System prognoz krótkoterminowych zanieczyszczeń powietrza dla obszaru AIR TRITIA PWS (Prediction Warning System)

1. Wstęp

Jednym z ważniejszych zadań projektu AIR TRITIA „Uniform approach to the air pollution management system for functional urban area in Tritia Region” było stworzenie systemu predykcji jakości powietrza w miastach obszaru TRITIA .

System ten zgodnie z zapisami celu projektu ma stanowić źródło informacji o przewidywanych chwilowych (jednogodzinnych) stężeniach zanieczyszczeń powietrza. Wynika to z faktu, że zaimplementowana do prawodawstwa krajów członkowskich Unii Europejskiej Dyrektywa Parlamentu Europejskiego i Rady 2008/50/WE z dnia 21 maja 2008 r. w sprawie jakości powietrza i czystszego powietrza dla Europy nakazuje, aby w przypadku gdy w określonym obszarze (strefie lub aglomeracji) istnieje zagrożenie, że poziomy zanieczyszczeń w powietrzu będą ponad normatywne w stosunku do określonych progów zawartych w załącznikach do wyżej wymienionej Dyrektywy, państwa członkowskie opracowują plany określające krótkoterminowe działania, podejmowane w celu ograniczenia zagrożenia lub skrócenia czasu występowania przekroczenia.

Choć Dyrektywa nie wymienia wprost prognozy jakości powietrza jako narzędzia realizacji planów krótkoterminowych, jednak w dobie dynamicznego rozwoju metod predykcji warunków meteorologicznych oraz zważywszy na fakt, że skuteczne informowanie społeczeństwa o zagrożeniu wynikającym z występowania niebezpiecznych dla zdrowia zanieczyszczeń powietrza powinno być dokonywane z odpowiednim wyprzedzeniem, dobrą praktyką staje się stosowanie takich prognoz jakości powietrza.

2. Prognoza jakości powietrza dla obszaru TRITIA – założenia ogólne

2.1 Wybór modelu prognostycznego

Po szczegółowej analizie możliwości prognozowania dla obszaru TRITIA zaproponowano model prognozy jakości powietrza oparty o zaawansowane metody statystyczne (data mining) i bazujący na numerycznej prognozie pogody.

Data mining (eksploracja danych) jest to to proces analityczny, przeznaczony do badania dużych zasobów danych w poszukiwaniu regularnych wzorców oraz systematycznych współzależności pomiędzy zmiennymi, a następnie do oceny wyników poprzez zastosowanie wykrytych wzorców do nowych podzbiorów danych. Finalnym celem data mining jest najczęściej prognoza np. zachowania społeczeństwa (np. bezpieczna rekreacja na świeżym powietrzu), klientów (wielkości sprzedaży), ale także zaistnienia pewnych zjawisk fizycznych (meteorologiczno-hydrologicznych).

Proces data mining składa się z trzech zasadniczych etapów:

  • wstępnej eksploracji hurtowni danych (data warehouse) - dane meteorologiczne i imisyjne zanieczyszczeń powietrza,
  • budowania modelu wraz z oceną i weryfikacją,
  • wdrożenia i stosowania modeli dla nowych danych, w celu uzyskania przewidywanych wartości lub klasyfikacji.

Wieloletnie badania warunków meteorologicznych i stężeń zanieczyszczeń, głównie pyłowych, wykazały duże zależności jakości powietrza od wartości pewnych elementów meteorologicznych. Najbardziej istotne to: temperatura powietrza, prędkość i kierunek wiatru, opad atmosferyczny, wilgotność względna i bezwzględna powietrza, ciśnienie atmosferyczne, zachmurzenie, występowanie mgły, pionowa stratyfikacja temperatury powietrza, występowanie inwersji temperatury. Pogoda, w szczególności warunki termiczne i anemologiczne steruje emisją oraz określą warunki dyspersji zanieczyszczeń.

Wymienione wyżej elementy można odnaleźć w numerycznej prognozie pogody z modelu COSMO LM.

Prognoza ta obejmuje kolejne trzy doby i jest aktualizowana co 6 godzin.

Przy dużej liczbie posiadanych numerycznych prognoz pogody i danych imisyjnych zmierzonych na stacjach monitoringu jakości powietrza, co najmniej z okresu 5-letniego, można znaleźć wystarczająco dużo podobnych prognoz pogody ws. jakością powietrza.

2.1.1 Założenia prognozy

Prognoza jakości powietrza opiera się na następujących założeniach:

  • Cel predykcji (prognozy jakości powietrza) – 72 godzinny (3 kolejne doby) przebieg poziomu zanieczyszczeń powietrza;
  • Miejsce predykcji jest to konkretny punkt (miasto).
    Prognoza w ramach projektu wykonywana jest dla 5 miast – Opawa, Opole, Ostrawa, Rybnik, Żylina - obszaru TRITIA.
  • Dane predykcyjne potrzebne do wykonania prognozy eksploracyjnej:
    • aktualna numeryczna prognoza pogody dla miejsca predykcji;
    • zbiór historycznych prognoz pogody z okresu kilku lat (5 lub więcej) z okolicy miejsca predykcji;
    • ciąg pomiarów stężeń zanieczyszczeń w tych samych terminach, w których dane są historyczne prognozy pogody i najlepiej bliskie miejsca predykcji.

Na tym etapie tworzenia prognozy generowany jest zbiór plików wyjściowych w postaci prognozowanych przebiegów stężeń pyłu zawieszonego PM (particulate matter) o frakcji aerodynamicznej PM10 i PM2.5 (wartości godzinnych i dobowych).

Docelowo wskaźnik ten oparty będzie o indeks europejski jakości powietrza (European Air Quality Index – EAQI) , jednak na razie ze względu na brak odniesienia tego indeksu do prognoz godzinowych zastosowano indeks CAQI.

2.2 Indeks jakości powietrza jako podstawowa informacja o prognozie poziomu stężenia

Dla szybkiej analizy warunków jakości powietrza, obok wartości bezwzględnych pomierzonych lub prognozowanych, stosuje się często tzw. indeks jakości powietrza. Stanowi alternatywę do wykorzystywania wartości bezwzględnych stężeń zanieczyszczeń. Ta szeroko stosowana w świecie metoda ma coraz większe znaczenie również w Europie. Jej powodzenie wynika między innymi z zainteresowania społeczeństwa problemem jakości powietrza a jednocześnie przyzwyczajeniem ludzi do posługiwania się piktogramami w komunikacji społecznej.

Prognozowana jakość powietrza przedstawiana jest tu kolorystycznie Intuicyjnie bowiem kolor zielony, żółty czy czerwony są postrzegane jako sygnalizacja pozytywnego lub negatywnego stanu. Fakt ten wykorzystano przypisując wartościom bezwzględnym indeksów różne kolory. Zwykle AQI wylicza się jednocześnie dla kilku zanieczyszczeń. Stan jakości powietrza charakteryzuje ten spośród cząstkowych AQI, który przyjął największą (najbardziej niekorzystną) wartość.

Na świecie funkcjonuje wiele indeksów dotyczących jakości powietrza, ich tworzenie rozpoczęto wraz z utworzeniem pierwszych sieci automatycznego monitoringu. Obecnie dąży się do ujednolicenia podejścia w obszarach posługujących się jednolitymi standardami.

Jakość powietrza w krajach Unii Europejskiej klasyfikuje się stosując tzw. wspólny indeks jakości powietrza CAQI (Common Air Quality Index) . Jego formuła została określona na potrzeby porównywania jakości powietrza w różnych miastach Europy. Indeksem tym posługuje się Europejska Agencja Środowiska [EEA 2010] w ramach systemu udostępniania informacji o jakości powietrza Eye On Earth.

CAQI jest wyliczany jednocześnie dla NO2, PM10, O3, CO i SO2. W tabeli podano odpowiadające poszczególnym klasom indeksu CAQI zakresy stężeń zanieczyszczeń. Klasy 1-3 dotyczą powietrza o zadowalającej jakości, tj. o zanieczyszczeniu niestwarzającym zagrożenia dla zdrowia ludzi. Klasy 4 i 5 oznaczają powietrze złej jakości – o poziomie zanieczyszczenia stwarzającym zagrożenie zdrowotne szczególnie dla grup wrażliwych (klasa 4) lub całej populacji (klasa 5).

Ze względu na fakt, ze w obszarze TRITIA największe zagrożenie zanieczyszczeniem powietrza wiąże z pyłem PM10 i PM2.5 niniejsza prognoza odnosi się do tych dwóch substancji.

Zostały opracowane trzy różne indeksy w celu umożliwienia porównania w trzech różnych skalach czasu:

  • godzinowy: który opisuje aktualną (dzisiejszą) jakość powietrza, na podstawie godzinowych wartości aktualizowanych co godzinę,

  • dobowy: co oznacza wczorajszą ogólną sytuację jakości powietrza, na podstawie wartości dobowych i aktualizowany raz na dobę,

  • roczny: który reprezentuje ogólne warunki jakości powietrza w mieście przez cały rok w porównaniu do europejskich norm jakości powietrza. Indeks ten oparty jest na średnich rocznych porównywanych do rocznych wartości dopuszczalnych, aktualizowany raz w roku.

Powrót do strony głównej