Содержание к диссертации
Введение
1 Состояние вопроса 8
1.1 Оценка загрязнения воздушного бассейна городов России 8
1.2 Физический механизм влияния метеорологических условий на распространение примесей в атмосфере 12
1.3 Влияние микрометеорологических условий в городе на формирование уровня загрязнения воздуха 16
1.4 Обзор работ по краткосрочному прогнозированию загрязнения атмосферы 18
2 Методика исследования 32
2.1 Постановка задачи. Подход к выполнению исследования. Методология решения 32
2.2 Характеристика использованного материала 36
2.3 Характеристика загрязнения воздуха городов Красноярска и Уфы 38
3 Анализ условий формирования опасных эпизодов загрязнения воздуха в городах 42
3.1 Результаты первичной обработки используемого материала 42
3.2 Объединение примесей в группы для расчета интегральных показателей загрязнения воздуха по городу в целом 44
3.3 Статистический анализ связей между наибольшими концентрациями вредных веществ и уровнем загрязнения по городу в целом 47
4 Влияние метеорологических условий на загрязнение воздуха в городе 53
4.1 Синоптические условия 54
4.2 Направление ветра 58
4.3 Скорость ветра 63
4.4 Термическая стратификация атмосферы 68
5 Статистические схемы прогноза концентраций примесей в отдельных точках города 73
5.1 Предикторы и предиктанты 73
5.2 Прогноз максимальных задень концентраций в точке наблюдения методом множественной линейной регрессии с предварительным исключением нелинейности связей и нормализацией предиктанта 79
5.3 Метод прогноза наибольших концентраций примесей в отдельных точках города 91
5.4 Оценка эффективности метода прогноза наибольших концентраций примесей в воздухе 101
Заключение 111
- Обзор работ по краткосрочному прогнозированию загрязнения атмосферы
- Характеристика использованного материала
- Объединение примесей в группы для расчета интегральных показателей загрязнения воздуха по городу в целом
- Прогноз максимальных задень концентраций в точке наблюдения методом множественной линейной регрессии с предварительным исключением нелинейности связей и нормализацией предиктанта
Введение к работе
В течение последних десятилетий в индустриальных странах большое внимание уделялось вопросам краткосрочного (с заблаговременностью до суток) прогнозирования загрязнения воздуха и предотвращения опасного скопления примесей в приземном слое атмосферы. Разработка таких методов является одной из важнейших задач современной метеорологии. Прогнозы и предупреждения о высоком уровне загрязнения воздуха служат основанием для проведения мероприятий по регулированию выбросов и уменьшению антропогенной нагрузки на окружающую среду в периоды неблагоприятных метеорологических условий.
Актуальность темы обусловлена тем, что, несмотря на применяемые природоохранные меры и сокращение промышленных выбросов (в значительной степени связанное с общим спадом экономики на протяжении девяностых годов прошлого века), проблема чистоты атмосферы городов Российской Федерации не только не решена, но даже обострилась. Как следует из анализа результатов наблюдений, за этот десятилетний период в крупнейших (численностью более 500 тыс. жителей) городах России, высокий уровень загрязнения воздуха сохранился и, согласно прогнозу, такая тенденция будет иметь место в течение ряда лет [71]. Сравнение средних за год концентраций примесей с национальными стандартами качества воздуха показало, что они превышают предельно допустимые нормы (ПДК). Максимальные концентрации, превышающие ПДК в десятки раз, регулярно регистрировались в большинстве (55-80%) крупнейших городов страны. Наибольшую опасность для жителей России представляют специфические (выбрасываемые отдельными производствами) вредные вещества [71].
В городах с высоким уровнем загрязнения воздуха растет число больных [134,153,154,141,185,45]. Проведенные исследования [156] показывают, что в таких условиях на несколько десятков процентов увеличивается число случаев заболеваний органов дыхания и частота возникновения злокачественных новообразований по сравнению с городами с относительно чистым воздухом; выявлено влияние кратковременных повышений загрязнения атмосферного воздуха на смертность населения [70]. Более тяжело переносят экологическую нагрузку люди с хроническими болезнями сердца и кровообращения. Всемирной организацией здравоохранения (WHO) отмечается [245], что особенно страдают дети и пожилые люди.
Учитывая сложную экологическую обстановку, в Федеральном законе "Охрана атмосферного воздуха" от 4мая 1999 года [135] предусмотрена обязательная организация мероприятий по защите населения при изменении состояния атмосферного воздуха, угрожающем здоровью и жизни людей
(статья 19) [135]. В настоящее время в России [87] и ряде других стран [68, 53] уже разработаны и внедрены методы регулирования выбросов. При этом предусматривается уменьшение выбросов вредных веществ в атмосферу в периоды неблагоприятных метеорологических условий на основе предупреждений о возможном опасном росте концентраций примесей в воздухе с целью его предотвращения.
В результате исследований, выполненных в Главной геофизической обсерватории им.А.И. Воейкова, были разработаны достаточно эффективные методы прогноза загрязнения воздуха. Они относятся к общему состоянию воздушного бассейна в городах и воздействию на атмосферу отдельных источников выбросов вредных веществ. При этом предсказываются интегральный показатель загрязнения воздуха в городе совокупностью вредных веществ или отдельными примесями, а также комплексы неблагоприятных метеорологических условий (НМУ), относящиеся к отдельным источникам и их группам. Отечественные методы прогноза загрязнения воздуха изложены в действующем "Руководстве по прогнозу загрязнения воздуха" РД.52.04.306-92 [109] и внедрены во всех управлениях Росгидромета. Работы по прогнозированию загрязнения воздуха проводятся в 250 городах Российской Федерации, предупреждения его возможного роста передаются более чем на 5000 предприятий, на которых принимаются конкретные меры по снижению выбросов в неблагоприятные периоды. На многих предприятиях получены количественные оценки эффективности этих мер. Однако, методы прогноза, используемые в оперативной практике Росгидромета, не позволяют предсказывать наибольшие концентрации примесей, формирующиеся в воздухе отдельных районов промышленных городов, предотвращение которых имеет существенное значение для решения проблемы защиты атмосферы от загрязнения в период НМУ.
Цель и задачи исследования
Целью работы является исследование закономерностей формирования наибольших концентраций вредных веществ в воздухе на территории городов и разработка статистического метода их прогноза.
В соответствии с этой целью в диссертации были поставлены следующие задачи:
Исследовать условия формирования наибольших концентраций примесей в отдельных частях города в зависимости от уровня загрязнения воздуха по городу в целом и метеорологических факторов.
Исследовать особенности применения статистических методов для прогноза наибольших концентрации примесей в отдельных районах города.
3. Разработать статистические схемы прогноза загрязнения воздуха по данным измерений в нескольких городах и оценить их эффективность.
Научная новизна работы
В диссертации получены следующие научные результаты:
По материалам ряда городов установлена зависимость вероятности формирования наибольших концентраций специфических примесей в отдельных точках города от уровня общегородского загрязнения. Показано, что в 80-90% случаев такие концентрации наблюдаются при повышенном загрязнении воздуха по городу в целом.
Разработана методология решения задачи прогноза наибольших концентраций специфических примесей в отдельных частях города.
Разработан статистический метод прогноза максимальных за день концентраций примесей в отдельных точках города и построены соответствующие прогностические схемы.
Практическая ценность и реализация результатов работы
Разработанный статистический метод прогноза наибольших концентраций специфических примесей позволяет предсказывать подавляющее большинство (до 90%) случаев значительного роста концентраций. Авторские испытания предложенного метода, проведенные по независимым материалам наблюдений двух городов (Красноярск, Уфа), подтвердили его эффективность. Метод может быть рекомендован для оперативного использования во всех промышленных городах, в том числе для составления предупреждений об опасных уровнях загрязнения воздуха.
А пробация работы
Основные результаты диссертационной работы вошли в Методические рекомендации, подготовленные для апробации в региональных управлениях Росгидромета, докладывались на Юбилейной научной конференции, посвященной 150-летию Главной геофизической обсерватории им. А. И. Воейкова (Санкт-Петербург, 1999 г), научной конференции, проводившейся по результатам исследований в области гидрометеорологии и мониторинга загрязнения природной среды в государствах-участниках СНГ и посвященной 10-летию образования Межгосударственного совета по гидрометеорологии (Санкт-Петербург, 23-26 апреля 2002 г), научно-методических курсах повышения квалификации сетевых подразделений Росгидромета "Современные задачи мониторинга загрязнения атмосферы" в Санкт-
Петербурге (2001-2002 г), на Ученом Совете ГГО, семинарах отдела исследования и мониторинга загрязнения атмосферы ГГО, конференции молодых специалистов. Промежуточные результаты исследований вошли в отчеты 1990-2002 г. по темам плана НИР и ОКР. По теме диссертации опубликовано 8 работ.
Структура и объем диссертации
Диссертация состоит из введения, пяти глав, заключения. Она содержит 132 страницы, включая 22 рисунка, 21 таблицу и библиографию из 250 наименований.
Обзор работ по краткосрочному прогнозированию загрязнения атмосферы
В проблеме метеорологического обеспечения мероприятий по защите атмосферы от загрязнения значительное место отводится вопросам прогноза опасных условий загрязнения воздуха. В настоящее время разработаны разные методы предсказания загрязнения на срок от нескольких часов до нескольких суток. При этом отмечаются два основных подхода: численный и статистический. В основу численных методов положены: а) разработка теории атмосферной диффузии на основе математического описания распространения примесей с помощью решения уравнения турбулентной диффузии и б) эмпирико-статистическии анализ распространения примесей с использованием интерполяционных моделей гауссовского типа. Подробная библиография приведена в монографии М.Е. Берлянда [18]. Из публикаций последних лет можно отметить ряд работ [144, 155, 214, 228, 235, 241, 249, 250]. Остановимся подробно на обзоре работ, использующих для прогноза загрязнения воздуха статистические методы, поскольку они будут в дальнейшем использоваться диссертантом при решении поставленной задачи. Статистические методы прогноза загрязнения воздуха в городах базируются на анализе фактических материалов наблюдений за концентрациями примесей в воздухе и сопутствующими метеорологическими и синоптическими условиями.
При разработках статистических схем прогноза решаются две главные задачи: 1) выбор предикторов; 2) учет связей между ними и показателями загрязнения воздуха. Основой для выполнения разработок являются физические представления о процессе распространения примесей в атмосфере и результаты изучения влияния метеорологических условий на содержание примесей в воздухе. В работах ряда авторов [27, 32, 38, 62, 129, 178, 207, 215] изучались связи между загрязнением атмосферы и такими метеопараметрами, как скорость и направление ветра у земли и в пограничном слое атмосферы, характеристики атмосферной устойчивости, температура воздуха, количество осадков и др. Обнаруженные связи являются достаточно сложными и неоднозначными, они характеризуют, как правило, особенности рассеивания примесей в атмосфере в конкретных физико-географических условиях и зависят от параметров источников выбросов, однако, можно выделить некоторые общие закономерности. Например, в зависимости от скорости ветра выявились два максимума концентраций: при 0-1 и 3-6 м/с [119, 129]. Дальнейший анализ показал, что первый максимум при 0-1 м/с наиболее четко обнаруживается при наличии, а второй максимум - при отсутствии приземных инверсий. Отсюда следовал вывод, что указанный характер связей определяется вкладом двух видов источников - высоких и низких. Для оценки влияния термической устойчивости на загрязнение атмосферы при использовании в качестве такого параметра высоты слоя перемешивания (Но) было установлено, что значения концентраций примесей возрастают с уменьшением Но [193, 216, 226, 229]. В работе [226] указывается на проявление этого эффекта главным образом при слабом ветре в пограничном слое атмосферы. Связи между загрязнением воздуха в городах и другими метеопараметрами также являются сложными и неоднозначными.
Полезным оказалось использование в статистических схемах комплексных предикторов, которые могут быть выделены из физических соображений [209, 32] или на основе анализа фактических материалов наблюдений [33]. Выявлена весьма тесная корреляция между характеристиками загрязнения и линейной комбинацией предикторов, полученная на основе использования некоторых выводов теории информации. К комплексным метеорологическим характеристикам состояния воздушного бассейна следует отнести и синоптический предиктор Sn, предложенный Л.Р. Сонькиным [66, 121, 124, 127, 189, 223 и др.]. Успешность его использования объясняется тем, что синоптическая ситуация в наиболее полном виде представляет сложный комплекс метеорологических характеристик, она отражает многообразие процессов, происходящих в атмосфере. Особенно большое значение приобретает учет циркуляционных процессов при анализе и прогнозе длительных периодов (3 дня и более) с высоким загрязнением воздуха в отдельных городах, так и на территории больших регионов. В результате исследования Л.Р. Сонькиным и В.Д. Николаевым [127] были выявлены следующие закономерности: 1) Ситуации, характеризующиеся расположением над исследуемым районом антициклона, гребня, барической седловины, а также западной периферии антициклона, способствуют формированию областей высокого загрязнения воздуха. Особенно четко это проявляется по отношению к устойчивому гребню сибирского максимума. 2) Формирование областей с низким уровнем загрязнения связано с циклоническими ситуациями в первую очередь с тылом циклона и с его холодной северной периферией. 3) Выявлено неблагоприятное влияние на воздушный бассейн города медленно смещающихся теплых фронтов и фронтов окклюзии по типу теплого. Это приводит в ряде случаев к формированию вдоль фронтов вытянутых областей высокого уровня загрязнения воздуха в городах. 4) При выносе теплых воздушных масс повышается уровень загрязнения в городах. Наиболее четко данная закономерность проявляется в теплый период года. 5) В летние месяцы отмечается пониженный уровень загрязнения атмосферы в холодной воздушной массе, в том числе, в антициклоническом поле и в барической седловине при небольших градиентах давления. 6) Зимой интенсивное загрязнение воздуха отмечается одновременно в группе близлежащих городов при расположении на значительной территории в антициклональном поле мощных инверсионных слоев. Эффект роста уровня загрязнения воздуха в городах, находящихся в областях высокого давления и стационарных фронтов, подтверждается как российскими [11, 51], так и зарубежными авторами [159, 189, 217, 248, 183, 200, 182]. При исследовании загрязнения воздуха зимой в городе Ланьчжоу (Китай) было установлено [233], что в период с ноября по январь наблюдается высокое (с максимумом в декабре) содержание в воздухе диоксида серы, окиси углерода, окислов азота и озона.
По материалам наблюдений изучалась зависимость среднесуточных концентраций этих примесей от метеорологических условий. Оказалось, что если город накрывает область высокого давления, но имеется холодная адвекция на уровне 700 гПа, то эта синоптическая ситуация способствует рассеиванию примесей и их концентрации снижаются. Если же г. Ланьчжоу располагается в центре или южнее системы высокого давления и отмечается слабая адвекция на высоте 700гПа, то уровень загрязнения воздуха становятся умеренно высоким. А если над городом располагается периферия системы высокого давления и имеется теплая адвекция на уровне 700 гПа, то происходит быстрое накопление загрязняющих веществ и наблюдаются наивысшие концентрации. Результаты прогноза, по мнению авторов, имели высокую степень достоверности. И. Василев [242] предлагает классификацию синоптических процессов, определяющих уровень загрязнения воздуха в г. София (Болгария). Для осенне-зимнего периода установлено, что высокая степень загрязнения наблюдается в зоне влияния южной, северо-западной и восточной периферий антициклона и при прохождении теплого атмосферного фронта; средняя степень - в зоне влияния северо-восточной и западной периферий антициклона; низкая — при движении холодного воздуха, наступлении тыловой области циклона и его прохождении. Предложенная классификация, по мнению автора статьи, позволяет точно прогнозировать перенос примесей, описать механизм очищения городской атмосферы. На её основе возможно построение прогностических моделей и принятие решений по регулированию выбросов в периоды неблагоприятных синоптических условий. Иные рекомендации для прогнозирования загрязнения воздуха по городу в целом разработаны специалистами ГМЦ [90]. Существо предлагаемой синоптико-статистической схемы заключается в использовании комплексного показателя метеорологических условий загрязнения воздуха (МУЗ), представляющей собой сумму предикторов, выраженных в баллах. Результаты исследования влияния метеорологических и синоптических условий на уровень загрязнения воздуха является основой для разработки прогностических схем. Для её осуществления российскими и зарубежными авторами применяются статистические методы: метод разложения на естественные ортогональные функции, дискриминантный анализ, распознавание образов, множественная линейная регрессия, последовательная графическая регрессия и другие.
Характеристика использованного материала
Разработка прогноза наибольших концентраций вредных веществ основана на результатах обобщения фактического материала наблюдений — информации о концентрациях примеси в воздухе промышленных городов и сопутствующих им метеорологических условиях. В работе использованы результаты наблюдений на стационарных постах сети ОГСНКА. Согласно [108], ОГСНКА является службой наблюдения и контроля состояния атмосферы, в основу функционирования которой положены регулярность и единство программ наблюдений. Реперные (основные) пункты расположены в разных частях города, и наблюдения за состоянием загрязнения атмосферы, производящиеся на них, являются репрезентативными (характерными для данного района). Количество постов зависит от размера города и степени развития промышленности в нем. В большинстве случаев число постов в городе колеблется от 3 до 10. Отборы проб проводятся ежедневно 3-4 раза в день (01, 07, 13, 19 или 07, 13, 19 часов) для последующего химического анализа. Погрешность единичных измерений для разных ингредиентов составляет 20-50% [108]. Для выполнения разработок были привлечены результаты наблюдений в городах Красноярске, Уфе, Череповце и Санкт-Петербурге за периоды относительно стабильной работы промышленности в стране. Сведения об объеме использованной информации приведены в табл.2.1. При оценке пригодности материала для метеорологического анализа применяется разработанная в ГГО система критического контроляинформации о загрязнении воздуха в городах [108]. Выполненные исследования показывают, что статистическое распределение концентраций подчиняется логнормальному закону [7].
При осущетвлении критического контроля, как правило, учитывается, что 60-70% всех измеренных концентраций заданного ряда имеют значения в пределах 0-2qc (qc — средняя концентрация), а максимальные концентрации превышают qc в 10-20 раз [8]. Использованные в работе материалы о загрязнении воздуха прошли критический контроль. За указанные в табл.2.1 периоды времени нарушения Таблица 2.1 Сведения об использованном материале наблюдений на постах сети ОГСНКА технологических процессов, способных привести к аварийным выбросам и значительному росту содержания примесей в воздухе, зафиксированы не были. Для анализа физических связей и построения статистических схем прогноза привлекались данные о сопутствующих метеорологических, аэрологических и синоптических условиях. В работе использованы также результаты специальных экспедиционных обследований ряда городов (Волжский, Кемерово, Красноярск, Усть- Каменогорск и др.), воздушный бассейн которых подвергается интенсивному антропогенному воздействию. Эти работы проводились сотрудниками ГГО им. А.И.Воейкова в период с 1986 по 1990 год в рамках плановой темы V.30.03, результаты представлены в отчетах НИР [100]. Автор принимала непосредственное участие в организации и проведении этих исследований. В ходе выполнения работ, наряду с другими результатами, впервые были обобщены данные о многочисленных жалобах населения в местные органы управления и комитеты Госкомприроды на крайне неблагоприятную экологическую ситуацию в городах. Соответствующие материалы анализировались за годичный период и представлены в данной работе.
Поскольку основные разработки диссертационной работы выполнялись с использованием материалов наблюдений в двух промышленных городах (Красноярск и Уфа), то необходимо подробнее остановиться на характеристиках экологического состояния их воздушных бассейнов и основных источниках выбросов вредных веществ, а также дать краткое физико-географическое описание этих городов, необходимое для понимания процессов рассеивания примесей в атмосфере. 2.3 Характеристика загрязнения воздуха городов Красноярска и Уфы Все сведения об уровнях загрязнения воздуха, приведенные в этом разделе, основываются на результатах обобщений данных сети мониторинга загрязнения атмосферы и выбросах вредных веществ за пять лет (1984-1989гг) [10]. Информация этого периода соответствует данным, используемым для разработок. Город Красноярск Красноярск - один из крупнейших промышленных городов Сибири с населением около 900 тыс. жителей. Он расположен на обоих берегах реки Енисей, в котловине. Минимальные абсолютные высотные отметки дна долины относятся к уровню 130-143 м, а максимальные - к 270-300 м над уровнем моря [75]. Климатические условия Красноярска характеризуются с точки зрения рассеивания выбросов в атмосфере как неблагоприятные. [77]. По принятойклассификации [77], он расположен в зоне повышенного потенциала загрязнения атмосферного воздуха. Воздух города загрязнен выбросами предприятий цветной металлургии, химии, энергетики, строительной индустрии, многочисленных котельных. На долю выбросов стационарных источников приходится 74%, на автотранспорт -26%. Общая сумма выбросов за год составляет 366 тыс.т. Из специфических вредных веществ как наиболее токсичных следует выделить сероуглерод, сероводород, фтористые соединения, смолистые вещества. Как показали результаты наблюдений на постах ОГСНКА, схема расположения которых приводится на рис. 1.1, более всего воздух загрязнен бенз(а)пиреном, его средняя годовая концентрация равна 6-7 ПДК. Одним из основных источников этого вещества является предприятие алюминиевой промышленности (КрАЗ), раположенное на левом берегу Енисея.
Этот завод является также основным источником выбросов фтористого водорода, средние годовые концентрации которого превышают ПДК на значительной части территории города по обоим берегам реки Енисей. Самые большие концентрации этой примеси (12 ПДК) отмечены в 1987 г. вблизи алюминиевого завода. Выбросы фтористого водорода осуществляются из труб на высоте 80м и аэрационных фонарей (24м) [91]. Предприятие "Химволокно", расположенное на правом берегу р. Енисей, загрязняет воздух города сероводородом и особенно сероуглеродом. Как отмечается в [10], за период 1986-1988 гг. в различных районах города на расстоянии от 2 до 10 км от завода зафиксированы почти одинаковые максимальные концентрации сероуглерода — 0,46мг/ м3. Средние за рассматриваемый период концентрации этой примеси очень медленно снижаются при удалении от предприятия и на расстоянии более 10 км составляют примерно половину концентрации вблизи источника. На разных постах, расположенных вдоль долины Енисея, ежегодно резко возрастают концентрации сероуглерода в июле-августе, когда повышается температура воздуха и усиливается испарение сероуглерода в атмосферу. Основные организованные выбросы сероуглерода осуществляются из труб предприятия на высоте 120 м [91]. Средние концентрации сероводорода за этот период времени невелики и не превышают 0.002 мг/м3. Максимальные разовые концентрации (6-7 ПДК) отмечены в радиусе 2-4 км от целлюлозно-бумажного комбината. В 1988 г. вблизи шламовых полей ЦБК зафиксировано содержание сероводорода более 55 ПДК.
Наибольшая запыленность воздуха отмечается в районе предприятий строительной промышленности и ТЭЦ, максимальная разовая концентрация пыли отмечена в 1988 г. и составила 13 ПДК. Средние годовые концентрации диоксида азота отмечаются по территории города в пределах 0.03-0.06 мг/м3. В годовом ходе максимальные концентрации (3 ПДКСС) наблюдаются зимой вблизи автомагистрали в центре города, а также вблизи ТЭЦ. Для обеспечения чистоты воздуха в Красноярске, по мнению авторов [10], необходима реконструкция производства для снижения выбросов сероуглерода на предприятии "Химволокно", смолистых веществ и фтористых соединений — на предприятии цветной металлургии, а также повсеместное повышение эффективности работы очистных установок. Город Уфа. Столица республики Башкортостан, город с населением более 1 млн жителей, расположен в долинах рек Белая и Уфа. Он характеризуется изрезанными формами рельефа, вытянут на многие километры вдоль рек, правые склоны которых высокие и крутые, левые — пологие [76]. По данным сети мониторинга, схема расположения постов которого показана на рис.2.2, уровень загрязнения в городе очень высок, особенно велико содержание в воздухе специфических примесей. Средние за год концентрации бенз(а)пирена и формальдегида — более 3 ПДК, двуокиси азота - более ПДК. В отдельные дни максимальная разовая концентрация этилбензола 10 ПДК, формальдегида, ксилола, окиси углерода, сероводорода — 5-8 ПДК, толуола, этилацетата и фенола - 3-4 ПДК. Причиной высокого уровня загрязнения воздуха являются выбросы вредных веществ предприятиями нефтехимии и по производству удобрений, ТЭЦ, котельными и автотранспортом. Суммарные выбросы вредных веществ очень большие, они составляют 475 тыс.т в год, третья часть которых приходится на долю автотранспорта. По валовых выбросам двуокиси серы и углеводородов (бензол, толуол, ксилол, этилбензол) Уфимское предприятие нефтехимии занимает второе место в отрасли. В наибольшей степени загрязнен воздух в северной части города (пост 5), находящийся под влиянием северной промзоны.
Объединение примесей в группы для расчета интегральных показателей загрязнения воздуха по городу в целом
Для характеристики уровня общегородского загрязнения воздуха в РД 52.04.306-92 [109] используется интегральный показатель загрязнения воздуха. Он рассчитывается по данным фактических измерений на стационарных постах, является относительной характеристикой и не зависит от среднего уровня загрязнения воздуха в заданном городе. Эта особенность параметра Р позволяет использовать для анализа его значения за несколько лет вместе, даже если в течение этого периода наблюдались изменения суммарного количества выбросов и уровня концентраций. При неизменной структуре выбросов и размещения постов наблюдения, значения параметра Р в основном определяются метеорологическими условиями рассеивания примесей в атмосфере. В настоящее время в практике прогнозирования загрязнения воздуха параметр Р получил широкое применение. Существенным преимуществом использования параметра Р по сравнению с другими показателями (например, средней по городу концентрацией) является возможность расчета его значений по совокупности нескольких измеряемых примесей, что позволяет получить наиболее обобщенный показатель, характеризующий в значительной степени состояние загрязнение воздушного бассейна в целом. Для решения поставленной задачи лучше использовать Р [-интегральный показатель загрязнения воздуха в городе одной из примесей.
Однако, для многих городов его расчет невозможен вследствие недостаточного числа измерений в течение дня. В таком случае рассчитывается параметр Р по совокупности измеряемых примесей. Для расчета величины параметра Р по совокупности вредных веществ целесообразно объединять примеси в группы с учетом характера влияния метеоусловий на уровень загрязнения воздуха в городе. Как известно, вредные вещества поступают в атмосферу из источников разных типов, и, соответственно, создаваемые ими высокие концентрации формируются при различных комплексах неблагоприятных метеоусловий. Так, например, НМУ для горячих высоких источников характеризуются скоростью ветра 3—7м/с, повышенным турбулентным обменом и наличием приподнятой инверсии; для низких (в том числе и автотранспорта) - штилем, пониженным турбулентным обменом, приземной инверсией [18]. По материалам измерений в трех городах рассчитывались средние значения параметра Pi при различных направлениях ветра и в случае застоя воздуха. Результаты приведены в табл. 3.3—3.4, в которых буквой "Д" обозначено отношение среднего значения Pt при наиболее неблагоприятном направлении ветра (Р,г) к его значению в условиях застоя (Р3). К "застою" были отнесены дни, характеризующиеся наличием штиля и приземной инверсии в утренние часы. В расчетах Pi при различных направлениях ветра учитывались случаи только устойчивого в течение дня переноса. Анализ табл. 3.3 показывает, что для всех примесей обнаруживается влияние направления ветра на уровень загрязнения и выделяются наиболее неблагоприятные направления. В то же время в характере связей имеются и некоторые различия, которые обусловлены механизмом рассеивания примесей.
Так, в период застойной ситуации уровнь загрязнения воздуха в Красноярске окисью углерода, диоксидом азота, диоксидом серы, пылью, формальдегидом относительно высокий (отношение Д близко к единице), а сероуглеродом, фтористым водородом, фенолом, сероводородом -относительно низкий (значение Д составляет 1.64 -1.87). С учетом отношения Д рассматриваемые примеси разделены на две группы, В первую группу войдут вещества, в большей степени загрязняющие воздух при определенном направлении ветра, чем при застое. Это характерно для примесей, выбрасываемых из высоких одиночных источников, расположенных преимущественно на окраине города. Совокупный интегральный показатель загрязнения для этой группы веществ обозначим Рс. Как следует из табл.3.3, для Красноярска в расчет Рс можно включить следующие примеси: сероуглерод, фтористый водород, фенол, сероводород. Ко второй группе можно отнести вещества, выбросы которых создают одинаковое загрязнение воздуха как при неблагоприятном направлении ветра, так и в период застоя. Это характерно для примесей, поступающих в атмосферу из многочисленных низких источников (автотранспорт, небольшие котельные, мелкие предприятия.), рассредоточенных по всей территории города. Совокупный интегральный показатель загрязнения обозначим Р0. Как следует из табл.3.3, для Красноярска в эту совокупность примесей следует включить окись углерода, диоксид азота, диоксид серы, формальдегид и пыль. Аналогичные расчеты были проведены по материалам наблюдений в городах Уфе и Череповце (табл 3.4). Как следует из табл.3.4, для Череповца в одну группу целесообразно объединить следующие вещества: аммиак, сероводород, сероуглерод. Наибольшее загрязнение в городе этими примесями создается при западном, северо—западном, юго—западном направлениях ветра. Полученные результаты хорошо объясняются переносом вредных веществ от промышленного комплекса, который является источником выбросов многих специфических веществ [10]. В силу развития нефтехимической промышленности и предприятий по производству минеральных удобрений, атмосфера города Уфы в наибольшей степени загрязнена ароматическими углеводородами (особенно этилбензолом) и другими специфическими веществами [10]. Как показал проведенный анализ (табл. 3.4), из семи рассматриваемых примесей в одну группу можно объединить этилбензол, бензол, ксилол и толуол.
Выбрасываемые в основном из низких труб нефтехимических производств эти вещества создают наибольшее загрязнение в городе при скорости ветра 0—1 м/с. В дальнейшем для характеристики уровня общегородского загрязнения воздуха рассматриваемых трех городов совокупностью специфических примесей в расчет величины Рс будут включены указанные выше примеси. 3.3 Статистический анализ связей между наибольшими концентрациями вредных веществ и уровнем загрязнения по городу в целом В этом разделе исследуется зависимость между наибольшими концентрациями вредных веществ в воздухе городов и интегральными показателями загрязнения Рс и Р]. Предлагается следующее определение "наибольших " концентраций: Наибольшие концентрации (q ) — это максимальные (qM) за день по городу концентрации примеси, значения которых превышают 90%-ный квантиль функции распределения qM Значения концентраций q определяются по данным сети мониторинга. Для проведения статистической обработки результатов наблюдений за загрязнением воздуха за сезон необходимо знать величину максимальной за день концентрации примеси, которой соответствует уровень 90%-ого квантиля — qM(90%). Согласно определению, к q необходимо отнести значения qM qM(90%). Очевидно, что превышение среднесезонной концентрации (qcc) в N раз (где число N qM(90%)/qce) указывает на относительно высокий уровнь загрязнения воздуха. Если максимальная за день концентрация в точке наблюдения (qiM) в N и более раз выше среднесезонного (qlcc) значения в той же точке (q]M Nqicc), то загрязнение воздуха в этот день в этой точке характеризуется как "наибольшее". Обозначим наибольшие концентрации в точке наблюдения qj . Для проведения статистического анализа была рассмотрена повторяемость повышенного (выше среднего значения) уровня загрязнения воздуха по городу в целом в дни с наибольшими концентрациями q (табл.3.5).
Среднее значение параметра Р составляет около 0,2 [124]. Для сравнения в знаменателе указана повторяемость повышенных значений (выше 0.2) параметра Pi (или Рс). В табл.3.5 значком « » отмечены примеси, объединенные в совокупность для расчета параметра Рс. Для остальных примесей характеристикой общегородского загрязнения служит Рь Как следует из табл.3.5, для всех рассматриваемых примесей повторяемость случаев повышенного загрязнения по городу в целом (Р 0.2) в дни, когда наблюдаются наибольшие концентрации, значительно выше, чем в среднем. Однако если для специфических примесей она составляет 70-И 00%, то для окиси углерода, двуокиси азота и формальдегида - только 504-60%. Полученные результаты показывают, что максимальные концентрации специфических примесей в большей степени связаны с загрязнением воздуха по городу в целом, чем основные. В данной связи можно предложить следующее объяснение этому явлению. Различия в повторяемости, полученные для разных примесей, в значительной степени определяются характером (их типом, количеством и размещением по территории) источников выбросов данной примеси и соотношением между составляющими (локальным и общегородским) загрязнения.
Прогноз максимальных задень концентраций в точке наблюдения методом множественной линейной регрессии с предварительным исключением нелинейности связей и нормализацией предиктанта
Анализ формы и тесноты корреляционной зависимости между физическими величинами, рассмотренными в предыдущих главах, подтверждает возможность использования для решения задачи прогноза максимальных концентраций статистических методов, в частности линейного регрессионного анализа. Общий вид уравнения линейной регрессии следующий: Здесь В- предиктант, Xj— предикторы (метеорологические и характеристики загрязнения), ар-весовые коэффициенты; а0 - свободный член, п - число предикторов. Предиктантом является величина В —максимальная за день концентрация примеси в точке (на стационарном посту) q]M, нормированная на среднесезонное значение концентрации на данном посту qlcCi ( B=qiM/qicc)- При разработке схем прогноза В были использованы ряды данных наблюдений в дни, когда Р 0.2 и вероятность формирования наибольших концентраций повышена (см. главу 3). Все случаи с Р 0.2 не рассматривались. Такой принцип организации ряда наблюдений, использованного для построения статистической схемы прогноза максимальных концентраций, не только физически обоснован, но и позволяет исключить из разработок значительную часть наименьших значений, что дает при использовании регрессионного анализа положительный эффект.
В качестве предикторов используются следующие метеорологические параметры: d и v- направление и скорость ветра на метеостанции, Hj -мощность приземной инверсии, Иг — высота нижней границы приподнятой инверсии; характеристики загрязнения воздуха в городе: Р] - интегральный показатель загрязнения воздуха одной из примесей по городу в целом, Рс -интегральный показатель загрязнения воздуха совокупностью примесей по городу в целом, В - нормированная средняя концентрация примеси в воздухе на посту в предшествующий день. Успешное применение этого математического аппарата требует выполнение двух условий: 1. двумерное (совместное) распределение функции плотности вероятности переменных (предиктанта с каждым из предикторов) подчиняется нормальному закону; 2. форма связи между переменными должна быть близкой к линейной. Далее рассматриваются возможности выполнения этих условий. I. Распределения плотности вероятности концентраций примесей асимметрично [9]. Для его аналитического описания используют логарифмически нормальный закон, а также распределение Вейбула, обобщенное гамма-распределение, распределение Пирсона и др.[89]. В монографии [9] Э.Ю.Безуглая приводит результаты как собственых исследований, так и результаты ряда других авторов, указывающие, что в большинстве случаев для апроксимации временных рядов концентраций примесей применялся логнормальный закон распределения. Эти результаты получены на основе анализа обширного многолетнего экспериментального материала. На ограниченных рядах наблюдений, которые используются в настоящей работе, лучше воспользоваться эмпирическим, полученным непосредственно из конкретной выборки, асимметричным распределением случайной переменной. При возникновении трудностей, связанных с тем, что данные, подчиняющиеся какому-нибудь несимметричному распределению, должны быть подвергнуты анализу, теория которого известна только для нормального распределения, можно преобразовать эмпирическое распределение в нормальное ("нормализовать переменные") и затем продолжить анализ на базе известной теории.
Для нормализации переменных воспользуемся стандартным равновероятностным преобразованием. Как известно из математической статистики [101, 116 ], функция случайной переменной является в свою очередь случайной переменной. Вероятность значений случайной переменной, меньших данного значения исходной, и соответствующего значения преобразованной переменной, будут одинаковы. Отсюда следует, что любое распределение повторяемости можно преобразовать в распределение повторяемости заданной формы посредством соответствующего функционального преобразования. В нашем случае исходное асимметричное распределение необходимо трансформировать в нормальное со средним, равным 0, и средним квадратическим отклонением, равным 1. Методика равновероятностного преобразования осуществляется с помощью графиков двух интегральных кривых распределения: эмпирической кривой распределения исходной переменной В и нормальной [92, 101, 1]. Нормализованную переменную обозначим Вп Для трансформации переменной ВвВ„ целесообразно построить график. Далее проиллюстрируем предложенные процедуры на примере данных измерений концентраций на одном из постов. На рис.5.1 графически представлено статистическое описание используемых исходных данных, которое подтверждает, что распределение плотности вероятности предиктанта В асимметрично и островершинно, совместное распределение величины В и метеорологических предикторов не подчиняется нормальному закону, а форма связи между ними нелинейна. Нормализация предиктанта выполнялась с использованием стандартных статистических программ. В данном случае применялась функция нормального распределения с параметрами использованной выборки. Результаты тестирования вероятностного распределения величины В до и после преобразования, представленные на рис. 5.2 (по оси У отложены значения обратного интеграла вероятности Zp), показывают, что новая переменная Вп имеет нормальное распределение и может далее использоваться в регрессионном анализе.
При этом, как следует из рис.5.3, связь между переменной В и нормализованной Вп не линейна, а описывается кривой с различной степенью изменчивости одной переменной относительно другой. Так, в области самых низких (В 2.0) и самых высоких (В 9.0) значений предиктанта, что особенно важно при прогнозе экстремумов методом линейной регрессии, при процедуре трансформации значения параметра В уменьшаются, в то время как в средней области (2.0 В 9.0) — увеличиваются. Полученный эффект сыграет существенную роль в дальнейшем при осуществлении обратного преобразования. II. Успешное применение метода линейной регрессии требует, чтобы попарные корреляционные связи между содержанием примесей в воздухе и метеорологическими факторами, определяющими их рассеивание, были близки к линейным. Однако, как показали многочисленные исследования (главы 1 и 4), это условие не выполняется. В тех случаях, когда зависимость предиктанта от предиктора нелинейна, обычно прибегают к их выравниванию путем того или иного субъективно избранного функционального преобразования исходных переменных: логарифмического, полиномного и т.д. Однако трудно найти путем такого подбора функции, которые бы выравнивали все возможные попарные связи между исходными переменными. Иногда применяется так называемый многомерный статистический анализ [116, 107], позволяющий аппроксимировать нелинейные уравнения множественной регрессии с той или иной степенью приближения, благодаря введению в уравнение нелинейных членов, содержащих вторые или третьи степени, а также произведения из двух и трех переменных. Однако в данном случае для определения коэффициентов регрессии необходимы выборки большого объема, В случае, если переменные связаны попарно криволинейной монотонной корреляцией, то можно воспользоваться методикой, используемой в гидрологии [1].
Преобразованные (нормализованные) этим методом переменные связаны попарно линейной корреляцией. Для исключения нелинейности связей на кривых зависимости концентраций вредных веществ от метеорологических факторов воспользуемся методом преобразования предикторов, используемым в ГГО. Этот метод применяется при построении схем прогноза интегральных характеристик загрязнения воздуха [124, 309]. Он заключается в следующем: с помощью кривых зависимости показателя загрязнения воздуха в городе от отдельных метеопараметров, построенных по использованному для разработок материалу наблюдений, каждое значение предиктора меняется на соответствующее ему среднее значение характеристики загрязнения. Связь преобразованных таким образом предикторов с предиктантом в значительной степени линеаризуется. Этот прием позволяет учесть реальный вид связи в каждом конкретном случае. Он близок к так называемому "линейно-кусочному" преобразованию [107], применяемому при построении моделей для прогноза элементов погоды. При преобразовании предикторов в данной работе используются ранее нормализованные значения предиктанта Графики, построенные по указанным выше материалам наблюдений, приведены в приложении.
