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

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

POKUS O STATISTICKOU PŘEDPOVĚD ZNEČIŠTĚNÍ OVZDUŠÍ. Josef Keder. ČHMÚ, ÚOČO, Observatoř Tušimice,

Popis metod CLIDATA-GIS. Martin Stříž

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

Český hydrometeorologický ústav Úsek kvality ovzduší. Kvalita ovzduší a rozptylové podmínky na území ČR

PROJEKT DOPRAVA prezentace výsledků

Český hydrometeorologický ústav Úsek kvality ovzduší. Kvalita ovzduší a rozptylové podmínky na území ČR

Český hydrometeorologický ústav Úsek kvality ovzduší. Kvalita ovzduší a rozptylové podmínky na území ČR

Josef Keder, Lenka Janatová Český hydrometeorologický ústav

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

Český hydrometeorologický ústav Úsek kvality ovzduší. Kvalita ovzduší a rozptylové podmínky na území ČR

Extrémní imisní situace RNDr. Zdeněk Blažek, CSc., Mgr. Libor Černikovský Český hydrometeorologický ústav, pobočka Ostrava

Stanovení manganu a míry přesnosti kalibrace ( Lineární kalibrace )

Český hydrometeorologický ústav Úsek ochrany čistoty ovzduší. Kvalita ovzduší a rozptylové podmínky na území ČR

Měření závislosti statistických dat

Stav a vývoj kvality ovzduší v Praze-Satalicích v letech

Regresní analýza 1. Regresní analýza

Český hydrometeorologický ústav Úsek kvality ovzduší. Kvalita ovzduší a rozptylové podmínky na území ČR

Kvalita ovzduší a rozptylové podmínky na území ČR

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

Meteorologické minimum

Hodnocení smogové situace v Ostravě Listopad 2011

Protokol o měření. Popis místa měření:

» I. Legislativa současná» II. Legislativa budoucí» III. Současné problémy


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

Cvičení 9 dekompozice časových řad a ARMA procesy

Český hydrometeorologický ústav Úsek kvality ovzduší. Kvalita ovzduší a rozptylové podmínky na území ČR

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

Český hydrometeorologický ústav Úsek ochrany čistoty ovzduší Kvalita ovzduší a rozptylové podmínky na území ČR LEDEN 2015

Kalibrace a limity její přesnosti

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

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

Kvalita ovzduší a rozptylové podmínky na území ČR

Informační systém kvality ovzduší v Kraji Vysočina

SEMESTRÁLNÍ PRÁCE. Leptání plasmou. Ing. Pavel Bouchalík

Regrese. používáme tehdy, jestliže je vysvětlující proměnná kontinuální pokud je kategoriální, jde o ANOVA

Plánování experimentu

Předběžné zhodnocení kvality ovzduší a rozptylových podmínek v roce 2016 zpráva ČHMÚ ze dne

Hodnocení úrovně koncentrace PM 10 na stanici Most a Kopisty v průběhu hydrologické rekultivace zbytkové jámy lomu Most Ležáky 1

Rozptylová studie případová studie RNDr Josef Keder, CSc.

Stanovení hloubky karbonatace v čase t

Statistická analýza jednorozměrných dat

JEDNOVÝBĚROVÉ TESTY. Komentované řešení pomocí programu Statistica

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

ODBORNÁ ZPRÁVA Pro potřeby PLL a. s. Jeseník VÝSLEDKY MĚŘENÍ ZNEČIŠTĚNÍ OVZDUŠÍ NA AUTOMATIZOVANÉ MONITOROVACÍ STANICI JESENÍK-LÁZNĚ V ROCE 2016

Vývoj úrovně znečištění ovzduší: minulost, současnost RNDr. Leona Matoušková, Ph.D.

Český hydrometeorologický ústav Úsek kvality ovzduší. Kvalita ovzduší a rozptylové podmínky na území ČR

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.

6. Lineární regresní modely

Farm Projekt Projektová a poradenská činnost, dokumentace a posudky EIA

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

ROZBOR VÝSLEDKŮ KONTINUÁLNÍHO MĚŘENÍ SPEKTER VELIKOSTÍ ČÁSTIC ANALYZÁTORY GRIMM VE VZTAHU K POTENCIÁLNÍM NEPŘÍZNIVÝM ZDRAVOTNÍM ÚČINKŮM

MATEMATIKA III V PŘÍKLADECH

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

Kvalita ovzduší a emisní inventury v roce 2007

Předběžné zhodnocení kvality ovzduší a rozptylových podmínek v roce 2018 zpráva ČHMÚ ze dne Český hydrometeorologický ústav

Regresní a korelační analýza

AVDAT Nelineární regresní model

Český hydrometeorologický ústav Úsek kvality ovzduší. Kvalita ovzduší a rozptylové podmínky na území ČR

10. Předpovídání - aplikace regresní úlohy

KGG/STG Statistika pro geografy

Univerzita Pardubice SEMESTRÁLNÍ PRÁCE. Tvorba lineárních regresních modelů. 2015/2016 RNDr. Mgr. Leona Svobodová, Ph.D.

4. Aplikace matematiky v ekonomii

MODEL TVÁŘECÍHO PROCESU

6. Lineární regresní modely

Sledování a hodnocení kvality ovzduší v ČR

Protokol o měření. Popis místa měření:

PROJEKT DOPRAVA výsledky z 1. a 2. kampaně

PŘEDBĚŽNÉ ZHODNOCENÍ. Znečištění ovzduší benzo[a]pyrenem, těžkými kovy a benzenem na území České republiky v roce 2018

K možnostem krátkodobé předpovědi úrovně znečištění ovzduší statistickými metodami. Josef Keder

Lineární regrese. Komentované řešení pomocí MS Excel

Český hydrometeorologický ústav Úsek ochrany čistoty ovzduší. Kvalita ovzduší a rozptylové podmínky na území ČR

Regresní a korelační analýza

Návrh nových pravidel SVRS pro PM10 (návrh novely přílohy č. 6 zákona 201/2012 Sb.)

LINEÁRNÍ REGRESE. Lineární regresní model

Kalibrace a limity její přesnosti

RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.

Závislost obsahu lipoproteinu v krevním séru na třech faktorech ( Lineární regresní modely )

Protokol o měření 007/2013_14/OVA. Popis místa měření. Fotografie z měření

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

Příloha 4. Porovnání prototypů jednotlivých souborů s podpisem zdroje

Testování hypotéz o parametrech regresního modelu

Testování hypotéz o parametrech regresního modelu

SLEDOVÁNÍ POČTU ČÁSTIC V OSTRAVĚ

Posouzení přesnosti měření

ZPRACOVÁNÍ ROZPTYLOVÉ STUDIE REFERENČNÍM MODELEM SYMOS S UVEDENÍM PŘÍPADOVÉ STUDIE. RNDr Josef Keder, CSc.

MÍRY ZÁVISLOSTI (KORELACE A REGRESE)

6. Lineární regresní modely

Český hydrometeorologický ústav Úsek ochrany čistoty ovzduší. Kvalita ovzduší a rozptylové podmínky na území ČR

Kvalita ovzduší a rozptylové podmínky na území ČR

4EK211 Základy ekonometrie

odpovídá jedna a jen jedna hodnota jiných

AVDAT Geometrie metody nejmenších čtverců

Kontingenční tabulky, korelační koeficienty

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

VIZUALIZACE TRANSPORTU ZNEČIŠTĚNÍ V OSTRAVSKO KATOVICKÉ PRŮMYSLOVÉ OBLASTI (manažerské shrnutí)

Český hydrometeorologický ústav Úsek ochrany čistoty ovzduší. Kvalita ovzduší a rozptylové podmínky na území ČR

Regresní a korelační analýza

Profilování vzorků heroinu s využitím vícerozměrné statistické analýzy

Transkript:

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

Zadání úlohy V souladu s požadavkem zadavatele (MŽP) bude zpracována metodika, umožňující oprostit průměrné roční imisní koncentrace, naměřené na libovolné měřicí stanici, od vlivu meteorologické situace. Metodika umožní na vybraných stanicích měření imisí porovnávat naměřené imisní koncentrace znečišťujících látek za jednotlivé roky. Zadání září 2012 Odevzdání prosinec 2012 2

Metodika - přístup K dosažení tohoto cíle využit postup, uvedený v Grimvall et al., 2001. Předpokládá se, že existuje lineární vztah mezi koncentrací C a sadou meteorologických proměnných u 1, u 2, u n. Jednotlivé členy časové řady koncentrací C j tak můžeme vyjádřit pomocí vztahu C j = b 0 + b 1. u 1j +b 2. u 2j + +b n. u nj kde u nj jsou hodnoty meteorologických proměnných v j-tém časovém okamžiku a parametry b i jsou neznámé koeficienty této lineární závislosti, i = 0, 1 n 3

Interpretace regresních koeficientů Adjustovaná koncentrace Koeficienty b i vyjadřují, o kolik se změní (vzroste nebo poklesne) koncentrace C j, jestliže se meteorologická veličina u i změní o jednotku Lze je odhadnout ze souboru naměřených hodnot koncentrací a meteorologických veličin pomocí vícenásobné lineární regrese. Časové řady meteorologických proměnných vykazují náhodné kolísání kolem svých normálových hodnot u i,norm. Tyto normály můžeme vyjádřit jako dlouhodobé průměry jednotlivých veličin. V důsledku kolísání meteorologických veličin kolísají rovněž hodnoty koncentrací. Koncentrace C j,adj adjustovaná na meteorologické podmínky je taková koncentrace, která by se pozorovala v j-tém časovém okamžiku, kdyby v tomto čase převládaly normálové meteorologické podmínky. 4

Adjustace - provedení Adjustace se provádí tak, že naměřené koncentrace C j se očistí od přírůstků nebo úbytků, které jsou důsledkem odchylky meteorologických veličin, zjištěných v čase j, od dlouhodobého normálu: u ij - u i,norm je odchylka od normálu i-té meteorologické veličiny v čase j Po vynásobení této odchylky koeficientem úměrnosti b i pro i-tou veličinu b i. (u ij - u i,norm ) dostaneme přírůstek (úbytek) koncentrace, odpovídající odchylce této meteorologické veličiny od normálu. Sečtením příspěvků všech meteorologických veličin získáme výslednou odchylku koncentrace oproti normálnímu stavu. Po odečtení této výsledné odchylky od změřené koncentrace získáme adjustovanou hodnotu koncentrace v čase j. C j,adj = C j (b 1. (u 1j u 1,norm ) + b 2. (u 2j - u 2,norm ) + + b n. (u nj u n,norm )) 5

Postup adjustace koncentrací na meteorologické podmínky Navržen v následujících krocích: 1. Výběr meteorologických veličin, ovlivňujících koncentrace jednotlivých znečišťujících látek 2. Konstrukce regresního modelu pro jednotlivé látky a jednotlivé lokality z hodnot, naměřených za dostatečně dlouhé období 3. Výpočet regresních koeficientů 4. Stanovení dlouhodobých normálů pro jednotlivé proměnné 5. Adjustace hodnot koncentrací na meteorologické podmínky podle dříve uvedeného vztahu 6

Prověření postupu, období a data Navržený postup testován na koncentracích PM10 na území Ostravy Byla použita data z monitorovacích stanic Ostrava-Fifejdy, Ostrava-Přívoz pro roky 2006 až 2011 (6 let), Ostrava-Mariánské Hory pro roky 2009 až 2011 (3 roky) Doporučuje se provádět adjustaci pro denní průměry. Adjustované roční průměry se stanoví z adjustovaných denních hodnot. 7

Výběr meteorologických veličin, ovlivňujících koncentrace Pro tuto pilotní etapu návrhu metodiky byly vybrány tyto meteorologické veličiny, ovlivňující imisní koncentrace Rozptylové podmínky Teplota vzduchu 8

Rozptylové podmínky - ventilační index Při analýze vlivu počasí na koncentrace znečišťujících látek se používá termín rozptylové podmínky obvykle bez bližšího vymezení tohoto pojmu. Rozptylové podmínky byly charakterizovány ventilačním indexem VI Ventilační index je součin výšky směšovací vrstvy a průměrné rychlosti větru uvnitř této vrstvy. Hardy, Ottmar et al., 2001 Keder, Škáchová, 2011 9

VENTILAČNÍ INDEX definice 10

VENTILAČNÍ INDEX vliv větru 11

VI, VLIV VÝŠKY MH dobrá ventilace 12

VI, VLIV VÝŠKY MH špatná ventilace 13

Oblastní denní průměr PM10 Praha Závislost koncentrace PM10 na VI S rostoucí rychlostí větru a zvětšující se výškou směšovací vrstvy dochází k většímu rozřeďování znečišťujících látek a k poklesu jejich koncentrací. Rostoucí hodnota ventilačního indexu tedy indikuje zlepšující se rozptylové podmínky. 250 200 150 100 50 0 0 500 1000 1500 2000 2500 3000 3500 Ventilační index [m 2 /s] 14

AKTUÁLNÍ SITUACE MS kraj 1/3 15

AKTUÁLNÍ SITUACE MS kraj 2/3 16

AKTUÁLNÍ SITUACE MS kraj 3/3 17

Fyzikální význam VI Vyplývá např. z konstrukce jednoduchého box-modelu pro změny koncentrací znečišťujících látek v aglomeraci. Je zřejmé, že rychlost změny koncentrace uvnitř boxu je přímo úměrná velikosti ventilačního indexu. 18

Závislost koncentrace PM10 na teplotě 19

Výběr regresního modelu Z grafů je zřejmé, že mezi koncentracemi PM10 a vybranými meteorologickými veličinami nelze předpokládat lineární závislost. Pro použití v regresním modelu byly proměnné transformovány a vhodný model byl vybrán postupnou vícenásobnou regresí. Jako nejvhodnější se pro vybrané stanice ukázal model ve tvaru ln(c) = a+b.t+c.t 2 +d.ln(vi) Koncentrace PM10 a teploty vzduchu byly změřeny na jednotlivých stanicích, hodnoty ventilačního indexu byly spočítány pomocí meteorologického preprocesoru CALMET INTEGRATOR. Všechny hodnot jsou denní průměry, spočítané z hodinových hodnot od 00 do 23 hodin UTC. 20

Koeficienty regresního modelu a upravený koeficient determinace Fifejdy Přívoz a 157.2660 124.2121 b -1.0483-0.8100 T c 0.0018 0.0014 T 2 d -0.3402-0.3009 ln(vi) R 2 0.4652 0.4014 21

Adjustace koncentrací na meteorologické podmínky Byly stanoveny normálové hodnoty jednotlivých proměnných jako průměry za šestileté období 2006 2011 T norm T 2 norm ln(vi) norm a provedena adjustace denních průměrů koncentrací podle vztahu C adj = exp(ln(c) - b.(t-t norm ) - c.(t 2 - T 2 norm) - d.(ln(vi) - ln(vi) norm )) 22

Porovnání původních a adjustovaných Roční průměr Roční průměr adjustovaný hodnot Počet překročení hodnoty IL Počet překročení hodnoty IL adjustovaný 2006 47.0 41.9 112 105 2007 39.2 40.6 89 84 2008 40.5 40.6 67 88 2009 40.7 38.2 88 72 2010 51.4 40.5 121 80 2011 42.2 38.8 80 77 Fifejdy 2006 56.4 50.3 147 159 2007 45.8 48.6 119 143 2008 47.0 48.0 105 128 2009 46.4 44.2 114 105 2010 52.1 42.0 118 92 2011 44.9 41.6 89 99 Přívoz 23

Ostrava Fifejdy, porovnání adjustovaných a neadjustovaných hodnot ročního průměru koncentrace PM10 24

Ostrava Fifejdy, porovnání adjustovaných a neadjustovaných hodnot počtu překročení hodnoty IL pro denní průměr koncentrace PM10 25

Ostrava Přívoz, porovnání adjustovaných a neadjustovaných hodnot ročního průměru koncentrace PM10 26

Ostrava Přívoz, porovnání adjustovaných a neadjustovaných hodnot počtu překročení hodnoty IL pro denní průměr koncentrace PM10 27

Trendy adjustovaných hodnoty pro stanice Přívoz a Fifejdy byly porovnány s vývojem emisí na okrese Ostrava v letech 2006 až 2011 Pro rok 2011 je použit předběžný odhad OEZ 28

Ostrava Fifejdy, porovnání trendu adjustovaných hodnot ročního průměru koncentrace PM10 a emisí TZL na okrese Ostrava 29

Ostrava Fifejdy, porovnání trendu adjustovaných hodnot počtu překročení hodnoty IL a emisí TZL na okrese Ostrava 30

Ostrava Přívoz, porovnání trendu adjustovaných hodnot ročního průměru koncentrace PM10 a emisí TZL na okrese Ostrava 31

Ostrava Přívoz, porovnání trendu adjustovaných hodnot počtu překročení hodnoty IL a emisí TZL na okrese Ostrava 32

Závěry Je vidět, že adjustace na meteorologické hodnoty odstraňuje kolísání koncentračních charakteristik, způsobených vlivem počasí v jednotlivých letech, zvýrazňuje časové trendy a korespondenci mezi vývojem imisních charakteristik a emisí. Změny v charakteristikách koncentrací, očištěných od vlivu meteorologických podmínek, lze přičítat především vlivu změn v emisích okolních zdrojů. 33

Využití ventilačního indexu pro hodnocení rozptylových podmínek 1/2 Byl definován ventilační index a ukázána jeho dobrá korelace s koncentracemi PM10. S klesající hodnotou ventilačního indexu postupně narůstá počet vysokých denních koncentrací. Lze tedy stanovit určitou kritickou hodnotu ventilačního indexu, která oddělí špatné a dobré rozptylové podmínky. Rovněž je možné stanovit několik kategorií rozptylových podmínek, vymezených hodnotami VI 34

Využití ventilačního indexu pro hodnocení rozptylových podmínek 2/2 Hraniční hodnota VI byla navržena následujícím postupem. Hodnoty denních průměrů koncentrací pro každou tří stanic za celé šestileté (pro stanici Mariánské Hory za tříleté) období byly seřazeny podle velikosti a rozděleny do 10 tříd tak, že každá třída obsahovala 10% všech hodnot. Horní hranice n-té třídy tak odpovídá n-tému decilu souboru denních koncentrací pro danou stanici. V pořadí n-tá třída tedy obsahuje hodnoty, které jsou větší než 10*(n-1)% všech hodnot v souboru a které jsou menší než (100-10*n)% hodnot celého souboru. Např. hodnoty v 6. třídě jsou větší než 50% a menší než 40% všech hodnot v souboru. Každé hodnotě denní koncentrace odpovídá denní průměr ventilačního indexu. Pro každou z 10 tříd stanovíme hodnotu denního průměru ventilační indexu, který se v dané třídě vyskytuje nejčastěji (modus). 35

Modus ventilačního indexu pro jednotlivé třídy koncentrací 36

Nejčastěji se vyskytující hodnoty ventilačního indexu (mody) pro jednotlivé třídy denních koncentrací Třída koncentrací 1 2 3 4 5 6 7 8 9 10 M. Hory 3296 2800 2496 2720 2231 1869 1847 1712 1778 809 Přívoz 4471 3525 2660 2659 2370 2080 2000 1736 1359 675 Fifejdy 6532 3720 3184 2536 2472 2030 2006 1522 1348 687 Z grafu a z tabulky je vidět, že jako vhodnou hraniční hodnotu ventilačního indexu pro definici špatných rozptylových podmínek lze zvolit modus v 7. třídě koncentrací (koncentrace vyšší než 60% všech hodnot na stanici). Navrhovaná hraniční hodnota VI krit, odhadnutá tímto postupem, činí 2000 m 2.s -1. Takto navržená hraniční hodnota VI vychází ze statistického rozdělení koncentrací na jednotlivých stanicích. Není závislá na jejich absolutní velikosti a emisích v okolí stanice. 37

Využití VI krit k hodnocení trendů Pro jednotlivé stanice byly, s využitím takto navrženého hodnocení RP, stanoveny: počty dnů, kdy převládaly dobré rozptylové podmínky, procentuální podíl dnů, kdy při dobrých RP (VI >2000) byla překročena hodnota denního imisního limitu. Výsledky pro stanice Fifejdy a Přívoz jsou v následujícím grafu Je zobrazen vývoj ročních emisí TZL pro okres Ostrava za stejné období (údaje za rok 2011 jsou předběžné hodnoty). Klesající trend podílu výskytu dnů, kdy byl překročen imisní limit, přestože rozptylové podmínky nebyly nepříznivé (projevuje se tedy jen vliv změn emisí), koresponduje s klesajícím trendem emisí TZL na okrese Ostrava. Tento vývoj je dobře vyjádřen především pro stanici Přívoz. Nárůst emisí TZL v roce 2010 se na obou stanicích projevil zvýšením podílu dnů s překročením IL při dobrých RP (podíl je počítán ze všech dnů, kdy RP byly vyhodnoceny jako příznivé). 38

Trendy podílu počtu dnů s dobrými RP, avšak s překročením IL. Porovnáno s vývojem emisí TZL 39

Další vývoj Data z 10 let Rozšířit na všechny stanice AIM Zahrnout gradient teploty Zahrnout směr větru (sektor směru jako kategoriální proměnná v regresním modelu, poradit si s normálem) 40