Analiza zanieczyszczenia powietrza atmosferycznego pyłami charakterystycznymi dla niskiej emisji

• Autorzy: Kwilosz Tadeusz , Filar Bogdan , Miziołek Mariusz

Identyfikatory

DOI

10.18668/NG.2022.09.06

Warianty tytułu

EN

Atmospheric air pollution analysis with dusts characteristic of low emissions

• Języki publikacji: PL

Abstrakty

PL

Pomimo wielu wysiłków organizacji pozarządowych i zwiększającej się z upływem czasu świadomości ludzi stan jakości powietrza w wielu polskich miastach nie uległ poprawie. Szacuje się, że z powodu zanieczyszczenia powietrza atmosferycznego Europejczycy żyją średnio o 9 miesięcy krócej. Z problemem tym zmagają się mieszkańcy dużych aglomeracji miejskich oraz małych miejscowości. Nawet jeśli w danej miejscowości nie są zlokalizowane zakłady przemysłowe emitujące szkodliwe substancje do atmosfery, to źródłem zanieczyszczeń utrzymujących się na niskich wysokościach są: miejskie kotłownie, domowe piece opalane węglem i transport samochodowy. Emisja zanieczyszczeń scharakteryzowana przez wymienione cechy nosi nazwę „niskiej emisji”. Jednym z ważniejszych zadań związanych z diagnozą i przeciwdziałaniem temu zjawisku jest ciągłe monitorowanie zanieczyszczenia powietrza poprzez rozlokowane na terenach miejskich urządzenia pomiarowe – sensory oraz lokalizowanie obszarów najbardziej zanieczyszczonych. Celem prezentowanej pracy było wykonanie analizy wyników pomiarów zanieczyszczeń powietrza pyłami zawieszonymi oraz opracowanie metody lokalizacji obszarów, w których znajdują się potencjalne źródła skażenia. Terenem badań był obszar miejski Krosna – miasta w południowo-wschodniej części Polski. Do przeprowadzenia wspomnianej analizy wykorzystano metody analizy geostatystycznej. Zasadnicza trudność w zrealizowaniu tak postawionego zadania polega na tym, że punkty pomiarowe, na podstawie których czerpiemy wiedzę o skażeniach, znajdują się w przypadkowo zlokalizowanych miejscach i nie są związane ze źródłami zanieczyszczeń. Wyniki rozkładów badanych parametrów, uzyskiwane metodą krigingu, mogą sugerować, że punkty pomiarowe reprezentują źródła. Tak jest w wielu przypadkach badań środowiskowych. Na przykład mierząc natężenie hałasu w obiektach przemysłowych, ustawia się mikrofony przy źródłach hałasu (silniki, wentylatory, pompy itp.) oraz w otoczeniu (aby zmierzyć propagację hałasu w miejscach oddalonych od jego źródeł). W przypadku badań zanieczyszczeń powietrza tak nie jest. Aby zobrazować różnice w uzyskanych (różnymi metodami) wynikach, posłużono się dwiema metodami geostatystycznej analizy danych: krigingiem i symulacją warunkową. Wykonano analizę wyników pomiarów zanieczyszczeń powietrza pyłami zawieszonymi (PM1, PM2,5 i PM10) na podstawie danych rzeczywistych pozyskanych z pomiarów wykonanych na terenie miasta Krosna. Wyznaczono rejony największego skażenia powietrza. Zobrazowano uzyskane wyniki w postaci map przestrzennych rozkładów poziomu zanieczyszczenia powietrza pyłami: PM1, PM2,5 oraz PM10. Wykazano, że metoda symulacji warunkowej pozbawiona jest wady lokalizowania obszarów najbardziej zanieczyszczonych w punktach pomiarowych i dlatego charakteryzuje się lepszą skutecznością (w porównaniu z krigingiem).

EN

Despite many efforts of non-governmental organizations and the increasing awareness of people over time, the air quality in many Polish cities has not improved. It is estimated that Europeans live 9 months shorter on average due to air pollution. The inhabitants of large urban agglomerations and small towns are struggling with the air pollution problem. Even if no industrial plants emitting harmful substances into the atmosphere are located in a given locality, there are others sources of pollution, such as: coal-fired stoves and car transport. The emission of pollutants characterized by these features is called “low emission”. One of the most important tasks related to the diagnosis and prevention of this phenomenon is the continuous monitoring of air pollution by measuring devices – sensors located in urban areas. The aim of the presented work was to analyze the results of measurements of air pollution data. Based on the data a method of locating the most polluted areas was developed. The urban area of Krosno, a city located in southeastern Poland, was chosen as the research area. The analysis was performed using the methods of geostatistical analysis. The main difficulty in carrying out such a task is that the measuring points on the basis of which we learn about contamination are located in randomly located places and are not associated with the sources of contamination. The results of the distributions of the examined parameters, obtained by the kriging method, may suggest that the measuring points represent sources. For example, when measuring noise levels in industrial facilities, microphones are positioned at noise sources (motors, fans, pumps, etc.) and in the surrounding area (to measure noise propagation in places far from its sources). This is not the case with air pollution studies. To illustrate the differences in the obtained results, two methods of geostatistical data analysis were used: kriging and conditional simulation. An analysis of the results of measurements of air pollution with suspended dust (PM1, PM2.5 and PM10) was performed on the basis of actual data obtained from measurements made in the city of Krosno. The areas of the highest air pollution were determined. The obtained results were presented in the form of spatial maps of the distribution of PM1, PM2.5 and PM10 air pollution levels. It has been shown that the conditional simulation method demonstrates better efficiency of locating the most polluted areas (compared to kriging).

Słowa kluczowe

PL

zanieczyszczenie powietrza; kriging; symulacja warunkowa

EN

air pollution; kriging; conditional simulation

• Wydawca: Instytut Nafty i Gazu - Państwowy Instytut Badawczy
• Czasopismo: Nafta-Gaz
• Rocznik: 2022
• Tom: R. 78, nr 9
• Strony: 688--695
• Opis fizyczny: Bibliogr. 26 poz., rys.

Twórcy

autor

Kwilosz Tadeusz

• Instytut Nafty i Gazu – Państwowy Instytut Badawczy

autor

Filar Bogdan

• Instytut Nafty i Gazu – Państwowy Instytut Badawczy

autor

Miziołek Mariusz

• Instytut Nafty i Gazu – Państwowy Instytut Badawczy

Bibliografia

• Bruce N., Pope D., Rehfuess E., Balakrishnan K., Adair-Rohani H., Dora C., 2015. WHO indoor air quality guide lines on household fuel combustion: Strategy implications of new evidence on interventions and exposure-risk functions. Atmospheric Environment, 106:451–457. DOI: 10.1016/j.atmosenv.2014.08.064.
• Caineta J.A.R., 2010. Applying Spatial Bootstrap and Bayesian Update in uncertainty assessment at oil reservoir appraisal stages. arXiv:1702.04450v1.
• Degórska A., 2016. Źródła emisji pyłu pierwotnego. [W:] Juda-Rezler K., Toczko B. (red.). Pyły drobne w atmosferze. Kompendium wiedzy o zanieczyszczeniu powietrza pyłem zawieszonym w Polsce: 22–25. Główny Inspektorat Ochrony Środowiska, Warszawa. ISBN 978-83-61227-73-1.
• Deutsch C.V., 2002. Geostatistical Reservoir Modelling. Oxford University Press, Oxford. ISBN 9780195138061.
• Ebel A., Friedrich R., Rodhe H. (eds.), 1997. Tropospheric Modelling and Emission Estimation. Springer-Verlag, Berlin Heidelberg.DOI: 10.1007/978-3-662-03470-5.
• Granier G., Artaxo P., Reeves C.E. (eds.), 2004. Emissions of Atmospheric Trace Compounds. Kluwer Academic Publishers. DOI: 10.1007/978-1-4020-2167-1.
• Hławiczka S., Kliś C., Cenowski M., Strzelecka-Jastrząb E., Długosz J., Bronder J., 2012. Nowe podejście do oceny niskiej emisji z ogrzewania mieszkań w kształtowaniu stężeń pyłu na obszarze gminy. II. Modelowanie stężeń pyłu. Ochrona Środowiska i Zasobów Naturalnych, 51: 22–46.
• Isaaks E.H., Srivastava R.M., 1989. Applied Geostatistics. Oxford University Press, New York. ISBN 978-0-19-505013-4.
• Journel A.G., 1989. Fundamentals of Geostatistics in Five Lessons. American Geophysical Union, Washington. <https://www.nrc.gov/docs/ML0227/ML022770097.pdf> (dostęp: 22.09.2021).
• Juda-Rezler K., 2006. Oddziaływanie zanieczyszczeń powietrza na środowisko. Oficyna Wydawnicza Politechniki Warszawskiej. ISBN 83-7207-211-6.
• Kaczmarczyk M. (red.), 2015. Niska emisja – od przyczyn występowania do sposobów eliminacji. Geosystem Burek, Kotyza s.c., Kraków:144. ISBN 978-83-64339-02-8.
• Kaleta D., 2014. State of Air Pollution in Silesia Province Including Low Emission Sources. Architecture Civil Engineering Environment Journal, 7(4): 79–87. <http://acee-journal.pl/1,7,33,Issues.html> (dostęp: 15.09.2021).
• Klejnowski K., Pastuszka J., Rogula-Kozłowska W., Talik E., Krasa A., 2012. Mass Size Distribution and Chemical Composition of the Surface Layer of Summer and Winter Airborne Particles in Zabrze, Poland. Bulletin of Environmental Contamination and Toxicology,88: 255–259. DOI: 10.1007/s00128-011-0452-3.
• Malvić T., Ivšinović J., Velić J., Rajić R., 2019. Kriging with a Small Number of Data Points Supported by Jack-Knifing, a Case Study in the Sava Depression (Northern Croatia). Geosciences, 9(1): 36. DOI: 10.20944/preprints201811.0614.v1.
• Manchuk J.G., Deutsch C.V., 2012. A flexible sequential Gaussian simulation program: USGSIM. Computers & Geosciences, 41: 208–216.DOI: 10.1016/j.cageo.2011.08.013.
• Nowak M., Verly G., 2005. The Practice of Sequential Gaussian Simulation. [W:] Leuangthong O., Deutsch C.V. (eds.). Geostatistics Banff 2004. Quantitative Geology and Geostatistics, 14. Springer, Dordrecht. DOI: 10.1007/978-1-4020-3610-1_39.
• Oh D.-R., Hwang C.S., 2015. A Comparative Study on the Spatial Statistical Models for the Estimation of Population Distribution. Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 3(3): 145–153. DOI: 10.7848/ksgpc.2015.33.3.145.
• Oliver M., Webster R., 2015. Basic Steps in Geostatistics: The Variogram and Kriging. Springer, Cham. DOI: 10.1007/978-3-319-15865-5.
• Pebesma E., 2004. Multivariable geostatistics in S: the gstat package. Computers & Geosciences, 30(7): 683–691. DOI: 10.1016/j.cageo.2004.03.012.
• Rataj M., 2014. Wymagania w analizie zawartości pyłów w spalinach z kominków i wkładów kominkowych. Nafta-Gaz, 70(6): 719–723.
• Rataj M., Holewa-Rataj J., 2020. Analiza zmian jakości powietrza Małopolski w latach 2012–2020. Nafta-Gaz, 76(11): 854–863. DOI: 10.18668/NG.2020.11.11.
• Vann J., Bertoli O., Jackson S., 2002. An overview of geostatistical simulation for quantifying risk. Proceedings of Geostatistical Association of Australasia Symposium „Quantifying Risk and Error”.
• Webster R., Oliver M.A., 2007. Geostatistics for Environmental Scientists. John Wiley & Sons, Ltd, Chichester, England. ISBN 978-0-470-02858-2.
• Zajusz-Zubek E., Mainka A., Korban Z., Pastuszka J.S., 2015. Evaluation of highly mobile fraction of trace elements in PM10 collected in Upper Silesia (Poland): Preliminary results. Atmospheric Pollution Research, 6: 961–968. DOI: 10.1016/j.apr.2015.05.001.
• Zawadzki J., 2011. Metody geostatystyczne dla kierunków przyrodniczych i technicznych. Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa. ISBN 978-83-7207-953-4.
• Zawadzki J., Cieszewski C.J., Zasada M., Lowe R.C., 2005. Applying geostatistics for investigations of forest ecosystems using remote sensing imagery. Silva Fennica, 39(4): 599–617. DOI: 10.14214/sf.369.

Uwagi

Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).