KÖRNYEZETMINŐSÉGI VIZSGÁLATOK MAGYARORSZÁGON. Makra László

Átírás

1 KÖRNYEZETMINŐSÉGI VIZSGÁLATOK MAGYARORSZÁGON Makra László

2 Tartalomjegyzék Magyarországi városok és megyék objektív analízise és rangsora környezeti és társadalmi tényezők alapján 1. Bevezetés 2. Célkitűzés 3. Adatbázis és módszertan 4. Eredmények 4.1. Városok 4.2. Megyék 5. Összegzés Levegőminőségi trendek Magyarországon, különös tekintettel a dél-alföldi régióra 1. Bevezetés 2. Célkitűzés 3. Adatbázis 4. Módszerek 4.1. Extrém érték analízis 4.2. Makra-próba (A klasszikus kétmintás próba egy új interpretálása) 5. Eredmények 5.1. A légszennyező anyagok emissziós idősorai, trendjei 5.2. Az összes emissziók ágazati részesedése 5.3. A CO- és NO-koncentrációk extrém értékeinek modellezése 5.4. A vizsgált változó párok együttes napi viselkedése 6. Hivatkozások

3 A meteorológiai elemek és a fő légszennyező anyagok koncentrációi közötti kapcsolat egy objektív becslése Szegeden 1. Bevezetés 2. Célkitűzés 3. Adatbázis 4. Módszer 4.1. Faktoranalízis 5. Eredmények 5.1. Téli hónapok 5.2. Nyári hónapok 6. Összegzés A közlekedés hatása a levegőminőség alakulására Szegeden 1. Bevezetés 2. Célkitűzés 3. Adatbázis 4. Módszer 5. Eredmények 5.1. A légszennyező anyagok koncentrációinak napi menete a forgalomszámlálás napján 5.2. A légszennyező anyagok koncentrációinak átlagos napi menete 5.3. A légszennyező anyagok koncentrációinak átlagos évszakos koncentrációi és átlagos évszakos arányai 6. Összegzés 7. Hivatkozások

4 A levegöszennyezettség becslése Szegeden 1. Célkitűzés 2. Adatbázis 3. Módszer 3.1. A légszennyezettség mértékének számszerű kifejezése 4. Eredmények 4.1. A légszennyező anyagok emissziós idősorai 4.2 A levegőminőség időbeli változékonysága 5. Összegzés 6. Hivatkozások A légszennyező anyagok koncentrációinak havi, heti és napi menete Szegeden 1. Bevezetés 1.1. A légszennyező anyagok jellemzői A légszennyezés fő forrásai A légszennyezettség káros következményei A levegőminőségi problémák természete és jelentősége A légszennyező anyagok csoportosítása 1.2. Szeged közlekedése 1.3. Célkitűzés 2. Adatbázis És Módszer 2.1. Szeged földrajzi helyzete, városszerkezete és éghajlata 2.2. A légszennyező anyagok mérése

5 3. Eredmények 3.1. A légszennyező anyagok koncentrációinak évi ciklusai Az NO-koncentrációk évi ciklusa Az NO 2 -koncentrációk évi ciklusa A troposzférikus ózon (O 3 ) és az O x koncentrációinak évi ciklusa Az összes lebegő részecske (TSP) koncentrációinak évi ciklusa 3.2. A légszennyező anyagok koncentrációinak heti és napi ciklusai Az NO- és az NO 2 -koncentrációk heti és napi ciklusai Az O 3 -koncentrációk heti és napi ciklusai Az O x -koncentrációk heti és napi ciklusai Az összes lebegő részecske (TSP) koncentrációinak heti és napi ciklusai 4. Összegzés A járművek okozta légszennyezettség Szegeden, CALINE-4 modell, Esettanulmány különös tekintettel az E-5, E-43 és E-55 utakra A légszennyező anyagok évi átlagos koncentrációi a küszöbértékük %-ában Szegeden

6 Magyarországi városok és megyék objektív analízise és rangsora környezeti és társadalmi tényezők alapján Makra, L., Horváth, Sz., Sümeghy, Z., 2002a: Magyarországi városok és megyék objektív analízise és rangsora környezeti és társadalmi tényezők alapján. Légkör, 47(3), Makra, L., Horváth, Sz., Sümeghy, Z., 2002b: Zöld városok és megyék Magyarországon. A földrajz tanítása, 10(5), Gál, A., Vitányi, B., Makra, L., 2005: Magyarországi városok és megyék környezetminőségi értékelése, különös tekintettel az Északi-középhegység térségére. Szerencs, Tokaj- Hegyalja kapuja. Tudományos konferencia, Szerencs, április Szerencs, Tokaj-Hegyalja kapuja. Konferencia kötet, Szerencs, (Eds: Frisnyák, S., Gál, A.) pp Makra, L., Sümeghy, Z., 2007a: Objective analysis and ranking of Hungarian cities, with different classification techniques, Part 1. Acta Climatologica et Chorologica. Universitatis Szegediensis, 40-41, Makra, L., Sümeghy, Z., 2007b: Objective analysis and ranking of Hungarian cities, with different classification techniques, Part 2. Acta Climatologica et Chorologica. Universitatis Szegediensis, 40-41, Makra L., Sümegh, Z., 2010: Magyarországi városok és megyék osztályozása infrastrukturális és környezeti indikátorok alapján. Földrajzi Közlemények, 134(2),

7 Tartalomjegyzék 1. Bevezetés 2. Célkitűzés 3. Adatbázis és módszertan 4. Eredmények 4.1. Városok 4.2. Megyék 5. Összegzés

8 1. BEVEZETÉS Magyarország, január 1: 236 város (az ország lakosságának 65,7 %-a) Városainkban a környezet minősége az életminőség fontos részét képezi.

9 Mely városoknak / megyéknek tisztább a levegője? nagyobb a zöldövezete? kellemesebb a klímája? Mely városok / megyék szervezik meg jobban a közlekedésüket? a köztisztaság ellátását? a hulladékkezelést? Mely városok / megyék pazarolják a vizet, vagy az energiát?

10 2. CÉLKITŰZÉS A magyarországi városok és megyék rangsorának megállapítása környezetminőségük színvonala és környezeti tudatosságuk mértéke alapján A magyarországi városok és megyék objektív osztályozása

11 3. ADATBÁZIS ÉS MÓDSZERTAN KÖRNYEZETI INDIKÁTOROK 88 magyarországi város évi adatai 19 környezeti indikátorról, illetve azok 7 csoportjáról

12 KÖRNYEZETI INDIKÁTOROK VÍZFOGYASZTÁS 1. Az egy lakosra jutó évi vízfogyasztás, m 3 ENERGIAFOGYASZTÁS 2. Egy háztartási fogyasztóra jutó évi vezetékesgáz fogyasztás, m 3 3. Egy háztartási fogyasztóra jutó évi villamosenergia fogyasztás, kwh 4. Foknapok (a hűtési foknapok és a fűtési foknapok összege)

13 KÖZMŰELLÁTOTTSÁG 5. A vezetékesgáz hálózatba bekapcsolt háztartások aránya, % 6. A közüzemi vízhálózatba bekapcsolt lakások aránya, % 7. A közüzemi szennyvízcsatorna-hálózatba bekapcsolt lakások aránya, % 8. Az 1 km közüzemi vízhálózatra jutó közüzemi szennyvízcsatorna-hálózat, m KÖZLEKEDÉS 9. Az egy személygépkocsira jutó lakosok száma, fő

14 HULLADÉKKEZELÉS 10. Elvezetett szennyvíz, összesen, m 3 /fő 11. Elszállított hulladék, összesen, m 3 /fő 12. A rendszeres hulladékgyűjtésbe bevont lakások aránya, % TELEPÜLÉSI KÉNYELMI TÉNYEZŐK 13. Közhasználatú zöldterület, m 2 /fő 14. A burkolt belterületi utak aránya, % 15. A rendszeresen tisztított kiépített közterületek aránya, % 16. Egy lakásra jutó lakosok száma, fő

15 LEVEGŐMINŐSÉG 17. Ülepedő por koncentráció (g/m 2 /30 nap; immisszió határérték: 16 g/m 2 /30 nap) 18. SO 2 -koncentráció (µgm -3 ; immisszió határérték: 50 µgm -3 ) 19. NO 2 -koncentráció (µgm -3 ; immisszió határérték: 40 µgm -3 ) fűtési foknapok: azokon a napokon, amelyeken a középhőmérséklet 18 C fölötti, vesszük az aktuális napi középhőmérséklet és a 18 C-os érték különbözetét, s ezeket összeadjuk. hűtési foknapok: azokon a napokon, amelyeken a középhőmérséklet 18 C alatti, vesszük az aktuális napi középhőmérséklet és a 18 C-os érték különbözetét, s ezeket összeadjuk.

16 4. EREDMÉNYEK 4.1. Városok 19 környezeti indikátor ismeretében 88 magyarországi város környezetminőségi osztályozását végeztük el. A városok megítélését lehetővé tevő végső sorrendjét a környezeti indikátorok sorrendjének átlagolásával kapott számértékek növekvő sorrendje vagyis a Green City Index adja meg. Az öt legkedvezőbben minősített településünk sorrendben: (első helyen a legkedvezőbb) Nagykanizsa, Balatonföldvár, Balatonboglár, Balatonlelle és Szombathely.

17 Az öt leghátrányosabb helyzetű városunk (első helyen a legkedvezőtlenebbnek minősített) Mosonmagyaróvár, Mór, Balassagyarmat, Sajószentpéter és Tiszavasvári. A legjobb környezeti minőséget a nyugat- és dél-dunántúli városaink mutatják. Az ország többi részében vegyesen találhatók kedvező, illetve hátrányos helyzetű városok, melyek nem tömörülnek összefüggő régiókba.

18 4.2. Megyék A 19 környezeti indikátor ismeretében elvégeztük a 19 magyarországi megye környezetminőségi osztályozását is. A megyék megítélését lehetővé tevő végső sorrendjét a környezeti indikátorok sorrendjének átlagolásával kapott számértékek növekvő sorrendje vagyis a Green County Index adja meg. A legjobb helyzetben lévő három megyénk (első helyen a legkedvezőbbnek rangsorolt) Somogy, Vas és Zala.

19 A legkedvezőtlenebb környezeti minősítést (első helyen a leghátrányosabbnak pozicionált) Szabolcs-Szatmár-Bereg, Hajdú- Bihar és Békés megyék kapták. Jellegzetesen elkülönülnek egymástól egyrészt a kedvező helyzetben lévő (alacsony Green County Index értékekkel rendelkező) dunántúli megyék, másrészt a hátrányos pozíciójú (magas Green County Index értékekkel rendelkező) kelet-magyarországi megyék.

20 A figyelembe vett környezeti indikátorok (k.i.) városok szerinti sorrendjeinek átlaga (Green City Index), s ezek alapján a városok végső sorrendje, (1. = legjobb, 88. = leggyengébb)

21 A városok környezetminőségi színvonala a Green City Index értékeik alapján. [Alacsony értékek (nagyobb területű körök) = kedvező; magas értékek (kisebb területű körök) = kedvezőtlen]

22 A figyelembe vett környezeti indikátorok (k.i.) megyék szerinti sorrendjeinek átlaga (Green County Index), s ezek alapján a megyék végső sorrendje, (1. = legjobb, 19. = leggyengébb)

23 A megyék környezetminőségi színvonala a Green County Index értékeik alapján. [Alacsony értékek (kisebb területű négyzetek) = kedvező; magas értékek (nagyobb területű négyzetek = kedvezőtlen) Borsod-Abaúj- Zemplén Komárom- Esztergom Nógrád Heves Szabolcs-Szatmár- Bereg Győr-Moson-Sopron Pest Hajdú-Bihar Vas Veszprém Fejér Jász-Nagykun- Szolnok Zala Somogy Tolna Bács-Kiskun Csongrád Békés Baranya

24 A kiindulási sajátértékek és varianciák, 2000 január 1. december 31. komponens kiindulási sajátértékek teljes variancia relatív variancia, % kumulatív variancia, % 1 2,823 14,858 14, ,272 11,958 26, ,965 10,343 37, ,847 9,722 46, ,613 8,489 55, ,537 8,089 63, ,399 7,361 70,820

25 Faktorsúlyok, 2000 január 1. december 31. Csak a nél nagyobb értékeket tüntetjük fel. sorszám elem 1. faktor 2. faktor 3. faktor 4. faktor 5. faktor 1 vízfogyasztás 0,703 2 gázfogyasztás -0,787 3 elektromos energia fogyasztás -0,793 4 foknapok 0,668 5 a vezetékes gázhálózatba bekapcsolt 0,733 lakások aránya 6 a közüzemi ivóvízhálózatba bekapcsolt -0,735 lakások aránya 7 a közüzemi szennyvízhálózatba 0,628 bekapcsolt lakások aránya 8 az 1 km közüzemi vízhálózatra jutó 0,735 közüzemi szennyvíz-csatorna-hálózat 9 személygépkocsi ellátottság -0, elvezetett szennyvíz összesen 0, elszállított hulladék összesen 12 a rendszeres hulaldékgyűjtésbe bevont 0,842 lakások aránya 13 közhasználatú zöldterület 14 a burkolt belterületi utak aránya 0, a rendszeresen tisztított kiépített 6. faktor 7. faktor közterületek aránya 16 az egy lakásra jutó lakosok száma 0, az ülepedő por átlagos koncentrációja 0, a kén-dioxid átlagos koncentrációja 0, a nitrogén-dioxid átlagos koncentrációja 0,748 A nél magasabb értékek a 95 %-os valószínűségi szinten szignifikánsak, azonban a 4. táblázat cask a nél magasabb értékeket közli. Ez azt jelenti, hogy egy elem teljes varianciájának legalább 36 %-át egyetlen faktor megmagyarázza. 0,820

26 Cluster a városok száma A kapott 6 clusterhez tartozó faktorértékek átlaga ( m ) és szórása (σ ) víz- és szennyvíz közmű ellátottság komponens energia komponens hulladékkezelés komponens por komponens klíma komponens levegőminőség komponens települési kényelmi tényezők komponens (az 1. faktor faktorértékei) (a 2. faktor faktorértékei) (a 3. faktor faktorértékei) (a 4. faktor faktorértékei) (az 5. faktor faktorértékei) (a 6. faktor faktorértékei) (a 7. faktor faktorértékei) m σ m σ m σ m σ m σ m σ m σ ,27 1,24 0,59 0,57 0,26 0,64-0,10 0,61 0,14 0,65 0,23 1,06 0,86 0, ,04 0,55-0,86 0,87 0,07 0,67 0,23 0,75-0,42 0,83 0,22 0,87-0,24 0, ,09 1,53 0,25 0,27-2,62 0,63-0,59 0,53-0,46 1,11-0,15 1,21-0,07 0, ,51 0,69 1,13 0,99 0,61 0,52 1,47 0,63-0,79 0,32-0,91 0,77-0,99 0, ,67 0,96 0,02 0,87-0,18 0,74 0,12 0,81 1,28 1,04-0,25 0,97-0,46 0, ,19 0,37 0,22 0,51 1,25 0,40-2,79 0,42-0,43 0,51-0,81 0,43-1,02 1,20 A kapott 6 clustert az adott clusterhez tartozó települések faktorértékeinek átlagai alapján jellemeztük. Minél alacsonyabb egy adott clusterben valamely hozzá tartozó faktor faktorértékeinek a szórása, az illető faktor annál inkább jellemző az adott clusterre. Ezt figyelembe véve a fenti táblázat azon faktorérték átlagokat jelöli vastagítva, amelyhez tartozó szórások az adott clusterben alacsonyabbak 0,7-nél.

27 Az egyes faktorok földrajzi interpretációja A víz- és szennyvíz közmű ellátottság komponens faktorérték térképe

28 Az energia komponens faktorérték térképe

29 A hulladékkezelés komponens faktorérték térképe

30 A por komponens faktorérték térképe

31 A klíma komponens faktorérték térképe

32 A levegő-minőség komponens faktorérték térképe

33 A települési kényelmi tényezők komponens faktorérték térképe

34 A városok térbeli elhelyezkedése a clusteranalízis során előállított 6 csoportjuk szimbólumaival. (A csoportok jele és sorszáma mellett zárójelben a hozzájuk tartozó városok száma található.)

35 A megyék térbeli elhelyezkedése a clusteranalízis során előállított 6 csoportjuk szimbólumaival. (A csoportok jele és sorszáma mellett zárójelben a hozzájuk tartozó megyék száma található.) Borsod-Abaúj- Zemplén Nógrád Heves Szabolcs-Szatmár- Bereg Győr-Moson-Sopron Komárom- Esztergom Pest Hajdú-Bihar Vas Veszprém Fejér Jász-Nagykun- Szolnok Zala Somogy Tolna Bács-Kiskun Csongrád Békés Baranya 1 (5) 2 (3) 3 (1) 4 (3) 5 (6) 6 (1)

36 5. Összegzés A faktoranalízist követően a megtartott faktorok gyűjtőnevet kaptak az egyes faktorsúlyoknak az eredeti változókkal való kapcsolata alapján. E gyűjtőnevek egyetlen esetben sem reprezentálják az adott faktor jellegét. Ennek valószínű oka az, hogy az eredeti változók egy része természeti változó, míg más részük társadalmi változó. Ebből adódóan általában nem mutatható ki oksági összefüggés valamely faktor faktorsúlyai között. Következésképp, egy adott faktor jellege nehezen értelmezhető.

37 A megtartott faktorok faktorérték térképei alapján megállapítható, hogy a Budapest körüli térségben kedvező a víz- és közmű ellátottság, a hulladékkezelés és a települési kényelmi tényezők. A Dunántúl helyzete előnyös az alábbi kategóriák tekintetében: hulladékkezelés, klíma, levegőminőség és települési kényelmi tényezők. Az Alföldön alacsony az energia-fogyasztás, jó a hulladékkezelés, illetve alacsony a porkoncentráció. Az Északi-középhegység térsége viszont egyetlen komponens értékében sem mutat kedvező tulajdonságokat. Megjegyzendő, hogy néhány nehézipari város jól teljesít némely társadalmi változó esetében, különösen a közműellátottság terén. Ennek az az oka, hogy e városokban a közművek még a szocialista rendszer idején épültek, jóval 1989, azaz a rendszerváltás előtt.

38 A Balaton térsége minden vizsgált komponens esetében kedvező képet mutat, kivéve a hulladékkezelést. Ez arra utal, hogy a hulladékkezelés még napjainkban is komoly problémákat jelent e kiemelt üdülőkörzetben. A clusteranalízis alkalmazásával a városok 6 leginkább homogén csoportját különítettük el, melyek nem mutatnak egyértelmű térbeli rendszert. A GCI értékek clusterenkénti átlagai megerősítik azt, hogy a környezeti szempontok alapján a legmagasabban rangsorolt városaink a Dunántúl délnyugati részén találhatók, míg a leghátrányosabb helyzetűek az Északi-középhegység térségében, valamint az Alföld keleti részén sűrűsödnek.

39 Összességében a Dunántúl csaknem minden komponens esetében előnyösebb helyzetben van, mint akár az Északi-középhegység, akár az Alföld települései. Ez történelmi okokra vezethető vissza. A Dunántúl gazdasága az osztrák tartományok szomszédságban mindig is fejlettebb volt, mint az említett területeké, ami jelentősen befolyásolta a vizsgált elemek értékét. A vizsgált elemek egyaránt természeti és társadalmi elemek. A foknapok lévén klíma paraméter antropogén hatástól független. A zöldterületek kiterjedése a település pénzügyi viszonyaitól független, s csupán a helyi település-tervezéstől függ. A levegőminőségi elemek a közlekedési viszonyoktól és az ipar lététől, s jellegétől függenek. A közműellátottság alapvetően a település rendelkezésére álló pénzügyi háttértől függ. Az energia-fogyasztás részben függ a környezettudatosságtól. Miként javítható a hátrányos helyzetű városok környezetminősége? Jóllehet számos a dolgozatban vizsgált elem pénzügyi forrás függő, azonban az első és legfontosabb a környezet-tudatosság. Az első az ember, s ezen legalsó szinten megtett lépések összeadódnak, s aztán formálják a helyi, illetve a magasabb testületek döntését.

40 Levegőminőségi trendek Magyarországon, különös tekintettel a dél-alföldi régióra Makra, L., Horváth, Sz., Zempléni, A., Csiszár, V., Fodré, Zs., Bucsiné Kapocsi, I., Motika, G., Sümeghy, Z., 2001a: Analysis of air quality parameters in Csongrád county. Acta Climatologica et Chorologica. Universitatis Szegediensis, 34-35, Horváth, Sz., Makra, L., Zempléni, A., Motika, G., Sümeghy, Z., 2001b: A közlekedés szerepe a levegőminőség módosításában egy közepes méretű város példáján. Légkör, 46(1), Makra, L., Horváth, Sz., Zempléni, A., Csiszár, V., Rózsa, K., Motika, G., 2001c: Levegőminőségi trendek Magyarországon, különös tekintettel a dél-alföldi régióra. Légkör, 46(2), Mohl, M., Gaskó, B., Horváth, Sz., Makra, L., Szabó, F., 2002: Szeged megyei jogú város 2. KÖRNYEZETVÉDELMI PROGRAMJA, Lépések a helyi fenntarthatóság felé. Tanulmány. Készült: A környezet védelmének általános szabályairól szóló évi LIII. törvény 46. és 47. alapján. 59 p + 6 ábra + 27 táblázat Makra, L., 2005: The role of traffic in modifying air quality in a medium sized city, Szeged, Hungary. Epidemiology, 16(5), S62-S62. Makra, L., Mayer, H., Mika, J., Sánta, T., Holst, J., 2010: Variations of traffic related air pollution on different time scales in Szeged, Hungary and Freiburg, Germany. Physics and Chemistry of the Earth, 35(1-2),

41 Tartalomjegyzék 1. Bevezetés 2. Célkitűzés 3. Adatbázis 4. Módszerek 4.1. Extrém érték analízis 4.2. Makra-próba (A klasszikus kétmintás próba egy új interpretálása) 5. Eredmények 5.1. A légszennyező anyagok emissziós idősorai, trendjei 5.2. Az összes emissziók ágazati részesedése 5.3. A CO- és NO-koncentrációk extrém értékeinek modellezése 5.4. A vizsgált változó párok együttes napi viselkedése 6. Hivatkozások

42 1. Bevezetés A légszennyezés káros az épületekre, a gépekre és műszaki berendezésekre, az élőlényekre; A légszennyezéssel kapcsolatos problémák jelentősége és természete függ a város méretétől, földrajzi tényezőktől (éghajlat, helyi meteorológiai viszonyok az adott időpontban, földrajzi helyzet, domborzat), társadalmi aspektusoktól (meglévő környezetvédelmi szabályozók, várostervezési döntések);

43 2. Célkitűzés A légszennyező paraméterek térbeli és időbeli jellemzőinek, statisztikai kapcsolatainak meghatározása, meteorológiai elemekkel való összefüggésének vizsgálata.

44 3. Adatbázis automata levegőminőségi állomás (Szeged belvárosa (Kossuth Lajos sgt. és a Damjanich u. - Teréz u. sarok); CO, NO, NO 2, SO 2, O 3 és a lebegő részecskék (total suspended particulate = TSP) (µg m -3 ) tömegkoncentrációi; (1. ábra; 40. dia); RIV (Regionális Immisszió Vizsgáló) állomáshálózat, szegedi és Csongrád megyei állomások; az NO 2 és SO 2 havi átlagos tömegkoncentrációi (heti két mérés), az ülepedő por havi összes mennyisége (g / m 2 / a hónap napjainak száma), ; Környezetvédelmi Minisztérium, 1999: Magyarország környezetvédelmi adatai (az egyes ágazatok emissziós adatai). Budapest. ISBN

45 4. Módszerek 4.1. Extrém érték analízis A szennyezőanyag-koncentrációk egyidejű, szélsőségesen magas szintjei előfordulási valószínűségeinek becsléséhez először az egydimenziós eloszlásokat, majd az extrémumok kétdimenziós együttes viselkedését modelleztük a CO-NO párra. Az extrém értékek összefüggéseire koncentrálunk, azaz azt vizsgáljuk, amikor egyidejűleg mindkét szennyezőanyag magas koncentrációban fordult elő (Coles et al., 1999). Az együttes eloszlást a logisztikus kétdimenziós extrém érték eloszlással modelleztük, amelyre a mindkét koordinátában magas koncentráció értékek előfordulási valószínűségét a 1/ r 1/ r r P ( X > x, Y > y) = exp{ ( x + y ) } (1) képlet adja meg, ahol 0 < r < 1 a paraméter. Az extrém érték analízis módszerei független, azonos eloszlású megfigyelésekre alkalmazhatók az adatbázisokból el kellett távolítanunk a lineáris trendet és a periodikus részt. (Ez utóbbit a napi maximumokra illesztettük, mert így világosabban kirajzolódnak a változások, és az extrémérték elemzéshez amúgy is ezt az adatbázist használtuk.) Az adatsorok évente ciklikusan változnak és megfigyelhető a fennmaradó rész tendencia szerű változása is. Ez lineáris trenddel megfelelően modellezhető volt (2. ábra).

46 4.2. Makra-próba (A klasszikus kétmintás próba egy új interpretálása) Alapkérdés: kimutatható-e szignifikáns eltérés valamely adatsor tetszőleges részmintájának az átlaga és a teljes mintaátlag között? 0-hipotézis: NEM Vezessük be a PS (1) M m N n σ N n valószínűségi változót, mely N(0;1) eloszlású. = M Ha meghatározzuk a vizsgált adatsor középértékét és σ szórását, akkor a 0-hipotézisnek az adott részminta m átlagértékére vonatkozó próbája PS és x p alábbi összevetéséhez vezet (2) ( 1) M m P > x p = N n σ N n p (3) A standard normális eloszlás táblázatából adott 0 < p << 1 számhoz meghatározhatjuk azt az x p -t, amelyre a (3) egyenlőség teljesül (Makra et al., 2005a; 2005b).

47 5. Eredmények 5.1. A légszennyező anyagok emissziós idősorai, trendjei A légszennyező anyagok emissziói származási forrásuk alapján csoportosíthatók: ipar, erőművek, egyéb fűtés, közlekedés, mezőgazdaság, szolgáltató szféra, lakosság, szolgáltatások; A legfontosabb légszennyező anyagok [a kén-dioxid (SO 2 ), a nitrogén-oxidok (NO x ), a szén-monoxid (CO) és a szilárd légszennyező anyagok (TSP)] trendjei (1-8. ábra);

48 A kén-dioxid és a szilárd anyag emissziója között szignifikánsan csökken (1-8. ábra); Ok: (1) az évet megelőző időszakban bekövetkezett energiahordozó- és technológiai szerkezetváltás: a paksi atomerőmű üzembe állítása (a hazai villamos energia termelés 37,9 %-át adja; évi adat); (2) az intenzív földgázprogram; (3) a tüzelő- és fűtőolajok kéntartalmának csökkentése; (4) a szénfelhasználás mérséklődése; (5) a kőolaj-feldolgozásban a destruktív technológiák megjelenése csökkent a nehézfrakciók aránya és jelentősen megnövekedett a fehéráru-kihozatal a bitumenben dúsultak föl a szennyezőanyagok, amit nem tüzelünk el; (6) az erőművi rekonstrukciós program beindulása (minden széntüzelésű erőműbe elektrofiltert építettek be) (1-8. ábra).

49 Az emisszió csökkenés okai 1990 után: a gazdasági recesszió, valamint a szerkezetváltás, melynek következtében kevesebb energiafelhasználás történt az iparban; a fluid ágyas tüzelés elterjedése az erőműveknél és az ipari kazánoknál; az alacsony nitrogén-oxid kibocsátású égők beépítése (Százhalombatta); a kombinált ciklusú gázturbinák beépítése (Százhalombatta, Kelenföld); az energiahordozók árának drasztikus emelése cél: (1) energiatakarékosság, (2) racionális energiafelhasználás (1-8. ábra);

50 az energiatakarékos háztartási készülékek megjelenése (kompakt fénycső, korszerű tűzhelyek, hűtőszekrények, mélyhűtők, forróvíztárolók, mosógépek, stb.; az ólommentes benzin, valamint a katalizátoros gépkocsik megjelenése, illetve elterjedése; a gépkocsik szén-monoxid (CO) emissziójának csökkenése a zöldkártya bevezetésével. A nitrogén-oxidok (NO x ) esetében mérsékeltebb a csökkenés, mely az utóbbi években meg is állt, s inkább a stagnálás a jellemző. A szén-monoxid (CO) megfigyelési idősora rövidebb a többi gázénál, csökkenése mérsékeltebb az előzőeknél, és nem szignifikáns, (Környezetvédelmi Minisztérium, 1999) (1-8. ábra).

51 1. ábra: Ipari emissziók, Magyarország, kt/év,

52 2. ábra: Erőművek emissziói, Magyarország, kt/év,

53 3. ábra: Egyéb fűtési emissziók, Magyarország, kt/év,

54 4. ábra: Közlekedési eredetű emissziók, Magyarország, kt/év,

55 5. ábra: Mezőgazdasági eredetű emissziók, Magyarország, kt/év,

56 6. ábra: A szolgáltató szféra emissziói, Magyarország, kt/év,

57 7. ábra: Lakossági eredetű emissziók, Magyarország, kt/év,

58 8. ábra: Összes emissziók, Magyarország, kt/év,

59 5.2. Az összes emissziók ágazati részesedése A nitrogén-oxidok (NO x ) esetében minimális időbeli arányváltozások tapasztalhatók. A lakosság és az ipar részesedése az emissziókból valamelyest csökken, míg a közlekedésé hasonlóan csekély mértékben nő (9-12. ábra). Az arányeltolódások a legmarkánsabbak a kén-dioxid (SO 2 ) és a szilárd anyag (TSP) esetében. Bár a kén-dioxid emissziók minden ágazatban csökkentek, ez legkevésbé az erőműveknél volt tapasztalható ezek részesedése a vizsgált időszakban megduplázódott (9-12. ábra). A szilárd anyag emisszióban legmarkánsabb a közlekedés részarányának növekedése, míg a többi ágazatéban egyértelmű változás nem mutatható ki (9-12. ábra). A szén-monoxid (CO) esetében a lakosság százalékos ágazati részesedése csekély mértékben csökkent, míg a közlekedésé ugyanígy nőtt (9-12. ábra) (Környezetvédelmi Minisztérium, 1999).

60 9. ábra: A CO emisszió részaránya az egyes ágazatokban, Magyarország, %, , (Az ipari emisszió nem változik, a közlekedési nő, a lakossági csökken.)

61 10. ábra: Az NO x emisszió részaránya az egyes ágazatokban, Magyarország, %, (A mezőgazdasági csökken, az ipari csökken, a közlekedési nő, a lakossági csökken.)

62 11. ábra: Az SO 2 emisszió részaránya az egyes ágazatokban, Magyarország, %, (Az ipari csökken, a hőerőművi nő, a közlekedési nő, a lakossági csökken.)

63 12. ábra: A TSP emisszió részaránya az egyes ágazatokban, Magyarország, %, (A hőerőművi csökken, a közlekedési nő, a lakossági csökken.)

64 5.3. A CO- és NO-koncentrációk extrém értékeinek modellezése A tényleges elemzést a trendtől és periódustól megtisztított adatok heti maximumaira végeztük a napiak helyett. Két okból döntöttünk ezen rövidebb adatsor vizsgálata mellett: (1) az extrém érték eloszlások jobb illeszkedését várhattuk, (2) ily módon az összefüggőséget is csökkentettük. Minél hosszabb időszakot választunk, általában annál jobb illeszkedést várhatunk. Mivel a mi esetünkben az adatsor viszonylagos rövidsége ( ) nem engedett meg ennél jóval nagyobb ritkítást, ezért vizsgáltuk a hetenkénti maximumok idősorát. A CO- és NO-koncentrációk napi maximumainak idősorai (13. ábra). Becsültük az ún. χ farok-összefüggőségi együtthatót: χ = P( Y> u X> u) (4) lim1 u mely jellemzi az extrém értékek összefüggőségét. χ a logisztikus modellnél (1. egyenlet) az r paraméternek is megfeleltethető: χ,=2-2 1/r. χ-re könnyen adható természetes becslés. Mielőtt becsültük volna ezeket a mennyiségeket (χ és r), a heti maximumok marginális eloszlásait egyenletes eloszlásúra transzformáltuk (14. ábra, első kép).

65 Látható, hogy a változók között erős az összefüggés (14. ábra, 1. kép). Az r paraméter becsléséhez egy küszöbértéket definiálunk, s a becslésben csak az adott küszöböt meghaladó megfigyelések játszanak szerepet. A 14. ábra, 2. kép az r különböző becsléseit adja meg a küszöbérték függvényében. Mivel minket az extrém értékek összefüggősége érdekel, úgy döntöttünk, hogy a 0,7 és 0,9 közötti küszöböket vesszük figyelembe (lásd: függőleges vonalak; a 0,9-nél nagyobb küszöböket azért zártuk ki, mert ott a kis megfigyelésszám miatt nagy a szórás). Első becslésként az ebben az intervallumban kapott értékek átlagát fogadtuk el (r = 0,5155; lásd: vízszintes pontozott vonal). Két másik módszerrel is becsültük r-et: (1) maximum likelihood (ML) módszerrel, (2) momentum típusú becsléssel (1. táblázat). Következtetések: A visszatérési idők becslései kevesebb, mint 10 %-kal térnek el egymástól, s a legnagyobb értéket a χ-re épülő becslés adja. Valószínű ok: itt csak a nagyobb értékeket vettük figyelembe, mivel az extrém érték modell tökéletes illeszkedése nem remélhető (amit az ML módszernél feltételezünk).

66 CO ug/m NO Napok Napok 13. ábra: A CO és NO koncentrációk napi maximumai. Szeged belvárosa, automata levegőminőségi állomás, január december 31.

67 Transzformált NO r T ra n s z fo rm á lt C O K ü s z ö b 14. ábra: A mindkét változóban egyenletes eloszlásúra transzformált adatok (1. kép); az r becsült értékeinek függése a küszöbértéktől (2. kép; a függőleges vonalak közötti értékek átlaga adta a javasolt becslés-értéket, ezt szaggatott vonal jelöli). Szeged belvárosa, automata levegőminőségi állomás, január december 31.

68 1. táblázat: A különböző becslések összehasonlítása a logisztikus modellben χ-re épülő becslés maximum likelihood becslés momentum típusú becslés r (CO; NO) (µg/m 3 ) visszatérési idő, év visszatérési idő, év visszatérési idő, év (6000; 500) 3,934 3,603 3,802 (8000; 600) 9,333 9,809 10,128 (14000; 900) 105,061 99, ,740

69 5.4. A vizsgált változó párok együttes napi viselkedése Az NO 2 /NO arány az ózonkoncentráción keresztül függ a globális sugárzástól (15. ábra; light = globális sugárzás) és az NO emissziótól. Nappal az NO 2 /NO > 1 arány az NO gyors oxidációjával magyarázható (NO + O 3 NO 2 + O 2 ) (intenzív ózontermelő folyamatok). Ugyanakkor ennek az aránynak az esti és éjszakai megfordulása a levegő oxidációs kapacitásának a csökkenését jelzi (az alkonyatot követően az ózonképződéshez vezető fotokémiai folyamatok leállnak) (15. ábra).

70 O O l i g h t N O NO light 15. ábra. A vizsgált változó párok (O 3, NO, NO 2 : ppb; light = globális sugárzás: W m -2 ) együttes napi viselkedése

71 6. Hivatkozások Coles, S., Heffernan, J. and Tawn, J. (1999) Dependence measures for extreme value analyses. Extremes 2, Makra, L., Mika, J. and Horváth, Sz., 2005a: 20th century variations of the soil moisture content in East-Hungary in connection with global warming. Physics and Chemistry of the Earth, 30, Makra, L., Juhász, M., Béczi, R. and Borsos, E., 2005b: The history and impacts of airborne Ambrosia (Asteraceae) pollen in Hungary. Grana, 44/1, Makra, L., Horváth, Sz., Taylor, C.C., Zempléni, A., Motika, G. and Sümeghy, Z., 2001: Modelling air pollution data in countryside and urban environment, Hungary. The 2nd International Symposium on Air Quality Management at Urban, Regional and Global Scales, Istanbul Technical University, Istanbul, Turkey, September Proceedings Eds: Topcu, S., Yardim, M.F. and Incecik, S. Környezetvédelmi Minisztérium, 1999: Magyarország környezetvédelmi adatai (az egyes ágazatok emissziós adatai). Budapest. ISBN

72 A meteorológiai elemek és a fő légszennyező anyagok koncentrációi közötti kapcsolat egy objektív becslése Szegeden (Horváth et al., 2003) Horváth, Sz., Makra, L., Kósa, E., Motika, G., 2003: A meteorológiai elemek és a fő légszennyező anyagok koncentrációi közötti kapcsolat egy objektív becslése Szegeden. Légkör, 48(2),

73 Tartalomjegyzék 1. Bevezetés 2. Célkitűzés 3. Adatbázis 4. Módszer 4.1. Faktoranalízis 5. Eredmények 5.1. Téli hónapok 5.2. Nyári hónapok 6. Összegzés

74 1. BEVEZETÉS A meteorológiai viszonyok befolyásolják a légszennyező anyagok koncentrációit. A szélsőséges légszennyezettség terhelést többnyire helyi források idézik elő, melyek hatását a kedvezőtlen nagytérségű meteorológiai viszonyok számottevően fölerősíthetik.

75 2. CÉLKITŰZÉS A meteorológiai elemek és a fő légszennyező anyagok közötti kapcsolat elemzése Szeged adatsorai alapján. meg kell határozni azokat a faktorokat, amelyek fontos szerepet játszanak az időjárás és a levegőminőség alakításában Szegeden. a levegőminőségi paraméterek és az időjárási elemek közötti kapcsolatok elemzése.

76 3. ADATBÁZIS 11 meteorológiai elem és 8 légszennyező paraméter napi értékei, , öt év, nyári hónapok (június, július, augusztus), illetve téli hónapok (december, január, február); A figyelembe vett meteorológiai elemek napi értékei: középhőmérséklet (T mean, C), maximum hőmérséklet (T max, C), minimum hőmérséklet (T min, C), napi hőmérsékleti ingás ( T = T max T min ; C), relatív nedvesség (RH, %), globális sugárzás (I, MJ m -2 ), szélsebesség (WS, m s -1 ), gőznyomás (VP, mb), telítettségi gőznyomás (E, mm), potenciális evapotranszspiráció (PE, mm) és harmatpont hőmérséklet (Td, C).

77 A figyelembe vett légszennyező paraméterek napi értékei: szén-monoxid (CO, mg m -3 ), átlagos koncentrációk nitrogén-monoxid (NO, µg m -3 ), átlagos koncentrációk nitrogén-dioxid (NO 2, µg m -3 ), átlagos koncentrációk részecskék (PM, µg m -3 ), átlagos koncentrációk kén-dioxid (SO 2, µg m -3 ), átlagos koncentrációk ózon (O 3, µg m -3 ), átlagos koncentrációk napi maximális ózonkoncentráció (O 3max, µg m -3 ), NO 2 /NO arány Az adatok a monitoring állomásról származnak (1. ábra); működteti: ATIKÖFE (Alsó Tisza Vidéki Természetvédelmi, Környezetvédelmi és Vízügyi Felügyelőség);

78 1. ábra Szeged földrajzi helyzete és beépítettségi típusai [a: városközpont (2-4-emeletes épületek); b: előregyártott betonelemekből épült lakótelepek (5-10-emeletes épületek); c: sorházak (1-2-emeletes épületek); d: ipartelepek; e: zöldterületek; (1) monitoring állomás)

79 Országos légszennyezettségi mérőhálózat Környezetvédelmi, Természetvédelmi és Vízügyi Felügyelőségek Automata mérőállomással rendelkező települések Magyarországon Forrás:

80 Országos légszennyezettségi mérőhálózat Szeged háttér városi háttér városközponti lakóterületi közlekedési lakóterületi ipari SO 2, NO 2, NO x, CO, ózon, PM10 Cím Állomás típusa NO NO 2 NO X SO 2 CO O 3 PM 10 PM 2.5 TSP BTEX H 2 S VOC Szeged Kossuth L. sgt. 89. közlekedési x x x x x x x x - x - - BTEX: benzol, toluol, etilbenzol és xylol; VOC: volatile organic compounds = illó szerves vegyületek

81 4. MÓDSZER 4.1. Faktoranalízis A kiindulási p db X 1, X 2,, X p változót m db (m < p) lineárisan független ún. faktor segítségével fejezzük ki. Minden egyes X változó kifejezhető az m db faktor lineáris függvényeként, azaz X m = α F i ij j j= 1 (1) α ij ahol az konstansok a faktorsúlyok (sajátvektor együtthatók). Ezek négyzete reprezentálja az X i varianciájának az F j faktor által megmagyarázott részét. A módszer egyik fontos lépése a megtartott faktorok (m) számának meghatározása. Néhány tanulmány a Guttmann-kritériumot használja, mely szerint csupán azokat a faktorokat tartják meg, melyek λ k sajátértékére teljesül, hogy λ k > 1. Esetünkben azonban ez túl sok (25) faktort eredményezett, ezért csak 8 faktort tartottunk meg, amennyi a városrangsorok négyzetes rangszámait 75 %-os pontossággal reprodukálja. A megtartott faktorokra ún. faktor rotáció -t is alkalmaztunk, ún. varimax rotációt hajtottuk végre, melynek révén a faktorok korrelálatlanok maradnak és a legtöbb mutató valamelyik rotált faktor, mint koordináta tengely közelébe esik.

82 5. EREDMÉNYEK 5.1. Téli hónapok A faktoranalízis végrehajtása után a Guttmann kritérium szerint 4 faktort tartottunk meg; A 4 megtartott faktor a kiindulási 19 változó teljes varianciájának 72,9 %-át megmagyarázza; A rotált komponens mátrix faktorsúlyai, A megtartott és rotált komponensek sajátértékei, az egyes komponensek által megmagyarázott varianciák és kumulatív varianciák 1. táblázat;

83 A vizsgált 19 változó kapcsolata a megtartott és rotált faktorok súlyai szerint, téli hónapok (1. táblázat); 1. táblázat. A rotált komponens mátrix faktorsúlyai, téli hónapok. A nél kisebb faktorsúlyok nincsenek feltüntetve. paraméterek 1. faktor 2. faktor 3. faktor 4. faktor középhőmérséklet (T mean ) 0,97 harmatpont (T d ) 0,96 gőznyomás (VP) 0,96 telítettségi gőznyomás (E) 0,95 minimum hőmérséklet (T min ) 0,84 maximum hőmérséklet (T max ) 0,83 0,37 szélsebesség (WS) 0,50-0,41 NO 2 0,84 CO 0,82 TSP 0,79 NO 0,76 NO 2 /NO -0,42 (0,25) SO 2 0,36 relatív nedvesség (RH) -0,91 globális sugárzás (I) 0,74 potenciális párolgás (PE) 0,57 0,74 napi hőmérsékleti ingás ( T) 0,37 0,56 O 3 0,90 O 3max 0,90 sajátérték* 5,80 3,30 2,74 2,00 megmagyarázott variancia, % 30,52 17,36 14,43 10,54 kumulatív variancia, % 30,52 47,88 62,31 72,85 módszer: főkomponens analízis rotáció: varimax módszer, Kaiser-féle normalizálás *a négyzetes súlyok rotált összege 1. faktor: A hőmérsékleti paraméterek nincsenek szoros kapcsolatban a besugárzással télen a téli léghőmérséklet elsősorban nem a besugárzástól, hanem a Kárpát-medence fölötti légtömegek hőmérsékleti jellemzőitől függ. A szélsebesség és a légnedvességi paraméterek között általában egyenes arányosság tapasztalható (kivéve pl. sarkvidéki száraz, hideg légbetörés erős széllel). WS növeli a PE-t növeli VP-t T d is nő.

84 1. táblázat. A rotált komponens mátrix faktorsúlyai, téli hónapok. A nél kisebb faktorsúlyok nincsenek feltüntetve. paraméterek 1. faktor 2. faktor 3. faktor 4. faktor középhőmérséklet (T mean ) 0,97 harmatpont (T d ) 0,96 gőznyomás (VP) 0,96 telítettségi gőznyomás (E) 0,95 minimum hőmérséklet (T min ) 0,84 maximum hőmérséklet (T max ) 0,83 0,37 szélsebesség (WS) 0,50-0,41 NO 2 0,84 CO 0,82 TSP 0,79 NO 0,76 NO 2 /NO -0,42 (0,25) SO 2 0,36 relatív nedvesség (RH) -0,91 globális sugárzás (I) 0,74 potenciális párolgás (PE) 0,57 0,74 napi hőmérsékleti ingás ( T) 0,37 0,56 O 3 0,90 O 3max 0,90 sajátérték* 5,80 3,30 2,74 2,00 megmagyarázott variancia, % 30,52 17,36 14,43 10,54 kumulatív variancia, % 30,52 47,88 62,31 72,85 módszer: főkomponens analízis rotáció: varimax módszer, Kaiser-féle normalizálás *a négyzetes súlyok rotált összege 2. faktor: WS és az elsődleges légszennyező anyagok közötti + WS és a T közötti ellentétes kapcsolat nyilvánvaló. Az NO koncentrációja nagyobb mértékben emelkedik, mint az NO 2 -é az NO magas koncentrációihoz az NO 2 /NO arány alacsony értékei társulnak, s viszont. Az O 3 - nak alacsony a súlya, mivel varianciájának egy részét az elsődleges légszennyező anyagok koncentrációi, másik részét pedig a besugárzás szabályozza. A napsugárzás szerepe a fotokémiai ózontermelésben: NO 2 + h ν NO + O O + O 2 + M O 3 + M

85 1. táblázat. A rotált komponens mátrix faktorsúlyai, téli hónapok. A nél kisebb faktorsúlyok nincsenek feltüntetve. paraméterek 1. faktor 2. faktor 3. faktor 4. faktor középhőmérséklet (T mean ) 0,97 harmatpont (T d ) 0,96 gőznyomás (VP) 0,96 telítettségi gőznyomás (E) 0,95 minimum hőmérséklet (T min ) 0,84 maximum hőmérséklet (T max ) 0,83 0,37 szélsebesség (WS) 0,50-0,41 NO 2 0,84 CO 0,82 TSP 0,79 NO 0,76 NO 2 /NO -0,42 (0,25) SO 2 0,36 relatív nedvesség (RH) -0,91 globális sugárzás (I) 0,74 potenciális párolgás (PE) 0,57 0,74 napi hőmérsékleti ingás ( T) 0,37 0,56 O 3 0,90 O 3max 0,90 sajátérték* 5,80 3,30 2,74 2,00 megmagyarázott variancia, % 30,52 17,36 14,43 10,54 kumulatív variancia, % 30,52 47,88 62,31 72,85 módszer: főkomponens analízis rotáció: varimax módszer, Kaiser-féle normalizálás *a négyzetes súlyok rotált összege 3. faktor: Intenzív napsugárzás emelkedik a hőmérséklet, ösztönzi a párolgást. Adott nedvességtartalom mellett ha a hőmérséklet nő csökken a relatív nedvesség nő a párolgás intenzitása. Ha erős a napsugárzás nő a maximum hőmérséklet, és a hőmérséklet napi ingása, s viszont.

86 1. táblázat. A rotált komponens mátrix faktorsúlyai, téli hónapok. A nél kisebb faktorsúlyok nincsenek feltüntetve. paraméterek 1. faktor 2. faktor 3. faktor 4. faktor középhőmérséklet (T mean ) 0,97 harmatpont (T d ) 0,96 gőznyomás (VP) 0,96 telítettségi gőznyomás (E) 0,95 minimum hőmérséklet (T min ) 0,84 maximum hőmérséklet (T max ) 0,83 0,37 szélsebesség (WS) 0,50-0,41 NO 2 0,84 CO 0,82 TSP 0,79 NO 0,76 NO 2 /NO -0,42 (0,25) SO 2 0,36 relatív nedvesség (RH) -0,91 globális sugárzás (I) 0,74 potenciális párolgás (PE) 0,57 0,74 napi hőmérsékleti ingás ( T) 0,37 0,56 O 3 0,90 O 3max 0,90 sajátérték* 5,80 3,30 2,74 2,00 megmagyarázott variancia, % 30,52 17,36 14,43 10,54 kumulatív variancia, % 30,52 47,88 62,31 72,85 módszer: főkomponens analízis rotáció: varimax módszer, Kaiser-féle normalizálás *a négyzetes súlyok rotált összege 4. faktor: Az NO 2 /NO arány azt jelzi, hogy az O 3 varianciájának csupán egy részét szabályozza a napsugárzás. Az NO 2 /NO arány és az ózon paraméterek közötti egyenes arányosság következményeként a magas NO 2 koncentráció egyúttal magas ózonkoncentrációt jelent és viszont.

87 5.2. Nyári hónapok A faktoranalízis végrehajtása után a Guttmann kritérium szerint 4 faktort tartottunk meg; A 4 megtartott faktor a kiindulási 19 változó teljes varianciájának 70,1 %-át megmagyarázza; A rotált komponens mátrix faktorsúlyai, A megtartott és rotált komponensek sajátértékei, az egyes komponensek által megmagyarázott varianciák és kumulatív varianciák 2. táblázat;

88 A vizsgált 19 változó kapcsolata a megtartott és rotált faktorok súlyai szerint, nyári hónapok (2. táblázat); 2. táblázat. A rotált komponens mátrix faktorsúlyai, nyári hónapok. A nél kisebb faktorsúlyok nincsenek feltüntetve. paraméterek 1. faktor 2. faktor 3. faktor 4. faktor gőznyomás (VP) 0,94 harmatpont hőmérséklet (T d ) 0,94 középhőmérséklet (T mean ) 0,87 0,42 telítettségi gőznyomás (E) 0,86 0,44 minimum hőmérésklet (T min ) 0,81 maximum hőmérséklet (T max ) 0,74 0,48 TSP 0,57 0,45 relatív nedvesség (RH) -0,90 potenciális párolgás (PE) 0,52 0,76 globális sugárzás (I) 0,72 napi hőmérsékleti ingás ( T) 0,64 NO 0,86 NO 2 0,85 (0,23) CO 0,48 0,66 szélsebesség (WS) -0,54 NO 2 /NO -0,38 (0,26) SO 2 O 3 0,92 O 3max 0,91 sajátérték* 5,42 3,12 2,82 1,96 megmagyarázott variancia, % 28,55 16,40 14,85 10,32 kumulatív variancia, % 28,55 44,95 59,79 70,11 módszer: főkomponens analízis rotáció: varimax módszer, Kaiser-féle normalizálás *a négyzetes súlyok rotált összege 1. faktor: A teljes variancia 28,5 %-át magyarázza a nedvességi (VP, T d, E, PE) és a hőmérsékleti (T mean, T min, T max ) paramétereken kívül a TSP és a CO koncentrációit is tartalmazza. A nyári és a téli hónapok 1. faktorait alkotó paraméterekben nagy a hasonlóság.

89 2. táblázat. A rotált komponens mátrix faktorsúlyai, nyári hónapok. A nél kisebb faktorsúlyok nincsenek feltüntetve. paraméterek 1. faktor 2. faktor 3. faktor 4. faktor gőznyomás (VP) 0,94 harmatpont hőmérséklet (T d ) 0,94 középhőmérséklet (T mean ) 0,87 0,42 telítettségi gőznyomás (E) 0,86 0,44 minimum hőmérésklet (T min ) 0,81 maximum hőmérséklet (T max ) 0,74 0,48 TSP 0,57 0,45 relatív nedvesség (RH) -0,90 potenciális párolgás (PE) 0,52 0,76 globális sugárzás (I) 0,72 napi hőmérsékleti ingás ( T) 0,64 NO 0,86 NO 2 0,85 (0,23) CO 0,48 0,66 szélsebesség (WS) -0,54 NO 2 /NO -0,38 (0,26) SO 2 O 3 0,92 O 3max 0,91 sajátérték* 5,42 3,12 2,82 1,96 megmagyarázott variancia, % 28,55 16,40 14,85 10,32 kumulatív variancia, % 28,55 44,95 59,79 70,11 módszer: főkomponens analízis rotáció: varimax módszer, Kaiser-féle normalizálás *a négyzetes súlyok rotált összege 2. faktor: Nyáron a hőmérsékletet a téli helyzettel ellentétben a besugárzás szabályozza. Ok: a hőmérsékleti paraméterek általában arányosak a besugárzással. (Ellenpélda: olyan hidegfront átvonulása, ahol a felszakadozó felhőzet következtében nő a besugárzás intenzitása, miközben a levegő hőmérséklete a hideg advekció miatt még csökken.) Ugyanakkor, ha a hőmérséklet emelkedik a telítettségi gőznyomás és a potenciális párolgás nő, míg a relatív nedvesség adott nedvességtartalom mellett csökken.

90 2. táblázat. A rotált komponens mátrix faktorsúlyai, nyári hónapok. A nél kisebb faktorsúlyok nincsenek feltüntetve. paraméterek 1. faktor 2. faktor 3. faktor 4. faktor gőznyomás (VP) 0,94 harmatpont hőmérséklet (T d ) 0,94 középhőmérséklet (T mean ) 0,87 0,42 telítettségi gőznyomás (E) 0,86 0,44 minimum hőmérésklet (T min ) 0,81 maximum hőmérséklet (T max ) 0,74 0,48 TSP 0,57 0,45 relatív nedvesség (RH) -0,90 potenciális párolgás (PE) 0,52 0,76 globális sugárzás (I) 0,72 napi hőmérsékleti ingás ( T) 0,64 NO 0,86 NO 2 0,85 (0,23) CO 0,48 0,66 szélsebesség (WS) -0,54 NO 2 /NO -0,38 (0,26) SO 2 O 3 0,92 O 3max 0,91 sajátérték* 5,42 3,12 2,82 1,96 megmagyarázott variancia, % 28,55 16,40 14,85 10,32 kumulatív variancia, % 28,55 44,95 59,79 70,11 módszer: főkomponens analízis rotáció: varimax módszer, Kaiser-féle normalizálás *a négyzetes súlyok rotált összege 3. faktor: Az elsődleges légszennyező anyagokat (TSP, NO, NO 2, CO, NO 2 /NO) és a szélsebességet foglalja magába. Az elsődleges légszennyező anyagok koncentrációja közvetlenül függ a szélsebességtől. Ezzel szemben az enyhe légmozgások nem kedveznek a turbulens diffúziós folyamatoknak és hozzájárulnak az éjszakai hőmérsékleti inverziók kialakulásához. Ez utóbbiak alkalmával erőteljesen megnő a légszennyezettség.

91 2. táblázat. A rotált komponens mátrix faktorsúlyai, nyári hónapok. A nél kisebb faktorsúlyok nincsenek feltüntetve. paraméterek 1. faktor 2. faktor 3. faktor 4. faktor gőznyomás (VP) 0,94 harmatpont hőmérséklet (T d ) 0,94 középhőmérséklet (T mean ) 0,87 0,42 telítettségi gőznyomás (E) 0,86 0,44 minimum hőmérésklet (T min ) 0,81 maximum hőmérséklet (T max ) 0,74 0,48 TSP 0,57 0,45 relatív nedvesség (RH) -0,90 potenciális párolgás (PE) 0,52 0,76 globális sugárzás (I) 0,72 napi hőmérsékleti ingás ( T) 0,64 NO 0,86 NO 2 0,85 (0,23) CO 0,48 0,66 szélsebesség (WS) -0,54 NO 2 /NO -0,38 (0,26) SO 2 O 3 0,92 O 3max 0,91 sajátérték* 5,42 3,12 2,82 1,96 megmagyarázott variancia, % 28,55 16,40 14,85 10,32 kumulatív variancia, % 28,55 44,95 59,79 70,11 módszer: főkomponens analízis rotáció: varimax módszer, Kaiser-féle normalizálás *a négyzetes súlyok rotált összege 4. faktor: Nyáron, az anticiklonális időjárási helyzetek tartós fennállásakor, az ózonkoncentráció változásait alapvetően az elsődleges légszennyező anyagok szabályozzák és nem a besugárzás teljes mennyisége, mely ekkpr csupán nagyon kicsit változik egyik napról a másikra. Az O 3 napi középértéke fordítottan arányos az elsődleges légszennyezők napi középértékeivel. Ok: az O 3 az NO 2 /NO aránytól függ. Nevezetesen, ezen arány magas értékei egyúttal magas ózonkoncentrációt jelentenek.

92 6. ÖSSZEGZÉS A kapott eredmények alapján mind a nyári, mind a téli hónapokban négy faktort vehetünk figyelembe, melyek lényegesen hozzájárulnak az időjárási és légszennyezettségi epizódok alakításához. A szélsebesség fontos paraméter mindkét szélső évszakban a légszennyezettség felhígulásában. Az O 3 koncentrációk fordítottan arányosak az elsődleges légszennyező anyagok koncentrációival. A 4. faktort mindössze az ózon paraméterek faktorsúlyai képezik mindkét szélső évszakban.

93 A közlekedés hatása a levegőminőség alakulására Szegeden Kiss, G., Makra, L,, Mika, J., Borsos, E., Motika, G., 2005: Temporal characteristics of air pollutant concentrations in Szeged, Hungary. Acta Climatologica et Chorologica Universitatis Szegediensis, 38-39, Horváth, Sz., Makra, L., Zempléni, A., Motika, G., Sümeghy, Z., 2001b: A közlekedés szerepe a levegőminőség módosításában egy közepes méretű város példáján. Légkör, 46(1), Makra, L., Horváth, Sz., Zempléni, A., Csiszár, V., Rózsa, K., Motika, G., 2001c: Levegőminőségi trendek Magyarországon, különös tekintettel a dél-alföldi régióra. Légkör, 46(2), Mohl, M., Gaskó, B., Horváth, Sz., Makra, L., Szabó, F., 2002: Szeged megyei jogú város 2. KÖRNYEZETVÉDELMI PROGRAMJA, Lépések a helyi fenntarthatóság felé. Tanulmány. Készült: A környezet védelmének általános szabályairól szóló évi LIII. törvény 46. és 47. alapján. 59 p + 6 ábra + 27 táblázat Makra, L., 2005: The role of traffic in modifying air quality in a medium sized city, Szeged, Hungary. Epidemiology, 16(5), S62-S62. Makra, L., Mayer, H., Mika, J., Sánta, T., Holst, J., 2010: Variations of traffic related air pollution on different time scales in Szeged, Hungary and Freiburg, Germany. Physics and Chemistry of the Earth, 35(1-2),

94 Tartalomjegyzék 1. Bevezetés 2. Célkitűzés 3. Adatbázis 4. Módszer 5. Eredmények 5.1. A légszennyező anyagok koncentrációinak napi menete a forgalomszámlálás napján 5.2. A légszennyező anyagok koncentrációinak átlagos napi menete 5.3. A légszennyező anyagok koncentrációinak átlagos évszakos koncentrációi és átlagos évszakos arányai 6. Összegzés 7. Hivatkozások

95 1. Bevezetés A levegőminőséget befolyásoló legfontosabb tényezők: ipari tevékenység közlekedés szolgáltató szféra Magyarországon a közlekedésből származó szennyezőanyag kibocsátás részarányai a következők: CO: 70%, NO x : 55%, PM (lebegő részecske): 14% (Környezetvédelmi Minisztérium, 1999) A levegő minőségével kapcsolatos problémák jellege és fontossága függ: a város méretétől, földrajzi paraméterektől (klíma, helyi meteorológiai adottságok az adott pillanatban, földrajzi helyzet, domborzat) társadalmi tényezőktől (környezetvédelmi szabályozások, a várostervezéssel kapcsolatos lehetőségek/irányelvek) (Mayer, 1999)

96 Szeged közlekedési hálózata túlzsúfolt. A forgalomban résztvevő járművek közül a személygépkocsik aránya a legnagyobb (84 %) között a forgalomsűrűség nem változott számottevően a forgalomban résztvevő járműtípusok aránya alapvetően módosult; egyre több járműtípus emissziója jelentősen csökkent, egyre nő a katalizátorral fölszerelt járművek aránya, a stagnáló forgalomsűrűség ellenére a légszennyező anyagok közlekedésből származó emissziója számottevően csökkent. Pl. a közlekedésből származó CO emisszió 2000-ben mindössze %-a volt az 1990-ben mért értéknek (Pitrik, 2000).

97 A városi tömegközlekedés Szegeden Tisza Volán Rt. Buszai; A közlekedés okozta légszennyezés terhelés jelentős része a buszoktól származik. Az emisszió csökkentése érdekében a Tisza Volán 1999-től működtet Szegeden földgáz üzemű autóbuszokat. Technológiai szempontból két rendszer honosodott meg a gyakorlatban: a cseppfolyós földgáz üzem (LPG = Liquid Petrol Gas, azaz cseppfolyós gáz) (pl. Bécsben), sűrített földgáz üzem (CNG = Compressed Natural Gas, azaz sűrített földgáz) (pl. Szegeden). A sűrített gázzal működő buszok aránya folyamatosan növekszik. A sűrített földgáz üzemű (CNG) autóbuszok egyik nagy előnye, hogy az egészségre és környezetre káros kipufogógáz komponensekből %-kal kevesebbet bocsátanak ki, mint az, ún. Euro 3 európai emissziós előírások határértékei. Egy földgáz üzemű autóbusznak - az ún. "londoni típusú" (téli) szmog kialakulásáért felelős - korom és kén-dioxid kibocsátása pl. kevesebb, mint 20 %-a egy hasonló kategóriájú diesel erőforrás emissziójának (1. táblázat).

98 1. táblázat: Emissziós normák és az alkalmazott motortípusok adatai szabvány károsanyag kibocsátási küszöbérték (g/kwh) megjegyzés CO HC NO x részecske Euro 0 12,3 2,6 15,8-1 Euro 1 4,5 1,1 8,0 0,36 Euro 2 4,0 1,1 7,0 0,15 2 Euro 3 2,1 0,66 5,0 0,10 3 Euro 4 1,5 0,46 3,5 0,02 4 Rába G10 DE UTSLL 190 sűrített földgázmotor katalizátorral 0,29 0,44 2,07 0,05 A Tisza Volánnál jelenleg működő típus Rába D10 UTSLL 190 Euro 2 diesel motor 1,38 0,636 6,557 0,126 A Tisza Volánnál jelenleg működő típus 1 Környezetbarát diesel motorok. Jelenleg a Tisza Volánnál a Rába D10 motorcsalád típusai. 2 Bevezetésre került az EU-ban és Magyarországon is 1998-ban. Magyarországon jelenleg érvényes. 3 Bevezetésre került az EU-ban októberétől. Magyarországon jelenleg még tervezet. 4 Tervezett határértékek. A bevezetés tervezett időpontja az EU-ban: október. Megjegyzés: fenti előírások a 3,5 t fölötti nehéz gépjárművek típusvizsgálatára, s sorozatgyártására vonatkoznak.

99 A gáz üzemű autóbuszoknál nincs füstkibocsátás a gyorsításkor, s ez az előny a városi tömegközlekedésre jellemző folyamatos - ún. "stop and go" - üzemben hangsúlyozottan jelentkezik. A földgáz üzemű gépkocsik járulékos előnye, hogy a párolgási és forgalmazási szén-hidrogén emissziójuk elhanyagolható mértékű. Környezetvédelmi szempontból a gáz üzemű járművek további előnye a diesel buszokkal szemben a közlekedési környezet mérsékeltebb zajterhelése (-4; -6 decibel). A közgazdasági szabályozók is kedveznek a földgáz üzemre való áttérésnek évi árakon a földgáz üzemű autóbuszok üzemeltetési költsége 49 %-a a diesel meghajtású járművekének.

100 2. Célkitűzés o Annak tanulmányozása, hogy miként befolyásolja a közlekedés a levegő minőségét egy forgalmas útkereszteződésben. o Az egyes szennyezőanyagok hétköznapokon, szombati napokon, továbbá vasár- és ünnepnapokon mért koncentrációiban tapasztalható különbségek meghatározása és értelmezése.

101 3. Adatbázis A dolgozat verifikált adatbázisa a CO, NO, NO 2, NO x, SO 2, O 3 és PM koncentrációknak az január december 31. közötti időszakban mért 30 percenkénti átlagai; Az adatok a szegedi automata levegőminőségi állomásról származnak; A monitoring állomás a belvárosban - egy forgalmas útkereszteződésben (a Kossuth Lajos sgt., valamint a Damjanich u. - Teréz u. kereszteződése) - található, a főúttól kb. 10 m távolságra (1. ábra). Ez Szeged egyik legforgalmasabb közlekedési csomópontja.

102 4. Módszer Abból a célból, hogy megvizsgáljuk a járműforgalom hatását az automata állomáson mért légszennyező paraméterek koncentrációjára, 24 órás forgalomszámlálást hajtottunk végre a fent említett útkereszteződésben szeptember 12., 9 00 óra - szeptember 13., 9 00 óra között. Ezen időszak alatt (szélcsend, zavartalan sugárzási feltételek) a 30- percenkénti folyamatos forgalomszámlálás eredményeit jegyeztük föl járműtípusok szerint. A forgalomszámlálás technikai hátterét a Csongrád Megyei Állami Közútkezelő KHT által alkalmazott módszer képezte. Eszerint járműcsoportokat hoztunk létre, melyek (az ún. "járműegyenérték"- ükkel*) a következők: személy- és kistehergépkocsi (utóbbi pl. Ford Transit) (1,0), szóló autóbusz (1,8), csuklós autóbusz (2,5), könnyű tehergépkocsi (1,4), szóló nehéz tehergépkocsi (1,8), szerelvény (pl. kamion, nyergesvontató) (2,5), motorkerékpár (0,7) és lassú jármű (pl. traktor) (2,5). *A járműegyenérték az adott járműnek a forgalomban betöltött szerepére utal. Azt fejezi ki, hogy az adott jármű milyen mértékben lassítja vagy gyorsítja a forgalmat a személygépkocsihoz/kistehergépkocsihoz képest. A forgalomszámlálást követően a járműcsoportok összegzett 30-percenkénti értékeit megszoroztuk a hozzájuk rendelt járműegyenértékekkel. Ily módon összegzett járműegyenértéket kaptunk a 24 órás forgalomszámlálás minden egyes 30-perces időszakára. Ezen összegzett járműegyenérték idősor képezte adatbázisunk egyik részét.

103 5. Eredmények Csúcsforgalom 8-10 óra, óra, valamint óra között tapasztalható a kereszteződésben. Egy munkanap során átlagosan kb személygépkocsi és kisteherautó, 1500 szóló és csuklós autóbusz, teherautó, 900 motorkerékpár és 20 lassú jármű (pl. traktor) halad át a csomópontban. Az autók jelentős része katalizátorral rendelkezik, a buszok egy része pedig gázzal közlekedik.

104 5.1. A légszennyező anyagok koncentrációinak napi menete a forgalomszámlálás napján Az O 3 koncentrációk napközben ( óra között) viszonylag magas értékeket vesznek fel (2-3. ábra). Koncentrációjának napi menete a napsugárzás erősségével való szoros kapcsolatot mutatja, hiszen az ózon a napsugárzás hatására végbemenő kémiai folyamatok következtében alakul ki. A nappali magas ózonkoncentráció kialakulásánál a beáramló északias szelek is szerepet játszanak, mivel nagyobb mennyiségben tartalmaznak oxigént (2-3. ábra).

105 2. ábra: Az NO-, NO 2 -, O 3 - és CO-koncentrációk 30-percenkénti átlagértékei, Szeged belvárosa, automata levegőminőségi állomás, szeptember 12., szeptember 13., 9 00.

106 3. ábra: A forgalomsűrűség és a CO-koncentrációk 30 percenkénti értékei, valamint a szélsebesség értékek időbeli menete, Szeged belvárosa, automata levegőminőségi állomás, szeptember 12., szeptember 13., 9 00

107 A forgalomszámlálás napján mérsékelt északias szél fújt óra között. Ezen időszakon kívül szélcsend volt. A CO és NO napi menete jellegzetes egyidejű változást mutat (2-3. ábra). r(co, NO) = 0,919 (szignifikáns a 0,1 %-os valószínűségi szinten). Elvárt: Mivel a CO és NO alapvetően közlekedési eredetű, azt várhatnánk, hogy koncentrációiknak és a járműegyenértéknek a napi menete hasonló lesz (2-3. ábra). Valóság: nappal ellentétes kapcsolat mutatható ki közöttük, s csak az éjszakai-kora reggeli órákban párhuzamos a menetük (2-3. ábra). A nappali mérsékelt szél csökkenti a CO- és NO-koncentrációt, ugyanakkor az esti-éjszakai órákban, a légkör stabilitásának a növekedésével (a szélsebesség csökken) a csökkenő emisszió ellenére is nő a felszín közeli légrétegben a CO- és NO-koncentráció. (A CO a tökéletlen égés eredménye.) (2-3. ábra). A CO- és NO x -értékek közötti korreláció is erős (r = 0,919) (4. ábra). A CO/NO x -arányok a közlekedés erőteljes szerepét tükrözik (Makra és Horváth, 2001).

108 4. ábra: A CO- és az NO x -koncentrációk 30 percenkénti átlagértékeinek időbeli menete, Szeged belvárosa, automata levegőminőségi állomás, szeptember 12., szeptember 13., 9 00

109 5.2. A légszennyező anyagok koncentrációinak átlagos napi menete Az O 3 napi menete ellentétes a másik három légszennyező paraméterével. Az O 3 és NO között a 0,1 %-os valószínűségi szinten szignifikáns negatív korrelációt mutattunk ki (r = -0,738). Ez a csúcsforgalmi időszakokban megnövekvő nitrogén-monoxid kibocsátással, s a nappali ózontermelő fotokémiai folyamatokkal kapcsolatos. Az igen reaktív NO gyorsan lebontja az O 3 -at. Hétvégeken a vizsgált gázok koncentrációja jóval alacsonyabb (az ózoné magasabb) és időbeli menetüknek kisebb az amplitúdója (az ózoné nem változik). Az éjszaka folyamán az összes szennyezőanyag koncentrációja igen alacsony. Ez a csökkenő emisszióra, a szennyezőanyagok keletkezéséhez vezető kémiai reakciók sebességének csökkenésére (O 3, NO 2 ), valamint a horizontális hígulásra vezethető vissza. Az ózonkoncentráció éjszakai csökkenésében szerepet játszik még az ózonfogyasztó termikus kémiai reakciók folytatódása. (5. ábra).

110 5. ábra: A CO-, NO- és NO 2 - koncentrációk 30-percenkénti átlagértékeinek időbeli menete, Szeged belvárosa, automata levegőminőségi állomás, , hétköznapok, szombatok, vasárnapok+ünnepnapok

111 5.3. A légszennyező anyagok átlagos évszakos koncentrációi és átlagos évszakos arányai A vizsgált légszennyező anyagok átlagos évszakos koncentrációi (2a. táblázat) átlagos évi, nyári- és téli félévi arányaik (2b. táblázat). Mivel az állomás a főút közelében található a CO évi, nyári- és téli félévi átlagértékei egyaránt magasabbak, mint a kevésbé forgalmas kerületekben (2a. táblázat). SO 2 /CO << 1 nincs a közelben SO 2 -t kibocsátó ipari tevékenység (2b. táblázat). Ipari területek közelében alacsony az évi átlagos CO-koncentráció, s az NO x /CO arány magas (2b. táblázat). A mérőállomás környezetében nem található ipari létesítmény az NO x /CO arány alacsony (2b. táblázat). A monitoring állomás térségében az NO x /CO évi arányai nem érik el a Liu (1991) által iparinak tekintett körzetek értékeit. Mivel az NO/NO 2 arány nem nagyobb mint 1, ez azt jelenti, hogy az állomásnak és környezetének levegőminőségét nem befolyásolja lényegesen a forgalomból származó szennyező hatás (2b. táblázat).

112 2a. táblázat: A vizsgált légszennyező anyagok évi, nyári- és téli félévi átlagos koncentrációi, szennyezőanyag CO NO NO 2 NO x SO 2 O 3 PM év 4,167 12,674 17,154 30,372 2,183 21,563 44,937 nyári félév 2,788 7,563 11,630 19,543 1,217 27,870 39,337 **téli félév 5,383 18,432 20,414 39,554 3,153 15,057 50,190 *NO, NO 2, NO x, SO 2, O 3, (ppb); CO (ppm); PM (µg m -3 ) **a január-március és az október-december közötti 3-3 hónap mindhárom vizsgált évben 2b. táblázat: Az SO 2 /CO, NO x /CO, NO/NO 2, PM/CO és CO évi, nyári- és téli félévi átlagai, automata SO 2 /CO NO x /CO NO/NO 2 PM/CO CO állomás év Ápr-Szept Okt-Márc *SO 2, NO x (NO, NO 2 ), PM [µg m -3 ], CO [ppdm]

113 Ha NO/NO 2 > 2 a forgalom hatása lényeges a levegőminőség alakulására (Liu, 1991). A fenti arányt kiszámítva azt kaptuk, hogy az automata állomás környezetében a forgalomnak a levegőminőségre gyakorolt hatása nem számottevő (2b. táblázat). (Az NO/NO 2 arány alakításában jelentős szerepe van a légkör oxidatív kapacitásának is, ahogy ez a nyári és téli arányok eltéréséből jól látható.) A PM(µg m -3 )/CO(ppdm) << 1 a levegőben található részecskék jelentős mértékben a járművekhez kötődnek (2b. táblázat) (Liu, 1991). Következtetés A kapott eredmények alapján nem állapíthatunk meg szignifikáns eltérést az évi, téli- és nyári félévi átlagértékek között, kivéve az NO/NO 2 arány esetében 1998 és 1999-ben, valamint a CO-értékekre vonatkozóan mind a három vizsgált év során. (Megjegyzendő, hogy a fönti arányokkal kapcsolatos döntési kritérium relatív. A dolgozatban Liu (1991) eredményeit vettük alapul.)

114 Meghatároztuk és értelmeztük az egyes szennyezőanyagok hétköznapokon, szombati napokon, továbbá vasár- és ünnepnapokon mért koncentrációiban tapasztalható különbségeket. Következtetés A vizsgált szennyezőanyagok koncentrációja hétköznapokon magasabb, hétvégeken pedig alacsonyabb (3a-c. táblázat). Az O 3 napi átlagértékei azonban pontosan az ellenkező állapotot tükrözik: szombatokon, valamint vasár- és ünnepnapokon az ózon magasabb, míg hétköznapokon alacsonyabb koncentráció értékeket mutat. Az O 3 és az NO közötti reakció gyors lefolyású. Következésképp, amint a gépjárművek által kibocsátott NO koncentrációja csökken (szombatokon, valamint vasár- és ünnepnapokon), az O 3 -koncentráció növekszik, illetve fordítva (Fang and Chen, 1996).

115 3a. táblázat: A levegő minőségében tapasztalt különbség szombatokon, illetve hétköznapokon (szombat hétköznap), % automata állomás a napi átlagok különbsége szennyezőanyag CO NO x O 3 SO 2 PM év nyári félév *téli félév *a január-március és az október-december közötti 3-3 hónap mindhárom vizsgált évben 3b. táblázat: A levegő minőségében tapasztalt különbség ünnepnapokon, illetve hétköznapokon (ünnepnap hétköznap), % automata állomás a napi átlagok különbsége szennyezőanyag CO NO x O 3 SO 2 PM év nyári félév *téli félév *a január-március és az október-december közötti 3-3 hónap mindhárom vizsgált évben 3c. táblázat: A levegő minőségében tapasztalt különbség ünnepnapokon, illetve hétköznapokon (ünnepnap hétköznap), % automata állomás a napi átlagok különbsége szennyezőanyag CO NO x O 3 SO 2 PM év nyári félév *téli félév *a január-március és az október-december közötti 3-3 hónap mindhárom vizsgált évben

116 6. Összegzés Mind a CO-, mind az NO-koncentrációk ellentétes kapcsolatot mutatnak a szélsebességgel. Mivel a vizsgált forgalmi csomópontban mindkét paraméter domináns módon közlekedési eredetű, koncentrációiknak is egyidejűleg kell változniuk, ami megfelel a várakozásoknak. A CO, NO x, SO 2 és PM napi átlagos koncentrációi hétköznapokon magasabbak, hétvégeken alacsonyabbak. Az O 3 -koncentrációk az előzőekkel ellentétes képet mutatnak. A CO, NO és NO 2 átlagos napi menetét elemezve hétköznapokon, illetve hétvégeken, a legnagyobb eltérések és óra között tapasztalhatók, melyek magukba foglalják a csúcsforgalmi időszakokat is. A levegő éjszaka kitisztul, amikor nincs forgalom. A légszennyező anyagok koncentrációjának másodminimuma óra között figyelhető meg.

117 A CO főként a járművek kibocsátásaiból származik. Erős korreláció figyelhető meg a CO- és az NO x -koncentrációk között. A légszennyező anyagok arányaira vonatkozóan a következő eredményeket kaptuk: (1) nincs SO 2 -t kibocsátó ipari létesítmény, (2) a vizsgált térség nem ipari terület (3) a PM-koncentrációt a forgalom sűrűsége erősen befolyásolja. Mivel ipari hatás nem mutatható ki, a közlekedési hatás pedig viszonylag csekély, az adott mérési ponton nincs számottevő levegőszennyezettség.

118 7. Hivatkozások Fang, S.H. and Chen, H.W., Air quality and pollution control in Taiwan. Atmospheric Environment, 30/5, Környezetvédelmi Minisztérium, 1999: Magyarország környezetvédelmi adatai (az egyes ágazatok emissziós adatai). Budapest. ISBN Makra, L. és Horváth, Sz., 2001: A levegőszennyezettség becslése Szegeden. Légkör, 46/4, Mayer, H., 1999: Air pollution in cities. Atmospheric Environment, 33, Pitrik, J., 2000: Közlekedési eredetű környezetterhelés változása Szegeden. The 7th Symposium on Analytical and Environmental Problems. Proceedings. (Galbács, Z., ed), SZAB, Szeged, ISBN Liu, C.M., 1991: A study of air quality characteristics and trend in Taiwan area. R.O.C.-EPA contract No. EPA-81-E3L

119 A levegőszennyezettség becslése Szegeden Makra, L., Horváth, Sz., 2001: A levegőszennyezettség becslése Szegeden. Légkör, 46(4), Makra, L., Mayer, H., Béczi, R., Borsos, E., 2003a: Evaluation of the air quality of Szeged with some assessment methods. Acta Climatologica et Chorologica. Universitatis Szegediensis, 36-38, Makra, L., Mayer, H., Béczi, R., Borsos, E., 2003b: Szeged légszennyezettségének értékelése különböző módszerekkel. Légkör, 48(3), 3-7. Mayer, H., Makra, L., Kalberlah, F., Ahrens, D., Reuter, U., 2004: Air stress and air quality indices. Meteorologische Zeitschrift, 13, Eötvös, T., Makra L., 2007: Chemical and biological air pollutants, as parameters of complex air quality indices. Landscape & Environment. Acta Geograophica Debrecina, Landscape & Environment Series, 1(1), Eötvös T., Tombácz, Sz., Gál, A., Sümerghy, Z., Makra, L., 2009a: Air quality indices as tools for estimating air pollution in Szeged, Southern Hungary. Acta Climatologica et Chorologica. Universitatis Szegediensis, 42-43, Makra, L., Eötvös, T., 2009b: Assessment of air pollution with air quality indices in Szeged, Southern Hungary. Epidemiology, 20(6), S97-S97, Supplement: Suppl. S

120 Tartalomjegyzék 1. Célkitűzés 2. Adatbázis 3. Módszer 3.1. A légszennyezettség mértékének számszerű kifejezése 4. Eredmények 4.1. A légszennyező anyagok emissziós idősorai 4.2 A levegőminőség időbeli változékonysága 5. Összegzés 6. Hivatkozások

121 1. Célkitűzés A légszennyezettség mértékének megállapítása, annak kiderítése, hogy milyen mértékű az egyes légszennyező anyagok koncentrációja a határértékükhöz képest, annak meghatározása, hogy milyen a légszennyezettség időbeli menete.

122 2. Adatbázis A dolgozat adatbázisa a CO, NO, NO 2, SO 2, O 3 (ppb) és a TSP (µg m -3 ) tömegkoncentrációinak az január december 31. közötti időszakban mért 30 percenkénti átlagai; Az adatok a szegedi automata levegőminőségi állomásról származnak; A monitoring állomás a belvárosban - egy forgalmas útkereszteződésben (a Kossuth Lajos sgt., valamint a Damjanich u. - Teréz u. kereszteződése) - található, a főúttól kb. 10 m távolságra (1. ábra).

123 3. Módszer 3.1. A légszennyezettség mértékének számszerű kifejezése AQSI (= air quality stress index) levegőminőségi index alkalmazása a várostervezésben. Ez az index néhány fontosabb légszennyező anyag együttes hatásának a mérőszáma, eltekintve azok egyedi értékétől. Egyrészt az ily módon meghatározott levegőminőségnek, másrészt az AQSI index képletében szereplő egyes légszennyező anyagok szabványban rögzített határértékeinek az ismeretében légszennyezettségi kategóriákat állapítunk meg, amelyek alapján a mért levegőminőséget osztályozzuk. Az AQSI átlagos (évi: AQSI 1 ), illetve rövid tartamú (napi: AQSI 2 ) légszennyezettség esetére határozható meg. Képletének összetevői: kén-dioxid (SO 2 ), nitrogén-dioxid (NO 2 ) és az összes lebegő részecske (TSP). Ezek az összetevők a különböző szennyező források csoportjainak kulcsfontosságú komponensei, hasonló tulajdonságaik vannak, a legtöbb levegőminőségi állomáson észlelik őket (Mayer, 1995).

124 Az AQSI levegőminőségi index kategóriái a következők: I. kategória: alacsony légszennyezettség; a három légszennyező anyag egyikének a koncentrációja sem lépi túl a határértéket és AQSI < 0,5; II. kategória: közepes légszennyezettség; a három légszennyező anyag egyikének a koncentrációja sem lépi túl a határértéket és 0,5 AQSI < 1,0 (Mayer, 1995); III. kategória: súlyos légszennyezettség; a három légszennyező anyag közül legalább egynek a koncentrációja túllépi a határértéket, de nem éri el annak kétszeresét, függetlenül az AQSI tényleges értékétől [Mayer (1995) után módosítva]; IV. kategória: szélsőséges légszennyezettség; a három légszennyező anyag közül legalább egynek a koncentrációja eléri vagy túllépi a határérték kétszeresét, függetlenül az AQSI tényleges értékétől [Mayer (1995) után módosítva].

125 Az átlagos (évi) levegőminőségi index (AQSI 1 ): AQSI 1 = 1/3 [I 1 (SO 2 )/50 + I 1 (NO 2 )/50 + I 1 (TSP)/50], (1) ahol I 1 az adott szennyezőanyag évi átlagos koncentrációja (µg m -3 ), a nevezők pedig az adott szennyezőanyagoknak az EU, illetve a WHO levegőminőségi irányelveiben közölt évi határértékei (µg m -3 ). (Az EU szerinti évi határértékek az SO 2, NO 2 és TSP esetében rendre 20 µg m -3, 40 µg m -3 és 20 µg m -3.) Kívánatos, hogy a légszennyezettség a lakó- és üdülőhelyeken az I. vagy II. légszennyezettségi kategóriákkal legyen jellemezhető, míg az ipari és kereskedelmi régiókban az gyakran a III. és IV. kategóriákba sorolható (Mayer, 1995). A rövid tartamú (napi) levegőminőségi index (AQSI 2 ): AQSI 2 = 1/3 [I 2 (SO 2 )/125 + I 2 (NO 2 )/150 + I 2 (TSP)/150], (2) ahol I 2 az adott légszennyező anyag egynapi mért értékeiből képzett eloszlásfüggvény 98 %-os értékéhez tartozó független változó (µg m -3 ) [vagyis az az x 0,98 számérték, amelyre P(x<x 0,98 ) = F(x 0,98 ) = 98 %], a nevezők pedig az adott szennyezőanyagoknak az EU levegőminőségi irányelveiben közölt napi határértékei (µg m -3 ) (Mayer, 1995; Matzarakis és Mayer, 1995). (Az EU szerinti napi határértékek az SO 2, NO 2 és TSP esetében rendre 125 µg m -3, 200 µg m -3 és 50 µg m -3.)

126 4. Eredmények 4.1. A légszennyező anyagok emissziós idősorai o A legfontosabb légszennyező anyagok [nitrogén-oxidok (NO x ), a kén-dioxid (SO 2 ), a lebegő részecskék (TSP) és a szén-monoxid (CO)] trendjei (Magyarország, Csongrád megye, Szeged 1a-c. ábra. o Csupán a kén-dioxid kibocsátások trendje csökkent szignifikánsan mind Magyarországon (1a. ábra), Csongrád megyében (1b. ábra), mind Szegeden (1c. ábra). Ok: Ez az energiahordozók és a technológia terén 1990 után bekövetkezett változások (Horváth et al., 2001).

127 1a. ábra: A nitrogén-oxidok (NO x ), a kén-dioxid (SO 2 ), az összes lebegő részecseke (TSP) és a szén-monoxid (CO) emissziói Magyarországon, emisszió (kt/év) Csongrád megye összes emissziók NOX SO2 TSP CO év 1b. ábra: A nitrogén-oxidok (NO x ), a kéndioxid (SO 2 ), az összes lebegő részecske (TSP) és a szén-monoxid (CO) emissziói Csongrád megyében, emisszió (kt/év) Szeged összes emissziók NOX SO2 TSP CO év 1c. ábra: A nitrogén-oxidok (NO x ), a kéndioxid (SO 2 ), az összes lebegő részecske (TSP) és a szén-monoxid (CO) emissziói Szegeden,

128 o A közlekedés NO x - és CO-emissziói jelentősek, o Magyarországon a CO, valamint az NO x összes kibocsátásaiból a gépjárműforgalom részesedése rendre 44 %, illetve 53 % (Környezetvédelmi Minisztérium, 1999), o A közlekedési eredetű kibocsátások (CO, OH, NO 2, SO 2, Pb, korom, CO 2 ) trendjei Csongrád megyében (2a. ábra) és Szegeden (2b. ábra), A legkarakterisztikusabb mind Szegeden, mind Csongrád megyében az ólomkibocsátás csökkenése. Ok: a benzin ólomtartalmának folyamatos csökkentése és az ólommentes benzin megjelenése. A szén-monoxid emisszió jelentős mértékben (Szegeden markánsabban) csökkent 1993-ra.

129 2a. ábra: Gépjárművek emissziói, Csongrád megye, kt/év; Pb: t/év 2b. ábra: Gépjárművek emissziói, Szeged, kt/év; Pb: t/év

130 4.2 A levegőminőség időbeli változékonysága o Szegeden az átlagos (évi) levegőminőségi index (AQSI 1 ) értéke számottevően jobb lett 2000-ben (0,471) és 1999-ben (0,448) az évi értékéhez (0,606) képest. a vizsgált forgalmas közlekedési csomópont (monitoring állomás) (Horváth et al., 2001) levegőminősége: I. légszennyezettségi kategória. o Meghatároztuk a napi légszennyezettség (AQSI 2 ) hétköznapi és hétvégi (szombat, vasár- és ünnepnap) értékei közötti különbségeket: az AQSI 2 hétközben magasabb, a hétvégeken alacsonyabb (1. táblázat), a téli félévben ünnepnapokon a levegőminőség számottevően jobb a hétköznapokéhoz képest, mint a nyári félévben (ezt vártuk), ugyanakkor a nyári félévben szombatokon sokkal kisebb a légszennyezettség a hétköznapokéhoz képest, mint a téli félévben (ezt nem vártuk), a szombatok, a vasárnapok, illetve az ünnepnapok azonos mértékben mérséklik a légszennyezettséget a nyári félévben. Hétvégeken a légszennyezettség csökkenése eléri a 18 %-ot. a forgalom változása feltételezhetően jelentős mértékben hozzájárul a légszennyezettség módosulásához.

131 1. táblázat: A rövid tartamú (napi) levegőminőségi index (AQSI2) értékek eltérései automata állomás a napi átlagok eltérései, % (1) (2) (3) év nyári félév *téli félév (1) a szombat és hétköznap közötti eltérés (szombat hétköznap), % (2) az ünnepnap és hétköznap közötti eltérés (ünnepnap hétköznap), % (3) az ünnepnap + szombat és hétköznap közötti eltérés [(ünnepnap + szombat) hétköznap)], % *a január-március és az október-december közötti 3-3 hónap mindhárom vizsgált évben 2. táblázat: A különböző légszennyezettségi kategóriájú napok száma automata állomás légszennyezettségi kategóriák, nap I. kategória II. kategória III. kategória IV. kategória év nyári félév *téli félév *a január-március és az október-december közötti 3-3 hónap mindhárom vizsgált évben

132 o Azon célból, hogy áttekintést kaphassunk Szeged napi légszennyezettségéről, kategorizáltuk az egyes napokat az 1998., és a évi átlagos napi légszennyezettség koncentrációk szerint (2. táblázat) (Matzarakis és Mayer, 1995). Következtetések A téli félévben jellegzetesen megnövekszik a nagyobb légszennyezettségű napok száma (II, III. és IV. kategória) szemben a nyári félévvel. A levegőminőség számottevően jobb lett 1999-ben az évihez képest, míg 2000-ben nem történt lényeges változás az előző évihez viszonyítva. A jobb levegőminőséget az alacsony légszennyezettségű napok szignifikánsan nagyobb száma, s ezzel egyidejűleg a szélsőséges légszennyezettségű napok lényegesen kisebb száma jellemzi (2. táblázat). A téli félévben szignifikánsan gyakrabban lépnek föl a súlyos (III. kategória), illetve szélsőséges (IV. kategória) légszennyezettségű napok, mint a nyáriban.

133 o Kiszámítottuk az egyes légszennyező anyagoknak (NO 2, O 3, SO 2, CO és TSP) az közötti 4 évre vonatkozóan az egészségügyi határértékük %-ában kifejezett 30 percenkénti napi menetét egy átlagos napra (3a. ábra). A napi menetek maximuma az egészségügyi küszöbértéknek még a 40 %-át is alig érik el szennyezőanyagonként. Az O 3 átlagos napi maximuma is mely óra között tapasztalható a küszöbérték 60 %-a alatt marad. nem csupán a vizsgált forgalmas közlekedési csomópont, hanem feltételezhetően maga a város is ahol az átlagos légszennyezettség kisebb, mint a monitoring állomás közvetlen környezetében az I. levegőminőségi kategóriába sorolható (Makra et al., 2001a; 2001b). o Meghatároztuk továbbá a vizsgált szennyezőanyagok koncentrációinak az egészségügyi határértékük %-ában kifejezett napi menetét hétköznapokon (3b. ábra), szombatokon (3c. ábra), valamint vasár- és ünnepnapokon (3d. ábra) is. a légszennyezők napi menetében a kettős hullám (valamint az egycsúcsú napi menetet produkáló ózon) amplitúdója jellegzetesen csökken hétköznapról szombatra, illetve szombatról vasár- és ünnepnapra.

134 80 Szeged 80 Szeged 70 NO2 O3 SO2 CO TSP 70 NO2 O3 SO2 CO TSP % 40 % a. ábra: Az egyes légszennyező anyagok átlagos napi ciklusa egészségügyi határértékeik százalékában, mindennap, monitoring állomás, Szeged belvárosa, Szeged 80 CET b. ábra: Az egyes légszennyező anyagok átlagos napi ciklusa egészségügyi határértékeik százalékában, hétköznap, monitoring állomás, Szeged belvárosa, Szeged 80 CET 70 NO2 O3 SO2 CO TSP 70 NO2 O3 SO2 CO TSP % 40 % c. ábra: Az egyes légszennyező anyagok átlagos napi ciklusa egészségügyi határértékeik százalékában, szombat, monitoring állomás, Szeged belvárosa, CET d. ábra: Az egyes légszennyező anyagok átlagos napi ciklusa egészségügyi határértékeik százalékában, vasár- és ünnepnap, monitoring állomás, Szeged belvárosa, CET

135 5. Összegzés A legfontosabb légszennyező anyagok közül csupán a kén-dioxid kibocsátások trendje, a közlekedési emissziók közül pedig az ólomkibocsátásé mutat szignifikáns csökkenést mind Csongrád megyében, mind Szegeden. Szegeden az átlagos (évi) levegőminőségi index (AQSI 1 ) lényegesen jobb lett 2000-ben, illetve 1999-ben az évihez képest. A rövid tartamú (napi) levegőminőségi index (AQSI 2 ) nagyobb hétközben, és kisebb a hétvégeken. Hétvégeken a légszennyezettség csökkenése eléri a 18 %-ot. Az egyes légszennyezők átlagos napi menetében a 30 percenkénti átlagok az egészségügyi küszöbértéknek még a 40 %-át is alig érik el (kivételt képez az ózon 60 %-kal). Szeged az I. levegőminőségi kategóriába sorolható.

136 6. Hivatkozások Horváth, Sz., Makra, L., Zempléni, A., Motika, G. és Sümeghy, Z., 2001: A közlekedés szerepe a levegőminőség módosításában egy közepes méretű város példáján. Légkör, XLVI/1, Makra, L., Horváth, Sz., Zempléni, A., Csiszár, V., Rózsa, K. and Motika, G., 2001a: Characteristics of air Quality Trends in Southern Hungary. The Third International Conference on Urban Air Quality and Fifth Saturn Workshop. Measurement, Modelling and Management March Loutraki, Greece. Institute of Physics, Extended Abstracts CD-ROM, Canopus Publishing Limited. Makra, L., Horváth, Sz., Taylor, C.C., Zempléni, A., Motika, G. and Sümeghy, Z., 2001b: Modelling air pollution data in countryside and urban environment, Hungary. The 2nd International Symposium on Air Quality Management at Urban, Regional and Global Scales. Istanbul Technical University, Istanbul, Turkey, September Proceedings Eds: Topcu, S., Yardim, M.F. and Incecik, S. Matzarakis, A. és Mayer, H., 1995: Air Quality - as Indicator for Life Quality - in Athens, Greece. 1.ECOMOVE Congress "Land Use, Lifestyle and Transport" Documentation. Universität Gesamthochschule Kassel Mayer. H., 1995: Human biometeorological assessment of climate and air quality for use in urban and regional planning: a new VDI guideline. Prospects for climate-orientated planning in European cities. European Academy of the Urban Environment, Berlin Környezetvédelmi Minisztérium, 1999: Magyarország környezetvédelmi adatai (az egyes ágazatok emissziós adatai). Budapest. ISBN

137 A légszennyező anyagok koncentrációinak havi, heti és napi menete Szegeden Horváth, Sz., Makra, L., Zempléni, A., Motika, G., Sümeghy, Z., 2001: A közlekedés szerepe a levegőminőség módosításában egy közepes méretű város példáján. Légkör, 46(1), Mohl, M., Gaskó, B., Horváth, Sz., Makra, L., Szabó, F., 2002: Szeged megyei jogú város 2. KÖRNYEZETVÉDELMI PROGRAMJA, Lépések a helyi fenntarthatóság felé. Tanulmány. Készült: A környezet védelmének általános szabályairól szóló évi LIII. törvény 46. és 47. alapján. 59 p + 6 ábra + 27 táblázat Mika, J., Makra, L., Lukács, H., 2004: A légszennyezettség néhány komponensének statisztikus modellezése városi és háttér körülmények között. GEO Magyar Földtudományi Szakemberek VII. Világtalálkozója, Abstract kötet, D18, p. 68., Szeged, augusztus 28. szeptember 2. Makra, L., 2005: The role of traffic in modifying air quality in a medium-sized city, Szeged, Hungary. Epidemiology, 16(5), S62-S62. Makra, L., Mika, J., Szentpéteri, M., Unger, J., 2011: Nagyvárosaink légszennyezettsége és hősziget-hatása a klímaváltozás tükrében. A Földrajz Tanítása, 19(1), (megjelenés alatt)

138 1. Bevezetés 1.1. A légszennyező anyagok jellemzői A légszennyezés fő forrásai A légszennyezettség káros következményei A levegőminőségi problémák természete és jelentősége A légszennyező anyagok csoportosítása 1.2. Szeged közlekedése 1.3. Célkitűzés 2. Adatbázis és módszer 2.1. Szeged földrajzi helyzete, városszerkezete és éghajlata 2.2. A légszennyező anyagok mérése

139 3. Eredmények 3.1. A légszennyező anyagok koncentrációinak évi ciklusai Az NO-koncentrációk évi ciklusa Az NO 2 -koncentrációk évi ciklusa A troposzférikus ózon (O 3 ) és az O x koncentrációinak évi ciklusa Az összes lebegő részecske (TSP) koncentrációinak évi ciklusa 3.2. A légszennyező anyagok koncentrációinak heti és napi ciklusai 4. Konklúzió Az NO- és az NO 2 -koncentrációk heti és napi ciklusai Az O 3 -koncentrációk heti és napi ciklusai Az O x -koncentrációk heti és napi ciklusai Az összes lebegő részecske (TSP) koncentrációinak heti és napi ciklusai

140 1. BEVEZETÉS 1.1. A légszennyező anyagok jellemzői A légszennyezettség a városokban, agglomerációkban, megacity -kben az egyik legfontosabb környezetvédelmi probléma Ok: a fokozódó betelepülés vidékről a fokozódó iparosodás és energiafogyasztás a folyamatosan bővülő közlekedési hálózat és az egyre sűrűbb forgalom

141 A légszennyezés fő forrásai az ipari tevékenységek a gépjárműforgalom az épületek fűtéséből származó emissziók (elsősorban télen) A légszennyezettség káros következményei az épületekre, a gépekre és műszaki berendezésekre az emberi egészségre

142 A levegőminőségi problémák természete és jelentősége függ: a város méretétől különböző fizikai és kémiai folyamatoktól (pl. ipari tevékenység) meteorológiai folyamatoktól (pl. éghajlat, a pillanatnyi helyi meteorológiai feltételek) földrajzi folyamatoktól (pl. a felszín szerkezete és minősége, a növényzettel való borítottság mértéke, földrajzi helyzet, domborzat) társadalmi tényezőktől (pl. a meglévő környezet-védelmi szabályozók, várostervezési és -rendezési irányelvek)

143 A légszennyező anyagok csoportosítása (1) Hagyományos fő légszennyező anyagok [Major Air Pollutants (=MAPs)] kén-dioxid (SO 2 ) nitrogén-dioxid (NO 2 ) szén-monoxid (CO) részecskék (PM) ólom (Pb) ózon (O 3 )

144 (2) Veszélyes légszennyező anyagok [Hazardous Air Pollutants (HAPs)] kémiai reagensek [pl. illó szerves vegyületek (VOC), benzol (C 6 H 6 ), poliaromás hidrokarbonátok (PAH)] fizikai reagensek (pl. a felszínről származó ülepedő por; a sárga por, mely Kínában a Sárga-folyó felső folyása térségében a napjainkig tartó löszképződés alapanyaga), valamint a biológiai reagensek (pl. pollenek) HAP-vegyületek: csekély légköri koncentrációjuk, (robbanás)veszélyesek, mérgezőek

145 Magyarországon a gépjárműforgalom emissziói az összes emissziókhoz képest: CO = 70 %, NO x = 55 %, TSP = 14 % 1.2. Szeged közlekedése Túlzsúfolt a forgalomban résztvevő gépjárművek közül a személygépkocsik aránya a legnagyobb (84 %) : stagnáló forgalomsűrűség a gépjárművek emissziói számottevően csökkentek. Pl. a gépjárművek COemissziója 2000-ben mindössze %-a az 1990-ben mért értéknek

146 1.3. Célkitűzés a légszennyező anyagok időbeli jellemzőinek (tipikus évi, heti és napi menetek), valamint statisztikai kölcsönhatásainak meghatározása a meteorológiai elemekkel való kapcsolatuk tanulmányozása Szegeden 2. ADATBÁZIS ÉS MÓDSZER 2.1. Szeged földrajzi helyzete, városszerkezete és éghajlata Szeged (ϕ = 20 06'E; λ = 46 15'N; h = 79 m tszf.) DK-Magyarország legnagyobb városa; 165 ezer lakos a beépített terület nagysága 46 km 2 (1. ábra)

147 1. ábra Szeged földrajzi helyzete és beépítettségi típusai [a: városközpont (2-4-emeletes épületek); b: előregyártott betonelemekből épült lakótelepek (5-10-emeletes épületek); c: sorházak (1-2-emeletes épületek); d: ipartelepek; e: zöldterületek; (1) monitoring állomás)

148 2.2. A légszennyező anyagok mérése monitoring állomás: Kossuth Lajos sgt., Damjanich utca Teréz utca sarok NO, NO 2, O 3 és TSP átlagos napi tömegkoncentrációi (µg m -3 ),

149 3. EREDMÉNYEK 3.1. A légszennyező anyagok koncentrációinak évi ciklusai Az NO átlagos napi koncentrációi határozott évi menetet mutatnak (2. ábra) az NO 2 és a TSP átlagos napi koncentrációinak évi menete kevésbé jellegzetes, az évi ciklus körül jóval nagyobb ingadozás tapasztalható (2. ábra) Az NO, NO 2 és a TSP évi ciklusát téli maximum és nyári minimum jellemzi (2. ábra) Az O 3 átlagos napi koncentrációi egyértelmű évi ciklust mutatnak téli minimummal és nyári maximummal (2. ábra)

150 2. ábra A nitrogén-monoxid (NO), a nitrogén-dioxid (NO 2 ), az ózon (O 3 ) és az O x (= NO 2 + O 3 ) koncentrációinak évi ciklusai, monitoring állomás, Szeged,

151 Az NO, NO 2 és a TSP átlagos heti ciklusai nagyon hasonlóak: hétköznapi maximumok, hétvégi minimumok Legnagyobbak a koncentrációk télen, a legalacsonyabbak pedig nyáron Az O 3 átlagos heti ciklusa: hétközi minimumok, hétvégi maximumok Hétköznapokon a gépjárműforgalomhoz kapcsolódó NOkoncentráció magas. Miután az NO reakcióba lép az O 3 -al, koncentrációja csökken: NO + O 3 NO 2 + O 2 A hétvégeken az O 3 -koncentráció magas, a viszonylag alacsony gépjárműforgalomnak köszönhetően (4. ábra)

152 4. ábra A nitrogén-monoxid (NO), a nitrogén-dioxid (NO 2 ), az ózon (O 3 ) és az O x (= NO 2 + O 3 ) koncentrációinak heti és napi ciklusai, monitoring állomás, Szeged,

153 3.1. A légszennyező anyagok koncentrációinak évi ciklusai Az NO-koncentrációk évi ciklusa (2. ábra) (elsődleges légszennyező) A legmagasabb értékek: nov, dec, jan; februári maximummal Ok: a gyakori inverziók (stabil egyensúlyi légállapot) Az NO-koncentráció függ: (1) az emisszió mértékétől (2) az uralkodó időjárási viszonyoktól A legalacsonyabb értékek: jún-júl Ok: az NO nyári gyorsabb oxidációja a légkör intenzív függőleges átkeveredése miatti hígulás

154 2. ábra A nitrogén-monoxid (NO), a nitrogén-dioxid (NO 2 ), az ózon (O 3 ) és az O x (= NO 2 + O 3 ) koncentrációinak évi ciklusai, monitoring állomás, Szeged,

155 Az NO 2 -koncentrációk évi ciklusa (2. ábra) (Másodlagos légszennyező, főként kémiai reakciók révén keletkezik) Az NO-éhoz hasonló évi menet A troposzférikus ózon (O 3 ) és az O x évi ciklusa (2. ábra) (Másodlagos légszennyező; antropogén forrásokból származó elsődleges légszennyező anyagok fotokémiai reakciói révén keletkezik.) Az O x az adott légtérfogatban található O 3 -koncentráció mértéke

156 2. ábra A nitrogén-monoxid (NO), a nitrogén-dioxid (NO 2 ), az ózon (O 3 ) és az O x (= NO 2 + O 3 ) koncentrációinak évi ciklusai, monitoring állomás, Szeged,

157 Az O x definíciója szerint az NO 2 és az O 3 koncentrációinak összege, s alkalmasabb a fotokémiai O 3 -mérleg becslésére, mint az O 3 önmaga, mivel a reverzibilis kémiai folyamatokat is figyelembe veszi. Az O x -koncentráció a légkör oxidatív kapacitásának, potenciáljának a becslésére alkalmas A napsugárzás szerepe a fotokémiai ózonképződésben: NO 2 + hν NO + O O + O 2 + M O 3 + M (h: Planck-állandó; ν: a sugárzás frekvenciája; M: általában egy O 2 -, vagy N 2 -molekula). az O 3 és az O x átlagos évi ciklusa nyári (jún-júl) maximumot mutat

158 Az összes lebegő részecske (TSP) koncentrációinak évi ciklusa (3. ábra) A legnagyobb értékek: nov, dec, jan januári maximummal Ok: a gyakori inverziók (stabil egyensúlyi légállapot) A legalacsonyabb értékek: jún-júl-aug-szep Ok: az intenzív vertikális keveredés, azaz az erős légköri instabilitás révén bekövetkező felhígulás

159 3. ábra Az összes lebegő részecske (TSP) koncentrációinak évi ciklusa, monitoring állomás, Szeged,

160 3.2. A légszennyező anyagok koncentrációinak heti és napi ciklusai Az NO- és az NO 2 -koncentrációk heti és napi ciklusai (4. ábra) Kettős hullámot mutatnak Az NO napi ciklusának nagyobbak az amplitúdói Az NO- és NO 2 -koncentrációk egyaránt viszonylag magasabbak hétköznapokon, mint a hétvégeken Hétköznapokon az NO átlagos napi változása nagyobb, mint az NO 2 -é, mivel az NO 2 -nek hosszabb az élettartama, mint a reakcióképesebb NO-nak

161 4. ábra A nitrogén-monoxid (NO), a nitrogén-dioxid (NO 2 ), az ózon (O 3 ) és az O x (= NO 2 + O 3 ) koncentrációinak heti és napi ciklusai, monitoring állomás, Szeged,

162 Általában az NO-koncentrációk magasabbak reggel, mint este Ok: reggel a csúcsforgalmi időszak rövidebb reggel a felszín közeli légrétegek stabilabbak, mint este A kora délutáni alacsonyabb NO-koncentrációk főként az NO ózon általi oxidációjára és a légkör intenzívebb függőleges átkeveredésére (hígulás) vezethetők vissza

163 Az O 3 -koncentrációk heti és napi ciklusai (4. ábra) Világos napi menetet mutat egyetlen hullámmal Maximuma kora délután lép föl Ok: a fotokémiai ózonképződés minimuma éjfél után következik be Az O x -koncentrációk heti és napi ciklusai (4. ábra) Hasonló az ózonéhoz Hétvégeken az átlagos O 3 maximum értékek magasabbak, mint hétközben; de ez nem vonatkozik az O x -re

164 4. ábra A nitrogén-monoxid (NO), a nitrogén-dioxid (NO 2 ), az ózon (O 3 ) és az O x (= NO 2 + O 3 ) koncentrációinak heti és napi ciklusai, monitoring állomás, Szeged,

165 Az összes lebegő részecske (TSP) koncentrációinak heti és napi ciklusai (5. ábra) Kettős hullámot mutatnak Mind az elsődleges, mind a másodlagos maximumok a csúcsforgalom periódusaiban figyelhetők meg Mind az elsődleges, mind a másodlagos minimumok akkor következnek be, amikor a forgalom a legalacsonyabb (éjszaka), illetve csökken (a déli órákban) Továbbá a sűrű gépjárműforgalommal összefüggésben a TSP-koncentráció viszonylag magas hétközben

166 5. ábra Az összes lebegő részecske (TSP) koncentrációinak heti és napi ciklusa, monitoring állomás, Szeged,

167 Légszennyezőanyagok átlagos évi koncentrációi a határértékük egységében, Szeged és Freiburg, %, szennyezőanyag CO NO 2 NO x SO 2 PM 10 standard 2 H 3 EC 2 H 3 EC 2 H 3 EC 2 H 3 EC 2 H 3 EC 4 határérték 3, Szeged Freiburg NO, Freiburg, H: határérték, Magyar Szabvány (Bozó et al., 2001) 3 EC: határérték SO 2, NO 2, NO x, PM: Council Directive, 1999/30/EC ( ); CO: Council Directive, 2000/69/EC ( ) O 3 : Council Directive, 2002/3/EC ( ) 4 : µg m -3 5 vastag: határérték túllépés

168 NO NO2 µg m -3 Szeged Freiburg µg m -3 Szeged Freiburg Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec O3 µg m -3 Szeged Freiburg Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Ox µg m -3 Szeged Freiburg Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Az NO, NO 2, O 3, O x és PM 10 koncentrációk átlagos évi változásainak összehasonlítása, Szeged és Freiburg, (NO, Freiburg, ) µg m PM10 Szeged Freiburg Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec

169 NO2 NO µg m -3 Szeged Freiburg µg m -3 Szeged Freiburg CET Monday Tuesday Wednesday Thursday Friday Saturday Sunday vasárnap CET Ox O3 µg m -3 Szeged Freiburg µg m -3 Szeged Monday Tuesday Wednesday Thursday Friday Saturday Sunday vasárnap Freiburg Az NO, NO 2, O 3, O x és PM 10 koncentrációk átlagos heti és napi változásainak összehasonlítása, Szeged és Freiburg, (NO, Freiburg, ) 0 CET Monday Tuesday Wednesday Thursday Friday Saturday Sunday vasárnap µg m Szeged PM10 0 CET Monday Tuesday Wednesday Thursday Friday Saturday Sunday vasárnap Freiburg CET Monday Tuesday Wednesday Thursday Friday Saturday Sunday vasárnap

170 NO (µg m -3 ) Szeged NO 2 (µg m -3 ) Szeged % 95% 90% 75% 66% 50% % 95% 90% 75% 66% 50% % átlag % átlag hétfő kedd szerda csütörtök péntek szombat vasárnap Szeged O 3 (µg m -3 ) CET 98% 95% 90% 75% 66% 50% 33% átlag hétfő kedd szerda csütörtök péntek szombat vasárnap Szeged O x (µg m -3 ) CET 98% 95% 90% 75% 66% 50% 33% Aver Az NO, NO 2, O 3, O x és PM 10 koncentrációk kvantilisei Szeged, hétfő kedd szerda csütörtök péntek szombat vasárnap CET hétfő kedd szerda csütörtök péntek szombat vasárnap CET PM 10 (µg m -3 ) Szeged % 95% % 75% % 50% 33% 50 Aver hétfő kedd szerda csütörtök péntek szombat vasárnap CET

171 4. Összegzés A vizsgált légszennyező anyagok koncentrációi tipikus évi, heti és napi ciklusokat mutatnak. Az NO, NO 2 és TSP átlagos évi ciklusai (téli maximumok) ellentétesek az O 3 és O x átlagos évi ciklusaival (nyári maximumok). A magasabb téli értékek a légköri stabilitással magyarázhatók, mely gyakori inverziókkal jár. A nyári legalacsonyabb értékek az intenzív vertikális keveredésnek köszönhetően a légszennyező anyagok koncentrációinak felhígulására vezethetők vissza. A fotokémiai ózonképződés legnagyobb intenzitása kora délután és nyáron figyelhető meg. Az NO, TSP és az O 3 közlekedési eredetű légszennyező anyagok. Az NO és a TSP (O 3 ) koncentrációi hétközben magasak (alacsonyak), míg a hétvégeken alacsonyak (magasak).

172 A járművek okozta légszennyezettség Szegeden, CALINE-4 modell, Esettanulmány különös tekintettel az E-5, E-43 és E-55 utakra (Makra et al., 2008) Makra, L., Sánta, T., Baranka, G., 2008: Modelling air pollution of Vehicular Traffic in Szeged, Southern Hungary. Epidemiology, 19(6), S85-S86. Suppl. S Gyöngyösi, A.Z., Weidinger, T., Makra, L., Baranka Gy., 2009: Application of a dispersion model for Szeged, a medium sized Hungarian city: a case study. Fresenius Environmental Bulletin, 18(5B),

173 1. Emisszió 1.1. A közúti közlekedés emissziója Szegeden; 1.2. Az emisszió kiszámítása; 2. A közúti közlekedés modellezéséhez figyelembe vett diffúziós folyamatok 3. A CALINE4 modell 3.1. Kémiai alapok; 3.2. Input paraméterek; 4. Eredmények

174 1. Emisszió 1.1. A közúti közlekedés emissziója Szegeden

175 emission (ton) year A közúti közlekedés CO emissziója, Szeged, , t/év Környezetvédelmi és Vízügyi Minisztérium, 2007

176 emission (ton) A közúti közlekedés NO 2 emissziója, Szeged, , t/év year Környezetvédelmi és Vízügyi Minisztérium, 2007

177 1.2. Az emisszió kiszámítása Az út típusa A közlekedés jellemzői járműállomány Emissziós faktor Χ Jármű-kilométer A közúti közlekedésből származó emisszió

178 2. A közúti közlekedés modellezéséhez figyelembe vett diffúziós folyamatok

179

180 Teljes diffúzió Kezdeti diffúzió Légköri diffúzió A kipufogógázok kiáramlási sebessége Közlekedés Szélsebesség Stabilitás Mezoskálájú szél

181

182 3. A CALINE4 modell

183

184

185 3.1. Kémiai alapok Az NO 2 kémiai reakciói Discrete Parcel Method NO-O 3 -NO 2 ciklus (Benson, 1984) NO 2 + hν NO + O O + O 2 + M O 3 + M NO + O 3 NO 2 + O 2 Az NO x kémiai folyamatai egy Gaussi füstfáklyában (Hanrahan, 1999) A CO inert gáz Benson, P., 1984: CALINE4 A Dispersion Model For Predicting Air Pollutant Concentrations Near Roadways. Report No. FHWA /CA/TL-84/15. State of California, Department of Transportation, Division of New Technology and Research Hanrahan, P.L., 1999: The plume volume molar ratio for determining NO 2 /NO x ratios in modelling Part I: Methodology. Journal of Air & Waste Manageement Association, 49,

186 3.2. Input paraméterek Parameters unit I. Meteorological parameters Air temperature C Wind speed m s -1 Wind direction degree Standard deviation of the wind direction degree Atmospheric stability A G Height of the mixing layer m Aerodynamic roughness cm II. Characteristics of the road Traffic density Emission factor Height of the road Width of the road III. Position of the receptors X coordinate Y coordinate Z coordinate vehicle / hour g / vehicle mile m m m

187 4. Eredmények

188 CO 18,00 concentration (ppm) 16,00 14,00 12,00 10,00 8,00 6,00 4,00 E43 E47 E5 E502 E55 M43 M5 Évi átlagos CO koncentrációk, mint az összes receptor átlagai, a szegedi régió főbb útjain, ppm (h = 1 m) 2,00 0, year NO2 0,20 concentration (ppm) 0,15 0,10 0,05 E43 E47 E5 E502 E55 M43 M5 Évi átlagos NO 2 koncentrációk, mint az összes receptor átlagai, a szegedi régió főbb útjain, ppm (h = 1 m) 0, year

189 CO/E43 25,0 20,0 15,0 10,0 5,0 0, concentration (ppm) RCP0 RCP1 RCP2 RCP3 RCP4 RCP5 RCP6 RCP7 RCP8 RCP9 RCP10 RCP11 RCP12 RCP13 RCP14 RCP15 RCP0 RCP1 RCP2 RCP3 RCP4 RCP5 RCP6 RCP7 RCP8 RCP9 RCP10 RCP11 RCP12 RCP13 RCP14 RCP15 RCP16 RCP17 receptors year 20,0-25,0 15,0-20,0 10,0-15,0 5,0-10,0 0,0-5,0 CO/E5 35,0 30,0 25,0 20,0 15,0 10,0 5,0 0,0 receptors year 30,0-35,0 25,0-30,0 20,0-25,0 15,0-20,0 10,0-15,0 5,0-10,0 0,0-5,0 RCP0 RCP1 RCP2 RCP3 RCP4 RCP5 RCP6 RCP7 RCP8 RCP9 concentration (ppm) 12,0 10,0 8,0 6,0 4,0 2,0 0, concentration (ppm) receptors CO/E55 year 10,0-12,0 8,0-10,0 6,0-8,0 4,0-6,0 2,0-4,0 0,0-2,0 Évi átlagos CO koncentrációk a szegedi régió három legfontosabb útján, a receptorok függvényében, ppm (h = 1 m)

190 NO2/E43 0,18 0,16 0,14 0,12 0,1 0,08 0,06 0,04 0, concentration (ppm) RCP0 RCP1 RCP2 RCP3 RCP4 RCP5 RCP6 RCP7 RCP8 RCP9 RCP10 RCP11 RCP12 RCP13 RCP14 RCP15 RCP0 RCP1 RCP2 RCP3 RCP4 RCP5 RCP6 RCP7 RCP8 RCP9 RCP10 RCP11 RCP12 RCP13 RCP14 RCP15 RCP16 RCP17 receptors years 0,16-0,18 0,14-0,16 0,12-0,14 0,1-0,12 0,08-0,1 0,06-0,08 0,04-0,06 0,02-0,04 0-0,02 NO2/E5 0,25 0,2 0,15 0,1 0,05 0 receptors years 0,2-0,25 0,15-0,2 0,1-0,15 0,05-0,1 0-0,05 RCP0 RCP1 RCP2 RCP3 RCP4 RCP5 RCP6 RCP7 RCP8 RCP9 concentration (ppm) 0,12 0,1 0,08 0,06 0,04 0, concentration (ppm) receptors NO2/E55 years 0,1-0,12 0,08-0,1 0,06-0,08 0,04-0,06 0,02-0,04 0-0,02 Évi átlagos NO 2 koncentrációk a szegedi régió három legfontosabb útján, a receptorok függvényében, ppm (h = 1 m)

191 Évi átlagos CO koncentrációk a szegedi régió főbb útjain, 1995, ppm (h = 1 m)

192 Évi átlagos CO koncentrációk a szegedi régió főbb útjain, 2006, ppm (h = 1 m)

193 Évi átlagos CO koncentrációk a szegedi régió főbb útjain, 2007, ppm (h = 1 m)

194 Évi átlagos NO 2 koncentrációk a szegedi régió főbb útjain, 1995, ppm (h = 1 m)

195 Évi átlagos NO 2 koncentrációk a szegedi régió főbb útjain, 2006, ppm (h = 1 m)

196 Évi átlagos NO 2 koncentrációk a szegedi régió főbb útjain, 2007, ppm (h = 1 m)

197 A légszennyező anyagok évi átlagos koncentrációi a küszöbértékük %-ában Szegeden

198 SO 2 % évi A kén-dioxid évi átlagos koncentrációja a küszöbérték %-ában, Szeged,

199 NO 2 1 évi % A nitrogén-dioxid évi átlagos koncentrációja a küszöbérték %-ában, Szeged,

200 % NO x 1 évi A nitrogén-oxidok évi átlagos koncentrációja a küszöbérték %-ában, Szeged,

201 CO max 8 órás % A szén-monoxid évi átlagos koncentrációja a küszöbérték %-ában, Szeged,

202 % O 3 max 8 órás Az ózon évi átlagos koncentrációja a küszöbérték %-ában, Szeged,

203 2500 PM órás 1 évi javasolt 24 órás javasolt 1 évi % A részecskék évi átlagos koncentrációja a küszöbérték %-ában, Szeged,

204 Időjárási típusok objektív és szubjektív osztályozása Szegedre, különös tekintettel a levegő szennyezettségére Makra, L., 2005a: Relation of pollutant concentrations to the Peczely s large scale weather situations in Szeged, Southern Hungary. Epidemiology, 16(5), S63-S63. Makra, L., Mika, J., Béczi, R., Sümeghy, Z., Motika, G., Szentpéteri, M., 2005b: Légtömegtípusok objektív osztályozása Szegedre, különös tekintettel a levegő szennyezettségére. I. rész. A Földrajz Tanítása, 13(5), Makra, L., Mika, J., Béczi, R., Sümeghy, Z., Motika, G., Szentpéteri, M., 2006a Légtömegtípusok objektív osztályozása Szegedre, különös tekintettel a levegő szennyezettségére. II. rész. A Földrajz Tanítása, 14(1), Makra, L., Mika, J., Bartzokas, A., Béczi, R., Borsos, E., Sümeghy, Z., 2006b An objective classification system of air mass types for Szeged, Hungary with special interest to air pollution levels. Meteorology and Atmospheric Physics, 92(1-2), Makra, L., Béczi, R., Sümeghy, Z., Mika, J., Motika, G., Szentpéteri, M., 2006c Időjárási típusok légszennyezettség centrikus objektív osztályozása Szegedre. Légkör, 51(2), Makra, L., Mika, J., Bartzokas, A., Sümeghy, Z., 2007: Relationship between the Péczely s largescale weather types and air pollution levels in Szeged, Southern Hungary. Fresenius Environmental Bulletin, 16(6), Makra, L., Mika, J., Bartzokas, A., Béczi, R., Sümeghy, Z., 2009: Comparison of objective airmass types and the Péczely weather types and their ability to classify levels of air pollutants in Szeged, Hungary. International Journal of Environment and Pollution. Air Pollution Special Issue (Eds: László Makra, Harry D. Kambezidis), 36(1/2/3),

205 A légszennyező anyagok a levegőbe kerülhetnek: 1) égéssel/égetéssel, 2) párolgással, 3) turbulens légáramlásokkal. Emissziós források lehetnek: 1) közlekedés, 2) üzemanyagok/fűtőanyagok égetése, 3) ipari folyamatok, 4) szilárd hulladékok elhelyezése/hasznosítása, 5) egyéb források. A légszennyezettséget befolyásolhatják: 1) fizikai és kémiai tényezők, 2) meteorológiai elemek és időjárási helyzet, 3) topográfiai viszonyok, 4) társadalmi tényezők. Légszennyezettséget tekintve a legnagyobb kockázatú helyek: 1) túlzsúfolt és túlnépesedett nagyvárosok, 2) ipartelepek. A levegőbe kerülő ártalmas gázok és részecskék károsíthatják: 1) az egészséget, 2) a természetes környezetet, 3) az épített környezetet. A károsodás mértéke függ: 1) a légszennyezettség koncentrációktól, 2) a kitettség tartamától.

206 Célkitűzés: 1) többváltozós statisztikai módszerek alkalmazásával meghatározzuk a Szeged fölött uralkodó időjárási típusok egy objektív, megbízható osztályozási rendszerét a nyári és a téli hónapokra, 2) ezt követően a homogén napi meteorológiai elem-együttesek által jellemzett időjárási típusok mindegyikére megbecsüljük a fő légszennyező anyagok koncentrációit, 3) majd azon célból, hogy feltárhassuk az uralkodó időjárási típusoknak a légszennyezettségben játszott szerepét, meghatározzuk a közepes tengerszinti légnyomási mezők térbeli eloszlását, valamint a Szeged térségében előforduló légszennyező anyagok koncentrációit az egyes időjárási típusokra az Észak-atlanti Európai térségre.

207 SZEGED Szeged (20 06'E; 46 15'N), Délkelet-Magyarország legnagyobb városa, a Tisza és a Maros folyók torkolatánál, a beépített területének kiterjedése 46 km 2, lakossága 155 ezer fő. a várost és környezetét kiterjedt sík felszín jellemzi, h = 79 m tszf. Magassága a legalacsonyabb az Alföldön ún. kettős medence helyzet; gyakori és tartós hőmérsékleti inverziók a légszennyező anyagok feldúsulnak az inverziós rétegben.

208 Országos légszennyezettségi mérőhálózat Környezetvédelmi, Természetvédelmi és Vízügyi Felügyelőségek Automata mérőállomással rendelkező települések Magyarországon Forrás:

209

210 Országos légszennyezettségi mérőhálózat Szeged háttér városi háttér városközponti lakóterületi közlekedési lakóterületi ipari SO 2, NO 2, NO x, O 3, PM10 (µgm -3 ), CO (mgm -3 ) Cím Állomás típusa NO NO 2 NO X SO 2 CO O 3 PM 10 PM 2.5 TSP BTEX H 2 S VOC Szeged Kossuth L. sgt. 89. közlekedési x x x x x x x x - x - - BTEX: benzol, toluol, etilbenzol és xylol; VOC: volatile organic compounds = illó szerves vegyületek

211 Adatbázis , 5 év, nyári (június, július, augusztus), illetve téli (december, január, február) hónapok, 30 percenkénti adatok. Légszennyező anyagok 8 légszennyező paraméter átlagos napi tömegkoncentrációi: CO (mg m -3 ); NO (µg m -3 ), NO 2 (µg m -3 ), SO 2 (µg m -3 ), O 3 (µg m -3 ), PM 10 (µg m -3 ), napi NO 2 /NO értékek, napi maximális O 3 (µg m -3 ) tömegkoncentrációk. Meteorológiai paraméterek 12 meteorológiai paraméter napi adatai: középhőmérséklet (T mean, C), maximum hőmérséklet (T max, C), minimum hőmérséklet (T min, C), napi hőmérsékleti terjedelem ( T = T max T min, C), szélsebesség (WS, ms -1 ), relatív nedvesség (RH, %), globális sugárzás (I, MJ m -2 nap -1 ), telítettségi gőznyomás (E, hpa), gőznyomás (VP, hpa), potenciális párolgás (PE, mm), harmatpont hőmérséklet (T d, C), légnyomás (P, hpa). Tengerszinti légnyomási mezők 1) Származás ECMWF (European Centre for Medium-Range Weather Forecasts), Re-Analysis ERA 40 project, 2) Vizsgált terület Észak-atlanti Európai térség, 30 N 70.5 N, 30 W 45 E, 1,5 x1,5 sűrűségű rácshálózat, 28x51 = 1428 rácspontot 3) Mérési időpont UTC (Coordinated Universal Time = egyetemes világidő)

212 MÓDSZEREK Térképészeti háttér A rácsnégyzetenként, mint clusterenként átlagolt tengerszinti légnyomás értékekből izobárok szerkesztése a Surfer 7.00 szoftver felhasználásával. A pontonkénti, összesen 28x51=1428 adatból az izobárok megrajzolása a Kriging eljárással történt, mely egy interpolációs eljárás pl. tengerszinti légnyomás rácspont adatokból izobárok rajzolására. χ 2 -próba, függetlenség vizsgálat Azon célból, hogy eldönthessük, vajon a vizsgált tengerszinti légnyomási mezők szignifikánsan különböznek-e egymástól, A 0-hipotézis szerint a ξ és η változók nem függetlenek. Faktoranalízis A faktoranalízis a vizsgált változók részhalmazai közötti lineáris kapcsolatokat magyarázza. Ez a módszer lehetővé teszi az eredeti adatbázis jelentős csökkentését lényeges információveszteség nélkül. Először faktoranalízist alkalmaztunk azon célból, hogy a 12 oszlopból (12 meteorológiai változó) és 450 sorból (450 nap, azaz öt év nyári, illetve téli napjai) álló kiindulási adatbázis 12 db egymással kölcsönös kapcsolatban lévő meteorológiai változóját kevesebb számú m Faktorral helyettesítsük, melyek olyan rejtett változóknak - azon legfontosabb lineárisan független meteorológiai faktoroknak - tekinthetők, amik potenciálisan befolyásolják a napi légszennyezettség koncentrációkat Szegeden. A megtartott Faktorok optimális száma konvenció kérdése. Mi annyi Faktort tartunk meg, amelyek az eredeti változók teljes varianciájának legalább 80%-át megmagyarázzák (Jolliffe, 1993).

213 Clusteranalízis Ez egy egyszerű statisztikai eljárás különböző elemek objektív csoportosítására, pl. a legnagyobb hasonlóságot mutató meteorológiai elemegyüttesek napjai objektív csoportjainak a meghatározására. A cél az, hogy maximáljuk az elemek homogenitását az egyes clustereken belül, és ezzel egyidejűleg maximáljuk a heterogenitást az egyes clusterek között. Nem-hierarchikus clusteranalízist hajtunk végre a faktorérték idősorokon, k-közép algoritmussal, a Mahalanobis metrika alkalmazásával (Mahalanobis, 1936). A Mahalanobis metrika alkalmazása jobb eredményt ad, mint az euiklideszi metrikáé, ugyanis előbbi figyelembe veszi a clusterezendő vektorok komponenseinek eltérő szórásait, valamint a komponensek közötti korrelációkat. A clusterezendő adatok 12 db meteorológiai paraméter napi értékei. Annak biztosítására, hogy közelítőleg egyenletes clustergyakoriságok lépjenek föl, 3-tól 30-ig terjedő lehetséges clusterszámokat választunk ki. Intuitív módon, a kiválasztott végső clusterszám az egyes clusterek gyakoriságainak csekély ingadozásait mutatja, egyúttal a legnagyobb és a legkisebb clustergyakoriságok eltérése minimális (Anderberg, 1973, Hair et al., 1998). Az egyes clustereken belüli homogenitást az RMSD-vel, azaz az egyes clusterelemeknek a megfelelő clusterek clusterközéppontjaitól való közepes négyzetes eltérései gyökeinek az összegével (sum of the root mean square deviations) definiáltuk. Az RMSD-érték általában csökken, ha a clusterek száma növekszik. Emiatt ez nem a legmegfelelőbb paraméter az optimális clusterszám meghatározására. Ugyanakkor az RMSD megváltozása (CRMSD), vagy még inkább a CRMSD megváltozása (CCRMSD) jóval informatívabb paraméterek az optimális clusterszámok kiválasztására.

214 Egyszempontú variancia-analízis (ANOVA) Annak eldöntésére szolgál, hogy a valamilyen szempont alapján csoportokba sorolt mintaelemekre a csoportok közötti eltéréseket mérő szórásnégyzet szignifikánsan nagyobb-e, mint a csoportokon belüli ingadozásokat mutató szórásnégyzet. Tukey-teszt Annak eldöntésére szolgál, hogy az ANOVA végrehajtását követően a vizsgálatba vont csoportok páronkénti átlagai alapján vajon mely csoportok különböznek szignifikánsan egymástól (Tukey, 1985). Ha a variancia analízis végrehajtásakor az alkalmazott teszt alapján szignifikáns eltérést kapunk egyes kémiai változóknak a megadott clusterek szerinti átlagértékei között, akkor elutasítjuk a 0-hipotézist, a Tukey-féle post-hoc tesztet hajtjuk végre annak megállapítására, hogy a vizsgált kémiai változóknak a megadott clusterek szerinti átlagértékei konkrétan mely clusterek között mutatnak szignifikáns eltérést. A Tukey-tesztet csak akkor kell elvégezni, ha az ANOVA végrehajtása után szignifikáns különbséget találtunk a csoportátlagok között. Ellenkező esetben nincs szignifikáns különbség, amelyet meg kell találjunk. A Tukey-féle utólagos teszt végrehajtásakor először megkapjuk az összes csoport páronkénti átlagai közötti differenciákat. Ezeket a differenciákat összevetjük egy kritikus értékkel, s ha a differenciák meghaladják ezt a kritikus értéket, akkor azok szignifikánsak. A Tukey-teszt a légszennyezettség koncentrációk időjárási típusok szerinti páronkénti összehasonlításakor a mindenkori adott két típus ún. egyedi hatása mellett a többi időjárási típus ún. közös hatását is figyelembe veszi, lehetővé teszi a légszennyezettség koncentrációknak az időjárási tipizáláson alapuló, statisztikailag megbízható, s az eddigieknél jóval hatékonyabb előrejelzését.

215 Cluster 1, n = 56 (12.5 %) 1. cluster Number of Days DEC JAN FEB Cluster 6, n = 46 (10.0 %) 6. cluster Number of Days JUN JUL AUG Az egyes időjárási típusok (clusterek) közepes tengerszinti légnyomási mezői, valamint a vizsgált napok számának havi változásai, Észak-atlanti Európai térség, téli hónapok (december, január, február), összesen 5 cluster, bemutatva az 1. cluster; nyári hónapok (június, július és augusztus), összesen 10 cluster, bemutatva a 6. cluster.

216 O 3max NO 2 SO 2 TSP 2 CO CO O 3max SO 2 NO 2 TSP O 3 3 CO NO NO NO O 3max SO 2 NO 2 TSP O 3 TSP 4 CO O 3max O 3max NO SO 2 NO 2 O 3 TSP O 3 TSP Légtömegtípus kémiai légszennyezők difference mátrix. Minden egyes mátrix cella két légtömegtípust hasonlít össze. Azon légszennyező anyagok, melyek az egyes cellákban találhatók, azt jelzik, hogy átlagértékeik az adott két légtömegtípus között szignifikánsan eltérnek egymástól a Tukey féle teszt szerint (normál karakter: az eltérés a 95 %-os valószínűségi szinten szignifikáns, vastag karakterek: az eltérés a 99 %-os valószínűségi szinten szignifikáns, téli hónapok (december, január, február)

217 CO NO 2 CO CO TSP 2 TSP 3 TSP TSP 5 CO CO O 3max O 3max NO 2 NO 2 SO 2 NO 2 TSP TSP O 3 TSP TSP 6 CO CO TSP TSP TSP TSP 7 CO CO CO CO CO NO NO O 3max NO 2 NO 2 NO 2 NO 2 NO 2 NO 2 TSP TSP TSP 8 NO2vsN NO2vsN CO CO CO O CO CO O NO NO NO 2 NO 2 TSP TSP 9 CO CO CO CO CO CO CO O 3max O 3max O 3max O 3max O 3max O 3max O 3max NO 2 NO 2 NO 2 O 3 TSP O 3 TSP O 3 TSP O 3 TSP O 3 TSP O 3 O 3 O 3 TSP O 3 TSP Légtömegtípus kémiai légszennyezők difference mátrix. Minden egyes mátrix cella két légtömegtípust hasonlít össze. Azon légszennyező anyagok, melyek az egyes cellákban találhatók, azt jelzik, hogy átlagértékeik az adott két légtömegtípus között szignifikánsan eltérnek egymástól a Tukey féle teszt szerint (normál karakter: az eltérés a 95 %-os valószínűségi szinten szignifikáns, vastag karakterek: az eltérés a 99 %-os valószínűségi szinten szignifikáns, téli hónapok (december, január, február)

218 Összegzés A légszennyező anyagok szegedi koncentrációit elemeztük, jellegzetes tengerszinti légnyomási rendszerek fennállásakor. E légnyomási rendszerek által meghatározott jellegzetes időjárási típusokat definiáltunk mind a téli, mind a nyári hónapokra, amelyek jelentős szerepet játszanak a szennyezőanyagoknak Szeged belvárosában történő feldúsulásában. A téli hónapokra kapott eredmények: lásd: a következő dia; A nyári hónapok légnyomási rendszere nehezebben kategorizálható, mivel ekkor a légnyomási mezők változékonysága és a gradiensek kisebbek, mint télen. Ez elsősorban az anticikloncentrum helyzet, valamint az anticiklon peremhelyzetek túlsúlyának tulajdonítható. Az alacsony felhőzet és a rendkívül, alacsony NOkoncentrációk hatására ekkor a másodlagos légszennyezők meglehetősen földúsulnak. Megjegyzendő, hogy nyáron az O 3 -koncentrációk a télen mért értékeik dupláját mutatják. Az időjárási típusok előrejelzése lehetőséget teremt ahhoz, hogy megelőzzük a szélsőséges légszennyező koncentrációk kialakulását.

219 Téli hónapok 1. Cluster 3. Cluster 4. Cluster 5. Cluster Az elsődleges légszennyező anyagok nagyobb koncentrációban fordulnak elő, amikor mind a felhőzet, mind a szélsebesség csekély (pl. anticiklon a Kárpátmedence fölött (1. cluster); továbbá amikor a Magyarországtól délre eső térség egy anticiklon hatása alatt áll (4. cluster), mely befolyásolja hazánk időjárását. Az elsődleges légszennyezők koncentrációi akkor alacsonyak, amikor Magyarország fölött zonális áramlások uralkodnak (a szélsebesség ekkor a legnagyobb) (3. Cluster, illetve 5. Cluster, átmeneti típus).

220 TSP TSP 5 NO 2 vsno TSP 6 7 NO 2 vsno CO CO CO CO NO NO NO NO 2 vsno CO NO 2 NO 2 TSP TSP TSP 9 10 NO NO NO 2 SO 2 NO 2 SO 2 NO 2 SO 2 NO 2 NO 2 SO 2 NO 2 SO 2 NO 2 NO 2 SO 2 NO CO CO CO CO NO 2 vsno CO NO NO 2 NO 2 NO 2 NO 2 SO 2 TSP TSP TSP Péczely-féle időjárási típus kémiai légszennyezők difference mátrix. Minden egyes mátrix cella két légtömegtípust hasonlít össze. Azon légszennyező anyagok, melyek az egyes cellákban találhatók, azt jelzik, hogy átlagértékeik az adott két Péczely-féle időjárási típus között szignifikánsan eltérnek egymástól a Tukey féle teszt szerint (normál karakter: az eltérés a 95 %-os valószínűségi szinten szignifikáns, vastag karakterek: az eltérés a 99 %-os valószínűségi szinten szignifikáns, téli hónapok (december, január, február) NO 2

221 CO NO CO CO NO NO 2 NO 2 SO 2 TSP TSP TSP TSP 5 NO 2 vs CO NO 3 SO CO NO NO 2 SO 2 TSP NO 2 CO CO NO 2 CO TSP 10 NO 2 SO 2 TSP 11 CO TSP 12 TSP Péczely-féle időjárási típus kémiai légszennyezők difference mátrix. Minden egyes mátrix cella két légtömegtípust hasonlít össze. Azon légszennyező anyagok, melyek az egyes cellákban találhatók, azt jelzik, hogy átlagértékeik az adott két Péczely-féle időjárási típus között szignifikánsan eltérnek egymástól a Tukey féle teszt szerint (normál karakter: az eltérés a 95 %-os valószínűségi szinten szignifikáns, vastag karakterek: az eltérés a 99 %-os valószínűségi szinten szignifikáns, nyári hónapok (június, július, augusztus) 9

222 Összegzés Összefoglalva a Péczely-féle időjárási típusok és a légszennyező anyagok napi átlagos koncentrációi közötti kölcsönös kapcsolatokat, a következőket állapíthatjuk meg: a légszennyező anyagok feldúsulása akár a téli hónapokban, akár a nyári hónapokban, akár együtt, vagy külön-külön tekintve azokat, kizárólag anticiklon centrum, vagy anticiklon peremhelyzetekben tapasztalható, másrészről azok felhígulása nem csupán a ciklonális, hanem anticiklon peremhelyzetekben is megfigyelhető. Az ugyanezen időszakra végrehajtott objektív időjárási tipizálásnak csaknem egy nagyságrenddel nagyobb a hatékonysága a légszennyező anyagok osztályozásában a Péczely-féle szubjektív időjárási típusokéhoz képest. A CO, SO 2 és TSP érzékenyek a Péczely-féle szubjektív osztályozásra, míg az NO 2 /NO, O 3 and O 3max esetében a Péczely-féle szubjektív osztályozás teljesen hatástalan. Télen az anticiklonális típusok szerepe általában kedvező, míg a ciklonális típusoké többnyire elhanyagolható a légszennyezettség koncentrációk Péczely-féle típusok szerinti osztályozásában. Másrészről nyáron egyik típusnak sincs jelentős szerepe. Következésképp, jóllehet a szerepük egyértelmű télen, a Péczely-féle szubjektív időjárási helyzetek nem tekinthetők egy átfogó rendszernek a légszennyezettség koncentrációk osztályozásában, mivel azok hatástalanok nyáron.

223 Type 1 (mcc) Type 2 (AB) Type 3 (CMc) Type 4 (mcw) Type 5 (Ae) Type 6 (CMw) Type 7 (zc) Type 8 (Aw) A 13 Péczely-féle szubjektív időjárási típuashoz tartozó közepes tengerszinti légnyomási mezők, Észak-Atlanti Európai térség, téli hónapok (december, január, február),

224 Type 9 (As) Type 10 (An) Type 11 (AF) Type 12 (A) Type 13 (C) A 13 Péczely-féle szubjektív időjárási típuashoz tartozó közepes tengerszinti légnyomási mezők, Észak-Atlanti Európai térség, téli hónapok (december, január, február),

225 Type 1 (mcc) Type 2 (AB) Type 3 (CMc) Type 4 (mcw) Type 5 (Ae) Type 6 (CMw) Type 7 (zc) Type 8 (Aw) A 13 Péczely-féle szubjektív időjárási típuashoz tartozó közepes tengerszinti légnyomási mezők, Észak-Atlanti Európai térség, nyári hónapok (június, július, augusztus),

226 Type 9 (As) Type 10 (An) Type 11 (AF) Type 12 (A) Type 13 (C) A 13 Péczely-féle szubjektív időjárási típuashoz tartozó közepes tengerszinti légnyomási mezők, Észak-Atlanti Európai térség, nyári hónapok (június, július, augusztus),