Rozwój metod geoprzestrzennych w szacowaniu emisji …³j-metod-geoprzestrzennych.pdf ·...
-
Upload
duongthuan -
Category
Documents
-
view
223 -
download
0
Transcript of Rozwój metod geoprzestrzennych w szacowaniu emisji …³j-metod-geoprzestrzennych.pdf ·...
Cel i zakres analizy Geostatystyka Wyniki Wnioski � Literatura
1 / 23
Rozwój metod geoprzestrzennych w szacowaniuemisji zanieczyszczen do powietrza
Damian Zasina, Jarosław Zawadzki & Krystian Szczepanski
IV Sympozjum Naukowe ProEnergo
27-28 wrzesnia 2017, Michałowice
Cel i zakres analizy Geostatystyka Wyniki Wnioski � Literatura
Plan prezentacji
Cel i zakres analizy
Geostatystyka
Wyniki
Wnioski
2 / 23
Cel i zakres analizy Geostatystyka Wyniki Wnioski � Literatura
Cele
◦ Poprawa metodyki szacowania emisji top-down z wykorzystaniem danych
geoprzestrzennych o obszarach zabudowanych.
◦ Poprawa biezacej metodyki tworzenia surogatów dla rozkładów
przestrzennych emisji zanieczyszczen do powietrza.
◦ Wsparcie inwentaryzacji emisji wykorzystaniem modelowania
geoprzestrzennego (analiz GIS).
◦ Wsparcie modelowania matematycznego jakosci powietrza.
3 / 23
Cel i zakres analizy Geostatystyka Wyniki Wnioski � Literatura
Obszary zabudowane
◦ Rozkład przestrzenny obszarów zabudowanych moze byc miara
aktywnosci antropogenicznej, która skutkuje zanieczyszczeniem powietrza
(emisjami).
◦ Powierzchnia OZ do epwnego stopnia łaczy sie z rozkładem
przestrzennym gestosci zaludnienia oraz powierzchni mieszkalnych w
budynkach, które moga byc wykorzystane do oszacowania emisji
zanieczyszczen do powietrza.
◦ Wszelkie hot-spoty moga byc wykrywane z pomoca narzedzi
geostatystycznych.
4 / 23
Cel i zakres analizy Geostatystyka Wyniki Wnioski � Literatura
Badany obszar
460000 480000 500000 520000 540000
2400
0026
0000
2800
00
E [m]
N [m
]
Rysunek 1: Rozkład przestrzenny terenów zabudowanych [km2] zagregowany
w siatce 2km× 2km.
5 / 23
Cel i zakres analizy Geostatystyka Wyniki Wnioski � Literatura
Rozkłady powierzchni zabudowanych
Fre
quen
cy
0.0 0.5 1.0 1.5 2.0 2.5 3.0
050
100
150
(a)
Fre
quen
cy
3.5 4.0 4.5 5.0 5.5 6.0 6.5
020
4060
8010
012
014
0
(b)
Rysunek 2: (a) Dane „surowe” [km2 = 106m2]; (b) dane zlogarytmowane [log10 m2].
6 / 23
Cel i zakres analizy Geostatystyka Wyniki Wnioski � Literatura
Wariogram (1)
7 / 23
γ(h) = 12N(h)
∑(i,j)hi,j=h
[Z(xi) − Z(xi + h)]2
Cel i zakres analizy Geostatystyka Wyniki Wnioski � Literatura
Wariogram (2)
8 / 23
← Zakres, a→
↑Próg, s
↓ ↑Ef. samorodka (tu=0)
Cel i zakres analizy Geostatystyka Wyniki Wnioski � Literatura
Anizotropia
h
γ
0.05
0.10
0.15
0.20
0.25
0.30
5000 10000 15000 20000 25000 30000
(a)
h
γ
0.05
0.10
0.15
0.20
0.25
0.30
5000 15000 25000
0 30
5000 15000 25000
60
90
5000 15000 25000
120
0.05
0.10
0.15
0.20
0.25
0.30
150
(b)
Rysunek 3: Wariogramy empiryczne zlogarytmowanej (log10) pow. zabudowanej:
(a) izotropowy; (b) wariogramy anizotropowe: δ ∈ {0◦, 30◦, 60◦, 90◦, 120◦, 150◦}; h,
odległosc [m]; γ, semiwariancja [(log10 m2)2].
9 / 23
Cel i zakres analizy Geostatystyka Wyniki Wnioski � Literatura
Metoda zagniezdzania semiwariancji
h
γ
0.05
0.10
0.15
0.20
0.25
0.30
5000 10000 15000 20000 25000 30000
10 / 23
γ1(h)
γ2(h) γ3(h)
γ(h) = γ1(h) + γ2(h) + · · ·+ γn(h).
Cel i zakres analizy Geostatystyka Wyniki Wnioski � Literatura
Modelowanie wariogramów
Wariogram empiryczny (izotropowy, Rys. 3a), wykorzystuje modele: sferyczny
(1) oraz gaussowski (2), zastosowano niezaleznie dwie struktury
zagniezdzone.
γ(h) =
c ·
(32
(|h|
a
)− 1
2
(|h|
a
)3)
if h 6 a
c otherwise, (1)
γ(h) = c ·(
1 − exp(−3|h|2
a2
)), (2)
gdzie: h odległosc; a, zakres (praktyczny) oraz c, próg.11 / 23
Cel i zakres analizy Geostatystyka Wyniki Wnioski � Literatura
Modele teoretyczne wariogramów (1)
Model Próg, s Zakres, a SSE
--- [(log10 m2)2] [m]
1 (Fig. 4a)
ef. samorodka 0, 02 0
2.455 · 10−7sferyczny 0.12 2, 000
sferyczny 0.08 5, 500
gaussowski 0.07 16, 500
2 (Fig. 4b)
ef. samorodka 0, 09 0
2.686 · 10−9sferyczny 0.13 5, 214
gaussowski 0.09 19, 339
Najlepszy model jest przyjesty na podstawie nizszej wartosci SSE (suma kwadratów błedów),
podkreslone. Nizsza wartosc SSE wskazuje lepsze dopasowanie.
12 / 23
Cel i zakres analizy Geostatystyka Wyniki Wnioski � Literatura
Modele teoretyczne wariogramów (2)
h
γ
0.05
0.10
0.15
0.20
0.25
0.30
5000 10000 15000 20000 25000 30000
(a)
h
γ
0.05
0.10
0.15
0.20
0.25
0.30
5000 10000 15000 20000 25000 30000
(b)
Rysunek 4: Struktury zagniezdzone h, odległosc [m];
γ, semiwariancja[(log10 m2)2].13 / 23
Cel i zakres analizy Geostatystyka Wyniki Wnioski � Literatura
Kriging zwykły (OK)
460000 480000 500000 520000
2400
0026
0000
2800
00
5.0
5.5
6.0
(a)
460000 480000 500000 520000
2400
0026
0000
2800
00
0.17
0.18
0.19
0.20
0.21
(b)
Rysunek 5: (a) Estymacja zlogarytmowanych pow. terenów zabudowanych (OK):
estymator [log10 m2]; (b) wariancja estymatora [(log10 m2)2].14 / 23
Cel i zakres analizy Geostatystyka Wyniki Wnioski � Literatura
Wstep do walidacji krzyzowej
460000 480000 500000 520000
2400
0026
0000
2800
00
3.5
4.0
4.5
5.0
5.5
6.0
(a)
460000 480000 500000 520000
2400
0026
0000
2800
00
−4
−2
0
2
(b)
Rysunek 6: (a) Walidacja krzyzowa wykonana dla krigingu zwykłego [log10 m2];
(b) rozkład znormalizowanych błedów.15 / 23
Cel i zakres analizy Geostatystyka Wyniki Wnioski � Literatura
Kriging wskaznikowy (1)
3.5 4.0 4.5 5.0 5.5 6.0 6.5
0.0
0.2
0.4
0.6
0.8
1.0
1.2
758595
percentile
(a)
h
γ
0.05
0.10
5000 10000 15000 20000 25000 30000
(b)
Rysunek 7: (a) Wybrane percentyle rozkładu zlogarytmowanych powierzchni
zabudowanych [log10 m2]; (b) wariogram 85 percentyla rozkładu (jedn. jak na Rys 3).16 / 23
Cel i zakres analizy Geostatystyka Wyniki Wnioski � Literatura
Kriging wskaznikowy (2)
460000 480000 500000 520000
2200
0024
0000
2600
0028
0000
3000
00
0.0
0.2
0.4
0.6
0.8
1.0
(a)
460000 480000 500000 520000
2200
0024
0000
2600
0028
0000
3000
00
0.00
0.02
0.04
0.06
0.08
0.10
0.12
0.14
(b)
Rysunek 8: (a) IK zlogarytmowanych powierzchni zabudowanych: estymator
P{z(x) > 6, 039}; (b) wariancja [bezwym.].17 / 23
Cel i zakres analizy Geostatystyka Wyniki Wnioski � Literatura
Wynik analizy
460000 480000 500000 520000
2200
0024
0000
2600
0028
0000
3000
00
0.0
0.2
0.4
0.6
0.8
1.0
(a)
°E
°N
18.4 18.6 18.8 19.0 19.2 19.4
49.9
50.0
50.1
50.2
50.3
50.4
50.5
(b)
Rysunek 9: (a) IK zlogarytmowanych powierzchni zabudowanych: estymator
P{z(x) > 6, 039}; (b) Schemat Slaskiego Systemu Ciepłowniczego.18 / 23
Cel i zakres analizy Geostatystyka Wyniki Wnioski � Literatura
Kriging – komentarze
◦ Kiedy OK wyznacza „sredni” rozkład przestrzenny powierzchni
zabudowanych, IK pozwala oszacowac obszar, gdzie emisja nie jest
proporcjonalna do powierzchni zabudowanych.
◦ IK efektywnie odwzorowuje schemat infrastruktury ciepłowniczej, co jest
znaczacym wkładem w poprawe inwentaryzacji emisji w skali lokalnej.
19 / 23
Cel i zakres analizy Geostatystyka Wyniki Wnioski � Literatura
Wnioski
◦ Rozwój metodyk dezagregacji przestrzennej emisji zanieczyszczen do powietrza
wykorzystujacy techniki geostatystyczne jest wazny dla prac zwiazanych z
zagadnieniami jakosci powietrza i klimatu w miastach.
◦ Wykorzystanie przedstawionej metodyki moze znaczaco ułatwic inwentaryzacje
emisji z małych zródeł tzw. „niskiej emisji”.
◦ Wystepowanie infrastruktury ciepłowniczej znaczaco zmienia wzajemny stosunek
„ciepła sieciowego” do „niskiej emisji”.
◦ Wyniki moga byc wykorzystane w inwentaryzacji „niskiej emisji”.
20 / 23
Cel i zakres analizy Geostatystyka Wyniki Wnioski � Literatura
Wnioski
◦ Rozwój metodyk dezagregacji przestrzennej emisji zanieczyszczen do powietrza
wykorzystujacy techniki geostatystyczne jest wazny dla prac zwiazanych z
zagadnieniami jakosci powietrza i klimatu w miastach.
◦ Wykorzystanie przedstawionej metodyki moze znaczaco ułatwic inwentaryzacje
emisji z małych zródeł tzw. „niskiej emisji”.
◦ Wystepowanie infrastruktury ciepłowniczej znaczaco zmienia wzajemny stosunek
„ciepła sieciowego” do „niskiej emisji”.
◦ Wyniki moga byc wykorzystane w inwentaryzacji „niskiej emisji”.
20 / 23
Cel i zakres analizy Geostatystyka Wyniki Wnioski � Literatura
Wnioski
◦ Rozwój metodyk dezagregacji przestrzennej emisji zanieczyszczen do powietrza
wykorzystujacy techniki geostatystyczne jest wazny dla prac zwiazanych z
zagadnieniami jakosci powietrza i klimatu w miastach.
◦ Wykorzystanie przedstawionej metodyki moze znaczaco ułatwic inwentaryzacje
emisji z małych zródeł tzw. „niskiej emisji”.
◦ Wystepowanie infrastruktury ciepłowniczej znaczaco zmienia wzajemny stosunek
„ciepła sieciowego” do „niskiej emisji”.
◦ Wyniki moga byc wykorzystane w inwentaryzacji „niskiej emisji”.
20 / 23
Cel i zakres analizy Geostatystyka Wyniki Wnioski � Literatura
Wnioski
◦ Rozwój metodyk dezagregacji przestrzennej emisji zanieczyszczen do powietrza
wykorzystujacy techniki geostatystyczne jest wazny dla prac zwiazanych z
zagadnieniami jakosci powietrza i klimatu w miastach.
◦ Wykorzystanie przedstawionej metodyki moze znaczaco ułatwic inwentaryzacje
emisji z małych zródeł tzw. „niskiej emisji”.
◦ Wystepowanie infrastruktury ciepłowniczej znaczaco zmienia wzajemny stosunek
„ciepła sieciowego” do „niskiej emisji”.
◦ Wyniki moga byc wykorzystane w inwentaryzacji „niskiej emisji”.
20 / 23
Cel i zakres analizy Geostatystyka Wyniki Wnioski � Literatura
21 / 23
Cel i zakres analizy Geostatystyka Wyniki Wnioski � Literatura
�
Krystian Szczepanski1 Jarosław Zawadzki2
IOS-PIB PW, WIBHiIS, ZIiBJS
Damian Zasina 3
IOS-PIB/KOBiZE
PW, WIBHiIS, ZIiBJS
1 [email protected]; 2 [email protected]; 3 [email protected].
22 / 23
Cel i zakres analizy Geostatystyka Wyniki Wnioski � Literatura
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
wskaznikowego,” Inzynieria i Ochrona Srodowiska, vol. 6, no. 3/4, pp. 407–424, 2003.
M. Plebankiewicz and A. Jankowski, “Ciepło dla aglomeracji miast slaskich do wsparcia z funduszy unijnych,” Wokół Energetyki, no. 3, pp. 1–4, 2007.
W. Nikodem, “Rozwazania nad kompleksowa modernizacja systemu zaopatrzenia w ciepło Konurbacji Slaskiej,” Energetyka, no. 5, pp. 381–388, 2008.
23 / 23