MODELIRANJE

DISPERZIJE I UPRAVLJANJE
KVALITETOM ZRAKA
V. Prof. dr S. Metović
 Okolinsko modeliranje – fizikalne i kemijske osnove
Modeliranje disperzije i kvalitet
zraka
UVOD I DEFINICIJE

• Ambijentalni zrak – «atmosfera koja okružuje ljude,

biljke i strukture». Ovaj izraz se obično ne odnosi na
radnu okolinu (koja ima svoje standarde) i sigurno ne na
emisije polutanata (Iz vozila ili energana).

• Koncentracije polutanata mogu značajno varirati u:

dužem vremenskom periodu (npr. od jednog do
drugog stoljeća),
• kratkom vremenskom periodu (npr. iz sata u sat) i u
prostoru,
• od mjesta do mjesta (u razlici od nekoliko metara).
 Okolinsko modeliranje – fizikalne i kemijske osnove

Modeliranje disperzije i kvalitet zraka

• Modeliranje disperzije se odnosi samo na
klasične, više otrovne, polutante ili
zagađivače koji direktno utiču na ljudsko
zdravlje, vegetaciju, ekološke sisteme ili
građevine.
• Ne odnosi se na plinove koji uzrokuju
efekat staklenika, koji utiče na nas kroz
globalnu promjenu klime.
 Okolinsko modeliranje – fizikalne i kemijske osnove

Standardi kvaliteta ambijentalnog zraka –

AAQS
• Da bi se procijenio kvalitet zraka TREBA UVESTI
standarde kvaliteta zraka (Ambiental Air Quality
Standard -AAQS) sa kojima se stvarni kvalitet može porediti.

Standardi su izrađeni prvenstveno u cilju zaštite ljudskog

zdravlja i ekosistema.
AAQSs uvijek uključuje standardnu koncentraciju datih
polutanata ili grupe polutanata ili zagađivača i vremenski
period.

Vremenski period varira među AAQSa, u periodima

počev od godinu dana na primjer za olovo, koje je
dugoročni polutant ili zagađivač, do nekoliko minuta za
polutante koji imaju ubrzan utjecaj na ljude, kao što je
sumpor dioksid.
 Okolinsko modeliranje – fizikalne i kemijske osnove

Upravljanje kvalitetom zraka - Ispitivanje i

mjere
Upravljanje je “organizacija resursa u
pravcu postizanja ciljeva”. Upravljanje
kvalitetom zraka uglavnom se sastoji od:
• ispitivanja (pribavljanja informacija o
sadašnjem i prognozi budućeg kvaliteta
ambijentalnog zraka); i
• kontrole (praktične mjere usmjerene ka
poboljšanju ili održavanju kvaliteta zraka),
zasnovane na rezultatima ispitivanja
 Okolinsko modeliranje – fizikalne i kemijske osnove

Upravljanje kvalitetom zraka - Ispitivanje i mjere

Ispitivanje treba da sadrži:
• mjerenja (“monitoring")
• modeliranje

Upravljanje kvalitetom zraka povezano sa:

• prostornim planiranjem,
• ispitivanjem uticaja na okoliš (EIA),
• izdavanjem dozvola,
• inspekcijom ili nametanjem standarda za emisije i
• ograničavanjem izvora

Standardi mogu biti količinski i ne-količinski, mogu se

odnositi na nepokretne i pokretne izvore i mogu se
odnositi na specifične tipove procesa
 Okolinsko modeliranje – fizikalne i kemijske osnove

Mjerenje i monitoring
• Postoje brojne metode za mjerenje vanjskih prizemnih
nivoa koncentracija (Ground Level Concentrations -
GLCs) koje variraju u svojim izvedbama i troškovima
• To je monitoring kvaliteta ambijentalnog zraka i uključuje
uzorkovanje uz simultanu ili kasniju analizu.

• Uglavnom je to : mjerenje niskih koncentracija što

zahtijeva korištenje osjetljivih instrumenata.
• GLSs su važne zbog toga što večina ljudi udiše zrak koji
je blizu nivoa zemlje

• Monitoring mreža (skup stanica za monitoring kvaliteta

zraka) se dizajnira korištenjem rezultata modeliranja, koji
će pokazati lokaciju visokog GLCs koje bi onda trebale
biti uzete u obzir kao lokacije za stanice monitoringa
kvaliteta zraka.
 Okolinsko modeliranje – fizikalne i kemijske osnove

A5.4.2 Disperziono modeliranje i katastri

emisija
• Disperziono modeliranje različitih supstanci ili
polutanata u atmosferi je važan dio procesa
Procjene kvalitete zraka (AQA) i Upravljanja
kvalitetom zraka (AQM)
• Za disperziono modeliranje veoma su važni
podaci o emisijama iz različitih izvora.
Neophodni ulazni podaci za modele su:
• fiziografski (podaci o korištenju zemljišta i sl.)
• topografski (terenski) podaci
• meteorološki podaci (vrijeme, klima)
 Okolinsko modeliranje – fizikalne i kemijske osnove

AQA i AQM procesi – provode se u tri koraka

Identifikacija problema koja obuhvata:
• - Mjerenje (“Monitoring”)
• - Katastri emisije
• - Izvori emisija
• - Procjena uticaja
Formulisanje politike, zasniva se na:
• - Modeliranje
• - Ocjena scenarija
• - Cost-benefit analiza
Kontrola situacije, zahtijeva da se postigne:
• - Ograničenja emisija
• - Stupanje na snagu
• - Regulativa
• - Upotreba goriva/zemljišta
 Okolinsko modeliranje – fizikalne i kemijske osnove

Disperzioni modeli - Općenito

Disperzioni modeli se prave za procjenu
opadanja koncentracije polutanata u toku
nekih prosječnih perioda - od kratkotrajnih
do dugotrajnih.
Modeli su od posebne važnosti za
procjenu uticaja ispuštanja od novih
aktivnosti i za procjenu vjerovatnih
promjena kao rezultata procesa
modifikacije
 Okolinsko modeliranje – fizikalne i kemijske osnove

Disperzioni modeli - Općenito

• Sofisticirani moderni disperzioni model može simultano
obrađivati hiljade izvora različitog tipa kao što su
dimnjaci, ceste, stambena naselja ili čestice u zraku koja
sadrže prekursore ozona

• Može se baviti efektima na zgradama i složenim

terenima, vlažnim i suhim naslagama, gravitacionim
taloženjem i hemijskim reakcijama i vremenima
usrednjavanja od minuta do godina

• Može se koristiti za predviđanje prizemnih koncentracija

u bilo kojoj tački, na bilo kojem području koje se obrađuje
i u bilo kojem vremenskom periodu, sa unaprijed
određenim nivoma zagađenosti prikazanim na kartama.
 Okolinsko modeliranje – fizikalne i kemijske osnove

Disperzioni modeli - Općenito

• Disperzioni model može biti "sam„ - neophodni ulazni podaci
se unaprijed procesiraju van modela i nakon toga se ubacuju
u model kad se on koristi.
• Mogu biti i "sistemski", kada su moduli za pred- i post-
procesiranje dijelovi sistema.
• Mogu se koristiti za mjerenje kvaliteta zraka
• Informacije dobivene iz modela su nesigurne zbog toga što
nemamo dovoljno saznanja o emisijama i atmosferskim
procesima; ovaj nedostatak može biti značajno poništen
validacijom modela uz pomoć mjerenja, ili uz pomoć
procjene kvaliteta zraka kombiniranjem informacija dobivenih
modeliranjem i mjerenjima.
• Ukoliko će se mapa koncentracije praviti na osnovu
mjerenja, rezultati iz modela obezbjedit će osnovne
informacije za interpolaciju da bi se popunili nedostaci u
informaciji o koncentracijama na tačkama između stanica za
mjerenje.
 Okolinsko modeliranje – fizikalne i kemijske osnove

Vrste disperzionih modela

Modeli koji se najčešće koriste su:
• matematički modeli
• fizički modeli prvenstveno u cilju
istraživanja i kalibracije
• moderno modeliranje se uveliko oslanja na
matematičke modele koji su napisani u
formi koja odgovara numeričkom
rješavanju pomoću kompjutera
 Okolinsko modeliranje – fizikalne i kemijske osnove

Deterministički disperzioni modeli

• Bazirani na osnovnoj jednačini koja opisuje proces, na primjer
Navier-Stokes (NS) jednačine, i termo-dinamičkim zakonima
gdje se u obzir uzima dinamika tečnosti ili gasova.

• Pojednostavljene verzije seta jednačina često se koriste pri

opisivanju atmosferskih procesa koji utiču na zagađivanje
zraka. Za primjer se mogu uzeti Eulerian modeli, takođe
poznati i kao "rešetkasti/mrežasti modeli" jer su formulisani po
numeričkoj rešeci.

• Primjer determinističkog modela jeste difuzioni model u

kojem je izračunato polje koncentracije rezultat
matematičke obrade datih ulaznih podataka o emisijama
sa datim atmosferskim pojavama kao što su polje vjetra i
turbulencije.
 Okolinsko modeliranje – fizikalne i kemijske osnove

Statistički disperzioni modeli

• Statistički modeli bazirani su na polu-
empirijskim statističkim odnosima između
dostupnih podataka i mjerenja.
• Primjer statističkog modela jeste
prognoza nivoa koncentracije kao
statistička funkcija dostupnih mjerenja
i ranijih korelacija između mjerenja i
trenda koncentracije.
 Okolinsko modeliranje – fizikalne i kemijske osnove

Ulazni podaci za disperzione modele

Ulazni podaci o Fiziografski
emisijama (EDB); izvori, ulazni podaci Model vjetra za
supstance, vremenske korštenje modeliranje polja
varijacije, tehnički zemljišta, vjetra
podaci itd. topografija

Meteorološki ulazni
podaci ;
Disperzioni meteorološka pre-
model obrada
Izlaz:
Koncentraciona polja;
Izolinije/obojena rešetka; Izlaz:
GIF/tekst formati Vremenske serije za
GIS formati, itd receptorske tačke,
text format, itd
 Okolinsko modeliranje – fizikalne i kemijske osnove

Fiziografski ulazni podaci za

SELMA GIS®
• Najmodernija procedura ekstrakcije informacija
iz karata i drugih izvora podataka je upotreba
GIS alata, što je slučaj sa SELMA GIS.
• Kako je SELMA GIS "priključak" u GIS sistem,
procesiranje svih podataka (koji se tiču mapa,
karakteristike površinskog sloja zemlje kao što
su reljef i topografija) potrebnih za disperzioni
model vrši se u ArcGIS i na njima se radi kroz
njihov grafički interfejs/sučelje.
 Okolinsko modeliranje – fizikalne i kemijske osnove

Unos emisije za disperziono modeliranje

Neki od izvora emisija u atmosferu :

• Električne centrale;
• Rafinerije nafte;
• Peći za spaljivanje;
• Fabrike, industrija;
• Domaćinstva;
• Automobili i druga vozila;
• Životinje i ljudi;
• Nalazišta i proizvodne lokacije fosilnih goriva;
• Kancelarije i javni objekti;
• Drveće i ostala vegetacija;
• Razvodne cijevi;
• Fertilizirano zemljište; i
• Zemljište sa biološkim raspadima.
 Okolinsko modeliranje – fizikalne i kemijske osnove

Katastri emisije – informacije o tri tipa izvora:

tačkasti, linijski i površinski
• Za tačkaste izvore, procjene emisija su obezbjeđene na
individualnim postrojenjima ili izlazima za emisije (obično
velikim), često povezane sa podacima o lokaciji,
kapacitetu ili proizvodnji, uslovima rada, itd.
• Za linijske izvore, u nekim katastrima su emisije iz vozila
sa cesti, željeznica, kontinentalnih vodenih puteva,
avijacija, i dijelovi uz liniju ceste, željezničke pruge,
vodene površine, itd.
• Za površinske izvore, manje ili više difuznih izvora
zagađivanja obezbjeđuju se na osnovu područja - ili za
administrativna područja, kao što su kantoni, regije, itd. ili
za obične rešetke (npr. rešetka EMEP 50x50 km).
 Okolinsko modeliranje – fizikalne i kemijske osnove

Emisije iz drugih površinskih izvora

U urbanim podučjima uzimaju se emisije iz difuznih
izvora koji nisu pokriveni katastrom emisije

Difuzioni izvori su, na primjer:

• Benzinske stanice;
• Aktivnosti malog opsega, radionice i male pekare;
• Veći parkinzi uz npr. supermarkete;
• Grijanje domaćinstava, grupa zgrada ili blokova itd;
• Transportne aktivnosti u zatvorenim područjima
kakvi su aerodromi; i
• Ostalo
 Okolinsko modeliranje – fizikalne i kemijske osnove

Emisije iz drugih površinskih

izvora
Informacija o površinskim izvorima treba da sadrži:

- Imena i administrativne informacije;

- Geografske informacije, koordinate, površina područja;
- Vrsta proizvodnje;
- Proizvodna aktivnost;
- Emitirane supstance;
- Emisioni faktori ili emisije;
- Varijabilnost aktivnosti ili emisija; i
- Ostalo.
 Okolinsko modeliranje – fizikalne i kemijske osnove

Ulazni podaci o emisijama od cestovnog

saobraćaja
Za svrhe modeliranja /i za međunarodno
izvještavanje/

• Emisije iz cestovnog i uličnog saobraćaja su važan

doprinos ukupnim emisijama i koncentracijama
zagađenja u urbanim područjima.
• U velikim zapadnoevropskim urbanim sredinama
saobraćaj daje vjerovatno i najveći doprinos emisijama
NOx, VOC i čvrstih čestica, pogotovo frakciji ultra-finih
čestica i vjerovatno će biti jedan od najvećih problema
kvaliteta zraka za riješiti.
• Da bi se izvelo disperziono modeliranje na lokalnom
nivou, neophodne su informacije o emisijama iz urbanih
područja i sa uličnog nivoa
 Okolinsko modeliranje – fizikalne i kemijske osnove

Dnevne informacija o emisiji

/u funkciji vremena/
Emisione varijacije

0.4
0.35
0.3
emisiija (g/s)

0.25 Dani u sedmici

0.2 Subota
0.15 Nedelja
0.1
0.05
0
1 3 5 7 9 11 13 15 17 19 21 23
sat u danu

Tipične dnevne varijacije emisija iz saobraćaja na veznoj saobraćajnici.

 Procjenjivanje proračuna modela,
nesigurnost modela
• Povećano oslanjanje na procjene koncentracije putem modela disperzije
omogućava da te procjene postanu osnova za odluke o dozvolama za izvore i
potrebama kontrole emisija.
• Vidna je potreba da se zna preciznost modela i kako nesigurnost u
procjenama utiče na odluke.
• Modeli disperzije pokušavaju da procijene koncentracije na specifičnim
mjestima što predstavlja skup prosjeka mnogo ponavljanja u principu
identičnih događaja.
• Događaj je karakteriziran uvijetima koji su ulazni podaci u modelu, na primjer
brzina vjetra, visina pomiješanog sloja, površinski toplotni fluks, karakteristike
emisije, itd. Pored poznatih uvijeta, postoje neizmjerene ili nepoznate
varijacije u uvjetima događaja, neriješeni detalji atmosferskog toka kao što je
polje brzine turbulencije.
• Nepoznati uvjeti mogu varirati između ponavljanja događaja, rezultirajući
devijacijama posmatranih koncentracija iz skupa prosjeka, i od koncentracija
procjenjnih modelom, čak iako su poznati uvjeti isti.
• Čak sa perfektnim modelom, koji predskazuje ili prognozira tačan ansambl
prosjeka, vrlo je vjerovatno da će biti varijacija od posmatranih koncentracija u
pojedinačnim ponavljanjima događaja zbog varijacija nepoznatih uvjeta. Ovi
ostaci koncentracija su nazvani inherentna nesigurnost.
 Reducibilna nesigurnost
• Povezana sa modelom i njeni ulazni parametri su:
• Nesigurnost u ulaznim vrijednostima poznatih uslova – podaci o
emisijama i meterološki podaci
• Greške u izmjerenim podacima korištenim za procijenjivanje
• Greške u formuliranju fizičkog modela i numeričkim
aproksimacijama matematičkog modela

• Modeli zagađenja zraka variraju od jednostavnih modela, koji ovise

o samo nekoliko parametara do kompleksnih koji su okarakterisani
velikim brojem parametara.

• Vrlo složeni modeli ovise o velikom broju parametara što znači da bi

greške u prikazivanju fizičke stvarnosti putem modela trebale biti
manje nego u formulaciji jednostavnijih modela.
 Nesigurnost i preciznost modela

• Mjerenja koncentracije najčešće su napravljena sa tačkastim

uređajima za mjerenje dok su simulirane koncentracije na istoj
lokaciji često prosječne vrijednosti mreže; predstavljaju prosjeke na
dužinskoj skali od nekoliko stotina metara.

Rezultati studija preciznosti modela ukazuju na to da:

1) Modeli su pouzdaniji za procjenjivanje dugoročnih prosječnih

koncentracija nego za procjenjivanje kratkoročnih koncentracija na
određenim lokacijama.
2) Modeli su dosta pouzdani u procjenjivanju magnitude najviših
koncentracija koje ponekad nastanu negdje u tretiranom području.
3) Procjene koncentracija koje nastaju u određenom vremenskom
trnutku i na odeređenom mjestu, su u slaboj korelaciji sa stvarno
posmatranim koncentracijama, i mnogo su manje pouzdane.
Statistički parametri za procjenu modeliranih
i mjerenih koncentracija

• Subjektivnost, to jest prosječna razlika modeliranih

vrijednosti umanjenih za izmjerene vrijednosti
• Prosjek apsolutnih razlika
• Varijacija razlike
• Koeficjent korelacije između modeliranih i izmjerenih
vrijednosti
• Normalizrana frakciona subjektivnost
• Normalizirana srednje kvadratna greška
• Frekvencija distribucije razlike
• Autokorelacija i spektralna analiza razlike
 Primjer 1. Statističko procjenjivanje uparenih,
izmjerenih i proračunskih koncentracija Nox, u
jednosatnim vemenskim serijima
• Prosjek 1 N , 1 N
C  Ci M   Mi
N i1 N i 1
1 N
• Standardna devijacija C =,(  (Ci  C ) 2 ) 0.5
N  1 i 1
• slična za M 1 N
• RMS-greška - RMSE = (  (Ci  M i ) 2 ) 0.5
N i 1

M C
Normalizirana srednja devijacija - NMD = M
• Korelacija
1 N ( M i  M )(Ci  C )
CORR = ( 
N i 1  C M

Ci = simulacije Mi = mjerenja N = broj podataka

Primjer 2. Grafički pregled izmjerenih i proračunskih
vremenskih serija

November
1400
1200
NOx (ug/m3)

1000
800 m22
600 os22+
400
cc22+
200
0
118
157
196
235
274
313
352
391
430
469
508
547
586
625
664
703
40
79
1

No of hours
 3. Korelacije između između izmjerenih i proračunskih
vremenskih serija koncentracije (obratite pažnju na koeficijent
korelacije i jednačinu regresije (najboljeg podešavanja))

y = 0.9466x + 51.193 y = 1.2292x + 82.794

1500 1500
R2 = 0.5987 R2 = 0.6706

cc112+ (ug/m3)
cc2 2+ (ug/m3)

1000 1000

500 500

0 0
0 500 1000 1500 0 500 1000 1500
m 22 (ug/m 3) m 112 (ug/m3)
 Primjer 4. Raspodjele učestalosti vremenskih serija
koncentracije izmjerenih (plavi), i proračunskih (crveni)
vrijednosti.
 A6: BALANS MASE
• Za određivanje sudbine kemikalija u prirodnim vodama, i zraku i
procjenu zagađenja koje se očekuje pod različitim uslovima,
koristimo zakon o održanju mase - Balans mase

• Sudbina kemikalija u mediju određuje se preko dva faktora:

- reaktivnost (kemijske reakcije) i
- brzina transporta u datom mediju

• Svi matematički modeli o prognoziranju sudbine kemikalija koriste

proračune transportnih procesa, jer oni su prilično detaljni.

• Da bismo ih proširili mi možemo precizno predvidjeti kemijske,

fizikalne i biološke reakcije i transport kemijskih supstanci, možemo
modelirati i predvidjeti šta će se sa njima desiti, kao i kolika im je
otpornost
 Modeliranje balansa mase u problemu
transporta mase u otopini sa kemijskom
reakcijomKljučni elementi koji
definiraju balans mase:
• jasno definiran kontrolni
volumen
• poznavanje ulaza i izlaza
kroz granicu kontrolnog
volumena
• poznavanje karakteristika
transporta unutar
kontrolnog volumena i
kroz njegove granice
• poznavanje kinetike
reakcije unutar kontrolnog
volumena
 Balans mase
• Balans mase se može dobiti proračunom masenog
ulaza, izlaza, reakcija i akumulacije mase, tj. može se
opisati slijedećom jednačinom:

ukupna masa unutar kontrolnog volumena = maseni ulaz

- maseni izlaz +(ili -) reakcije

• Balans mase je zasnovan na prvom zakonu očuvanja u

fizici, tj. zakonu o održanju mase koji je osnova svih
dijelova koji su predmet ovog kursa.

Ukupna akumulirana masa = ulazi – izlazi +(-) reakcije

 Balans mase vode
• Mogao bi se izraziti slijedećom
algebarskom jednačinom konačnih razlika

 V  (  Qin  QGW   Qout  Qseep  I A  E A ) t

Q – brzina utjecanja , m3d-1

I - brzina padavina , md-1
A – površina vode , m2
E – brzina isparavanja , md-1
Δt = priraštaj vremena (d-dan)
ΔV = promjena zapremine rezervoara, m3
 Diferencijalna jednačina
balansa mase
• Ako obe strane ove jednačine podijelimo sa Δt i
pustimo da Δt→0, dobićemo diferencijalnu
jednačinu balansa mase za neki rezervoar vode,
tj.

dV
•   Qin  QGW   Qout  Qseep  I A  E A
dt
• Ova jednačina se može integrirati i riješiti da se
dobije volumen kao funkcija vremena.
Šema jezera sa utjecanjima i istjecanjima za izračunavanje
masenog balansa vode
Legenda uz Sliku : - precipitation – padavine; evaporation-
isparavanje; inflow-uticanje; Tributary Outflow – uticanje
pritoka; Seepage - curenje ; groundwater-podzemna voda
 Primjer 1 Balans mase u volumenu
jednog jezera
• Napraviti proračun volumena jednog
jezera u vremenu trajanja suše, ako su
sva utjecanja jednaka 100 m3s-1, sva
istjecanja 110 m3s-1 , a povećanje 1 m3s-1
svakog dana zbog isparavanja. Početni
volumen jezera je 1.109 m3. Vidi Sliku
A6.3 (Napomena: prevedite sve jedinice
sekunde u dane)
 Ovaj zadatak služi kao jednostavan primjer kako se
pravi jednačina balansa mase u jezeru, i integrira, da
se dobije rješenje za postavljenu varijablu (zapremina
vode kao funkcija vremena) .
dV
  Qin  Qout
dt

• ΣQin = 100 m3s-1 =

8.64 x 106 m3d-1
• ΣQout = 110 m3s-1 + (1
m3s-1 )t = 9.50 x 106
m3d-1 + (8.64 x 104
m3d-1)t
Izračunajmo zapreminu u
funkciji vremena
V t
V0
dV   (8.64  10 6  (9.50  10 6  8.64  10 4 t ) ) dt
0

1 t
V  V0   0.860  10 t  ( 8.64  10 4 t 2 )
6
0
2

V 10  8.60  10 t  4.32 10 t

9 5 4 2
 Primjer 2: Algebarski balans mase
otrovnih kemikalija u jezeru
• Napraviti proračun za stacionarnu koncentraciju
otrovnih kemikalija u jezeru pod slijedećim
uslovima: Pretpostaviti da je stanje stacionarno,
tj. da se koncentracija ne mijenja u vremenu
(dC/dt=0), da je volumen jezera konstantan ( Qin
= Qout) i da je brzina degradacije jednaka
50kgd-1.
Dato je Cin = 100 μgL-1
Qin = Qout = 10 m3s-1
-Rxn = 50 kgd-1