Informacja

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

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę ""zanieczyszczenia powietrza"" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    Wpływ źródeł spalających paliwa stałe na zanieczyszczenie środowiska pyłem PM10 na przykładzie miasta Tarnowskie Góry
    The impact of sources burning solid fuels on environmental pollution with PM10 on the example of the city Tarnowskie Góry
    Autorzy:
    Zajusz-Zubek, Elwira
    Filipek, Justyna
    Mainka, Anna
    Powiązania:
    https://bibliotekanauki.pl/articles/297666.pdf
    Data publikacji:
    2019
    Wydawca:
    Politechnika Częstochowska. Wydawnictwo Politechniki Częstochowskiej
    Tematy:
    air pollution
    PM10
    trace elements
    low emission
    zanieczyszczenia powietrza
    pierwiastki śladowe
    niska emisja
    Opis:
    One of the most dangerous pollutants in the atmospheric air is particulate matter (PM). The National Center for Emissions Management (KOBiZE) indicates that approx. 50% of PM10 emission is responsible for the so-called low emission. Home sources are particularly dangerous during the heating season, not only because of the higher amount of fuel burned compared to the rest of the year but above all because of its quality. Individual sources use low-quality coal, biomass for heating purposes and municipal waste (despite the government ban). Dust emitted from households, due to its chemical composition, and toxic effects pose a threat to human health. The aim of the work was to investigate the concentration of PM10 and trace elements content (chromium, zinc, cadmium, cobalt, manganese, nickel and lead). The studies were carried out in Tarnowskie Góry, Upper Silesia Region during the heating season. The measuring point was located on the estate of single-family houses at a distance of 100 m from the road with high traffic volume. The 24 h PM10 samples were collected for 30 days from 3.01.2018 to 3.02.2018 using the gravimetric method. Dust samples were collected using the ATMOSERVICE dust sampler. The next step obtained the determination of the concentration of heavy metals in PM10 by atomic absorption spectrometry, AVANTA PM, GBC. The results show that PM10 concentration in the heating season exceeded the limit value 50 μg/m3 (for 19 out of 30 days). The average concentration was 64.56±30.38 μg/m3, the highest concentration of PM10 was 119.99 μg/m3 (exceeded the limit value 2.4 fold), while the lowest concentration was 18.78 μg/m3. On the basis of the chemical analysis, small concentrations of heavy metals were found. The following order of average concentration of seven trace elements was found: Zn > Pb > Mn > Cr > Cd > Co > Ni. The concentration values of individual heavy metals in samples collected in the area of Tarnowskie Góry ranged from 0.14 ng/m3 in the case of cadmium to 476.97 ng/m3 for zinc. The concentration of cadmium, nickel, and lead in PM10 did not exceed the permissible level, while in the case of cadmium, the permissible level was exceeded for 14 days from 30 measurement days. Higher concentrations of Zn and Pb indicate the important role of Zinc Smelter Miasteczko Śląskie influencing the air quality of the city of Tarnowskie Góry. In order to improve the air quality in the city of Tarnowskie Góry, strict control activities should be carried out in order to execute the ban on waste incineration. The second aspect should include the guidelines on working heat and electricity supply systems that do not cause excessive pollution, in particular, particulate matter.
    Przedstawiono wyniki pomiarów stężeń pyłu PM10 pobranego w mieście Tarnowskie Góry woj. śląskie w trakcie sezonu grzewczego (styczeń 2018 r.). Zgodnie z indeksami jakości powietrza, ze względu na stężenie pyłu PM10 uzyskane wyniki pomiarów wskazują na umiarkowaną jakość powietrza w mieście. Przeprowadzone badania występowania wybranych pierwiastków śladowych, takich jak: chrom, cynk, kadm, kobalt, mangan, nikiel oraz ołów, w pyle PM10 utworzyły następujący szereg Zn > Pb > Mn > Cr > Cd > Co > Ni. Analiza uzyskanych stężeń pierwiastków śladowych wskazuje na dwa istotne źródła emisji tych metali do powietrza atmosferycznego. Stężenia kadmu, przekraczające wartość dopuszczalną, wskazują istotny wpływ niskiej emisji z palenisk indywidualnych, w szczególności ze spalania odpadów. Natomiast 10-krotnie wyższe stężenia cynku oraz 20-krotnie wyższe stężenia ołowiu w porównaniu do innych miast Śląska wskazują na istotny udział Huty Cynku Miasteczko Śląskie w kształtowaniu jakości powietrza miasta Tarnowskie Góry.
    Źródło:
    Inżynieria i Ochrona Środowiska; 2019, 22, 1; 15-26
    1505-3695
    2391-7253
    Pojawia się w:
    Inżynieria i Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Analiza występowania pierwiastków śladowych w formie mobilnej frakcji respirabilnej pyłu (PM2,5) pobranego w otoczeniu elektrowni węglowej
    Analysis of trace elements in the mobile form of respirable fraction PM2.5 collected in the surroundings of power plant
    Autorzy:
    Zajusz-Zubek, E.
    Mainka, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/297310.pdf
    Data publikacji:
    2015
    Wydawca:
    Politechnika Częstochowska. Wydawnictwo Politechniki Częstochowskiej
    Tematy:
    analiza specjacyjna
    PM2,5
    metale ciężkie
    elektrownia węglowa
    zanieczyszczenia powietrza
    speciation analysis
    heavy metals
    power plant
    air pollutants
    Opis:
    W pracy przedstawiono wstępne wyniki badań występowania wybranych pierwiastków śladowych (As, Cd, Co, Cr, Pb, Sb i Se), należących do grupy HAPs (ang. Hazardous Air Pollutants), w formie biodostępnej frakcji respirabilnej (PM2,5). Odpowiednią frakcję pyłu pobrano w otoczeniu pracującej elektrowni węglowej opalanej węglem kamiennym. Analiza specjacyjna frakcji pyłu PM2,5 została przeprowadzona według zmodyfikowanego schematu Tessiera z wykorzystaniem ekstrakcji formy rozpuszczalnej w wodzie (Frakcja 1). Średnie stężenia pierwiastków badanych we frakcji rozpuszczalnej w wodzie utworzyły następujący szereg: Pb>Cr>As>Sb>Cd>Se>Co. Jest on zbliżony do szeregu otrzymanego w źródłach literaturowych.
    Research regarding environment and dust exposition conducted so far has been based on theoretical factors. These factors primarily concern the total content of heavy metals in suspended dust. However, there is a shortage of data on the specific chemical forms of trace elements. These forms condition the heavy metal threat on the environment and human health. Based on the results of chemical speciation, we can define the mobility of elements (including heavy metals) in the environment, that is, their bio-chemical activity during assimilation by organisms. The paper presents preliminary results of the occurrence of selected trace elements (As, Cd, Co, Cr, Pb, Sb and Se) that belong to the HAPs group (Hazardous Air Pollutants) in the PM2.5 water soluble form. The appropriate fraction of particulate matter was collected by Dekati PM10 Impactor in the surroundings of a working power plant that is fired with hard coal. The speciation analysis of PM2.5 fraction was conducted using a modified Tessier scheme. This procedure employs the extraction of a water soluble fraction (Fraction 1). The concentrations of elements were determined using the ICPMS technique. Measurements delivered data on the average concentration of respirable fraction PM2.5, which equaled 22.93 μg/m3. While conducting the research in the surroundings of a working power plant, a relatively high ratio of PM2.5 to TSP (83%) and to PM10 (88%) was found. Among the determined trace elements, the highest average total concentration in PM2.5 was found for Pb (82.17 ng/m3), while the lowest (less than 1 ng/m3) was found for Co. The highest average concentration in water soluble fraction F1 in PM2.5 was also found for Pb (12,97 ng/m3), while the lowest concentration (below 1 ng/m3) was found for Sb, Cd, Se and Co. The average concentrations of trace elements determined in the bioavailable fraction were found in a following order: Pb>Cr>As>Sb>Cd>Se>Co. This sequence is similar to the order received in the existing literature. In future, received data will assist in determining the forms of hazardous trace elements in total suspended particles (TSP), suspended dust (PM10) and in respirable fraction (PM2.5) in the surroundings of selected working power plants.
    Źródło:
    Inżynieria i Ochrona Środowiska; 2015, 18, 2; 245-258
    1505-3695
    2391-7253
    Pojawia się w:
    Inżynieria i Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prediction of monthly averages of air pollutant concentrations for selected areas in Mazovian Voivodeship
    Predykcja średniomiesięcznych stężeń zanieczyszczeń powietrza dla wybranych obszarów województwa mazowieckiego
    Autorzy:
    Hoffman, S.
    Filak, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/297072.pdf
    Data publikacji:
    2018
    Wydawca:
    Politechnika Częstochowska. Wydawnictwo Politechniki Częstochowskiej
    Tematy:
    air pollution
    air monitoring
    pollutant concentrations
    monthly concentrations
    multivariate regression models
    approximation error
    zanieczyszczenia powietrza
    monitoring powietrza
    stężenia zanieczyszczeń
    stężenia średniomiesięczne
    modele regresji wielowymiarowej
    błąd aproksymacji
    Opis:
    The study was carried out using long-term data, recorded at two air monitoring stations in Masovian Voivodeship. Hourly time series, obtained from the monitoring system, were averaged in calendar months to get monthly time series. The data sets, containing time series of monthly mean values from two different monitoring sites, were subjected to multivariate regression analysis. Models of multidimensional linear regression were built for the both sets of data. The obtained models describe statistical dependencies between concentrations of specified air pollutants and concentrations of other pollutants and meteorological parameters, recorded at the same monitoring station. The achieved regression equations were used to predict long-term courses of monthly concentrations. For visualization of prediction accuracy, the charts containing time series of actual and predicted monthly concentrations were prepared. The approximation precision was estimated by calculating modelling errors for each regression model. Three different measures of approximation error were applied: mean absolute error (MAE), root mean square error (RMSE), and Pearson correlation coefficient (r).
    Badania przeprowadzono, wykorzystując wieloletnie dane pomiarowe zarejestrowane na dwóch stacjach monitoringu powietrza w województwie mazowieckim. 1-godzinne serie czasowe uśredniono w okresach miesięcznych, uzyskując średniomiesięczne serie czasowe. Zbiory danych zawierających serie czasowe wartości średniomiesięcznych poddano analizie regresji wielowymiarowej. W obu zbiorach szukano modeli wielowymiarowej regresji liniowej, opisujących statystyczną zależność stężeń poszczególnych zanieczyszczeń powietrza od stężeń pozostałych zanieczyszczeń i od parametrów meteorologicznych. Otrzymane równania regresji wykorzystano do predykcji średniomiesięcznych stężeń zanieczyszczeń powietrza. Sporządzono wykresy zawierające serie czasowe rzeczywistych i przewidywanych stężeń średniomiesięcznych, które pozwoliły na wizualizację dokładności predykcji. Oszacowano również dokładność aproksymacji, obliczając błędy modelowania dla każdego z modeli regresyjnych. Zastosowano trzy różne miary błędu aproksymacji, obliczając dla modeli regresyjnych średni błąd bezwzględny (MAE), pierwiastek z błędu średniokwadratowego (RMSE), współczynnik korelacji Pearsona (r).
    Źródło:
    Inżynieria i Ochrona Środowiska; 2018, 21, 4; 321-333
    1505-3695
    2391-7253
    Pojawia się w:
    Inżynieria i Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Klasyfikacja luk pomiarowych w danych rejestrowanych na stacjach monitoringu powietrza
    Classification of air monitoring data gaps
    Autorzy:
    Hoffman, S.
    Jasiński, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/297005.pdf
    Data publikacji:
    2009
    Wydawca:
    Politechnika Częstochowska. Wydawnictwo Politechniki Częstochowskiej
    Tematy:
    zanieczyszczenia powietrza
    monitoring automatyczny
    dane
    stężenia chwilowe
    brakujące dane
    luki pomiarowe
    klasyfikacja
    air monitoring
    hourly concentrations
    monitoring data
    air pollution
    missing data
    measure gaps
    classification
    Opis:
    Rejestrowane na stacjach monitoringu powietrza zbiory danych nigdy nie są kompletne. W skali roku liczba odnotowywanych braków jest zmienna. Ocena jakości powietrza na podstawie niepełnych pomiarów jest utrudniona. Obowiązujące przepisy prawne dopuszczają możliwość wykorzystania modelowania w celu uzupełnienia brakujących danych. Rozpoznanie typowych struktur obszarów z brakującymi danymi umożliwia ich klasyfikację, a następnie rekomendację odpowiednich metod modelowania dla wyszczególnionych klas. Celem badań było wytypowanie charakterystycznych struktur luk pomiarowych w zbiorach danych i określenie częstości ich występowania. Klasyfikację przypadków z brakującymi danymi zaproponowano na podstawie przeglądu wieloletnich danych, pochodzących z kilku różnych stacji pomiarowych automatycznego monitoringu powietrza. Analizowano serie czasowe chwilowych stężeń podstawowych zanieczyszczeń powietrza (O3, NO2, NO, PM10, SO2, CO), zarejestrowanych w latach 2004-2008 na stacjach monitoringu powietrza Warszawa-Ursynów, Radom, Łódź-Widzew, Piotrków Trybunalski. Na podstawie wyników przeprowadzonej analizy można stwierdzić, że brakujące dane występują powszechnie w zbiorach danych pochodzących z monitoringu powietrza. Częstość ich występowania w rocznych seriach pomiarowych może wynosić od kilku do nawet kilkudziesięciu procent. Większość luk pomiarowych jest krótka - stanowią je głównie pojedyncze przypadki. Zdecydowanie rzadziej występują bloki brakujących danych, przekraczające 3-4 przypadki (dłuższe od 3-4 godzin). Największą częstość występowania przypadków z niezarejestrowanymi wynikami odnotowano dla luk najdłuższych, obejmujących więcej niż 24 przypadki (>24 godziny).
    The data gathered continuously in the air monitoring systems are never entire. In the whole year, the number of missing records is changeable. The deficiency of data could result in uncertainty of a statistical assessment, required by the air quality standards, and cause the uselessness of monitoring measurements. Air quality standards permit to use modelling in order to recreate the missing data when the completeness of the monitoring set is not sufficient. Applied modelling methods should guarantee possibly the best precision to achieve the air quality assessment being closest to reality. Single, specified method does not assure the maximal accuracy because the missing data in data matrix may create gaps of various shapes and ranges. Recognition of typical structures of missing data fields should be the base of their classification. For the specified classes of gaps the optimum modelling methods may be recommended and assigned. The main objective of the analysis was to select typical patterns of gaps in air monitoring data matrixes, and the assessment of their appearing. The missing data classification was suggested after long-term data survey. The analyzed data sets derived from 4 different air monitoring sites in the Central Poland (Warsaw-Ursynów, Radom, Lodz-Widzew, Piotrków Trybunalski). The data were gathered in the period 2004-2008. The examined time-series involved hourly concentrations of main air pollutants: O3, NO2, NO, PM10, SO2, CO. The results allow coming to some general conclusions. Missing data commonly occur in sets of air monitoring records. Gaps may include up to several or even more per cent of all expected data in yearly measuring series. For all air pollutants, the most of the gaps in monitoring time series are very short. Single (1-hour) missing values dominate among gaps of different length. Gaps lengths exceeding 3-4 hours are observed occasionally. However, the greatest frequency of single without-data cases appearing is observed in the longest gaps (>24 hours), because of their lengths.
    Źródło:
    Inżynieria i Ochrona Środowiska; 2009, 12, 2; 101-117
    1505-3695
    2391-7253
    Pojawia się w:
    Inżynieria i Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Porównanie dokładności różnych metod predykcji stężeń zanieczyszczeń powietrza
    A comparison of accuracies of different air pollutants concentration prediction methods
    Autorzy:
    Hoffman, S.
    Jasiński, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/297662.pdf
    Data publikacji:
    2009
    Wydawca:
    Politechnika Częstochowska. Wydawnictwo Politechniki Częstochowskiej
    Tematy:
    zanieczyszczenia powietrza
    monitoring powietrza
    stężenia chwilowe
    dane monitoringu
    brakujące dane
    luki pomiarowe
    aproksymacja
    modele szeregów czasowych
    modele regresyjne
    sieci neuronowe
    air monitoring
    hourly concentrations
    monitoring data
    air pollution
    missing data
    measure gaps
    approximation
    time series models
    regression models
    neural networks
    Opis:
    W analizie wykorzystano dane zarejestrowane w latach 2004-2008 na ośmiu stacjach monitoringu powietrza działających w różnych miejscowościach województw łódzkiego i mazowieckiego. W pracy badano możliwości aproksymacji stężeń zanieczyszczeń mierzonych na stacjach monitoringu powietrza. Ocenę jakości modelowania wykonano poprzez porównanie modelowanych stężeń ze stężeniami rzeczywistymi. Do predykcji stężeń wykorzystano sieci neuronowe. Porównywano dokładność pięciu różnych grup modeli: modeli szeregów czasowych, liniowych modeli regresji wielowymiarowej, nieliniowych modeli regresji wielowymiarowej, liniowych modeli regresji wielowymiarowej eksplorujących dane pochodzące z sąsiednich stacji monitoringu i nieliniowych modeli regresji wielowymiarowej eksplorujących dane pochodzące z sąsiednich stacji monitoringu. Celem praktycznym była rekomendacja optymalnych technik modelowania luki pomiarowej obejmującej pewien dłuższy fragment serii czasowej tylko jednego z zanieczyszczeń powietrza przy założeniu, że są dostępne wszystkie pozostałe dane, w tym dane pochodzące z sąsiednich stacji monitoringu powietrza. Wykonana analiza wykazała, że dla każdego z zanieczyszczeń powietrza należy rekomendować inne metody predykcji, ponieważ występują duże różnice w możliwościach modelowania poszczególnych zanieczyszczeń powietrza. Stężenia takich zanieczyszczeń, jak O3, SO2, PM10 można efektywnie modelować metodą szeregów czasowych, ale tylko do pewnego horyzontu prognozy, po którym regresyjne metody modelowania okazują się dokładniejsze. W modelowaniu stężeń O3 i PM10 efektywne może się okazać wykorzystanie stężeń tych zanieczyszczeń zarejestrowanych na innych stacjach monitoringu powietrza. W przypadku pozostałych zanieczyszczeń NO, NO2 i CO zasadne jest stosowanie tylko jednej metody modelowania - analizy regresji. Liniowe modele regresyjne są mniej dokładne od ich nieliniowych odpowiedników. Różnice dokładności obu typów modeli nie zawsze są duże. Dlatego modele liniowe mogą stanowić praktyczną alternatywę dla nieliniowych odpowiedników.
    Air monitoring data collected over a 5-year period at 8 different measure sites in Central Poland were used as the database for analysis purposes. Approximation of concentrations of monitored air pollutants were done by means of several prediction methods: time series analysis, regression analysis with predictors from a single monitoring station, and regression analysis with external predictors. Separate models were created for O3, NO2, NO, PM10, SO2, CO. Modelled and measured concentrations were compared. As a result prediction errors were calculated for each model. The main objective of analysis was a comparison of prediction results, and recommendation the most accurate modelling methods, dedicated to specified pollutants. The examination was made by means of artificial neural networks, which were employed to create all types of models.
    Źródło:
    Inżynieria i Ochrona Środowiska; 2009, 12, 4; 307-325
    1505-3695
    2391-7253
    Pojawia się w:
    Inżynieria i Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      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