, не являющегося знаменитостью

Новости от 16 сентября 2022 г.

Го Вон Хи выходит замуж!

Юн Пак и Чхве Су Ён из Girls Generation сыграют главные роли в новой дораме MBC

Новости от 15 сентября 2022 г. »

Подтверждено, что Ким Чжу Хон будет работать вместе с Ли Мин Хо и Гон Хё Джин в «Спроси у звезд»

News — 19 сентября 2022 г.

Ким Чжу Хон присоединится к предстоящей дораме tvN «Спроси у звезд».

Сообщается, что Ю Ин На, Юн Хён Мин и Джу Сан Ук станут главными героями новой дорамы ENA! 19 сентября 2022 г.

Сон Хун сыграет главную роль в новой дораме, основанной на вебтуне!

News — 7 сентября 2022 г.

Сон Хун сыграет главную роль в новой нуарной драме.

Актер Ли Хак Джу женится в этом году!

Новости — 13 сентября 2022 г.

Ли Хак Джу объявил о своих планах на свадьбу в этом году.

Пён Ё Хан обсуждает возможность работы вместе с Сон Кан Хо в новой дораме

Новости — 20 сентября 2022 г.

Сообщается, что Ким Джу Хон вернется в новом сезоне «Доктора Романтика»

Новости от 16 сентября 2022 г.

Джу Чжи Хун получает предложение сняться в сериале, основанном на веб-новеллах!

News — 15 сентября 2022 г.

Сообщается, что Джу Джи Хун сыграет главную роль в грядущей дораме «Золотой час».

Сообщается, что Го Кён Пё сыграет главную роль в новой дораме JTBC!

News — 20 сентября 2022 г.

Сообщается, что Го Кён Пё станет главным героем предстоящего сериала JTBC «No Secret».

Ким Дон Ук ведет переговоры о работе с Чон У Хи в новой дораме tvN!

Новости — 14 сентября 2022 г.

Сообщается, что Ким Дон Ук сыграет главную роль в грядущей дораме tvN «Мошенничество с выгодой».

Актриса сериала «Большой лес» Ю Джу Ын скончалась в возрасте 27 лет

Новости от 29 августа 2022 г.

Актриса Ю Джу Ын скончалась в возрасте 27 лет. волна оригинальная серия!

Новости — 15 сентября 2022 г.

Ли На Ён станет главной героиней грядущего оригинального сериала wavve «Дневник путешествия Пак Ха Гён» (буквальный перевод).

Нана из After School появится в дораме «Любовь по контракту»

Новости от 20 сентября 2022 г.

Пак Хи Сун ведет переговоры о присоединении к Ким Хён Чжу в новом сериале Netflix

Новости — 14 сентября 2022 г.

Пак Хи Сун ведет переговоры о присоединении к предстоящему сериалу Netflix «Семейная могила».

Я твой папа? — Азиатские фанфики

Холодное сердце

Голосовать за
Голосовать за
(17)
Подписаться
Отписаться
(286)
996 просмотров

Автор(ы)ihearttiffaniee
^{Подписаться на автора}

Обновлено

30 июля 2018 г.

Опубликовано

8 июля 2018 г.

Статус
Подписчиков всего

Теги
драма
разбитое сердце
романтика
Роза
чонгук
чонджонгук
беременность
паркчеён
черныйрозовый
розекук

Закладка
2467 слов

Перейти к комментариям

Ночной режим
а а а

Содержание отчета

Пожалуйста, войдите, чтобы пожаловаться на этот контент

Поделиться URL Рекламировать в ленте (0)

URL

Рекламировать эту главу на сайте

Торги заканчиваются в

Страница ставок |
Сегодняшний Победитель

Предисловие ₁ Пролог ₂ Я твой папа? ₃ Кто ты? ₄ Меня зовут не Рози ₅ 5 лет слишком поздно

Пожалуйста Подпишитесь, чтобы прочитать всю главу

https://www.youtube.com/watch?v=uuubpCUz-J0

Глава вторая: Я твой папа?

Я пошел в спальню.

Найти его с другой женщиной.

Оба и под простынями.

Он агрессивно целует ее.

То, чего он никогда бы не сделал со мной.

Он почувствовал мое присутствие и посмотрел на меня своими холодными холодными глазами.

Наши взгляды встретились.

И он сказал мне убираться.

Однако я решил остаться, молясь, чтобы он перестал причинять мне боль.

Тем не менее, он никогда не отвечает ни на одну из моих молитв.

Кроме одного.

Заставить меня проиграть в любовной игре.

Я чувствую, как в уголках моих глаз начинают образовываться слезы. Болезненное прошлое, связанное с его изменами, преследовало меня, заставляя чувствовать себя онемевшим. «Это он. Это Чон Чонгук». — бормочу я, сжимая рубашку. «Я не могу в это поверить. Этого не может быть». Мои глаза хотят отвести взгляд, однако я продолжаю смотреть на него. Я замечаю, как изменилось его лицо. Это скорее мускулистый тон с теми же глазами — очень холодными каменными глазами. Его взгляд ничуть не изменился. Он все еще выглядит как Чонгук пятилетней давности.

Я сразу же замечаю, как Чонгук провожает взглядом уборщиков. Я мгновенно поворачиваю голову среди бабушек, прежде чем он успевает меня заметить. — Это было близко, — сказал я. Следуя за бабушками в уборную, я украдкой пытаюсь взглянуть на него, чтобы увидеть, действительно ли это был Чонгук. Может быть, я, должно быть, сумасшедший, желая, чтобы этот человек был парнем, которого я знаю. Человек, которому я отдаю всего себя. Однако, когда я оглядываюсь назад, лифты уже закрыты.

«На что ты пытаешься смотреть?» Внезапно передо мной появляется Джису и объявляет: «Ты в порядке? Что-то не так?»

Я покачал головой и изобразил улыбку: «Ничего страшного. Мне просто было любопытно узнать детали здания».

Джису ухмыльнулась и заметила: «Правильно? Я слышала, что наш генеральный директор купил российскую художественную компанию, чтобы создавать элегантные детали. Это должно стоить целое состояние».

Моя улыбка быстро померкла: «Понятно. Должно быть, он очень богат.» Я помнил пять лет назад, что Чонгук никогда не думал только о деньгах. Теперь, когда он генеральный директор, его жизнь окружена богатыми. Джису и я замолчали, когда вся съемочная группа вошла в комнату.

Менеджер Юн посадил бригаду уборщиков в напарники. Мне не повезло, я был партнером не Джису, а очень старой бабушки, которую зовут Монгу. «Это ваши партнеры на оставшиеся три недели. К концу этих трех недель мы снова поменяем партнеров. Однако я могу поменять партнеров, только если вы все спонтанно выполнили работу по уборке, как и предполагалось».

Мы все синхронно киваем, соглашаясь с ее словами. «Чем лучше вы убираете, тем выше вы поднимаетесь по лестнице. Если вы убираете туалеты внизу, у вас может быть шанс почистить офисные столы. Если вы хорошо почистили офисные столы, вы иметь возможность убирать VIP-этаж, где находится генеральный директор, и там вы получите лучшую оплату».

Все бабушки вдруг заговорили, услышав о деньгах. Я тоже стал разговорчивым сам с собой. Я также хочу, чтобы лучше платили так же, как и все, чтобы я мог поддержать Даён и погасить свои долги. Однако Чонгук неожиданно всплыл в моей голове. Что, если бы я встретил его? А вдруг он меня вспомнит? Тогда что я буду делать? Не то чтобы я не хотел скрывать от него Даён, но он бросил меня. Он решил оставить меня и Даён еще до того, как узнал о ее существовании. Я был готов жить дальше. Может быть, мне к тому времени бросить?

«Чэён!» Менеджер Юн зовет меня по имени: «Пак Чеён!»

В голове сразу стало пусто. К удивлению, я встал, когда услышал, как она зовет меня по имени во второй раз: «Да, менеджер?» Я чувствую, как она смотрит на меня так, будто мою кожу пронзают лазеры.

Менеджер Юн резко хлопнула блокнотом по бедрам: «Вы хотите, чтобы вас уволили прямо сейчас?»

Я безостановочно мотаю головой и кланяюсь. «Нет, мэм. Простите».

Менеджер Юн подходит ко мне и поднимает мою руку. «Только потому, что вы новичок, вы ожидаете, что я дам вам поблажку? Вы хоть знаете, где вы сейчас работаете?»

Я снова покачал головой, но молча. Менеджер Юн опустил мою руку и посмотрел на моего партнера Монгу. «В следующий раз лучше слушайте ушами». Она делает паузу: «В течение следующих трех недель Пак Чеён и ты, Ли Монгу, убирать туалеты. Я ожидаю, что все 15 туалетов будут чистыми сегодня к 10 вечера, прежде чем ты выйдешь».

Монгу и я кланяемся ей, когда она покинуть комнату. К тому времени мы берем мусорное ведро и ведро, в котором есть все дезинфицирующие спреи. Когда мы оба выходим из комнаты, Джису молвит мне о драке! Я ухмыляюсь и следую за Монгу к нашим первым туалетным кабинкам, которые нам нужно убрать. В неловкой тишине Монгу открывает женский туалет и достает спрей для мытья стекол. Я хватаю рулон туалетной бумаги и захожу в каждую кабинку, чтобы заменить пустые.

«Почему ты здесь работаешь?» Монгу внезапно спрашивает меня: «Эта работа не для таких, как ты».

Я быстро меняю первую душевую кабинку на следующую. «У меня есть дочь, о которой нужно заботиться, — отвечаю я, — я никогда не учился в колледже».

Монгу, не колеблясь, обрызгивает гранит вокруг раковины и хватает полотенце, чтобы

Пожалуйста, Подпишитесь, чтобы прочитать всю главу

Нравится эта история? Дайте ему
Голосую за!

Спасибо!

Вернуться к началу ↑

Вам необходимо включить JavaScript, чтобы запустить это приложение

Вернуться к началу ↑

Состояние исследований в области экологии дорог в Африке: понимаем ли мы воздействие дорог и как его успешно смягчить?

Введение

Дороги являются важнейшим элементом экономического развития человечества и общества, и в обозримом будущем глобальные темпы строительства дорог, вероятно, возрастут, особенно в Африке, Азии и Южной Америке (Dulac, 2013; Laurance et al., 2014a). ). Дороги и транспорт имеют многочисленные, разнообразные и в основном негативные последствия для биоразнообразия и функционирования экосистем. Эти воздействия включают разрушение и деградацию среды обитания (Laurance et al. , 2015a; Ware et al., 2015), фрагментацию популяций диких животных и их динамику (Forman and Alexander, 19).98; Асенсао и др., 2016; Chen and Koprowski, 2016), прямое воздействие через столкновения с дикой природой (Collinson et al., 2014; Seo et al., 2015; Son et al., 2016) и вторичное воздействие через расширение доступа людей к ранее недоступным природным ресурсам ( Wilkie et al., 2000; Vanthomme et al., 2013; Laurance et al., 2014b). Наука об экологии дорог хорошо развита в Северной Америке, Европе и Австралии (Van Der Ree et al., 2015; Bennett, 2017), но в Африке находится в зачаточном состоянии (Bennett, 2017).

По всей Африке большая часть основной транспортной инфраструктуры строится как часть «коридоров развития» (Laurance et al., 2014b, 2015a), включающих сети автомобильных и железных дорог, трубопроводов и портов, которые облегчают передвижение людей и товары. В Африке запланировано более 30 коридоров развития протяженностью более 53 000 км, которые могут затронуть охраняемые районы, имеющие высокую природоохранную ценность (Laurance et al. , 2015b; Sloan et al., 2017). Например, предлагаемая супермагистраль Cross River Calabar-Ikom-Kastina Ala в Нигерии фактически разделит пополам некоторые из последних оставшихся нетронутых лесов Нигерии (Mahmoud et al., 2017), а предлагаемая дорога к золотым приискам возле озера Виктория в Танзании может разделить пополам национального парка Серенгети и нарушить одну из крупнейших оставшихся в мире миграций наземных диких животных (Haas, 2011). То, что эти события рассматриваются в районах с такой высокой природоохранной и культурной ценностью, отражает более широкую, тревожную тенденцию в Африке в целом, согласно которой добыча природных ресурсов и связанное с этим развитие транспортной инфраструктуры часто рассматриваются в качестве приоритетного землепользования, независимо от другие факторы (Mahmoud et al., 2017). Успешное перемещение отдельных организмов имеет решающее значение для выживания вида, и содействие этим перемещениям путем содействия экологической связности стало центральной темой экологии и охраны природы (LaPoint et al. , 2015).

В этом контексте мы систематически анализировали масштабы, охват и географический охват исследований дорожной экологии в Африке, чтобы количественно оценить текущие знания и определить пробелы и приоритеты для будущих исследований, управления и разработки политики.

Материалы и методы

Область исследования и история

На Африку с населением 1,3 миллиарда человек (Статистический отдел Организации Объединенных Наций, 2017 г.) приходится около 17% населения мира, что делает ее вторым по величине и вторым по численности населения континентом ( позади Азии в обеих категориях). Ожидается, что более половины ожидаемого прироста мирового населения, составляющего примерно 2,2 миллиарда человек к 2050 году (Статистический отдел Организации Объединенных Наций, 2017 г.), придется на Африку, при этом прогнозируемый рост составит 1,3 миллиарда человек (Статистический отдел Организации Объединенных Наций, 2017 г.). Учитывая, что 41% африканцев к югу от Сахары живут в условиях крайней нищеты (Статистический отдел Организации Объединенных Наций, 2017 г. ; Oluwatayo and Ojo, 2018 г.), это происходит в то время, когда Цели в области устойчивого развития (ЦУР) набирают силу во всем мире благодаря экономическому росту и сокращение бедности занимает центральное место в большинстве глобальных политических дискуссий.

Экономика нескольких африканских стран, в значительной степени движимая богатыми природными ресурсами, по состоянию на 2014 год является одной из самых быстрорастущих в мире (Taylor, 2014), и это отражено в планах расширения автомобильных и железных дорог и линий электропередач с высокой концентрацией таких проектов. должно произойти в экологически чувствительных районах (Африканский банк развития, Африканский союз и Экономическая комиссия Организации Объединенных Наций для Африки, 2016 г.). Программа развития инфраструктуры в Африке (PIDA; Группа Африканского банка развития, 2010 г.), которая была запущена в 2010 г., Повестка дня на период до 2063 г. (начата в 2015 г.; Комиссия Африканского союза, 2015 г.) и совместный Меморандум о взаимопонимании (MoU), подписанный Всемирный банк, Международная автомобильная федерация (FIA) и Международный транспортный форум (ITF) в 2018 году (Всемирный банк, 2018a) предоставляют конкретные рамки и средства для улучшения и поддержки инфраструктурных сетей и услуг в Африке в течение следующего года. 50 лет. Только Китай в настоящее время ежегодно инвестирует в Африку около 100 миллиардов долларов США в добывающую промышленность и связанную с ней транспортную и энергетическую инфраструктуру (Edwards et al., 2014), и хотя в Повестке дня на 2063 год признается, что будут возникать «экологические проблемы», связанные с экономическим ростом, мало фактических данных для планирования или осуществления смягчения этих последствий (Politzer, 2008; Laurance and Arrea, 2017).

Методология поиска литературы

Мы предприняли систематический поиск литературы для изучения масштабов, охвата и географического охвата исследований в области экологии дорог в Африке. Было проведено три поиска по темам через «научно-расширяемую» коллекцию журналов в базе данных ISI Web of Science (по состоянию на 18 ноября 2015 г., 16 ноября 2016 г. и 29 апреля 2017 г.). Мы использовали шаблонное уравнение поиска (например, = установленный законом регион И тип инфраструктуры И экологическое воздействие или вмешательство), где «уставной регион» относится к Африке или любой официальной стране в Африке; «тип инфраструктуры» — дорога, железная дорога, железная дорога, поезд, транспортное средство или транспорт; а экологическим воздействием или смягчением последствий были экология, окружающая среда, барьер, дорожно-транспортное происшествие, дорожно-транспортное происшествие, столкновение транспортных средств с дикими животными, WVC, дикая природа, биоразнообразие, фрагментация, зона воздействия дорожного движения или смягчение последствий. Мы рассмотрели публикации, которые включали самые последние разработки, связанные с некоторыми аспектами дорог, либо отдельно, либо в сочетании с другой линейной инфраструктурой. Публикации, единственной целью которых была другая линейная инфраструктура (например, железная дорога или линии электропередач), были исключены.

Мы решили включить только рецензируемые статьи, диссертации аспирантов, материалы конференций, главы книг и отчеты, написанные на английском языке. Сначала мы удалили повторяющиеся записи о тех, к которым обращались 18 ноября 2015 г., а затем проверили оставшиеся публикации ( n = 4257) на релевантность на основе названия, аннотации и ключевых слов, в результате чего было получено 150 релевантных публикаций, касающихся дорог. Они были разделены поровну между четырьмя авторами для обзора. Мы также рассмотрели четыре публикации, назначенные другим соавторам (то есть всего 16), чтобы обеспечить последовательность в интерпретации деталей исследования.

Мы просмотрели цитаты в каждой из 150 публикаций, чтобы найти дополнительные публикации, соответствующие нашим критериям поиска. Вторичные публикации с такими ключевыми словами, как «антропогенный», «конфликт человека и дикой природы», «транспортные средства» и «дорожный транспорт», также были включены, поскольку, исходя из нашего опыта первого процесса поиска литературы, было вероятно, что они могут быть связаны к дорогам или трафику. Мы исключили публикации о «вырубке лесов», «добыче полезных ископаемых» и «пространственной организации дикой природы», если только их название также не включало слова, предполагающие какой-либо аспект линейного развития инфраструктуры, который мог быть объясняющей переменной. В ходе этого процесса были выявлены еще 32 публикации (из 231; по состоянию на 16 ноября 2016 г.). Мы провели окончательный поиск, чтобы учесть литературу, опубликованную в 2016 году (доступно 29апрель 2017 г.) с 28 публикациями из 1356 возможных, которые были сочтены релевантными, в результате чего общая итоговая база данных составила 237 публикаций. Из них мы исключили 27 из окончательного обзора либо потому, что не смогли найти физическую или электронную копию публикации, либо потому, что цитата была неверной. В таких случаях мы пытались связаться с основным автором и получить публикацию напрямую от него, но все безуспешно (дополнительный материал 1).

Мы классифицировали оставшиеся 210 по критериям, чтобы описать объем, масштаб и географический охват исследований дорожной экологии в Африке (дополнительный материал 2). Это включало страну и географический регион исследования, виды и экосистемы (ы), тип линейной инфраструктуры, дизайн исследования и тип воздействия, а также рассматривали ли они конкретные вмешательства, направленные на смягчение последствий. Десять публикаций имели глобальную или континентальную направленность и были исключены из этого анализа. Остальные 200 публикаций были классифицированы в соответствии с биомом, в котором они произошли (Olson et al., 2001) (рис. 4). Биом каждого исследования был назначен с использованием данных, предоставленных автором, или, если он отсутствовал, в зависимости от места проведения исследования.

Мы рассмотрели, какие переменные могут быть связаны с количеством публикаций из каждой страны. Мы предположили, что плотность дорог [в км дороги/100 км ² , рассчитанная с использованием набора данных открытого доступа Global Roads; CIESIN (Центр международной информационной сети по наукам о Земле, Колумбийский университет) и ITOS (Информационно-пропагандистские услуги в области информационных технологий, Университет Джорджии), 2013 г.] в этой стране, или индекс человеческого развития (ИРЧП; ПРООН, 2018 г.), или валовой внутренний продукт на на душу населения (ВВП по паритету покупательной способности; Всемирный банк, 2018b) (рис. 4) может предсказать количество публикаций, выпущенных в каждой стране. ВВП и ИЧР были сильно коррелированными переменными (ранговая корреляция Кендалла 9).0052 z = 7,00, p < 0,001). Поэтому мы исключили ВВП из анализа. Чтобы проверить взаимосвязь между количеством публикаций (с поправкой на численность населения, Всемирный банк, 2017 г.) и ИРЧП или плотностью дорог, мы применили к данным отрицательную биномиальную регрессию, поскольку дисперсия была значительно больше среднего значения.

Публикации, в которых содержались рекомендации по управлению, основанные на данных, полученных в ходе исследования, были классифицированы в соответствии с Классификацией действий по сохранению открытых стандартов версии 2.0 (CMP: Партнерство по мерам по сохранению, 2016a,b). Это стандартная классификация природоохранных действий, которые руководители могут предпринимать для противодействия прямым угрозам. Она была совместно разработана Международным союзом охраны природы (МСОП) и Партнерством по охране природы. CMP обеспечивает систематическое руководство по планированию, реализации и мониторингу инициатив по сохранению, чтобы понять, что работает, что не работает и почему, и в конечном итоге адаптировать и улучшить усилия по сохранению. В контексте нашего обзора он служил инструментом для измерения рекомендаций каждой публикации на основе данных, полученных в ходе исследования, и выявления критических пробелов в знаниях. Классификация состоит из четырех иерархических уровней действий, причем уровень 0 является самым широким всеобъемлющим уровнем с тремя категориями, а уровень 3 содержит наиболее подробные сведения (Дополнительный материал 3).

После классификации мы оценили каждую рекомендацию по семи категориям на основе качества доказательств (Salafsky et al., 2002), что позволяет сравнивать исследования по критериям контроля качества. Мы записали результаты категоризации в простую базу данных, чтобы определить любые тенденции (дополнительный материал 2).

Мы использовали R 3.5.0 (R Core Team, 2018 г.) с пакетами MASS, ggplot2 и ggpubr для статистического анализа.

Результаты

Тип исследования

Из 210 публикаций большинство посвящено сбору эмпирических полевых данных (166 или 79%). Из оставшихся 21% 14 были обзорами опубликованной литературы, 13 представляли концептуальные идеи, а остальные 17 представляли собой комбинацию трех типов исследований.

Тип публикации

Большинство публикаций были из рецензируемых журналов (88,6%), за ними следуют тезисы (5,7%), главы книг (4,3%), отчеты для государственных органов (1%) и материалы конференций (0,5%). 185 рецензируемых публикаций были опубликованы в 95 различных журналов, 12 из которых посвящены Африке. Наиболее частыми исходными журналами были African Journal of Ecology ( n = 12), Biodiversity and Conservation ( n = 11), PloS One ( n = 10), OstrichJournal. Африканская орнитология ( n = 9) и Экология ( n = 7).

Из 12 диссертаций большинство было подготовлено на степень бакалавра наук (с отличием) ( n = 7), за которой следовала степень магистра наук или философии ( n = 2) и докторскую степень ( n = 3). Большинство диссертаций было выполнено в африканских университетах, девять из которых были в Южной Африке, а одна в Танзании. Две диссертации поступили из университетов за пределами Африки (Норвегия и США). Мы нашли девять глав из трех разных книг, в том числе в Справочнике по экологии дорог (Van Der Ree et al., 2015), содержащем семь из девяти глав. Три отчета были из двух стран: Южной Африки ( n = 2) и Танзании ( = 2).0052 n = 1), в то время как материалы конференции были взяты с конференции в Чешской Республике в 2016 году, посвященной фотограмметрии, дистанционному зондированию и пространственным информационным наукам.

Временные закономерности

Публикации были опубликованы в период с 1954 по 2016 г., из них 169 опубликовано за последнее десятилетие (2006–2016 гг.) и чуть более половины ( n = 114) опубликовано за последние 6 лет (2010–2016 гг.; рис. 1). Только 20 (9,5%) публикаций были опубликованы за 45-летний период между 1954 и 1999.

Рисунок 1 . Количество публикаций об экологии дорог в Африке в период с 1954 по 2016 гг. Материал 4), в то время как 14 публикаций носили более общий характер и охватывали Африку в целом (4,8%; рис. 2). Южная Африка была наиболее изученным регионом (37,1%), за ней следуют Восточная Африка (24,2%), Западная Африка (18,8%) и Центральная Африка (14,8%). Северная Африка была наименее представлена ​​из всех регионов Африки: всего 5,1% публикаций. Большинство исследований ( н = 173; 82,4%) были проведены только в одной стране, хотя два исследования охватили семь африканских стран.

Рисунок 2 . Количество публикаций по экологии дорог по африканскому региону в период с 1954 по 2016 год.

Примерно две трети (рис. 3; дополнительный материал 4) публикаций были опубликованы всего в семи странах, а именно в Южной Африке ( n = 66), Танзании ( n = 21), Камерун ( n = 17), Габон и Кения ( n = 16 каждая), -Демократическая Республика Конго ( n = 15) и Центральноафриканская Республика ( n = 14).

Рисунок 3 . Количество публикаций по дорожной экологии на страну в Африке в период с 1954 по 2016 год (публикации, охватывающие несколько стран, показаны в общем количестве по каждой стране).

Самые ранние публикации были проведены в Зимбабве в 1950-х годах (дополнительный материал 5), и до 19 века в Африке проводилось мало исследований.80-х (опять же на юге Африки). Только в конце 1990-х были опубликованы публикации в других географических регионах (дополнительный материал 5).

Мы обнаружили отсутствие связи между количеством публикаций в стране и плотностью дорог ( p = 0,76), но страны с более высоким ИЧР опубликовали большее количество исследований ( p = 0,01; рис. 4 ).

Рисунок 4 . Прогнозируемое количество публикаций в каждой стране в зависимости от индекса человеческого развития этой страны. Серая заливка представляет 95% ДИ.

Биом

Из 200 публикаций, которые мы могли отнести к биому (т. е. которые не были общеконтинентальными исследованиями), 21 охватывала два биома, а семь охватывали три биома. Остальные 172 публикации касались одного биома.

Большинство публикаций проводилось в тропических и субтропических лугах, саваннах и кустарниках (таблица 1). Этот биом является крупнейшим в Африке, покрывая ~ 14 миллионов км ² . Хотя в биоме пустынь и ксеровых кустарников было проведено 35 публикаций, по отношению к его общей площади, это был наименее изученный биом, всего 3,58 публикации на миллион км 9 .0687 2 (табл. 1).

Таблица 1 . Распространение публикаций по экологии дорог в 10 биомах Африки.

Тропические и субтропические луга и саванны, а также влажные широколиственные леса были относительно лучше изучены в отношении плотности их дорог, чем средиземноморские, сухие широколиственные и хвойные леса и горные луга (рис. 5).

Рисунок 5 . Количество публикаций на биом относительно плотности дорог (км дорог/км ² ) в каждом биоме.

Преобладающее землепользование

Большинство публикаций были из сельских районов, которые мы определили как включающие природные территории и сельскохозяйственные ландшафты ( n = 144; 68,6%), причем 33 (15,2%) были сделаны как в сельской, так и в городской местности . Только 10 публикаций были из городских районов (4,8%), а для остальных 14 (6,7%) информация о землепользовании не была предоставлена. Кроме того, наш первоначальный поиск показал, что исследования, проведенные в городских районах, чаще рассматривали благополучие человека, а не окружающую среду 9.0052 как таковой .

Чуть менее половины публикаций были из-за пределов охраняемых территорий (42,9%), за ними следовали публикации внутри охраняемых территорий (32,4%) или их комбинация (16,7%), а остальные 8,1% не указаны. Оценочная доля наземных охраняемых территорий в странах Африки к югу от Сахары составляет 16,43% (Всемирный банк, 2018b). Таким образом, процент исследований дорожной экологии, которые были проведены на охраняемых территориях, значительно выше по сравнению с площадью суши, чем за их пределами (хи-квадрат одиночной переменной качества подгонки текста, χ ² = 81,5, p < 0,01).

Большинство публикаций из охраняемых районов были предприняты в Восточной Африке (38,4%), затем следуют юг Африки (34,2%), Западная Африка (15,1%), Центральная Африка (9,6%) и Северная Африка (1,4%). Остальные 1,4% приходятся на общие исследования, охватывающие весь континент.

Экологическая направленность исследования

Из 210 публикаций 60,5% посвящены животным (позвоночным и беспозвоночным), за ними следуют экосистемы (21,0%), растения (16,7%) и сочетание животных и растений (1,0%). Большинство публикаций о животных было посвящено позвоночным (9).0052 n = 116) с пятью публикациями по беспозвоночным и четырьмя по их комбинации (дополнительный материал 6). Шесть публикаций посвящены сочетанию животных и растений, а 35 публикаций посвящены исключительно растениям. Остальные 44 публикации были посвящены экосистемам, из которых изменения в землепользовании были наиболее изученной темой ( n = 21) (рис. 6).

Рисунок 6 . Экологическая направленность 210 публикаций по дорожной экологии в соответствии с широкими экологическими группами (черные столбцы представляют животных, темно-серые столбцы представляют животных и растения, светло-серые столбцы представляют растения, а белые столбцы представляют экосистемы).

Больше публикаций посвящено отдельным видам ( n = 112), чем нескольким видам ( n = 53) как животного, так и растительного царства. Млекопитающие были наиболее изученной группой наземных ( n = 43) позвоночных ( n = 98), в то время как земноводные были наименее изучены ( n = 1) (дополнительный материал 6).

Большинство публикаций, посвященных растениям, посвящено коренным лесам (как отдельным видам, так и сообществам; n = 16), причем большинство из них приходится на Центральную Африку ( n = 11), за которыми следуют чужеродные и инвазивные растения ( n = 10), а остальные девять сосредоточены на общих растительных сообществах, таких как травы (Rahlao et al. , 2010) и придорожный растительный покров (O’Farrell). и Милтон, 2006).

Мы обнаружили, что шимпанзе ( Pantroglodytes veru; n = 10) был единственным наиболее изученным видом, за которым следовал лесной слон ( Loxodonta africana cyclotis ; n = 8) (табл. 2). которые проживают в странах Центральной Африки.

Таблица 2 . Этот вид чаще всего находится в центре внимания публикаций по экологии дорог с пятью или более исследованиями из 210 рассмотренных публикаций по экологии дорог в Африке.

Тип инфраструктуры

Большинство публикаций ( n = 173) касались исключительно воздействия только дорог, а 37 также включали воздействие других типов линейной инфраструктуры. К ним относятся дороги и ограждения ( n = 18), автомобильные и железные дороги ( n = 8), дороги и линии электропередач ( n = 6) и дороги и трубопроводы ( n = 5).

В 92 публикациях не указывалось назначение дороги, а в 54 указывалось, что она предназначена для общего (т. е. повседневного) использования, за которым следуют преимущественно промышленные (например, горнодобывающая промышленность и лесозаготовки) ( n = 25), туризм ( n = 19) и сельское хозяйство ( n = 2). В трех публикациях говорилось, что дорога также использовалась пешеходами. Остальные 15 изданий представляли собой сочетание трех типов: общих и отраслевых (9).0052 n = 8), общие, промышленно-туристические ( n = 4), промышленно-туристические ( n = 2) и общие и туристические ( n = 1).

Только 39 % публикаций предоставили данные о дорожном покрытии, причем 11,9 % из них касались исключительно грунтовых дорог, 10,5 % – дорог с твердым покрытием и 15,2 % – комбинации этих двух поверхностей. Оставшиеся 1,4% ( n = 3) относились к другим поверхностям (например, песку и бездорожью). Только 20% ( п = 42) публикаций измеряли интенсивность движения и/или скорость транспортного средства.

Дизайн исследования

Фокус исследования на линейной инфраструктуре и объясняющих переменных

Сама линейная инфраструктура была в центре внимания чуть менее половины (44,8%) рассмотренных нами публикаций. В большинстве публикаций (71,4%) линейная инфраструктура использовалась как независимая переменная, показывающая причины или влияние линейной инфраструктуры на другие (т.е. зависимые) переменные.

Среди тех публикаций, в которых измерялось прямое воздействие на биоразнообразие ( n = 190), наиболее многочисленными были те, которые изучали смертность диких животных в результате столкновения с транспортными средствами ( n = 58). В 37 публикациях исследовалось влияние дорог на придорожную растительность и/или среду обитания, а в 30 — влияние дорог на поведение животных вблизи или на пересечении дорог (рис. 7).

Рисунок 7 . Процент публикаций, оценивающих различные воздействия линейной инфраструктуры (черные столбцы представляют собой прямые воздействия, белые столбцы представляют собой косвенные воздействия, а серые столбцы представляют отношение людей).

В публикациях, посвященных косвенному воздействию дорог и дорожного движения ( n = 161), большинство использовало меру длины или плотности дорог для объяснения распространения видов ( n = 67; 31,8%). Из оставшихся публикаций в 54 исследовались изменения ландшафта из-за наличия дорог (рис. 7), такие как изменения, вызванные пожаром (Archibald et al., 2009) или вырубкой леса в результате вырубки леса (Christie et al., 2007). ).

В девяти из 210 публикаций изучалось отношение людей и их поведение по отношению к дорогам (рис. 7). Все они проводились в течение последних 16 лет, четыре из которых проводились в южной части Африки, по две в Восточной и Центральной Африке и одна в Западной Африке. Пять из этих публикаций посвящены общественному восприятию того, как линейная инфраструктура меняет ландшафт, три изучают отношение человека к дикой природе на дорогах и возможные причины дорожно-транспортных происшествий, а одна посвящена общественному мнению о методах уменьшения дорожно-транспортных происшествий. В оставшейся публикации основное внимание уделялось факторам, которые увеличивают впечатления посетителей от просмотра игр на охраняемой территории, в том числе хорошо спроектированные дороги.

План исследования и использованные методы анализа

Более половины публикаций ( n = 120) в качестве основного метода дизайна исследования использовали реплики исследовательских центров, за которыми следовали сравнения исследовательских центров ( n = 95), и только десять публикаций, проводящих исследование «до и после» (рис. 8). В большинстве исследований данные анализировались с использованием корреляций (рис. 8; n = 155) по сравнению с простым отчетом о результатах или данными наблюдений без какого-либо формального анализа ( n = 61), а в 16 использовались как корреляционный, так и наблюдательный подходы (в одной публикации может использоваться несколько подходов).

Рисунок 8 . Изучите элементы дизайна 210 изданий по экологии дорог. Исследования могут сочетать несколько элементов, поэтому их общее количество >210.

Рекомендации и связанное с ними качество доказательств

Только семь из 210 публикаций оценивали эффективность вмешательств, таких как измерение уровня использования подземного перехода для слонов в Кении (Weeks, 2015). Четыре из этих семи исследований проводились в Восточной Африке (Кения, н = 3; Танзания, n = 1) и три в ЮАР.

Три четверти публикаций содержали рекомендации по вмешательству в той или иной форме, хотя только 30,5% из них ( n = 64) содержали рекомендации, основанные на каких-либо данных из самого опубликованного исследования, что в целом составляет 133 рекомендации, основанные на фактических данных. Остальные публикации с рекомендациями содержали общие или общепринятые рекомендации, которые могли априори применялись почти в любом исследовании дорожной экологии в любой точке мира. Большинство рекомендаций (основанных на данных из публикаций) было получено из исследований в Южной Африке (40,6%), за ними следуют Восточная Африка (24,6%), Центральная и Западная Африка (по 14,5%) и 5,8% для Африки в целом. . Не найдено рекомендаций из Северной Африки.

Мы классифицировали 133 различных научно обоснованных рекомендации по вмешательству из 64 публикаций в соответствии с Классификацией действий по сохранению открытых стандартов версии 2. 0. Большинство предлагаемых рекомендаций нацелены на восстановление или действия по снижению стресса (CMP, уровень A; рис. 9).), за которыми следуют благоприятные условия (CMP, уровень C) и действия по изменению поведения или уменьшению угрозы (CMP, уровень B). На этих основных уровнях категория A1 (управление земельными/водными ресурсами) получила наибольшее количество рекомендаций (37,6%; рис. 9), за ней следуют категория C6 (природоохранное назначение и планирование; 20,3%; рис. 9) и B3 (повышение осведомленности; 15,8). %; рис. 8).

Рисунок 9 . Процентное распределение 133 рекомендованных вмешательств (из 64 публикаций), классифицированных в соответствии с Партнерством по мерам по сохранению (CMP; Классификация действий по сохранению v 2.00 Framework, уровни 1–2; Дополнительный материал 3). Обратите внимание, что в одной статье может использоваться несколько подходов.

Категории уровня 2 CMP показывают, что экосистема и восстановление естественных процессов (A1. 2) имеют наибольшее количество рекомендаций по вмешательству (37,6%; рис. 10), за которыми следуют управление участком/территорией (A1.1; 31,6%), разъяснительная работа и связь (15,8%; B3.1) и инфраструктура площадки (11,3%; C6.5). Четыре публикации в категории B3 не содержали подробностей о том, как следует проводить вмешательство, и поэтому не могли быть отнесены к категории выше уровня 1.

Рисунок 10 . Распределение 133 рекомендуемых вмешательств (из 64 публикаций) для Уровня 2 CMP A (целевые действия по восстановлению/снижению стресса), CMP B (действия по изменению поведения/снижению угрозы) и CMP C (действия, способствующие состоянию), классифицированные в соответствии с Партнерство по мерам по сохранению (CMP; Классификация действий по сохранению v 2.00 Framework Level 3; Дополнительный материал 3). Обратите внимание, что в одной публикации может быть рекомендовано несколько подходов.

Хотя было много рекомендаций, охватывающих три широкие категории CMP, были также пробелы для рекомендаций многих уровней классификации CMP, таких как уровень CMP B5 ( Средства к существованию, экономические и моральные стимулы ) и уровень CMP C9 ( Образование и обучение ) (рис. 10).

Последний уровень CMP Framework (уровень 3) классифицирует рекомендации по вмешательству, при этом управление посетителями (A1.1.8) имеет наибольшее количество рекомендаций (14,7%). Примеры категории CMP A1.1.8 включают ограничение использования автомобильных дорог (Ndibalema et al., 2008; Nortjé et al., 2012), а также отклонение будущих дорог или расположение дорог вдали от охраняемых территорий (Ansara, 2008; Van Vliet and Nasi, 2008). ). За этой категорией следовали механические действия (12,4%; A1.1.1;), включая более эффективное управление обочинами дорог (Rahlao et al., 2010; Mkanda and Chansa, 2011), а также очистку транспортных средств перед въездом и использованием в зонах с высокой природоохранных ценностей, таких как национальные парки, во избежание распространения чужеродных и инвазивных растений (Ansong and Pickering, 2013). Транспорт был третьей наиболее распространенной категорией (11,6%; C6.5.4) с примерами, включая установку устройств для успокоения дорожного движения (таких как лежачие полицейские) в выявленных «горячих точках» дорожно-транспортных происшествий Дрюс, 19 лет. 95; Hayward, 2009 г., и ограничение модернизации дорог в будущем за счет сохранения грунтового дорожного покрытия (Caro, 2015 г.).

Наша оценка качества доказательств показала, что большинство рекомендаций (93,3%) были основаны на качестве доказательств уровней от I до III (таблица 3), но менее 10% рекомендаций были основаны на исследованиях, в которых проводились контролируемые испытания ( I уровень). Большинство рекомендаций были получены из публикаций, в которых сравнивались сайты (уровень II-2; 44,8%) или временные закономерности (уровень II-3; 19,4%), а 15,7% рекомендаций были основаны на мнениях экспертов или описательных исследованиях (уровень III). Мы сочли доказательства остальных 6,7% рекомендаций неадекватными (уровень IV) или не смогли оценить качество доказательств (NC) (таблица 3).

Таблица 3 . Качество доказательств для 133 рекомендаций, основанных на фактических данных, из 64 публикаций, содержащих рекомендации по вмешательству (Salafsky et al. , 2002).

Обсуждение

Резюме

Наш обзор выявил намного больше публикаций по экологии дорог из Африки, чем мы ожидали, причем количество публикаций значительно увеличилось с 2006 года. Большинство публикаций были из более богатых и политически стабильных регионов (например, Южная и Восточная Африка), особенно публикации до 2006 года (Дрюс, 19 лет).95; Dean and Milton, 2000), в то время как в публикациях после 2006 года увеличилось количество статей из Центральной Африки (Hicks et al., 2012; Tompkins et al., 2015; Cameron et al., 2016).

Недавний глобальный обзор статей по дорожной экологии, опубликованных в период с 2011 по 2015 год (Bennett, 2017), показал, что в Африке было проведено <10 исследований ( n = 215). Следовательно, существует мнение, что в Африке было проведено мало исследований по экологии дорог (Collinson et al., 2014, 2015; Kioko et al., 2015), возможно, потому, что более ранний поиск литературы был слишком узким или слишком конкретным в фокусе. В нашем обзоре мы использовали широкие условия поиска и, таким образом, обнаружили гораздо больше публикаций, чем Bennett (2017). Мы также обнаружили, что многие исследования дорожной экологии были скрыты или похоронены в исследованиях, которые якобы были посвящены другим темам, например, где плотность дорог была объяснительным фактором, помогающим понять распространение или численность определенных видов, а не основным направлением (например, , Blom et al., 2005; Aubréville, 2015; Bortolamiol et al., 2016).

Ниже мы обрисовываем некоторые ключевые моменты, взятые из литературы, которые подчеркивают приоритеты будущих исследований.

Угрозы средам обитания и видам

По определению, все рассмотренные нами публикации были посвящены исключительно дорогам (например, Collinson et al., 2014; Kleinschroth et al., 2016) или совместно дорогам с другим типом линейной инфраструктуры ( например, дороги и ограждения, Ван Никерк и Элофф, 2005 г., дороги и железные дороги, Уотсон и др. , 2015 г., дороги и линии электропередач, Лоранс и др., 2009 г.; дороги и трубопроводы, Акерт, 2015 г.). Мы обнаружили ограниченное количество исследований, сравнивающих дороги с твердым покрытием и дороги без покрытия (но см. Awange and Obera, 2007; Collinson et al., 2014), и в большинстве публикаций (~ две трети) не дается указание на поверхность дорог, которые они изучают. Это подчеркивает критический пробел в исследовании, учитывая обширную сеть грунтовых дорог в Африке. Глобальная сеть автомобильных дорог составляет ~64 млн км, из них ~2,7 млн ​​км приходится на Африку, три четверти из которых грунтовые [Central Intelligence Agency (CIA), 2013]. Во всем мире с 2000 г. было построено 12 млн км дорог с твердым покрытием, а к 2050 г. планируется построить еще 25 млн км дорог (Dulac, 2013), многие из которых запланированы для Африки. Поэтому было бы логично выделить ресурсы для изучения исследований «до и после» в свете многих из этих грунтовых дорог, предназначенных для модернизации (Dulac, 2013), с учетом других изменений, связанных с мощением, таких как увеличение интенсивности движения и скорости транспортных средств. . Мы нашли несколько исследований, в которых измерялась интенсивность движения и/или скорость транспортных средств (но см. Mouhoub Sayah et al., 2009).; Collinson et al., 2014), и в свете расширения дорог и, как следствие, увеличения интенсивности движения, мы рекомендуем, чтобы будущие исследования включали в себя исследования по мониторингу дорожного движения для получения исходных оценок и отслеживания изменений с течением времени.

В последнее десятилетие мы обнаружили смещение фокуса исследований по всему континенту с распределения видов на изменение ландшафта (например, Maeda et al., 2010; Nortjé et al., 2016), особенно в Центральной Африке (например, Лапорт и др., 2007; Кляйншрот и др., 2016). Это неудивительно, учитывая, что в последние годы этот регион Африки был признан «зоной конфликта» (Laurance et al., 2014a), с высокими экологическими издержками, связанными с развитием инфраструктуры или будущими последствиями изменения климата (Laurance et al., 2014а). Кроме того, в последние годы стало известно, что распространение чужеродных и инвазивных растений, особенно на обочинах дорог (например, Kalwij et al. , 2008; Foxcroft et al., 2011), является косвенной угрозой для дорог, особенно в Южной Африке.

Преступления против дикой природы за последние несколько десятилетий стали предметом международного внимания и беспокойства (Wilson-Wilde, 2010), поскольку дороги способствуют незаконной деятельности, такой как браконьерство (Laurance et al., 2014b). Мы обнаружили, что в 18% публикаций приводились свидетельства того, что дороги способствуют браконьерству (например, Maisels et al., 2013; Shaffer and Bishop, 2016). Эти исследования проводились конкретно в Восточной (например, Jones et al., 2009; Kimanzi et al., 2015) и Центральной Африке (например, Wilkie et al., 2000; Haurez et al., 2013), и они в основном были сосредоточены на млекопитающих. , такие как африканский слон (Maingi et al., 2012; Shaffer and Bishop, 2016), лесной слон (Blake et al., 2007; Maisels et al., 2013), горилла западной низменности (Stokes et al., 2010; Haurez et al., 2013) и наземного панголина Темминка ( Smutsia temminckii , Pietersen et al. , 2011). Поскольку многие из этих видов классифицируются как находящиеся под угрозой исчезновения (IUCN, 2018a), а ежегодные оценки ущерба от преступлений против дикой природы составляют от 10 до 20 миллиардов долларов США во всем мире (Wilson-Wilde, 2010), усилия исследований, предпринятых, особенно в этих регионах, , поддерживает необходимость понимания как среды обитания, так и видов, вызывающих озабоченность.

Борьба с угрозами

В одной трети публикаций содержались рекомендации по вмешательству в той или иной форме, основанные исключительно на данных из статьи, а в остальных публикациях рекомендации либо не содержались вовсе, либо давали слишком общие рекомендации, в которых пренебрегали предоставить доказательства, полученные непосредственно в ходе исследования. Стратегии вмешательства часто плохо описывались, в них отсутствовали оперативные рекомендации и теоретическое обоснование, а также измерение качества данных, которое распространено во многих дисциплинах (Salafsky et al. , 2002; Becker, 2005; Proctor et al., 2013). Совокупность некоторых концептуальных идей, представленных в статьях, хотя и выходит за рамки данной статьи, дает возможность для дальнейшего исследования.

Было очевидно, что смягчение воздействия дорог в Африке было либо незначительным, либо отсутствовало вообще, либо его еще предстоит изучить и опубликовать (но см. Le Brun, 2013; Donaldson and Cunneyworth, 2015; Weeks, 2015). Это резко контрастирует с более развитыми странами Северной Америки (например, Clevenger et al., 2001; Sielecki, 2001) и Европы (например, Seiler, 2003; van Vuurde and van der Grift, 2005), где были проведены буквально тысячи мероприятий. тестировались и публиковались с 1980-х годов (Rytwinski et al., 2016). Существует множество мер по смягчению негативного воздействия дорог во всем мире, некоторые из которых используют существующую инфраструктуру, такую ​​как ливневые стоки и водопропускные трубы под дорогами, чтобы помочь животным более безопасно переходить дороги и, таким образом, снизить гибель животных на дорогах (Rytwinski et al. , 2016). Есть только три африканских публикации по экологии дорог, в которых были протестированы меры по смягчению последствий, и поэтому они содержат тематические исследования структур, пересекающих дикие животные: две в Восточной Африке (Donaldson and Cunneyworth, 2015; Weeks, 2015) и одна в Южной Африке (Le Brun, 2013). ), хотя данные об эффективности этих мер не измерялись. Дальнейшее исследование в Южной Африке, которое не было включено в наш поиск литературы, является единственным известным нам исследованием в Южной Африке, в котором оценивалась эффективность смягчающих мер (Collinson et al., 2017). .

Несмотря на нехватку рекомендаций, основанных на фактических данных, большинство рекомендаций было получено из публикаций в Южной Африке, где была собрана большая часть эмпирических и концептуальных данных. Тогда возникает вопрос, почему до сих пор не применено смягчение последствий, а если да, то когда будут опубликованы результаты? Эти ограничения характерны не только для Африки, поскольку Rytwinski et al. (2016) заявляют, что в целом существует мало научно обоснованных исследований эффективности смягчения последствий. Кроме того, несмотря на свидетельства появления угроз для лесов Центральной Африки в результате промышленных рубок (Laporte et al., 2007) и, следовательно, объявленных «конфликтной зоной» (Laurance et al., 2014b), предложенные рекомендации девяти публикации (Malcolm and Ray, 2000; Blom et al., 2004; Blake et al., 2007, 2008; Clark et al., 2009).; Лоранс и др., 2009 г.; Эппс и др., 2015 г.; Kleinschroth et al., 2015, 2016) следует уделить первоочередное внимание реализации и оценке.

Выявление пробелов

В большинстве исследований собирались базовые подсчеты показателей дорожно-транспортных происшествий (например, Dean et al., 2006; Perony and Townsend, 2013) или представлялись концептуальные идеи (например, Zhang et al., 2006; Müller and Mburu, 2009). Это часто является общей чертой при проведении новых исследований внутри страны и исторически наблюдалось в более развитых странах, таких как Великобритания (Philcox et al. , 19).99) и Северной Америке (Caro et al., 2000), где исследования в области дорожной экологии впервые начались со сбора данных о дорожной смертности. Это очевидно в развивающихся странах за пределами африканского континента, которые стремятся сначала собрать эмпирические данные (например, Индия, Selvan et al., 2012; China, Yun et al., 2013), а затем перейти к применению и оценке мер по смягчению последствий, поскольку так обстоит дело с более развитыми странами (например, США, Ланген и др., 2009; Австралия, Тейлор и Голдингей, 2010).

Поскольку менее 20 % статей посвящены изучению отношения человека, общепризнано, что интеграция социальных наук в долгосрочные экологические исследования является безотлагательным приоритетом (Redman et al., 2004; Ingold and Palsson, 2013). ), не более того, когда дело доходит до понимания поведения водителя. Африка не одинока в этом ограниченном понимании, и только в последнее десятилетие были предприняты глобальные исследования для изучения этой интеграции (Lester, 2015; Grace, 2017).

Несмотря на то, что было много рекомендаций, охватывающих три широкие категории CMP, были также пробелы в рекомендациях многих уровней классификации CMP, которые следует учитывать для будущих исследований, при условии, что они уместны. CMP Уровень B5 ( Средства к существованию, экономические и моральные стимулы ) не получил рекомендаций и, как фактор, направленный на предоставление более качественных продуктов и методов управления (B5.2), рыночные стимулы (B5.3), а также прямые экономические стимулы (B5.4), это будет критически важной областью для обеспечения «покупки на местном уровне» и устойчивого развития природоохранной деятельности, а также поддержки местных источников средств к существованию. Аналогично, CMP Уровень C9( Образование и обучение ) также не получил рекомендаций. В то время как повышение осведомленности (CMP B3) «затронуло» образование, оно не было определено как формальное обучение школьников или оказание технической помощи проектным группам (McKinney, 2002).

Не все рекомендации всегда выполнимы из-за бюджетных ограничений или неадекватных оценок воздействия на окружающую среду (ОВОС), проведенных на этапе планирования и проектирования (Langan, 2015). Поэтому для этого требуется участие соответствующих экспертов в процессах ОВОС (Fischer, 2007). Это также требует от правительств признания негативного воздействия дорог на биоразнообразие и преимуществ их устранения. Также очень важно быть прагматичными в нашем понимании того, какие воздействия можно успешно смягчить, а какие нет, и поэтому их всегда следует избегать на этапах планирования и разработки проектов. Это непростая задача на континенте, который борется за улучшение своих социально-экономических условий и где сохранение природы часто отходит на второй план (Сейр, 1999). Создание централизованных хранилищ данных об экологии дорог, рабочих групп, таких как Транспортная рабочая группа МСОП (IUCN, 2018b), и платформ взаимодействия с африканскими инвесторами в инфраструктуру заложили бы основу для устранения критических угроз.

Выводы

Несмотря на широко распространенное мнение о нехватке публикаций по экологии дорог в Африке (Collinson, 2013; Collinson et al., 2015; Kioko et al., 2015; Bennett, 2017), наш литературный поиск выявил удивительно большой количество исследований. В последнее десятилетие мировое внимание и озабоченность переключились на Африку, поскольку улучшение стабильности, изобилие ресурсов и увеличение иностранных инвестиций во многие африканские страны стимулировали экономический рост (Taylor, 2014) и расширение дорог (Африканский банк развития, Африканский союз и Организация Объединенных Наций). Экономическая комиссия ООН для Африки, 2016 г.).

Европейская комиссия взяла на себя обязательство оказывать африканским странам финансовую поддержку для содействия искоренению бедности и более широкому достижению ЦУР Организации Объединенных Наций. Согласно Лоренсу и соавт. (2015b), расширение и модернизация дорожной сети в Африке вполне может улучшить социально-экономическую ситуацию на континенте, но негативные последствия для окружающей среды могут спровоцировать экологический кризис. ОВОС предназначены для выявления потенциальных рисков и обязательств инфраструктурных проектов, а также для минимизации таких рисков с помощью соответствующих мер по смягчению и компенсации. Однако многие считают, что ОВОС слишком скоротечны для определения фактических экологических издержек новых инфраструктурных проектов (Laurance and Arrea, 2017), а кумулятивное воздействие дорог может привести к негативным косвенным последствиям, таким как фрагментация среды обитания (Jaeger, 2015). .

Несмотря на то, что наши результаты поиска показали больше исследований, чем ожидалось, это не означает, что было сделано достаточно. По-прежнему существует острая необходимость в хорошо спланированных базовых исследованиях дорожной экологии в Африке по широкому кругу тем. Количество и тип рекомендаций, изложенных в исследованиях с использованием Классификации действий по сохранению открытых стандартов, выдвигает на первый план многие области, которые либо не изучались, либо изучались ограниченно. Например, в гораздо большем количестве работ упоминается дикая природа, и лишь немногие из них касаются таких областей, как загрязнение (Inchaouh et al., 2017; Megido et al., 2017), биологические вторжения или бездорожье (см. рис. 6, 7). Кроме того, в то время как в некоторых работах описывалось поведение животных на дорогах (например, избегание дорог, кормление вблизи дорог; Bortolamiol et al., 2016), более широкий поиск, включающий дополнительные термины, в частности «поведение», скорее всего, приведет к дальнейшим результатам, связанным с экологией дорог. исследования (например, Shepard et al., 2008; Neumann et al., 2012). Наше исследование подчеркнуло необходимость ускоренного изучения воздействия дорог и соответствующих мер по смягчению последствий, а также принятия рекомендаций, сделанных в африканских публикациях по экологии дорог, чтобы меры по смягчению применялись и тщательно оценивались. Мы также выступаем за проведение подробного обзора процесса ОВОС для различных африканских стран с упором на качество предлагаемых линейных инфраструктурных проектов, при этом инвесторы проекта должны выделять больше ресурсов на более надежные экологические оценки с конкретными рекомендациями и решениями.

Вклад авторов

WC, HD-M, LR и RR: концептуализация проекта, анализ данных и написание рукописи. WC и LR: сопоставление и очистка данных.

Конфликт интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.

Благодарности

Это исследование было инициировано Фондом охраны дикой природы, находящейся под угрозой исчезновения, организацией Ecology and Infrastructure International, Вантирна, Виктория, Австралия, и Школой биологических наук Университета Мельбурна. Спасибо Ли Харрисону за поиск литературы.

Дополнительный материал

Дополнительный материал к этой статье можно найти в Интернете по адресу: https://www.frontiersin.org/articles/10.3389/fevo.2019.00479/full#supplementary-material

Ссылки

Комиссия Африканского союза ( 2015). Повестка дня на 2063 год. Комиссия Африканского союза . Доступно в Интернете по адресу: http://www.un.org/en/africa/osaa/peace/agenda2063.shtml (по состоянию на 19 июля 2018 г.).

Google Scholar

Акерт, Дж. (2015). Риски для экологических систем из-за гидроразрыва пласта в Нама-Кару, Южная Африка (магистерская диссертация). Управление дикой природой в Центре управления дикой природой факультета естественных и сельскохозяйственных наук Университета Претории, Южная Африка.

Google Scholar

Ансара, Т. (2008). Определение экологического состояния и возможного антропогенного воздействия на популяцию травяной совы (Tyto capensis) в Ист-Рэнд-Хайвелде, Гаутенг (Докторская диссертация). Университет Йоханнесбурга, Южная Африка.

Google Scholar

Ансонг, М., и Пикеринг, К. (2013). Сорняки путешествуют автостопом на вашей машине? Систематический обзор рассеивания семян на автомобилях. PLoS ONE 8:e80275. doi: 10.1371/journal.pone.0080275

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Арчибальд С. , Рой Д. П., ван Вильген Б. В. и Скоулз Р. Дж. (2009). Что ограничивает огонь? Обследование водителей гари в Южной Африке. Глобальные изменения биол. 15, 613–630. doi: 10.1111/j.1365-2486.2008.01754.x

Полный текст CrossRef | Google Scholar

Ascensão, F., Mata, C., Malo, J.E., Ruiz-Capillas, P., Silva, C., Silva, A.P., et al. (2016). Распутать причины эффекта дорожного барьера у мелких млекопитающих через генетические закономерности. PLoS ONE 11:e0151500. doi: 10.1371/journal.pone.0151500

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Обревиль, А. (2015). В поисках леса в Кот-д’Ивуаре, части 1 и 2. Буа Фор. Тропики 323, 71–102. doi: 10.19182/bft2015.323.a31247

Полный текст CrossRef | Google Scholar

Аванге, Дж. Л., и Обера, Б. (2007). Автомобили: представляют ли они новые угрозы для озера Виктория и его окружающей среды? Вода Воздух Почва Загрязнение. 182, 43–56. doi: 10.1007/s11270-006-9319-3

Полный текст CrossRef | Google Scholar

Беккер, Т. Е. (2005). Возможные проблемы статистического контроля переменных в организационных исследованиях: качественный анализ с рекомендациями. Орг. Рез. Методы 8, 274–289. doi: 10.1177/10

021

Полный текст CrossRef | Google Scholar

Беннетт, В. Дж. (2017). Влияние плотности и рисунка дорог на сохранение видов и биоразнообразия. Курс. Ландск. Эколог. Респ. 2, 1–11. doi: 10.1007/s40823-017-0020-6

Полный текст CrossRef | Google Scholar

Блейк С., Дим С. Л., Стриндберг С., Майзельс Ф., Момонт Л., Исия И. Б. и др. (2008). Бездорожная дикая местность определяет перемещения лесных слонов в бассейне реки Конго. PLoS ONE 3:e3546. doi: 10.1371/journal.pone.0003546

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Блейк С., Стриндберг С., Буджан П., Макомбо К., Била-Исия И., Иламбу О. и др. (2007). Кризис лесных слонов в бассейне Конго. ПЛОС Биол. 5:e111. doi: 10.1371/journal.pbio.0050111

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Блом, А. , Ван Залинге, Р., Хейткениг, И. М., и Принс, Х. Х. (2005). Факторы, влияющие на распространение крупных млекопитающих в охраняемых лесах Центральной Африки. Орикс 39, 381–388. doi: 10.1017/S0030605305001080

Полный текст CrossRef | Google Scholar

Блом, А., Ван Залинг, Р., Мбеа, Э., Хейткениг, И. М., и Принс, Х. Х. (2004). Воздействие человека на популяции диких животных в охраняемом лесу Центральной Африки. фр. Дж. Экол. 42, 23–31. doi: 10.1111/j.0141-6707.2004.00441.x

Полный текст CrossRef | Google Scholar

Бортоламиол С., Коэн М., Жигет Ф., Пеннек Ф., Сегуя А. и Криф С. (2016). Шимпанзе не избегает гиперблизости к человеку. Дж. Управление дикой природой. 80, 924–934. doi: 10.1002/jwmg.1072

Полный текст CrossRef | Google Scholar

Кэмерон К. Н., Рид П., Морган Д. Б., Ондзие А. И., Санц К. М., Кюль Х. С. и др. (2016). Пространственная и временная динамика смертности среди человекообразных обезьян Центральной Африки. PLoS ONE 11:e0154505. doi: 10.1371/journal.pone.0154505

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Каро, Т. (2015). Дороги через национальные парки: успешный пример. Троп. Консерв. науч. 8, 1009–1016. doi: 10.1177/1

2800411

CrossRef Full Text | Google Scholar

Каро, Т. М., Шаргель, Дж. А., и Стоунер, С. Дж. (2000). Частота гибели млекопитающих среднего размера на дорогах в сельскохозяйственном ландшафте Калифорнии. 900:52 утра. Средний Нац. 144, 362–369. doi: 10.1674/0003-0031(2000)144[0362:FOMSMR]2.0.CO;2

CrossRef Full Text | Google Scholar

Центральное разведывательное управление (ЦРУ) (2013). Транспорт: Мир . Доступно в Интернете по адресу: https://www.cia.gov/library/publications/the-world-factbook/geos/xx.html (по состоянию на 19 июля 2018 г.).

Google Scholar

Чен Х.Л. и Копровски Дж.Л. (2016). Барьерное воздействие дорог на находящийся под угрозой исчезновения лесной облигат: влияние движения транспорта, краев дорог и просветов. Биол. Консерв. 199, 33–40. doi: 10.1016/j.biocon.2016.03.017

Полный текст CrossRef | Google Scholar

Кристи Т., Штайнингер М. К., Юн Д. и Пил А. (2007). Фрагментация и вырубка лесов Либерии в 1986-2000 гг. Орикс 41, 539–543. doi: 10.1017/S0030605307000609

Полный текст CrossRef | Google Scholar

CIESIN (Центр международной информационной сети по наукам о Земле Колумбийского университета), ITOS (Информационные технологии, Университет Джорджии). (2013). Набор данных открытого доступа Global Roads, версия 1 (gROADSv1). Палисейдс, Нью-Йорк: Центр социально-экономических данных и приложений НАСА (SEDAC) . Доступно в Интернете по адресу: https://doi.org/10.7927/h5VD6WCT (по состоянию на 31 августа 2018 г.).

Google Scholar

Кларк С. Дж., Поулсен Дж. Р., Малонга Р. и Элкан П. У. младший (2009). Концессии на лесозаготовки могут расширить заповедную зону тропических лесов Центральной Африки. Консерв. биол. 23, 1281–1293. дои: 10.1111/j.1523-1739.2009.01243.x

Реферат PubMed | Полный текст перекрестной ссылки | Google Scholar

Клевенджер А. П., Хрущ Б. и Гансон К. Э. (2001). Смягчающие ограждения на автомагистралях уменьшают количество столкновений диких животных с транспортными средствами. Дикий. соц. Бык. 29, 646–653. doi: 10.2307/3784191

Полный текст CrossRef | Google Scholar

Коллинсон, В. Дж. (2013). Стандартизированный протокол для обнаружения дорожно-транспортных происшествий и детерминанты дорожно-транспортных происшествий в трансграничном заповеднике Большой Мапунгубве, провинция Лимпопо, Южная Африка (магистерская диссертация). Родосский университет, Грэмстаун, ЮАР.

Google Scholar

Коллинсон В. Дж., Дэвис-Мостерт Х. Т. и Дэвис-Мостерт В. (2017). Влияние водопропускных труб и придорожных ограждений на уровень дорожно-транспортной гибели мелких наземных позвоночных в северной части Лимпопо, Южная Африка. Консерв. Эвид. 14, 39–43. Доступно в Интернете по адресу: http://hdl.handle.net/2263/63340

Google Scholar

Collinson, W.J., Parker, D.M., Bernard, R.T., Reilly, B.K., and Davies-Mostert, H.T. (2014). Дорожно-транспортные происшествия с дикой природой: стандартизированный протокол подсчета уплощенной фауны. Экол. Эвол. 4, 3060–3071. doi: 10.1002/ece3.1097

Полный текст CrossRef | Google Scholar

Коллинсон В. Дж., Рейли Б. К., Паркер Д. М., Бернард Р. Т. и Дэвис-Мостерт Х. Т. (2015). Инвентаризация позвоночных животных, погибших на дорогах, в приграничном заповеднике Мапунгубве, Южная Африка. фр. Дж. Уайлдл. Рез. 45, 301–311. doi: 10.3957/056.045.0301

CrossRef Полный текст | Google Scholar

Партнерство по охране природы (2016a). Классификация действий по сохранению открытых стандартов, версия 2.0. Вашингтон, округ Колумбия: CMP: Партнерство по сохранению.

Google Scholar

Партнерство по охране природы (2016b). Классификация природоохранных действий и угроз. Версия 2.0 . Доступно в Интернете по адресу: http://cmp-openstandards.org/tools/threats-and-actions-taxonomies/ (по состоянию на 6 марта 2018 г.).

Google Scholar

Дин, В. Р. Дж., и Милтон, С. Дж. (2000). Направленное распространение видов Opuntia в Кару, Южная Африка: виноваты ли вороны? J. Засушливая среда. 45, 305–314. doi: 10.1006/jare.2000.0652

Полный текст CrossRef | Google Scholar

Дин В. Р. Дж., Милтон С. Дж. и Андерсон М. Д. (2006). Пестрые и капские вороны используют дорожную добычу и придорожную растительность в полузасушливой Южной Африке. Страус J. Afr. Орнитол. 77, 102–104. doi: 10.2989/0030652060

16

CrossRef Full Text | Google Scholar

Дональдсон А. и Канниворт П. (2015). «Пример из практики: навесные мосты для сохранения приматов», в Handbook of Road Ecology , под ред. Р. ван дер Ри, Д. Дж. Смита и К. Грило (Чичестер, Великобритания: John Wiley & Sons, Ltd., 341–343.

Google Scholar

Drews, C. (1995). Убийство животных на дорогах общественного транспорта в Национальном парке Микуми, Танзания, с примечаниями о смертности бабуинов Afr. J. Ecol. 33, 89–100.

CrossRef Full Text | Google Scholar

Дюлак, Дж. (2013 г.) Глобальные требования к инфраструктуре наземного транспорта. Париж: Международное энергетическое агентство . Доступно в Интернете по адресу: http://www.slocat.net/sites/default/files/transportinfrastructureinsights.pdf (по состоянию на 3 августа 2019 г.).

Google Scholar

Эдвардс Д. П., Слоан С., Венг Л., Диркс П., Сэйер Дж. и Лоранс В. Ф. (2014). Горное дело и окружающая среда Африки. Консерв. лат. 7, 302–311. doi: 10.1111/conl.12076

Полный текст CrossRef | Google Scholar

Эппс К.В., Новак К. и Мутайоба Б. (2015). «Неогороженные заповедники, беспрецедентное биоразнообразие и быстро меняющийся ландшафт: дороги и дикая природа в Восточной Африке», в Справочник по экологии дорог , под редакцией Р. ван дер Ри, Д. Дж. Смита и К. Грило (Чичестер, Великобритания: John Wiley & Sons, Ltd., 448–454.

Google Scholar

Fischer, TB (2007) Теория и практика стратегической экологической оценки — на пути к более систематическому подходу Лондон: Routledge

Google Scholar

Форман Р. Т. и Александр Л. Е. (1998) Дороги и их основные экологические последствия Ann. Rev. Экологическая система 29, 207–231 doi: 10.1146/annurev.ecolsys.29.1.207

Полнотекстовая перекрестная ссылка | Google Scholar

Foxcroft, L.C., Jarošík, V., Pyšek, P., Richardson, D.M., and Rouget, M. (2011). Границы заповедных территорий как фильтры инвазий растений. Консерв. биол. 25, 400–405. doi: 10.1111/j.1523-1739.2010.01617.x

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Грейс, М. (2017). Поведение людей и диких животных по отношению к дорогам: советы по смягчению последствий и управлению (докторская диссертация). Университет Флориды, США . Доступно в Интернете по адресу: https://stars.library.ucf.edu/etd/5375 (по состоянию на 3 августа 2019 г.).

Google Scholar

Хаас, А. Дж. (2011). Коридоры дикой природы как средство, позволяющее проходу мигрирующих животных в Национальном парке Серенгети, Танзания: политическая рекомендация (Диссертация старшего специалиста). Департамент наук об окружающей среде, Колледж Аллегейни, Мидвилл, Пенсильвания, США.

Google Scholar

Хаурес, Б., Петре, К.А., и Дусе, Дж.Л. (2013). Воздействие лесозаготовок и охоты на популяции западной низменной гориллы (Gorilla gorilla gorilla) и последствия для лесовосстановления. Обзор. Биотехнология. Агрон. соц. Окружающая среда. 17, 364–372. Доступно в Интернете по адресу: http://hdl.handle.net/2268/152211

Google Scholar

Hayward, M.W. (2009). Охота на диких животных в заповедниках Двеса и Квебе, Восточный Кейп, Южная Африка. фр. Дж. Защита дикой природы. 39, 70–85. doi: 10.3957/056.039.0108

Полный текст CrossRef | Google Scholar

Хикс, Т.С., Россинг, П., и Менкен, С.Б. (2012). Реакции шимпанзе Bili-U ele на человека в зависимости от их удаленности от дорог и деревень. 900:52 утра. Дж. Приматол. 74, 721–733. doi: 10.1002/ajp.22023

Полный текст CrossRef | Google Scholar

Иншау М., Тахири М. и Аббуби Б. Э. Дж. Р. (2017). Состояние качества атмосферного воздуха в городе Марракеш (Марокко) за период 2009–2012 гг. Междунар. Дж. Геомейт 12, 99–106. doi: 10.21660/2017.29.1254

CrossRef Полный текст | Google Scholar

Ингольд Т. и Палссон Г. (ред.). (2013). Биосоциальные становления: интеграция социальной и биологической антропологии . Кембридж: Издательство Кембриджского университета.

Google Scholar

IUCN (2018a). Красный список исчезающих видов МСОП. Версия 2018-1 . Доступно в Интернете по адресу: http://www.iucnredlist.org (по состоянию на 19 июля 2018 г. ).

Google Scholar

МСОП (2018b). Группа специалистов по сохранению связи . Доступно в Интернете по адресу: https://www.iucn.org/commissions/world-commission-protected-areas/our-work/connectivity-conservation (по состоянию на 8 ноября 2018 г.).

Google Scholar

Jaeger, JAG (2015). «Улучшение оценки воздействия на окружающую среду и планирования дорог в ландшафтном масштабе», в Справочник по экологии дорог , редакторы Р. ван дер Ри, Д. Дж. Смит и К. Грило (Чичестер, Великобритания: John Wiley & Sons, Ltd., 32). –42.

Google Scholar

Jones, T., Caro, T., and Davenport, T. R. B. (2009). Коридоры дикой природы в Танзании . Аруша: Танзанийский научно-исследовательский институт дикой природы (TAWIRI).

Google Scholar 9.0008

Kalwij, JM, Milton, SJ, и McGeoch, MA (2008). Дороги граничат как коридоры вторжения? Пространственный иерархический тест в засушливой экосистеме. Ландск. Экол. 23, 439–451. doi: 10. 1007/s10980-008-9201-3

CrossRef Полный текст | Google Scholar

Киманзи, Дж. К., Сандерсон, Р. А., Раштон, С. П., и Муго, М. Дж. (2015). Пространственное распределение ловушек в национальном парке Рума, Кения, с последствиями для управления чалой антилопой Hippotragus equinus лангхельди и другие дикие животные. Орикс 49, 295–302. doi: 10.1017/S0030605313000689

Полный текст CrossRef | Google Scholar

Киоко Дж., Киффнер К., Дженкинс Н. и Коллинсон В. Дж. (2015). Случаи гибели диких животных на крупной автомагистрали в северной Танзании. фр. Зоол. 50, 17–22. doi: 10.1080/15627020.2015.

1

CrossRef Full Text | Google Scholar

Кляйншрот Ф., Гурле-Флери С., Сист П., Мортье Ф. и Хили Дж. Р. (2015). Наследие лесовозных дорог в бассейне реки Конго: насколько устойчивы шрамы в лесном покрове? Экосфера 6, 1–17. doi: 10.1890/ES14-00488.1

CrossRef Полный текст | Google Scholar

Кляйншрот Ф., Хили Дж. Р., Сист П., Мортье Ф. и Гурле-Флери С. (2016). Насколько стойким является воздействие лесовозных дорог на лесную растительность Центральной Африки? J. Appl. Экол. 53, 1127–1137. doi: 10.1111/1365-2664.12661

Полный текст CrossRef | Google Scholar

Ланган, М. (2015). Бюджетная поддержка и отношения между Африкой и Европейским союзом: реформа свободного рынка и неоколониализм? Евро. Дж. Междунар. Относ. 21, 101–121. doi: 10.1177/1354066113516813

Полный текст CrossRef | Google Scholar

Ланген Т.А., Огден К.М. и Швартинг Л.Л. (2009). Прогнозирование горячих точек дорожной гибели герпетофауны вдоль сетей автомобильных дорог. Дж. Вильдл. Управлять. 73, 104–114. doi: 10.2193/2008-017

Полный текст CrossRef | Google Scholar

ЛаПойнт С., Балкенхол Н., Хейл Дж., Сэдлер Дж. и ван дер Ри Р. (2015). Исследование экологической связности в городских районах. Функц. Экол. 29, 868–878. doi: 10.1111/1365-2435.12489

Полный текст CrossRef | Google Scholar

Лапорт, Н. Т., Стабах, Дж. А., Грош, Р., Лин, Т. С., и Гетц, С. Дж. (2007). Расширение промышленных лесозаготовок в Центральной Африке. Наука 316, 1451–1451. doi: 10.1126/science.1141057

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Лоранс В.Ф. и Арреа И.Б. (2017). Пути к богатству или разорению? Наука 358, 442–444. doi: 10.1126/science.aao0312

Полнотекстовая перекрестная ссылка | Google Scholar

Лоранс В.Ф., Клементс Г.Р., Слоан С., О’Коннелл К.С., Мюллер Н.Д., Гусем М. и др. (2014а). Глобальная стратегия дорожного строительства. Природа 513, 229–232. doi: 10.1038/nature13717

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Лоранс В.Ф., Гусем М. и Лоранс С.Г. (2009). Воздействие дорог и линейных вырубок на тропические леса. Тренды Экол. Эвол. 24, 659–669. doi: 10.1016/j.tree.2009.06.009

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Лоранс В. Ф., Пелетье-Джеллема А., Гинен Б., Костер Х., Вервей П., Ван Дейк П. и др. (2015б). Снижение глобального воздействия на окружающую среду быстрого расширения инфраструктуры. Курс. биол. 25, 259–262. doi: 10.1016/j.cub.2015.02.050

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Лоранс В.Ф., Сэйер Дж. и Кассман К.Г. (2014b). Сельскохозяйственная экспансия и ее воздействие на тропическую природу. Тренды Экол. Эвол. 29, 107–116. doi: 10.1016/j.tree.2013.12.001

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Лоранс В. Ф., Слоан С., Венг Л. и Сэйер Дж. А. (2015a). Оценка экологических издержек огромных «коридоров развития» Африки. Курс. биол. 25, 3202–3208. doi: 10.1016/j.cub.2015.10.046

Полный текст CrossRef | Google Scholar

Le Brun, RG (2013). Модели миграции западной леопардовой жабы Amietophrynus pantherinus с барьером и без него в Нордхуке, Кейптаун (дипломная работа BTech). Технологический университет Кейп-Пенисула Кейптаун, Южная Африка.

Google Scholar

Лестер, Д. (2015). Эффективное предотвращение дорожно-транспортных происшествий с дикими животными. J. Дорожный транспорт. англ. 3, 42–51. doi: 10.17265/2328-2142/2015.01.005

Полный текст CrossRef | Google Scholar

Маэда Э. Э., Кларк Б. Дж., Пелликка П. и Силжандер М. (2010). Моделирование сельскохозяйственной экспансии в очаге биоразнообразия Восточных дуговых гор Кении. Сельскохозяйственный. Сист. 103, 609–620. doi: 10.1016/j.agsy.2010.07.004

Полный текст CrossRef | Google Scholar

Махмуд М. И., Слоан С., Кэмпбелл М. Дж., Аламгир М., Имонг И., Одига О. и др. (2017). Альтернативные маршруты для предлагаемой супермагистрали в Нигерии, чтобы ограничить ущерб редким экосистемам и дикой природе. Троп. Консерв. науч. 10:1

29274. doi: 10.1177/1

29274

Полный текст CrossRef | Google Scholar

Майнги, Дж. К. , Мукека, Дж. М., Кьяле, Д. М., и Муася, Р. М. (2012). Пространственно-временные закономерности браконьерской охоты на слонов на юго-востоке Кении. Дикий. Рез. 39, 234–249. doi: 10.1071/WR11017

Полный текст CrossRef | Google Scholar

Maisels, F., Strindberg, S., Blake, S., Wittemyer, G., Hart, J., Williamson, E.A., et al. (2013). Разрушительное сокращение численности лесных слонов в Центральной Африке. PLoS ONE 8:e59469. doi: 10.1371/journal.pone.0059469

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Малкольм Дж. Р. и Рэй Дж. К. (2000). Влияние маршрутов добычи древесины на сообщества мелких млекопитающих Центральной Африки, структуру леса и разнообразие деревьев. Консерв. биол. 14, 1623–1638. doi: 10.1111/j.1523-1739.2000.

.x

Полный текст CrossRef | Google Scholar

McKinney, ML (2002). Урбанизация, биоразнообразие и сохранение. Воздействие урбанизации на местные виды изучено плохо, но информирование высокоурбанизированного населения об этих воздействиях может значительно улучшить сохранение видов во всех экосистемах. Биологические науки 52, 883–890. doi: 10.1641/0006-3568(2002)052[0883:UBAC]2.0.CO;2

Полнотекстовая перекрестная ссылка | Google Scholar

Мегидо Л., Неграл Л., Кастрильон Л., Фернандес-Нава Ю., Суарес-Пенья Б. и Мараньон Э. (2017). Влияние вторичного неорганического аэрозоля и дорожного движения на загородный пост мониторинга качества воздуха. Дж. Окружающая среда. Управлять. 189, 36–45. doi: 10.1016/j.jenvman.2016.12.032

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Мканда, Ф. К., и Чанса, В. (2011). Изменения во временном и пространственном характере дорожно-транспортных происшествий вдоль реки Лусака-Монгу (M9) шоссе, Национальный парк Кафуэ, Замбия. фр. Дж. Уайлдл. Рез. 41, 68–79. doi: 10.3957/056.041.0114

CrossRef Полный текст | Google Scholar

Мухуб Сая, К., Робин, Дж. П., Певе, П., Монеке, С., Доуманджи, С., и Сабуро, М. (2009). Дорожная гибель алжирского ежа ( Atelerix algirus ) в долине Сумам (Алжир). Экологическое обозрение 64, 145–156 . Доступно в Интернете по адресу: http://documents.irevues.inist.fr/handle/2042/55783

Google Scholar

Мюллер Д. и Мбуру Дж. (2009). Прогнозирование горячих точек вырубки леса в лесу Какамега, Западная Кения. Для. Экол. Управлять. 257, 968–977. doi: 10.1016/j.foreco.2008.10.032

CrossRef Полный текст | Google Scholar

Ндибалема В.Г., Мдума С., Стокке С. и Рёскафт Э. (2008). Взаимосвязь между дорожной пылью и плотностью копытных в национальном парке Серенгети, Танзания. фр. Дж. Экол. 46, 547–555. doi: 10.1111/j.1365-2028.2007.00898.x

Полнотекстовая перекрестная ссылка | Google Scholar

Нейманн В., Эрикссон Г., Деттки Х., Буннефельд Н., Кеулер Н. С., Хелмерс Д. П. и др. (2012). Различие в пространственно-временных закономерностях пересечения дорог дикими животными и столкновений диких животных с транспортными средствами. Биол. Консерв. 145, 70–78. doi: 10.1016/j.biocon.2011. 10.011

CrossRef Полный текст | Google Scholar

Nortjé, G.P., Hoven, WV, Laker, M.C., Jordaan, JC, and Louw, M.A. (2016). Количественная оценка воздействия движения по бездорожью на распределение площади корней в почве. фр. Дж. Уайлдл. Рез. 46, 33–49. doi: 10.3957/056.046.0033

Полный текст CrossRef | Google Scholar

Нортье, Г. П., Ван Ховен, В., и Лейкер, М. К. (2012). Факторы, влияющие на воздействие движения по бездорожью на почву в районе национального парка Крюгера, Южная Африка. Окружающая среда. Управлять. 50, 1164–1176. doi: 10.1007/s00267-012-9954-y

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

О’Фаррелл, П.Дж., и Милтон, С.Дж. (2006). Сообщества растений на обочинах дорог и пастбищ в южной части Кару: изучение того, что влияет на разнообразие, доминирование и покров. Биодайверы. Консерв. 15, 921–938. doi: 10.1007/s10531-004-3102-9

Полный текст CrossRef | Google Scholar

Olson, D. M., Dinerstein, E., Wikramanayake, E.D., Burgess, N.D., Powell, G.V., Underwood, E.C., et al. (2001). Наземные экорегионы мира: новая карта жизни на Земле. Новая глобальная карта наземных экорегионов представляет собой инновационный инструмент для сохранения биоразнообразия . BioScience , 51, 933–938. doi: 10.1641/0006-3568(2001)051[0933:TEOTWA]2.0.CO;2

Полнотекстовая перекрестная ссылка | Google Scholar

Олуватайо, И. Б., и Оджо, А. О. (2018). Хождение по канату: проблема экономического роста и бедности в Африке. Дж. Дев. Районы 52, 59–69. doi: 10.1353/jda.2018.0004

Полный текст CrossRef | Google Scholar

Перони, Н., и Таунсенд, С. В. (2013). Почему сурикат перешел дорогу? Гибкая адаптация филогенетически старых поведенческих стратегий к современным угрозам. PLoS ONE 8:e52834. doi: 10.1371/journal.pone.0052834

Реферат PubMed | Полный текст перекрестной ссылки | Google Scholar

Филкокс С.К., Гроган А.Л. и Макдональд Д. В. (1999). Модели смертности выдр Lutra lutra на дорогах в Великобритании. J. Appl. Экол. 36, 748–761. doi: 10.1046/j.1365-2664.1999.00441.x

Полный текст CrossRef | Google Scholar

Питерсен Д. В., Маккечни А. Э. и Янсен Р. (2011). Обзор антропогенных угроз, с которыми сталкивается наземный панголин Темминка, Smutsia temminckii , на юге Африки. фр. Дж. Уайлдл. Рез. 44, 167–179. doi: 10.3957/056.044.0209

CrossRef Полный текст | Google Scholar

Полицер, П. (2008). Китай и Африка: крепкие экономические связи означают большую миграцию. Источник информации о миграции . Доступно в Интернете по адресу: https://www.migrationpolicy.org/article/china-and-africa-stronger-economic-ties-mean-more-migration/ (по состоянию на 19 июля 2018 г.).

Google Scholar

Проктор Э. К., Пауэлл Б. Дж. и Макмиллен Дж. К. (2013). Стратегии реализации: рекомендации по определению и отчетности. Орудие. науч. 8:139. doi: 10.1186/1748-5908-8-139

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

R Core Team (2018). R: Язык и среда для статистических вычислений. Вена: R Foundation for Statistical Computing . Доступно в Интернете по адресу: https://www.R-project.org (по состоянию на 8 ноября 2018 г.).

Google Scholar

Рахлао, С.Дж., Милтон, С.Дж., Эслер, К.Дж., и Барнард, П. (2010). Распространение инвазивных Pennisetum setaceum по обочинам дорог в западной части Южной Африки: роль транспортных развязок. Сорняк Res. 50, 537–543. doi: 10.1111/j.1365-3180.2010.00801.x

Полный текст CrossRef | Google Scholar

Redman, C.L., Grove, JM, and Kuby, L.H. (2004). Интеграция социальных наук в сеть долгосрочных экологических исследований (LTER): социальные аспекты экологических изменений и экологические аспекты социальных изменений. Экосистемы 7, 161–171. doi: 10.1007/s10021-003-0215-z

Полнотекстовая перекрестная ссылка | Google Scholar

Ритвински Т., Соунс К., Джагер Дж. А., Фариг Л., Финдли К. С., Хулахан Дж. и др. (2016). Насколько эффективны меры по снижению дорожно-транспортных происшествий? Метаанализ. PLoS ONE 11:e0166941. doi: 10.1371/journal.pone.0166941

Полный текст CrossRef | Google Scholar

Салафски Н., Марголуис Р., Редфорд К. Х. и Робинсон Дж. Г. (2002). Улучшение практики сохранения: концептуальная основа и программа исследований в области науки о сохранении. Консерв. биол. 16, 1469–1479. doi: 10.1046/j.1523-1739.2002.01232.x

Полный текст CrossRef | Google Scholar

Sayre, AP (1999). Африка, книги двадцать первого века . Брукфилд, Висконсин: Брукфилд.

Google Scholar

Зайлер, А. (2003). Пространственные модели для прогнозирования столкновений лосей и транспортных средств в Швеции: автомобильные потери: дикая природа и дороги в Швеции (докторская диссертация, докторская диссертация). Департамент биологии сохранения, SLU, Уппсала, Швеция.

Google Scholar

Селван К.М., Шридхаран Н. и Джон С. (2012). Убийство животных на национальных автомагистралях штата Карнатака, Индия. Дж. Экол. Нац. Окружающая среда. 4, 363–365. doi: 10.5897/JENE11.068

Полный текст CrossRef | Google Scholar

Сео, К., Торн, Дж. Х., Чой, Т., Квон, Х., и Парк, С. Х. (2015). Распутывание дорожно-транспортных происшествий: влияние ландшафта и времени года на совокупную смертность позвоночных в Южной Корее. Земли. Экол. англ. 11, 87–99. doi: 10.1007/s11355-013-0239-2

CrossRef Full Text | Google Scholar

Шаффер, М. Дж., и Бишоп, Дж. А. (2016). Прогнозирование и предотвращение случаев браконьерства на слонов с помощью статистического анализа, анализа рисков на основе ГИС и моделирования траекторий полета с воздуха. Троп. Консерв. науч. 9, 525–548. doi: 10.1177/1

2

7

Полный текст CrossRef | Google Scholar

Шепард Д. Б., Кунс А. Р., Дреслик М. Дж. и Филлипс К. А. (2008). Дороги как барьеры для передвижения животных в фрагментированных ландшафтах. Аним. Консерв. 11, 288–296. doi: 10.1111/j.1469-1795.2008. 00183.x

Полный текст CrossRef | Google Scholar

Sielecki, LE (2001). «Оценка эффективности установок по смягчению последствий несчастных случаев с дикой природой с помощью Системы оповещения об авариях в дикой природе (WARS) в Британской Колумбии», в Proceedings of the International Conference on Ecology and Transportation , eds C.L. Irwin, P. Garret, and K.P. McDermott (Raleigh, Северная Каролина: Государственный университет Северной Каролины, 473–489..

Google Scholar

Слоан С., Берцки Б. и Лоранс В. Ф. (2017). Африканские коридоры развития пересекают ключевые охраняемые районы. фр. Дж. Экол . 55, 731–737. doi: 10.1111/aje.12377

Полный текст CrossRef | Google Scholar

Son, S.W., Kil, S.H., Yun, YJ, Yoon, J.H., Jeon, H.J., Son, Y.H., et al. (2016). Анализ факторов, влияющих на возникновение дорожно-транспортных происшествий — тематическое исследование национального парка Сорак. J. Korean Inst. Ландск. Архит. 44, 1–12. doi: 10.9715/KILA.2016.44.3.001

Полный текст CrossRef | Google Scholar

Стоукс Э. Дж., Стриндберг С., Бакабана П. К., Элкан П. В., Айенгет Ф. К., Мадзоке Б. и др. (2010). Мониторинг численности человекообразных обезьян и слонов в больших пространственных масштабах: измерение эффективности природоохранного ландшафта. PLoS ONE 5:e10294. doi: 10.1371/journal.pone.0010294

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Тейлор, Б. Д., и Голдингей, Р. Л. (2010). Дороги и дикая природа: воздействие, смягчение последствий и последствия для управления дикой природой в Австралии. Дикий. Рез. 37, 320–331. doi: 10.1071/WR09171

Полный текст CrossRef | Google Scholar

Тейлор, И. (2014). Африканский подъем: диверсификация зависимости от БРИКС . Саффолк: Boydell and Brewer Ltd.

Google Scholar

The African Development Bank Group (2010). Программа развития инфраструктуры в Африке (PIDA) . Доступно в Интернете по адресу: https://www.afdb.org/en/topics-and-sectors/initiatives-partnerships/programme-for-infrastructure-development-in-africa-pida/ (по состоянию на 19 июля)., 2018).

Google Scholar

Африканский банк развития Африканский союз Экономическая комиссия ООН для Африки. (2016). Предложена сеть трансафриканских автомагистралей стоимостью 32 миллиарда долларов. Конференция Корпоративного совета Африки по американо-африканской инфраструктуре 2016 года по созданию голубой экономики, которая пройдет с 16 по 18 октября 2016 года в Новом Орлеане. Получено с: https://www.panafricanvisions.com/2016/32-billion-trans-african-highway-network-proposed/ (по состоянию на 19 июля 2018 г.).

Google Scholar

Томпкинс, А. М., Капорасо, Л., Бионди, Р., и Белл, Дж. П. (2015). Обобщенный генератор сценариев обезлесения и изменения землепользования для использования в исследованиях по моделированию климата. PLoS ONE 10:e0136154. doi: 10.1371/journal. pone.0136154

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

ПРООН (2018). Программы развития ООН. Отчет о человеческом развитии . Доступно в Интернете по адресу: http://hdr.undp.org/en/content/human-development-index-hdi (по состоянию на 30 мая 2019 г.).).

Google Scholar

Организация Объединенных Наций (2011). Государства-члены . Доступно в Интернете по адресу: http://www.un.org/en/member-states/index.html (по состоянию на июль 2018 г.).

Google Scholar

Отдел народонаселения Департамента ООН по экономическим и социальным вопросам (2017). Перспективы народонаселения мира: пересмотренный вариант 2017 г., основные выводы и предварительные таблицы . Рабочий документ № ESA/P/WP/248. Нью-Йорк, штат Нью-Йорк.

Google Scholar

Статистический отдел ООН (2017). Стандартные коды стран или регионов для статистического использования (M49) — онлайн-версия . Доступно в Интернете по адресу: https://unstats. un.org/unsd/methodology/m49/ (по состоянию на 24 октября 2017 г.).

Google Scholar

Ван Дер Ри, Р., Смит, Д. Дж., и Грило, К. (2015). Справочник по дорожной экологии. Чичестер, Великобритания: John Wiley & Sons.

Google Scholar

Ван Никерк, А., и Элофф, П. Дж. (2005). Дичь, заборы и дорожно-транспортные происшествия: пространственные закономерности в Восточной Капской провинции. Южная Африка Дж. Уайлдл. Рез. 35, 125–130. Доступно в Интернете по адресу: https://www.ingentaconnect.com/content/sabinet/wild/2005/00000035/00000002/art00003

Google Scholar

Van Vliet, N., and Nasi, R. (2008). Распределение млекопитающих в районе концессии на лесозаготовки в Центральной Африке. Биодайверы. Консерв. 17, 1241–1249. doi: 10.1007/s10531-007-9300-5

Полный текст CrossRef | Google Scholar

ван Вурде, М. Р., и ван дер Грифт, Э. А. (2005). Влияние атрибутов ландшафта на использование мелких подземных переходов для диких животных лаской (Mustela nivalis) и горностаем (Mustela erminea). Лутра 48, 91–108 . Доступно в Интернете по адресу: https://core.ac.uk/download/pdf/2

60.pdf

Google Scholar

Вантомм, Х., Коловски, Дж., Корте, Л., и Алонсо, А. (2013) . Распространение сообщества млекопитающих по отношению к дорогам и другим нарушениям человека в Габоне, Центральная Африка. Консерв. биол. 27, 281–291. doi: 10.1111/cobi.12017

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Ware, HE, McClure, CJ, Carlisle, JD, and Barber, JR (2015). Эксперимент с фантомной дорогой показывает, что транспортный шум является невидимым источником деградации среды обитания. Проц. Натл. акад. науч. США 112, 12105–12109. doi: 10.1073/pnas.1504710112

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Уотсон Ф.Г., Беккер М.С., Миланзи Дж. и Ньиренда М. (2015). Вторжение человека в сети охраняемых территорий в Замбии: последствия для сохранения крупных хищников. Рег. Окружающая среда. Изменить 15, 415–429. doi: 10.1007/s10113-014-0629-5

CrossRef Full Text | Google Scholar

недели, С. (2015). «Пример из практики: слоновий коридор и подземный переход на горе Кения», в Handbook of Road Ecology , под ред. Р. ван дер Ри, Д. Дж. Смита и К. Грило (Чичестер, Великобритания: John Wiley and Sons, Ltd.), 353.

Google Scholar

Wilkie, D., Shaw, Э., Ротберг Ф., Морелли Г. и Озель П. (2000). Дороги, развитие и сохранение в бассейне Конго. Консерв. биол. 14, 1614–1622. doi: 10.1111/j.1523-1739.2000.

.x

Полный текст CrossRef | Google Scholar

Уилсон-Уайлд, Л. (2010). Преступления против дикой природы: глобальная проблема. Судебная экспертиза. Мед. Патол. 6, 221–222. doi: 10.1007/s12024-010-9167-8

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Всемирный банк (2018a). Меморандум о взаимопонимании (MoU), подписанный Всемирным банком, Международной автомобильной федерацией (FIA) и Международным транспортным форумом (ITF) в 2018 году. Первая африканская обсерватория, занимающаяся кризисом безопасности дорожного движения на континенте . Доступно на сайте: http://www.worldbank.org/en/news/press-release/2018/05/23/first-african-observatory-to-tackle-the-continents-road-safety-crisis (по состоянию на июль 19, 2018).

Google Scholar

Всемирный банк (2018b). Наземные охраняемые территории (% от общей площади суши) . Доступно в Интернете по адресу: https://data.worldbank.org/indicator/ER.LND.PTLD.ZS (по состоянию на 8 ноября 2018 г.).

Google Scholar

Yun, W, Piao, ZJ, Lei, G, Wang, XY, Kong, YP, and Jiding, C. (2013). Смертность позвоночных животных на кольцевой дороге Чанбайшань, провинция Цзилинь, Китай. Северо-Запад. Дж. Зул. 9, 399–409. Доступно в Интернете по адресу: http://biozoojournals.ro/nwjz/content/v9n2/nwjz.131517.Wang.pdf

Google Scholar

Zhang, Q., Justice, C. O., Jiang, M., Brunner, J., и Уилки, Д.С. (2006). Основанная на ГИС оценка уязвимости и будущих масштабов тропических лесов бассейна реки Конго. Окружающая среда. Монит. Оценивать. 114, 107–121. doi: 10.1007/s10661-006-2015-3

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Статистика по провинциям, по процентам католиков [католическая иерархия]

2051 Сандомир, Седльце

0 8

373

52

Гливице

3

0030 1 891

2

7 555

1 373 32

7

904

1004

170

. 0032

3 90

032

.

1

989

.

2 2

3 90 352 13 452

15030

#	Catholics	Population	Percent Catholic	Province	Dioceses	Suffragans	Diocesan Priests	Religious Priests	Total Priests	Permanent Deacons	Male Religious	Female Religious	Parishes
1	249 000	250 000	99,60%	Ористано, Италия	2	Алес-Терральба	173	35	208	11	39	463	142
2	615,000	619,000	99.35%	Potenza-Muro Lucano-Marsico Nuovo, Italy	6	Acerenza, Matera-Irsina, Melfi-Rapolla-Venosa, Tricarico, Tursi-Lagonegro	337	86	423	35	101	556	270
3	727,000	732,000	99. 32%	Messina-Lipari-Santa Lucia del Mela, Italy	3	Nicosia, Patti	419	110	529	62	184	699	368
4	527 000	531 000	99,25%	Sassari, Италия	4	Alghero-Bosa, Ozieri, Tempio-Ampurias	Alghero-Bosa, Ozieri, Tempio-Ampurias	.0030 280	106	386	8	118	565	199
5	1,065,000	1,075,000	99.07%	Lecce, Italy	5	Brindisi-Ostuni, Nard-Gallipoli, Otranto, Ugento-Santa Maria di Leuca	569	152	721	50	179	1 066	330
6	400 000	404,000	99. 01%	Chieti-Vasto, Italy	2	Lanciano-Ortona	188	112	300	17	128	492	200
7	585,000	591,000	98.98%	Catanzaro-Squillace, Italy	3	Crotone-Santa Severina, Lamezia Terme	295	81	376	60	108	426	262
8	1,897,000	1,918,000	98.91%	Przemysl, Poland	3	Rzeszw, Zamosc-Lubaczw	1,719	311	2,030		394	1,683	788
9	1 072 000	1 085 000	98,80%	Катания, Италия	3	2 Ачионереал0032	487	223	710	53	293	1 102	321
10	930,000	943,000	98. 62%	Trento, Italy	2	Bolzano-Bressanone {Bozen-Brixen}	826	477	1,303	29	622	1 424	734
11	344 000	349 000	98.57%	Campobasso-Boiano, Italy	4	Isernia-Venafro, Termoli-Larino, Trivento	247	61	308	25	97	322	227
12	666 000	676 000	98,52%	Беневенто, Италия	6	Ариано Ирпино-Ледония, Авеллино, Сертере-Сант-Сант-Сант-Сан-Сан-Сан-Сан-Сан-Сан-Сан-Сан-Сан-Сан-Сан-Сан-Сан-Сан-Сан-Сан. Ломбарди-Конца-Нуско-Бисачча	375	190	565	33	271	718	318
13	672,000	683,000	98. 39%	Foggia-Bovino, Italy	5	Cerignola-Ascoli Satriano, Lucera-Troia, Manfredonia-Vieste-San Giovanni Rotondo, San Severo	323	172	495	29	200	707	214
14	477,000	485,000	98.35%	Perugia-Citt della Pieve, Italy	5	Assisi-Nocera Umbra-Gualdo Tadino, Citt di Castello, Foligno, Gubbio	358	252	610	39	372	1 190	355
15	1 778 000	1 810 000	98,23%	Толедо, Испания	5	Albacet0032	1 266	237	1 503	4	477	2 833	1 430
16	719,000	732,000	98. 22%	Cosenza-Bisignano, Italy	4	Cassano all’Jonio, Rossano-Cariati, San Marco Argentano-Scalea	368	137	505	35	159	860	289
17	704,000	717,000	98.19%	Taranto, Italy	3	Castellaneta, Oria	249	150	399	25	179	627	164
18	1,093,000	1,114,000	98.11%	Mrida-Badajoz, Spain	3	Coria-Cceres, Plasencia	604	85	689	1	149	1 573	578
19	466,000	475,000	98.11%	Ancona-Osimo, Italy	5	Fabriano-Matelica, Jesi, Loreto, Senigallia	276	190	466	24	225	668	233
20	300 000	306 000	98,04%	Л’Акуила, Италия	3	Авеццано, Сульмона-Вальва	255	99	354	8	114	560	321
21	834,000	851,000	98. 00%	Agrigento, Italy	3	Caltanissetta, Piazza Armerina	436	112	548	44	134	781	325
22	873 000	891,000	97.98%	Pisa, Italy	5	Livorno, Massa Carrara-Pontremoli, Pescia, Volterra	480	180	660	61	198	1,224	589
23	478,000	488,000	97.95%	Udine, Italy	1	(none)	367	90	457	16	115	757	373
24	1,446,000	1,480,000	97.70%	Bologna, Italy	4	Faenza-Modigliana, Ferrara-Comacchio, Imola	802	381	1,183	105	458	1 651	782
25	2 541 000	2 603 000	97,62%	Люблин, Польша	3	2 103	337	2 440		557	1 445	732
26	1,145,000	1,173,000	97. 61%	Salerno-Campagna-Acerno, Italy	6	Amalfi-Cava de’ Tirreni, Nocera Inferiore-Sarno, Santissima Trinit di Cava de’ Tirreni, Teggiano -Поликастро, Валло-делла-Лукания	498	249	747	98	271	942	515
27	4,157 000	4,259 000	97,61%	Napoli {Naples}, Italy	13	Acerra, Alife-Caiaza, Austaa, а, austaa, viSaia, а-а. SS.mo Rosario, Pozzuoli, Sessa Aurunca, Sorrento-Castellammare di Stabia, Teano-Calvi	1 417	811	2 228	294	986
28	687,000	704,000	97.59%	Fermo, Italy	5	Ascoli Piceno, Camerino-San Severino Marche, Macerata-Tolentino-Recanati-Cingoli-Treia, San Benedetto del Tronto-Ripatransone -Montalto	571	245	816	30	302	931	409
29	2 540 000	2 604 000	97,54%	Czestochowa, Poland	3	Radom, Sosnowiec	1,603	315	1,918		419	18		419	1392		419	1,9132273	419	1		419	1,918
30	546 000	560 000	97,50%	Siena-Colle di val d’Elsa-montalcino, Italy	5	Grosseto, Massa-Marittima-PiLin-PiLian-PiLin-PiLian-PiLiano-Piliano-Piliano-Piliano-Piliano-Piliano-Piliano-Piliano-Pilian -Орбетелло	346	114	460	16	131	561	360
31	532,000	546,000	97. 44%	Pescara-Penne, Italy	2	Teramo-Atri	252	135	387	27	145	566	313
32	719 000	738 000	97,43%	Сиракузы, Италия	3	Ното, Рагуза	310	91	401	29	120	324 736
33	1,127,000	1,157,000	97.41%	Vercelli, Italy	5	Alessandria (della Paglia), Biella, Casale Monferrato, Novara	817	244	1,061	73	322	2 111	767
34	1,110,000	1,140,000	97.37%	Zaragoza, Spain	5	Barbastro-Monzn, Huesca, Tarazona, Teruel y Albarracn	778	360	1,138		624	2 507	1 149
35	396 000	407 000	97,30%	Туам, Ирландия	6	Achonry, Clonfert, Elphin, Galway and Kilmachhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhh. .0032	436	87	523		139	878	201
36	1,646,000	1,693,000	97.22%	Bari-Bitonto, Italy	6	Altamura-Gravina-Acquaviva delle Fonti, Andria, Conversano-Monopoli, Molfetta-Ruvo-Giovinazzo-Terlizzi, Trani -Барлетта-Биселье (-Назарет)	638	325	963	115	457	1 544	355
37	2,295,000	2,365,000	97.04%	Poznan, Poland	2	Kalisz	1,249	340	1,589		689	1,825	700
38	295,000	304,000	97.04%	Pesaro, Italy	3	Fano-Fossombrone-Cagli-Pergola, Urbino-Urbania-Sant’Angelo in Vado	238	81	319	19	89	405	182
39	1,759,000	1,814,000	96. 97%	Genova, Italy	7	Albenga-Imperia, Chiavari, La Spezia-Sarzana-Brugnato, Savona-Noli, Tortona, Ventimiglia-San Remo	1 070	611	1 681	91	735	3 487	1 250
40	859,000	886,000	96.95%	Cagliari, Italy	4	Iglesias, Lanusei, Nuoro	395	154	549	44	193	1,020	277
41	1 688 000	1 741 000	96,96%	Модена-Нонантола, Италия	6	Carpi, Fidenza, Parmaio-gvio-halia-balia-balia-balia-balia-balia-balia-balia-balia-gliaia-glio-glio-glio-glio-glio-glio-b0032	1 092	304	1 396	165	400	1 899	1 408
42	2,136,000	2,205,000	96. 87%	Oviedo, Spain	4	Astorga, Len, Santander	1,324	499	1,823	2	786	3,020	3277
43	4 847 000	5 008 000	96.79%	Venezia, Italy	10	Adria-Rovigo, Belluno-Feltre, Chioggia, Concordia-Pordenone, Padova, Treviso, Verona, Vicenza, Vittorio Veneto	3,662	1,523	5,185	149	2 136	9 615	2 271
44	1 642 000	1,701 000	96,53%	Палермо, Италия	5	CEFAL, Mazara Del Vallo, MonreaL0032	542	467	1 009	34	587	2 140	515
45	966 000	1 001 000	96,50%	Кашель (-Emly), Ирландия	7	CLOYN	1 202		519	2 332	377
46	835,000	866,000	96. 42%	Sherbrooke, Qubec, Canada	3	Nicolet, Saint-Hyacinthe	465	208	673	74	579	2,241	293
47	1 641 000	1,702 000	96,42%	Qubec, Qubec, Канада	4	Chicoutimi, Sainte-anne-de-la-la-pocatire.0030 458	1 343	171	988	4 821	438
48	4,181,000	4,344,000	96.25%	Krakw {Cracow}, Poland	4	Biełsko-Zywiec, Kielce, Tarnw	3,356	1,257	4,613		2,361	4 919	1 556
49	1 593 000	1 656 000	96,20%	Warmia, Польша	3	ELBLąG, EłK	889	228	1,117		328	526	561 328	526	561 561 361 328	526	561 36113
50	2,064,000	2,146,000	96. 18%	Łdż, Poland	2	Łowicz	878	192	1,070		417	1,045	375
51	735 000	765,000	96.08%	Reggio Calabria-Bova, Italy	4	Locri-Gerace (-Santa Maria di Polsi), Mileto-Nicotera-Tropea, Oppido Mamertina-Palmi	364	129	493	44	158	1 055	405
52	1,787,000	1,868,000	95.66%	Firenze {Florence}, Italy	6	Arezzo-Cortona-Sansepolcro, Fiesole, Pistoia, Prato, San Miniato	1 104	502	1 606	108	623	3 114	1 116
53	8 598 000	8 999 000	95,54%	Milano {Milan}, Italy	10	Bergamo, Brescia, Cremavavav, Manti, Manti	, Manti, Manti, Manti, Manti, Manti, Manti, Manti. 1 644	7 049	118	2 284	14 154	3 069
54	900,000	943,000	95.44%	Ravenna-Cervia, Italy	5	Cesena-Sarsina, Forli-Bertinoro, Rimini, San Marino-Montefeltro	587	168	755	47	203	1 090	522
55	3 197 000	3 350 000	95,43%	Катовице, Польша	391	2 282		537	1 990	862
56	1,942,000	2,035,000	95.43%	Cuzco, Peru	4	Abancay, Chuquibambilla, Sicuani	170	91	261	4	149	545	176
57	3 306 000	3 466 000	95,38%	Warszawa {Warsaw}, Poland	3	Płock, Warszawa-Praga	1,667	686	2,353		1,237	4,003	613
58	368,000	386,000	95. 34%	Malta	2	Gozo	481	455	936		550	1,073	79
59	3 262 000	3,429,000	95.13%	Torino {Turin}, Italy	12	Acqui, Alba, Aosta, Asti, Cuneo, Fossano, Ivrea, Mondovi, Pinerolo, Saluzzo, Susa	1,779	979	2,758	182	1 593	6 587	1 472
60	2 592 000	2 730 000	94,95%	Сантьяго де Компостела, Spain	5	Lugo, Mondoedo-Orens0032	1 784	316	2 100	5	590	2 453	3 626
61	317,000	334,000	94.91%	Rimouski, Qubec, Canada	3	Baie-Comeau, Gasp	186	33	219	20	76	886	220
62	1 778 000	1 874 000	94. 88%	Cuenca, Ecuador	4	Azogues, Loja, Machala	205	93	298	8	187	674	215
63	4,429,000	4,687,000	94.50%	Granada, Spain	6	Almera, Cartagena (en Espaa), Guadix, Jan, Mlaga	1,407	467	1,874	17	788	4 618	1 299
64	1,234,000	1,306,000	94.49%	Valladolid, Spain	6	Avila, Ciudad Rodrigo, Salamanca, Segovia, Zamora	1,059	527	1,586	9	1,091	3 574	1 694
65	2 327 000	2 463 000	94,48%	Гданьск, Польша	3	Пельплин, Торунь	1 368	372	1 740		454	1 232	677
66	5 857 000	6 212 000	94,29%	Sevilla {Seville}, Spain	7	Cdiz yiz yiz yis yus yzeraias, huella, huela, halvia, huela, huela, huela, huela, huela, huella, huella, huella, huella, huella, huella, huella, huella, huella, huella, huella. де Ла Лагуна о Тенерифе	1 398	722	2 120	72	1 182	5 975	1 453
67	10 615 000	11 278 000	94.12%	Buenos Aires, Argentina	12	Avellaneda-Lans, Gregorio Deaferere Deaferer, Lomore Deaferer, Merse-Morere, Merse-Morore, Merse-Morore, Merse-Morere, Leferere, Leferere, Leferere, Leferere, Leferere, Leafer. Maronite), San Isidro, San Justo, San Martn, San Miguel, Santa Mara del Patrocinio en Buenos Aires (украинский)	961	756	1,717	222	1 427	3 110	591
68	399,000	424,000	94.10%	Gorizia, Italy	2	Trieste	217	90	307	20	104	554	150
69	1,491,000	1,586,000	94. 01%	Pamplona y Tudela, Spain	4	Calahorra y La Calzada-Logroo, Jaca, San Sebastin	1 099	858	1 957	3	1 336	4 652	1 432
70	4,546,000	4,843,000	93.87%	Caceres (Nueva Caceres), Philippines	7	Daet, Legazpi, Libmanan, Masbate, Sorsogon, Virac	482	92	574		231	510	223
71	12 302 000	13,109,000	93.84%	Guadalajara, Jalisco, Mxico	9	Aguascalientes, Autln, Ciudad Guzmn, Colima, Jess Mara (del Nayar), San Juan de los Lagos, Tepic, Zacatecas	2,252	446	2 698	4	1 040	5 188	892
72	2 989 000	3 190 000	93,70%	Щецин-Камен, Польша	2051 Кошалин-Колобжег, Зелена Гра-Гожу	1 400	387	1 787		409	716
73	7,089,000	7,570,000	93. 65%	Puebla de los Angeles, Puebla, Mxico	5	Huajuapan de Len, Huejutla, Tehuacn, Tlaxcala	819	150	969	1	252	1 810	475
74	3,106,000	3,318,000	93.61%	Wrocław {Breslavia}, Poland	3	Legnica, Swidnica	1,573	501	2,074		633	2,089	888
75	548,000	586,000	93.52%	Malabo, Equatorial Guinea	3	Bata, Ebebiyin	64	45	109	2	93	208	68
76	2,123,000	2,272,000	93.44%	Tarragona, Spain	7	Girona, Lleida, Solsona, Tortosa, Urgell, Vic	1,004	192	1,196	20	405	2 674	1 653
77	4 649 000	4 986 000	93,24%	Braga, Portugal	9	Aveiro, Bragana-Miranda, Coimbra, Lamego, Porto, Viana do Castelo, Vila Real, Viseu	1,769	441	2,210	66	656	2,832	2,728
78	4,035,000	4,330,000	93. 19%	Guayaquil, Ecuador	2	Babahoyo	189	100	289	26	133	536	214
79	888,000	954,000	93.08%	Coro, Venezuela	2	Punto Fijo	59	14	73	9	23	75	55
80	1,216 000	1,307 000	93,04%	Клермонт, Франция	4	Ле Пуи-Эн-Лайт, Moulins, Saint-Flour	Le Puy-En-Velay, Moulins, Saint-Flour	Le Puy-En-Velay, Moulins, Saint-Flour	.0030 574	35	609	52	243	1 236	1 126
81	5,324 000	5,731 000	92,90%	ROMA {Rome}, Italy	20	, ANAGNI-ALATRIAVINE, vivINIAVIAVIAVIAVIAVINA, vistia, vistia, vistiavia, vistiavia, vistiavia, vistiavia, vistiavia, vistiavia, vistiavia, vistiavia, visti-viselan. , Фраскати, Фрозиноне-Вероли-Ферентино, Гаэта, Латина-Террачина-Сецце-Приверно, Монтекассино, Палестрина, Порто-Санта-Руфина, Риети (-С. Сальваторе Маджоре), Сабина-Поджо Миртето, Санта-Мария-ди-Гроттаферрата, Сора-Акино -Понтекорво, Субиако, Тиволи, Веллетри-Сеньи, Витербо	2 966	4 557	7 523	232	6 915	27 153	1 448
82	233,000	251,000	92.83%	Gatineau, Qubec, Canada	3	Amos, Mont-Laurier, Rouyn-Noranda	80	34	114		52	249	148
83	3 375 000	3 662 000	92.16%	Piura, Peru	5	Chachapoyas, Chiclayo, Chota, Chulucanas	211	72	283	2	91	448	149
84	5,186 000	5,628 000	92. 15%	Asuncin, Paraguay	12	Benjamn Aceval, Caacup, Carapegu, Carapegu, Carapegu, Carapegu, Carapegu, Carapegu, Carapegu, Carapegu, Carapegu, Carapegu, Carapegue). Хуан Баутиста де лас Мисьонес, Сан-Лоренцо, Сан-Педро, Вильяррика-дель-Эсприту-Санто	326	750	1 076	105	1 034	2 085	315
85	15,538,000	16,882,000	92.04%	Mxico, Federal District	6	Atlacomulco, Cuernavaca, Toluca, Tula, Tulancingo	1,389	1,170	2,559	80	2,301	6 024	842
86	9,271,000	10,075,000	92.02%	San Luis Potos, San Lus Potos, Mxico	6	Celaya, Irapuato, Len, Matehuala, Quertaro	916	410	1,326	10	626	4 096	422
87	5,556,000	6,062,000	91. 65%	Barcelona, ​​Spain	3	Sant Feliu de Llobregat, Terrassa	1,055	673	1 728	56	1 159	4 085	695
88	1,005,000	1,097,000	91.61%	Paran, Argentina	3	Concordia, Gualeguaych	195	48	243		73	363	109
89	4 032 000	4 410 000	91,43%	Липа, Филиппины	5	Боак, Гумака, Инфанта, Лусена	307	40	347	1	129	40 3 207 10032	40
90	1,182,000	1,293,000	91.42%	San Juan de Cuyo, Argentina	3	La Rioja, San Luis	147	38	185	10	57	233	115
91	5,482,000	6,002,000	91. 34%	Durango, Durango, Mxico	5	Culiacn, El Salto, Mazatln, Torren	530	77	607	5	112	1,003	275
92	2 708 000	2 965 000	91,33%	Popayn, Colombia	5	Ipiales, Mocoa-Sibundoy, Pasto.0030 107	405	11	221	907	216
93	2,185 000	2,398 000	91,12%	Бесанон, Франс	6	Belfort-Montbiard, Nanner (-ttoul), Saint-Claude	Belfort-Montbiard, Nancy (-ttoul), Saint-Claude		.	1 175	86	147	1 858	1 106
94	3 756 000	4 124 000	91. 08%	Medelln, Colombia	5	Caldas, Girardota, Jeric, Sonsn-Rionegro	1,004	342	1,346	37	832	3,897	434
95	2630 000	2 892 000	90,94%	Teresina, Piaui, Brazil	7	Bom Do Gurgui, Campium, oe yeir,	7	Бом, Иисус do Gurgui, Campium, oe ye ye yeir,		Bom, Par.0032	58	234	6	64	350	149
96	1,865,000	2,053,000	90.84% ​​	Ciudad Bolvar, Venezuela	3	Ciudad Guayana, Maturn	48	48	96	4	63	205	72
97	1 860 000	2 048 000	90,82%	Бургос, Испания	5	Bilbao, Osma-Soria, Palencia, Vitoria	1,446	805	2,251	9	1,333	4,321	2,726
98	1,917,000	2,112,000	90. 77%	Salta, Argentina	6	Cafayate, Catamarca, Humahuaca, Jujuy, Orn	200	108	308	21	175	348	151
99	2,075,000	2,287,000	90.73%	Rosario, Argentina	3	San Nicols de los Arroyos, Venado Tuerto	268	105	373	8	195	357	217
100	1 704 000	1 880 000	90,64%	Portovejo, Ecuador	2	Santo Domingo de Los Colorados	2	Santo Domingo de Los Colorados	2	Santo Domingo de Los Colorados	2	.0032	120	72	192	1	91	356	133
101	2 768 000	3,063 000	90,37%	Crdoba, Argentina	6	Cruz Del Eje, Den Funce, San Francisc, Dela Dela Dela Dela Del Del Del Del Dela Dela Del Dela Del Del Dela Del Dela Del Dela Del Del Del Del Del Del Del Del Del Del Del Del Del Del Del Del Del Del Del Del Del Del Del Del Del Willing. 209	599	21	399	966	266
102	2,833,000	3,135,000	90.37%	Cuman, Venezuela	4	Barcelona, ​​Carpano, Margarita	112	35	147	7	43	164	125
103	5,108,000	5,656,000	90.31%	Madrid, Spain	3	Alcal de Henares, Getafe	1,731	1,978	3,709	19	3 415	8 626	692
104	4,639,000	5,145,000	90.17%	Valencia, Spain	6	Ibiza, Mallorca, Menorca, Orihuela-Alicante, Segorbe-Castelln de la Plana	1,618	1,056	2,674	11	1 336	6 262	1 205
105	6 839 000	7,590,000	90. 11%	Olinda e Recife, Pernambuco, Brazil	9	Afogados da Ingazeira, Caruaru, Floresta, Garanhuns, Nazar, Palmares, Pesqueira, Petrolina	285	197	482	25	319	834	277
106	1 401 000	1 556 000	90,04%	Дублин, Ирландия	4	FERNS, Kildare и Leighl0032	825	934	1 759		1 393	3 230	293
107	2,210,000	2,461,000	89.80%	Ibagu, Colombia	6	Espinal, Florencia, Garzn, Lbano-Honda, Neiva	399	46	445	15	75	545	263
108	1 669 000	1 862 000	89. 63%	Nueva Pamplona, ​​Colombia	5	Arauca, Ccuta, Ocaa, Tib	275	49	324	17	56	491	192
109	5,419,000	6,046,000	89.63%	Morelia, Michoacn, Mxico	4	Apatzingan, Tacmbaro, Zamora	874	154	1,028		285	2 228	435
110	1,263,000	1,410,000	89.57%	Santa Fe de la Vera Cruz, Argentina	3	Rafaela, Reconquista	175	40	215	26	56	371	144
111	2 883 000	3,226 000	89,37%	Arequipa, Peru	6	Ayaviri, Chuquipa, Juli, Puno, Puno, Puno, Puno, Puno, Puno, Puno, Puno, Puno, Puno, Puno, Puno, Puno, Puno, Puno, Puno, Puno, Puno, Puno, Puno, Puno, Puno, Puno, Puno, Puno. 0032	187	149	336	3	246	521	227
112	1,982,000	2,219,000	89.32%	Huancayo, Peru	3	Hunuco, Tarma	81	59	140	11	85	171	95
113	3 602 000	4 034 000	89,29%	Quito, Ecuador	7	Ambato, Guaranda, Ibarra, Latacunga, Riobamba, Tulcn	466	375	841	14	842	2,738	416
114	1,854,000	2,078,000	89.22%	Cochabamba, Bolivia	3	Aiquile, Oruro	116	189	305	22	432	832	123
115	2,721,000	3,053,000	89. 13%	Maracaibo, Venezuela	3	Cabimas, El Vigia-San Carlos del Zulia	134	63	197	10	92	323	121
116	6 401 000	7,191 000	89,01%	Hermosillo, Sonora, Mxico	5	Ciudada obreg, La Paz en la la la la la la baja raja raja laja en la la laja raja raja raja en la la0032	550	147	697	14	282	1 172	314
117	3,520,000	3,956,000	88.98%	Valencia en Venezuela	4	Maracay, Puerto Cabello, San Carlos de Venezuela	135	102	237	13	146	298	148
118	3 043 000	3,425,000	88. 85%	Mrida, Venezuela	4	Barinas, San Cristbal de Venezuela, Trujillo	330	136	466	25	237	579	240
119	764,000	860,000	88.84%	Villavicencio, Colombia	3	Granada en Colombia, San Jos del Guaviare	184	33	217	16	48	80	151
120	5,126 000	5,778 000	88,72%	Санто -Доминго, Доминиканский Республика	6	, Barahona, Nuestra Seora DeAn DeAn DeAn DeAn DeAn DeAn DeAn DeAn DeAn DeAn DeAn DeAn DeAn DeAn DeAn DeAn DeAn DeAn DeAn DeAn DeAn DeAn DeAn DeAn DeAn DeAn DeAn Deaan Deaan Deaan Deaan Deaan.	230	323	553	80	463	1 257	280
121	5 440 000	6 133 000	88,70%	Ренн (Дол, Сен-Мело), ​​Франция	9	Анже, Лаваль, Ле-Ман, Луон, Нант Бриёк (-Тргье), Ванн	3 087	485	3 572	225	1 371	10 159
122	5 481 000	6 193 000	88,50%	Себу, Филиппины	5	Думагете, Маасин, Тагбиларан, Талибон	648	324	972		716	1 2396 905
123	3,998,000	4,526,000	88. 33%	Lisboa, Portugal	8	Angra, Funchal, Guarda, Leiria-Ftima, Portalegre-Castelo Branco, Santarm, Setbal	1,028	458	1 486	58	682	2 769	1 309
124	21,764,000	24,637,000	88.34%	Tlalnepantla, Mxico, Mxico	6	Cuautitln, Ecatepec, Netzahualcyotl, Texcoco, Valle de Chalco	839	241	1,080	37	439	1 197	578
125	1 280 000	1 450 000	88,28%	Capiz, Филиппины	3	Калибо, Ромблон	172	3	175		5	224
126	10,830,000	12,290,000	88. 12%	Lima, Peru	8	Callao, Carabayllo, Chosica, Huacho, Ica, Lurn, Yauyos	402	674	1,076	36	1 664	2 463	348
127	3,920,000	4,456,000	87.97%	Cali, Colombia	5	Buenaventura, Buga, Cartago, Palmira	358	207	565	23	271	1,382	301
128	4 872 000	5 542 000	87,91%	Сан -Фернандо, Филиппины	4	BALANGA, IBAR, TARLAC	287 2	BALANGA, IBARLAC	287 2	, IBAR, IBARLAC		, IBA, IBARLAC		, IBA, IBARLAC		. 0032	314		64	322	178
129	2,056,000	2,341,000	87.83%	Bucaramanga, Colombia	5	Barrancabermeja, Mlaga-Soat, Socorro y San Gil, Vlez	374	79	453	20	139	1 003	232
130	3 982 000	4 538 000	87,75%	Cartagena, Colombia	5	Magangu, Montelibano, Montera, Sincelejo	244	68	312	3	78	571	267
131	1,144,000	1,306,000	87.60%	Białystok, Poland	3	Drohiczyn, Łomża	979	58	1,037		76	500	379
132	1,510 000	1 727 000	87,43%	Санта-Фе де Антиоваа, Колумбия	5	AATMAD, ISTMINA-TAD, CUIBD, SAISA, SAISA, DEOS	, ISTMINA-TAD, QUIBD, SAIPD, SAISA, DEOS	.	2	164	513	211
133	4 716 000	5,408 000	87,20%	Джаро, Филиппины	5	Bacolod, Kabankalan, San Carlos, San Jose Deak Dequ0032	381	122	503		250	767	229
134	10,717,000	12,292,000	87.19%	Monterrey, Nuevo Len, Mxico	9	Ciudad Valles, Ciudad Victoria, Linares, Matamoros, Nuevo Laredo, Piedras Negras, Saltillo, Tampico	858	274 ​​	1 132	28	471	1 398	472
135	4,327,000	4,968,000	87.10%	Chihuahua, Chihuahua, Mxico	6	Ciudad Jurez, Cuauhtmoc-Madera, Nuevo Casas Grandes, Parral, Tarahumara	284	115	399	37	155	633	197
136	1 302 000	1 495 000	87,09%	Тунха, Колумбия	2 5	2051 Chiquinquir, Duitama-Sogamoso, Garagoa, Yopal	368	58	426	6	104	467
137	1,438,000	1,660,000	86. 63%	Sucre, Bolivia	3	Potos, Tarija	119	75	194	7	104	410	144
138	2 951 000	3,414,000	86.44%	Paraba, Paraiba, Brazil	5	Cajazeiras, Campina Grande, Guarabira, Patos	206	68	274 ​​	28	112	512	181
139	17 738 000	20 585 000	86,17%	Манила, Филиппины	10	Антиполо, Кубин, IMUS, Калан, Мал -Айч, Парич.0032	867	886	1 753	4	3 208	4 262	552
140	1,834,000	2,134,000	85.94%	Tucumn, Argentina	4	Aatuya, Concepcin, Santiago del Estero	180	100	280	43	136	469	131
141	2 461 000	2 865 000	85. 90%	La Paz, Bolivia	4	Corocoro, Coroico, El Alto	116	124	240	40	193	498	139
142	3,967,000	4,633,000	85.62%	La Plata, Argentina	7	Azul, Chascoms, Mar del Plata, Nueve de Julio, Quilmes, Zrate-Campana	382	193	575	119	319	1 110	326
143	1,443 000	1 687 000	85,54%	Каскаув, Парана, Бразилия	4	Фоз Дой Игуау, Пальмис-Фрако-Фрако.	268	339	122
144	1 759 000	2 057 000	85,51%	Panam	7	Bocas del Toro, Chitr, Coln-Kuna Yala, David, Penonom, Santiago de Veraguas	202	183	385	68	254	420	184
145	770,000	901,000	85. 46%	vora, Portugal	3	Beja, Faro	168	64	232	21	77	395	355
146	2223 000	2 602 000	85,43%	Vitria Da Conquista, Baia, Brazil	5	BOM DA LAPA, CAETIT,	5	BOM DA LAPA, CAETIT,	5	BOM DA LAPA, CAETIT,	5	. 156	5	77	149	134
147	1 566 000	1 836 000	85,29%	Арачай, Сержипи, Бразилия	3	Estncia, Propri	101	19	120	1	35	314
148	1,325,000	1,555,000	85. 21%	Resistencia, Argentina	3	Formosa, San Roque de Presidencia Roque Senz Pea	72	73	145	28	100	311	80
149	644,000	756,000	85.19%	Split-Makarska, Croatia	5	Dubrovnik, Hvar (-Brac e Vis), Kotor, ibenik	329	282	611		317	913	395
150	1,767,000	2,081,000	84.91%	Mendoza, Argentina	3	Neuqun, San Rafael	194	120	314	42	155	382	143
151	2,962,000	3,490,000	84.87%	Palo, Philippines	5	Borongan, Calbayog, Catarman, Naval	283	32	315		71	271	146
152	1 863 000	2 195 000	84,87%	Поусо-Алегри, Минас-Жерайс, Бразилия	3	Кампанья, Гуаксуп	236	63	299		119	500
153	2,715,000	3,203,000	84. 76%	Reims, France	7	Amiens, Beauvais (-Noyon-Senlis), Chlons, Langres, Soissons (, Laon, e Saint-Quentin), Труа	721	85	806	105	188	1 187	337
154	4,015 000	4,737 000	84,76%	Feira de Santana, Baia, Brazil		Barra (Do Riose, Brareirase, Bonfime, Bonfime, Bonfime, Bonfime, Bonfime, Bonfime, Bonfime, Bonfime, Bonfime, Bonfime, Bonfime, Bonfime, Bonfime, Bonfime. Rui Barbosa), Serrinha	149	82	231	18	102	422	179
155	7 850 000	9 320 000	84,23%	Bogot, Colombia	7	Engativ, Facatativ, Fontibn, Girardot, Soacha, Zipaquir	744	1,014	1,758	65	2,202	4,690	516
156	3 644 000	4,332 000	84,12%	Trujillo, Peru	7	Cajamarca, Chimboet0032	3	195	596	209
157	3,750,000	4,460,000	84. 08%	Niteri, Rio de Janeiro, Brazil	4	Campos, Nova Friburgo, Petrpolis	231	119	350	32	219	666	185
158	2 409 000	2 871 000	83,91%	Куяб, Мату-Гросу, Бразилия	10	Barra do Garas, Diamantino, Guiratinga, Juna, Paranatinga, Rondonpolis, So Flix, So Luz de Cceres, Sinop	101	149	250	1	223	479	160
159	3,954 000	4 715 000	83,86%	Сан -Джос де Коста -Рика	8	Alajuela, Cartago, Ciudada, Limn,	Alajuela, Cartago, Ciudad, Limn, Limn, Limn, Limn, Pundilas, Limin, LIMNARENAS, LIMNILARS, LIMNARENAS, LIMNILARS, LIMNARENAS, LIMNARENAS, LIMNILARS, LIMNARINAS, LIMNARENAS, LIMNARINAS, LIMN. 0030 562	168	730	2	238	854	307
160	8,472,000	10,114,000	83.77%	Jalapa (Xalapa), Veracruz, Mxico	8	Coatzacoalcos, Crdoba, Orizaba, Papantla, San Andrs Tuxtla, Tuxpan, Veracruz	629	67	696	49	92	1 212	390
161	2,333,000	2,790,000	83.62%	Manizales, Colombia	4	Armenia, La Dorada-Guaduas, Pereira	494	90	584	58	211	943	266
162	4 871 000	5,826 000	83,61%	SO LUS DO MARANHO, BARASO, Brazil	12	, BACABAL, BRAS, BRAILINA, BRAINA, BRAINA, BRAINA, BRAINA, BRAINA, BRAIRINA, BRAIRINA, BRAIRINA, BRAIRINA, BRAIRINA, BRAINA, BRAILINA. Виана, Z-Дока	226	138	364	3	205	581	221
163	4,744,000	5,709,000	83.10%	Managua, Nicaragua	7	Esteli, Granada, Jinotega, Juigalpa, Len en Nicaragua, Matagalpa	266	111	377	9	184	938	246
164	1 036 000	1,257,000	82.42%	Calabozo, Venezuela	3	San Fernando de Apure, Valle de la Pascua	58	17	75	9	38	98	79
165	1,385,000	1,681,000	82.39%	Montes Claros, Minas Gerais, Brazil	4	Janaba, Januria, Paracatu	77	43	120	21	90	143	84
166	1,692,000	2,057,000	82. 26%	Kaunas, Lithuania	4	iauliai, Teliai (-Klaipeda), Vilkavikis	407	54	461	2	94	474	405
167	3 892 000	4 758 000	81,80%	Барранкилья, Колумбия	4	Риоача, Санта-Марта, Вальедупар	278	82	360	1	111 20932	40
168	2 773 000	3,391 000	81,78%	Botucatu, Sao Paulo, Brazil	8	ARAATUBA, ASSISIN3.9003.9003.	ARAATUBA, Assis, Borli	8	, ARAATUBA, Assis, Lins. 415	12	304	592	296
169	5,694,000	6,977,000	81. 61%	Acapulco, Guerrero, Mxico	5	Chilpancingo-Chilapa, Ciudad Altamirano, Ciudad Lzaro Crdenas, Tlapa	331	66	397	20	81	552	250
170	1 623 000	1 989 000	81,60%	Любляна, Словения	3	Копер, Марибор	844	293	1 137	8	369	30030 756
171	1,397,000	1,716,000	81.41%	Juiz de Fora, Minas Gerais, Brazil	3	Leopoldina, So Joo del Rei	161	89	250	1	151	281	180
172	842 000	1 035 000	81,35%	Форт-де-Франс (E Saint Pierre), Martinique, Antilles	3	Basse-Sterre (ET Puinte-Pitre), Cayenne), CANENNE), CANENNE), CANENNE), CANENNE), CANENNE), CANENNE), CANENNE), CANENNE), CANENNE), CANENNE). 88	61	149	19	75	418	115
173	1,899,000	2,339,000	81.19%	Baha Blanca, Argentina	7	Alto Valle del Ro Negro, Comodoro Rivadavia, Ro Gallegos, San Carlos de Bariloche, Santa Rosa, Viedma	146	164	310	24	193	491	190
174	1,308,000	1,614,000	81.04%	Dijon, France	5	Autun (-Chlon-sur-Sane-Mcon-Cluny), Mission de France o Pontigny, Nevers, Sens (- Осер)	556	136	692	76	337	1 028	983
175	2,657,000	3,281,000	80.98%	Barquisimeto, Venezuela	5	Acarigua-Araure, Carora, Guanare, San Felipe	196	72	268	19	96	442	173
176	21 036 000	25 993 000	80,93%	SO Paulo, Sao Paulo, Brazil	12	Campo Limpo, Caraguatatuba, Gustha, Maroga, Maroga, Maroga, Maroga, Maroga, Maroga, Maroga, Maroga, Daroga, Daroga, Daroga, Daroga, Maroga, Maroga, Maroga, Maroga Sooga. , Nossa Senhora do Paraso em So Paulo (Melkite), Osasco, Santo Amaro, Santo Andr, Santos, So Miguel Paulista	922	1 036	1 958	49	1 922	3 703	806
177	5,785,000	7,149,000	80.92%	Tegucigalpa, Honduras	8	Choluteca, Comayagua, Juticalpa, San Pedro Sula, Santa Rosa de Copn, Trujillo, Yoro	194	209	403	1	228	647	182
178	3,805,000	4,714,000	80.72%	Cagayan de Oro, Philippines	5	Butuan, Malaybalay, Surigao, Tandag	259	97	356		185	427	194
179	498 000	617 000	80,71%	Rijeka, Horatia	4	Gospic-Senj, KRK, Porec I Pula	2432	Gospic-Senj, KRK, Porec I Pula	2432		. 0030 98	341		141	318	360
180	2,490 000	3 086 000	80,69%	Сантьяго де Лос-Кабаллерос, Доминиканский Республика	5	LAVEGARSING3 9003	9.13 9203.	LAVEGARSING3 9003.	LAVEARSIN	295	242	148	388	241
181	6,092,000	7,563,000	80.55%	Fortaleza, Ceara, Brazil	9	Crates, Crato, Iguat, Itapipoca, Limoeiro do Norte, Quixad, Sobral, Tiangu	356	187	543	7	342	1 407	250
182	1 885 000	2,348 000	80,28%	Пуатер, Франция	5	Angoulme, La Rochelle (-saintes), Limoges, Tul	, La Rochelle (-saine), Limoges, Tul	, La Rochelle (-saine), Limoges, Limoges, Tul	. 0032	669	86	755	63	132	1 303	1 177
183	1 542 000	1 926 000	80,06%	Aparecida, Sao Paulo, Brazil		Lorena, SO JOS DOS CAMPOS		LORENA, SO JOS DOS CAMPOS		LORENA, SO JOS DOS CAMPOS		LORENA. 284	636	109
184	2 858 000	3,585,000	79.72%	Manaus, Amazonas, Brazil	11	Alto Solimes, Borba, Coari, Cruzeiro do Sul, Itacoatiara, Parintins, Rio Branco, Roraima, So Gabriel da Cachoeira, Tef	116	184	300	5	245	503	160
185	1 903 000	2,390 000	79,62%	Corrientes, Argentina	5	Goya, Posadas, Puerto Aguaz, Santo Tom	174	94	268	55	100	391	129
186	2,325,000	2,920,000	79.62%	Natal, Rio Grande do Norte, Brazil	3	Caic, Mossor	162	32	194	28	45	527	106
187	1 583 000	1 989 000	79.59%	Londrina, Parana, Brazil	4	Apucarana, Cornlio Procpio, Jacarezinho	203	116	319	89	156	442	195
188	1,020,000	1,282,000	79.56%	Palmas, Tocatins, Brazil	5	Cristalndia, Miracema do Tocantins, Porto Nacional, Tocantinpolis	91	35	126	7	84	206	88
189	681,000	857,000	79. 46%	La Serena, Chile	3	Copiap, Illapel	66	53	119	81	69	272	65
190	835 000	1 057 000	79,00%	Аякучо о Уаманга, Перу	Caravel, Huancavlica	80	20	100		27	198	95
191	3 663 000	4,646 000	78,84%	Curitiba, Parana, Brazil	6	Guarapuava, Paranagu, Pontiara’s grassa, emiita, emiita, emiita, emiita grastiara, uniitra, uniitra, uniitra, uniitra, uniitra, uniitra, uniitra, uniitra, uniitra, uniitra, 210032	564	783	95	1 138	2 083	293
192	2,505 000	3,201 000	78,26%	Руан, Франция	6	BAYEUX (-Lisieux), Coutances (-avranches), Eawrex, Eawrex, Eawrex, Eawrex, Eawrex, avreax, avreax, avreax, avreax, avreax, avreax, avreax, avex.	1 107	118	217	2 057	286
193	3 462 000	4 433 000	78,10%	Рибейру-Прету, Сан-Паулу, Бразилия	8	Barretos, Catanduva, Franca, Jaboticabal, Jales, So Joo da Boa Vista, So Jos do Rio Preto	415	131	546	39	262	763	356
194	1,485,000	1,908,000	77.83%	Diamantina, Minas Gerais, Brazil	5	Almenara, Araua (Arassua), Guanhes, Tefilo Otoni	113	37	150	2	54	161	144
195	2,541,000	3,265,000	77.83%	Salzburg, Austria	5	Feldkirch, Graz-Seckau, Gurk, Innsbruck	1,114	577	1,691	137	847	1 958	1 301
196	4 829 000	6 211 000	77,75%	Белу-Оризонти, Минас-Жерайс, Бразилия	5	Divinpolis, Luz, Oliveira, Sete Lagoas	425	372	797	2	951	1,662	3	1,662	3
197	2,943,000	3,788,000	77.69%	Montral, Qubec, Canada	5	Joliette, Saint-Jean-Longueuil, Saint-Jrme, Valleyfield	915	907	1,822	140	1 695	5 612	468
198	6,497,000	8,364,000	77.68%	Caracas, Santiago de Venezuela	4	Guarenas, La Guaira, Los Teques	209	290	499	32	554	1 501	188
199	1 750 000	2 253 000	77,67%	Санта-Крус-де-ла-Сьерра, Боливия	22051 Сан-Игнасио-де-Веласко	53	182	235	5	280	651	97
200	3,144,000	4,049,000	77. 65%	Cambrai, France	3	Arras (, Boulogne, e Saint-Omer), Lille	1,147	200	1,347	112	370	1 645	1 156
201	3,914,000	5,042,000	77.63%	Los Altos Quetzaltenango-Totonicapn, Guatemala	6	Huehuetenango, Quich, San Marcos, Solol-Chimaltenango, Suchitepquez-Retalhuleu	168	44	212	1	87	513	159
202	1,192 000	1 539 000	77,45%	Maring, Parana, Бразилия	4	Campo Mouro, Paranava, Umuarama	4	Campo Mouro, Paranava, Umuarama	4	.0032	157	47	204	25	98	295	163
203	2,284,000	2,964,000	77. 06%	Mariana, Minas Gerais, Brazil	4	Caratinga, Governador Valadares, Itabira-Fabriciano	299	89	388	7	111	501	239
204	2 188 000	2,843,000	76.96%	Macei, Alagoas, Brazil	3	Palmeira dos ndios, Penedo	113	20	133	25	47	262	97
205	2,261,000	2,941,000	76.88%	Bordeaux (-Bazas), France	5	Agen, Aire (-Dax), Bayonne (-Lescar e Oloron), Prigueux (-Sarlat)	902	305	1 207	48	447	1 740	1 092
206	1,691,000	2,206,000	76. 65%	Campo Grande, Mato Grosso do Sul, Brazil	6	Corumb, Coxim, Dourados, Jardim, Trs Lagoas	72	160	232	22	226	350	117
207	1 339 000	1,749,000	76.56%	Porto Velho, Rondonia, Brazil	5	Guajar-Mirim, Humait, Ji-Paran, Lbrea	39	78	117	1	135	219	69
208	1 960 000	2 562 000	76,50%	Toulouse (-narbonne-saint-bertrand de comminges-rieux), France	8	-Lale-lavaure-lavaure)-C-lavaure-lavaure-lavaure-lavaure-lavaure-rierex-lavaure-rierex-lavaure-rierex-lavaures-lav -Ломбез), Каор, Монтобан, Памье, Родез (-Вабр), Тарб и Лурд	1 075	263	1 338	76	490	3 206	2 332
209	1,876,000	2,455,000	76. 42%	Tours, France	5	Blois, Bourges, Chartres, Orlans	561	107	668	85	194	1,474	809
210	1 074 000	1 406 000	76.39%	Vilnius, Lithuania	3	Kaiiadorys, Panevezys	266	39	305	1	46	332	273
211	7,891 000	10,332 000	76,37%	Porto Alegre, Rio Grande Do, Brazil	17	Bag, Cachoeir Do Do, Sulen Do, Crixhias Do, Crear -Suler Do, Crear -Sulen Do, Crear -Suler. Гамбург, Осрио, Пассо-Фундо, Пелотас, Риу-Гранди, Санта-Крус-ду-Сул, Санта-Мария, Санто-Нжело, Уругвайана, Вакария	927	627	1 554	101	1 411	4 659	702
212	5,272,000	6,923,000	76. 15%	So Salvador da Bahia, Brazil	7	Alagoinhas, Amargosa, Eunpolis, Ilhus, Itabuna, Teixeira de Freitas-Caravelas	308	171	479	54	307	1 024	302
213	5 436 000	7,144 000	76,09%	САН САЛВАДОР, САЛВАДОР	8	ШАЛАТЕННГ, САН -МИГУЛ, САНТАНСА, САНТИА, САНАНАЛЬ, САНАЛЕСА, САНАЛЕР, САНАЛЕР, САНАЛЕР, САНАЛЕР, САНАЛЕР, САНАЛЕР, САНАЛЕР.	677	4	410	1 491	358
214	2 454 000	3 228 000	76,02%	Тугегарао, Филиппины	4	Батанес, Байомбонг, Илаган	118	38	156		40	177
215	7,393,000	9,750,000	75. 83%	Santiago de Chile	8	Linares, Melipilla, Rancagua, San Bernardo, San Felipe, Talca, Valparaso	660	789	1,449	354	1 529	3 511	503
216	5,735 000	7 571 000	75,75%	Belm Do, Para, Brazil	14	Abaetetuba, Marab, Marab, Pontais, Castan, Marab, Marab, Castan, Marab, Castanha, Marab, Marab, Marata, Pontais, Castanha, Marata, Marata, Marata, Marata, Marate, Marasta, Marata, Marate, Marate, Marate, Marate, Marate, Marate, Marate, Marate, Marate, Marate, Marail. de Pedras, Santarm, Santssima Conceio do Araguaia, Xingu	216	280	496	74	405	1 029
217	3 159 000	4 174 000	75,68%	Давао, Филиппины	4	DIGOS, MATI, TAGUM	212	82	294		154	623		154	623		154	623		154	.
218	4,187 000	5 542 000	75,55%	Florianpolis, Santa Catarina, Brazil	10	, Blumenau, Caadora, gacil, joabim, joabim, joabim.	301	693	152	824	1 549	327
219	7,775 000	10 300 000	75,49%	Mechelen-Brussel {Malines-Brussels}, Belgium	8	, Antwerpen}, ANTWUGGE {ATWUGGE {ATWUGGE {ATWUGGE {ATWUGGE {ATWUGGE {ATWUGGE {ATWUGGE {ATWUGGE {ATWUGGE}, ANTWUGGE {ATWUGGE}, ANTWUGGE}, ANTWUGEL , Лиге, Намюр {Намен}, Турне {Дурник}	4 412	2 865	7 277	560	3 992
220	4,243,000	5,626,000	75.42%	Yucatn, Yucatn, Mxico	4	Campeche, Cancn-Chetumal, Tabasco	329	115	444	21	229	520	223
221	6,880,000	9,163,000	75. 08%	Antequera, Oaxaca, Mxico	9	Huautla, Mixes, Puerto Escondido, San Cristbal de Las Casas, Tapachula, Tehuantepec, Tuxtepec, Tuxtla Gutirrez	523	150	673	395	203	1 024	377
222	639,000	851,000	75.09%	Puerto Montt, Chile	4	Osorno, Punta Arenas, San Carlos de Ancud	79	70	149	34	82	195	89
223	5 193 000	6,951,000	74.71%	Guatemala	6	Escuintla, Jalapa, Santa Rosa de Lima, Verapaz, Cobn, Zacapa y Santo Cristo de Esquipulas	219	478	697	5	837	2,024	260
224	2 423 000	3246 000	74,65%	Sorocaba, Sao Paulo, Brazil	5	Itapetinian0030 158	67	225	162	118	414	166
225	4,397,000	5,933,000	74. 11%	Campinas, Sao Paulo, Brazil	6	Amparo, Bragana Paulista, Limeira, Piracicaba, So Carlos	343	199	542	56	395	1000	319
226	1 560 000	2,108,000	74.00%	Nueva Segovia, Philippines	4	Baguio, Bangued, Laoag	165	31	196		136	383	111
227	1,825,000	2,477,000	73.68%	Gniezno, Poland	3	Bydgoszcz, Włocławek	1,426	334	1,760		532	794	724
228	3 516 000	4,774 000	73,65%	Marseille, France	8	AIX (-Arles-Eleil Динь ​​(-Рье-Систерон), Фрюс-Тулон, Гап, Ницца	1 026	501	1 527	127	712	9036 2 36
229	1 721 000	2,351,000	73. 20%	Uberaba, Minas Gerais, Brazil	4	Ituiutaba, Patos de Minas, Uberlndia	181	58	239	20	104	326	147
230	2,315,000	3,176,000	72.89%	Montevideo, Uruguay	10	Canelones, Florida, Maldonado-Punta del Este, Melo, Mercedes, Minas, Salto, San Jos de Mayo, Tacuaremb	198	266	464	76	392	1099	226
231	2,953 000	4,056 000	72,81%	GOINIA, GOIAS, Brazil	8	ANPOLIS, GOIS, IPAMERI, ITUMBIA, DEMARE,	ANPOLIS, GOIS, IPAMERI.	188	382	46	359	790	232
232	4,096 000	5 668 000	72,27%	Лион (-Vienne), Франция	8	Анси, Белли-Арс, Шамбри (Сент-Жан-де-Моренн, Эт-Ансиз, Грэйн-Арс, Шамбри (Сент-Жане-Дед-Мерн. -Etienne, Valence (, Die, E Saint-Paul-Trois-Chteaux), Viviers	1 640	354	1 994	176	642	4 360	1,284444444444444444 2	4 4,360	1,284444444444444444444444444444444444429
233	2 401 000	3 324 000	72.23%	Bratislava-Trnava, Slovakia	3	Bansk Bystrica, Nitra	903	389	1,292	14	714	1,913	734
234	4 005 000	5,565 000	71,97%	Lingayen-Dagupan, Filippines	6	Alaminos, CabanaTuan,	.0030 282		82	396	140
235	915,000	1,278,000	71.60%	Veszprm, Hungary	3	Kaposvr, Szombathely	323	47	370	3	60	75	457
236	2 425 000	3 391 000	71,51%	Бразлия, Федеральный округ, Бразилия	4	Formosa, Luzinia, Uruau (Uruassu)	199	147	346	32	256	624	17777
237	4,191,000	6,048,000	69. 30%	Port-au-Prince, Hati	4	Jacmel, Jrmie, Les Cayes	237	171	408	3	504	672	158
238	7,101 000	10 277 000	69,10%	SO SEBASTIO DO RIO DE JANEIRO, Бразилия	6	BARRA DO PIRA-VOLTA REDONDA, DUQUE DE CAXIAS, ITAGUA, NOVAGUA, NOVAGU, NOVAGU, NOVAGU, ATAGUA, NOVAGUA, ATAGUA, ATAGUA, ATAGUA, ATAGUA, ATAGUA, ATAGUA, ATAGUA, ATAGUA.	769	57	486	1 596	374
239	641 000	933 000	68,70%	Антофагаста, Чили

0 4

20032

52 55 107 39 62 146 72 240 1,580,000 2,305,000 68. 55% Montpellier (, Lodve, Bziers, Agde, e Saint-Pons-de-Thomires), France 5 Carcassonne, Mende, Nimes (-Uzs e Als), Перпиньян-Эльн 655 192 847 58 316 1 276 1 290 241 2,220,000 3,241,000 68.50% Vitria, Espirito Santo, Brazil 4 Cachoeiro do Itapemirim, Colatina, So Mateus 112 97 209 33 109 336 126 242 2,577 000 3,782 000 68,14% Zagreb, Horatia 5 Djakovo O Bosna I Srijem, Krievic, Djakovo o bosna I.0032

863 398 1 261 1 507 1 951 733 243 3,215,000 4,731,000 67. 96% Wien {Vienna}, Austria 4 Eisenstadt, Linz, Sankt Plten 1,467 1,136 2,603 ​​ 268 1,543 3 155 1 727 244 3 708 000 5,490,000 67.54% San Cristobal de la Habana, Cuba 3 Matanzas, Pinar del Rio 80 66 146 22 110 316 145 245 2,746,000 4,101,000 66.96% San Juan de Puerto Rico 5 Arecibo, Caguas, Mayagez, Ponce 364 363 727 419 470 1 028 327 246 5,236,000 7,898,000 66. 30% Mnchen und Freising {Munich}, Germany 4 Augsburg, Passau, Regensburg 2,865 1,077 3,942 425 1,533 7 233 2 675 247 2 306 000 3 482 000 66,23% Esztergom-Budapest, Hungary 4 Gyr, Hajddorog (Byzantine), Szkesfehrvr 684 169 853 23 223 783 637 248 4,543,000 6,957,000 65.30% Gitega, Burundi 7 Bubanza, Bujumbura, Bururi, Muyinga, Ngozi, Ruyigi 324 95 419 326 1 105 132 249 1,324,000 2,046,000 64. 71% Koice, Slovakia 3 Ronava, Spi 743 150 893 2 231 743 477 250 2,033 000 3,149 000 64,56% Концепцин (Santissima Concezione), Chile 6 Chillne, Lose Angeles), TEMUCARARRIC0032

233 151 384 144 173 755 191 251 2,882,000 4,519,000 63.78% Ozamis, Philippines 5 Dipolog, Iligan, Marawi, Pagadian 156 53 209 1 68 228 103 252 2 606 000 4 223 000 61.71% Cotabato, Philippines 3 Kidapawan, Marbel 126 58 184 92 388 67 253 456,000 741,000 61. 54% Rabaul, Papua New Guinea 4 Bougainville, Kavieng, Kimbe 58 33 91 89 100 87 254 255,000 415,000 61.45% Agaa, Guam, Pacific (Oceania) 4 Caroline Islands, Chalan Kanoa, Marshall Islands 61 40 101 51 49 192 72 255 943 000 1 553 000 60,72%0032

75 36 111 48 169 51 256 2,532,000 4,234,000 59.80% Cap-Hatien, Hati 5 Fort-Libert, Hinche, Les Gonaves, Port-de-Paix 153 88 241 193 337 133 257 1 260 000 2 110 000 59. 72% Kalocsa-Kecskemt, Hungary 3 Pcs, Szeged-Csand 315 29 344 17 92 155 473 258 6 364 000 10 954 000 58,10% Париж, Франс 8 Crteil, Evry-Corbeil-Sessonnes, Meax, Nanter, Pillise, Evry-Corbeil-Sessonnes, Meax, Nanter, Pillise, Evry-Corbeil-Sessonnes, Nanter, Nanter,

, Evry-Corbeil-Essonnes, Meax, Nanter,

, Evry-Corbeil-Sessonnes, Nanter,. 2,793 313 2 031 5 274 1 489 259 377,000 658,000 57.29% Moncton, New Brunswick, Canada 4 Bathurst, Edmundston, Saint John, New Brunswick 188 56 244 4 84 740 200 260 1 336 000 2 359 000 56,63% Armagh, Ireland 9 Ardagh (and Clonmacnois), Clogher, Derry, Down and Connor, Dromore, Kilmore, Meath, Raphoe 983 285 1,268 1 420 1,645 441 261 6 664 000 11,783 000 56,56% Кананга, Конго (Дем. 0032

89 557 365 1 149 253 262 9,768 000 17 512 000 55,78% Киншаса, Конго (Дем. Репутация), Boma, IDIOFAAK, Kenhi.30399.1

.1

.1

999., BOMA, IDIOFAAK,, BOMA.

594 1 693

92 273

1 479 3 052 360 263 4 473 000 8,114,000 55.13% Onitsha, Nigeria 7 Abakaliki, Awgu, Awka, Enugu, Nnewi, Nsukka 1,072 117 1,189 454 1,181 490 264 175,000 320,000 54.69% Shkodr-Pult, Albania 2 Lezh {Lesh}, Sap 14 13 27 17 62 46 265 2,603,000 4,832,000 53. 87% Gulu, Uganda 4 Arua, Lira, Nebbi 171 96 267 2 163 462 85 266 3229 000 6 000 000 53,82% LVIV (Украинский), Украина 8 Bucac} (UKRAININIAN), IVINIINIIN), IVINIVINIAN), IVANIVINIIN), IVANIVINIAN), IVANIVINIAN), IVANIVINIAN), IVANIVINIAN). украинский), Самбор-Дрогобыч (украинский), Сокаль (украинский), Стрый (украинский), Тернополь-Зборив (украинский) 1 845 156 2 001 6 299 488 2 748 267 971,000 1,811,000 53.62% Maseru, Lesotho 4 Leribe, Mohale’s Hoek, Qacha’s Nek 68 77 145 140 656 86 268 1 539 000 2 969 000 51. 84% Camagey, Cuba 4 Ciego de Avila, Cienfuegos, Santa Clara 48 26 74 26 36 108 73 269 5,628,000 10,977,000 51.27% Luanda, Angola 9 Cabinda, Dundo, Malanje, Mbanza Congo, Ndalatando, Novo Redondo, Saurimo, Uije 120 186 306 1 514 908 97 270 2,188,000 4,306,000 50.81% Lubango, Angola 3 Menongue, Ondjiva 68 35 103 45 257 69 271 544 000 1 074 000 50,65% Ottawa, Онтарио, Канада 4 Hearst, Pembrok0032

283 109 392 69 156 1 021 229 272 2,743,000 5,468,000 50. 16% Huambo, Angola 4 Benguela, Kwito-Bi, Lwena 141 71 212 312 555 84 273 1 666 000 3 335 000 49,96% Yaound, Cameroon 6 Bafia, Ebolowa-Kribi, Mbalmayo, Obala, Sangmlima 277 209 486 3 491 616 298 274 ​​ 2,702,000 5,495,000 49.17% Bamberg, Germany 4 Eichsttt, Speyer, Wrzburg 1,635 479 2,114 261 784 3 477 1 540 275 3 508 000 7,227 000 48,54% Kisangani, Congo (Dem. Rep.) Bondo, Bunia, Doria-nunga-nungia-nungia, iSira-nungia, doria-nungia, doria-nungia, doria-nungia-nungia-nungia, dor. , Вамба 306 173 479 279 726 156 276 4 130 000 8 675 000 47,61% Кигали, Руанда 9 Butare, Byumba, Cyangugu, Gikongoro, Kabgayi, Kibungo, Nyundo, Ruhengeri 407 117 524 312 1,373 136 277 628 000 1 347 000 46,62% Librevil

183 62 278 2,196,000 4,720,000 46.53% Brazzaville, Congo 6 Kinkala, Nkayi, Ouesso, Owando, Pointe-Noire 177 53 230 1 127 220 152 279 3,076 000 6 633 000 46,37% Кампала, Уганда 5 Касана-Лувеера, Кайинда-Манеяна, Касана-Лувеера, Кайинда-Манеана,

Касана-Лувеера, Кайинда-Манеяна. 0032

561 84 645 485 1 276 148 280 3 862 000 8,382 000 46,07% MBANDAKA-BIKORO, CONGO (DEM. Rep.) 7, BASUSU, BOKN.

54 289 112 363 140 281 3 308 000 7,219,000 45.82% Bukavu, Congo (Dem. Rep.) 6 Butembo-Beni, Goma, Kasongo, Kindu, Uvira 356 238 594 607 1,294 138 282 1,050,000 2,298,000 45.69% Kasama, Zambia 3 Mansa, Mpika 107 49 156 79 244 40 283 8,728,000 19,133,000 45. 62% Kln {Cologne}, Germany 6 Aachen, Essen, Limburg, Mnster, Trier 4,117 1,429 5,546 871 2 104 9 881 3 574 284 1 580 000 3 521 000 44,87% Эгер, Венгрия 3 Дебрецен-Нырегихза, Вц 472 65 537 8 80 251

9503 285 2,015,000 4,512,000 44.66% Hartford, Connecticut, USA 4 Bridgeport, Norwich, Providence 1,023 358 1,381 569 641 2,081 533 286 3,062,000 6,938,000 44.13% Mbarara, Uganda 5 Fort Portal, Hoima, Kabale, Kasese 343 53 396 198 805 107 287 80,000 189,000 42. 33% Grouard-McLennan, Alberta, Canada 3 Mackenzie-Fort Smith, Whitehorse 13 36 49 6 38 46 136 288 1,706,000 4,075,000 41.87% Olomouc, Czech Republic 3 Brno, Ostrava-Opava 703 276 979 75 344 1,125 1 166 289 2 876 000 6 941 000 41,43% Лубумбаши, Конго (Демократическая Республика) 8 Kalemie-Kirungu, Kamina, Kilwa-Kasenga, Kolwezi, Kongolo, Manono, Sakania-Kipushi 297 188 485 556 727 209 290 2,446,000 5,936,000 41. 21% Nyeri, Kenya 7 Embu, Maralal, Marsabit, Meru, Muranga, Nyahururu 343 115 458 211 785 165 291 3,533,000 8,605,000 41.06% Newark, New Jersey, USA 5 Camden, Metuchen, Paterson, Trenton 1,646 537 2,183 957 805 3 274 700 292 7 678 000 19 017 000 40,37% Нью-Йорк, Нью-Йорк, США 8 Albany, Brooklyn, Buffalo, Ogdensburg, Rochester, Rockville Centre, Syracuse 3,239 1,517 4,756 1,213 2,570 8,917 1,646 293 4,908,000 12,407,000 39. 56% Freiburg im Breisgau, Germany 3 Mainz, Rottenburg-Stuttgart 2,437 520 2,957 511 741 5 670 2 424 294 463,000 1,171,000 39.54% Kingston, Ontario, Canada 4 Alexandria-Cornwall, Peterborough, Sault Sainte Marie 272 52 324 139 65 458 238 295 3 731 000 9 494 000 39,30% Бостон, Массачусетс, США 7 Burlington, Fall River, Manchester, Portland, Springfield, Worcester 1,910 1,155 3,065 582 1,575 5,308 1,052 296 3,216,000 8,204,000 39. 20% Owerri, Nigeria 6 Aba, Ahiara, Okigwe, Orlu, Umuahia 863 125 988 340 666 438 297 96,000 245,000 39.18% Papeete, French Polynesia, Pacific (Oceania) 2 Taiohae o Tefenuaenata 13 18 31 30 44 57 108 298 469 000 1,198 000 39,15% Madang, Papua New Guinea 5 AITAP0032

54 96 150 4 167 226 56 299 181,000 465,000 38.92% Saint John’s, Newfoundland, Canada 3 Grand Falls, Saint George’s 98 14 112 24 263 92 300 223 000 575 000 38,78% Castries, Saint Lucia, Antilles 5 Kingstown, Roseau, Saint George’s in Grenada, Saint John’s-Basseterre 34 70 104 15 86 127 73 301 4,950 000 12 791 000 38,70% Чикаго, Иллинойс, США 6 Беллевиль, Иллинойс, Пей, Пей, Пей, Пей, Пей, Пей, Пей, Пей, Пей, Пей, Пей, Пей, Пей, Пей, Пей, Пей, Пей, Пей, Пей, Пей, Пей, Пей, Пей, Пей, Пей, Пей, Пей, Рокфорд. 0030 1 680 1 212 2 892 1 076 1 890 4 750 1 046 302 153 000 419 000 36,52% Nouma, New Caledonia, Pacific (Oceania) 3 Port-Vila, Wallis Et Futuna 3 Port-Vila, Wallis Et Futuna 3. 83 208 55 303 381 000 1,046,000 36.42% Halifax, Nova Scotia, Canada 4 Antigonish, Charlottetown, Yarmouth 269 44 313 26 51 661 249 304 2,050,000 5,788,000 35.42% Beira, Mozambique 5 Chimoio, Guru, Quelimane, Tete 69 128 197 1 207 302 103 305 69,000 202,000 34. 16% Keewatin-Le Pas, Manitoba, Canada 4 Churchill-Baie d’Hudson, Labrador City-Schefferville, Moosonee 7 33 40 3 39 40 108 306 8 097 000 24 007 000 33,73% Los Angeles, California, USA 6 Fresno, Monterey in California, Orange in California, San Bernardino, San Diego 1,392 949 2,341 522 1,243 2,839 670 307 2,385,000 7,156,000 33.33% Tororo, Uganda 5 Jinja, Kotido, Moroto, Soroti 170 86 256 272 389 96 308 3,095,000 9,324,000 33. 19% Toronto, Ontario, Canada 5 Hamilton, London, Saint Catharines, Thunder Bay 789 658 1,447 145 785 1 466 578 309 2 112 000 6 397 000 33,02% Антананариву, Мадагаскар 5 Ambatondrazaka, Antsirab, Miarinarivo, Tsiroanomandidy 218 283 501 792 2,037 130 310 341,000 1,063,000 32.08% Port Moresby, Papua New Guinea 5 Alotau-Sideia, Bereina, Daru-Kiunga, Kerema 31 105 136 3 134 269 74 311 747,000 2,333,000 32. 02% Edmonton, Alberta, Canada 3 Calgary, Saint Paul in Alberta 192 148 340 19 188 518 268 312 722 000 2 265 000 31,88% Купанг, Индонезия 3

2 Атебула0032

136 137 273 267 602 94 313 243,000 773,000 31.44% Bertoua, Cameroon 4 Batouri, Doum-Abong’ Mbang, Yokadouma 63 33 96 55 163 65 314 5 045 000 16 218 000 31,11% Utrecht, Netherlands 7 Breda, Groningen, Haarlem, Roermond, Rotterdam, ‘s Hertogenbosch (Bois-le-Duc) 1,371 2,048 3,419 292 3,411 9,208 1500 315 3 691 000 12,285 000 30,04% Филадельфия, Пенсильвания, usa 8, Allentown, Altoona-john. 0032

2 355 796 3 151 514 1 057 7 240 1 263 316 1 326 000 4 444 000 29,84% New Orleans, Louisiana, USA 7, Alexandria, Baton-Rouge, Houma-Thibodete.

986 381 524 1 176 488 317 1,606,000 5,419,000 29.64% Milwaukee, Wisconsin, USA 5 Green Bay, La Crosse, Madison, Superior 998 443 1,441 378 646 4 143 814 318 1,343 000 4 610 000 29,13% Мельбурн, Австралия 5 Балларат, Святой Петр и Павл из Мелбирн (UKRAINIAN), SADSHURST, SAKNHRAT, SADBURST, SAKNHRAT, SAKNHRAT, SAKNHRAT, SAK0032

480 282 762 7 625 1 839 360 319 1,378,000 4,751,000 29. 00% Cotonou, Benin 5 Abomey, Dassa-Zoum, Lokossa, Porto Novo 304 53 357 144 648 150 320 252 000 877 000 28.73% Regina, Saskatchewan, Canada 3 Prince-Albert, Saskatoon 157 75 232 4 95 437 359 321 1,746 000 6 106 000 28,59% Сидней, Австралия 10 Armidale, Bathurst, Broken Bay, Laismore, Maitland-Newcastle, Willaglon, Willaglon, Willang.0030 623 463 1 086 15 652 2 601 428 322 3,060 000 10 769 000 28,41% Сан -Антонио, Техас, EL Paso 8, Amarillo, Dallas, El Paso Paso. 993 709 567 1 556 530 323 102,000 365,000 27.95% Saint-Boniface, Manitoba, Canada 1 (none) 70 48 118 12 61 329 76 324 1,045,000 3,775,000 27.68% Arusha, Tanzania 4 Mbulu, Moshi, Same 254 153 407 482 1 474 178 325 1,016,000 3,725,000 27.28% Fianarantsoa, ​​Madagascar 5 Ambositra, Farafangana, Ihosy, Mananjary 109 183 292 384 716 66 326 1 086 000 3 990 000 27,22% Сантьяго-де-Куба 4 Гуантнамо-Баракоа, Холгун, Сантисимо Сальвадор де Баямо и Мансанильо 55 17 72 8 21 30 327 2,964 000 11,034 000 26,86% Галвестон-Хусти, Техас, USA 7 Austin, Beaumont, Brownsvil

1 115 801 522 1 091 520 328 468,000 1,754,000 26. 68% Glasgow, Scotland, Great Britain 3 Motherwell, Paisley 358 67 425 3 106 299 215 329 1 651 000 6 236 000 26,48% Прага, Чехия 5 Ческ Будейовице, Градец Крлов, Литомерице, Пльзень 651 331 982 72

436

32 9,0090 36 330 2,691,000 10,202,000 26.38% Mwanza, Tanzania 6 Bukoba, Geita, Musoma, Rulenge, Shinyanga 302 79 381 123 1,051 149 331 1,793,000 6,801,000 26.36% Tabora, Tanzania 6 Kahama, Kigoma, Mpanda, Singida, Sumbawanga 206 80 286 188 897 98 332 815 000 3116 000 26. 16% Порт Испании, Тринидад и Тобаго, Антиль 5 Бренджник, Георгет, ПАРМИОН, ПАРМИОН, ПАРМИОР, ПАРМИОР, ПАРМИОН, ПАРМИОН, ПАРМИОН, ПАРМИОР

5.0032

76 136 212 2 166 261 157 333 1,400,000 5,422,000 25.82% Douala, Cameroon 5 Bafoussam, Eda, Eska, Nkongsamba 305 71 376 7 151 444 199 334 469 000 1 828 000 25.66% Perth, Australia 4 Broome, Bunbury, Geraldton 188 158 346 12 235 599 149 335 2,181,000 8,617,000 25. 31% Lagos, Nigeria 3 Abeokuta, Ijebu-Ode 112 121 233 153 188 95 336 1,473,000 5,933,000 24.83% Lom, Togo 7 Anho, Atakpam, Dapaong, Kara, Kpalim, Sokod 310 124 434 320 713 151 337 891 000 3 620 000 24.61% Брисбен, Австралия 5 CAIRNS, ROCKHAMPTON, TOOWOUMBA, Townsville, Rockhampton, Toowoomba, Townsville, Rockhampton, Toowoobma, Townsville, Rockhampton, Toowoobma, Townsville, Rockhampton, Toowoobma, Townsville. 0030 293 111 404 3 276 1 078 237 338 1,929,000 7,909,000 24.39% Songea, Tanzania 8 Iringa, Lindi, Mbeya, Mbinga, Mtwara, Njombe, Tunduru-Masasi 387 166 553 1 509 2 147 201 339 1 540 000 6,360,000 24.21% Saint Paul and Minneapolis, Minnesota, USA 10 Bismarck, Crookston, Duluth, Fargo, New Ulm, Rapid City, Saint Cloud, Sioux Falls, Winona 1,104 395 1 499 476 579 3 146 1 224 340 2 669 000 11,026 000 24.21% Найроби, Кения 6 Kericho, Kitui, Machakos, nakuru, ngongu, Kericho, Kitui, Machakos, nakuru, ngongu, Kericho, Kitui, Machakos, nakuru, ngongu, Kericho, Kitui, Machakos. 0032

422 481 903 1 616 1 514 241 341 710,000 3,018,000 23.53% Bamenda, Cameroon 4 Bua, Kumbo, Mamfe 168 55 223 128 302 73 342 2 514 000 10 782 000 23,32% Дар-эс-Салам, Танзания 6 Dodoma, Mahenge, Morogoro, Tanga, Zanzibar 293 237 530 473 1 992 2153 343 2,224,000 9,647,000 23.05% Lusaka, Zambia 7 Chipata, Livingstone, Mongu, Monze, Ndola, Solwezi 200 300 500 2 501 1 298 224 344 611,000 2,679,000 22. 81% Washington, District of Columbia, USA 2 Saint Thomas 466 611 1,077 221 888 752 148 345 2,221 000 9,980 000 22,25% Детройт, Мичиган, USA 7 Gaylord, Grand Zapids, kalamazoo, Lansist0032

1 052 434 1 486 336 575 2 993 799 346 758 000 3,469 000 21,85%, Банги, Bangassou,

, Alindao, Bambari, Berbrati, Berbrati. 273 189 355 114 347 2,582,000 11,817,000 21.85% Kisumu, Kenya 8 Bungoma, Eldoret, Homa Bay, Kakamega, Kisii, Kitale, Lodwar 314 153 467 269 1 070 208 348 368 000 1 687 000 21,81% Омаха, Небраска, США 3 Гранд, Lincoln 435 Grand Island, Lincoln 435 Grand Island, Lincoln 435. 0030 105 540 165 183 568 310 349 2 925 000 13 547 000 21,59% Juba, Sudan 7 Malakal, Rumbaka, Tombura-yambio, Torit, WAU, WAU, WAU, WAU, WAU, WAU, WAU, WAU, WAU, WAU, WAU. 85 163 153 350 1 894 000 8 775 000 21,58% Abidjan, Cte d’Ivoire 3 Grand-Bassam, Yopougon 318 103 421 2 357 319 103 351 54 000 252 000 21,43% Самоа-Апия, Самоа, Samoaia Pago) Funafuti, Samoaia Pago) Funafuti, Samoaia).

37 61 76 46 352 395,000 1,874,000 21.08% Mount Hagen, Papua New Guinea 5 Goroka, Kundiawa, Mendi, Wabag 35 80 115 128 169 81 353 347 000 1 654 000 20,98% Аделаида, Австралия 9 0 Портри0030 136 110 246 7 180 430 109 354 3,100,000 15,008,000 20.66% Blantyre, Malawi 7 Chikwawa, Dedza, Lilongwe, Mangochi, Mzuzu, Zomba 285 126 411 235 780 155 355 89 000 432 000 20,60% Honiara, Solomon Islands 3 Auki, Gizo 34 25 59 39 89 273 356 3,482 000 17 055 000 20,42% Сан -Франциско, Калифорния, США 10 Honolulu, Las Vegas, Obland, Reno Lake, SARIPA SANANTA, SARIANTO, SARIANTO, SARIANTO, SARIANTO SANANTA, RENO, SARIA SANANA, RENO SANANA, REN в Калифорнии, Стоктон 1 163 732 1 895 532 1 130 2 219 559 357 2,543,000 12,522,000 20. 31% Abuja, Nigeria 6 Idah, Lafia, Lokoja, Makurdi, Otukpo 313 56 369 4 270 351 172 358 1 400 000 7 198 000 19.45% Santa Fe, New Mexico, USA 5 Gallup, Las Cruces, Phoenix, Tucson 528 329 857 549 465 863 351 359 2,499,000 13,135,000 19.03% Paderborn, Germany 4 Erfurt, Fulda, Magdeburg 1,856 188 2,044 210 317 3 166 1 108 360 2,139,000 11,421,000 18. 73% Cincinnati, Ohio, USA 6 Cleveland, Columbus, Steubenville, Toledo, Youngstown 1,390 541 1,931 669 796 3 687 923 361 712 000 3 866 000 18,42% Кейп-Кост, Гана 3 Секонди-Такоради, Виавсо 212 17 229 1 45 60 13 362 430,000 2,401,000 17.91% Riga, Latvia 4 Jelgava, Liepaja, Rezekne-Aglona 106 26 132 1 31 115 263 363 733,000 4,111,000 17.83% Pontianak, Indonesia 4 Ketapang, Sanggau, Sintang 69 122 191 234 479 90 364 1,264 000 7,157 000 17,66% Antsiranana, Madagascar 6, Ambanja, Fenoarivo Atsinanana

29203, 9003,. 0030 87 243 178 580 76 365 506,000 2,871,000 17.62% Dubuque, Iowa, USA 4 Davenport, Des Moines, Sioux City 559 53 612 219 194 1 205 494 366 778 000 4 448 000 17,49% Тричур (сиро-малабарес), Индия 3 Irinjalakuda (Syro-малабара), Palghat (Syro-Malabarese) 501 244 745 423 6 286 40730 40730 40730 40730 40730 40730 40730 40730 40730 40730 4073. 367 368,000 2,135,000 17.24% Windhoek, Namibia 3 Keetmanshoop, Rundu 19 65 84 46 103 293 93 368 1,109,000 6,530,000 16. 98% Maputo, Mozambique 3 Inhambane, Xai-Xai 40 110 150 172 333 83 369 1,177,000 6,939,000 16.96% Nampula, Mozambique 4 Lichinga, Nacala, Pemba 56 80 136 160 332 94 370 1,014,000 6,033,000 16.81% Seattle, Washington, USA 3 Spokane, Yakima 326 206 532 141 249 768 293 371 649 000 3 873 000 16,76% Ванкувер, Британская Колумбия, Канада 5 Камлупс, Нельсон, Принс-Джордж, Виктория 170 128 298 3 150 9 309 32032 27033 9003 372 365,000 2,223,000 16. 42% Merauke, Indonesia 5 Agats, Jayapura, Manokwari-Sorong, Timika 37 89 126 9 195 183 101 373 1,584,000 9,677,000 16.37% Ende, Indonesia 4 Denpasar, Larantuka, Ruteng 377 313 690 577 936 210 374 956 000 5 947 000 16,08% ERNAKULAM-ANGAMALY (SYRO-MALABARESE), Индия 3 (Syro-Malabarese), Syro-Malabarese), Syro-Malabarese).0032

596 452 1 048 871 7 770 568 375 413,000 2,692,000 15. 34% Kansas City in Kansas, USA 4 Dodge City, Salina, Wichita 316 82 398 8 97 1 255 347 376 798 000 5 237 000 15.24% Ouagadougou, Burkina Faso 4 Koudougou, Manga, Ouahigouya 203 72 275 322 584 48 377 848 000 5 589 000 15,17% Сент-Луис, Миссури, США, 4 Jefferson City, Kansas City-Site-Saint-Joseph, Giralea-Cape-Cape-Cape-Cape-Cape-Cape-Cape-Cape-Cape-Cape-Cape-Cape-Cape-Cape-Cape-Cape-Cape-Cape-Cape-Capeearea. 362 809 2 498 461 378 56,000 389,000 14. 40% Nassau, Bahamas, Antilles 3 Hamilton in Bermuda, Turks and Caicos 19 19 38 15 19 25 38 379 2 301 000 16 690 000 13,79% Майами, Флорида, США 7 Orlando, Palm Beach, Pensacola-Tallahassee, Saint Augustine, Saint Petersburg, Venice 1,050 421 1,471 595 590 1,167 459 380 660 000 4 861 000 13,58% Денвер, Колорадо, USA 4 CheyenN0032

230 707 242 381 135,000 996,000 13.55% Suva, Fiji, Pacific (Oceania) 3 Rarotonga, Tarawa and Nauru 44 109 153 2 190 251 75 382 873 000 6 705 000 13,02% Бенин-Сити, Нигерия 4 Аучи, Исселе-Уку, Варри 245 39 284 55 237 127 383 1,437,000 11,048,000 13. 01% Calabar, Nigeria 5 Ikot Ekpene, Ogoja, Port Harcourt, Uyo 347 36 383 83 365 208 384 1 426 000 11,233,000 12.69% Liverpool, England, Great Britain 7 Hallam, Hexham and Newcastle, Lancaster, Leeds, Middlesbrough, Salford 1,213 266 1,479 185 350 1 522 952 385 763 000 6,084 000 12,54% Индианаполис, Индиана, США 5 Эвансвилль, Форт-Уэйн-Бенд, Gary, Lafayette Evansville, Fort Wayne-South, Gary.0032

545 340 885 96 569 1 757 431 386 770,000 6,344,000 12. 14% Kumasi, Ghana 5 Goaso, Konongo-Mampong, Obuasi, Sunyani 186 50 236 1 131 218 132 387 1 637 000 13 608 000 12.03% Hamburg, Germany 3 Hildesheim, Osnabrck 884 179 1,063 184 207 1,742 767 388 459,000 3,982,000 11.53% Wellington, New Zealand 6 Auckland, Christchurch, Dunedin, Hamilton in New Zealand, Palmerston North 310 200 510 9 365 942 272 389 492,000 4,291,000 11. 47% Bouak, Cte d’Ivoire 4 Abengourou, Bondoukou, Yamoussoukro 126 42 168 2 58 191 60 390 645 000 5 697 000 11,32% Портленд в штате Орегон, США 5 Baker, Boise City, Great Falls-Billings, Helena 408 219 627 142 333 728 335 391 776,000 7,045,000 11.01% Accra, Ghana 5 Ho, Jasikan, Keta-Akatsi, Koforidua 228 78 306 1 128 209 103 392 713,000 6,478,000 11.01% N’Djamna, Chad 7 Doba, Gor, Lai, Moundou, Pala, Sarh 131 109 240 147 358 108 393 1 428 000 13 118 000 10,89% Балтимор, Мэриленд, США 5 Арлингтон, Ричмонд, Уилдинг-Шарлтон, Уилмингтон Арлингтон, Ричмонд, Уилдинг-Шарлстон, Уилминг. 0032

815 497 1 312 423 659 1 953 515 394 408,000 3,898,000 10.47% Tamale, Ghana 5 Damongo, Navrongo-Bolgatanga, Wa, Yendi 217 42 259 167 237 60 395 513 000 4 973 000 10.32% Bloemfontein, South Africa 6 Bethlehem, Gaborone, Keimoes-Upington, Kimberley, Kroonstad 54 99 153 19 116 251 98 396 224,000 2,192,000 10.22% Parakou, Benin 5 Djougou, Kandi, Natitingou, N’Dali 87 44 131 89 212 62 397 356,000 3,511,000 10. 14% Bobo-Dioulasso, Burkina Faso 5 Banfora, Ddougou, Dibougou, Nouna 220 45 265 104 366 52 398 587 000 5 848 000 10,04% Кучинг, Малайзия 5 Keningau, Kota Kinabalu, Miri, Sibu Keningau, Kota Kinabalu, Miri, Sibu.0032

79 16 95 35 303 62 399 1,030,000 10,310,000 9.99% Minsk-Mohilev, Belarus 4 Grodno, Pinsk, Vitebsk 211 160 371 208 349 397 400 249 000 2 502 000 9,95% Тулиара, Мадагаскар 4 Моромбе, Морондава, Тлагнаро 23 105 128 163

0 369 9003 401 1,985,000 20,650,000 9. 61% Madurai, India 7 Dindigul, Kottar, Palayamkottai, Sivagangai, Tiruchirapalli, Tuticorin 758 394 1,152 1,246 4 372 511 402 2,754 000 28 919 000 9,52% Seoul, Korea (South) CHNUNK’ON, Daejeon {Taejon, Hamhung, Hamhung {taejon, inmoen, inmoean, inmoen {taejon, inmoon {taejon, inmoon {taejon, inmoon {taejon, inhu Ён Ян, Сувон, Уйджонбу, Вонджу 1 424 417 1 841 1 035 4 861

0 6 403 524 000 5 540 000 9,46% Булавайо, Зимбабве 4 Гверу, Хванге, Масвинго 92 80 172 10 168 3726 9000 404 288 000 3116 000 9. 24% Кингстон в Ямайке, Антильские острова 5 Belize City-Belmopan, Caymales

, MANDAILLE Belize City-Belmopan, Cayman Ildens, Mandaville, Monsille

Belize Beliz 32 172 227 82 405 2 821 000 30,619 000 9,21% THNH-PH H CH MINH, VIT NAM CN, LAL, Long Xuyn

CN, LOLD XUYN, MYHIN. , Xun Lc 1,353 358 1,711 2,351 7,471 1,007 406 311 000 3 500 000 8,89% Вавилон {Вавилония} (халдейский), Ирак 7 Алкох (халдейский), Амадия (халдейский), Акра {Акра} (халдейский), Багдад (халдейский), Сулеймания (халдейский), Заку (халдейский) 211 77 407 469 000 5,281 000 8,88% VRHBOSNA {SARAJEVO}, Bosnia and Herzegovina 4, Banja, Loka-Duvn, 411. 365 634 1 441 507 277 408 54,000 617,000 8.75% Anchorage, Alaska, USA 3 Fairbanks, Juneau 38 27 65 45 33 67 77 409 515 000 5 976 000 8,62% Кванджу, Корея (юг) 3 Чеджу, Чонджу {Чонджу, Чон Джу} 403 29 432 110 9030 1,030 410 326,000 4,336,000 7.52% Koupla, Burkina Faso 4 Dori, Fada N’Gourma, Kaya 127 31 158 44 220 40 411 1,090,000 14,554,000 7. 49% Daegu {Taegu}, Korea (South) 5 Andong, Cheongju {Ch’ongju}, Masan, Pusan ​​ 759 90 849 310 2 512 380 412 652,000 8,905,000 7.32% Harare, Zimbabwe 4 Chinhoyi, Gokwe, Mutare 90 144 234 2 289 575 100 413 655,000 9,030,000 7.25% Birmingham, England, Great Britain 3 Clifton, Shrewsbury 542 254 796 135 375 973 442 414 810 000 11 252 000 7,20% Тривандрам, Индия 5 Аллеппи, Нейяттинкара, Пуналур, Килон 335 168 503 278 904 20345 415 223,000 3,115,000 7. 16% Saint Andrews and Edinburgh, Scotland, Great Britain 5 Aberdeen, Argyll and the Isles, Dunkeld, Galloway 249 76 325 26 112 268 258 416 922,000 13 105 000 7,04% Чанганчери (Сиро-Малабарес), Индия 4 Kanjirapalle (Syro-Malabarabare), Syro-Malabare). 906 504 1410 617 8558 617 417 225 000 3 238 000 6,95% Mombasa, Kenya 3 Garissa, Malindi 57 53 110 1 65 452 57 418 1,076,000 15,494,000 6. 94% Westminster, England, Great Britain 5 Brentwood, East Anglia, Northampton, Nottingham 777 563 1,340 93 756 2 050 541 419 874,000 12,625,000 6.92% Hu, Vit Nam 6 Ban M Thut, Nang, Kontum, Nha Trang, Quy Nhon 404 80 484 281 2 037 448 420 930 000 13 641 000 6,82% Дурбан, Южная Африка 7 Данди, Ошоу, Кокстад, Марианна, Ум, Ум, Ум, Ум, Ум, Ум, Ум, Ум, Ум, Ум, Ум, Ум, Ум, Ум, Ум, Ум, Ум, Ум, Ум, Ум, Ум, Ум, Ум, Ум, Ум.0032

122 197 319 30 491 1 032 227 421 1,345,000 20,137,000 6. 68% Colombo, Sri Lanka 11 Anuradhapura, Badulla, Chilaw, Galle, Jaffna, Kandy, Kurunegala, Mannar, Ratnapura, Trincomalee-Batticaloa 637 289 926 591 2 247 391 422 632,000 9,874,000 6.40% Shillong, India 4 Agartala, Aizawl, Tura 124 198 322 504 883 106 423 1,313 000 21 288 000 6,17% Претория, Южная Африка 8 Johannesburg, Klerksdorp, Manzini, Pieterseeen, Pieterseenban, Pieterseenban, Pieterseeenban, Pieterseenban, Pieterseenban, Pieterseeen, Pieterseeen, Pieterseeenbrg, Pieterseeenban, The Rusters0032

144 276 420 84 415 875 279 424 297,000 4,882,000 6. 08% Gagnoa, Cte d’Ivoire 4 Daloa, Man, San Pedro-en-Cte d’Ivoire 130 45 175 1 75 178 80 425 816 000 13 734 000 5.94% Ibadan, Nigeria 5 Ekiti, Ondo, Osogbo, Oyo 180 106 286 447 327 172 426 742,000 12,556,000 5.91% Southwark, England, Great Britain 4 Arundel and Brighton, Plymouth, Portsmouth 700 301 1,001 152 406 1 658 508 427 568,000 9,747,000 5.83% Louisville, Kentucky, USA 7 Covington, Knoxville, Lexington, Memphis, Nashville, Owensboro 541 163 704 299 315 1 956 440 428 161 000 2 850 000 5,65% Монровия, Либерия 3 Мыс Пальмас, Гбарнга 37 15 52 27 42

45030 429 243,000 4,528,000 5. 37% Garoua, Cameroon 4 Maroua-Mokolo, Ngaoundr, Yagoua 79 110 189 6 158 358 104 430 990 000 18,795,000 5.27% Jos, Nigeria 5 Bauchi, Jalingo, Maiduguri, Yola 193 35 228 1 63 142 121 431 534,000 10,217,000 5.23% Dakar, Senegal 7 Kaolack, Kolda, Saint-Louis du Sngal, Tambacounda, This, Ziguinchor 263 122 385 1 338 709 125 432 382,000 7,327,000 5. 21% Beograd (-Smederevo), Serbia and Montenegro 3 Subotica, Zrenjanin 122 28 150 7 35 123 169 433 557 000 10 880 000 5,12% Берлин, Германия 3 Дрезден-Мейсен, Грлиц 532 193 725 38 9 0 328

80032 9003 434 912,000 18,156,000 5.02% Atlanta, Georgia, USA 5 Charleston, Charlotte, Raleigh, Savannah 555 256 811 399 309 522 366 435 1,965,000 39,434,000 4.98% H Ni, Vit Nam 10 Bac Ninh, Bi Chu, Hai Phng, Hung Ho, Lang Sn et Cao Bang, Pht Dim, Thi Binh, Thanh Га, Винь 420 5 425 11 32 1 817 770 436 143 000 3 048 000 4,69% Кардифф, Уэльс, Великобритания 3 Меневия, Рексем 136 101 237 10 112 401

182030 437 82,000 1,901,000 4. 31% Korhogo, Cte d’Ivoire 3 Katiola, Odienn 53 39 92 54 76 46 438 152 000 3 565 000 4.26% Suiyan [Hohot], China 4 Ningsia [Yinchuan], Siwantze [Chongli-Xiwanzi], Tsining [Jining] 167 88 255 282 105 439 426 000 10 420 000 4,09% Кейп -Таун, Южная Африка 6 ALIWAL, DE AAR, OUDTSHOORN, PORTISABOTH, ALIWAL, DE AAR, OUDTSHOORN, PORTISABOTH, ALIWAL, DE AAR, OUDTSHOORN, PORTISABOTH, ALIWAL, DE AAR, OUDTSHOORN, PORTISABOTH, ALIWAL, DE AAR, OUDTSHOORN, PORTISABOTH.0032

81 142 573 157 440 265,000 6,508,000 4. 07% Oklahoma City, Oklahoma, USA 3 Little Rock, Tulsa 278 101 379 223 158 483 239 441 697 000 17 685 000 3,94% Бухарест {Бухарест}, Румыния 5 Iasi, Oradea Mare {Gran Varadino, Nagyvrad}, Satu Mare {Szatmr}, Timisoara 539 122 661 351 934 383 442 814,000 20,668,000 3.94% Pondicherry and Cuddalore, India 5 Dharmapuri, Kumbakonam, Salem, Tanjore 519 123 642 1 321 2 689 311 443 261,000 7,162,000 3. 64% Mobile, Alabama, USA 4 Biloxi, Birmingham, Jackson 282 104 386 137 177 557 254 444 1 082 000 30 113 000 3,59% Хартум, Судан 2 900 Обеде 3

2

32

89 65 154 4 97 178 42 445 256,000 7,303,000 3.51% Samarinda, Indonesia 4 Banjarmasin, Palangkaraya, Tanjung Selor 29 77 106 88 257 63 446 790 000 25 468 000 3,10% Ranchi, India 9 Daltonganj, Dumka, Gumla, Hazaribag, Jamshedpur, Khunti, Port Blair, Simdega 407 469 876 775 2,240 228 447 901 000 29,633 000 3,04% Кадуна, Нигерия 7 Айрорин, Кафанч, Кана, МИННА, СОКОТО, ЗОКОТО, ЗОКОТО, ЗОКОТО, Зокот. 0032

51 229 176 448 193,000 6,340,000 3.04% Taunggyi, Myanmar 4 Kengtung, Loikaw, Taungngu 181 12 193 37 474 86 449 666 000 22,163 000 3,01% Verapoly, India 6 Calicut, Cochin, Kannur, Kottapuram, vijayapam

.0032

541 348 889 3 861 3 525 403 450 941,000 31,906,000 2. 95% Madras and Mylapore (Meliapor), India 5 Chinglepet, Coimbatore, Ootacamund, Vellore 485 440 925 811 4 516 368 451 757 000 25,968,000 2.92% Medan, Indonesia 3 Padang, Sibolga 53 190 243 396 949 85 452 60,000 2,140,000 2.80% Tiran-Durrs, Albania 2 Rrshen, Southern Albania {Albania Meridionale} (Byzantine) 8 13 21 18 115 26 453 123,000 4,428,000 2.78% Imphal, India 2 Kohima 111 112 223 175 439 67 454 160 000 5 848 000 2,74% Freetown and Bo, Sierra Leone 3 Kenema, Makeni 68

. 0030 53 121 86 35 56 455 439,000 16,036,000 2.74% Makassar, Indonesia 3 Amboina, Manado 163 70 233 313 428 113 456 588 000 21 550 000 2,73% Пекин [Пекин], Китай 10 Анкво [Аньго], Чаосянь [Чжаосянь], Чэнтин [Чжэндин], Кингсянь [Цзинсянь], Паотин [Баодин], Шунте [Синтай], Сяньсянь [Сяньсянь], Саньхва [Сюаньхуа], Укрощение [Дамин], Тяньцзинь [Тяньцзинь], Инньен [Вэйсянь], Инпин [Лулонг] 358 266 624 781 981 416 457 590 000 22 541 000 2,62% Телличерри (сиро-малабарес), Индия 4 Belthangady (Syro-Malabarese), Mananthavady (Syro-Malabarese), Thamarasserry (Syro-Malabarese) 568 316 884 597 4,084 538 458 171,000 6,596,000 2. 59% Conakry {Konakry}, Guinea 3 Kankan, N’Zrkor 80 22 102 39 105 56 459 1,056,000 41,716,000 2.53% Visakhapatnam, India 6 Eluru, Guntur, Nellore, Srikakulam, Vijayawada 450 300 750 733 2,562 396 460 561 000 27 823 000 2,02% Гувахати, Индия 5 Bongaigaon, Dibrugarh, Diphu, Tezpur

.0032

168 209 377 279 905 147 461 376,000 19,077,000 1.97% Raipur, India 4 Ambikapur, Jagdalpur (Syro-Malabarese), Raigarh 325 206 531 1 309 1 333 185 462 848 000 49 155 000 1. 73% Lviv, Ukraine 7 Kamyanets-Podilskyi, Kharkiv-Zaporizhia, Kyiv-Zhytomyr, Lutsk, Mukacheve, Odessa-Simferopol 251 229 480 2 328 528 855 463 453 000 28,912,000 1,57% Кантон [Гуанчжоу], Китай 7 Hongkong [xianggang], kaying [meixiian], jonghon [xiangan] [xiangang] [xiangan] [xiangan [Шаогуань], Сватоу [Шаньтоу] 247 283 530 6 301 808 148 464 227,000 15,039,000 1.51% Bamako, Mali 6 Kayes, Mopti, San, Sgou, Sikasso 79 71 150 88 280 42 465 826 000 54 983 000 1,50% Semarang, Indonesia 4 Malang, Purwokerto, Surabaya 241 401 642 4 466 11 000 798 000 1,38% Naxos, Andros, Tinos E Mykonos, Greece 5 CHIOS, CRETE {Candia}, SAHNIRIIN {SANIORIIN {SANIORIIN {SANIORIIN {SANIORIIN {SANIORIIN ILIIN IRIIRIIN {SYRIARIIN IRIIN IRIIN.

6 25 1 15 30 52 467 975,000 71,214,000 1.37% Bangalore, India 9 Belgaum, Bellary, Chikmagalur, Gulbarga, Karwar, Mangalore, Mysore, Shimoga 778 829 1,607 2 334 8 030 575 468 303 000 22 137 000 1,37% Тайбэй, Тайвань 7 Hsinchu, Hwalien, Kaohsiung, Kiayi, Taichung, Tainan 228 489 717 617 1,056 453 469 896,000 67,925,000 1.32% Bombay, India 6 Kalyan (Syro-Malabarese), Nashik, Poona, Sindhudurg, Vasai 497 523 1,020 674 2 791 358 470 180,000 13,685,000 1. 32% Maria Santissima in Astana, Kazakhstan 3 Karaganda, Santissima Trinit in Almaty 46 24 70 32 80 42 471 10 000 780 000 1,28% CiPro (маронит), Cyprus 1 (нет)

032

5 2 7 5 3 9 472 396,000 31,283,000 1.27% Trivandrum (Malankarese), India 5 Battery (Malankarese), Marthandom (Malankarese), Muvattupuzha (Malankarese), Tiruvalla (Malankarese) 463 114 577 176 1 546 463 473 9[0032

77 000 6 115 000 1,26% Сиань [Сиань], Китай 5 Чоучич [Чжоучжи], Саньяньян’Хансян [Фэнсян], Ханьчжун ] 57 76 133 16 160 31 474 434 000 36,326 000 1,19% Cuttack-Bhubaneswar, India 5 Balasore, Berhampur, Rourkela, Sambapur, Belashore, Berhampur, Rourkela, Sambal. 0032

219 213 432 415 1 069 177 475 118 000 10,385 000 1,14% Тайян [Тайюань], Китай 6 Fenyang [Fenyang], Shongang [Hongdong], hangung [hongdung], hantung [hongdung], hantung [hong anong], wangehan [hong anong]. [Датонг], Итце [Юци] 80 74 154 7 106 81 476 488,000 43,743,000 1.12% Hyderabad, India 7 Adilabad (Syro-Malabarese), Cuddapah, Khammam, Kurnool, Nalgonda, Warangal 402 321 723 899 2 662 347 477 227 000 20 316 000 1,12% Мандалай, Мьянмар 4 Хаха, Лашио, MyAtkin0030 143 12 155 47 456 92 478 202,000 18,892,000 1. 07% Kuala Lumpur, Malaysia 3 Melaka-Johor, Penang 93 30 123 1 63 256 79 479 204 000 19 584 000 1,04% Палембанг, Индонезия 3 Пангкал-Пинанг, Танджунгкаранг 74 75 149 103 8 532

480 573,000 59,359,000 .97% Jakarta, Indonesia 3 Bandung, Bogor 107 302 409 568 882 136 481 262 000 28 530 000 ,92% Цинань [Цзинань], Китай 8 Чоуцунь [Чжоуцунь], Ичжоу [Линьи], Цаочжоу [Цаочжоу, Хэцзэ], Циндао [Циндаогу], Янчжоу [Янчжоу] ], Yentai [Yantai] 118 216 334 94 317 43
Нагасаки, Япония0032

170 187 357 5 250 1 828 203 483 961,000 122,612,000 . 78% Lahore, Pakistan 4 Faisalabad, Islamabad-Rawalpindi, Multan 81 42 123 2 89 411 81 484 165 000 21 700 000 .76% Nanking [Nanjing], China 4 Haimen [Haimen], Shanghai [Shanghai], Soochow [Suzhou], Schow [Xuzhou] 176 162 338 257 819 190 485 556 000 75 673 000 .73% Calcutta, India 8 Asansol, Bagdogra, Baruipur, Darjeeling, JalpaIgri.0032

327 667 4 675 2 230 185 486 158 000 21 947 000 .72% Hankow [Hankou], China 7 Hangow [hangoW], [yichangan], qichun, qichun, qichun, qichun, qichun, wichun, qichun, qichun, qichun, qichun, wichun, wichun, wichun, wichun, wichun wichun [wichouhun] [Puqi], Shihnan [Enshi], Siangyang [Xiangyang], Wuchang [Wuchang] 56 130 186 41 307 276 487 86 000 12 695 000 . 68% FOOCHOW [FUZHOU], China 4 [XIAPU], HSIAMEN-AMAY-AMAY-AMAY-AMAY-AMAINTITITITITITITITITITIATION [XIAPU]. 53 113 6 53 28 488 133 000 21 000 000 .63% Анкинг [ANQIN0032

18 117 135 75 82 72 489 225 000 36 5444 000 .62% ADDIS ABEBA, Ethiopia 6 ADIGRAT, ASMARA (Ethiopian), Barentu, EMDEE, EMDERENERENE, Ethiopian), Barentu, EMDEERENE, EMIOPAIN), EMDEERENE, EMIOPIAN), EMIPERE, EMIOPIAN), EMIOPIAN), EMIOPIAN), EMIOPIAN), EMIOPIAN), EMIOPIAN), EMIOPIAN), EMIOPIAN).

587 842 192 490 70 000 11 322 000 .62% Nanchang [Nanchang], China 4 Kanchow [Ganzhou], Kian [Ji’an], Nancheng [Nancheng], Ykiang [Yujiang] 41 73 114 34 119 66 491 187,000 31,341,000 . 60% Yangon, Myanmar 4 Mawlamyine, Pathein, Pyay 178 178 66 491 108 492 152 000 27,325,000 .56% Kaifeng [Kaifeng], China 8 CHENGCOW [ZHENGHOU], ZQUNIIANIIANIIANIIANIIAN [ZANGANIANIIANIIAN [ZANGANIANIIANIIAN [ZANGANIANIIAN [ZANGANIINIIAN [ZANGANIENSIINIIAN. [Наньян], Синьян [Синьян], Вэйхвэй [Цисянь] 78 137 215 13 256 69 493 190 000 34 686 000 .55% Karachi, Pakistan 2 Hyderabad in Pakistan 42 36 78 84 217 29 494 787 000 146,610 000 . 54% Madre Di Dio A Mosca, Russian Federation 4 San Clement A Saratov, San Giuspepepe, San Clement, Ars,

San,. 261 3 98 288 419 495 194,000 42,098,000 .46% Bangkok, Thailand 6 Chanthaburi, Chiang Mai, Nakhon Sawan, Ratchaburi, Surat Thani 316 186 502 377 1 005 219 496 116 000 26 323 000 0,44% Мукден или Фэнтьен [Шэньян], Китай 5 Чихфэн [Чифэн], Фушунь [Фушун], Жехоль [Цзиньчжоу], Кирин [Цзилинь], Сепинкай [Сыпин], Йенки [Яньцзи], Инкоу [Инкоу] 128 60 7

1880300 2

50 524 84 497 95,000 21,780,000 . 44% Thare and Nonseng, Thailand 4 Nakhon Ratchasima, Ubon Ratchathani, Udon Thani 117 42 159 51 396 192 498 35,000 8,350,000 .42% Kweyang [Guiyang], China 2 Lanlung [Anlong] 92 15 107 38 48 499 266 000 65 937 000 .40% Токио, Япония 6 Niigata, Saitama, Sapporo, Sendai, Yokohama

,

, Niigata, Saitama, Sapporo, Sendai, Yokohama

, Сайтама, Sapporo, Sendai, Yokohama

.0032

202 536 738 6 723 2 975 379 500 25,000 6,500,000 . 38% Lanchow [Lanzhou], China 2 Pingliang [Pingliang], Tsinchow [Tianshui] 22 50 72 18 125 113 501 166 000 50 244 000 .33% Гандхинагар, Индия 4 Ахмедабад, Барода, Раджкот (Syro-Malabarees 502 55 000 17 831 000 .31% Hangchow [Hangzhou], Китай 4 Lishui [lishui], ningpo [ningbo], lishui [lishui], yingboi [ningbo]. 74 72 146 29 230 50 503 26,000 9,549,000 .27% Nanning [Nanning], China 2 Wuchow [Wuzhou] 28 28 24 17 17 504 129,000 48,880,000 . 26% Bhopal, India 9 Gwalior, Indore, Jabalpur, Jhabua, Khandwa, Sagar (Syro-Malabarese), Satna (Syro-Malabarese), Уджайн (сиро-малабарский) 308 348 656 1 671 2 102 210 505 238,000 90,129,000 .26% Delhi, India 4 Jammu-Srinagar, Jullundur, Simla and Chandigarh 227 260 487 1 531 1 907 232 506 125 000 47 032 000 .27% Osaka, Japan 5 Hiroshima, Kyoto, Nagoya, Takamatsu 127 385 512 1 450 1,479 271 507 134 000 53,145 000 . 25% Чунгинг [Чунцин], Китай 7 Ченгту [chengdu], kangting [kangting], kanging], kanging], kanging], kanging], kanging], kanging], kanging], kanging [kanging]. [Наньчун], Суйфу [Ибинь], Ваньсянь [Ваньсянь] 290 37 327 36 316 208 508 3,000 1,200,000 .25% Corf, Zante e Cefalonia, Greece 1 (none) 4 3 7 4 9 6 509 27 000 11 200 000 0,24% Чанша [Чанша], Китай 3 Чанте [Чандэ], Хэнчжоу [Хэнъян], Яньлин [Юаньлин] 22 46 68 3 7 9

3 0 9 9 3 0 3 0 510 282,000 119,051,000 . 24% Dhaka, Bangladesh 6 Chittagong, Dinajpur, Khulna, Mymensingh, Rajshahi 126 129 255 226 1 041 81 511 180,000 90,660,000 .20% Patna, India 5 Bettiah, Bhagalpur, Muzaffarpur, Purnea 199 190 389 314 1,128 155 512 57 000 34,817 000 .16% Nagpur, India 4 Amravati, Aurangabad, Chanda (Syro-Malabar)

,,,. 0030 114 141 255 610 1 131 71 513 15,000 11,212,000 .13% Kunming o Ynnan [Kunming], China 2 Tali [Dali] 40 47 87 40 72 41 514 105 000 170 541 000 0,06% Агра, Индия 10 Ajmer, Allahabad, Bareilly, Bijnor (Syro-Malabarese), Gorakhpur (Syro-Malabarese), Jaipur, Jhansi, Lucknow, Meerut, Udaipur, Varanasi 506 171 677 452 2 858 355 515 1,000 27,252,000 .00% Alger, Algeria 3 Constantine (-Hippone), Oran 36 47 83 1 60 155 29

Калькулятор

градусо-дней БЕСПЛАТНО | Energy Data GmbH

Рассчитайте градусо-дни отопления в различных городах мира всего за 3 клика!

Рассчитайте прямо сейчас!

Почему мы используем градусо-дни отопления и охлаждения при анализе энергетических данных?

Если вы не собираетесь их использовать, то вам могут завязать глаза!

В более холодные зимы зданий требуют большего отопления , а в более жаркое лето больше кондиционер . Градусо-дни , рассчитанные Energy Data GmbH, выводят изменчивость погоды из уравнения и помогают вам отслеживать, управлять и оптимизировать потребление энергии в миллионах зданий по всему миру.

Вот почему градусо-дни являются важным показателем , используемым энергоменеджерами, руководителями заводов, владельцами объектов, а также домовладельцами и любителями энергии для анализа моделей энергопотребления.

Наш Калькулятор градусо-дней — это быстрый, простой и полный инструмент, который поможет вам проанализировать и оптимизировать потребление тепла и охлаждения . Больше никаких копий и вставок данных Excel, никаких сложных формул — достаточно одного клика для вашего конкретного местоположения.

Рассчитайте градусо-дни всего за 3 клика!

Мы позаботимся обо всех необходимых для вас расчетах градусо-дней с помощью лучших доступных источников погоды и сэкономьте свое время и деньги — все, что вам нужно, это решить, хотите ли вы использовать наши веб-приложения или существующие программные инструменты.

От Excel до сложного программного обеспечения для управления энергопотреблением: мы поможем вам настроить наш API для передачи динамических данных в ваши существующие инструменты .

Экономьте время. Экономить энергию. Экономить деньги.

 Что наши пользователи говорят о нас

Так работает бесплатный калькулятор градусо-дней

 



Выберите метеостанцию ​​ на карте или воспользуйтесь строкой поиска для поиска станций рядом с вашим адресом или городом.

Публичная версия нашего калькулятора градусо-дней доступна для всех станций, отмеченных розовым маркером . Станции с бирюзовым маркером доступны только зарегистрированным пользователям .



Скопировать выбранную метеостанцию ​​ в форму калькулятора.



Выберите индикатор энергии .

Бесплатная общедоступная версия нашего калькулятора градусо-дней дает вам доступ к расчету градусо-дней отопления и «градусо-дней отопления помещений» .

Зарегистрированные пользователи также могут рассчитать градусо-дней охлаждения .



Скопируйте идентификатор станции с карты выше или начните вводить и используйте автозаполнение функция.



Установите начальную и конечную даты для вашего расчета.

Общедоступная бесплатная версия позволяет получать градусо-дни за последних 12 месяцев . Зарегистрированные пользователи могут получить доступ к за весь прошлый год сверху.

Если вам нужно еще исторических данных , ознакомьтесь с нашими подписками на профессиональную версию , которая дает вам доступ к минимуму данных за 10 лет .



Установите предел нагрева или охлаждения (точка баланса) для расчета градусо-дней.



Установите разбивку результатов. Вы можете выбрать между годовой, ежемесячной и еженедельной агрегацией .

Как зарегистрированный член , вы также можете получить доступ к ежедневным значениям .



Бесплатная версия позволяет только вычислять градусов дней с помощью метода интеграции , который является .0012 самый точный .

Профессиональная версия дополнительно предлагает два других метода: Мин./Макс. Температура и среднесуточная температура.

Наш общедоступный и бесплатный калькулятор предлагает основные функции для расчета градусо-дней. Просто проверьте следующие шаги.

Зарегистрированные пользователи могут пользоваться дополнительными функциями, такими как возможность расчета градусо-дней отопления и охлаждения в день и доступ к значениям для более чем 23 000 местоположений. Также доступны долгосрочные средние значения.

Зарегистрируйтесь бесплатно

Что такое градусо-дни?

Градусо-дни отопления используются для описания, оценки и сравнения потребления тепла зданиями. Тот же подход можно использовать для оценки потребления энергии на охлаждение (градусо-дни охлаждения). Эти ключевые показатели отражают климатические условия местности, влияющие на потребность в отоплении.

Оплата ежемесячно

Оплата ежегодно

Сэкономьте более 10% на годовых планах

Lite

Стартовый пакет

39 €/мес.

Включенные инструменты:

Включенные данные:

• RГрадусо-дни отопления (HDD)

• R «Градусо-дни отопления помещений» (DD)

• Градусо-дни охлаждения (CDD)

• До 10 локаций

• Rмин. 10 лет исторических данных

• До 100 запросов в час

Подписаться сейчас

узнать больше

Professional

Для высоких требований к данным

89 €  /мес.

Включенные инструменты:

Включенные данные:

• RГрадусо-дни отопления (HDD)

• R «Градусо-дни отопления помещений» (DD)

• Градусо-дни охлаждения (CDD)

• До 25 локаций

• Rмин. 10 лет исторических данных

• До 1000 запросов в час

Подписаться сейчас

узнать больше

Enterprise

Все функции

149 €/мес.

Включенные инструменты:

Включенные данные:

• RГрадусо-дни отопления (HDD)

• R «Градусо-дни отопления помещений» (DD)

• Градусо-дни охлаждения (CDD)

• Ровер 23000 локаций

• Rмин. 10 лет исторических данных

• До 4000 запросов в час

Подпишитесь сейчас

Узнайте больше

Наши энергетические инструменты

100% бесплатно

Бесплатный расчет градусо-дней

Наш калькулятор градусо-дней — это самый простой и надежный способ расчета температуры и охлаждения.