WPŁYW WARUNKÓW METEOROLOGICZNYCH NA JAKOŚĆ POWIETRZA
Ewa Krajny, Leszek Ośródka
06.03.2020 Opole Partner projektu:
Instytut Meteorologii i Gospodarki Wodnej Państwowy Instytut Badaczy
Obszar
badań
projektu
HEALTHAIR
Warunki meteorologiczne w około 70% determinują stężenia zanieczyszczeń powietrza poprzez:
Ø termiczne sterowanie emisją (im niższa temperatura tym większa emisja głównie
komunalna) warunki pogodowe: głównie temperatura powietrza (warstwy hamujące - inwersja)
Ø anemologiczne warunki anemologiczne (warunki wentylacyjne powodują, że zanieczyszczenia kumulują się przy powierzchni Ziemi)
Wysokie koncentracje zanieczyszczeń, głównie pyłowych (w chłodnej połowie roku – sezon grzewczy październik - marzec) występują nie tylko w obszarach
miejskich ale także i w małych miejscowościach.
Skąd czerpiemy wiedzę o warunkach meteorologicznych
https://public.wmo.int/en/programmes/global-observing-system
Stacja ČHMÚ (CZ) Stacje IMGW-PIB (PL)
Skąd czerpiemy o jakości powietrza
Źródło GIOŚ
Stacja GIOŚ/PMŚ stacja Godów (PL)
Stacja ČHMÚ stacja Věřňovice (CZ)
Pomiary specjalne stacja IMGW-PIB Racibórz Studzienna
Pomiary specjalne stacja IMGW-PIB Racibórz Studzienna
Przebieg warunków wentylacyjnych atmosfery w ciągu doby
Warunki wentylacyjne na tle klas stabilności z sodaru (
Stężenia zanieczyszczeń na tle klas stabilności z sodaru
klasa A atmosfera bardzo niestabilna – idealne rozpraszanie zanieczyszczeń
……..
klasa F atmosfera silnie stabilna – stagnacja zanieczyszczeń przy Ziemi
inwersja dolna inwersja wzniesiona
Stężenia PM10 a pionowy rozkład temperatury
Transport zanieczyszczeń przez granicę PL CZ
Źródło: opracowanie wizualizacji IMGW-PIB w ramach realizacji projektu AIR BORDER (http://airborder.vsb.cz/pl/)
Zanieczyszczenie powietrza a meteorologia związki statystyczne
Współczynnik korelacji Pearsona między stężeniem PM10 : temperaturą powietrza i prędkością wiatru dla epizodu.
y = 86,238e-0,069x R² = 0,8923 0
1020 30 4050 60 7080 10090 110 120130 140150
-5 0 5 10 15 20 25
PM10 [µg/m3 ]
Temperatura powietrza °C
Zanieczyszczenie powietrza a meteorologia
Zależność stężeń PM10 od temperatury powietrza (średnie miesięczne wartości z okresu 2017 - 2018).
Zanieczyszczenie powietrza a meteorologia
-10 -5 0 5 10 15 20 25
0 10 20 30 40 50 60 70 80 90
I.2017 II.2017 III.2017 IV.2017 V.2017 VI.2017 VII.2017 VIII.2017 IX.2017 X.2017 XI.2017 XII.2017 I.2018 II.2018 III.2018 IV.2018 V.2018 VI.2018 VII.2018 VIII.2018 IX.2018 X.2018 XI.2018 XII.2018 I.2019 II.2019 III.2019 IV.2019 V.2019 VI.2019 VII.2019 VIII.2019 IX.2019 X.2019 XI.2019 XII.2019 temperatura powietrza [°C]
PM10 [µg/m3 ]
Kędzierzyn-Koźle Olesno Opole Opava-Katerinky Karvina Ostrava-Fifejdy temperatura powietrza
Mapa potencjału emisji zanieczyszczeń pyłowych
(klasa 1 zagrożenie minimalne, klasa 2 zagrożenie małe, klasa 3 zagrożenie umiarkowane, klasa 4 – zagrożenie wysokie, klasa 5 – zagrożenie wysokie)
Mapa współczynnika
aerodynamicznej szorstkości terenu
Mapa współczynnika wentylacji atmosfery
Prognoza jakości powietrza
Modele matematyczne:
a) deterministyczne – wykorzystują matematyczny opis zjawisk zachodzących w atmosferze, np.
równanie transportu zanieczyszczeń i ich depozycji, równania przemian chemicznych (np. WRF Chem)
b) stochastyczne – do generowania prognoz wykorzystują statystyczne zależności pomiędzy informacjami odnośnie źródeł emisji, a stanem zanieczyszczenia powietrza atmosferycznego w danym punkcie, który znany może być np. z pomiarów. W modelach stochastycznych brak bezpośredniego opisu zjawisk i procesów mających miejsce w atmosferze (np. CALPUFF)
c) sztucznej inteligencji – wykorzystujące duże bazy danych. Polegają one na symulowaniu dużej liczby połączonych wzajemnie jednostek przetwarzania, które przypominają abstrakcyjne wersje neuronów.
W zastosowaniach wdrożeniowych IMGW-PIB stosuje modele sztucznej inteligencji.
Wybrane metody modelowania i prognoz jakości powietrza
Prognoza implementowania przez IMGW-PIB przy wykorzystaniu metod sztucznej inteligencja tzn. ekploracji danych (data mining)
Ogólna idea prognozy stężeń zanieczyszczeń opiera się na następujących założeniach:
• pogoda (elementy meteorologiczne) dobrze określa jakość powietrza (imisję),
• prognozy numeryczne pogody NWP (Numerical Weather Prediction) są wystarczająco podobne do rzeczywistej pogody.
System ten składa się z trzech głównych modułów:
ü moduł wejścia (input) ü moduł obliczeniowy ü moduł wyjścia (outpout)
ü moduł prezentacji na stronach internetowych 3D GIS Dane dynamiczne dla modułu wejściowego stanowią:
BIG DATA (Data Warehouse)
ü historyczne prognoza pogody z numerycznego modelu COSMO LM;
ü historyczne dane o jakości powietrza z dostępnych stacji monitoringu jakości.
Dane pomiarowe jakości powietrza i nuerycznej prognozy pogody
ü prognoza pogody modelu COSMO LM, horyzont czasowy 72 godzinna (prognoza: dzisiaj 24h, jutro 48h, pojutrze 72h);
ü aktualne dane o jakości powietrza z automatycznych stacji monitoringu jakości powietrza.
Tworzenie prognozy
Schemat powstawania prognozy AQ
Input Processing Output
Historical data2006-2015
Air Ouality AQ imision
data
Numerical Weather Prediction
NWP
Currentdata
AQ monitoring
NWP (COSMO, ALADIN etc.)
Short-term AQ prediction system: concentration of air pollution and Air Quality Index
AQI
Land use
Time horiozon [hours]:24 (today) /48 (tomorraw) / 72 (day aftertomorrow)
Data warehouse
(data assimalation)
22
Empirical atmospheric
transport modelingAQ:
data mining
Sampling point
Area: zone / agglomeration /any
area
Prognoza AIR TRITIA z możliwością implementacji do HEALTHAIR
Miasto Współczynnik determinacji
Dzisiaj Jutro Pojutrze
Opawa 0,572 0,477 0,496
Opole 0,662 0,468 0,500
Ostrawa 0,514 0,470 0,438
Rybnik 0,793 0,647 0,482
Żylina 0,533 0,480 0,508
0 50 100 150 200 250 300 350 400 450 500
18.I.2 019
19.I.2 019
20.I.2 019 PM10 [mg/m3 ]
Pomiar Prognoza
Przykład prognozy PM10 dla powiatów PL wykonywanej metodą sztucznej inteligencji
(Źródło ISOK: https://isok.gov.pl/index.html)
System ostrzegania o prognozach jakości powietrza PWS
(Prediction Warning System)
1. Systemy prognoz jakości powietrza poza rolą edukacyjną spełniać powinny także a może przede wszystkim celom ostrzegawczym.
2. Ze względu na konstrukcję systemu prognoz dla obszaru HEALTHAIR które nakierowane są głównie na prognozę godzinową w praktycznym zastosowaniu został wykorzystany indeks CAQI (Common Air Quality Index) ,który znajduje odniesienie do przewidywanych wartości godzinnych i dobowych stężeń.
Rola systemu ostrzegania
Klasa indeksu
Stężenie 1h PM10 µg/m3
Informacja zdrowotna
Bardzo wysoki > 180
Jakość powietrza jest niebezpiecznie zła, osoby narażone na ryzyko* powinny bezwzględnie unikać wyjść na zewnątrz, pozostałe osoby powinny ograniczyć wyjścia do minimum, wszelkie aktywności na zewnątrz są odradzane
Wysoki 91-180
Jakość powietrza jest zła, osoby narażone na ryzyko* powinny unikać wyjść na zewnątrz, pozostałe osoby powinny je ograniczyć, nie zalecane są aktywności na zewnątrz
Średni 51-90
Jakość powietrza jest średnia, zanieczyszczenie powietrza stanowi zagrożenie dla osób narażonych na ryzyko*, które mogą odczuwać skutki zdrowotne, pozostałe osoby powinny ograniczyć spędzanie czasu na zewnątrz zwłaszcza gdy doświadczą takich symptomów jak kaszel lub podrażnione gardło
Niski 26-50
Jakość powietrza jest akceptowalna, zanieczyszczenie powietrza może stanowić zagrożenie dla osób narażonych na ryzyko*, warunki dobre dla aktywności na zewnątrz
Bardzo niski 0-25 Jakość powietrza jest zadowalająca, zanieczyszczenie powietrza nie stanowi zagrożenia, warunki idealne dla aktywności na zewnątrz
Indeks CAQI dla wartości godzinnych stężeń PM10 wraz z informacją zdrowotną (https://www.airqualitynow.eu)
https://airindex.eea.europa.eu (European Air Quality Index) http://powietrze.gios.gov.pl/pjp/home (GIOŚ/PMŚ)
https://waqi.info (World's Air Pollution: Real-time Air Quality Index)
Dziękuję
dr Leszek Ośródka Zakład Modelowania Zanieczyszczeń Powietrza IMGW-PIB 40-045 Katowice, ul. Bratków 10 e-mail: leszek.osrodka@imgw.pl https://www.imgw.pl, http://www.pogodynka.pl/
https://healthair.eu