Prognozowanie stężeń zanieczyszczeń powietrza w GOP-ie modelami statystycznymi

• Autorzy: Siewior J. , Tumidajski T. , Foszcz D. , Niedoba T.

Warianty tytułu

EN

Prediction of air pollutants concentrations in GOP using statistical models

• Języki publikacji: PL

Abstrakty

PL

Propagację zanieczyszczeń powietrza można opisywać za pomocą modeli deterministycznych, wykorzystujących równania różniczkowe fizyki atmosfery lub modeli fenomenologicznych analizujących statystycznie zebrane dane pomiarowe. Zgodność obu typów modeli z danymi rzeczywistymi jest różna, zakres i sens ich stosowalności także są inne i wielokrotnie wybór modelu jest określony celem jego stosowania oraz posiadanym zbiorem danych. W przypadku analizy propagacji zanieczyszczeń w dużych aglomeracjach przemysłowych stosowanie modeli deterministycznych jest praktycznie niemożliwe ze względu na potrzeby w zakresie danych (charakterystyka źródeł topografii terenu, charakterystyk meteorologicznych itp.) i dlatego próbuje się wykorzystać fenomenologiczne podejście do problemu opisu propagacji z zastosowaniem różnych technik obliczeniowych - od prostych metod statystycznych do sieci neuronowych.

EN

Predicting of pollutants concentrations is very crucial for big cities and industrial agglomerations. It allows introduction of possible preventive activities with purpose of prevention to accumulation of concentrations as well warning people of possible states being dangerous to health for people from risk group, i.e. elders, people with cardiovascular diseases or people with respiratory system diseases. Upper Silesian Industrial Region (GOP) is one of the most polluted regions in Poland. Because of the location of several important heavy industrial plants it is necessary to constantly monitor concentrations of various dust and gas pollutants in this area. The paper presents the possibilities of stochastic modeling of air pollutants on the basis of data collected by monitoring stations and their application to pollutants concentrations forecasting. The data from following heating seasons from monitoring station in Zabrze concerning SO2 concentrations was applied to the analysis. The obtained models were statistically evaluated. Efficient modeling of daily SO2 concentrations should be based on regressive models with weights as well on adaptive approach to concentrations modeling dependably on forecasted synoptic situations. Documented heuristically statistical models allow to state that at unambiguous synoptic situation distinguished by low temperatures and windless weather, average limit values of concentrations of pollutants are expected to be exceeded. It is a manifestation of the compatibility of models with reality. An example of this is smog in Cracow recorded before the end of 2010, at meteorological conditions described above. The use of statistical methods of description of measurement data from the station allows for more accurate interpretation and documentation of the existing quantitative and even qualitative dependencies, which is not provided by purely numerical methods of modeling and predicting (e.g. neural networks).

Słowa kluczowe

PL

model statystyczny; zanieczyszczenie powietrza; GOP; prognozowanie zanieczyszczeń powietrza

EN

forecasting of air pollution; statistical model; air pollution; GOP

• Wydawca: Politechnika Koszalińska
• Czasopismo: Rocznik Ochrona Środowiska
• Rocznik: 2011
• Tom: Tom 13
• Strony: 1261--1274
• Opis fizyczny: Bibliogr. 23 poz., tab., rys.

Twórcy

autor

Siewior J.

autor

Tumidajski T.

autor

Foszcz D.

autor

Niedoba T.

• Wojewódzki Inspektorat Ochrony Środowiska, Katowice Akademia Górniczo-Hutnicza, Kraków

Bibliografia

• 1. Bolzern P., Fronza G., Runze E., Uberhuber C.: Statistical analysis of winter sulphur dioxide concentration data in Vienna. Atmosph. Envir., vol. 16 no 8, pp. 1899÷1906, 1982.
• 2. Bringfelt B.: Important factors for the sulphur dioxide concentration in central Stockholm. Atmosph. Envir. vol. 5, pp. 949÷972, 1971.
• 3. Carach V., Mačala J.: Modelovanie znečistenia ovzdušia z cestnej dopravy. Ochrana ovzdušia 2008, Vysoke Tatry – Strbske Pleso, pp. 173÷180, Bratislava, 2008.
• 4. Carach V., Mačala J.: Road traffic NOx emissions from passenger cars. Transport and Logistics, vol. 12, pp. 37÷54, Košice, 2007.
• 5. Juda J., Chróściel S.: Ochrona powietrza atmosferycznego. WNT, War-szawa, 1974.
• 6. Finzi G., Tebaldi G.: A mathematical model for air pollution forecast and alarm in an urban area. Atmosph. Envir., vol. 16, no 9, pp. 2055÷2090, 1982.
• 7. Foszcz D., Gawenda T., Kunysz J., Tumidajski T.: Modele adaptacyjne jako metoda prognozowania średniodobowych stężeń SO2. Ochrona Powietrza i Problemy Odpadów nr 3/2001, 2001.
• 8. Foszcz D., Gawenda T., Siewior J., Tumidajski T.: Modele prognoz średniego dobowego stężenia SO2 dla wybranych miast Górnośląskiego Okręgu Przemysłowego. Ochrona powietrza i problemy odpadów, Wydaw-nictwo Naukowo-Techniczne EcoEdycja, rok XXXIV – 2000, nr 5 (199), 174÷179, 2000.
• 9. Foszcz D., Niedoba T., Siewior J., Tumidajski T.: Stochastic models of air pollutants spreading as the method of emission amount management allowing elimination of high pollution concentrations in ecosystems. Envi-ronmental Management Accounting and Cleaner Production Conference, CD, Graz, Austria, 2006.
• 10. Foszcz D., Niedoba T., Siewior J.: The methods of forecasting of SO2 and suspended dust concentrations for warning purposes in the example of se-lected polluted regions in Poland. in Ecosystems and Sustainable Develop-ment V, red. E. Tiezzi, C.A. Brebbia, S.E. Jorgensen and D. Almorza Gomar, pp. 477÷491, WIT Press, Southampton, Boston, Great Britain, 2005.
• 11. Holnicki-Szulc P.: Modele propagacji zanieczyszczeń atmosferycznych w zastosowaniu do kontroli i sterowania jakością środowiska, Akademicka Oficyna Wydawnicza EXIT, Warszawa, 2006.
• 12. Markiewicz M.T.: Podstawy modelowania rozprzestrzeniania się zanieczyszczeń w powietrzu atmosferycznym. Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa, 2004.
• 13. Morawska-Horawska M.: Stochastyczne modele prognozy średniego dobowego stężenia SO2 dla Krakowa, Wiadomości IMGW, t. IX, z. 3, 1988.
• 14. Morawska-Horawska M., Kuroś E.: Specyfika kształtowania się wielkości emisji SO2 na obszarze GOP i możliwości prognozowania średnich dobowych stężeń SO2. Ochrona Powietrza i Problemy Odpadów. Nr 6/1992, s. 148÷150, 1992.
• 15. Pomorska K., Duda A.: Porównanie poziomu stężeń tlenków azotu w po-wietrzu na wybranych skrzyżowaniach ulic miasta Lublina w latach 2004 i 2005. Zeszyty Naukowe Wydziału Budownictwa i Inżynierii Środowiska, Politechnika Koszalińska, pp. 209÷219, Koszalin-Darłówko, 2007.
• 16. Rastrigin L. A.: Contemporary principles to control complex objects. Mir Publishers, Moscow, 1983.
• 17. Skrzypski J.: Analiza i modelowanie pół imisji zanieczyszczeń powietrza w dużych miastach. Polska Akademia Nauk, Łódź, 2001.
• 18. Tumidajski T., Foszcz D., Gawenda T.: The principles of the building of average daily gas pollutants stochastic models for municipal agglomera-tion. VI Conference on Environment and Mineral Processing, Czech Repub-lic, Ostrava, 2002.
• 19. Tumidajski T., Foszcz D., Niedoba T., Siewior J.: Ocena napływu zanieczyszczeń powietrza różnymi metodami statystycznymi. Zeszyty Naukowe Wydziału Budownictwa i Inżynierii Środowiska, no 23, Koszalin – Darłówko, Wydawnictwo Uczelniane PK, 2007.
• 20. Tumidajski T., Foszcz D., Siewior J.: Wpływ lokalizacji stacji pomiarowych na efekty modelowania stochastycznego stężeń SO2 w Górnośląskim Okręgu Przemysłowym. Zeszyty Naukowe Wydziału Budownictwa i Inżynierii Środowiska, no 22, Koszalin – Ustronie Morskie, Wydawnictwo Uczelniane PK, 2005.
• 21. Tumidajski T., Foszcz D., Niedoba T., Siewior J.: Modele stochastyczne zanieczyszczeń powietrza w aglomeracjach przemysłowych. Rocznik Ochrona Środowiska, t. 11, cz. 1, pp. 543÷554, 2009.
• 22. Walczewski J.: Charakterystyka warstwy granicznej atmosfery nad miastem (na przykładzie Krakowa). Materiały badawcze IMGW, Seria Meteo-rologia, no 22, 1994.
• 23. Zwoździak J.: Prognozy i analizy stężeń zanieczyszczeń w powietrzu w regionie Czarnego Trójkąta. Oficyna Wydawnicza Politechniki Wro-cławskiej, Wrocław, 1998.