Modelling and Forecasting of SO<sub>2</sub> Concentration in Atmospheric Air – A Case Study of the City of Krakow

Skrobacki, Z.; Dąbek, Lidia; Łagowski, Piotr

doi:10.1088/1757-899x/471/10/102057

Cited by 3 publications

(3 citation statements)

References 1 publication

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Bên cạnh đó việc giám sát chất lượng không khí bằng dữ liệu trạm quan trắc chỉ giới hạn trong một khoảng không gian nhất định. Khắc phục các hạn chế của việc giám sát ô nhiễm không khí bằng dữ liệu quan trắc, đã có rất nhiều nghiên cứu sử dụng ảnh viễn thám vệ tinh để xây dựng các loại bản đồ phân vùng khói bụi không khí [5][6][7][8].…”

Section: Giới Thiệuunclassified

“…Trong trường hợp này, sử dụng ảnh viễn thám để giám sát ô nhiễm không khí sẽ là giải pháp rất phù hợp. Dựa trên các sản phẩm từ nguồn dữ liệu giám sát khí quyển (TROPOMI) của vệ tinh Sentinel-5P đã có rất nhiều nghiên cứu ứng dụng để giám sát ô nhiễm không khí ở nhiều nơi trên khắp thế giới [6,[9][10][11][12][13][14][15]. Khác với các thiết bị vệ tinh quan sát chất lượng không khí trước đây, Sentinel-5P TROPOMI với sứ mệnh cung cấp các phép đo toàn cầu hàng ngày về các chất gây ô nhiễm không khí ở độ phân giải không gian tương đối cao (từ dưới 8 km đến dưới 50 km, tùy thuộc vào bước sóng) [16].…”

Section: Giới Thiệuunclassified

See 1 more Smart Citation

Nghiên cứu giải pháp đánh giá ô nhiễm không khí khu vực khai thác mỏ đất đắp bằng dữ liệu Sentinel-5P Tropomi

Dũng¹,

Quỳnh²,

Trọng³

et al. 2023

TCKHCNXD

View full text Add to dashboard Cite

Nguồn dữ liệu sản phẩm viễn thám vệ tinh Sentinel-5P TROPOMI được lưu trữ và chia sẻ bằng công nghệ điện toán đám mây đã mang lại một giải pháp mới trong việc theo dõi chất lượng không khí. Đặc biệt ở các khu vực công trường khai thác vật liệu xây dựng, nơi không có các trạm quan trắc mặt đất liên tục, giải pháp này có thể hỗ trợ hiệu quả việc theo dõi biến động và phân bố các loại khí thải trong môi trường. Trong bài báo này, giới thiệu ứng dụng công nghệ Google Earth Engine (GEE) để trích xuất các dữ liệu quan trắc nồng độ khí thải CO, NO2, SO2 khu vực các mỏ khai thác đất đắp thuộc xã Quảng Nghĩa, TP. Móng Cái, tỉnh Quảng Ninh. Kết quả nghiên cứu là các bản đồ phân bố khí thải cho phép đánh giá mức độ phát tán theo không gian trong suốt quá trình hoạt động của công trường khai thác. Biểu đồ theo dõi nồng độ các loại khí thải CO, NO2, SO2 cho thấy mức độ ô nhiễm môi trường trong khu vực đảm bảo chỉ tiêu chất lượng không khí. Kết quả này phù hợp với đánh giá quan trắc của các báo cáo đánh giá tác động môi trường đã thực hiện.

show abstract

Section: Giới Thiệuunclassified

Nghiên cứu giải pháp đánh giá ô nhiễm không khí khu vực khai thác mỏ đất đắp bằng dữ liệu Sentinel-5P Tropomi

Dũng¹,

Quỳnh²,

Trọng³

et al. 2023

TCKHCNXD

View full text Add to dashboard Cite

show abstract

“…Moreover, many other studies present long-term trends in changes of air pollutants concentrations in Krakow and their impact on health [74][75][76][77][78][79][80][81][82], the mineralogical composition and microbiological characteristics of aerosols [83,84], the oxidative potential of PM 10 and PM 2.5 [85], the chemical composition of street dust [86] and dry and wet deposition [87][88][89]. The results of measurements from the automatic air quality monitoring station in Krakow were also used to prepare the pollution background necessary in the process of air pollution modeling and the assessment or validation of the dispersion [90][91][92][93][94][95][96][97] or prognostic [98][99][100][101] models used.…”

Section: Introductionmentioning

confidence: 99%

Assessment of the Variability of Air Pollutant Concentrations at Industrial, Traffic and Urban Background Stations in Krakow (Poland) Using Statistical Methods

Oleniacz

Gorzelnik

2021

Sustainability

View full text Add to dashboard Cite

In cities with an extensive air quality monitoring (AQM) system, the results of pollutant concentration measurements obtained in this system can be used not only for current assessments of air pollution, but also for analyzes aimed at better identification of factors influencing the air quality and for tracking trends in changes taking place in this regard. This can be achieved with the use of statistical methods that allow for the assessment of the variability of measurement data observed at stations of various types and for the determination of possible interdependencies between these data. In this article, an analysis of this type was carried out for traffic, urban background and industrial AQM stations in Krakow (Southern Poland) operating in the years 2017–2018 with the use of, i.a., cluster analyzes, as well as dependent samples t-test and Wilcoxon signed-rank test, taking into account the concentrations of air pollutants such as fine particulate matter (PM10), nitrogen dioxide (NO2), benzene (C6H6) and sulfur dioxide (SO2). On the basis of the conducted analyzes, similarities and differences were shown between the data observed at individual types of stations, and the possibilities of using them to identify the causes of the observed changes and the effects of remedial actions to improve air quality undertaken recently and planned in the future were indicated. It was found that the air concentrations of some substances measured at these stations can be used to assess the emission abatement effects in road transport (NO2, PM10 or C6H6), residential heating (PM10 or SO2), and selective industrial plants (SO2, NO2 or C6H6).

show abstract

Estimation of short-lived climate forced sulfur dioxide in Tehran, Iran, using machine learning analysis

Borhani

Motlagh

Rashidi

et al. 2022

Stoch Environ Res Risk Assess

View full text Add to dashboard Cite

This paper presents a time-series analysis of SO 2 air concentration and the effects of particulates (either PM 2.5 and PM 10 ) concentrations and meteorological conditions (relative humidity and wind speed) on SO 2 trend in Tehran for the period from 2011 to 2020. The source data were obtained from 21 monitoring stations of Air Quality Control Company and meteorological stations in Tehran. To predict the status of future concentration of SO 2 , PM 2.5 and PM 10 , a Box–Jenkins ARIMA approach was used to model the monthly time series. Considering the whole period of ten years, a somewhat downward trend was noted for SO 2 air concentration, even though a slight rising trend was observed in 2020 year. Monthly sulfur dioxide concentrations showed the lowest value in June and the highest value in January. Seasonal concentrations were lowest in spring and highest in winter. Then, in the ArcGIS software, the IDW method was used to obtain air pollution zoning maps. As a result, the highest average concentration of SO 2 occurred in the north and southwest of Tehran. In the last step, Relations between the SO 2 concentration and particulate matters and relative humidity and wind speed were calculated statistically using the daily average data. We finally concluded that the combined effect of particulate matters and relative humidity with the increasing role of Sulfur dioxide overcomes the decreasing role of wind speed. This study can contribute to a better understanding of the SO 2 air pollution in Tehran affected by meteorological conditions and the rapid urbanization and industrialization, followed by the possible combustion of fuel oil in power plants and health problems.

show abstract

Modelling and Forecasting of SO₂ Concentration in Atmospheric Air – A Case Study of the City of Krakow

Cited by 3 publications

References 1 publication

Nghiên cứu giải pháp đánh giá ô nhiễm không khí khu vực khai thác mỏ đất đắp bằng dữ liệu Sentinel-5P Tropomi

Nghiên cứu giải pháp đánh giá ô nhiễm không khí khu vực khai thác mỏ đất đắp bằng dữ liệu Sentinel-5P Tropomi

Assessment of the Variability of Air Pollutant Concentrations at Industrial, Traffic and Urban Background Stations in Krakow (Poland) Using Statistical Methods

Estimation of short-lived climate forced sulfur dioxide in Tehran, Iran, using machine learning analysis

Contact Info

Product

Resources

About

Modelling and Forecasting of SO2 Concentration in Atmospheric Air – A Case Study of the City of Krakow

Cited by 3 publications

References 1 publication

Nghiên cứu giải pháp đánh giá ô nhiễm không khí khu vực khai thác mỏ đất đắp bằng dữ liệu Sentinel-5P Tropomi

Nghiên cứu giải pháp đánh giá ô nhiễm không khí khu vực khai thác mỏ đất đắp bằng dữ liệu Sentinel-5P Tropomi

Assessment of the Variability of Air Pollutant Concentrations at Industrial, Traffic and Urban Background Stations in Krakow (Poland) Using Statistical Methods

Estimation of short-lived climate forced sulfur dioxide in Tehran, Iran, using machine learning analysis

Contact Info

Product

Resources

About

Modelling and Forecasting of SO₂ Concentration in Atmospheric Air – A Case Study of the City of Krakow