Informacja

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

Wyszukujesz frazę "monitoring zanieczyszczen" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Analiza trendów zmian stężeń zanieczyszczeń powietrza w województwie mazowieckiem
Analysis of trends of air pollutants concentrations in Masovian Voivodeship
Autorzy:
Hoffman, S
Filak, M.
Powiązania:
https://bibliotekanauki.pl/articles/126773.pdf
Data publikacji:
2018
Wydawca:
Towarzystwo Chemii i Inżynierii Ekologicznej
Tematy:
zanieczyszczenia powietrza
monitoring powietrza
województwo mazowieckie
stężenia zanieczyszczeń
długoletnie trendy
air monitoring
Masovian Voivodeship
air pollutants
concentration
long-term trends
Opis:
Celem pracy było określenie trendów zmian stężeń imisyjnych podstawowych zanieczyszczeń powietrza, takich jak NO2, SO2, PM10, O3, dla wybranych miejscowości w województwie mazowieckim. Podstawą opracowań były dane z okresu 2005-2016, zarejestrowane na automatycznych stacjach monitoringu powietrza w 4 różnych miejscowościach województwa. Każda z wybranych stacji reprezentowała jedną z 4 stref województwa. 1-godzinne surowe dane chwilowe pozyskane z bazy danych Głównego Inspektoratu Ochrony Środowiska uśredniono do stężeń średniomiesięcznych. Uzyskane serie czasowe danych średniomiesięcznych posłużyły do wizualizacji zmian i do statystycznej oceny trendów. Wyznaczone trendy zostały wykorzystane do oceny zagrożenia środowiska. W wyniku analizy trendów stwierdzono, że ogólna tendencja poziomów stężeń zanieczyszczeń w województwie mazowieckim jest spadkowa. Największe obniżenie poziomów stężeń w powietrzu odnotowano w przypadku SO2. Dla stężeń PM10 także zaobserwowano tendencję spadkową. W przypadku NO2 zmiany stężeń były mniej regularne i kierunek zmian zależał od położenia stacji. Dla stężeń O3 stwierdzono spadek lub stabilizację poziomu stężeń.
The purpose of the analysis was to determine the trends of changes in ambient concentrations of basic air pollutants, such as O3, NO2, SO2, PM10, for some chosen sites in Masovian Voivodship. The basis for the studies were data from the period 2005-2016, collected at automatic air monitoring stations at 4 different places in the Voivodship. Each of the selected stations represented one of the four provincial zones. Hourly data obtained from the database of the Chief Inspectorate of Environmental Protection were averaged to monthly concentrations. The obtained time series of monthly concentrations were used to visualize changes and to estimate trends. The determined trend lines have been used to assess the threat to the environment. As a result of the trend analysis, it was found that the general trend of pollutant concentration levels in the Masovian Voivodship is decreasing. The greatest reduction in air concentration levels was recorded in the case of SO2. In the case of concentrations of PM10, the downward trends were also observed. Only in the case of NOx, the changes in concentrations were less regular and the direction of changes depended on location of the station. For ozone concentrations, the decreasing or the stabilization were observed.
Źródło:
Proceedings of ECOpole; 2018, 12, 2; 483-489
1898-617X
2084-4557
Pojawia się w:
Proceedings of ECOpole
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
    Wyświetlanie 1-2 z 2

    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