The use of the GIS tools in the analysis of air quality on the selected University campus in Poland

• Autorzy: Sówka Izabela , Badura Marek , Pawnuk Marcin , Szymański Piotr , Batog Piotr

Identyfikatory

DOI

10.24425/aep.2020.132531

Warianty tytułu

PL

Zastosowanie narzędzi GIS w analizie jakości powietrza atmosferycznego na terenie wybranego kampusu uczelni wyższej w Polsce

• Języki publikacji: EN

Abstrakty

EN

In our article the ordinary kriging interpolation method was used for a spatial presentation of PM_2.5 concentrations. The data used in the research was obtained from the unique PM_2.5 measuring system, based on low-cost optical sensors for PM_2.5 concentration measurements, working on Wroclaw University of Science and Technology campus area. The data from this system was used as an input for the interpolations that were made for three different days characterized by the highest measured values of PM_2.5 – 20.01.2019, 17.02.2019 and 30.03.2019. For each of the selected days, variants with the maximum and minimum PM_2.5 values recorded on a given measurement day were presented. In the analyses performed, the ordinary kriging technique and cross-validation, was used as the interpolation and the validation method, respectively. Parameters determining the quality of performed interpolation were Mean Error, Mean Standardized Error, Root Mean Square Error, and Average Standard Error. As the main indicator of quality of interpolation RMSE parameter was used. Analysis of that parameter shows that the higher variability of the data used for interpolation affects its quality. The Root Mean Square Error parameter reached 0.64, 0.94 and 1.71 for the lowest concentrations variants characterized by low spatial variability, and 6.53, 7.51, 11.28 for the highest one, which were characterized by high spatial variability. The obtained results of the research with the use of GIS tools shows that the ordinary kriging method allowed for the correct spatial presentation of the PM_2.5 concentration variability in areas not covered by the measurement system.

PL

W artykule przedstawiono wyniki analiz przestrzennych zmienności stężeń pyłu PM_2.5 uzyskanych z pomiarów przeprowadzonych przy zastosowaniu systemu nisko kosztowych czujników zlokalizowanych na terenie kampusu Politechniki Wrocławskiej dla scenariuszy trzech dni w okresie zimowym charakteryzujących się wartościami podwyższonych stężeń PM_2.5 na badanym obszarze – 20/01/2019, 17/02/2019 i 30/03/2019. Dla każdego z wybranych dni przedstawiono warianty z odnotowanymi maksymalnymi oraz minimalnymi wartościami stężeń PM_2.5 zanotowanych w danym dniu pomiarowym. W przeprowadzonych analizach jako metodę interpolacji wykorzystano technikę krigingu zwykłego, a jako metodę walidacji walidację krzyżową. Parametrami określającymi poprawność wykonanej interpolacji były Mean Error, Mean Standardized Error, Root Mean Square Error oraz Average Standard Error. Z przeprowadzonych badań i analiz wynika, iż większa zmienność danych użytych do interpolacji wpływa na jej jakość oraz iż dla wariantów obliczeniowych, w których analizowane były stężenia minimalne w danym dniu pomiarowym uzyskano mniejsze wartości błędów interpolacji. Parametr Root Mean Square Error będący głównym wskaźnikiem jakości wykonanych interpolacji dla stężeń najniższych osiągnął wartość równe 0.64, 0.94 oraz 17.71, w przypadku najwyższych – 6.53, 7.51, 11.28. Metoda krigingu zwykłego umożliwiła na jakościowo poprawną przestrzenną prezentację zmienności stężeń pyłów PM_2.5.

Słowa kluczowe

EN

PM2.5; ordinary kriging; campus area

PL

PM2.5; zwykły kriging; kampus uczelni

• Wydawca: Institute of Environmental Engineering, Polish Academy of Sciences
• Czasopismo: Archives of Environmental Protection
• Rocznik: 2020
• Tom: Vol. 46, no. 1
• Strony: 100--106
• Opis fizyczny: Bibliogr. 20 poz., rys., tab., wykr.

Twórcy

autor

Sówka Izabela

• Wroclaw University of Technology, Faculty of Environmental Engineering

autor

Badura Marek

• Wroclaw University of Technology, Faculty of Environmental Engineering

autor

Pawnuk Marcin

• Wroclaw University of Technology, Faculty of Environmental Engineering

autor

Szymański Piotr

• Wrocław University of Science and Technology, Faculty of Computer Science and Management

autor

Batog Piotr

• INSYSPOM, Wrocław

Bibliografia

• 1. Badura, M., Sówka, I., Batog, P., Szymański, P. & Dąbrowski, Ł. (2019). Sensor network for PM2.5 measurements on an academic campus area, E3S Web of Conferences, 116, pp. 1-8, DOI: 10.1051/e3sconf/201911600004.
• 2. Badura, M., Batog, P., Drzeniecka-Osiadacz, A. & Modzel, P. (2018). Evaluation of low-cost sensors for ambient PM2.5 monitoring, Journal of Sensors, 2018, pp. 1-16, DOI: 10.1155/2018/5096540.
• 3. Borkowski, A. Sz. & Kwiatkowska-Malina, J. (2017) Geostatistical modelling as an assessment tool of soil pollution based on deposition from atmospheric air, Geoscience Journal, 21, 4, pp. 645-653, DOI: 0.1007/s12303-017-0005-9.
• 4. Deligiorgi, D. & Philippopoulos, K. (2011) Spatial interpolation methodologies in urban air pollution modelling: application for the greater area of metropolitan Athens, Grece, Advanced Air Pollution, DOI: 10.5772/17734.
• 5. Ding, Q., Wang, Y. & Zhuang, D. (2018). Comparison of the common spatial interpolation methods used to analyze potentially toxic elements surrounding mining regions, Journal of Environmental Management, 212, pp. 23-31, DOI: 10.1016/j.jenvman.2018.01.074.
• 6. Environmental Systems Research Institute ESRI (2019). Support materials provided by ESRI for the Geostatistical Analyst tool (https://pro.arcgis.com/en/pro-app/help/analysis/geostatisticalanalyst (date 02.08.2019)).
• 7. Han, X. & Lu, X. (2017). Spatial distribution, environmental risk and source of heavy metals in street dust from an industrial city in semi-arid area of China, Archives of Environmental Protection, 43, 2, pp. 10-19, DOI: 10.1515/aep-2017-0013.
• 8. Holnicki, P., Kałuszko A., Nahorski Z., Stankiewicz K. & Trapp W. (2017). Air quality modelling for Warsaw agglomeration, Archives of Environmental Protection, 43, 1, pp. 48-64, DOI: 10.1515/aep-2017-0005.
• 9. Huisman, O. & de By, R.A. (2009). Principles of geographic information system, an introductory textbook (fourth edition), The International Institute for Geo-Information Science and Earth Observation, Netherlands 2009.
• 10. Kiš, I.M. (2016). Comparison of ordinary and universal kriging interpolation techniques on a depth variable (a case of linear spatial trend), case study of the Šandrovac Field, Rudarsko-geološkonaftni Zbornik, 31, 2, pp. 41-58, DOI: 10.17794/rgn.2016.2.4.
• 11. Kumar, A., Mishra, R.K. & Singh, S.K. (2015). GIS application in urban traffic air polution exposure study: a research review, Suan Saiandha Science and Technology Journal, 2, 1, pp. 25-37.
• 12. Kwiatkowska-Malina, J. & Borkowski, A.Sz. (2014). Application of semivariance analysis for estimating SO2 concentration in atmospheric air, Infrastruktura i Ekologia Terenów Wiejskich, 2, 2, pp. 377-388, DOI: 10.14597/infraeco.2014.2.2.027. (in Polish)
• 13. Núñez-Alonso, D., Pérez-Arribas, L.V., Manzoor, S. & Cáceres, J.O. (2019). Statistical tools for air pollution assessment: multivariate and spatial analysis studies in the Madrid region, Journal of Analytical Methods in Chemistry, 9, pp. 1-9, DOI: 10.1155/2019/9753927.
• 14. Ogryzek, M. & Kurowska, K. (2016). Geostatistical methods preparing of map average transaction prices of agricultural land undeveloped, Studia i Prace WNEiZ US, 45, 1, pp. 397-408. (in Polish)
• 15. Sówka, I., Grzelka, A., Bezyk, Y. & Miller, U. (2017). GIS-based modelling of odour emitted from the waste processing plant: case study, E3S Web of Conferences, 17, pp. 1-8, DOI: 10.1051/e3sconf/20171700085.
• 16. Tecer, L.H. & Tagil, S. (2016). Spatial-temporal variations of Sulphur dioxide concentration, source, and probability assessment using a GIS-based geostatistical approach, Polish Journal of Environmental Studies, 22, 5, pp. 1491-1498.
• 17. Urbański J. (2009). GIS w badaniach przyrodniczych, Wydawnictwo Uniwersytetu Gdańskiego, Gdańsk 2009.
• 18. Wong, D.W., Yuan, L. & S.A Perlin (2004) Comparison of spatial interpolation method for the estimation of air quality data, Journal of Exposure Analysis and Environmental Epidemiology, 14, pp. 404-415.
• 19. Xie, X., Semanjski, I., Gautama, S., Tisiligianni, E., Deligiannis, N., Rajan, R.T., Pasveer, F. & Philipid, W. (2017). A review of urban air pollution monitoring and exposure assessment methods, International Journal of Geo-Information, 6, 12, pp. 1-21, DOI: 10.3390/ijgi6120389.
• 20. Zhu, X. (2016). GIS for Environmental Applications: A practical approach, Routledge, London 2016.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2020).