Съдържание страница 1 Въведение 5 1 Обхват на наръчника 5

6.3.2.2Модели с ветрово поле

В случай че ветровото поле е повлияно от топографските особености, диагностичните модели с ветрово поле използват дигитален теренен модел, скоростта и посоката на вятъра например в някоя станция за мониторинг в района и някои опростени предположения, за да изчислят скоростта и посоката върху цялата територия. Примери за тези модели са CONDOR (Университет Карлсруе), MKW (немска Метеорологична служба) или DIWIMO (фирма Lohmeyer Consulting Engineers) или моделът с ветрово поле, съдържащ се в LASAT (фирма Ingenieurbüro Janicke). При всички тях не се изисква голяма изчислителна мощност.

В случай че опростените предположения на диагностичните модели не могат да бъдат приети, например ако наклонът на хълмистия терен е достатъчно голям, за да предизвика разделяне на потока, трябва да се използват прогностични модели. Примери за такива модели са FITNAH (Университет Хановер), MM5 (САЩ) или METRAS (Университет Хамбург). При тези модели обаче се изисква много изчислително време и знания за работа с тях така, че приложението им не е толкова разпространено.

Особено при планински райони и при изчисляването на дисперсията от източници на ниско ниво извън застроените области, може да се окаже необходимо да се отчитат долинните дренажни потоци, осъществяващи се през нощи с ниски скорости на вятъра в региона и без съществена облачност. При моделите за долинни дренажни потоци са необходими входни данни за цифрово издигане и теренно моделиране. Примери за такива модели са KLAMM (Немска Метеорологична служба) или KALM (фирма Lohmeyer Consulting Engineers).

Особено при изчисляването на дисперсията вътре в застроени райони в случай на емисии на ниско ниво близо до сгради или емисии от отработени газове на автомобили в улични каньони или улици, граничещи със сгради, са необходими т.нар. струйни модели на микрониво. И в този случай съществуват диагностични модели, базирани на някои опростени предположения с цел облекчаване на изчисляването, както и прогнозни модели за по-добро качество. За всички тези модели е необходим цифров модел на сградите в изследвания район. Примери за диагностични модели са АВС (фирма Ingenieurbüro IMA, Фрайбург) или DASIM (Университет Дармщат). Примери за прогнозни модели са MUKLIMO (Немска Метеорологична служба), MIMO (Солунски Университет), CHENSI (Университет Нант) или MISKAM (Университет Майнц). И двата вида модела са често срещани в практическото им приложение. Понякога за атмосферните потоци се използват и CFD-програмни кодове, първоначално произлизащи от приложения за задачи по динамика на флуидите в машинното инженерство като TASKflow, STAR-CD, PHOENIX. Тест на тези модели, направен в рамките на TRAPOS, може да се види на http://www.dmu.dk/AtmosphericEnvironment/trapos/.

6.3.2.3Модели за изчисляване дисперсията на емисии от комини и издигнати площни източници

Моделите за дисперсия на емисии от комини и от издигнати площни източници в плосък терен без съществено влияние на сгради обикновено са струйни Гаусови модели. В техните основни уравнения са залегнали предположения за вертикален профил на вятъра, независим от височината над земята. Ето защо е възможно затворено аналитично решениена различните уравнения, като за тях не е необходимо много изчислително време. Много държави използват тези Гаусови струйни модели с регулативни цели. Има известни малки разлики между моделите в начина, по който изчисляват издигането на струята чрез изтласкващата сила и импулса на силата, както и вертикалното и хоризонталното разпространение на струята чрез атмосферната турбулентност; някои държави използват параметрите на Turner, други – тези на Pasquill-Gifford, трети – тези на Klug-Manier. Но по същество те всички са еднакви. Примери за такива модели са ISC (САЩ), AUSTAL86 (Германия), PLUME (България), UDM-FMI (Финландия) и много други. ADMS (Великобритания) и AERMOD (САЩ) работят на Гаусовия принцип, поне в хоризонталното измерение. Все още не е постигната хармонизация на европейско ниво.

Към тази група модели спадат и IMMIS-NET (фирма IVU GmbH, Sexau), който се основава на AUSTAL86 и е допълнен с още характеристики за по-лесна работа и включване на дисперсията на отработени газове от автомобилите. TALBO (фирма Lohmeyer Consulting Engineers) също спада към тази група, като не се различава много от IMMIS-NET, но разширената версия на TALBO може да работи с усложнения модел на издигане на струята на Schatzmann (1979).
Tопографски повлиян терен

При терени, за които топографията променя полето на потока на локално ниво, Гаусовите струйни модели могат да се използват, само ако се сметне, че тази промяна е незначителна. В случай че такива модели се използват въпреки важните влияния на топографията, съществуват схеми за корекция, но обикновено те не дават много убедителни резултати.

В случай че топографските особености са важни, трябва да се използват модели, които са в състояние да отчитат локално променящото се струйно поле. Видовете модели, които могат да постигат това, са Гаусови “облачни” модели, модели на Ойлер и модели на частиците (=модели на Лагранж). Гаусовите “облачни” модели разделят непрекъснатата струя на единични “облаци”, следващи променящото се поле на потока и разпръскващи се в зависимост от разстоянието им от източника чрез надлъжни, хоризонтални и вертикални дисперсионни параметри. Моделът на Ойлер и този на частиците са растерни модели; те работят на основата на 3-измерен растер, обхващащ изследваната област. Ойлеровите модели пренасят замърсителя от една клетка на растера към друга чрез конвекция и турбулентност. При моделите на частиците частиците се освобождават една след друга от източника, пренасят се чрез полето на потока, на края на изчисляването се установява броят на частиците във всяка клетка на растера и се използва, за да се определи концентрацията. Примери за подемни Гаусови модели са CALPUFF (САЩ) или PIMPUFF (Дания), за Ойлерови модели – KAMM (Университет Карлсруе) и METRAS (Университет Хамбург), а за модели на частиците – LASAT (фирма Ingenieurbüro Janicke), AUSTAL2000 (Германия) или SPRAY (Италия).
Сгради в близост до източника

В случай че близо до комина има сгради, трябва да се вземе предвид изменението на полето на потока поради сградите. Това може да стане с различни степени на сложност. Единият начин е все пак да се използва Гаусов струен модел, но да се отчете влиянието на сградите чрез емпирично намаление на ефективната височина на комина (причинена от низходящ поток), и чрез емпирично увеличение на хоризонталните и вертикалните дисперсионни параметри (причинени от увеличената атмосферна турбулентност). Пример за такъв модел е AUSTAL86 (Германия).

Другият начин да се вземат под внимание сградите е първо да се изчисли промяната във ветровото поле (вж. гореспоменатите модели с ветрово поле, например чрез ABC, MISKAM или модела на полето на потока LASAT) и след това да се изчисли дисперсията в рамките на това поле на потока, например чрез LASAT или AUSTAL2000.

6.3.2.4Модели за изчисляване дисперсията на изгорели автомобилни газове

Повечето Гаусови струйни модели се използват за плосък терен, модифицирани за причинената от автомобилите турбулентност например чрез предположение за определена първоначална вертикална дисперсия над пътя и модифицирани чрез разширен статистически модул, вземащ предвид вариациите на емисиите. Примери за такива модели са CALINE или Breeze-roads (САЩ), ADMS-roads (Великобритания), Immiss-NET (фирма IVU GmbH, гр. Сексау), CAR-FMI (Финландия) или PROKAS_V (фирма Lohmeyer Consulting Engineers).

В топографски повлиян терен полето на потока и долинните дренажни потоци се изчисляват чрез модели с поле на вятъра, както бе описано по-горе, а дисперсията вътре в тези ветрови полета се изчислява например с LASAT.
Застроен терен и улични каньони

В застроен терен и улични каньони трябва да се отчита промяната в полето на потока. Тук отново съществуват различни степени на сложност и различни процедури.

Някои модели се базират на опростени предположения за полето на потока и дисперсията в това поле на потока, но се прави внимателно калибриране на моделите чрез сравнение на получените чрез тях резултати с измервания на открито. Примери за такива модели са CPB (Германия) и OSPM (Дания). Тези модели не използват 3-измерни дигитални модели за сгради като входни данни.

Други модели използват на входа си 3-измерните модели за цифровизиране на сградите, но само при разработването на моделите. При тях се задават например 10, 30 или 100 различни типични представени в безмерен вид сградни конфигурации, правят се изчисления за тези случаи и резултатите се съхраняват в база данни. Потребителят на моделите класифицира сградната конфигурация за конкретно необходимото приложение и по този начин използва предварително изчислен резултат, чийто мащаб се определя съгласно абсолютните измерения на приложението. Примери за такива модели са STREET (без изрична възможност за входни данни за емисията) и PROKAS_B (с отделна възможност за вкарване на емисиите).

Други модели извършват пресмятането на база на цифров сграден модел, който трябва да се зададе подробно от потребителя. След това те изчисляват ветровото поле чрез диагностичен или прогнозен модел на ветрово поле и дисперсията вътре в това поле на потока с помощта на Ойлеров или дисперсионен модел на частиците. Примери за такива видове модели са ABC и DASIM, които използват диагностични модели на ветрово поле, както и MISKAM (Германия), ADMS-URBAN (Великобритания), MUKLIMO (немска Метеорологична служба), Zone (Русия) и т.н.

6.3.3Входни данни за моделите

6.3.4Точност на изчисленията

При прогнозите за концентрацията в атмосферния въздух, дължаща се на емисиите, също както и при измерванията на концентрацията, има рискове от грешки. Много често по отношение на дисперсионните модели се обсъждат въпросите за надеждността на изчисленията и качеството на резултатите. Изчислените концентрации обаче зависят не само от вида дисперсионен модел, но също и от редица входни данни, като всеки от тези фактори влияе повече или по-малко върху предсказаните концентрации. Важни входни параметри са емисиите, структурата на сградите в района, метеорологичните данни и фоновата концентрация.

Поради широкия диапазон от грешки, свързани с всеки вид входни данни и с изчислителните етапи, не е възможно да се направи традиционна оценка на грешката, тъй като диапазонът на грешките при отделните параметри или етапи от цялата дейност не са известни в достатъчна степен на сигурност. Възможно е обаче за моделите да се даде сравнение между действителните измервания и изчисленията, с чиято помощ потребителят може да добие впечатление за качеството на резултатите от изчислението.

По отношение на прогнозите за концентрациите в атмосферния въздух, дължащи се на димните газове от комини Hanna (1993) пояснява, че първоначално трябва грубо да се предположи грешка от + 50% от изчислените средногодишни стойности (това се отнася само до изчислените допълнителни концентрации, без отчитане на съществуващата фонова концентрация; тъй като изчислените допълнителни концентрации обикновено са много малки в сравнение с фоновата, грешката в общата концентрация е по-ниска). От време на време се появяват публикации, съобщаващи за отделни модели, достигащи много по-точно съответствие с измервателните резултати от валидирани набори данни, но това са обикновено особени случаи, които не би следвало да се използват за общи твърдения. Някои от резултатите от измерванията за определяне на отделните дисперсионни параметри за Гаусови струйни модели изглежда се колебаят с + 100% (Thomas et al., 1983).

Наличната информация за изчисляване на концентрации в близост до улици е малко по-подробна. В едно проучване на чувствителността за проекта "Европейски изследователски център за Мерки по контрол на замърсяването на въздуха – PEF" (Flassak et al., 1996) прогнозите за концентрация във въздуха, дължащи се на отработените газове от МПС, също вземат под внимание и влиянието на неточности във входните параметри. Според проучването най-голямото влияние върху стойностите на концентрацията в атмосферния въздух се дължи на входните параметри за изчисляването на емисиите, както и на плътността на сградите, пролуките между сградите покрай уличните платна и разпределението на посоката на вятъра.

Що се отнася до оценката на грешката при емисии от автомобили, може да се добави, че емисиите от пътния транспорт досега не са били измервани пряко, а са били определяни чрез изчисления с модел. Точността на емисиите е в пряка зависимост от диапазона на грешките в базовите данни (т.e. брой на автомобилите, емисионен фактори, разпределение на пробега, автомобилен поток).

Според BASt (1986) отклонението между стойностите от ръчно преброявания среднодневен трафик (СДТ) в сравнение с едновременно събираните данни от преброяване чрез автоматични броячни станции е около 10 %.

По отношение на емисионните фактори, досега все още няма събирани данни за диапазона на грешката. Затова е приета предварителна средна оценка от около 20 %.

Други възможни грешки могат да се дължат на разпределението на километражния пробег на автомобилния парк, групиран по автомобилни пластове, на дела на автомобилите, тръгващи със студен двигател (дял на “студения старт”) и на моделирането на автомобилния поток. В зависимост от изследвания замърсител, тези входни данни могат да оказват различно влияние върху емисиите. Изследванията сочат, че напр. разликата между емисиите, определени на база стандартни стойности за дела на леки и тежкотоварни автомобили и дневните вариационни криви, и емисиите, определени чрез оттчитане на съответните данни, събрани с помощта на преброяване, се движи в диапазона от около 20 %.

Качеството на дисперсионното моделиране е било обект в други PEF-проекти (Röckle & Richter, 1995 и Schädler et al., 1996). Schädler et al. са направили подробно сравнение между измерените стойности на концентрацията на улица Göttinger Street в Хановер, и изчислените с MISKAM резултати. Разликата между измерването и резултатите от изчисленията са били в границите на 10 %, като входните данни в случая на Göt­tinger Street са били много добре известни. В случай че несигурността по отношение на входните данни е по-голяма, следва да се очакват по-големи несигурности в изчисленията. Това сравнение между измерване и изчислени резултати може да се използва за валидиране на модела, вземайки предвид, че и при измерванията, и при изчисленията, има склонност към грешки.

Трябва да се добави, че една грешка в емисиите влияе директно върху изчислената допълнителна концентрация, но не и върху фоновата концентрация, което означава, че влиянието върху общата концентрация в атмосферния въздух е по-малко.

6.3.5Моделиращата система, използвана в Туининг-проекта

6.3.5.1Основно описание на системата

Моделиращата система, която бе използвана в Туининг-проекта и се намира в МОСВ, е Selma^GIS. Тази система се използва в Германия и бе закупена в рамките на проекта от една немска фирма (Lohmeyer Consulting Engineers). Системата бе избрана след подробен анализ на изискванията за управление на КАВ на местно ниво, качеството на наличните в България данни за емисиите и метеорологията, възможността системата да се използва от административния персонал, и необходимостта от обхващане на различните типове емисионни източници (точкови, линейни, площни) в една система. На решението допълнително повлияха наличните пари и време в рамките на Туининг-проекта. В течение на проекта системата се оказа много подходяща за целите да подпомага управлението на КАВ на местно ниво, както и добър компромис между точността на очакваните резултати, работата, необходима за събиране на входните данни, и възможността за използване на системата, въпреки че е ясно, че тя е обект на някои ограничения (напр. тя не взема предвид ефекта от температурните инверсии). Особено географско-информационният интерфейс (GIS) на системата се оказа много удобен за използване от потребителя и улесняващ работата с данните. Също така генерирането на карти с концентрации или структурни диаграми при всяка рецепторна точка, показващи дела на различните източници на замърсяване, бе отчетено като много полезно. Доколкото администрацията в България не разполага с друга моделираща система с по-добра точност и сравнима обща мощност, и тъй като са спазени условията за използването на системата (напр. няма голямо топографски влияние на терена), то може да се препоръча тя да се използва като полезна начална точка за дисперсионното моделиране в райони с превишение на нормите.

Още информация може да се намери в доклада на Туининг-проекта, посветен на избора на дисперсионния модел (доклад съгласно т. В-5.5 от работната програма).

Фигура 6-2: Моделиращата система Selma^GIS

По-долу е дадено по-подробно описание на тази система, за да се покаже с примери какви могат да бъдат важните аспекти при използването на моделираща система в управление на КАВ на местно ниво, някои от които може също да са полезни дори и при използване на други модели.

Мястото на Selma^GIS между гореспоменатите модели може да се обозначи с факта, че тя е моделираща система, но същевременно и система за работа с данни и нагледно представяне:

Системата за работа с данни се отличава с пълно интегриране на една географска информационна система (GIS, ArcView), допълнена с модули, които позволяват лесно дигитализиране на данни и задаване на входните данни, необходими за прилагането на различните модели и за нагледното представяне на данните. На фигура 6-2 на предишната страница е показана схема на моделиращата система с различните й компоненти и връзките между тях.

Моделите, включени за изчисляване на дисперсията (в допълнение към емисионния модел), са описани и характеризирани по-горе.

• 
  TALBO, Гаусов струен модел, включващ официалния (до октомври 2002) немски регулаторен модел за дисперсия на газове от комини, допълнен с модул, позволяващ пресмятането на дисперсията от площни източници, които се образуват например от площи с битово отопление.
  
• 
  PROKAS_V, Гаусов струен модел за изчисляване на дисперсията на емисиите от пътната мрежа, и
  
• 
  PROKAS_B, модел за изчисляване на дисперсията от отработените газове на автомобилите, отчитайки влиянието на класифицирани структури на сгради.

  С тези модели може също да се изчисляват и средногодишни стойности на допълнителните (нефонови) концентрации на база входните данни за емисиите и метеорологията, които може да се получат/съставят в България с приемливо количество усилия.

  
  
  
  

Допълнителнитете модули са:

• 
  DIGIstreet, за дигитализиране на сложни пътни мрежи вкл. характеристики на транспарта
  
• 
  EMIstreet, за изчисляване на емисии от ауспуха на МПС (с помощта на съответната таблица с емисионни фактори (напр. изготвена с Mobilev), както и на емисии на PM10, предизвикани от износването от триенето и уноса/завихрянето от повърхността на улицата. По-нататък тази особена характеристика е обяснена по-подробно.
  
• 
  DIGItalbo, за дигитализиране на точкови и площни източници
  
• 
  DIGIpoint, за създаване на рецепторни точки, в които да се изчисляват концентрациите в атмосферния въздух
  
• 
  DIGIsum, за изчисляване на общото замърсяване на база отделните допълнителни концентрации от различните групи източници (които трябва да са били изчислени предварително от съответните модели (TALBO, PROKAS)) и фоновата концентрация. Този модул съдържа 3 особени характеристики:
  

• 
  Наслагване на NO2 – характеристика, позволяваще да се наслагват концентрации на NO2 от различни изтичници. Това не е аритметично събиране, какъвто е случаят при другите замърсители, защото NO2 и NO се намират в химичен баланс, което влияе на съответните им концентрации. Наслагването се основава на регресионен анализ на съотношението NO2/NOx от статистическите данни от измервания на атмосферния въздух.
  
• 
  Възможност за включване на фонова концентрация и получаване по този начин на общата концентрация, която да може да се сравни с данните от измерванията
  
• 
  Модул за изчисляване на очакваните честоти на превишение и перцентили, които да се използват за сравнение с краткосрочните норми за замърсителите (това се отнася само до NO2,SO2 и PM10). Честотите на превишение и перцентилите се извеждат чрез прилагане на статистически установени зависимости между средногодишните стойности и получените от данните за измерванията в автоматичните станции краткосрочни стойности. Още информация е дадена и в Приложение 6.
  

Ограничения

Selma^GIS се отличава с някои основни ограничения, дължащи се на нейните модели-ядра. Така например, не се отчитат ефектите от температурните инверсии и не може да бъде пряко използвана за терен със съществено топографско влияние (т.е., работи по-добре при равнинен терен).

Рецепторни точки

Броят и разполагането на рецепторните точки, за които чрез моделиране ще се определя замърсяването на въздуха, могат да се фиксират на картата без ограничения. Но тъй като с увеличаването на броя на рецепторните точки нараства значително и времето за изчисление, мрежата следва да е ограничена, напр. в самия район на града рецепторните точки се зададоха в мрежа с разстояние 250m помежду им, а извън населената част на града разстоянието би могло да се увеличи на 500m. Рецепторната височина би трябвало да се зададе 1,5m над земята. Избраното разстояние в решетката /растера показва достатъчно подробно вариацията в концентрацията на замърсителите над района.

Необходими метеорологични данни

За дисперсионното моделиране със Selma^GIS се изисква таблица с разпределението на честотата на локалните дисперсионни условия, направен по строго определен формат. Необходимите числа се отнасят до честотата на отделните условия на дисперсия за 36 сектора посока на вятъра (всеки включващ 10 градуса, представени като колони на таблицата) и 6 дисперсионни класа, всеки от тях подразделен на 9 класа за скорост на вятъра (редовете на таблицата). Tаблицата бе подготвена от НИМХ на база данни от измервания на вятъра, направени в рамките на проекта, както и техни собствени дългосрочни данни от климатичната станция в Перник и данни за облачността в района. Необходим е още и броят на дните с валежи за годината, за да се изчислят емисиите на PM10 от унос на прах от улиците.

Трансформация NOx-NO2 при емисионните източници

При емисиите от комини, както и при емисиите от площни източници oт битово отопление емисионните фактори обикновено дават емисиите на NO и NO2 (NOx), изразени като единици NO2. NO от изгарянето се превръща отчасти в NO2 по пътя на дисперсията. За изчисляване на концентрациите на NO2 въз основа на тези емисии на NOx трябва да се направят някои предположения за степента на трансформация и първоначалното разпределение NO/NO2 при източника. Трансформацията на NOx в NO2 може да се извърши напр. съгласно дефинициите и факторите, използвани в немската TA Luft:

Предполага се, че NOx при устието на комина се състои от 10% NO2 и 90% NO, като 60% от NO по време на дисперсията се трансформира в NO2. На база молекулното тегло на NO2 и NO и факта, че емисиите на NOx са зададени като NO2, може да се приложи следната формула:

Емисия на NO2 (от емисията NOx при изгаряне) = 0.64 x емисията на NOx.

Тази степен на трансформация за NO2 следва да се използва в дисперсионното моделиране със Selma^GIS за споменатите видове източници. За емисии от автомобили в моделиращата система автоматично се извършва трансформацията от емисиите NОx към NO2 на база емисионните фактори.
Фонова концентрация

Системата за дисперсионно моделиране изчислява приноса на местните източници. Разликата между дела на концентрацията с локален произход и общата концентрация в района (според измерванията) може да се дефинира като фонова концентрация. Ако тази фонова концентрация е известна от измерванията на места, отстоящи на известно разстояние от проучвания район, тя може да бъде включена в изчисляването в модула DIGIsum. След това обобщените/сумираните концентрации, включително фоновата, могат напр. да бъдат сравнени с данни от измерванията в района. Ако няма подходящи данни за фоновата концентрация, то тогава разликата между резултатите от измерването и концентрациите, изчислени само от емисии с локален произход, могат да бъдат разглеждани като фонова концентрация. Тази концентрация след това може да бъде проверена за достоверност / реалистичност с помощта на данни от отдалечени измервателни станции или станции в извънградски области.

Възможности за нагледно представяне

Някои от възможностите за нанасяне върху картата на емисионните източници и резултатите от изчислението са показани в Приложения от 5a дo 5c. Приложение 5a показва емисионните източници, които бяха взети под внимание по време на Туининг-проекта, с изключение на тези от битовото отопление. Пътната мрежа е отразена в червено.

На Приложение 5b чрез структурни диаграми е показано за различните места, където са около 900-те рецепторни точки, какъв е делът на различните източници на NO2 (вкл. предположената фонова концентрация). Приложение 5c дава приноса на ТЕЦ към местната концентрация на РМ10 във всяка рецепторна точка чрез различна интензивност на цвета, представляващ концентрацията.

6.3.5.2Специални функции

6.3.5.2.1Унос на PM10 от улици

За уноса на PM10 от уличната повърхност в модула EMIstreet е включена една специална изчислителна функция. Въз основа на формулите, използвани от американската агенция US EPA и на измервания на покритието с прах върху уличните повърхности в Германия, фирма Lohmeyer Consulting Engineers са коригирали параметрите в тези формули, по този начин отразявайки ситуацията на улиците в Германия. В модела се прави разлика между два вида улици. Нормалният вид улица със здрава повърхност и малко покритие с прах, както и с чисти пътни платна, и "лошият" вид с по-голямо покритие с прах, повреди в повърхността и краища по пътното платно с повече натрупана прах. Според съответното състояние на улицата, което трябва да се обозначи с включена ключова дума в дескриптора на пътния сегмент в случай, че състоянието е лошо (думата е "schlecht"-“лошо”), Emistreet изчислява емисията на PM10 от унос на прах въз основа на средното тегло на автомобилния парк (според локалния дял на ТТК), на СДТ и на броя на дните с валежи през годината (дните с валежи намаляват съществено уноса на прах). При Туининг-проекта почти всеки пътен сегмент в Перник получи обозначението за лошо състояние и се използва допълнителен коефициент за повишените емисии на PM10, тъй като наблюденията показаха, че в Перник покритието с прах върху улиците и видимият унос на прах са значително по-високи отколкото в Германия. При обстановката в Перник емисиите от тези уноси на прах изглежда са много по-съществени от емисиите на PM10 от ауспусите на автомобилите. Ето защо е важно тези емисии да се включат при анализа на ситуацията на КАВ.

6.3.5.2.2Изчисляване на краткосрочни стойности от средногодишните концентрации

Както бе споменато, моделиращата система основно се занимава с изчисляване са средногодишните стойности на концентрациите на замърсителите. Изводите за състоянието на краткосрочните стойности и честотите на превишение за всяка рецепторна точка се правят чрез прилагане на емпирично установени корелации между средногодишната и протичането на перцентилите на краткосрочните стойности. Тези корелации са били изведени от данни от измервания качеството на въздуха в България, и са били сравнени с резултати от подобен анализ за данни от Германия и други страни от Западна Европа. Анализът бе направен от фирмата Lohmeyer Consulting Engineers. Поради ограниченията в представителността и качественото осигуряване поне за част от използваните български набори от данни, резултатите трябваше да се ползват внимателно. Ето някои от установените корелации:
SO2

Анализът на българските измервателни данни доведе до заключението, че установените корелации на база немски измервателни данни могат също да се използват и за българските условия. Установените за немските данни корелации показват превишение на краткосрочните стойности при съответни по-ниски средногодишни стойности отколкото анализираните български набори от данни. Поради ограничения брой налични данни от измервания в България и поради очаквани проблеми с точността на тези данни съгласно установеното на предишни етапи на проекта, немските зависимости бяха използвани по принципа на подхода “най-лош сценарий” за ситуацията в България. Формулите за тези корелации са следните ("x" във формулите е знакът за умножение):

Брой на 1-часовите стойности > 350 µg/m³ = 

0.53 x exp [SO₂ (Средногодишна) x 0.15] за средногодишна стойност < 26 µg/m³

5.5 x SO₂ (Средногодишна) – 117 за средногодишна стойност 26 µg/m³

Брой на 24-часовите стойности > 125 µg/m³ = 

0.25 x exp [SO₂ (Средногодишна) x 0.147] за ср.годишна стойност < 21 µg/m³

1 x SO₂ (Средногодишна) – 16 за ср.годишна стойност  21 µg/m³

Трябва да се спомене, че българската норма за 24-часовата средна все още е по-малко стриктна от нормата в директивата. Докато в директивата се казва, че 125 µg/m³ не могат да бъдат превишавани повече от 3 пъти на календарна година и че няма допустимо отклонение, то българското съответствие, Наредба № 9, посочва, че стойността не бива да се превишава повече от 24 пъти на календарна година.

NO2

Съгласно директивата 1-часовата норма за NO2 не бива да се превишава повече от 18 пъти на календарна година. Това отговаря на 99.8-мия перцентил (1-18/8760).

При анализа на българските данни от измервания стана ясно, че зависимите краткосрочни стойности (99.8-мите перцентили) при същите средногодишни стойности са много по-високи отколкото в западноевропейските държави.

Българското съответствие на директивата залага други изисквания. Едночасовата норма не бива да бъде превишавана повече от 8 пъти на календарна година, което е доста по-стриктно отколкото в директивата.

За българските данни бяха установени следните зависимости:

Множител 99.8^ми перцентил/Средногодишна = 6 x средногодишна стойност (6 е средна величина, като 10 е максималният множител)

Тъй като тази зависимост не отговаря на по-стриктното българско законодателство, тя може да се използва само при сравнения с нормите, заложени в директивата.

Допълнително обаче бе разработена следната формула, която може да се използва за българския пренос на директивата, за да се достигне до извод дали има превишения на краткосрочна норма на база средногодишните стойности:

Брой на 1-часови стойности > 200 µg/m³ = 2.5 x exp [0.055 x NO₂ (ср.год. стойност)]
(за сравнение, по-долу е дадена корелацията при данни от измервания от Западна Европа:

Множител 99.8^ми перцентил / Средногодишна = 3.3 x средногодишна стойност (3.3 е средна, като 5 е максималният множител)

Брой на 1-часови стойности > 200 µg/m³ = 1.62 x exp[0.061  NO₂ (Средногодишна)] )

PM10

Съгласно директивата 24-часовата норма от 50 µg/m³ не бива да бъде превишавана повече от 35 пъти на календарна година. Това отговаря на 90.4-тия перцентил (1-35/365). Анализът на данните от измервания в България показа, че съответните краткосрочни стойности (90.4-ти перцентили) за същите средногодишни стойности са аналогични с тези в западноевропейските държави.

В българското съответствие на директивата се съдържат различни условия. 24-часовата норма не трябва да бъде превишавана повече от 25 пъти на календарна година, което е значително по-строго отколкото директивата и отговаря на един 93.2-ри перцентил. Допълнително са променени правилата за ДО и окончателното влизане в сила. ДО е 25µg/m³ на 31.12.2003, и намалява линейно на всеки 12 месеца до 0% до 31.12.2008 г.

За бългаските данни бе установена следната корелация:

Множител 90.4-ти перцентил / Средногодишна = 1.53 (средно), съотв. 1.85 (максимален множител)

Тъй като тази зависимост не отговаря на по-строгото българско законодателство, може да бъде използвана само при сравнения с нормите, заложени в директивата.

Следната формула обаче може да се използва при българското съответствие на директивата, за да се направи извод дали има превишения на краткосрочна норма на база средногодишните стойности:
Брой на 24-часовите стойности > 50 µg/m³ =
0.68 x exp [PM10(Средногодишна) x 0.147] за средногодишна стойност < =27µg/m³
5.4 x PM10(Средногодишна) - 110 за средногодишна стойност > 27 µg/m³

Подробно описание за това, как се е стигнало до тези корелации от данни за измервания на КАВ, е дадено в Приложение 6.

Каталог: wp-content -> uploads -> file -> Air -> Naredbi KAV -> Instrukcii KAV
Instrukcii KAV -> Инструкция за информиране на населението при превишаване на установените алармени прагове за нивата на серен диоксид, азотен диоксид и озон
Instrukcii KAV -> Инструкция за разработване на програми за намаляване на емисиите и достигане на установените норми за вредни вещества, в районите за оценка и управление на качеството на атмосферния въздух
Air -> Министерство на околната среда и водите методика

Изтегляне 2.5 Mb.

Сподели с приятели: