Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

Spatiotemporal Variations of Particulate Matter in Tirana

Tytuł:
Spatiotemporal Variations of Particulate Matter in Tirana
Autorzy:
Hysenaj, Medjon
Duraj, Siditë
Powiązania:
https://bibliotekanauki.pl/articles/2028002.pdf
Data publikacji:
2021
Wydawca:
Polskie Towarzystwo Inżynierii Ekologicznej
Tematy:
interpolation
GIS
TSPM
air quality
relationship
PM₁₀
Źródło:
Journal of Ecological Engineering; 2021, 22, 11; 209-214
2299-8993
Język:
angielski
Prawa:
CC BY: Creative Commons Uznanie autorstwa 4.0
Dostawca treści:
Biblioteka Nauki
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie
Air pollution regards all chains of environmental prospective. As an actualized and future issue we concentrate our efforts to set a frame on major air pollutants and their relation. The period of study rely on 15 year time interval (2012-2016) and the geographical area is focused on data retrieved from the capital, Tirana. We canalize our investigation mainly on inhalable particle and their behavior toward other particles. The goal is to establish $PM_{10}$ (Particulate Matter with a diameter < 10 μm) trend based on significant associations. We develop the analytical process due to air pollution numbers which turn to be of considerable concern in the country. $PM_{10}$ and Total Suspended Particulate Matter (TSPM) have different diameter but reflect the same trend line. They show strong positive correlation value with $O_3$ and $SO_2$ (r > 0.75). $NO_2$ particles seem to be less (r < 0.25) involved in this interaction. AQI (Air Quality Index) is fully depended (r > 0.92) on $PM_{10}$ behavior. We test also socioeconomic and meteorological parameters that produce interesting results. IDW (Inverse Distance Weight) interpolation maps resume the geographical dispersion of $PM_{10}$ values. The reductive emission index retrieved from Euro standard transition for vehicle fleet develops a new situation. We generate potentially future values of $PM_{10}$ emission. Predictive scenario is created, interpolation maps are the backbone of this methodology.

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies