Selected problems of emission inventories – geostatistical perspective

Zasina, D.; Zawadzki, J.

Artykuł - szczegóły

Tytuł artykułu

Selected problems of emission inventories – geostatistical perspective

Autorzy

Zasina D. , Zawadzki J.

Treść / Zawartość

Pełne teksty:

Pobierz

Identyfikatory

Warianty tytułu

Wybrane problemy inwentaryzacji emisji - perspektywa geostatystyczna

Języki publikacji

Abstrakty

This paper presents approach that develops currently applied methodology for obtaining spatial surrogates for spatial disaggregation of air emission inventories. Considered sector was small residential combustion in the Katowice Urban Zone, situated in the southern part of Poland, due to its importance in emission budget, also potential health threatening of the ‘low emission’ sector. Results presented in this paper use geostatistical techniques: ordinary and indicator kriging to show dependence between spatial distribution of the urban density development (described by the built areas) and distribution of the district heating infrastructure. Obtained results should be useful for emission inventory compilers, for air quality modelers as well as policymakers.

Niniejszy artykuł przedstawia wkład do rozwoju metodyki stosowanej do przestrzennego podziału inwentaryzacji emisji z udziałem tzw. surogatów. Zastosowanie krigingu zwykłego oraz wskaźnikowego jest zaprezentowane dla rozkładu przestrzennego obszarów zabudowanych, który jest surogatem emisji zanieczyszczeń do powietrza z gospodarstw domowych. Gospodarstwa domowe są ważnym źródłem sprzyjającym powstawaniu zjawiska tzw. „niskiej emisji” w Polsce. Wyniki przedstawiające zależność przestrzenną pomiędzy rozkładem przestrzennym obszarów zabudowanych, a rozkładem infrastruktury Śląskiego Systemu Ciepłowniczego. Mogą być wykorzystane do przygotowania lokalnych inwentaryzacji emisji na potrzeby modelowania jakości powietrza, a także dla rozwoju lokalnych polityk jakości powietrza.

Słowa kluczowe

air emission inventory spatial disaggregation spatial allocation air emission mapping geostatistics

inwentaryzacja emisji dezagregacja przestrzenna rozkład przestrzenny geostatystyka

Wydawca

STE GROUP

Czasopismo

Systemy Wspomagania w Inżynierii Produkcji

Rocznik

2017

Tom

Vol. 6, iss. 7

Strony

296--309

Opis fizyczny

Bibliogr. 46 poz.

Twórcy

autor

Zasina D.

damian.zasina@kobize.pl

IEP-NRI, KOBiZE, ul. Chmielna 132/134, 00-805 Warszawa

autor

Zawadzki J.

J.J.Zawadzki@gmail.com

Warsaw University of Technology. Faculty of Building Services, Hydro and Environmental Engineering, ul. Nowowiejska 20, 00-653 Warszawa

Bibliografia

1. M. Armstrong. Basic Linear Geostatistics. Springer, 1998, https://doi.org/10.1007/978-3-642-58727-6.
2. S. Behera, M. Sharma, O. Dikshit, and S. Shukla. Development of GIS-aided Emission Inventory of Air Pollutants for an Urban Environment. InTech, 2011, pp. 279-294, available from: http://www.intechopen.com/books/advanced-air-pollution/development-of-gis-aided-emission-inventory-of-air-pollutants-for-an-urban-environment.
3. J. Bieser, A. Aulinger, V. Matthias, M. Quante, and P. Builtjes. „SMOKE for Europe – adaptation, modification and evaluation of a comprehensive emission model for Europe." Geoscientific Model Development, vol. 4, pp. 47-68, 2011, https://doi.org/10.5194/gmd-4-47-2011.
4. G. Bohling. „Introduction to geostatistics and variogram analysis," 2005, http://people.ku.edu/~gbohling/cpe940/Variograms.pdf [Dostęp: 12.02.2017].
5. J.-P. Chilès and P. Delfiner. Geostatistics. Modeling Spatial Uncertainty 2nd edt. John Wiley & Sons, 2012.
6. S.-O. Chung, K. Sudduth, S. Drummond, and N. Kitchen. „Spatial Variability of Soil Properties using Nested Variograms at Multiple Scales." Journal of Biosystems Engineering, vol. 39, no. 4, p. 377-388, 2014, https://doi.org/10.5307/JBE.2014.39.-4.377 [Dostęp: 23.03.2017].
7. H. Denier van der Gon, S. Beevers, A. D'Allura, S. Finardi, C. Honoré, J. Kuenen, O. Perrussel, P. Radice, J. Theloke, M. Uzbasich, and A. Visschedijk. „Discrepancies Between Top-Down and Bottom-Up Emission Inventories of Megacities: The Causes and Relevance for Modeling Concentrations and Exposure," in Air Pollution Modeling and its Application XXI, D. Steyn and S. Trini Castelli, Eds. Dordrecht: Springer, 2011, p. 199-204, https://dx.doi.org/10.1007/978-94-007-1359-8_34.
8. C. Deutsch. Geostatistical Reservoir Modeling. Oxford: Oxford University Press, 2002.
9. EEA and EMEP LRTAP, EMEP/EEA air pollutant emission inventory guidebook 2016, 2016, https://doi.org/10.2800/247535 [Dostęp: 23.01.2017].
10. EEA, "CLC 2012," 2012, http://land.copernicus.eu/pan-european/corine-land-cover/clc-2012 [Dostęp: 24.01.2017].
11. J. Ferreira, M. Guevara, J. Baldasano, O. Tchepel, M. Schaap, A. Miranda, and C. Borrego. „A comparative analysis of two highly spatially resolved European atmospheric emission inventories." Atmospheric Environment, vol. 75, pp. 43-57, 2013, https://doi.org/10.1016/j.atmosenv.2013.03.052 [Dostęp: 21.03.2017].
12. D. Gkatzoflias, G. Mellios, and Z. Samaras. „Development of a web GIS application for emissions inventory spatial allocation based on open source software tools." Computers & Geosciences, vol. 52, pp. 21-33, 2013, https://doi.org/10.1016/j.cageo.2012.10.011 [Dostęp: 17.04.2017].
13. I. Glacken, P. Blackney. „A practitioners implementation of indicator kriging," Perth, Western Australia, 1998, 'Beyond Ordinary Kriging', Seminar October 30th, 1998. http://www.gaa.org.au/pdf/bok%20glacken.pdf [Dostęp: 19.05.2017].
14. J. Horabik-Pyzel and Z. Nahorski. „Integration of multi-source information in disaggregation of spatial emission data," 2015, 4th International Workshop on Uncertainties in Atmospheric Emissions Kraków, 7-9 October 2015. Available from: http://www.ibspan.waw.pl/unws2015/images/presentations/gridded_emissions/gridded_emissions_4.pdf [Dostęp: 13.05.2017].
15. J. Horabik-Pyzel and Z. Nahorski. „Uncertainty of Spatial Disaggregation Procedures: Conditional Autoregressive Versus Geostatistical Models." Proceedings of the Federated Conference on Computer Science and Information Systems, vol. 8, pp. 449-457, 2016, https://doi.org/10.15439/2016F539 [Dostęp: 02.04.2017].
16. E. Isaaks, R. Srivastava. Applied Geostatistics. New York: Oxford University Press, 1989.
17. A. Journel. Fundamentals of Geostatistics in Five Lessons. Washington DC: American Geophysical Union, 1989, vol. 8, https://www.nrc.gov/docs/ML0227/ML022770097.pdf [Dostęp: 12.03.217].
18. A. Journel. „Nonparametric estimation of spatial distributions." Journal of the International Association for Mathematical Geology, vol. 15, p. 445-468, 1983, https://doi.org/10.1007/BF01031292 [Dostęp: 21.05.2017].
19. D. Kaleta. „State of Air Pollution in Silesia Province Including Low Emission Sources." Architecture Civil Engineering Environment Journal, vol. 7, no. 4, p. 79-87, 2014, http://acee-journal.pl/1,7,33,Issues.html [Dostęp: 01.06.2016]
20. J. Lelieveld, J. S. Evans, M. F. D. Giannadaki, and A. Pozzer. „The contribution of outdoor air pollution sources to premature mortality on a global scale." Nature, no. 525, p. 367-371, 2015, https://doi.org/10.1038/nature15371 [Dostęp: 05.03.2017].
21. U. Leopold, G. Huevelink, L. Drouet, and D. Zachary. „Modelling Spatial Uncertainties associated with Emission Disaggregation in an integrated Energy Air Quality Assessment Model," in IEMSs 2012 International Congress on Environmental Modelling and Software. Managing Resources of a Limited Planet: Pathways and Visions under Uncertainty, Sixth Biennial Meeting, S. L. R. Seppelt, A.A. Voinov and D. Bankamp, Eds., Leipzig, Germany, 2012, http://www.iemss.org/sites/iemss2012//proceedings/D1_1_0823_Leopold_et_al.pdf [Dostęp: 09.02.2017].
22. S. Lyon, A. Lembo Jr., M. Todd Walter, and T. Steenhuis. „Defining probability of saturation with indicator kriging on hard and soft data." Advances in Water Resources, vol. 29, p. 181-193, 2006, https://doi.org/10.1016/j.advwatres.2005.02.012.
23. J. Maes, J. Vliegen, K. Van de Vel, S. Janssen, F. Deutsch, K. De Ridder, and C. Mensink. „Spatial surrogates for the disaggregation of CORINAIR emission inventories." Atmospheric Environment, vol. 43, no. 6, p. 1246-1254, 2009, https://doi.org/10.1016/j.atmosenv.2008.11.040 [Dostęp: 23.03.2017].
24. P. Marcotullio, A. Sarzynski, J. Albrecht, N. Schulz, and J. Garcia. "The geography of global urban greenhouse gas emissions: an exploratory analysis." Climatic Change, vol. 121, pp. 621-634, 2013, https://doi.org/10.1007/s10584-013-0977-z.
25. Q. Meng. „Spatial analysis of environment and population at risk of natural gas fracking in the state of Pennsylvania, USA." Science of the Total Environment, no. 515-516, p. 198-206, 2015, https://doi.org/10.1016/j.scitotenv.2015.02.030.
26. B. Namysłowska-Wilczyńska and A. Wilczyński. „Geostatistical Characteristics of the Structure of Spatial Variation of Electrical Power in the National 110KV Network Including Results of Variogram Model Components Filtering." Acta Energetica, no. 1/22, pp. 72-87, 2015, https://doi.org/10.12736/issn.2300-3022.2015106.
27. A. Nickless, R. Scholes, and E. Filby. „Spatial and temporal disaggregation of anthropogenic CO2 emisisons from the City of Cape Town." South African Journal of Science, vol. 111, pp. 1-8, 2015, https://doi.org/10.17159/sajs.2015/20140387.
28. W. Nikodem. „Rozważania nad kompleksową modernizacją systemu zaopatrzenia w ciepło Konurbacji Śląskiej." Energetyka, no. 5, pp. 381-388, 2008, [in Polish].
29. T. Oda and S. Maksyutov. „A very high-resolution (1km×1km) global fossil fuel CO2 emission inventory derived using a point source database and satellite observations of nighttime lights." Atmos. Chem. Phys., vol. 11, pp. 543-556, 2011, https://doi.org/10.5194/acp-11-543-2011 [Dostęp: 16.05.2017].
30. R. Olea. „A six-step practical approach to semivariogram modeling." Stoch Environ Res Risk Assess, no. 20, pp. 307-318, 2006, https://doi.org/10.1007/s00477-005-0026-1 [Dostęp: 02.05.2017].
31. J. Ou, X. Liu, X. Li, and X. Shi. „Mapping Global Fossil Fuel Combustion CO2 Emissions at High Resolution by Integrating Nightlight, Population Density, and Traffic Network Data." IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol. 9, pp. 1674-1684, 2016, https://doi.org/10.1109/JSTARS.2015.2476347 [Dostęp: 23.05.2017].
32. M. Plebankiewicz and A. Jankowski. „Ciepło dla aglomeracji miast śląskich do wsparcia z funduszy unijnych." Wokół Energetyki, no. 3, pp. 1-4, 2007, http://www.cire.pl/pliki/2/AGLOM.pdf. [in Polish].
33. M. Plejdrup, O.-K. Nielsen, and J. Brandt. „Spatial emission modelling for residential wood combustion in Denmark." Atmospheric Environment, vol. 144, pp. 389-396, 2016, https://doi.org/10.1016/j.atmosenv.2016.09.013.
34. L. Ran, D. Loughlin, D. Yang, Z. Adelman, B. Baek, and C. Nolte. „ESP v. 2.0: enhanced method for exploring emission impacts of future scenarios in the United States – adressing spatial allocation." Geoscientific Model Development, vol. 8, pp. 1775-1787, 2015, https://doi.org/10.5194/gmd-8-1775-2015 [Dostęp: 16.05.2017].
35. O. Schabenberger and C. Gotwa. Statistical Methods for Spatial Data Analysis. Chapman & Hall, 2004.
36. A. Soares. „Direct Sequential Simulation and Cosimulation." Mathematical Geology, vol. 33, no. 8, pp. 911-926, 2001, https://doi.org/10.1023/A:1012246006212.
37. P. Verburg, A. Tabeau, and E. Hatna. „Assessing spatial uncertainties of land allocation using a scenario approach and sensitivity analysis: A study for land use in Europe." Journal of Environmental Management, vol. 127, p. S132-S144, 2013, https://doi.org/10.1016/j.jenvman.2012.08.038 [Dostęp: 25.04.2017].
38. Y. Wang and G. Li. „Mapping urban CO2 emissions using DMSP/OLS 'city lights' satellite data in China." Environment and Planning A, vol. 0, no. 0, pp. 1-4, 2016, https://doi.org/10.1177/0308518X16656374 [Dostęp: 02.03.2017].
39. J. Wu, W. Norvell, and R. Welch. „Kriging on highly skewed data for DTPA-extractable soil Zn with auxiliary information for pH and organic carbon." Geoderma, p. 187-199, 2006, https://doi.org/10.1016/j.geoderma.2005.11.002 [Dostęp: 12.01.2017].
40. H. Yu and A. Stuart. „Exposure and inequality for select urban air pollutants in the Tampa Bay area." Science of the Total Environment, vol. 551-552, p. 474-483, 2016, https://doi.org/10.1016/j.scitotenv.2016.01.157 [Dostęp: 12.02.2017].
41. E. Zajusz-Zubek, A. Mainka, Z. Korban, and J. Pastuszka. „Evaluation of highly mobile fraction of trace elements in PM10 collected in Upper Silesia (Poland): Preliminary results." Atmospheric Pollution Research, vol. 6, pp. 961-968, 2015, https://doi.org/10.1016/j.apr.2015.05.001 [Dostęp: 05.04.2017].
42. J. Zawadzki. „Analiza rozkładu przestrzennego zanieczyszczenia gleb Warszawy i okolic cynkiem, miedzią i ołowiem z zastosowaniem krigingu wskaźnikowego." Inżynieria i Ochrona Środowiska, vol. 6, no. 3/4, pp. 407-424, 2003.
43. J. Zawadzki. Metody geostatystyczne dla kierunków przyrodniczych i technicznych. Warszawa, 2011.
44. Y. Zhao, L. Qiu, R. Xu, F. Xie, Q. Zhang, Y. Yu, C. Nielsen, H. Qin, H. Wang, X. Wu, W. Li, and J. Zhang. „Advantages of a city-scale emission inventory for urban air quality research and policy: the case of Nanjing, a typical industrial city in the Yangtze River Delta, China." Proceedings of the Federated Conference on Computer Science and Information Systems, vol. 15, p. 12623-12644, 2015, https://doi.org/10.5194/acp-15-12623-2015.
45. Y. Zhao, X. Xu, B. Huang, W. S. X. Shao, X. Shi, and X. Ruan. „Using robust kriging and sequential Gaussian simulation to delineate the copper- and lead-contaminated areas of a rapidly industrialized city in Yangtze River Delta, China." Environmental Geology, vol. 52, p. 1423-1433, 2007, https://doi.org/10.1007/s00254-007-0667-0.
46. B. Zheng, Q. Zhang, D. Tong, C. Chen, C. Hong, M. Li, G. Geng, Y. Lei, H. Huo, and K. He. „Resolution dependence of uncertainties in gridded emission inventories: a case study in Hebei, China." Atmos. Chem. Phys., vol. 17, p. 921-933, 2017, https://doi.org/10.5194/acp-17-921-2017 [Dostęp: 05.03.2017].

Uwagi

Opracowanie w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018)

Typ dokumentu

Bibliografia

Identyfikator YADDA

bwmeta1.element.baztech-0f791daf-4e40-4573-975e-010129cc8bdb