Rozwój metod geoprzestrzennych w szacowaniu emisji zanieczyszczeń do powietrza Damian Zasina, Jarosław Zawadzki & Krystian Szczepański IV Sympozjum Naukowe ProEnergo 27-28 września 2017, Michałowice 1 / 23
Plan prezentacji Cel i zakres analizy Geostatystyka Wyniki Wnioski 2 / 23
Cele Poprawa metodyki szacowania emisji top-down z wykorzystaniem danych geoprzestrzennych o obszarach zabudowanych. Poprawa bieżacej metodyki tworzenia surogatów dla rozkładów przestrzennych emisji zanieczyszczeń do powietrza. Wsparcie inwentaryzacji emisji wykorzystaniem modelowania geoprzestrzennego (analiz GIS). Wsparcie modelowania matematycznego jakości powietrza. 3 / 23
Obszary zabudowane Rozkład przestrzenny obszarów zabudowanych może być miara aktywności antropogenicznej, która skutkuje zanieczyszczeniem powietrza (emisjami). Powierzchnia OZ do epwnego stopnia łaczy się z rozkładem przestrzennym gęstości zaludnienia oraz powierzchni mieszkalnych w budynkach, które moga być wykorzystane do oszacowania emisji zanieczyszczeń do powietrza. Wszelkie hot-spoty moga być wykrywane z pomoca narzędzi geostatystycznych. 4 / 23
Badany obszar N [m] 240000 260000 280000 460000 480000 500000 520000 540000 Rysunek 1: Rozkład przestrzenny terenów zabudowanych [km 2 ] zagregowany w siatce 2km 2km. E [m] 5 / 23
Rozkłady powierzchni zabudowanych Frequency 0 50 100 150 Frequency 0 20 40 60 80 100 120 140 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 6.5 (a) (b) Rysunek 2: (a) Dane surowe [km 2 = 10 6 m 2 ]; (b) dane zlogarytmowane [log 10 m 2 ]. 6 / 23
Wariogram (1) γ(h) = 1 2N(h) (i,j)h i,j =h [Z(x i ) Z(x i + h)] 2 7 / 23
Wariogram (2) Próg, s Zakres, a Ef. samorodka (tu=0) 8 / 23
γ γ Anizotropia 5000 15000 25000 0.30 90 120 150 0.30 0.25 0.25 0.20 0.20 0.15 0.10 0.05 0.15 0 30 60 0.30 0.10 0.25 0.20 0.05 0.15 0.10 0.05 5000 10000 15000 20000 25000 30000 5000 15000 25000 5000 15000 25000 h h (a) (b) Rysunek 3: Wariogramy empiryczne zlogarytmowanej (log 10 ) pow. zabudowanej: (a) izotropowy; (b) wariogramy anizotropowe: δ {0, 30, 60, 90, 120, 150 }; h, odległośc [m]; γ, semiwariancja [(log 10 m 2 ) 2 ]. 9 / 23
γ Metoda zagnieżdżania semiwariancji 0.30 0.25 γ 1 (h) 0.20 γ 2 (h) γ 3 (h) 0.15 0.10 0.05 5000 10000 15000 20000 25000 30000 h γ(h) = γ 1 (h) + γ 2 (h) + + γ n (h). 10 / 23
Modelowanie wariogramów Wariogram empiryczny (izotropowy, Rys. 3a), wykorzystuje modele: sferyczny (1) oraz gaussowski (2), zastosowano niezależnie dwie struktury zagnieżdżone. ( c γ(h) = c 3 2 ( h a ) 1 2 ) ( h ) 3 a if h a, (1) otherwise ( ( )) 3 h 2 γ(h) = c 1 exp, (2) gdzie: h odległość; a, zakres (praktyczny) oraz c, próg. a 2 11 / 23
Modele teoretyczne wariogramów (1) 1 (Fig. 4a) 2 (Fig. 4b) Model Próg, s Zakres, a SSE --- [(log 10 m 2 ) 2 ] [m] ef. samorodka 0, 02 0 sferyczny 0.12 2, 000 sferyczny 0.08 5, 500 2.455 10 7 gaussowski 0.07 16, 500 ef. samorodka 0, 09 0 sferyczny 0.13 5, 214 2.686 10 9 gaussowski 0.09 19, 339 Najlepszy model jest przyjęsty na podstawie niższej wartości SSE (suma kwadratów błedów), podkreślone. Niższa wartość SSE wskazuje lepsze dopasowanie. 12 / 23
γ γ Modele teoretyczne wariogramów (2) 0.30 0.30 0.25 0.25 0.20 0.20 0.15 0.15 0.10 0.10 0.05 0.05 5000 10000 15000 20000 25000 30000 h (a) 5000 10000 15000 20000 25000 30000 h (b) Rysunek 4: Struktury zagnieżdżone h, odległość [m]; γ, semiwariancja[(log 10 m 2 ) 2 ]. 13 / 23
Kriging zwykły (OK) 240000 260000 280000 6.0 5.5 5.0 240000 260000 280000 0.21 0.20 0.19 0.18 0.17 460000 480000 500000 520000 460000 480000 500000 520000 (a) (b) Rysunek 5: (a) Estymacja zlogarytmowanych pow. terenów zabudowanych (OK): estymator [log 10 m 2 ]; (b) wariancja estymatora [(log 10 m 2 ) 2 ]. 14 / 23
Wstęp do walidacji krzyżowej 240000 260000 280000 6.0 5.5 5.0 4.5 4.0 3.5 240000 260000 280000 2 0 2 4 460000 480000 500000 520000 460000 480000 500000 520000 (a) (b) Rysunek 6: (a) Walidacja krzyżowa wykonana dla krigingu zwykłego [log 10 m 2 ]; (b) rozkład znormalizowanych błędów. 15 / 23
γ Kriging wskaźnikowy (1) 0.0 0.2 0.4 0.6 0.8 1.0 1.2 percentile 75 85 95 0.10 0.05 3.5 4.0 4.5 5.0 5.5 6.0 6.5 (a) 5000 10000 15000 20000 25000 30000 h (b) Rysunek 7: (a) Wybrane percentyle rozkładu zlogarytmowanych powierzchni zabudowanych [log 10 m 2 ]; (b) wariogram 85 percentyla rozkładu (jedn. jak na Rys 3). 16 / 23
Kriging wskaźnikowy (2) 220000 240000 260000 280000 300000 1.0 0.8 0.6 0.4 0.2 0.0 220000 240000 260000 280000 300000 0.14 0.12 0.10 0.08 0.06 0.04 0.02 0.00 460000 480000 500000 520000 460000 480000 500000 520000 (a) (b) Rysunek 8: (a) IK zlogarytmowanych powierzchni zabudowanych: estymator P{z(x) 6, 039}; (b) wariancja [bezwym.]. 17 / 23
Wynik analizy 220000 240000 260000 280000 300000 460000 480000 500000 520000 1.0 0.8 0.6 0.4 0.2 0.0 N 50.5 50.4 50.3 50.2 50.1 50.0 49.9 18.4 18.6 18.8 19.0 19.2 19.4 E (a) (b) Rysunek 9: (a) IK zlogarytmowanych powierzchni zabudowanych: estymator P{z(x) 6, 039}; (b) Schemat Ślaskiego Systemu Ciepłowniczego. 18 / 23
Kriging komentarze Kiedy OK wyznacza średni rozkład przestrzenny powierzchni zabudowanych, IK pozwala oszacować obszar, gdzie emisja nie jest proporcjonalna do powierzchni zabudowanych. IK efektywnie odwzorowuje schemat infrastruktury ciepłowniczej, co jest znaczacym wkładem w poprawę inwentaryzacji emisji w skali lokalnej. 19 / 23
Wnioski Rozwój metodyk dezagregacji przestrzennej emisji zanieczyszczeń do powietrza wykorzystujacy techniki geostatystyczne jest ważny dla prac zwiazanych z zagadnieniami jakości powietrza i klimatu w miastach. 20 / 23
Wnioski Rozwój metodyk dezagregacji przestrzennej emisji zanieczyszczeń do powietrza wykorzystujacy techniki geostatystyczne jest ważny dla prac zwiazanych z zagadnieniami jakości powietrza i klimatu w miastach. Wykorzystanie przedstawionej metodyki może znaczaco ułatwić inwentaryzację emisji z małych źródeł tzw. niskiej emisji. 20 / 23
Wnioski Rozwój metodyk dezagregacji przestrzennej emisji zanieczyszczeń do powietrza wykorzystujacy techniki geostatystyczne jest ważny dla prac zwiazanych z zagadnieniami jakości powietrza i klimatu w miastach. Wykorzystanie przedstawionej metodyki może znaczaco ułatwić inwentaryzację emisji z małych źródeł tzw. niskiej emisji. Występowanie infrastruktury ciepłowniczej znaczaco zmienia wzajemny stosunek ciepła sieciowego do niskiej emisji. 20 / 23
Wnioski Rozwój metodyk dezagregacji przestrzennej emisji zanieczyszczeń do powietrza wykorzystujacy techniki geostatystyczne jest ważny dla prac zwiazanych z zagadnieniami jakości powietrza i klimatu w miastach. Wykorzystanie przedstawionej metodyki może znaczaco ułatwić inwentaryzację emisji z małych źródeł tzw. niskiej emisji. Występowanie infrastruktury ciepłowniczej znaczaco zmienia wzajemny stosunek ciepła sieciowego do niskiej emisji. Wyniki moga być wykorzystane w inwentaryzacji niskiej emisji. 20 / 23
21 / 23
Krystian Szczepański 1 Jarosław Zawadzki 2 IOŚ-PIB PW, WIBHiIŚ, ZIiBJŚ Damian Zasina 3 IOŚ-PIB/KOBiZE PW, WIBHiIŚ, ZIiBJŚ 1 krystian.szczepanski@ios.edu.pl; 2 j.j.zawadzki@gmail.com; 3 damian.zasina@kobize.pl. 22 / 23
Literatura J. Horabik-Pyzel and Z. Nahorski, Uncertainty of Spatial Disaggregation Procedures: Conditional Autoregressive Versus Geostatistical Models, Proceedings of the Federated Conference on Computer Science and Information Systems, vol. 8, pp. 449 457, 2016. D. Zasina and J. Zawadzki, Spatial surrogate for domestic combustion s air emissions: A case study from Silesian Metropolis, Poland, Journal of the Air & Waste Management Association, vol. 67, no. 9, pp. 1012 1019, 2017. U. Leopold, G. Huevelink, L. Drouet, and D. Zachary, Modelling Spatial Uncertainties associated with Emission Disaggregation in an integrated Energy Air Quality Assessment Model, in IEMSs 2012 International Congress on Environmental Modelling and Software. Managing Resources of a Limited Planet: Pathways and Visions under Uncertainty, Sixth Biennial Meeting, S. L. R. Seppelt, A.A. Voinov and D. Bankamp, Eds., Leipzig, Germany, 2012. J. Maes, J. Vliegen, K. Van de Vel, S. Janssen, F. Deutsch, K. De Ridder, and C. Mensink, Spatial surrogates for the disaggregation of CORINAIR emission inventories, Atmospheric Environment, vol. 43, no. 6, pp. 1246 1254, 2009. J. Zawadzki, Analiza rozkładu przestrzennego zanieczyszczenia gleb Warszawy i okolic cynkiem, miedzia i ołowiem z zastosowaniem krigingu wskaźnikowego, Inżynieria i Ochrona Środowiska, vol. 6, no. 3/4, pp. 407 424, 2003. M. Plebankiewicz and A. Jankowski, Ciepło dla aglomeracji miast ślaskich do wsparcia z funduszy unijnych, Wokół Energetyki, no. 3, pp. 1 4, 2007. W. Nikodem, Rozważania nad kompleksowa modernizacja systemu zaopatrzenia w ciepło Konurbacji Ślaskiej, Energetyka, no. 5, pp. 381 388, 2008. 23 / 23