Wpływ zmian klimatu na środowisko, gospodarkę i społeczeństwo

Transkrypt

1 Projekt: KLIMAT Wpływ zmian klimatu na środowisko, gospodarkę i społeczeństwo (zmiany, skutki i sposoby ich ograniczania, wnioski dla nauki, praktyki inżynierskiej i planowania gospodarczego) Numer Zadania: 2 Tytuł Zadania: Stan zanieczyszczeń powietrza w Polsce i jego wpływ na jakość życia możliwości ograniczenia skutków Okres sprawozdawczy: styczeń 2011 grudzień 2011 Typ raportu: raport roczny syntetyczny Koordynator Zadania: dr Leszek Ośródka Katowice Kraków PROJEKT WSPÓŁFINANSOWANY PRZEZ UNIĘ EUROPEJSKĄ Z EUROPEJSKIEGO FUNDUSZU ROZWOJU REGIONALNEGO

2 Wykonawcy Instytut Meteorologii i Gospodarki Wodnej Oddział w Krakowie Zakład Monitoringu i Modelowania Zanieczyszczeń Powietrza dr Leszek Ośródka dr Ewa Krajny dr Marek Wojtylak mgr Jolanta Godłowska mgr Katarzyna Szeflińska mgr Jerzy Skorczyński Instytut Podstaw Inżynierii Środowiska PAN w Zabrzu Zakład Ochrony Powietrza Ekspertyzy zewnętrzne mgr Diana Domańska podzadanie 2.6 dr n. m. Małgorzata Kowalska podzadanie 2.7 2

3 Spis rzeczy Wprowadzenie... 4 Cel badań... 4 Zakres wykonywanych prac i metodyka badań... 4 Charakterystyka osiągniętych wyników... 5 Krótkoterminowa prognoza jakości powietrza jako element zarządzania środowiskiem możliwości zastosowań operacyjnych... 5 Cel podzadania... 5 Prognoza eksploracyjna... 8 Wyniki prognozy jakości powietrza Wnioski Prognoza model CALMET/CALPUFF Opis metodyki badań Omówienie wyników Wnioski Konkluzja Wpływ zanieczyszczeń powietrza atmosferycznego na jakość życia ludzi w zidentyfikowanych obszarach wysokiego wskaźnika zagrożenia sanitarnego powietrza Cel podzadania Zanieczyszczenie pyłowe powietrza Wpływ jakości powietrza na zdrowie Obciążenie chorobowe związane z zanieczyszczeniem powietrza Zdrowotny indeks jakości powietrza Wpływ zanieczyszczeń powietrza atmosferycznego na dobową umieralność mieszkańców Materiał i metody Wyniki Omówienie wyników Wpływ zanieczyszczeń powietrza atmosferycznego na dobową hospitalizację z powodu chorób układu krążenia i układu oddechowego Materiał i metody Wyniki Omówienie wyników Jakość życia dorosłych, aktywnych zawodowo mieszkańców przemysłowej aglomeracji w Polsce Materiał i metody Wyniki Omówienie wyników Konkluzja Podsumowanie Analiza zgodności z założonymi celami Propozycje dotyczące praktycznego wykorzystania wyników badań Wykaz przygotowanych publikacji Literatura Wykaz głównych wykonawców Informacje o sposobie odbioru zadań składowych i trybie koordynacji prac

4 Wprowadzenie Celem prowadzonych badań w ramach zadania 2 projektu KLIMAT jest określenie wzajemnych relacji między zanieczyszczeniem powietrza, głównie pyłowym w warstwie granicznej atmosfery, a zespołem czynników meteorologicznych w sytuacji obserwowanych zmian klimatu, w aspekcie wpływu na społeczno-ekonomiczne uwarunkowania życia mieszkańców Polski, a przede wszystkim potencjalne skutki zdrowotne. Badania stanu jakości powietrza w ramach projektu realizowane są zarówno w skali kraju z uwzględnieniem transgranicznego przenoszenia zanieczyszczeń i ich prekursorów, jak i w skali regionalnej w wybranych obszarach badań. Cel badań W niniejszym sprawozdaniu rocznym przedstawiono wyniki badań dwóch podzadań. W ramach pierwszego zaadoptowano opracowaną w Zakładzie Monitoringu i Modelowania Zanieczyszczeń Powietrza IMGW-PIB OKk metodę prognozy wysokich stężeń zanieczyszczeń opartą o metodę eksploracji danych dla silnie zanieczyszczonych obszarów małopolski. Drugie zadanie poświecone było ocenie wpływu zanieczyszczeń na jakość życia ze szczególnym uwzględnieniem aspektów zdrowotnych. Biorąc pod uwagę złożoność i interdyscyplinarność prowadzonych badań dla właściwej oceny wyników wykorzystano także opracowanie eksperckie. Zakres wykonywanych prac i metodyka badań Zróżnicowany charakter zadań cząstkowych niniejszego zadania wymagał stosowania różnych podejść metodycznych. Zadanie dotyczące krótkoterminowej prognozy stężeń zanieczyszczeń powietrza dla obszarów szczególnie narażonych wymagało wykorzystania dedykowanej bazy danych o zanieczyszczeniach, warunkach meteorologicznych i numerycznych prognozach tych warunków, zarówno w aspekcie historycznym, jak też w czasie rzeczywistym oraz wykorzystania zaawansowanych metod matematycznych, w tym statystycznych dla adaptacji, weryfikacji i wstępnego wdrożenia modelu prognozy. Z kolei zadanie dotyczące wpływu wpływ jakości powietrza na jakość życia ocena zagrożeń - możliwości ograniczenia skutków wymagało zgromadzenia, ze względu na brak wystarczającej liczby wyników badań bezpośrednich w Polsce, zakrojonych na dużą skalę 4

5 badań literaturowych, a także specjalnie przygotowanych badań epidemiologicznych. W tym przypadku dla opracowania wyników wykorzystywano metody stosowane w medycynie środowiskowej i społecznej. Charakterystyka osiągniętych wyników Krótkoterminowa prognoza jakości powietrza jako element zarządzania środowiskiem możliwości zastosowań operacyjnych Cel podzadania Celem badań było opracowanie systemu krótkoterminowej prognozy stężeń zanieczyszczeń dla obszarów szczególnie narażonych na występowanie epizodów smogowych. Umiejętność przewidywania zdarzeń specjalnych, niekorzystnych dla jakości życia jest ciągle aktualnym przedmiotem badań środowiskowych. W niektórych dziedzinach prognozy stanu środowiska można zrealizować przynajmniej częściowo z większą lub mniejszą dokładnością. Pewne zjawiska przyrodnicze jak pogoda, aktywność sejsmiczna, powodzie itd. można z dużym prawdopodobieństwem przewidzieć. Uwarunkowania prawne, które weszły w życie wraz z ustawą Prawo ochrony środowiska (POŚ) z dnia 27 kwietnia 2001 roku (Dz.U r., nr 62, poz. 627 z późn. zm.) wprowadzają konieczność podjęcia działań krótkoterminowych z zakresu ochrony powietrza w danej strefie województwa w przypadku, gdy istnieje tam ryzyko wystąpienia przekroczeń dopuszczalnych, docelowych lub alarmowych poziomów niektórych substancji w powietrzu. W przypadku zaistnienia takiej sytuacji, zgodnie z art. 92, ust. 1 wspomnianej ustawy " (...) sejmik województwa, po zasięgnięciu opinii właściwego starosty, określi, w drodze uchwały, plan działań krótkoterminowych (...) ". Plan działań ma na celu zmniejszenie ryzyka wystąpienia przekroczeń dopuszczalnych i alarmowych substancji w powietrzu oraz ograniczenie skutków i czasu ich trwania (art. 92 ust. 1 pkt. 1 i 2 POŚ). Biorąc pod uwagę fakt, że o wystąpieniu przekroczeń stężeń dopuszczalnych, docelowych, a zwłaszcza alarmowych decyduje niekorzystna sytuacja meteorologiczna plan działań krótkoterminowych w zakresie ochrony powietrza powinien skupiać się na ograniczaniu, w miarę możliwości, wprowadzania do atmosfery substancji szkodliwych w takich sytuacjach meteorologicznych, które sprzyjają ich nadmiernej koncentracji w powietrzu oraz minimalizowaniu skutków wynikających z zaistnienia tego faktu. 5

6 Dodatkowo nowelizacja Ustawy Prawo ochrony środowiska w związku z implementacją dyrektywy Parlamentu Europejskiego i Rady 2008/50/WE z dnia 21 maja 2008 r. w sprawie jakości powietrza i czystszego powietrza dla Europy (CAFE) wprowadza dodatkowo sposób postępowania w przypadku ryzyka przekroczeń lub przekroczeń zanieczyszczeń powietrza zarówno na terenie kraju, jak również spowodowanych przenoszeniem zanieczyszczeń z terytorium innego państwa. Mówi o tym artykuł 24 Plany działań krótkoterminowych oraz artykuł 25 Transgraniczne zanieczyszczenie powietrza rozdziału IV Dyrektywy oraz art. 92a cytowanej Ustawy POŚ. Tak więc prognoza zanieczyszczeń powietrza, szczególnie w przypadku sytuacji z wysokimi stężeniami jest niezbędnym elementem działań krótkoterminowych. Problem podejmowania działań krótkoterminowych w wypadku ryzyka wystąpienia podwyższonych stężeń zanieczyszczeń ma specyficzny charakter. Działania w tym zakresie wymagają bowiem krótkiej skali czasowej (rzędu kilku godzin najwyżej kilku dni) i można je podzielić na organizacyjno-prawne i techniczne (w tym modelowanie). Działania organizacyjno prawne wymagają odrębnego, kompleksowego potraktowania. Natomiast zadania wymagane do realizacji tego przedsięwzięcia w sferze pomiarowej polegać powinny na: prognozowaniu jakości powietrza na okres od kilku do kilkudziesięciu godzin, monitorowaniu przebiegu epizodów, połączonym z diagnozą bieżącej sytuacji, dla potrzeb podejmowania decyzji o doraźnych ograniczeniach emisji. Oczywiście skala czasowa prognozy w zależności od modelowanego zjawiska i dostępności danych pomiarowych może być natychmiastowa (nowcating), ultrakrótkoterminowa, krótkoterminowa czy średnioterminowa, długoterminowa, długoterminowa sezonowa, klimatyczna. W ochronie powietrza atmosferycznego przed zanieczyszczeniami pyłowymi i gazowymi wystarczającym horyzontem czasowym jest prognoza z krokiem 1 godzinnym na 24 godziny wprzód. Krótkoterminowa prognoza jakości powietrza w choć coraz popularniejsza w świecie i Europie w Polsce jest nadal rzadko stosowana. Wynika to, że zarówno z tego, że brak jest powszechnie akceptowanych modeli prognostycznych jak też z faktu, że zastosowanie najdokładniejszych modeli fizycznych wymaga dużych nakładów finansowych i merytorycznych. Jedną z poważnych trudności jest także brak dokładnych inwentaryzacji emisji, szczególnie ze źródeł powierzchniowych, które odgrywają dominującą rolę w kształtowaniu się pola imisji pyłu. Pewną trudność powoduje też ograniczony dostęp do 6

7 numerycznych prognoz pogody, które mogą zasilać moduł meteorologiczny modeli dyspersji zanieczyszczeń. W chwili obecnej w Polsce w sposób semi operacyjny działa tylko jedna krótkoterminowa prognoza jakości powietrza oparta o matematyczny model symulacyjny. Jest ona realizowana przez zespół badaczy Politechniki Warszawskiej, jako wynik współpracy jej przedstawicieli w Akcji COST ES 0602 Towards a European Network on Chemical Weather Forecasting and Information Systems. Prognoza ta jako narzędzie obliczeniowe wykorzystuje kanadyjski model GEM-AQ. Model ten jako globalny chemii troposfery pozwala na jednoczesne i spójne (on-line) modelowanie procesów dynamicznych, fizycznych i chemicznych w atmosferze [Kamiński et al., 2008]. Przeprowadzone badania porównawcze wyników modelowania z rzeczywistymi przebiegami epizodów wysokich stężeń zanieczyszczeń wykazały dużą zgodność i potwierdziły użyteczność modelu [Strużewska et Kamiński, 2008]. Prognoza prezentowana jest w Internecie pod adresem: Niewątpliwą zaletą tego typu prognozy jest jej idea polegająca na próbie fizycznego odwzorowywania rzeczywistości, natomiast wadą konieczność jej zasilania nie zawsze kompletnie przygotowywanymi danymi emisyjnymi oraz czasem obliczeń. W niniejszym opracowaniu zaproponowano model jakości powietrza, opracowany w 2004 r. przez badaczy z IMGW i funkcjonujący operacyjnie od 2005 roku w województwie śląskim, oparte o eksplorację danych ( Model taki, choć nie wykorzystuje wprost fizycznych związków pomiędzy emisją i meteorologią a stężeniem zanieczyszczeń, to pozwala w sposób wręcz intuicyjny zależność taką przedstawić. Jego niewątpliwą zaletą jest szybkość uzyskania rezultatów i dobra sprawdzalność, wadą natomiast przyjęcie założenia, że aktualne warunki emisji odpowiadają tym obserwowanym w historii. Podstawą tak skonstruowanej krótkoterminowej prognozy jakości powietrza jest numeryczna prognoza pogody. W chwili obecnej w IMGW-PIB operacyjnie funkcjonują dwa mezoskalowe modele prognozy pogody: COSMO-LM na 78 godzin wprzód (model niemiecki), ALADIN na 48 godzin wprzód (model francuski). Poniżej przedstawiono dwa podejścia do prognozy jakości powietrza, wypracowane przez wiele lat w Zakładzie Monitoringu i Modelowania Zanieczyszczeń Powietrza, a zaimplementowane dla obszaru Małopolski w projekcie KLIMAT: Prognoza eksploracyjna, Prognozowanie przy wykorzystaniu modelu CALMET/CALPUFF. 7

8 Prognoza eksploracyjna Prognoza eksploracyjna jakości powietrza (AQ) oparta jest o metody eksploracji danych (data mining) przy szczególnym zastosowaniu zbiorów rozmytych (fuzzy sets). Podstawowe założenie tej metody polega na prognozowaniu przebiegów czasowych stężenia danego zanieczyszczenia powietrza, poprzez każdorazowe wyszukiwanie w przeszłości sytuacji potencjalnie podobnych do stanu aktualnego. Efektem wyszukiwania jest kilkadziesiąt możliwych przebiegów czasowych zjawiska w najbliższej przyszłości. Podstawowym działaniem poprzedzający eksplorację danych jest ETl (Extracting, Transform, Loading) przygotowanie danych. W związku z tym, stworzona została baza zawierająca następującą informację: historyczne prognozy pogody (meteogramy) z modelu COSMO-LM z wielolecia , rzeczywiste przebiegu pogody ze stacji meteorologicznych PSHM IMGW-PIB z wielolecia , stężenia zanieczyszczeń ze stacji automatycznych państwowego monitoringu środowiska (PMŚ) z wielolecia , dane demograficzne w tym gęstość zaludnienia i geograficzne w tym zagospodarowanie i użytkowanie terenu, poziom antropopresji, charakterystyki determinujące rozprzestrzenianie się zanieczyszczeń (szorstkość terenu, warunki wentylacyjne warstwy czynnej) itp. warunki emisyjne w tym niska emisji zanieczyszczeń z sektora komunalno-bytowego. Rys. 1 Ogólny schemat prognozy. Prognozę eksploracyjną można przedstawić w kilku etapach, opisanych poniżej. 8

9 Etap 1. Zdefiniowanie zbioru podobnych prognoz pogody. Początkiem tego etapu jest aktualna prognoza pogody. Jest to meteogram uzyskany z modelu COSMO-LM na 78 godzin wprzód licząc od godziny 0 UTC. W etapie tym przeglądane są prognozy historyczne i wybierane prognozy podobne do aktualnej. Ważna jest data prognozy podobnej. Liczba prognoz podobnych jest elementem konfiguracji metody, zależy od operatora systemu. Etap 2. Zdefiniowanie podzbioru sytuacji meteorologicznych. Dla dat wybranych w pierwszym etapie tworzony jest podzbiór rzeczywistych sytuacji meteorologicznych obserwowanych na stacji synoptycznej położonej jak najbliżej miejsca dla którego prognozuje się stężenia zanieczyszczeń. Wybór elementów meteorologicznych zależy od operatora systemu oraz prognozowanego zanieczyszczenia. Etap 3. Zdefiniowanie liczb rozmytych dla podzbioru sytuacji meteorologicznych. W etapie drugim wyznaczamy dla każdego elementu oraz dla każdego terminu ciąg liczbowy potencjalnych wartości. Należy te obserwacje zagregować. W omawianej metodzie prognozowania zastosowano agregację rozmytą. Ciąg obserwacji meteorologicznych każdego elementu oraz w każdym terminie jest przekształcony do liczby rozmytej. W wyniku powstaje macierz, której elementy meteorologiczne są liczbami rozmytymi. W efekcie w tym etapie uzyskuje się rozmyty, uogólniony, spodziewany w najbliższej przyszłości przebieg pogody. Etap 4. Wyznaczenie przynależności podzbioru sytuacji meteorologicznych do liczb rozmytych i zdefiniowanie zbioru podobnych sytuacji meteorologicznych. Przeglądamy wszystkie sytuacje meteorologiczne, dla których są dane o stężeniach zanieczyszczeń. W razie zaobserwowania sytuacji, w której zachodzi założone podobieństwo, dołączamy datę do wynikowego zbioru. Etap 5. Zdefiniowanie zbioru podobnych sytuacji sanitarnych powietrza. Dla dat uzyskanych w trakcie etapu 4 zostaje zapisany obserwowany w tym terminie przebieg czasowy stężeń zanieczyszczeń. przebiegów stężeń. Etap 6. Obliczenie wyjściowych prognoz. W ten sposób uzyskuje się kilkadziesiąt potencjalnych Otrzymane przebiegi agregowane są do jednego przebiegu w postaci przebiegu czasowego liczb rozmytych. Następnie wszystkie liczby rozmyte są defuzyfikowane i uzyskuje się jeden liczbowy przebieg prognozowanego zjawiska. Prognoza eksploracyjna może być: - Uproszczona - gdy pominie się etapy 2, 3, 4. Terminy podobnych przebiegów stężeń zanieczyszczeń identyfikowane są wyłącznie na podstawie podobieństwa prognoz 9

10 pogody. Taka sytuacja powoduje, że historyczna informacja o zanieczyszczeniach wykorzystywana jest tylko dla okresu (dat), w którym posiadamy historyczne prognozy. - Pełna, która pozwala wykorzystać zupełną informację o historycznych stężeniach i uniezależnić się od posiadanych prognoz. Informacje o sytuacjach meteorologicznych są dostępne, prawie w komplecie, od kilkudziesięciu lat. Prognozy może być: - Punktowa, dla punktu pomiaru stężeń zanieczyszczeń. Jest ona bardzo łatwa do porównania z rzeczywistymi stężeniami. Jednak ze względu na dużą zmienność pola stężeń zanieczyszczeń, jest trudna do uogólnienia. - Obszarowa (strefowa), aby było możliwe takie prognozowanie trzeba skojarzyć sektory stacji monitoringu z danym obszarem. W tym celu używamy parametry terenu geograficzne, demograficzne i emisyjne. W trakcie prognozowania operator systemu ma możliwość obserwowania otrzymanych wyników pośrednich i końcowych. Model prognozy eksploracyjne dla województwa małopolskiego został oprogramowany w zintegrowanym środowisku programistycznym firmy Microsoft Visual Studio 2010 Professional. Poniżej zamieszczono przykładowe okna programu modelu prognostycznego zanieczyszczeń powietrza (Model APFM). Rys. 2 Konfiguracja programu wybór plików źródłowych. 10

11 Rys. 3 Program zakładka Wczytaj konfigurację. Rys. 4 Wizualizacja wyników przebieg dobowy stężeń PM 10 wraz z oceną indeksu jakości powietrza AQI dla r. dla trzech stacji monitoringu jakości powietrza PMŚ w Krakowie: ul. Bulwarowa (Nowa Huta), Al. Krasińskiego i ul. Prądnicka (Krowodrza). Program posiada wiele możliwości edycji wyników, jak również zapisu wygenerowanych danych w postaci numerycznej w pliku. Wyniki prognozy jakości powietrza Wizualizacja krótkoterminowej prognoza stężeń zanieczyszczeń obejmuje zarówno dobowe przebiegi godzinowe poziomu poszczególnych substancji zanieczyszczających powietrza, jak również prognozę w postaci indeksu jakości powietrza zintegrowanego wskaźnika jakości powietrza tak zwanego indeksu jakości powietrza AQI (Air Quality Index). 11

12 Legenda: Kod/Klasa jakości powietrza (AQI) Dobra Umiarkowana Niezdrowa dla osób wrażliwych Niezdrowa Bardzo niezdrowa Niebezpieczna Rys. 5 Przykładowa mapa indeksu jakości powietrza AQI dla stref i aglomeracji województwa małopolskiego ze względu na SO 2, NO 2, NO x, CO, C 6 H 6, PM 10 - lewa mapa i O 3 - prawa mapa (Dz. U. z 2008 r. Nr 52, poz. 310). Wnioski Proponowana metoda jest jeszcze jedną z propozycji realizacji krótkoterminowej prognozy stężeń zanieczyszczeń powietrza, przy niepełnej lub braku inwentaryzacji emisji dla danego obszaru. Obszar badań charakteryzuje się znaczną różnorodnością emisji źródeł zanieczyszczeń. Szczególnie duży udział (ca. 60%) ma emisja niezorganizowana, której inwentaryzacja stwarza wiele problemów metodycznych. To ogranicza możliwość stosowania operacyjnie modelowania matematycznego na szeroką skalę przestrzenną i czasową. Metody eksploracji danych (w tym logika rozmyta) pozwalają na prognozowanie najbliższej przyszłości jedynie na podstawie historii. Ważnym novum, jest odniesieniem do historycznych prognoz pogody na podstawie prognozowanych stężeń zanieczyszczeń, ale dokładność prognozy AQ zależy oczywiście od sprawdzalności numerycznej prognozy pogody. Opracowany model jakości powietrza funkcjonujący operacyjnie w województwie śląskim od kilku lat, a zaimplementowany dla województwa małopolskiego daje dobrą prognozę dla przebiegu wartości średnich i podwyższonych. W warunkach pogodowych sprzyjających bardzo wysokim stężeniom zanieczyszczeń (np. PM 10 1h> 200 g/m 3 lub O 3 1h> 180 g/m 3 ) model eksploracji danych czasami daje wartości niedoszorowane. 12

13 Jednym z prawdopodobnych wyjaśnień, tego stanu rzeczy jest obserwowana obecnie duża zmienność warunków meteorologicznych, które to zjawiska nie mają odniesienie w historycznych prognozach pogody. Wynika to również być może z intensyfikacji w ostatnich latach tak zwanych zjawisk ekstremalnych, może spowodowanych zmianami klimatu, oraz powstaniem stosunkowo niedawno możliwościami ich detekcji i prognozowania. Model jakości powietrza oparty na metodzie eksploracji danych daje stosunkowo dokładne prognozy i dlatego dla potrzeb operacyjnego funkcjonowanie prognozy jego przydatność jest ekonomicznie uzasadniona, niż stosowanie drogich i czasochłonnych pod kątem obliczeń modeli stricte matematycznych. Krótkoterminowa prognoza stężeń zanieczyszczeń realizowana metodą eksploracji danych stanowi uzupełnienie dotąd szeroko stosowanych metod fizycznych. Jako metoda wykorzystująca głównie informację pomiarową nie wymaga przeprowadzenia żmudnej i niezwykle trudnej w obszarach o dużej koncentracji emisji niezorganizowanej jej inwentaryzacji, a następnie wykorzystywania skomplikowanych modeli dyspersyjnych. Zastosowanie w zaprezentowanym procesie prognozowania algorytmów samouczenia się sieci pozwala na dostosowywanie mechanizmów modelowania do zmieniających się danych wejściowych. Metoda ta charakteryzuje się także dużą skutecznością prognozowania i może być łatwo stosowana w systemach informacji społecznej. Prognoza model CALMET/CALPUFF Na podstawie dotychczasowych prac wykonanych w ramach zadania 2 projektu KLIMAT dokonano wyboru testowego obszaru do opracowania systemu prognoz oraz okresu czasu dla którego jakość prognozy jest weryfikowana. Stwierdzona intensyfikacja problemów jakości powietrza na obszarze Śląska i Małopolski, zwłaszcza w obszarach silnie zurbanizowanych i zindustrializowanych skłoniła do opracowanie systemu prognoz dla obszaru Nowej Huty, w którym kumulują się niekorzystne czynniki wpływające okresowo na występowanie złej jakości powietrza. Ze względu na szczególnie wysoką imisję stężeń pyłu zawieszonego PM 10, często wielokrotnie przekraczającą normy określone dla ochrony zdrowia ludzkiego, system testowano dla prognozowania tych stężeń. Przygotowano koncepcję prognozowania stężeń zanieczyszczeń w oparciu o system modeli składający się z modelu numerycznej prognozy pogody ALADIN, statystycznych procedur zwiększenia jakości prognoz wiatru dla obszaru miasta Kraków, przygotowanych w oparciu o ciągi danych historycznych, preprocesora meteorologicznego CALMET oraz modelu dyspersji obłoku CALPUFF. Przygotowano dane z inwentaryzacji emisji dla województwa 13

14 małopolskiego dla 2006 roku do zasilania modelu CALPUFF. Przetestowano jakość prognoz otrzymywaną dla różnego zakresu terytorialnego i rozdzielczości, a także dla różnych sposobów traktowania danych z inwentaryzacji emisji, osobno dla inwentaryzacji emisji powierzchniowej, punktowej, jak i liniowej. Dla każdego ustawienia testowano także czasochłonność obliczeń. Jakość prognoz oceniono dla przebiegu stężeń godzinowych i dobowych PM 10 w okresie ekstremalnie wysokich stężeń w styczniu 2006 na stacji w Krakowie Nowej Hucie zlokalizowanej przy ul. Bulwarowej. Opis metodyki badań Rozwiązanie problemu prognozowania jakości powietrza w terenach szczególnie narażonych na występowanie wysokich stężeń zanieczyszczeń wymagało podjęcia następujących działań: 1. Wybór obszaru testowego. 2. Wybór okresu do testowania. 3. Wybór sposobu zasilania danymi meteorologicznymi. 4. Utworzenie algorytmu statystycznej poprawy numerycznych prognoz pogody dla obszaru testowego (osłabienie wiatru w warunkach miejskich). 5. Opracowanie sposobu zasilania danymi z inwentaryzacji emisji. 6. Testy zespołu modeli. Do wyboru obszaru testowego i okresu czasu do testów zespołu modeli wykorzystano opracowaną w podzadaniu 2.4 projektu KLIMAT mapę zagrożenia sanitarnego powietrza Polski, przygotowaną w oparciu o analizę GIS czynników znanych jako odpowiedzialne za występowanie wysokich stężeń zanieczyszczeń oraz mapy imisji PM 10. Wyniki analizy tych danych potwierdziły powszechnie znany stan rzeczy, że największe problemy z jakością powietrza mają tereny miejskie, zwłaszcza w regionie śląsko-małopolskim, a PM 10 jest zanieczyszczeniem w okresie zimowym często przekraczającym wartości dopuszczalne. 14

15 Rys 6 Zróżnicowanie przestrzenne obszarów zagrożenia sanitarnego powietrza w Polsce (zmienne: gęstość zaludnienia, pokrycie terenu, tło meteorologiczne). Rys. 7 Średnie i maksymalne stężenie pyłu zawieszonego PM10 w latach w Polsce. W niniejszym zadaniu jako wejście meteorologiczne do systemu modeli zastosowano dane prognostyczne z modelu ALADIN z dziewięciu punktów gridowych w otoczeniu miasta Krakowa. Z tych dziewięciu punktów (czerwone kwadraty - rys. 8) uzyskuje się profile pionowe wymaganych przez preprocesor CALMET parametrów meteorologicznych. Prognostyczne powierzchniowe dane meteorologiczne uzyskiwane są z prognozy ALADIN dla punktu gridowego najbliższego stacji synoptycznej IMGW-PIB w Krakowie-Balicach. Następnie dane te są przetwarzane w celu uzyskania wysokiej jakości prognoz dla dwóch lokalizacji jednej odpowiadającej stacji synoptycznej w Krakowie Balicach, zaś drugiej lokalizacji pomiędzy historycznym centrum miasta Krakowa a Nową Hutą. Położenie Krakowa w równoleżnikowo zorientowanej niecce sprawia, że zarówno prędkość, jak i kierunek pojawiającego się w numerycznej prognozie wiatru obarczone są systematycznym błędem. Prognozę wiatru koryguje się statystycznie bazując na aproksymacji macierzy 15

16 odchyłek (różnic pomiędzy wartościami prognozowanymi i zmierzonymi oddzielnie dla obu składowych wiatru) dwuosiowymi paraboloidami uzyskując niemal dwukrotne zmniejszenie rozrzutu kierunków i przesunięcie wartości oczekiwanej rozkładu prędkości w położenie zerowe. Współczynniki dopasowania wyznaczono na czteroletnim ciągu danych wiatrowych ze stacji synoptycznej w Krakowie Balicach. Naturalnie, korekta ta jest słuszna jedynie dla miejsca, dla którego została sporządzona. Dysponując odpowiednio długimi ciągami danych można określić systematyczne, wynikające głównie z niejednorodności w szorstkości terenu, różnice w kierunku i prędkości wiatru pomiędzy różnymi niezbyt odległymi miejscami. Metodę powyższą zastosowano także do przeliczania parametrów wiatru pomiędzy leżącymi na obrzeżu miasta Balicami a reprezentującą warunki anemologiczne w obrębie miasta pomiędzy jego centrum, a obszarem Nowej Huty, nieistniejącą obecnie, lecz dysponującą długoletnią serią danych historycznych miejską stacją meteorologiczną w Krakowie Czyżynach. Zarówno dane meteorologiczne z profili pionowych, jak i dane powierzchniowe wprowadzano na wejściu preprocesora CALMET jako obserwacje, nie zaś jako wejście modelowe. Rys. 8 Rozmieszczenie punktów gridowych modelu ALADIN (czerwone kwadraty) na tle ukształtowania terenu domeny obliczeniowej modeli CALMET/CALPUFF. Punkty z prognozą danych powierzchniowych przetworzoną modelem statystycznym zaznaczono trójkątami, zaś lokalizację stacji Kraków Nowa Huta różowym kwadratem. Do prognozowania jakości powietrza w obszarach szczególnie narażonych na ich występowanie zdecydowano się na użycie amerykańskiego zestawu modeli CALMET/CALPUFF. Zestaw ten został gruntownie przetestowany i jest od lat wykorzystywany w USA do wykonywania ekspertyz wpływu na środowisko planowanych inwestycji oraz zalecany do prognozowania jakości powietrza. Ciągłe doskonalenie zespołu 16

17 modeli odbywa się z jednej strony poprzez możliwość asymilacji danych z modeli numerycznych prognoz pogody, a z drugiej poprzez rozwijanie parametryzacji dyspersji zanieczyszczeń, w pełniejszy sposób opisujących rzeczywisty sposób rozprzestrzeniania zanieczyszczeń w przypowierzchniowej części warstwy granicznej atmosfery (dyspersja indukowana przez pływalność, dzielenie obłoku uwzględniające pionową zmienność wiatru, pdf (probability density function) dla uwzględnienia asymetrii procesu pionowej dyspersji, uwzględnienie wpływu wysokich budynków na sposób rozprzestrzeniania zanieczyszczeń, algorytmy dla uwzględniania subgridowych efektów terenowych, uwzględnienie procesów suchej i mokrej depozycji). Zestaw ten umożliwia uzyskiwanie prognoz jakości powietrza wysokiej rozdzielczości (od ok. 200 m), ograniczanej przeważnie względami praktycznymi, głównie czasem obliczeń. Istotną zaletą zestawu modeli jest możliwość przeprowadzania obliczeń dla różnych typów źródeł. Dla źródeł punktowych podaje się szczegółowe parametry emitorów takie jak: wysokość i średnica emitora, prędkość i temperatura gazów wylotowych oraz wysokość emisji. Oprócz tego typu źródeł możliwe jest przeprowadzenie obliczeń dla źródeł niezorganizowanych (powierzchniowych), dla których podaje się tylko średnią wysokość punktu emisji i jej pionowy zasięg zmienności oraz jej wielkość. Możliwe jest zadanie dla każdego źródła osobno rocznej, sezonowej, dobowej lub zależnej od parametrów meteorologicznych zmienności emisji. Istnieje także możliwość jej arbitralnego określenia. Moduł przemian chemicznych MEZOPUFF II umożliwia modelowanie przemiany NO 2 i SO 2 w aerozole siarczanów i azotanów. System do prognozowania jakości powietrza powinien być wynikiem kompromisu pomiędzy jakością tych prognoz, a względami praktycznymi. Należy zdawać sobie sprawę, że nie jest możliwe dokładne prognozowanie zmienności imisji. Zbyt wiele jest źródeł możliwych błędów. Przede wszystkim nawet bardzo dobrej jakości inwentaryzacja emisji nie uwzględnia rzeczywistej czasowej zmienności emisji z każdego źródła, źródła niezorganizowane inwentaryzowane są łącznie, z podaniem wyłącznie całkowitej emisji z określonej powierzchni (najczęściej kwadratów o boku 500 m) i podaniem jednej wartości wysokości emisji, inwentaryzacja emisji liniowej jest tylko dużym przybliżeniem rzeczywistej emisji z tych źródeł w konkretnym dniu i godzinie. Dodatkowo należy sobie zdawać sprawę, że inwentaryzacja emisji powstaje w dużej mierze w oparciu o różne metody szacowania jej wielkości, co w przekłada się na jej jakość. Tak więc, uzyskany dużym nakładem sił i środków obraz emisji, jakkolwiek w dużej mierze prawidłowy przy znacznym uśrednieniu przestrzennym i czasowym, w konkretnym dniu i lokalizacji może się znacznie różnić od emisji rzeczywistej. Stąd wynikają duże zastrzeżenia do bezpośredniego porównania wartości 17

18 prognozowanych z mierzonymi w pojedynczym punkcie przestrzeni i czasu. Drugie poważne źródło możliwych błędów prognozy to niedokładne odtworzenie pól meteorologicznych w przypowierzchniowej części warstwy granicznej atmosfery, zwłaszcza w terenie o skomplikowanej orografii z silnymi wpływami antropogenicznymi. Badania zachowania pola wiatru wokół wysokich budynków wskazują na trudności w modelowaniu procesu dyspersji zanieczyszczeń w takich warunkach. Dokładne odtworzenie przypowierzchniowego pola wiatru w warunkach miejskich wymagałoby dokładnej znajomości wymiarów i usytuowania względem głównego kierunku spływu wszystkich budynków i innych przeszkód terenowych danego miasta. Biorąc pod uwagę fakt, że odtworzenie zmienności pola wiatru w warstwie granicznej przez numeryczne modele prognoz pogody jest ułomne, jest to zadanie niemal niewykonalne, a już na pewno niezmiernie czasochłonne. W preprocesorze CALMET istnieją parametryzacje pozwalające na obliczenie przybliżonego zachowania pól meteorologicznych w terenie o skomplikowanej orografii, a także uwzględnienie obecności wysokich budynków, jednakże należy sobie zdawać sprawę, że jest to duże uproszczenie rzeczywistości. Trzecim źródłem błędów może być sam model dyspersji, jednakże w przypadku modelu CALPUFF jakość jego prognoz została wysoko oceniona w kilku kampaniach pomiarowych w porównaniu z jakością prognoz uzyskiwaną z innych modeli. Niemniej jednak należy zdawać sobie sprawę z trudności zadania stawianego modelowi przy stosowaniu i testowaniu go w warunkach dużej aglomeracji miejskiej. Inwentaryzacja emisji dla województwa małopolskiego z 2007 roku obejmuje trzy grupy emitorów: 929 emitorów punktowych, dla których podano szczegółowe parametry emitorów i wielkość emisji, emitorów powierzchniowych podając wielkość emisji w siatce 500 m (dla części obszaru województwa w siatce 250 m ) i 9018 emitorów liniowych podając wielkość emisji z liniowego odcinka drogi z podaniem współrzędnych końców tego odcinka. Należy dodać, że tylko dla części emitorów liniowych i powierzchniowych oszacowano wielkość emisji SO 2 (tylko dla strefy chrzanowsko-olkuskiej) i NO x (tylko dla strefy chrzanowsko-olkuskiej oraz miasta Kraków). Zastanawiają także olbrzymie różnice w emisji PM 10 pomiędzy 2005 a 2007 rokiem obserwowane dla części emitorów punktowych. Zaadaptowanie inwentaryzacji emisji do wymagań modelu CALPUFF wymagało decyzji jak w tym modelu wprowadzana i obliczana będzie emisja liniowa i powierzchniowa. Autorzy modelu nie zalecają modelowania emisji komunikacyjnej przy wprowadzaniu jej jako LINE SOURCES lecz postulują raczej wprowadzanie tej emisji jako AREA lub VOLUME SOURCES. Dokładna analiza stosowanych na świecie praktyk, a także przeprowadzone testy porównawcze skłoniły do decyzji o wprowadzaniu emisji liniowej i powierzchniowej jako 18

19 VOLUME SOURCES. Dla źródeł VOLUME oprócz wysokości punktu emisji podać należy parametry y i z określające obszar w którym stężenia będą równomiernie rozprowadzone. O ile wartość z określono arbitralnie przyjmując przy wysokości emisji powierzchniowej dla h=8 m z =4 m, a dla emisji liniowej h=1 m z =0.5 m, o tyle w przypadku y tak dobrano tą wielkość aby sumaryczna emisja z obszaru województwa nie zmieniła się przy takim podejściu (zmiana sposobu rozprowadzenia zanieczyszczeń z sześcianu o podstawie 500 m x 500 m i wys. z na walec o promieniu 564 m i wys. z). Ogromna ilość źródeł emisji stawia przed systemem prognostycznym duże wymagania dotyczące mocy obliczeniowej. Względy praktyczne przemawiają za ograniczeniem tej liczby. Na rysunku 9 przedstawiono wizualizacje inwentaryzacji emisji powierzchniowej otrzymane z oryginalnej inwentaryzacji emisji (250 i 500 m) po przetworzeniu jej do kroku siatki 500 m (na lewo), 1000 m (w środku) i 2000 m (na prawo). Przetworzenia dokonano przez zsumowanie emisji odpowiednio z 4 i z 16 sąsiednich kwadratów inwentaryzacji emisji o kroku siatki 500 m, stąd zakres skali obrazów jest inny dla każdego z nich. Sumaryczna emisja pozostaje bez zmian, tracąc na rozdzielczości. Taka emisja wewnątrz modelu jest następnie rozprowadzana równomiernie wewnątrz walca o promieniu powiązanym z wielkością boku siatki. Rys. 9 Inwentaryzacja emisji powierzchniowej PM 10 dla kroku siatki 500 m (na lewo), 1000 m (w środku) i 2000 m (na prawo). Omówienie wyników W celu określenia wpływu rozdzielczości inwentaryzacji emisji na wynik modelowania przeprowadzono eksperyment numeryczny dla okresu 30 styczeń - 5 luty 2010 r. dla części źródeł powierzchniowych rozmieszczonych w obszarze o promieniach 3 km, 6 km, 10 km i 14 km wokół stacji pomiaru imisji Kraków Krowodrza. Wpływ rozdzielczości inwentaryzacji emisji na modelowe wartości imisji przedstawiono na rys. 10. Nieznaczne podniesienie wartości imisji dla rozdzielczości 2 km obserwuje się jedynie w okresach z bardzo wysokimi wartościami imisji. Skłania to do konkluzji, że dla emisji powierzchniowej 19

20 w obszarach silnej antropopresji możliwe jest stosowanie mniejszej rozdzielczości inwentaryzacji emisji bez znaczącego wpływu na wynik modelowania. Rys. 10 Przebieg średnich 1 godzinnych wartości imisji dla okresu 30 stycznia 5 luty 2010 uzyskanych z modelowania wpływu źródeł emisji powierzchniowej rozmieszczonych w obszarze o promieniu 6 km wokół stacji pomiaru imisji Kraków Krowodrza, dla rozdzielczości inwentaryzacji emisji 1 km (zielona) i 2 km (fioletowa). Imisja PM 10 mierzona na stacji Kraków Krowodrza zaznaczona na granatowo. Analizę wpływu źródeł powierzchniowych zlokalizowanych w kolistych obszarach o różnych promieniach wokół punktu pomiaru imisji na wyniki modelowania przedstawiono na rys. 11. Rys. 11 Przebieg średnich 1 godzinnych wartości imisji dla okresu 30 stycznia 5 luty 2010 r. uzyskanych z modelowania wpływu źródeł emisji powierzchniowej rozmieszczonych w obszarze o promieniach 3 km (czerwona, 6km (fioletowa), 10 km (niebieska) i 14 km(pomarańczowa) wokół stacji pomiaru imisji Kraków Krowodrza, dla rozdzielczości inwentaryzacji emisji 2 km. Imisja PM 10 mierzona na stacji Kraków Krowodrza zaznaczona na granatowo. Zauważalne różnice obserwuje się wyłącznie w okresach wysokich stężeń, z tym, że nawet dla tych okresów imisja obliczona na podstawie emisji ze źródeł powierzchniowych zlokalizowanych w kołach o promieniach 10 km i 14 km jest niemal identyczna. Prowadzi to do wniosku, że istotny wpływ na wartości prognozowanej imisji w przypadku emisji ze źródeł powierzchniowych mają źródła zlokalizowane w bezpośredniej bliskości punktu 20

21 pomiarowego a wkład od źródeł powierzchniowych zlokalizowanych w odległości większej niż 10 km jest zaniedbywalnie mały nawet dla okresów sprzyjających wzrostowi stężeń. W większości przypadków uwzględnienie tylko emisji ze źródeł powierzchniowych odległych o mniej niż 6 km od punktu pomiaru imisji nie powinno w istotny sposób wpłynąć na jakość wyników. Na rysunku 12 przedstawiono przykładowo dla wybranych dni stycznia 2006 r. prognozowaną imisję PM 10. Rys. 12 Rozkłady średnich dobowych prognozowanych wartości imisji PM 10 dla 2, 14 i 27 stycznia 2006 (uśrednienie od 5 GMT dnia poprzedniego) obliczonych dla emisji z 51 źródeł punktowych z emisją większą od 300 kg/rok (czarne trójkąty), zlokalizowanych w kole o promieniu 20 km i środku w lokalizacji stacji Kraków Bulwarowa (czerwony punkt). Wnioski Prognoza oparta o model CalPUFF = California air research board PUFF air dispersion model wykorzystuje tzw. Gaussowski model obłoku, którego niektóre założenia są następujące: smuga zanieczyszczenia emitowanego ze źródła emisji jest przybliżana przez serię obłoków, całkowite stężenie zanieczyszczenia w danym punkcie recepcyjnym jest wyznaczone przez sumowanie stężeń jednostkowych od wszystkich obłoków wygenerowanych przez źródło. Rozważa się źródła punktowe, liniowe, powierzchniowe. Model wymaga dokładnej inwentaryzacji emisji, wraz ze zmiennością roczną dla źródeł powierzchniowych i dobową dla liniowych oraz wysokiej jakości sprzęt komputerowy, gdyż obliczenia trwają bardzo długo ~ 3 do 6 godzin. Zaletami modelu są: prognoza imisji dla wybranych punktów i całej powierzchni modelowanego obszaru, uwzględnienie zmienności emisji, suchej i mokrej depozycji oraz przemian chemicznych, modelowane pole wiatru dostosowane do ukształtowania i sposobu użytkowania terenu, 21

22 uwzględnienie procesów fizycznych zachodzących w warstwie granicznej atmosfery parametry dyspersji smugi zależne od chwiejności atmosfery. Konkluzja Istotnym elementem ostrzegania społeczeństwa przed niekorzystnymi warunkami aerosanitarnymi, a tym samym praktycznym wdrożeniem tzw. działań krótkoterminowych zapisanych w Dyrektywie CAFE jest wykorzystanie dwustopniowego systemu prognozy jakości powietrza. System ten, oparty o algorytmy tzw. eksploracji danych i prognozę uzyskaną z modelu obłoku, służyć powinien do bieżącej prognozy jakości powietrza w strefach i aglomeracjach zagrożonych wysokimi stężeniami zanieczyszczeń, a w przypadku wykrycia niebezpieczeństwa znaczących przekroczeń, do wskazania miejsc szczególnie niebezpiecznych. Oba zaprezentowane modele wymagają jednak dużej ilości danych, przede wszystkim dokładnej prognozy pogody oraz sporego doświadczenia w ich stosowaniu. Są modelami komplementarnymi. Powinny one być zatem stosowane w układzie hybrydowym przy czym w pierwszej kolejności powinna być liczona prognoza eksploracyjna, gdyż jest łatwiejsza w obsłudze, nie wymagająca specjalnych mocy obliczeniowych a także szybka w realizacji. Gdy w tej prognozie nie wykryje się żadnych zagrożeń sytuacji z wysokimi stężeniami, można w danym dniu zakończyć obliczenia. W przypadku gdy prognoza eksploracyjna wykaże duże prawdopodobieństwo wysokich poziomów alarmowych stężeń zanieczyszczeń powietrza, to koniecznym staje się wykonanie obliczeń przy pomocy modelu CALMET/CALPUFF. I dopiero gdy w tym przypadku prognozowane są wysokie stężenia podejmować odpowiednie działania krótkoterminowe. Jest to rozwinięcie dotąd stosowanych rozwiązań opartych o tylko jeden model (woj. małopolskie, śląskie, pomorskie). 22

23 Wpływ zanieczyszczeń powietrza atmosferycznego na jakość życia ludzi w zidentyfikowanych obszarach wysokiego wskaźnika zagrożenia sanitarnego powietrza Cel podzadania Problem wpływu jakości powietrza na jakość życia jest zagadnieniem niezwykle złożonym i trudnym do jednoznacznej oceny. Jak wykazano w wielu dotychczasowych pracach zagadnienie to dotyczy zarówno problemów o charakterze globalnym: zmiany klimatu wywołane czynnikami antropogenicznymi (emisja gazów szklarniowych, aerozoli), jak też o znaczeniu regionalnym i lokalnym (zmiany warunków solarnych, termicznych i opadowych, zmniejszenie widzialności), czy wywoływanie negatywnych skutków zdrowotnych. W pracy skupiono się na identyfikacji obszarów szczególnie narażonych na epizody wysokich stężeń zanieczyszczeń, możliwościach ograniczenia skutków tych zmian poprzez stosowanie nowoczesnych metod monitorowania, ostrzegania i melioracji warunków środowiskowych. W związku z tym w oparciu o wyniki pomiarów jakości powietrza uzyskane z GIOŚ 1, kompleksowe dane meteorologiczne określające warunki wentylacyjne powietrza, topografię i zagospodarowanie terenu, a także koncentrację ludności wyznaczono, obszary potencjalnych zagrożeń aerosanitarnych, na terenie których należy zintensyfikować działania profilaktyczne i naprawcze. Podzadanie wykonywane było w dwóch zakresach: pierwszy dotyczył identyfikacji zagrożeń stanu sanitarnego powietrza Polski na tle innych państw; drugi dotyczył szczegółowego przedstawienia wpływu zanieczyszczeń powietrza na stan zdrowia i jakość życia ludności w zidentyfikowanych obszarach wysokiego wskaźnika zagrożenia aerosanitarnego, przy wykorzystaniu metod statystycznych stosowanych w naukach przyrodniczych, medycznych o społecznych. Zanieczyszczenie pyłowe powietrza Dla potrzeb określenia zagrożenia zdrowotnego ludzi w wyniki zanieczyszczenia powietrza środowiska miejskiego przeanalizowano dostępną informację na ten temat i przeprowadzono badania własne. W oparciu o wyniki badań Światowej Organizacji Zdrowia (WHO) poniżej przedstawiono problem interakcji zanieczyszczenie powietrza a zdrowie ludzi. 1 W pracy wykorzystano dane Inspekcji Ochrony Środowiska uzyskane w ramach Państwowego Monitoringu Środowiska. 23

24 Opracowanie WHO Outdoor Air Pollution [2011] oparto na dostępnych danych o zanieczyszczeniu pyłowym powietrza PM frakcji 10 i 2,5 m. Podstawowym źródłem informacji były oficjalne dane dostępne na poziomie krajowym czy lokalnym, raporty ministerstw środowiska, zdrowia i danych z urzędów statystycznych oraz baz danych jak Asian Clean Air Initiative dla Azji czy Airbase dla Europy, korzystano również z artykułów naukowych. W przypadku niekompletności lub braku danych stosowano odpowiednie metody matematyczne analizy w tym konwersji danych. Przeanalizowano dane PM dla 1100 miejscowości z 91 krajów świata. Baza obejmowała lata , ze szczególnym uwzględnienie lat 2008 i Założeniem było stworzenie bazy, która powinna być reprezentatywna dla oceny narażenia zdrowia ludzkiego na zanieczyszczenia, a wiec obejmująca pomiary zarówno ze stacji zlokalizowanych w terenach tła miejskiego, komunikacyjnych, w obszarach zamieszkałych i handlowych oraz reprezentujące obszary mieszane. Oceniono że, średni światowy poziom PM 10 w zależności od regionu wynosi od 21 do 142 g/m 3, przy średnim stężeniu 71 g/m 3. Tab. 1 W tabeli przedstawiono dopuszczalne/wytyczne stężenia PM. Okres uśredniania Dyrektywa wyników pomiarów 2008/50/WE (UE) US EPA *) WHO PM 10 [ g/m 3 ] 24 godziny 50 **) rok kalendarzowy PM 2,5 [ g/m 3 ] 24 godziny rok kalendarzowy 25 ***) *) United States Environmental Protection Agency **) dopuszczalna częstość przekraczania poziomu dopuszczalnego w roku kalendarzowym wynosi 35 ***) termin osiągnięcia wartości dopuszczalnej r. 24

25 Rys. 13 Świat: Narażenia na działanie pyłu o średnicy aerodynamicznej do 10 um lub mniej (PM 10 ) w 1081 miastach w latach , data: 26/Sep/2011. Źródło: Światowa Organizacja Zdrowia. Temat: Środowisko i zdrowie. Słowa kluczowe: zdrowie i środowisko, zanieczyszczenie powietrza. Malta Portugal Netherlands Finland Denmark Sweden Slovakia Ireland Luxembourg Belgium Spain Italy Slovenia United Kingdom Hungary Lithuania Czech Republic Romania Germany France Austria Bulgaria Estonia Poland Latvia Greece Cyprus 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% Rys. 14 Procent ludności żyjącej w miejscowościach objętych pomiarem PM 10 w krajach Unii Europejskiej rok 2008 (źródło WHO, 2011). 25

26 Slovakia France Poland Spain Austria Portugal Netherlands United Kingdom Italy Belgium Finland Sweden Germany Denmark Czech Republic Estonia Latvia Greece 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% Rys. 15 Procent ludności żyjącej w miejscowościach objętych pomiarem PM 2,5 w państwach Unii Europejskiej (UE) rok 2008 (źródło WHO, 2011). Procentowo większa jest sieć monitoringu zanieczyszczeń powietrza w ośrodkach miejskich PM 10 niż PM 2,5 według prezentowanych danych dla roku Jednakże od tego czasu liczba punktów pomiarowych PM 2,5 systematycznie wzrasta zarówno pomiarów automatycznych jak i manualnych. Estonia Ireland Luxembourg Finland Lithuania United Kingdom Germany Sweden Austria Netherlands Belgium France Slovakia Denmark Hungary Portugal Czech Republic Spain Slovenia Poland Malta Italy Latvia Romania Greece Cyprus Bulgaria Stężenie PM10 (2008 r.) [ g/m 3 ] Rys. 16 Średnie roczne stężenie pyłu zawieszonego PM 10 w roku 2008 w krajach UE (źródło WHO, 2011). 26

27 Estonia Finland Portugal Sweden Spain United Kingdom Denmark Germany Netherlands Czech Republic Latvia Belgium France Austria Slovakia Italy Greece Poland Stężenie PM2,5 (2008 r.) [ g/m 3 ] Rys. 17 Średnie roczne stężenie pyłu zawieszonego PM 2,5 w roku 2008 w krajach UE (źródło WHO, 2011). Poziom stężenie PM w Polsce jest stosunkowo wysoki w porównaniu z innymi krajami UE, średnie roczne stężenie oszacowane dla roku 2008 dla PM 10 wyniosło 33,0 mg/m 3, a dla PM 2,5 28,7 g/m 3. Gdańsk Elbląg Koszalin Zielona Góra Walbrzych Olsztyn Suwałki Szczecin Toruń Bialystok Bydgoszcz Lublin Gdynia Włoclawek Kalisz Lódź Poznań Płock Kielce Rzeszów Radom Opole Gorzów Wielkopolski Warszawa Legnica Częstochowa Jelenia Góra Wrocław Bytom Bielsko-Biala Dabrowa Górnicza Gliwice Katowice Zabrze Nowy Sacz Rybnik Kraków Stężenie PM10 (2008 r.) [ g/m 3 ] Rys. 18 Średnie roczne stężenie pyłu zawieszonego PM 10 w roku 2008 na stacjach monitoringu jakości powietrza w Polsce zaznaczono przekroczenie rocznej wartości, kolorem: pomarańczowym dopuszczalnej 40 g/m 3 (UE) a zielonym zalecanej przez WHO 20 g/m 3 (źródło WHO, 2011). 27

28 Wroclaw Poznań Kraków Zabrze Stężenie PM2,5 (2008 r.) [ g/m 3 ] Rys. 19 Średnie roczne stężenie pyłu zawieszonego PM 2,5 w roku 2008 na stacjach monitoringu jakości powietrza w Polsce (źródło WHO, 2011). Zarówno w przypadki PM 10 jak i PM 2,5 mierzone poziomy stężeń są w większości punktach monitoringu w obszarach miejskich stosunkowo wysokie. Traktując nawet w sposób przybliżony wyniki otrzymane przez WHO, co sami autorzy sugerują w opisie przyjętej metodyki, potwierdzone zostały wyniki analiz przeprowadzone na bardziej aktualnych, kompletnych i dokładnych danych na szczeblu krajowym czy wojewódzkim, że w Polsce obszarami odznaczającymi się złą jakością powietrza, że względu na zanieczyszczenie pyłowe są hot-spoty obejmujące aglomeracje miejskie, w tym w szczególności aglomerację górnośląską i rybnicko-jastrzębska, oraz aglomerację krakowską. Wpływ jakości powietrza na zdrowie Według danych WHO w 2008 roku, zanieczyszczenia powietrza OAP (Outdoor Air Pollution) była odpowiedzialna za 1,3 milionów przedwczesnych zgonów, co odpowiada 2,4% wszystkich zgonów. Szacuje się, że na całym świecie zanieczyszczenie powietrza w miastach jest przyczyną około 9% zgonów z powodu raka płuca, 5% zgonów w wyniku chorób sercowo-płucnych i około 1% zgonów spowodowanych infekcjami dróg oddechowych. Oczywiście zanieczyszczenie powietrza jest problemem ogólnoświatowym, ale bardziej dotyka ludzi mieszkających w krajach rozwijających się. 28

29 Malta Estonia Luxembourg Ireland Slovenia Cyprus Slovakia Finland Lithuania Denmark Latvia Sweden Austria Czech Republic Belgium Hungary Netherlands Portugal Greece Bulgaria Poland Romania France Spain Italy Germany United Kingdom Zgodny związane z OAP Rys. 20 Liczba zgonów w wyniku zanieczyszczenia powietrza atmosferycznego w roku 2008 (źródło: WHO Public Health and Environment PHE: OAP). Polska na tle innych krajów UE charakteryzuje się stosunkowo wysoką liczbą 6600 zgonów, co stanowi 48,5 % maksymalnej oczarowanej liczby zgonów w krajach UE wynoszącej przypadki (Wielka Brytania), przy średniej dla UE równej 3623 przypadki. Jednakże tak jak prawie w całej Unii Europejskiej nie występuje ryzyka umieralności w grupie dzieci poniżej 5 roku życia, z wyjątkiem Rumuni i Bułgarii, gdzie oszacowano na podstawie danych dla roku 2008 r. odpowiednio 7 i 2 przypadki. Ryzyko umieralności specyficznej spowodowanej zanieczyszczeniem powietrza PM w przeliczeniu na mieszkańców stanowi 30,4% (17 przypadków) w stosunku do maksymalnej oszacowanej liczby dla krajów UE wynoszącej 56 przypadków (Bułgaria, rok 2008) i jest równe średniej wartości w UE. Jeżeli chodzi natomiast o ryzyko umieralności u dzieci poniżej 5 roku życia, to wynosi ono 1 przypadek na mieszkańców jedynie w Bułgarii i Rumunii. Rozważając umieralność specyficzną oszacowano, że średnio 80% zgonów spowodowane są chorobami sercowo-płucnymi, a za 20% odpowiada rak płuc. Dla Polski wskaźniki te są podobne. W UE krajami, gdzie nie występuje ryzyko obciążenia umieralnością spowodowaną zanieczyszczeniem powietrz jest Estonia i Malta. 29

30 Obciążenie chorobowe związane z zanieczyszczeniem powietrza Świtowa Organizacja Zdrowie (WHO) raporcie [WHO, 2011a], przedstawiła również wyniki oceny tak zwanego obciążenia chorobowego związane z zanieczyszczeniem powietrza miejskiego, w oparciu o własną opracowaną metodykę zawartą w wytycznych Environmental Burden of Disease (EBD) Series No. 5 on Outdoor air [Ostro, 2004]. Wzięto pod uwagę długookresową ekspozycję na zanieczyszczenie powietrza atmosferycznego OAP (Outdoor Air Pollution) [Ostro, 2004 ; WHO, 2011b]. Związek przyczynowy ekspozycji na zanieczyszczenia powietrza atmosferycznego a zdrowie określono na podstawie ryzyka zakażenia dolnych dróg oddechowych dzieci (u dzieci < 5 lat), raka płuc (u dorosłych 30 lat), i wybranych chorób układu krążenia (u dorosłych 30 lat). W grupie chorób sercowo-płucnych zawarto infekcję dolnych i górnych dróg oddechowych, przewlekłe choroby układu oddechowego (tj. astma, przewlekła obturacyjna choroba płuc POChP - COPD Chronic Obstructive Pulmonary Disease, nadciśnienie tętnicze, choroba niedokrwienna serca ChNS IHD ischaemic heart disease i choroby zapalne serca. Prezentowany wskaźnik obciążenia należy traktować nie w sensie stricto jako obciążenie chorobowe spowodowane OAP, lecz raczej jako obciążenie, które może zostać zredukowane przy przyjęciu poziomów stężeń PM zaproponowanych przez WHO w wytycznych Air Quality Guidelines (AQG) [WHO, 2006]. W zakresie ogólnego ryzyka zgonu w wyniku zanieczyszczenia powietrza Polska była w strefie średniego ryzyka według danych dla 2008 roku. W zakresie ryzyka zgonu (umieralności ogólnej) na skutek zanieczyszczenia powietrza u dzieci poniżej 5 roku życia Polska jest w zakresie bardzo niskiego ryzyka. Odnośnie ekspozycji na zanieczyszczenie PM 10 Polska jest krajem o średnim stopniu ryzyka. 30

31 Rys. 21 Świat: Zgonu związany z zanieczyszczenia powietrza, rok 2008, data: 26/Sep/2011 Źródło: Światowa Organizacja Zdrowia. Temat: Środowisko i zdrowie. Słowa kluczowe: zdrowia i środowiska, zanieczyszczenia powietrza. Rys. 22 Świat: Narażenia na działanie pyłu o średnicy aerodynamicznej do 10 m lub mniej (PM 10 ) w krajach, w latach , data: 26/Sep/2011. Źródło: Światowa Organizacja Zdrowia. Zdrowie Temat: Środowisko i zdrowie. Słowa kluczowe: zdrowia i środowiska, zanieczyszczenia powietrza. 31