ZPRÁVA ZA ŘEŠENÍ DÍLČÍHO PROJEKTU DP2 V ROCE 2002

Podobné dokumenty
Návrh postupu pro stanovení četnosti překročení 24hodinového imisního limitu pro suspendované částice PM 10

Meteorologické minimum

Modelování rozptylu suspendovaných částic a potíže s tím spojené

Verifikace modelu Symos. Mgr. Ondřej Vlček Mgr. Zdenka Chromcová, Ph.D. Oddělení modelování a expertiz Úsek ochrany čistoty ovzduší, ČHMÚ

Zdroje dat o kvalitě ovzduší a možnosti práce s nimi imise RNDr. Leona Matoušková, Ph.D.

Validace modelu Symos

Modelování znečištění ovzduší. Josef Keder ČHMÚ Praha

INFORMAČNÍ SYSTÉMY PRO KRIZOVÉ ŘÍZENÍ POUŽITÍ INFORMAČNÍCH SYSTÉMŮ PRO MODELOVÁNÍ A SIMULACE KRIZOVÝCH SITUACÍ - T6 ING.

Analytické znaky laboratorní metody Interní kontrola kvality Externí kontrola kvality


O MOŽNOSTI ADJUSTACE IMISNÍCH KONCENTRACÍ NA METEOROLOGICKÉ PODMÍNKY. RNDr. Josef Keder, CSc.

Úvod do problematiky měření

Využití rozptylových studií pro hodnocení zdravotních rizik. MUDr.Helena Kazmarová Státní zdravotní ústav Praha

Rozvoj metodiky tvorby map znečištění. Jan Horálek Pavel Kurfürst, Nina Benešová, Roman Juras, Jana Ďoubalová

Sledování a hodnocení kvality ovzduší v ČR

Stav a vývoj kvality ovzduší v Praze-Satalicích v letech

PROJEKT DOPRAVA prezentace výsledků

K MOŽNOSTI IDENTIFIKACE PŮVODU ZNEČIŠTĚNÍ OVZDUŠÍ POMOCÍ KOMBINACE IMISNÍCH A METEOROLOGICKÝCH MĚŘENÍ. Josef Keder

laboratorní technologie

DETEKCE FUGITIVNÍCH EMISÍ Z POVRCHOVÝCH UHELNÝCH LOMŮ. Josef Keder Lubomír Paroha

Zpracovánírozptylových studií, příklady z praxe

Rozptyl emisí. Ochrana ovzduší ZS 2012/2013

ODBORNÝ POSUDEK NA STANOVENÍ PODÍLŮ ZDROJŮ ZNEČIŠŤOVÁNÍ OVZDUŠÍ NA IMISNÍ ZÁTĚŽI KRÁLOVÉHRADECKÉHO KRAJE V ROCE 2001

UNIVERZITA PARDUBICE CHEMICKO-TECHNOLOGICKÁ FAKULTA KATEDRA ANALYTICKÉ CHEMIE

vzorek vzorek

A-PDF Split DEMO : Purchase from to remove the watermark

Monitorování kvality ovzduší v České republice

MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ

Název lokality Stehelčeves 53,91 41,01 40,92 48,98 89,84 55,06 43,67 Veltrusy 13,82 14,41

ROZPTYLOVÉ STUDIE PRO PACHOVÉ LÁTKY. Josef Keder Český hydrometeorologický ústav

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1

Požadavky na zpracování rozptylových studií. Kateřina Sukdolová, Alena Kacerovská 1. prosince 2011 Hradec Králové

Identifikace zdrojů znečišťování ovzduší

Aproximace a vyhlazování křivek

Mgr. Jan Macoun, PhD. Organizace Český hydrometeorologický ústav, Praha Název textu Modelový systém AIRVIRO BK7 - Specializované modelové systémy

přesnost (reprodukovatelnost) správnost (skutečná hodnota)? Skutečná hodnota použití různých metod

Porovnání dvou výběrů

Plán rozvoje oboru ochrany čistoty ovzduší ČHMÚ do roku 2020

Tvorba nelineárních regresních modelů v analýze dat

Příklad 2: Obsah PCB v játrech zemřelých lidí. Zadání: Data: Program:

Kalibrace a limity její přesnosti

Příprava meteorologických dat pro zkoumané oblasti

Princip hodnocení významnosti zdrojů pro stanovení emisních stropů. Nízkoemisní zóny

Stávající provoz kamenolomu Rančířov ROZPTYLOVÁ STUDIE. Zpracováno dle zákona č. 201/2012 Sb., o ovzduší, v platném znění a metodiky SYMOS 97

ZKUŠEBNÍ PROTOKOLY. B1M15PPE / část elektrické stroje cvičení 1

TECHNICKÉ SLUŽBY OCHRANY OVZDUŠÍ OSTRAVA spol. s r.o. člen skupiny TESO ROZPTYLOVÁ STUDIE. č. E/4848/2017/RS

Statistická analýza dat podzemních vod. Statistical analysis of ground water data. Vladimír Sosna 1

Lineární regrese. Komentované řešení pomocí MS Excel

Josef Keder, Lenka Janatová Český hydrometeorologický ústav

Statistická analýza jednorozměrných dat

ROZPTYLOVÉ PODMÍNKY A JEJICH VLIV NA KONCENTRACI AEROSOLOVÝCH ČÁSTIC PM 10 V LOKALITĚ MOSTECKÉHO JEZERA

ZABEZPEČENÍ KVALITY V LABORATOŘI

Obsah přednášky Jaká asi bude chyba modelu na nových datech?

Chyby spektrometrických metod

Měření znečištění ovzduší, transhraniční přenos

Vyjadřování přesnosti v metrologii

N Á V R H VYHLÁŠKA. ze dne.2017,

INDEXACE SPÁSA NEBO PROBLÉM

Úloha 1: Lineární kalibrace

SVRS A PŘESHRANIČNÍ MIGRACE ZNEČIŠTĚNÍ,

Aktuální mapy znečištění ovzduší v evropském i českém měřítku (roční charakteristiky) a vývoj v oblasti mapování

Generální rozptylová studie Jihomoravského Kraje. Rozptylová studie pro posouzení stávajícího imisního zatížení na území Jihomoravského kraje

JEDNOVÝBĚROVÉ TESTY. Komentované řešení pomocí programu Statistica

RNDr. Josef Keder, CSc. Organizace Český hydrometeorologický ústav, Praha Název textu Návrh na další rozvoj monitorování kvality ovzduší v Praze BK5

UNIVERZITA PARDUBICE

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice

INDUKTIVNÍ STATISTIKA

Společenské a obchodní centrum Zlín - Březnická

Hodnocení rozptylových podmínek ve vztahu ke koncentracím znečišťujících látek. Josef Keder Hana Škáchová

Regulační diagramy (RD)

SEMESTRÁLNÍ PRÁCE. Leptání plasmou. Ing. Pavel Bouchalík

Informace o emisních inventurách a emisních projekcích České republiky 2005

Korelační a regresní analýza. 1. Pearsonův korelační koeficient 2. jednoduchá regresní analýza 3. vícenásobná regresní analýza

Výsledky modelování vlivu resuspenze z povrchu odvalů a průmyslových areálů na území Moravskoslezského kraje (ČR)

AKTUALIZACE 2009 Programu zlepšení kvality ovzduší Pardubického kraje včetně Programového dodatku. (Aktualizace PZKO PK)

Únor CI2, o. p. s. KVALITA MÍSTNÍHO OVZDUŠÍ V OPAVĚ, 2016/2017 VÝSLEDKY SLEDOVÁNÍ INDIKÁTORU ECI A.5.

VYUŽITÍ A VALIDACE AUTOMATICKÉHO FOTOMETRU V ANALÝZE VOD

Plánování experimentu

S E M E S T R Á L N Í

Simulace. Simulace dat. Parametry

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie. Nám. Čs. Legií 565, Pardubice. Semestrální práce ANOVA 2015

KALIBRACE A LIMITY JEJÍ PŘESNOSTI. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie

Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium Management systému jakosti

Metodický pokyn ke zpracování rozptylových studií podle 32 odst. 1 písm. e) zákona č. 201/2012 Sb.

Úvod do analýzy rozptylu

Blíž k lidem aneb vše v jednom. MUDr. Helena Kazmarová, RNDr. Bohumil Kotlík, Ph.D. Státní zdravotní ústav

Kalibrace a limity její přesnosti

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice

Zpracování náhodného výběru. Ing. Michal Dorda, Ph.D.

PRŮZKUMOVÁ ANALÝZA JEDNOROZMĚRNÝCH DAT Exploratory Data Analysis (EDA)

Experimentáln. lní toků ve VK EMO. XXX. Dny radiační ochrany Liptovský Ján Petr Okruhlica, Miroslav Mrtvý, Zdenek Kopecký.

Index kvality ovzduší - IKO

Profilování vzorků heroinu s využitím vícerozměrné statistické analýzy

Vyjádření k oznámení záměru Letiště Vodochody pro zjišťovací řízení v rámci posuzování vlivů na životní prostředí (EIA)

Hydrologie (cvičení z hydrometrie)

Statistika pro geografy

Chyby měření 210DPSM

LINEÁRNÍ REGRESE Komentované řešení pomocí programu Statistica

Modelování zdravotně významných částic v ovzduší v podmínkách městské zástavby

Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie ANOVA. Semestrální práce

Transkript:

Příloha č. DP2 ZPRÁVA ZA ŘEŠENÍ DÍLČÍHO PROJEKTU DP2 V ROCE 22 Návrh modelových nástrojů pro objektivní hodnocení stavu a vývoje znečištění ovzduší v souladu s novým zákonem o ovzduší a směrnicemi EU Zodpovědný řešitel projektu: Odpovědný řešitel dílčího projektu: Spoluřešitelé: RNDr. Josef Keder, CSc., ČHMÚ RNDr. Josef Keder, CSc., ČHMÚ RNDr Jiří Bubník, ČHMÚ Ing Radomír Srněnský, IDEA-ENVI Praha prosinec 22

VALIDACE ROZPTYLOVÝCH MODELŮ Část 1

Obsah 1 Úvod... 1 2 Návrh kritérií pro hodnocení rozptylových modelů... 1 3 Limitní hodnoty kritérií... 3 4 Datové soubory pro testování modelu SYMOS... 3 4.1 Datový soubor pro testování úspěšnosti modelu při odhadu hodinových průměrů koncentrací... 4 4.2 Datové soubory pro testování úspěšnosti modelu při odhadu ročních průměrů.... 6 5 Výsledky testování modelového systému SYMOS... 7 5.1 Výsledky testování pro hodinové průměry... 7 5.2 Výsledky testování pro roční průměry... 12 5.3 Shrnutí výsledků testování systému SYMOS... 19 6 Návrh dalšího postupu... 19 7 Literatura... 2 1

1 Úvod Rozptylové modely jsou nástroje k odhadu stupně ovlivnění kvality ovzduší jedním nebo více zdroji znečišťujících látek. Procesy transportu, rozptylu a chemických přeměn látek v ovzduší jsou v modelu reprezentovány rovnicemi a výpočetními algoritmy, které jsou realizovány celou řadou počítačových programů. Po zadání potřebných vstupních údajů poskytují takové programy celou řadu numerických a grafických výstupů, které kvalifikovanému pracovníku umožňují vliv uvedených zdrojů objektivně posoudit. V této souvislosti je třeba zdůraznit, že modelové výstupy samy o sobě nelze považovat za absolutně přesnou predikci skutečného stavu ovzduší. K těmto údajům je třeba přistupovat jako k jednomu z řady podkladů, používaných při posuzování stávajícího nebo budoucího stavu kvality ovzduší v zájmové oblasti a při rozhodování o případném povolení činnosti zdroje (TNRCC, 1999). V každém případě, překročení imisních limitů, indikované modelem, musí být v rámci povolovacího procesu podnětem k jednání o revizi technických parametrů zdroje a podmínek jeho provozování s cílem dodržet imisní limity a naplnit národní a krajské programy ke zlepšení kvality ovzduší. Modelové výpočty v důsledku nejistot vyplývajících z nepřesností v určení emisí a neúplnosti znalostí atmosférických procesů, nepředstavují alternativu měření a jakožto informační zdroj musí být vždy kombinovány s výsledky monitoringu. Porovnání modelových výpočtů s naměřenými údaji rovněž poskytuje jedinou možnost, jak nejistoty modelových výpočtů stanovit. Hodnocení kvality modelů a míry jejich přiblížení k realitě je rovněž nezbytné provádět v případech, kdy by se posuzovala ekvivalentní metoda modelování rozptylu znečišťujících látek podle 2, písm. g) Nařízení vlády č. 35/22 Sb. Návrh kritérií pro hodnocení rozptylových modelů a demonstrace postupu na hodnocení modelu SYMOS je obsahem následujícího textu. 2 Návrh kritérií pro hodnocení rozptylových modelů Základní idea hodnocení kvality modelů transportu a rozptylu znečišťujících látek spočívá v porovnání modelem predikovných koncentrací C pr s reálně naměřenými hodnotami koncentrací C ob. Z těchto hodnot leze konstruovat dva základní typy charakteristik úspěšnosti modelů: Míru diference Míru korelace Míra diference reprezentuje kvantitativní odhad velikosti rozdílu mezi modelem předpovídanými a naměřenými hodnotami, zatímco míra korelace kvantifikuje těsnost statistické vazby mezi pozorovanými a modelovanými hodnotami. Rešerší dostupné literatury (například US EPA, 1992, Kumar, 2) byla získána řada statistických parametrů, navržených pro hodnocení úspěšnosti rozptylových modelů a pro jejich porovnávání mezi sebou. Mezi nejčastěji používané patří: Vychýlení (Bias) Vychýlení C C pr ob charakterizující střední chybu modelu 2

Standardizované vychýlení (fractional bias) C pr C ob FB 2 je normalizovaná bezrozměrná charakteristika, nabývající hodnot C pr C ob mezi +2 (extrémní nadhodnocení) a 2 (extrémní podhodnocení), přičemž pro dokonalý model je rovna nule. Hodnoty +.67 a.67 po řadě odpovídají dvojnásobnému nadhodnocení (podhodnocení) skutečnosti modelem. Normalizovaná střední kvadratická chyba ( C pr Cob ) NMSE C C pr ob 2 postihuje rozptyl celého datového souboru. Malé hodnoty této statistiky odpovídají kvalitnějšímu modelu. Korelační koeficient ( C pr C )( C ) pr ob C ob r pr ob je známou a široce používanou charakteristikou těsnosti lineární vazby mezi dvěma náhodnými veličinami. Hodnota blízká 1 ukazuje na dobrou kvalitu modelu. S ohledem na předpokládané logaritmicko-normální rozložení koncentrací se dále používají geometrické střední vychýlení MG exp((ln( C ) ln( C )) pr a geometrická směrodatná odchylka VG C C ob 2 exp((ln( pr ) ln( ob )) ) Charakteristika označovaná jako násobek 2 (factor of two) vystihuje procentuální podíl modelem predikovaných hodnot, které jsou větší než polovina a menší než dvojnásobek odpovídající měřené koncentrace C pr FA2 = podíl dat, pro něž.5 2 C Ideální hodnota FA2=1%. ob 3 Limitní hodnoty kritérií Mezi odborníky, zabývajícími se disperzním modelováním a hodnocením modelů je o optimálním výběru sady testovacích kritérií vedena permanentní diskuse a názory se neustále tříbí a vyvíjejí. Vynikající platformu pro výměnu těchto názorů představuje zejména serie konferencí o harmonizaci modelů (Olesen, 22). V rámci této harmonizační iniciativy byl vytvořen a dále je aktualizován nástroj pro hodnocení kvality modelů, tzv. Model Validation Kit (Olesen, 1999). Za další stupeň ve vývoji statistických metod hodnocení modelů je považována nedávno publikovaná práce, kterou se dosud nepodařilo získat (Eleveld, Slaper, 3

22) Pro potřeby hodnocení modelů v ČR byly v této fázi řešení projektu navrženy limitní hodnoty testovacích kritérií, navržené Kumarem (22) a US EPA (1992). Za disperzní model dobré kvality se navrhuje považovat takový, pro nějž testovací parametry splňují dále uvedené podmínky. a) Standardizované vychýlení blízké b) Normalizovaná střední kvadratická chyba NMSE.5 c) Geometrické střední vychýlení a geometrická směrodatná odchylka blízké 1.75 MG 1.25.75 VG 1.25 d) Standardizované vychýlení v intervalu e) Faktor 2 v intervalu -.5 FB +.5 FA2.8 US EPA (1992) zavedla testování úspěšnosti modelu při predikci nejvyšších koncentrací ze souboru. K tomuto účelu se využívá parametr FB, aplikovaný na 25 nejvyšších hodnot ze souborů monitorovaných a modelovaných dat (dále značen jako FB25). Za vyhovující se považuje hodnota f) FB25 v intervalu -.67 FB25 +.67 4 Datové soubory pro testování modelu SYMOS Pro testování kvality rozptylových modelů a jejich porovnávání mezi sebou bylo v průběhu let vytvořeno několik testovacích datových souborů, získaných během experimentů za pečlivě kontrolovaných vstupních podmínek. Mezi nejznámější a nejčastěji používané patří data z experimentů Kincaid, Copenhagen, Lillestroem a Indianopolis (Olesen, 1999). Tyto testovací datové soubory, kde naměřené koncentrace pocházejí pouze z jednoho zdroje s dobře známými parametry, umožňují vystopovat případné zdroje chyb v jednotlivých algoritmech modelů. Na druhé straně je samozřejmě žádoucí porovnat úspěšnost modelů při běžné provozní aplikaci. K tomuto porovnání byla použita emisní a imisní data, rutinně pořizovaná v Informačním systému kvality ovzduší ČHMÚ. 4.1 Datový soubor pro testování úspěšnosti modelu při odhadu hodinových průměrů koncentrací Pro testování kvality algoritmů modelu SYMOS byla využita data ze sady COPENHAGEN (Gryning, Lyck, 22). Tato data byla získána při experimentech, provedených na území Kodaně (Dánsko) v průběhu let 1978-79. Během nich byla ve výšce 115 m uvolňována stopovací látka SF 6 (hexafluorid síry), jejíž koncentrace byla měřeny v rovinném terénu ve výšce 2-3 m nad zemí analyzátory, umístěnými na třech kruhových obloucích se středem v místě emise. Uspořádání experimentu je znázorněno na obrázku 1 (Gryning, Lyck, 22). Meteorologická data byla měřena na několika úrovních stožáru o výšce 2m. Pro hodnocení modelu SYMOS bylo použito celkem 9 z 1 z datových souborů koncentrací a vstupních emisních a meteorologických dat. Stabilitní třídy podle klasifikace Bubník- Koldovský (ČHMÚ, 1998) byly vyhodnoceny ze stožárových měření gradientu teploty mezi hladinami 4 m a 2 m nad terénem. V průběhu experimentu se vyskytly pouze stabilitní 4

třídy IV (normální) a V (konvektivní). Směr a rychlost větru pro modelový výpočet byly použity z hladiny 12 m (hodinové průměry). Obr. 1 Rozložení měřicích bodů při experimentu COPENHAGEN Vstupní data pro modelové výpočty jsou uvedena v tabulce 1. V posledním sloupci je uveden směr osy stopy vlečky na zemském povrchu, vyhodnocený z měření koncentrace stopovací látky. 5

Tabulka 1 Vstupní data pro modelové výpočty Pořadí experimentu Datum Emise SF 6 (g/s) Směr větru v hladině 12 m (stupně) Rychlost větru v hladině 12 m (m.s -1 ) Třída stability Směr osy vlečky na povrchu (stupně 1 2.9.1978 3.2 3 4.1 Konvektivní 292 2 26.9.1978 3.2 27 9.7 Normální 256 3 19.1.1978 3.2 31 1.7 Normální 294 4 3.11.1978 2.3 25 3.9 Normální 243 5 9.11.1978 3.2 27 5.9 Normální 255 6 3.4.1979 3.1 25 13.5 Normální 258 7 27.6.1979 2.4 26 7.1 Normální 265 8 6.7.1979 3 35 9.7 Normální 32 9 19.7.1979 3.3 255 9.7 Normální 254 Koncentrace stopovací látky (hodinové průměry) byla vypočtena standardními procedurami modelu SYMOS ve všech referenčních bodech, kde byla prováděna měření. Vzhledem k tomu, že SF 6 je nereaktivní látka, nebyly pří výpočtu aktivovány algoritmy popisující odstraňování znečišťující látky z ovzduší. Rovněž nebyla použita korekce na složitý terén, s ohledem na téměř dokonale rovinný terén v oblasti experimentu. 4.2 Datové soubory pro testování úspěšnosti modelu při odhadu ročních průměrů. Modelové výpočty pomocí systému SYMOS se rutinně používají pro výpočet ročních průměrných koncentrací znečišťujících látek. Pro účely ověření kvality modelu byly použity výsledky modelových výpočtů ročních průměrů koncentrace oxidu siřičitého a sumy oxidů dusíku (NO x ) na území ČR v pro roky 1999 a 2. Pro potřeby výpočtu byla oblast ČR rozdělena na 14 subregionů a v každém byla použita jiná roční větrná růžice. Byly využity kompletní dostupné emisní inventury, včetně významných zahraničních zdrojů. Modelový výpočet proběhl v plné verzi, tedy včetně algoritmů odstraňování látek z ovzduší a korekce na složitý terén. Průměrné roční koncentrace byly počítány v síti referenčních bodů 2x2 km, pokrývající celé území ČR. Pokud se uvnitř takového čtverce se středem v referenčním bodě nalézala imisní měřicí stanice, byly její údaje využity pro hodnocení. Celkem bylo pro hodnocení modelu použito více než 3 měřicích bodů pro oxid siřičitý a 17 stanic pro oxidy dusíku. Byly použity údaje všech organizací, které přispívají do systému ISKO a jejichž data jsou běžně publikována v ročenkách. 6

5 Výsledky testování modelového systému SYMOS Pro testování modelu byly použity statistické charakteristiky, popsané v kapitole 3. Za veličinu C pr byly dosazeny výsledky modelových výpočtů (predikcí), jako měřené hodnoty C ob byly postupně použity hodinové průměru SF 6 a roční průměry SO 2 a NO x. 5.1 Výsledky testování pro hodinové průměry V tabulce 2 jsou shrnuty hodnoty testovacích charakteristik. Je zřejmé, že jejich proměnlivost se od experimentu k experimentu výrazně mění. Zvláště zřetelná je variabilita vychýlení (bias), NMSE, korelačního koeficientu a faktoru 2. Hodnoty korelačního koeficientu ukazují na těsnou statistickou vazbu mezi modelem predikovanými a měřenými hodnotami pro experimenty 8 a 9, špatná korelace je například pro experimenty 2 a 3. Tabulka 2 Hodnoty testovacích charakteristik pro jednotlivé experimenty Pořadí experimentu Vychýlení FB FB25 NMSE Corr MG VG FA2 1 29.4.5.3 1.6.62 1.58 1.23 15.9 2-62.3 -.1 -.1 4. -.12.81 1.5 9.1 3-389.5 -.59 -.61 7.7 -.28 1.5 1.. 4-255.9 -.27 -.27 2.1.18 1.7 1.33 16.7 5 59.5.8.6 6. -.27 1.98 1.59 4.1 6-3.1 -.7 -.9 3.4.18 2.1 1.74 1.5 7 28.2.6.13 1.9.52.45 1.87 27.3 8 137..28.29.6.89 1.27 1.6 22.2 9...4.2.95.59 1.32 55.6 Při hledání příčin těchto rozdílů mezi experimenty a rozdílů v kvalitě modelového odhadu je užitečné si všimnout rozdílu mezi směrem větru v hladině 12 m, pro který byl modelový výpočet proveden, a směrem osy vlečky na zemi v posledním sloupci Tabulky 1. Pro experimenty 8 a 9 jsou oba směry prakticky totožné, u ostatních experimentů jsou vidět větší či menší rozdíly, pohybující se od 5 do 16 stupňů. Na obrázku 2 jsou znázorněny hodnoty koncentrace stopovací látky, modelované (C pr ) a změřené (C ob ) pro experiment 2 v monitorovacích bodech podél oblouků 1 a 2 (Obr. 1). Je vidět shoda ve tvaru obou koncentračních křivek, osy modelované a měřené vlečky jsou však výrazně posunuté. Po provedení modelového výpočtu pro takový směr větru, aby osa modelované vlečky měla směr shodný s osou vlečky na zemském povrchu, se shoda měřených a modelovaných hodnoty výrazně zlepší (Obr. 3). Výrazné zlepšení shody měřených a modelových dat dokumentují též rozptylové diagramy na obrázku 4. 7

35 3 25 Cpr Cob Koncentrace [ng.m -3 ] 2 15 1 5 Pořadí monitorovcích bodů podél oblouků 1 a 2 Obr. 2 Porovnání modelových a naměřených hodnot koncentrace stopovací látky v monitorovacích bodech pro experiment 2 35 3 25 Cpr Cob Koncentrace [ng.m -3 ] 2 15 1 5 Pořadí monitorovcích bodů podél oblouků 1 a 2 Obr. 3 Porovnání modelových a naměřených hodnot koncentrace stopovací látky v monitorovacích bodech pro experiment 2 po korekci směru větru 8

Model Bez korekce směru větru 4 3 2 1 1 2 3 4 Měření Model Po korekci směru větru 4 3 2 1 1 2 3 4 Měření Obr. 4 Porovnání shody měřených a modelovaných dat rozptylovými diagramy po korekci směru větru experiment 2 Oprava směru větru tak, aby souhlasil se směrem osy vlečky na povrchu, byly provedeny pro všechny zbylé experimenty s výjimkou posledních dvou, pro něž se směr větru v hladině 12 m a směr osy vlečky na zemi shodovaly. V tabulce 3 jsou sumarizovány statistické charakteristiky kvality modelu po provedení výpočtů s korigovaným směrem větru. Hodnoty korelačního koeficientu ukazují na výrazné zlepšení vazby mezi měřenými a modelovanými hodnotami koncentrace stopovací látky. Zlepšení kvality modelovaných hodnot je rovněž zřejmé z poklesu hodnot normované střední kvadratické chyby NMSE a C pr zvýšení podílu hodnot, pro něž platí podmínka.5 2. C Tabulka 3 Hodnoty testovacích charakteristik pro jednotlivé experimenty po opravě směru větru Pořadí experimentu ob Vychýlení FB FB25 NMSE Corr MG VG FA2 1 18.2.3.2.4.89 1.44 1.14 35.9 2-97.9 -.12 -.12.2.94.72 1.12 64. 3-621.6 -.62 -.64 1.2.94.75 1.9 44.4 4-276.5 -.27 -.27.7.79 1.7 1.33 36.4 5 22.7.2.1.1.97 2.2 1.86 57.1 6-35.8 -.7 -.8.3.95 2.31 2.2 58.1 7 49..11.17.8.84.55 1.44 22.4 8 137..28.29.6.89 1.27 1.6 22.2 9...4.2.95.59 1.32 55.6 V tabulce jsou zvýrazněny hodnoty charakteristik, které splňují limity, vytyčené v kapitole 3. Je vidět, že nejlepší výsledky byly dosaženy při modelování experimentu 9. V případě tohoto experimentu nebylo nutno provést výpočet s opravou směru větru, protože směr osy vlečky se shodoval se směrem větru ve výšce 12 m. Při žádném z experimentů nebylo dosaženo požadované hodnoty FA2>8%. Dobrá shoda modelových a měřených hodnot při experimentu 9 je patrná z obrázků 5 a 6. 9

35 3 25 Cpr Cob Koncentrace [ng.m -3 ] 2 15 1 5 Pořadí monitorovcích bodů podél oblouků 1 až 3 Obr. 5 Porovnání modelových a naměřených hodnot koncentrace stopovací látky v monitorovacích bodech pro experiment 9 4 Model 3 2 1 1 2 3 Měření Obr. 6 Porovnání měřených a modelovaných dat - experiment 9 Z předešlých výsledků je zřejmé, že kvalita modelových výpočtů v malých vzdálenostech od zdroje, kdy je vlečka zdroje dosud úzká a horizontální gradienty přízemní koncentrace vysoké, je výrazně závislá na správném zadání směru větru, kterým je vlečka přenášena. Pokud je významný rozdíl mezi směrem větru v úrovni zdroje a v blízkosti zemského povrchu, mohou vzniknout podstatné rozdíly mezi modelovanými a měřenými koncentracemi. Experiment 9 byl využit pro testování vlivu odchylky v zadání směru větru ve výšce zdroje od směru šíření vlečky v blízkosti povrchu. Výpočty koncentrace stopovací látky v bodech odpovídajících měřicím místům byly postupně provedeny pro odchylku zadaného směru větru od směru osy vlečky na zemském povrchu v rozpětí od 15 do 15 úhlových stupňů, s krokem 5 stupňů. Vypočtené hodnoty byly porovnány s měřenými a pro každý výpočet byla vyčíslena sada testovacích kritérií. Hodnoty kritérií jsou shrnuty v tabulce 4. Hodnoty ve zvýrazněných polích tabulky vyhovují limitním kritériím, navrženým v kapitole 3. 1

Tabulka 4 Závislost kvality modelového odhadu na odchylce v zadaném směru větru Odchylka směru větru (stupně) Vychýlení FB FB25 NMSE Corr MG VG FA2-15 2.1.4.7 5. -.13.79 1.6 5.8-1 11.1.2.5 2.6.29.71 1.12 8.9-5 1.4..3.6.81.65 1.2 45....4.2.95.59 1.32 55.6 5 2.6..4 1.4.56.59 1.32 15.4 1 9.5.2.5 3.6.9.68 1.16 8.7 15 26..6.9 5.4 -.21.76 1.8 5.9 Vychýlení NMSE 3 25 2 15 1 5-5 -15-1 -5 5 1 15 Odchylka směru větru [stupně] 6 4 2-15 -1-5 5 1 15 Odchylka směru větru [stupně] Corr MG a VG 1..75.5.25. -.25 -.5-15 -1-5 5 1 15 Odchylka směru větru [stupně] 1.5 1.3 1..8.5.3. -15-1 -5 5 1 15 Odchylka směru větru [stupně] MG VG.75 1.25 FA2 FB25 1 8 6 4 2-15 -1-5 5 1 15 Odchylka směru větru [stupně].1.8.6.4.2. -15-1 -5 5 1 15 Odchylka směru větru [stupně] Obr. 7 Závislost kvality modelového odhadu na odchylce v zadaném směru větru 11

Kvalita modelového odhadu v blízkosti zdroje rychle klesá se zvětšující se odchylkou zadaného směru větru ve výšce zdroje od směru vlečky při zemi. Výjimku tvoří geometrické střední vychýlení a geometrická směrodatná odchylka, jejichž hodnoty splňují toleranční meze pro velké diference směru. Výrazná závislost chyby modelového odhadu je zřejmá též z obrázku 7. Vodorovnými čarami jsou v grafech vyznačeny limitní hodnoty kritérií. Uvedené hodnocení dokumentuje citlivost odhadu pole koncentrací v blízkosti zdroje gaussovským modelem na správném určení směru šíření vlečky zdroje. 5.2 Výsledky testování pro roční průměry Na rozdíl od popsaných experimentů, prováděných v kontrolovaných podmínkách, se do nejistoty modelových odhadů ročních průměrů koncentrací promítá řada dalších neurčitostí v určení vstupních dat modelu, zejména emisních dat a vlivu složitého terénu. Pro porovnání modelovaných ročních průměrů koncentrace s údaji měřenými na monitorovacích stanicích byla použita stejná testovací kritéria, jako v předešlém hodnocení pro hodinové průměry. Protože míra shody mezi modelovými a měřenými daty může být ovlivněna umístěním a reprezentativností stanice, bylo srovnání provedeno jednak pro všechny stanice bez rozlišení jejich typu, jednak zvlášť pro stanice venkovské a stanice městského a předměstského typu. 5.2.1 Výsledky testování pro oxid siřičitý Výsledky testování kvality modelu jsou sumarizovány v tabulce 5. Hodnoty testovacích kritérií, splňujících limitní hodnoty, jsou v tabulce zvýrazněny. Tabulka 5 Hodnoty testovacích kritérií pro roční průměry oxidu siřičitého v letech 1999 a 2 Rok Typ stanice Vychýlení FB FB25 NMSE Corr MG VG FA2 1999 Všechny -.8 -.8 -.21.33.39.96 1. 69.2 Venkovské -.2 -.2 -.1.35.4.97 1. 74.2 Městské a předměstské -1.2 -.13 -.28.33.41.95 1. 65.8 2 Všechny -2.8 -.43 -.31.7.45.6 1.3 57.8 Venkovské -2.4 -.42 -.24.69.56.57 1.38 53.6 Městské a předměstské -3.1 -.44 -.34.7.34.63 1.24 61.2 Vychýlení (bias), standardizované vychýlení a standardizované vychýlení pro 25 nejvyšších hodnot ukazuje na mírné podcenění ročních koncentrací modelem, rozdíl je však velmi malý pro všechny typy stanic v obou letech. Hodnota faktoru 2 nepřesáhla ani v jenom z případů navrženou limitní hodnotu 8%, nejlepší hodnota tohoto parametru byla dosažena v roce 1999 pro venkovské stanice. Kvalita modelování byla lepší v roce 1999 než v roce následujícím, kdy parametry NMSE, MG a VG vybočily z tolerančního pásma. Následující obrázky zachycují rozptylové diagramy, porovnávající měřené a modelované hodnoty ročních průměrů SO 2. Na grafech jsou vyznačeny hranice oblasti, kde modelované C pr hodnoty splňují podmínku.5 2. C ob 12

3 25 Porovnání naměřených hodnot s výsledky modelu SYMOS pro rok 1999 Oxid siřičitý, průměrné roční koncentrace Městské a předměstské stanice Venkovské stanice Model = Měření Model = 2*Měření Model =.5*Měření 2 Model 15 1 5 5 1 15 2 25 3 Měření Obr. 8 Porovnání modelových a měřených hodnot ročních průměrů oxidu siřičitého v roce 1999, rozlišení podle typu monitorovací stanice 3 25 Porovnání naměřených hodnot s výsledky modelu SYMOS pro rok 2 Oxid siřičitý, průměrné roční koncentrace Městské a předměstské stanice Venkovské stanice Model = Měření Model = 2*Měření Model =.5*Měření 2 Model 15 1 5 5 1 15 2 25 3 Měření Obr. 9 Porovnání modelových a měřených hodnot ročních průměrů oxidu siřičitého v roce 2, rozlišení podle typu monitorovací stanice 13

3 25 Porovnání naměřených hodnot s výsledky modelu SYMOS pro roky 1999 a 2 Oxid siřičitý, průměrné roční koncentrace Rok 1999 Rok 2 Model = Měření Model = 2*Měření Model =.5*Měření 2 Model 15 1 5 5 1 15 2 25 3 Měření Obr. 1 Porovnání modelových a měřených hodnot ročních průměrů oxidu siřičitého pro roky 1999 a 2 Rozptylové grafy potvrzují závěr, že v roce 2 byla kvalita modelového odhadu horší ve srovnání s rokem 1999. Nejsou zřetelné rozdíly mezi hodnocením pro venkovské a městské stanice. Některé dílčí výsledky, které nebyly do zprávy zahrnuty, nicméně naznačily, že by bylo vhodné provést srovnání mezi modelem a měřením též s ohledem na provozovatele jednotlivých stanic. 5.2.2 Výsledky testování pro oxidy dusíku Výsledky testování kvality modelu pro oxidy dusíku jsou shrnuty v tabulce 6. Hodnoty testovacích kritérií, splňujících limitní hodnoty, jsou v tabulce zvýrazněny. Tabulka 6 Hodnoty testovacích kritérií pro roční průměry oxidů dusíku v letech 1999 a 2 Rok Typ stanice Vychýlení FB FB25 NMSE Corr MG VG FA2 1999 Všechny -7. -.29 -.32.66.57.66 1.19 6.9 Venkovské -8. -.72 -.58.88.64.43 2.7 36.3 Městské a předměstské -6.3 -.2 -.32.54.4.86 1.2 75.7 2 Všechny -8.5 -.39 -.43.78.62.61 1.28 58.8 Venkovské -7.4 -.71 -.6.83.64.43 2.5 42.2 Městské a předměstské -9.3 -.32 -.43.64.47.76 1.8 69.7 14

Z hodnot parametrů vychýlení, standardizované vychýlení a standardizované vychýlení pro 25 nejvyšších hodnot lze usoudit na výraznější podcenění ročních koncentrací oxidů dusíku modelem pro všechny typy stanic v obou letech, než tomu bylo pro oxid siřičitý. Hodnota faktoru 2 nepřesáhla ani v tomto případě 8%, nejlepší hodnota tohoto parametru byla dosažena v roce 1999 pro městské a předměstské stanice. Kvalita modelování byla lepší v roce 1999, v roce 2 bylo zjištěno výraznější podcenění koncentrací NO x modelem. Z vyhodnocení rozptylových grafů na obrázcích 11, 12 a 13 vyplývá shodný závěr: v roce 1999 byl modelový odhad lepší pro městské a předměstské stanice. Na venkovských stanicích byly hodnoty koncentrací podhodnoceny s faktorem přibližně.5. V roce 2 je podcenění průměrných ročních koncentrací oxidů dusíku modelem zřetelné u obou typů stanic, výraznější je opět pro stanice venkovské. Z meziročního srovnání, bez rozlišení typu stanic, vyplývá výraznější podcenění koncentrací modelovými výpočty v roce 2 než v roce 1999. Podobně jako v případě oxidu siřičitého se objevila řada stanic, pro něž porovnávané párované hodnoty měření-model leží mimo oblast, vymezenou hranicemi pro FA2. Rovněž pro NO x by tudíž zřejmě bylo vhodné provést testování s ohledem na provozovatele stanic a ověřit, zda se výrazné rozdíly nekumulují u stanic provozovaných stejným subjektem. 2 18 16 14 Porovnání naměřených hodnot s výsledky modelu SYMOS pro rok 1999 Oxidy dusíku, průměrné roční koncentrace Městské a předměstské stanice Venkovské stanice Model = Měření Model = 2*Měření Model =.5*Měření 12 Model 1 8 6 4 2 2 4 6 8 1 12 14 16 18 2 Měření Obr. 11 Porovnání modelových a měřených hodnot ročních průměrů oxidů dusíku v roce 1999, rozlišení podle typu monitorovací stanice 15

2 18 16 14 Porovnání naměřených hodnot s výsledky modelu SYMOS pro rok 2 Oxidy dusíku, průměrné roční koncentrace Městské a předměstské stanice Venkovské stanice Model = Měření Model = 2*Měření Model =.5*Měření 12 Model 1 8 6 4 2 2 4 6 8 1 12 14 16 18 2 Měření Obr. 12 Porovnání modelových a měřených hodnot ročních průměrů oxidů dusíku v roce 2, rozlišení podle typu monitorovací stanice 2 18 16 14 Porovnání naměřených hodnot s výsledky modelu SYMOS pro rok 1999 a 2 Oxidy dusíku, průměrné roční koncentrace Rok 1999 Rok 2 Model = Měření Model = 2*Měření Model =.5*Měření 12 Model 1 8 6 4 2 2 4 6 8 1 12 14 16 18 2 Měření Obr. 13 Porovnání modelových a měřených hodnot ročních průměrů oxidů dusíku pro roky 1999 a 2 16

5.3 Shrnutí výsledků testování systému SYMOS Testování modelového systému SYMOS na datových souborech hodinových průměrů koncentrace SF 6 a souborech ročních průměrů oxidu siřičitého a oxidů dusíku s použitím navržených testovacích statistických kritérií ukázalo, že modelované hodnocení pomocí SYMOS poskytuje výsledky srovnatelné kvality, které se uvádějí pro modely této třídy v literatuře (např. Batchvarova, Syrakov, 22). Srovnání ukázalo citlivost výsledků modelu v malé vzdálenosti od zdroje na správné zadání směru větru v úrovni výšky zdroje. V této oblasti je vlečka dosud úzká a horizontální gradienty koncentrace vysoké. Model dobře vystihuje šířku vlečky na těchto vzdálenostech, vykazuje však tendenci podceňovat zejména maximální koncentrace v ose vlečky. Výsledky modelování ročních průměrných koncentrací oxidu siřičitého pro roky 1999 a 2 jsou uspokojivé. Pro markantní rozdíly mezi modelovými a měřenými hodnotami, zejména takové, kdy příslušné datové body leží mimo toleranční pásmo pro parametr FA2, je nutno prověřit, zda nebyly způsobeny systematickými odchylkami měření. Model SYMOS podceňuje hodnoty ročních průměrů koncentrace oxidů dusíku, zjištěné v monitorovací síti v letech 1999 a 2. Oproti původnímu očekávání, že budou nalezeny větší rozdíly mezi modelem a měřením pro stanice městského typu se ukázalo, že podcenění ročních průměrů je větší pro venkovské stanice. 6 Návrh dalšího postupu Testování modelového systému SYMOS bude vhodné provést shodným způsobem na datových souborech za rok 21 a zjistit, zda testovací charakteristiky vykazují podobné chování jako v předešlých letech. Bude rovněž prověřeno, zda velké rozdíly mezi modelovými a měřenými hodnotami nejsou typické pro skupiny stanic, vykazujících společné znaky. Stejným postupem jako SYMOS budou testovány další referenční modely ATEM a AEOLIUS. Nutnou podmínkou pro testování modelu pro uliční kaňony AEOLIUS je získání dostatečně reprezentativního datového souboru z takzvané hotspot stanice, jejíž instalace se v současné době připravuje. 17

7 Literatura Batchvarova, E., Syrakov, D., (editors) 22: Eigth International Conference on Harmonisation within Atmospheric Dispersion Modelling for Regulatory Purposes. Proceedings. Sofia, Bulgaria, 14-17 October 22 ČHMÚ, 1998, SYMOS 97 Systém modelování stacionárních zdrojů, Metodická příručka. Eleveld, H., Slaper, H., 22: Development and application of an extended methodology to validate short-range Quantitative methods for Current Environmental Issues, ed. Anderson C.W., Barnet, V., Chatwin, P.C., El-Shaaravi, A.H., Springer-Verlag, pp. 147-165 Gryning S.E, Lyck, E., 22: The Copenhagen Tracer Experiments: Reporting of Measurements. Risø-R-154(rev.1)(EN), Risø National Laboratory, Roskilde, Denmark, August 22. Kumar, A., 22: Evaluation of hazardous Release Models http://www.utoledo.edu/~aprg/courses/dm/hmodel.html Olesen, H.R.,1995, Data Sets and Protocol for Model Validation. Workshop on Operational Short-range Atmospheric Dispersion Models for Environmental Impact Assessment in Europe, Mol, Belgium, Nov. 1994, Int. J. Environment and Pollution, Vol. 5, Nrs. 4-6, 693-71. Olesen, H.R.,1999: Model Validation Kit Recent Developments. Proc. of the 6th International Conference on Harmonisation within Atmospheric Dispersion Modelling for Regulatory Purpose in Rouen, October 1999. Olesen, H.R., 22: Ten years of Harmonisation activities: Past, present and future Available on the web: http://www.dmu.dk/atmosphericenvironment/harmoni/confererences/belgirate/ Belgiratepapers.asp TNRCC, 1999: Texas Natural Resource Conservation Commission (TNRCC), Air Quality Modeling Guidelines RG-25 (revised), http://www.tnrcc.state.tx.us/permitting/airperm/nsr_permits/admt/guid_docs/rg25.pdf US EPA, 1992: Protocol for Determining the Best Performing Model, EPA-454/R-92-25, US EPA, 1992 Office of Air Quality Planning and Standards, Technical Support Division, Research Triangle Park, NC 27711 18