Zastosowanie MG w analizach emisji zanieczyszczeń ze spalania paliw w gospodarstwach domowych Czyli dlaczego geostatystyka nie gryzie Damian Zasina IOŚ-PIB, KOBiZE 4 czerwca 2016
Plan prezentacji Po co to komu? Skalowanie w dół Część analityczna Przykład zastosowania
Transport i przemiany zanieczyszczeń w powietrzu Sportisse (2007)
Źródła punktowe: energetyka zawodowa ciepłownictwo przemysł Źródła powierzchniowe: gospodarstwa domowe
Modelowanie jakości powietrza Przemiany chemiczne Szacowanie emisji Dane wejściowe Modelowanie numeryczne Pola stężeń System wspomagania decyzji Parametry meteorologiczne Model meteorologiczny Na podstawie Russel i Dennis (2000).
Obowiazek raportowania emisji do powietrza Van Aardenne, 2011.
Szacowanie emisji Zużycie paliw Jakość paliwa Szacowanie emisji Pomiary emisji Modelowanie Informacje o technologiach spalania Zapotrzebowanie na ciepło i energię elektryczna
Metodyka top-down (cz. 1) Podejście klasyczne : E = EF A Jak dobrze znamy te wielkości? Czy występuje bład systematyczny szacowania? Jak wyznaczamy te wielkości (szczególnie EF ): za pomoca pomiarów, modelowania, czy opinii eksperta? Co jest głównym źródłem niepewności i w jaki sposób ograniczyć jego wpływ?
Metodyka top-down (cz. 2) Aktywność źródła emisji: statystyka publiczna Emisja krajowa Wskaźnik emisji Podział przestrzenny emisji Pomiary emisji GUS, EUROSTAT Największe zakłady.
Oszacowanie rocznej emisji: SO 2
Oszacowanie rocznej emisji: NO X
Oszacowanie rocznej emisji: PM 10
Oszacowanie rocznej emisji: NMLZO
Podział przestrzenny emisji Informacje o użytkowaniu terenu Gęstość zaludnienia Charakterystyki meteorologiczne Podział przestrzenny emisji Chrakterystyki ekonomiczne w regionach Zapotrzebowanie na ciepło i energię elektryczna Lokalizacja (duże źródła emisji) PKB
Niepewność w kontekście przestrzennym Niepewność klasyczna czasowa brak wiedzy przestrzenna agregacja dezagregacja skalowanie
Jak to powinno działać? (I dlaczego nie do końca tak działa.) Źródło: https://vito.be/en/land-use/air-quality/air-emission-inventory-support-system
Teoria a praktyka Teoria jest wtedy, kiedy wiemy wszystko, a nic nie działa. Praktyka jest wtedy, kiedy wszystko działa, a nikt nie wie dlaczego. Tutaj łaczymy teorię z praktyka. Nic nie działa i nikt nie wie dlaczego.
Dlaczego modelowanie geostatystyczne? Główne powody wykorzystania metod geostatystycznych: skuteczne w przypadku niewielkiej ilości danych; nie występuje utrata informacji (położenie punktu); jest możliwy do uzyskania rozkład niepewności/błędu; nie sa zależne od rozkładu statystycznego; w procesie modelowania pozwalaja właczyć wiedzę ekspercka;,powinny działać (Leopold et al., 2010).
Modus operandi (cz.1) 1. Modelowanie emisji w określonym sektorze. 2. Opracowanie rozkładu przestrzennego emisji na badanym obszarze. 3. Oszacowanie wariancji emisji na badanym obszarze (oszacowanie współczynnika zmienności α w danym sektorze). 4. Opracowanie modelu ciagłości przestrzennej emisji z wykorzystaniem metody eksperckiej. Uwzględnienie wpływu infrastruktury.
Modus operandi (cz.2) 5. Zastosowanie symulacji geostatystycznych w celu uzyskania realizacji, tj. rozkładów przestrzennych niepewności (błędu). 6. Wyznaczenie statystyk lokalnych dla niepewności. 7. Wyznaczenie rozkładu emisji (wartości lokalne). 8. Wyznaczenie globalnych statystyk dla emisji.
Model geostatystyczny niepewności przestrzennej γ η (h) = E[(Z(x) Z(y)) 2 ], gdzie y = x + h ( ( γ(h) = (s n) 1 exp h )) + n1 ra (0, ) (h) ((( ) ) 3h γ(h) = (s n) 2r h3 2r 3 1 (0,r) (h) + 1 (r, ) (h) + n1 (0, ) (h) n efekt samorodka; s próg; r zakres
Przykład zastosowania: Ślaski System Ciepłowniczy http://energo.nazwa.pl/
Sieć ciepłownicza a rozkład przestrzenny emisji (cz.1) 49.9 N 50 N 50.1 N 50.2 N 50.3 N 50.4 N 50.5 N Population density (inh. per km2) < 366 366 701 701 1138 1138 1579 1579 2059 2059 2754 > 2754 18.4 E 18.6 E 18.8 E 19 E 19.2 E 19.4 E (a) Ślaski System Ciepłowniczy (b) Gęstość zaludnienia
Sieć ciepłownicza a rozkład przestrzenny emisji (cz.2) Rysunek: Bufor przestrzenny, zasięg zredukowanej emisji
Analiza ciagłości przestrzennej
Wariografia (a) Chmura (b) Model struktury zagnieżdżonej
Estymacja (kriging) (c) Estymator (d) Wariancja estymatora
Symulacja (SGS)
Rysunek: $sim15
Metoda Monte Carlo Rysunek: X N(sim15, σ sim15 )
Literatura (wybrane) I RS. Bivand, EJ. Pebesma, i V. Gómez-Rubio. Applied Spatial Data Analysis with R. Springer, New York, NY, USA, 2008. doi: 10.1007/978-0-387-78171-6. R.V. Hiller, D. Bretscher, T. DelSontro, T. Diem, W. Eugster, R. Henneberger, S. Hobi, E. Hodson, D. Imer, M. Kreuzer, T. Künzle, L. Merbold, P. A. Niklaus, B. Rihm, A. Schellenberger, M.H. Schroth, C.J. Schubert, H. Siegrist, J. Stieger, N. Buchmann,, i D. Brunner. EAnthropogenic and natural methane fluxes in Switzerland synthesized within a spatially explicit inventory. Biogeosciences, (11): 1941 1960, 2014. doi: 10.5194/bg-11-1941-2014. P. Holnicki i Z. Nahorski. Air quality modeling in Warsaw Metropolitan Area. Journal of Theoretical and Applied Computer Science, 7(1):56 69, 2013. P. Holnicki i Z. Nahorski. Emission Data Uncertainty in Urban Air Quality Modeling Case Study. Environ Model Assess, (20):583 597, 2015. doi: 10.1007/s10666-015-9445-7.
Literatura (wybrane) II U. Leopold, C. Braun, L. Drouet, i DS. Zachary. Accounting for Geospatial Uncertainties in an Energy Air Quality Decision Support Tool, 2010. URL http://2010.foss4g.org/presentations_show.php%3fid=3810.html. FOSS4G, Barcelona September 8, 2010. NCEM. Poland s Informative Inventory Report 2014. Technical report, Institute of Environmental Protection National Research Institute, National Centre for Emissions Management, 2014. http://webdab1.umweltbundesamt.at/ download/submissions2014/pl_iir2014.zip?cgiproxy_skip=1. A. Russel i R. Dennis. NARSTO critical review of photochemical models and modeling. Atmos Environ, (34):2283 2324, 2000. B. Sportisse. A review of current issues in air pollution modeling and simulation. Comput Geosci, (11):159 181, 2007. doi: 10.1007/s10596-006-9036-4. Hans Wackernagel. Basics in Geostatistics 3 Geostatistical Monte-Carlo methods: Conditional simulation, 2013. http://hans.wackernagel.free.fr/.
Damian Zasina damian.zasina@kobize.pl